Table of Contents

Понимание телеофтальмологии и ее революционное влияние на уход за глазами

Телеофтальмология коренным образом изменила ландшафт оказания помощи глазам, позволив дистанционную диагностику, мониторинг и управление глазными условиями. Этот инновационный подход использует цифровые технологии визуализации и телекоммуникационную инфраструктуру для преодоления разрыва между пациентами и специализированными поставщиками услуг по уходу за глазами, особенно принося пользу малообеспеченным группам населения в отдаленных и сельских районах. Одним из наиболее важных и эффективных применений телеофтальмологии является скрининг диабетической ретинопатии, который играет жизненно важную роль в предотвращении потери зрения среди миллионов людей, живущих с диабетом во всем мире.

Диабетическая ретинопатия является ведущей причиной предотвратимых нарушений зрения у взрослых трудоспособного возраста. Глобальное бремя этого состояния продолжает расти наряду с ростом распространенности диабета. По прогнозам Международного фонда диабета, к 2045 году 783 миллиона человек во всем мире будут иметь диабет, создавая беспрецедентный спрос на эффективные программы скрининга. Несмотря на критическую важность раннего выявления, только 30-40% пациентов с диабетом придерживаются рекомендуемых рекомендаций по скринингу диабета, подчеркивая значительный разрыв в профилактической помощи, которую направлена на решение телеофтальмология.

Интеграция технологии распознавания образов и искусственного интеллекта в платформы телеофтальмологии представляет собой сдвиг парадигмы в том, как мы подходим к скринингу диабетической ретинопатии. Эти передовые системы могут анализировать изображения сетчатки с замечательной точностью, выявляя тонкие патологические изменения, которые могут избежать обнаружения во время традиционных методов скрининга. Автоматизируя процесс анализа, эти технологии не только повышают диагностическую точность, но и значительно повышают эффективность и масштабируемость программ скрининга.

Наука, стоящая за распознаванием образов в анализе изображений сетчатки

Технология распознавания образов в визуализации сетчатки опирается на сложные алгоритмы, которые были обучены на обширных наборах данных фотографий сетчатки. Эти системы используют архитектуры глубокого обучения, особенно сверточные нейронные сети (CNN), которые преуспевают в выявлении визуальных паттернов и извлечении значимых функций из сложных медицинских изображений. Обнаружение заболеваний вручную занимает много времени, утомительно и не имеет повторяемости. Были предприняты усилия по автоматизации обнаружения заболеваний глаз, опираясь на успехи применения глубоких сверточных нейронных сетей (DCNN) и трансформаторов зрения (ViT) для диагностики с помощью компьютера (CAD).

Фундаментальный принцип, лежащий в основе распознавания образов при скрининге диабетической ретинопатии, включает в себя алгоритмы обучения распознаванию специфических патологических особенностей, характерных для заболевания. Эти особенности включают микроаневризмы (крошечные выпуклости в кровеносных сосудах сетчатки), кровоизлияния (кровоизлияния в сетчатку), жесткие экссудаты (отложения липидов), мягкие экссудаты (пятна хлопковой шерсти) и неоваскуляризацию (аномальный рост кровеносных сосудов). Каждое из этих поражений представляет собой различную стадию или проявление диабетической ретинопатии, и их точная идентификация имеет решающее значение для правильной постановки заболевания и планирования лечения.

Архитектура глубокого обучения для анализа сетчатки

Свёрточные нейронные сети (СНС) являются краеугольным камнем нашего подхода, известного своими возможностями в задачах распознавания изображений. CNN автоматизируют сложный процесс извлечения признаков из изображений, что является важным шагом в интерпретации сложных фотографий сетчатки. Эти сети состоят из нескольких слоев, которые постепенно учатся идентифицировать все более сложные паттерны, от основных краев и текстур в ранних слоях до сложных специфических для болезни особенностей в более глубоких слоях.

Видовые трансформаторы (ViT) представляют собой еще один уровень нашей стратегии, опираясь на их успех в различных приложениях, связанных с изображениями. ViTs преуспевают в расчленении пространственных иерархий внутри изображений, что позволяет детально исследовать изображения сетчатки для выявления ранних признаков диабетической ретинопатии. В отличие от традиционных CNN, трансформаторы зрения могут захватывать зависимости на большие расстояния в изображениях, что делает их особенно эффективными в понимании глобального контекста патологии сетчатки.

