سیستم جدید هوش مصنوعی برای تشخیص رتینوپاتی دیابتی
28 اوت 2018- سیستم طراحی شده توسط یک متخصص چشم در دانشگاه آیوا که از هوش مصنوعی (AI) برای تشخیص رتینوپاتی دیابتی بدون نیاز به تفسیر نتایج توسط فرد استفاده می کند، پس از یک آزمایش بالینی در مراکز مراقبت های اولیه، مجوز غذا و داروی آمریکا (FDA) را در ماه آوریل بدست آورد. نتایج این مطالعه که در روز 28 اوت در Nature Digital Medicine منتشر شد، برای اولین بار اطلاعاتی که منجر به اعطای مجوز FDA به IDx-DR شد، را ارائه می دهد. این اولین دستگاه پزشکی است که با استفاده از AI برای تشخیص مستقل رتینوپاتی دیابتی مورد استفاده قرار می گیرد.
این کارآزمایی بالینی همچنین اولین مطالعه ی آینده نگر برای ارزیابی ایمنی یک سیستم خودکار AI در مراقبت از بیمار است، که عملکرد IDx-DR را با تشخیص استاندارد طلایی برای رتینوپاتی دیابتی که یکی از شدید ترین عوارض دیابت است، مقایسه می کند.
IDx-DR از نظر حساسیت فراتر از نقاط انتهایی از پیش تعیین شده برای حساسیت عمل می کند، توانایی شناسایی صحیح بیماران مبتلا به رتینوپاتی دیابتی را دارد؛ دارای specificity بالا، توانایی صحیح تشخیص عدم ابتلا به بیماری؛ قابلیت تصویربرداری، یا توانایی تولید تصاویری با کیفیت از شبکیه و تعیین شدت بیماری را دارد.
پژوهشگر اصلی این مطالعه، پرفسور Michael Abràmoff استاد چشم پزشکی و علوم بصری در مراقبت های بهداشتی UI و بنیانگذار و رئیس IDx می گویند: نقش اصلی سیستم AI ، شناسایی افراد در معرض خطر رتینوپاتی دیابتی است که نیاز به ارزیابی بیشتر توسط یک متخصص چشم دارند. نتایج این مطالعه نشان دهنده ی ایمنی سیستم های خودکار AI برای تشخیص تخصصی رتینوپاتی در مراکز مراقبتهای اولیه با پتانسیل دسترسی بهتر و هزینه ی کمتر است. شرکت IDx ، شرکتی است که سیستم IDx-DR را ایجاد کرده و هزینه ی انجام این مطالعه را تامین نموده است.
تشخیص زود هنگام ممکن است از نابینایی جلوگیری کند
بیش از 24 هزار نفر در ایالات متحده، هر ساله به دلیل رتینوپاتی دیابتی بینایی خود را از دست می دهند. تشخیص و درمان زودهنگام می تواند خطر نابینایی را تا 95 درصد کاهش دهد، اما کمتر از 50 درصد از بیماران مبتلا به دیابت در برنامه های منظم معاینات چشمی توسط متخصص چشم شرکت می کنند.
در این مطالعه 900 بزرگسال مبتلا به دیابت که هیچ سابقه ی ابتلا به رتینوپاتی دیابتی نداشتند در 10 مرکز مراقبت های اولیه در سراسر ایالات متحده مورد بررسی قرار گرفتند. تصاویر شبکیه ی بیماران با استفاده از یک دوربین روبوتیک، که مجهز به AI برای کمک به یک اپراتور بمنظور گرفتن تصاویری با کیفیت خوب است، تهیه شد. پس از گرفتن چهار تصویر، AI پس از 20 ثانیه تشخیص بالینی را اعلام می کند. AI تشخیص بیماری را درست همانند یک پزشک متخصص چشم، با داشتن آشکارسازهایی برای ضایعات مشخصه ی رتینوپاتی دیابتی، از جمله میکروآنوریسم، خونریزی و ترشحات لیپوپروتئینی انجام می دهد. اپراتورهای این دوربین از کارکنان موجود در کلینیک های مراقبت های اولیه بودند، اما پزشک و یا عکاس، نبودند.
پرفسور Abràmoff گفت: این مطالعه خیلی بیشتر از آزمایش یک الگوریتم در یک تصویر بود، ما می خواستیم این سیستم را در مراکز مراقبتهای اولیه استفاده کنیم و آن را با بالاترین استاندارد در جهان مقایسه کنیم.
AI در برابر استاندارد طلایی رتینوپاتی دیابتی
روش استاندارد طلایی برای تشخیص رتینوپاتی دیابتی که از طریق تهیه ی تصاویری از شبکیه با تجهیزات تصویربرداری 3 بعدی و widefield توسط متخصص تصویر برداری شبکیه( دارای گواهی آموزش از مرکز FPRC در ویسکانسین)، انجام شد با سیستم خودکار AI در این مطالعه مقایسه گردید. گزارش کامل تشخیصی هر دو روش، برای 819 نفر از 900 شرکت کننده ی اولیه در این مطالعه اعلام شد. با روش استاندارد، برای 198 شرکت کننده، رتینوپاتی فراتر از رتینوپاتی خفیف تشخیص داده شد که باید برای بررسی بیشتر به یک متخصص مراجعه می کردند، در حالیکه روش خودکار AI ، به درستی توانست 173 فرد مبتلا به این بیماری را از میان 198 نفر شناسایی کند که نشان دهنده ی حساسیت 87 درصدی این روش است. برای 621 شرکت کننده، این بیماری توسط روش استاندارد تشخیص داده نشد، در حالیکه روش AI ، این بیماری را در 556 نفر رد کردف که بیانگر قابلیت تشخیصی 90 درصدی این روش در شناسایی رتینوپاتی دیابتی است.
Abràmoff می گوید: ما امیدواریم این روش را همچنین برای تشخیص زودهنگام بیماری هایی مانند گلوکوم و دژنراسیون ماکولا انجام دهیم. ما در حال کار بر روی آن الگوریتم ها هستیم. هدف ما این است که این روش تشخیص تخصصی را به مراکز مراقبت های اولیه و کلینیک ها، که در آن بیماران دیابتی تحت نظارت هستند، بیاوریم.
منبع و سایت خبر:
https://www.news-medical.net/news/20180828/New-system-that-uses-AI-accurately-detects-patients-with-diabetic-retinopathy.aspx