两种技术的新配对可以为更好地筛查糖尿病性视网膜病变提供解决方案,如果不及早发现则可导致永久性视力丧失。
在2019年视觉与眼科研究协会年会上,密歇根大学凯洛格眼科中心的研究人员透露,将安装了高质量视网膜图像的智能手机设备与读取它们的人工智能软件相结合,可以确定实时是否应将患者转诊给眼科医生进行随访。
“预防DR相关视力丧失的关键是通过定期筛查进行早期检测,”Kellogg玻璃体视网膜外科医生和该研究的主要作者Yannis Paulus博士说。“我们认为关键是将便携,易于管理,可靠的视网膜筛查带到初级保健医生办公室和诊所。”
基于智能手机的工具,用于快速,便携式筛选密歇根医药是少数几家致力于将智能手机技术应用于眼科筛查的机构之一。保罗斯是凯洛格团队的一员,该团队开发了一种将智能手机变成功能性视网膜照相机的设备。
2016年,CellScope Retina项目是由UM的生命科学中心转化研究和商业化资助的12个项目之一,该项目加速了具有积极影响人类健康的巨大潜力的想法。这项新研究采用了最新一代的设备,现称为RetinaScope。
“传统的视网膜照相机昂贵,大,不可移动,需要特殊的操作训练,而RetinaScope是一个基于智能手机的平台,便宜,手持,易于使用,无需培训”,眼科助理教授Paulus说。和视觉科学以及生物医学工程助理教授。虽然RetinaScope等智能手机平台几乎可以用于在任何地方提供高清视网膜图像,但这只是挑战的一部分。
“眼科医生可能需要两到七天来解释图像,”Paulus解释说。“为了使筛查真正可以访问,我们需要提供现场反馈,拍照并解释,同时患者在那里安排必要的眼科预约。”这就是另一种名为深度神经网络软件的新兴技术。
“深度神经网络是一种AI软件平台,可以增强和检查图像,并提供DR中存在的病变的自动分级,指出哪些病变需要转诊给眼科医生进行随访,”他说。
Paulus的团队使用由加利福尼亚公司Eyenuk开发的名为EyeArt™的专有软件平台。“这是第一项将成像技术与自动实时解释相结合并将其与金标准扩张眼科检查进行比较的研究,”保罗斯说,“结果非常令人鼓舞。”
减少护理障碍
数据来自在凯洛格眼科中心视网膜诊所看到的69名糖尿病成年患者,包括他们的治疗临床医生以前记录的扩张裂隙灯眼底检查结果。
瞳孔扩张后,RetinaScope用于图像患者视网膜并且图像与EyeArt™软件,其分级它们作为提名 - 保证糖尿病性视网膜病(RWDR)或非转诊-DR保证分析。
由训练有识别糖尿病性视网膜病变迹象的两位专家读者独立评估相同的图像。
“我们采取了额外的步骤,将自动解释和人类专家评级员与裂隙灯评估相比较,以克服我们认为在其他地方进行的类似研究的缺点,”Paulus实验室和研究共同作者的研究助理Michael Aaberg说。 。
“当人类评分被用作唯一的基于AI的评分检查时,存在这样的风险,即无法准确捕捉DR病理的照片可能被两者错误地解释,”Aaberg说。
该研究比较了两项测量结果:筛查是否足够敏感以发现疾病,以及是否具体到足以证实个体何时没有糖尿病视网膜病变。“敏感性是筛查测试中更为关键的测量方法,”Aaberg解释说,“因为最坏的情况是疾病因缺失诊断而进展。”
裂隙灯评估确认了53名受试者(76.8%)的RWDR。自动解释的灵敏度为86.8%(高于眼科筛查设备推荐的80%),特异性为73.3%。
其中一名人类评分者达到的敏感度水平更高,具有统计学意义的因素(96.2%),两者的特异性均较低(40%和46.7%)。这是第一次在基于智能手机的平台上使用AI与临床评估的黄金标准相比有效,”Paulus说。
受到这些发现以及即将发布的初级保健诊所可用性研究结果的鼓舞,Paulus实验室继续追求硬件和软件改进(特别是不需要瞳孔扩张的版本),以及FDA批准。“我们专注于克服患者不愿意通过将它带给他们来寻求DR筛查,”Paulus说,“在熟悉的临床环境中使其变得容易,直接和可用。”
标签:检测糖尿病
郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。