Трансфертное обучение стало мощной техникой в разработке систем анализа изображений сетчатки. Было показано, что использование трансфертного обучения дает лучшие результаты по сравнению с наивным моделированием обучения для прогнозирования системной информации с использованием изображений сетчатки, даже для наивных моделей, обученных на очень больших наборах данных. Этот подход включает в себя использование предварительно обученных моделей, которые изучили общие визуальные особенности из массивных наборов данных изображений и точную настройку их для конкретной задачи обнаружения диабетической ретинопатии, значительно уменьшая объем данных обучения и вычислительные ресурсы, необходимые.

Клиническая эффективность и точность автоматизированных систем скрининга

Клиническая валидация автоматизированных систем скрининга диабетической ретинопатии продемонстрировала впечатляющие показатели эффективности, которые конкурируют или превышают оценки экспертов-людей. Систематический обзор выявил 82 исследования (887 244 обследования), охватывающие 25 устройств в 28 странах. Иерархический бивариативный метаанализ дал объединенную чувствительность / специфичность 0,93 / 0,90 на пациента и 0,92 / 0,93 на глаз, тесно параллельный экспертной оценке. Эти результаты дают убедительные доказательства того, что автоматизированные системы могут надежно обнаруживать реферабельную диабетическую ретинопатию с высокой точностью.

Точность телеофтальмологического скрининга была подтверждена в различных клинических условиях и популяциях пациентов. Недавний метаанализ нескольких крупномасштабных исследований показал, что программы скрининга TRI обнаруживают пороговый уровень DR с высокой чувствительностью (91% (95% доверительный интервал, CI 0,82-0,96)) и специфичностью (88% (95% CI 0,74-0,95)), цифры, сопоставимые с традиционным клиническим обследованием. Эти показатели производительности демонстрируют, что удаленный скрининг может служить надежной альтернативой личным обследованиям для первоначального выявления диабетической ретинопатии.

Реальная реализация и результаты

Исследования по внедрению в реальном мире дали ценную информацию о практической эффективности программ телеофтальмологии. UCDH увеличил ежеквартальные посещения телеофтальмологии с 46,4 ± 13,9 до 253,8 ± 38,0 после блокировки COVID-19 (p < 0,001), в то время как показатели скрининга DR улучшились с 51,0 ± 1,5% до 56,9 ± 1,6% за этот период (p = 0,03). Это резкое расширение демонстрирует масштабируемость программ телеофтальмологии и их способность поддерживать или улучшать показатели скрининга даже в сложных обстоятельствах.

В городских условиях телеофтальмология оказалась одинаково ценной. Из обследованных пациентов 57 (19,0%) были диагностированы с ДР; 42 (73,7%) имели мягкий непролиферативный ДР (NPDR), 7 (12,3%) имели умеренный NPDR, ни у одного не было тяжелого NPDR, и 8 (14,0%) имели ДРР. Эти результаты иллюстрируют эффективность программы в выявлении диабетической ретинопатии по всему спектру тяжести заболевания, что позволяет проводить соответствующую сортировку и своевременно направлять на лечение.

Комплексные преимущества интеграции распознавания образов в телеофтальмологию

Интеграция распознавания образов и искусственного интеллекта в платформы телеофтальмологии обеспечивает многогранные преимущества, которые выходят за рамки простой автоматизации. Эти преимущества решают критические проблемы в области предоставления медицинских услуг, включая неравенство в доступе, нехватку рабочей силы и необходимость последовательного, высококачественного скрининга среди различных групп населения.

Усиление возможностей раннего обнаружения

Автоматизированные системы распознавания образов превосходят в выявлении тонких ранних признаков диабетической ретинопатии, которые могут быть трудными для последовательного выявления людьми. Раннее выявление и лечение этих аномалий может остановить дальнейшее прогрессирование, спасая множество от предотвратимой слепоты. Алгоритмы могут отмечать микроаневризмы размером всего в несколько пикселей в диаметре и обнаруживать тонкие изменения в сосудистой системе сетчатки, которые предшествуют более очевидным проявлениям заболевания. Эта повышенная чувствительность к ранней стадии заболевания позволяет своевременно вмешаться до необратимой потери зрения.

