鲁汶大学医院人工智能辅助糖尿病视网膜病变分级的绩效评估：技术能否改善住院医师？ (PEARL)

糖尿病是我们这个时代的主要健康挑战之一。 据估计，到 2040 年，全球将有 6.42 亿人被诊断出患有这种疾病。 糖尿病是一种影响全身的疾病，由于它对微血管系统的影响，可能会带来许多并发症。 这些并发症中最普遍的是由微血管和神经损伤引起的糖尿病性视网膜病变。

根据眼病流行研究小组在美国的研究，约 40% 的患者存在一定程度的视网膜病变。 8%的患者甚至患有威胁视力的糖尿病视网膜病变。

糖尿病视网膜病变是当今社会失明的主要原因之一。 然而，年度筛查和及时转诊治疗可以防止这种情况发生。 最好的例证是，自从实施全国筛查计划以来，糖尿病不再是英国失明的主要原因。

因此，许多国家都组织了某种筛查计划。 但是，各国之间存在很大的组织差异。 这可以从眼科医生每年进行的散瞳眼底镜检查（如比利时的情况）到由训练有素的非（准）医务人员评估的非散瞳眼底照片。

即使采用最有效的筛查途径，患者数量的增加也将成为一个问题，因为筛查途径中的人为因素（医生、验光师、受过培训的分级员……）无法以相同的速度增加其容量。 当前系统将在某一时刻达到其极限。 此外，众所周知，很大一部分糖尿病患者不遵守推荐的年度筛查。 这些问题将导致更长的等候名单、由于医生过度劳累导致的诊断不足、漫长的等候名单以及可能缺乏高质量的护理。

简单地用训练有素的分级员代替眼科医生可能无法解决所有这些问题。 它只会推迟它们，而且仍将是昂贵的和劳动密集型的。 已经使用训练有素的评分员的国家的情况证实了这些怀疑。 此外，这些机构的护理质量和诊断准确性也有改进的空间。

近年来，人工智能，更具体地说是深度学习，被认为是解决这些问题的一种手段。 即使在最初的研究中，深度学习算法也已被证明在检测可转诊的糖尿病性视网膜病变方面具有高灵敏度和特异性。 这些算法的进一步发展和更彻底的研究证实了这些发现。 AI 的使用已在许多医学领域进行了研究，但糖尿病视网膜病变筛查仍然是先驱，正如 FDA 首次授权 AI 医疗应用是糖尿病视网膜病变筛查系统 IDx 所证实的那样。

目前的研究主要集中在人工智能算法作为一种自主诊断工具的性能，除了获取图像之外无需与人类交互。 医疗专业人员担心人工智能将在不久的将来开始部分取代它们，并使它们在长期内过时。 然而，这些新技术也可以用来帮助卫生专业人员以更准确的方式进行诊断，而不是取代它们。

因此，在 PEARL 项目中，我们希望评估人工智能算法作为诊断辅助工具的使用，以提高医生的诊断准确性，而不是更换医生，当然是在培训环境中。