“Εξυπνο” διαγνωστικό εργαλείο για αμφιβληστροειδοπάθεια λειτουργεί και στα παιδιά

“Εξυπνο” διαγνωστικό εργαλείο για αμφιβληστροειδοπάθεια λειτουργεί και στα παιδιά

“Εξυπνο” διαγνωστικό εργαλείο για αμφιβληστροειδοπάθεια λειτουργεί και στα παιδιά

Η διαβητική αμφιβληστροειδοπάθεια – μια διαταραχή που χαρακτηρίζεται από βλάβη στα μικρά αιμοφόρα αγγεία που ευθυγραμμίζουν τον αμφιβληστροειδή (περιοχή εστίασης του φωτός) του ματιού και μια κύρια αιτία απώλειας όρασης παγκοσμίως – έχει αυξηθεί τα τελευταία χρόνια καθώς ο αριθμός των παιδιών και των εφήβων που διαγνώστηκαν είτε με διαβήτη τύπου 1 είτε τύπου 2 αυξάνεται. Παρόλο που η Αμερικανική Ένωση Διαβήτη (ADA) συμβουλεύει τον τακτικό έλεγχο για παιδιατρική διαβητική αμφιβληστροειδοπάθεια, εκτιμάται ότι λιγότεροι από τους μισούς νέους με διαβήτη ακολουθούν τη σύσταση. Χωρίς έγκαιρη ανίχνευση και θεραπεία, αυτοί οι ασθενείς διατρέχουν τον κίνδυνο για σοβαρά προβλήματα όρασης ή τύφλωση καθώς γερνούν.

Σε μια πρόσφατη μελέτη που αναφέρθηκε στις 21 Ιανουαρίου 2021 στο “Diabetes Care”, ερευνητές στην παιδιατρική ενδοκρινολογία και οφθαλμολογία στο Johns Hopkins Medicine και άλλα τρία ιατρικά ιδρύματα των ΗΠΑ έδειξαν ότι η αυτόνομη τεχνητή νοημοσύνη (AI) μπορεί να χρησιμοποιηθεί για την ανίχνευση παιδιατρικής διαβητικής αμφιβληστροειδοπάθειας με υψηλή ευαισθησία, ειδικότητα και δυνατότητα διάγνωσης (ακρίβεια ανίχνευσης) – και χωρίς την ανάγκη ανθρώπινης ερμηνείας. Η τεχνική είχε ήδη εγκριθεί για ενήλικες με διαβήτη από την Αμερικανική Υπηρεσία Τροφίμων και Φαρμάκων (FDA) και αποτελεί μέρος των οδηγιών ελέγχου της αμφιβληστροειδοπάθειας της Αμερικανικής Ενωσης Διαβήτη για ασθενείς ηλικίας 21 ετών και άνω.

Επειδή ο έλεγχος της τεχνητής νοημοσύνης δεν απαιτεί διαστολή των ματιών, χρειάζεται λιγότερος χρόνος για να εκτελεστεί και είναι ευκολότερο να υποβληθεί σε παιδιατρικούς ασθενείς. Ως εκ τούτου, η προσκόλληση των ασθενών σε αυτή τη μελέτη στη λήψη τακτικών εξετάσεων αμφιβληστροειδοπάθειας, όπως ορίζεται από την ADA, υπερδιπλασιάστηκε.

“Η χρήση αυτόνομης τεχνητής νοημοσύνης σε ενήλικες έχει δείξει εξαιρετικά υψηλά επίπεδα ευαισθησίας, εξειδίκευσης και ακρίβειας στη διάγνωση της αναφερόμενης [περισσότερο από ήπιας] διαβητικής αμφιβληστροειδοπάθειας, όταν η ασθένεια είναι πιο θεραπεύσιμη”, λέει η Risa Wolf, MD, επικεφαλής συγγραφέας της μελέτης, παιδίατρος ενδοκρινολόγος του Παιδιατρικού Κέντρου του Johns Hopkins και επίκουρη καθηγήτρια παιδιατρικής στη Σχολή Ιατρικής του Πανεπιστημίου Johns Hopkins. “Έτσι, με την αυξανόμενη συχνότητα εμφάνισης παιδιατρικού διαβήτη – ειδικά του τύπου 2, που σχετίζεται με μια προηγούμενη εμφάνιση αμφιβληστροειδοπάθειας – πιστεύαμε ότι ήταν σημαντικό να δούμε αν η AI μπορεί να βελτιώσει την τήρηση των κατευθυντήριων γραμμών ελέγχου και την έγκαιρη διάγνωση για νεότερους ασθενείς”.