Способность обнаруживать заболевание на более ранних стадиях имеет глубокие последствия для результатов лечения пациентов. Когда диабетическая ретинопатия выявляется на ее легких или умеренных стадиях, пациенты могут извлечь выгоду из улучшенного гликемического контроля, управления кровяным давлением и других системных вмешательств, которые могут замедлить или остановить прогрессирование заболевания. В случаях, когда ретинопатия продвинулась до стадий, требующих офтальмологической терапии, раннее выявление позволяет своевременно проводить лазерную фотокоагуляцию или инъекции против VEGF, которые наиболее эффективны при введении до значительной потери зрения.

Резкое повышение доступности услуг скрининга

Телеофтальмология продемонстрировала способность повышать показатели скрининга DR, обеспечивать более ранний доступ к офтальмологической помощи и снижать расходы на здравоохранение. Устраняя необходимость для пациентов путешествовать в специализированные офтальмологические центры, телеофтальмология устраняет значительные барьеры для скрининга, особенно для людей в сельских районах, тех, кто имеет ограниченную мобильность, и пациентов, сталкивающихся с проблемами транспорта. Изображения могут быть захвачены в клиниках первичной медико-санитарной помощи, эндокринологических отделениях, общественных медицинских центрах или даже мобильных скрининговых подразделениях, а затем переданы в электронном виде в центры чтения, где их анализируют специалисты или системы ИИ.

Преимущества доступности выходят за рамки географических соображений. По-видимому, способность оптометристов и офтальмологов адекватно выполнять очные скрининги DR будет недостаточной в ближайшие годы. Телемедицина предлагает возможность расширить доступ к скринингу, одновременно уменьшая экономическую и временную нагрузку, связанную с текущими личными протоколами. Это особенно важно, учитывая прогнозируемый дефицит рабочей силы в офтальмологии и растущую распространенность диабета во всем мире.

Последовательность и стандартизация результатов

Одним из наиболее существенных преимуществ автоматизированных систем распознавания образов является их способность давать последовательные результаты независимо от внешних факторов. Выявление заболеваний вручную занимает много времени, утомительно и не имеет повторяемости. Этот ручной процесс занимает много времени, утомительно и субъективно, что затрудняет воспроизводимость таких диагнозов. Человеческие грейдеры, даже опытные специалисты, могут проявлять изменчивость в своих интерпретациях из-за таких факторов, как усталость, давление времени или тонкие различия в обучении и опыте.

Автоматизированные системы устраняют эту межклассовую и внутриклассовую изменчивость, последовательно применяя одни и те же диагностические критерии к каждому анализируемому изображению. Эта стандартизация особенно ценна в крупномасштабных программах скрининга, где в противном случае могут потребоваться несколько грейдеров, и в продольном мониторинге, где последовательная оценка с течением времени имеет важное значение для выявления прогрессирования заболевания. Алгоритмы выполняют одинаково, анализирует ли первое изображение дня или тысячное, сохраняя непоколебимое внимание к деталям, которые грейдеры человека не могут поддерживать бесконечно.

Эффективность рабочего процесса и оптимизация ресурсов

Эти модели DL можно было бы использовать в клинических условиях для повышения эффективности и точности скринингов сетчатки в ситуациях, когда к специалистам мало доступа. Автоматизированный анализ резко ускоряет процесс скрининга, при этом большинство систем способны анализировать изображения сетчатки и генерировать отчеты в течение нескольких минут. Оценка и рекомендации были отправлены референтному эндокринологу или терапевту в течение 24 часов после захвата изображения. Этот быстрый поворот позволяет получать результаты в тот же день или на следующий день, что позволяет быстро принимать клинические решения и консультировать пациентов.

Повышение эффективности распространяется на распределение ресурсов системы здравоохранения. Автоматизируя первоначальный процесс скрининга, офтальмологи и специалисты по сетчатке могут сосредоточить свой опыт на случаях, требующих человеческого суждения - обзор пограничных или сложных случаев, отмеченных ИИ, проведение подробных обследований пациентов с подтвержденным заболеванием и предоставление лечения. Этот многоуровневый подход оптимизирует использование ограниченного времени специалиста, обеспечивая при этом, чтобы все пациенты получали соответствующий скрининг.

Экономическая эффективность и экономические выгоды

Экономические преимущества телеофтальмологии с автоматизированным скринингом существенны. Предотвращая потерю зрения посредством раннего выявления и лечения, эти программы снижают долгосрочные затраты, связанные со слепотой, включая пособия по инвалидности, реабилитационные услуги и потерю производительности. Сами программы скрининга работают по более низкой цене на одного пациента по сравнению с традиционными очных обследований, поскольку они требуют меньше специализированного персонала и могут использовать существующую инфраструктуру первичной помощи для захвата изображения.

