۲ اوت۲۰۲۶ - پژوهشگران در یک مطالعۀ جدید دریافتند که استفاده از سیستم توموگرافی انسجام نوری مبتنی بر هوش مصنوعی (AI-OCT)به‌عنوان ابزار غربالگری ثانویه، از نظر نرخ ارجاعات مثبت کاذب در بیماران مبتلا به ادم ماکولا، نتایجی هم‌تراز با روش‌های استاندارد، دارد، اما این روش به طور قابل توجهی ارجاعات غیرضروری بالقوه برای ادم ماکولای دیابتی(DME)  را بدون به خطر انداختن حساسیت تشخیصی کاهش می‌دهد. این موضوع نشان می‌دهد که غربالگری با کمک هوش مصنوعی می‌تواند کارایی مسیرهای مراقبت از چشم دیابتی را بهبود بخشد. این مطالعه در نشریۀ JAMA منتشر شد.

به منظور اثبات اثربخشی دقت تشخیصی و کارایی ارجاع در دنیای واقعی، یک پروتکل مطالعۀ دو مرحله‌ای طی چندین سال اجرای بالینی سیستم انجام شد. در اولین دورۀ مطالعه اعتبارسنجی خاموش آینده‌نگر (فوریه ۲۰۲۰تا ژوئیه ۲۰۲۳)، در مجموع ۶۰۳بیمار دیابتی در مطالعه‌ای که در تریاژ یک بیمارستان مراقبت‌های تخصصی انجام شد، برای آموزش و اعتبارسنجی الگوریتم سیستم با استفاده از کنترل کیفیت خودکار تصاویر، مدل‌های تشخیص DME و پرچم‌های عدم قطعیت، شرکت داده شدند.

پس از مرحله‌ی اعتبارسنجی، یک کارآزمایی بالینی تصادفی‌سازی‌شده و چندمرکزی با هدف اثبات «هم­ترازی یا Non-inferiority» در بازه زمانی سپتامبر ۲۰۲۳ تا آوریل ۲۰۲۵ انجام شد و دوره پیگیری آن در ماه مه ۲۰۲۵پایان یافت. این مطالعه شامل ۲۷۶بیمار با مشکوک به ادم ماکولای دیابتی (DME) بود که از طریق برنامه‌ی غربالگری منطقه‌ای ارجاع شده بودند. این بیماران به‌صورت تصادفی در دو گروه قرار گرفتند: گروه مداخله (۱۳۷نفر) که ارجاع آن‌ها بر اساس تصویربرداری فوندوس (ته‌ چشم) و گزارش ثانویۀ  AI-OCTصورت گرفت، و گروه کنترل (۱۳۹نفر) که ارجاع آن‌ها به‌صورت خودکار و تنها بر اساس تصویربرداری سنتی فوندوس انجام شد.

یافته‌های کلیدی:

·  در مرحلۀ اولیۀ اعتبارسنجی که شامل ۶۰۳ بیمار (در مجموع ۱۲۰۰اسکن) بود، ۷.۲ درصد موارد (۸۶اسکن) غیرقابل ارزیابی (Ungradable) تشخیص داده شدند و ۴.۴ درصد موارد (۴۹اسکنِ قابل ارزیابی) نیز تحت عنوان «مشکوک/نامشخص» (Uncertain) علامت‌گذاری شدند. در این مرحله، سیستم در تشخیص ادم ماکولای دیابتی (DME)، به حساسیت ۹۸.۸ درصد (با فاصله اطمینان ۹۵ درصد: ۹۴.۵ درصدتا ۱۰۰.۰ درصد) و ویژگی(Specificity) ۹۰.۷ درصد (با فاصله اطمینان ۹۵ درصد: ۸۸.۷ درصدتا ۹۲.۴ درصد) دست یافت.

·  در کارآزمایی تصادفی (میانگین سنی، ۶۳.۹سال؛ ۵۴.۷ درصدمرد)، شیوع واقعیDME بین گروه‌های مداخله (۳۰.۹ درصد) و کنترل (۲۹.۹ درصد) متعادل بود.

·  میزان ارجاع DME مثبت کاذب از ۶۹.۱ درصد(۹۵درصد CI، ۶۱.۰ درصد-۷۶.۱درصد) در گروه کنترل به ۲۴.۱ درصد(۹۵درصد CI، ۱۴.۶ درصد- ۳۷.۰ درصد) در گروه مداخلهAI-OCT  کاهش یافت، که نشان‌دهنده کاهش مطلق قابل توجه ۴۵.۰ درصدی است (۹۵ درصد CI، ۵۸.۲ درصد- تا ۳۱.۹ درصد -؛ 0.001    P <برای Non-inferiority).

·  حساسیت ارجاع در هر دو بازوی مطالعه به ۱۰۰.۰درصد(۹۵درصد CI، ۱۰۰.۰ درصد-۱۰۰.۰درصد) رسید، و هیچ موردی از DME در گروه مداخله از دست رفته یا ارجاع داده نشده، نبود.

·  ویژگی ارجاع از صفر درصد(95% CI، 0.0% - 0.0%) تحت غربالگری استاندارد فقط فوندوس به 86.5 درصد(فاصلۀ اطمینان 95 درصد، 79.3 درصد- 92.9 درصد) با ادغام ثانویه AI-OCT افزایش یافت.

در مجموع، به‌کارگیری سامانه‌ی AI-OCTبه‌عنوان ابزار غربالگری مرحله‌ی دوم، از نظر نرخ ارجاعات کاذب نه تنها کمتر از روش‌های معمول نبوده، بلکه موفق به کاهش چشمگیر ارجاعات غیرضروری برای ادم ماکولای دیابتی (DME) شده است. این آمارهای به‌دست‌آمده از کارآزمایی، شواهد تجربی لازم برای تدوین دستورالعمل‌های جدید غربالگری چشمِ دیابتی‌ها در مقیاس ملی را فراهم می‌کند.

منبع:

https://medicaldialogues.in/ophthalmology/news/ai-assisted-oct-screening-may-reduce-unnecessary-diabetic-eye-referrals-in-macular-edema-patients-jama-175936