Συνολικά 310 παιδιατρικοί ασθενείς με διαβήτη συμμετείχαν στη μελέτη για περίοδο 12 μηνών. Οι συμμετέχοντες είχαν μέση ηλικία τα 12 έτη, ήταν σε ποσοστό 47% αγόρια και αντιπροσώπευαν ένα ευρύ φάσμα εθνικοτήτων (57% λευκοί, 32% μαύροι, 4% ισπανόφωνοι και 7% ασιάτες ή άλλοι). Οι ασθενείς είχαν κυρίως διαβήτη τύπου 1 (82%) και μέσο όρο ηλικίας 9 ετών κατά την πρώτη διάγνωση του διαβήτη, είτε τύπου 1 είτε τύπου 2.

Εκατόν πενήντα δύο συμμετέχοντες (49%) ανέφεραν ότι είχαν διαβητική οφθαλμολογική εξέταση με διαστολή πριν συμμετάσχουν στη μελέτη, αλλά μόνο 17 (11,3%) είχαν αντίγραφο της εξέτασης στα αρχεία τους. Ωστόσο, χρησιμοποιώντας έναν ειδικό στατιστικό υπολογισμό, οι ερευνητές μπόρεσαν να μετρήσουν τη βελτίωση του προσυμπτωματικού ελέγχου της συμμόρφωσης για αυτούς τους ασθενείς και στη συνέχεια να το εκτιμήσουν για ολόκληρη την ομάδα.

Στη μελέτη, η ψηφιακή φωτογραφία fundus – η οποία δεν απαιτεί διαστολή, διαρκεί μόνο λίγα λεπτά και παράγει εικόνες υψηλής ποιότητας για την ανίχνευση αμφιβληστροειδοπάθειας από εκπαιδευμένους παρατηρητές – χρησιμοποιήθηκε σε συνδυασμό με ένα πλήρως αυτόνομο σύστημα AI ενσωματωμένο στην κάμερα. Αυτό εξάλειψε την ανάγκη για ανθρώπινη αξιολόγηση για διάγνωση.

Για την επαλήθευση των διαγνώσεων που έγιναν από το σύστημα AI, οι ίδιες έγχρωμες φωτογραφίες εξετάστηκαν ανεξάρτητα από δύο ειδικούς του αμφιβληστροειδούς που δεν ενημερώθηκαν για τις ερμηνείες του AI.

Από τους 310 συμμετέχοντες, η AI έδωσε ακριβή ερμηνεία για αμφιβληστροειδοπάθεια ή καθόλου αμφιβληστροειδοπάθεια σε 302 (97,5%) περιπτώσεις. Τα οκτώ σετ εικόνων που δεν ερμηνεύθηκαν οφείλονταν στην αδυναμία του συμμετέχοντα να κρατήσει τα μάτια του ανοιχτά κατά τη διάρκεια του φωτογραφικού φλας ή να εστιάσει όπως απαιτείται.

Συνολικά, η ευαισθησία (85,7%), η ειδικότητα (79,3%) και η δυνατότητα διάγνωσης (97%) των ερμηνειών AI στα παιδιά ήταν υψηλά, με βάση τα πρότυπα αναφοράς για αυτά τα χαρακτηριστικά που ορίστηκαν από τους ειδικούς του αμφιβληστροειδούς. Αυτό το υψηλό επίπεδο παρατηρήθηκε ανεξάρτητα από τη φυλή, την εθνικότητα, την ηλικία και το φύλο.

Μετά την εφαρμογή του συστήματος ελέγχου AI, το ποσοστό συμμόρφωσης βελτιώθηκε από 49% σε 95%, αύξηση 111%.

“Τα αποτελέσματά μας δείχνουν ότι η αυτόνομη τεχνητή νοημοσύνη – αποδεδειγμένη ως ένα ασφαλές και αποτελεσματικό μέσο διάγνωσης της διαβητικής αμφιβληστροειδοπάθειας σε ενήλικες – αξίζει επίσης ρόλο στην εξέταση αυτής της νόσου σε νεότερους ασθενείς”, λέει ο ειδικός αμφιβληστροειδούς Roomasa Channa, MD, ανώτερος συγγραφέας της μελέτης και επίκουρος καθηγητής της οφθαλμολογίας και των οπτικών επιστημών στη Σχολή Ιατρικής και Δημόσιας Υγείας του Πανεπιστημίου του Ουισκόνσιν.

Πηγή: Medical Xpress

Σχετικά άρθρα

Μάθε πρώτος τα τελευταία νεα

Κάνε Subscribe στο newsletter μας

Θα λαμβάνεις δύο newsletter κάθε μήνα. Απεγγράψου όποια στιγμή θες εσύ. 

Μάθε πρώτος τα τελευταία νεα

Κάνε Subscribe στο newsletter μας

Θα λαμβάνεις δύο newsletter κάθε μήνα. Απεγγράψου όποια στιγμή θες εσύ. 

Skip to content