Кроме того, телеофтальмология снижает косвенные расходы пациентов, включая время, свободное от работы, транспортные расходы, а также необходимость сопровождать их на приемы.Эти сбережения особенно важны для пациентов, которым в противном случае пришлось бы преодолевать большие расстояния, чтобы добраться до офтальмологических центров.Кумулятивный эффект этих сокращений затрат делает комплексные программы скрининга диабетической ретинопатии финансово устойчивыми даже в ресурсо-ограниченных системах здравоохранения.

Технические основы: как системы ИИ анализируют изображения сетчатки

Понимание технических механизмов, лежащих в основе автоматизированного обнаружения диабетической ретинопатии, дает представление как о возможностях, так и об ограничениях этих систем. Процесс включает в себя несколько этапов, от получения изображений и предварительной обработки до извлечения признаков, классификации и генерации результатов.

Приобретение изображений и оценка качества

Процесс скрининга начинается с получения высококачественных изображений сетчатки с использованием камер глазного дна. Варианты скрининга пациентов включают в себя одну цветную фотографию глазного дна, стандартную компиляцию 7-полевого исследования ранней терапии диабетической ретинопатии (ETDRS), изображение OCT или изображение ультраширокоугольного оптоса. Различные методы визуализации предлагают различные поля зрения и уровни детализации, с компромиссами между комплексностью и практическими соображениями реализации, такими как стоимость, время и комфорт пациента.

Качество изображения является критическим фактором точности скрининга. Мета-регрессия показала, что порог тяжести DR, уровень национального дохода, градуируемость изображения, расширение зрачка, эталонный стандарт и диагностические критерии в совокупности объясняют большую часть неоднородности между исследованиями; скрининг любого DR, настройки с низким доходом или непереносимые изображения увеличили ложноположительные показатели, в то время как расширенные зрачки, портативные камеры и судебные ссылки улучшили специфичность. Современные системы ИИ часто включают автоматизированные модули оценки качества, которые оценивают такие факторы, как фокус, освещение, определение поля и наличие артефактов, прежде чем приступить к диагностическому анализу.

Предварительная обработка и улучшение функций

Перед диагностическим анализом изображения сетчатки обычно подвергаются предварительной обработке для улучшения соответствующих признаков и нормализации вариаций характеристик изображения. DWT обеспечивает локализованные представления по частоте времени, которые сохраняют патологические сигнатуры в изображениях сетчатки, в то время как PCA оптимизирует пространство признаков, устраняя избыточность признаков и сохраняя максимально информативные размеры. Эти методы предварительной обработки улучшают соотношение сигнал/шум и помогают алгоритмам сосредоточиться на клинически значимых особенностях.

Общие этапы предварительной обработки включают усиление контраста, чтобы сделать тонкие поражения более заметными, нормализацию цвета для учета изменений в настройках камеры и условиях освещения, и сегментацию сосуда для изоляции сосудистой системы сетчатки для детального анализа. Некоторые системы также используют методы для коррекции неравномерного освещения, удаления отражений и стандартизации поля зрения. Эти этапы предварительной обработки создают более последовательный вход для диагностических алгоритмов, повышая их точность и надежность.

Функция извлечения и распознавания шаблонов

Ядро автоматизированного обнаружения диабетической ретинопатии лежит в стадиях экстракции признаков и распознавания образов. Модели глубокого обучения автоматически учатся определять соответствующие признаки посредством обучения на больших наборах данных аннотированных изображений сетчатки. Методы экстракции нескольких признаков использовались совместно с ANN для многоклассификации заболеваний сетчатки. Сети изучают иерархические представления, с ранними слоями, обнаруживающими основные визуальные элементы, такие как края и текстуры, и более глубокие слои, распознающие сложные шаблоны, соответствующие конкретным патологическим особенностям.

Для диабетической ретинопатии алгоритмы учатся идентифицировать микроаневризмы (появляющиеся как маленькие красные точки), кровоизлияния (большие области кровотечения), жесткие экссудаты (яркие желто-белые отложения), мягкие экссудаты (пушистые белые пятна) и неоваскуляризацию (аномальный рост сосуда). Системы также оценивают глобальные особенности, такие как общая крутизна сосудов, вариации калибра и наличие макулярного отека. Объединив информацию о множественных особенностях и их пространственных отношениях, алгоритмы могут точно инсценировать тяжесть диабетической ретинопатии.

Классификация и классификация

После выделения признаков алгоритмы классификации определяют наличие и тяжесть диабетической ретинопатии. ETDRS является наиболее часто используемой метрикой для классификации тяжести DR. Большинство автоматизированных систем классифицируют изображения по категориям, таким как отсутствие диабетической ретинопатии, легкая непролиферативная диабетическая ретинопатия, умеренная непролиферативная диабетическая ретинопатия, тяжелая непролиферативная диабетическая ретинопатия и пролиферативная диабетическая ретинопатия. Некоторые системы также оценивают наличие диабетического макулярного отека, который требует различных соображений лечения.

Процесс классификации обычно включает вычисление оценок вероятности для каждой категории, при этом окончательный диагноз основан на категории с наибольшей вероятностью. Многие системы также генерируют оценки достоверности, указывающие на уверенность алгоритма в его оценке. Изображения с низкими оценками достоверности или пограничными выводами могут быть помечены для человеческого обзора, реализуя гибридный подход, который сочетает в себе эффективность автоматизации с нюансированным суждением экспертов-людей, когда это необходимо.

Стратегии внедрения успешных программ телеофтальмологии

Успешное внедрение телеофтальмологических программ с автоматизированным скринингом диабетической ретинопатии требует тщательного планирования, вовлечения заинтересованных сторон и внимания к интеграции рабочих процессов. Организации здравоохранения должны учитывать технические, клинические и эксплуатационные соображения, чтобы максимизировать преимущества этих систем.

Интеграция рабочих процессов и обучение персонала

Эффективная интеграция в существующие клинические рабочие процессы имеет важное значение для успеха программы. Наиболее распространенные описанные барьеры были связаны с прерыванием рабочего процесса, временными ограничениями и нехваткой персонала. Программы должны быть разработаны таким образом, чтобы они легко вписывались в повседневную жизнь клиник первичной медико-санитарной помощи, эндокринологические практики или другие параметры, где происходит скрининг. Это включает в себя установление четких протоколов для идентификации пациента, захвата изображений, оценки качества, коммуникации результатов и последующей координации.

Обученный вспомогательный персонал (например, медицинские помощники) на отдельных практиках получал изображения сетчатки и передавал их в Отдел офтальмологии через программное обеспечение электронной медицинской карты Optos Advance и Epic Systems. Обучение неспециалистов для захвата высококачественных изображений сетчатки имеет решающее значение для масштабируемости программы. Комплексные программы обучения должны охватывать работу камеры, позиционирование пациента, оценку качества изображения и устранение распространенных проблем. Регулярные проверки качества и обучение переподготовке помогают поддерживать высокие стандарты с течением времени.

Технологическая инфраструктура и управление данными

Надежная технологическая инфраструктура имеет основополагающее значение для операций по телеофтальмологии. Она включает в себя надежные камеры на основе глазного дна на участках скрининга, безопасные сети для передачи изображений, облачные или серверные системы хранения и интеграцию с электронными медицинскими записями для бесшовной документации и доставки результатов. Для защиты прав пациентов должна быть обеспечена безопасная электронная передача информации о пациентах и изображений с сайта сбора на сайт интерпретации. Безопасность данных и защита конфиденциальности пациентов должны соответствовать соответствующим правилам, таким как HIPAA в Соединенных Штатах или GDPR в Европе.

Выбор оборудования для визуализации включает в себя балансирующие факторы, такие как качество изображения, простота использования, портативность и стоимость. Немидриатические камеры, которые не требуют расширения зрачка, как правило, предпочтительны для программ скрининга, поскольку они улучшают комфорт пациента и эффективность рабочего процесса, хотя они могут иметь ограничения в качестве изображения по сравнению с мидриатическими камерами. Некоторые программы используют портативные или портативные камеры, которые могут быть легко транспортированы в несколько мест скрининга, что еще больше расширяет доступ.

Обеспечение качества и постоянное совершенствование

Для поддержания эффективности программы необходимо постоянное обеспечение качества. Это включает в себя мониторинг ключевых показателей эффективности, таких как показатели качества изображения, показатели завершения скрининга, показатели направления, соблюдение требований и удовлетворенность пациентов. Регулярные аудиты, сравнивающие результаты автоматизированной системы с экспертной оценкой человека, помогают обеспечить постоянную точность и выявить любой дрейф в производительности системы с течением времени.

Следует, однако, отметить, что результаты программ телеофтальмологии зависят от поставщиков услуг по уходу за глазами, которые выступают в качестве читателей, с индивидуальными уровнями опыта, существенно изменяющимися. Для программ, использующих гибридные модели с человеческим надзором, поддержание компетентности грейдеров посредством регулярного обучения, сертификации и межклассовых оценок надежности имеет решающее значение. Механизмы обратной связи, которые позволяют грейдерам учиться на расхождениях между их оценками и эталонными стандартами, поддерживают непрерывное развитие навыков.

Проблемы и ограничения в современных системах

Несмотря на впечатляющие достижения, автоматизированные системы скрининга диабетической ретинопатии сталкиваются с рядом проблем, которые необходимо решить, чтобы максимизировать их клиническую полезность и обеспечить справедливое внедрение в различных группах населения и учреждениях здравоохранения.

Качество изображения и неразлагаемые изображения

Качество изображения остается серьезной проблемой в телеофтальмологическом скрининге. Плохая фокусировка, неадекватная освещенность, маленькие зрачки, непрозрачность среды (например, катаракта) и движение пациента могут привести к изображениям, которые не поддаются уточнению или недостаточного качества для точной диагностики. Неподдающиеся уточнению показатели изображения широко варьируются в разных программах, как правило, в пределах от 5% до 30% в зависимости от протокола визуализации, оборудования, обучения оператора и характеристик популяции пациента.

Были предприняты значительные усилия по созданию универсальных протоколов скрининга, но пока еще не существует ни одного из них, касающегося наилучшей методики визуализации, минимально необходимого качества изображения или рубрики классификации. В последнее время не достигнуто консенсуса относительно наиболее экономически эффективного инструмента скрининга, а также не было принято решение о наилучшем инструменте скрининга для оптимальной чувствительности и специфичности. Это отсутствие стандартизации затрудняет усилия по сравнению результатов программы и установлению передовой практики. Пациенты с несортируемыми изображениями обычно требуют повторного получения изображений или направления на личное обследование, снижая эффективность программы и потенциально задерживая диагностику.

Алгоритм обучения и ограничения набора данных

Производительность систем ИИ критически зависит от качества и репрезентативности их наборов данных обучения. Эти модели хорошо зарекомендовали себя, однако остаются проблемы из-за сложного характера поражений сетчатки. Алгоритмы, обученные преимущественно на изображениях из определенных популяций или устройствах визуализации, могут плохо обобщаться на различные демографические данные или оборудование. Это может привести к снижению точности при развертывании систем в настройках, которые значительно отличаются от их среды обучения.

Особую озабоченность вызывает предвзятость наборов данных. Если наборы данных по обучению недопредставляют определенные этнические группы, возрастные диапазоны или представления о заболеваниях, полученные алгоритмы могут работать менее точно для этих групп населения. Обеспечение разнообразных репрезентативных наборов данных по обучению и валидации систем для нескольких групп населения и настроек имеет важное значение для справедливой реализации. Постоянный мониторинг производительности системы в разных демографических группах помогает выявлять и устранять различия в точности.

Обнаружение других глазных патологий

Новые программы скрининга DR на основе ИИ кажутся точными и эффективными, но обнаружение других глазных патологий все еще находится в стадии разработки и еще не одобрено в Соединенных Штатах. В то время как скрининг диабетической ретинопатии, изображения глазного дна могут выявить другие значительные патологии, такие как глаукома, возрастная макулярная дегенерация, окклюзия вен сетчатки или отслоения сетчатки. Случайные результаты включали подозреваемую глаукому, хороидальное невус или врожденную гипертрофию пигментного эпителия сетчатки, возрастную макулярную дегенерацию, окклюзию вен сетчатки, дегенерацию решетки и слезу сетчатки.

Современные алгоритмы, ориентированные на диабетическую ретинопатию, могут не надежно обнаруживать эти другие состояния, что потенциально приводит к пропущенным диагнозам. Разработка систем обнаружения нескольких заболеваний, которые могут одновременно выявлять множественные патологии, повысит ценность программ телеофтальмологии и улучшит результаты лечения пациентов. Однако это увеличивает сложность системы и требует еще больших, более разнообразных наборов данных обучения с экспертными аннотациями для нескольких состояний.

Вопросы регулирования и ответственности

К ним относятся логистическая сложность, отсутствие консенсуса по протоколам в области визуализации, финансовая модель и вопросы возмещения, а также ответственность, связанная с проведением дистанционных обследований и оценок. Ответственность, связанная с телеретинальным скринингом, обеспечивает существенный барьер для его расширения. Неправильное прочтение изображений или неспособность своевременно направить пациента может привести к необратимым визуальным последствиям. Поставщики медицинских услуг и организации, реализующие программы телеофтальмологии, должны тщательно рассматривать вопросы ответственности и обеспечивать надлежащий профессиональный надзор, процессы обеспечения качества и охват злоупотреблениями.

Регуляторные пути для медицинских устройств на основе ИИ варьируются в зависимости от юрисдикции и продолжают развиваться. В Соединенных Штатах FDA одобрило несколько автономных систем ИИ для скрининга диабетической ретинопатии, но многие другие системы работают в различных нормативных рамках, требующих человеческого надзора. Понимание и соблюдение применимых правил имеет важное значение для юридической эксплуатации и права на возмещение. Поскольку технология ИИ быстро продвигается, нормативные рамки должны сбалансировать инновации с безопасностью пациентов, создавая постоянные проблемы для разработчиков и исполнителей.

Принятие пациента и поставщика

Двадцать два провайдера (71,0%) предпочли инициировать направление на индивидуальные ежегодные обследования по сравнению с направлением на телеофтальмологию. Принятие поставщиками и доверие к автоматизированным системам скрининга варьируется, при этом некоторые клиницисты предпочитают традиционные личные обследования. Решение этих проблем требует образования о точности системы, прозрачной коммуникации о системных ограничениях и демонстрации данных клинической проверки. Вовлечение клиницистов в разработку и внедрение программ способствует внедрению и помогает обеспечить, чтобы программы отвечали реальным клиническим потребностям.

В странах с высоким уровнем дохода (ВМС) барьеры часто связаны с фрагментированными системами здравоохранения, экономически эффективными, проблемами экономической эффективности и технологической интеграцией. Напротив, в странах с низким и средним уровнем дохода (СМСД) проблемы, скорее всего, связаны с нехваткой рабочей силы, отсутствием инфраструктуры и ограниченной осведомленностью пациентов. Прием пациентов также зависит от таких факторов, как грамотность в области здравоохранения, предыдущий опыт работы с телемедициной и культурное отношение к технологиям в здравоохранении. Эффективное обучение пациентов и четкая коммуникация о процессе скрининга, его преимуществах и последующих процедурах поддерживают вовлечение пациентов и соблюдение рекомендаций по скринингу.

Будущие направления и новые технологии

Область автоматизированного скрининга диабетической ретинопатии продолжает быстро развиваться, и на горизонте есть множество перспективных разработок, которые еще больше расширят возможности, доступность и влияние этих систем.

Передовые архитектуры ИИ и многомодальная интеграция

Системы ИИ следующего поколения включают все более сложные архитектуры, которые могут обрабатывать несколько типов данных одновременно. Использование двусторонней и мультимодальной визуализации вместе с метаданными, по-видимому, улучшает производительность модели, поэтому необходимы мультимодальные двусторонние наборы данных изображений с метаданными пациента. Благодаря интеграции фотографий с фундусом с изображениями оптической когерентной томографии (OCT), демографии пациентов, лабораторных значений (таких как гемоглобин A1c и кровяное давление) и клинической истории эти системы могут обеспечить более комплексные оценки риска и персонализированные рекомендации по скринингу.

Модели обучения под контролем, которые используют немаркированные данные для начальной подготовки, повышают способность модели распознавать различные визуальные особенности без прямой аннотации человека. Этот метод особенно ценен для моделей предварительной подготовки на обширных наборах данных, гарантируя, что наша система искусна в выявлении тонких показателей прогрессирования заболевания. Эти подходы уменьшают необходимость дорогостоящей экспертной аннотации данных обучения и позволяют системам учиться на гораздо более крупных и разнообразных коллекциях изображений.

Объясняемый ИИ и поддержка клинических решений

По мере того, как системы ИИ становятся все более сложными, обеспечение их интерпретируемости и объяснимости становится все более важным для клинического принятия и доверия. Новые объяснимые методы ИИ генерируют визуальные карты внимания или карты заметности, которые подчеркивают, какие области изображения сетчатки наиболее повлияли на решение алгоритма. Эти визуализации помогают клиницистам понять рассуждения системы, проверить, что она фокусируется на клинически значимых особенностях, и выявить потенциальные ошибки или артефакты, которые могли повлиять на оценку.

Помимо простой классификации, будущие системы обеспечат более полную поддержку клинических решений, включая персонализированные прогнозы риска, рекомендации по лечению и графики мониторинга. Анализируя закономерности в продольных сериях изображений, системы ИИ могут обнаруживать тонкую прогрессию, которая может быть неочевидной при сравнении отдельных изображений, что позволяет проводить более раннее вмешательство. Интеграция с электронными медицинскими записями позволит системам учитывать полный клинический контекст при генерации рекомендаций, переходя от изолированного анализа изображений к целостной оценке пациента.

Портативные и точечные устройства

Достижения в области аппаратного обеспечения для визуализации делают высококачественную визуализацию сетчатки все более портативной и доступной. Камеры на основе смартфона и портативные устройства визуализации привносят возможности скрининга в настройки, ранее недоступные для традиционных программ телеофтальмологии, включая дома пациентов, сельские медицинские пункты и мобильные скрининговые фургоны. В сочетании с обработкой ИИ на устройстве эти системы могут обеспечить немедленные результаты, не требуя подключения к Интернету, что еще больше расширяет доступ в условиях ограниченных ресурсов.

Разработка сверхширокоугольных систем визуализации, которые захватывают гораздо большие участки сетчатки в одном изображении, может улучшить обнаружение патологии периферической сетчатки и уменьшить количество изображений, необходимых для сеанса скрининга. Адаптивная оптика и другие передовые технологии визуализации обещают еще более высокую визуализацию структур сетчатки, потенциально позволяя обнаруживать заболевания даже на более ранних стадиях, чем это возможно в настоящее время.

Расширенное выявление заболеваний и системная оценка здоровья

Мы обнаружили, что использование алгоритмов ИИ для интерпретации изображений сетчатки по сравнению с клиническими данными и экспертами-врачами представляет собой инновационное решение с продемонстрированной превосходной точностью в выявлении многих офтальмологических (например, диабетической ретинопатии (DR), возрастной макулярной дегенерации (AMD), расстройств зрительного нерва и неофтальмологических расстройств (например, деменции, сердечно-сосудистых заболеваний). сосудистая система сетчатки обеспечивает уникальное окно в системное здоровье, и системы ИИ разрабатываются для обнаружения признаков сердечно-сосудистых заболеваний, риска инсульта, заболеваний почек и нейродегенеративных состояний из изображений сетчатки.

Системы скрининга на множественные заболевания, которые одновременно оценивают множественные глазные и системные состояния из одного набора изображений сетчатки, значительно увеличат ценность программ скрининга. Вместо того, чтобы фокусироваться исключительно на диабетической ретинопатии, эти комплексные системы могут служить широкими инструментами скрининга здоровья, идентифицируя людей, подверженных риску различных состояний, и способствуя раннему вмешательству. Этот расширенный охват может оправдать скрининг еще более широких групп населения и поддержать инициативы по управлению здоровьем населения.

Персонализированные интервалы скрининга и стратификация рисков

Современные рекомендации по скринингу обычно рекомендуют ежегодный или двухгодичный скрининг для всех пациентов с диабетом, независимо от индивидуальных факторов риска. Будущие системы ИИ позволят более сложно стратифицировать риск, идентифицируя пациентов, которые получат выгоду от более частого скрининга, безопасно продлевая интервалы для лиц с низким риском. Анализируя многочисленные факторы, включая текущее состояние сетчатки, скорость изменения с течением времени, гликемический контроль, кровяное давление, продолжительность диабета и генетические факторы, эти системы могут генерировать персонализированные рекомендации по скринингу, которые оптимизируют использование ресурсов при обеспечении безопасности пациентов.

Предиктивные модели, которые прогнозируют вероятность прогрессирования заболевания в течение определенных периодов времени, будут поддерживать стратегии проактивного управления. Вместо того, чтобы просто обнаруживать существующие заболевания, эти системы будут выявлять пациентов с высоким риском развития осложнений, угрожающих зрению, что позволит активизировать мониторинг и профилактические вмешательства до того, как произойдет потеря зрения. Этот переход от реактивной к прогностической помощи представляет собой фундаментальную трансформацию в том, как мы подходим к лечению диабетических заболеваний глаз.

Глобальные приложения в области здравоохранения и соображения справедливости

Потенциальное воздействие автоматизированного скрининга диабетической ретинопатии особенно глубоко в странах с низким и средним уровнем дохода, где бремя диабета быстро растет, но доступ к услугам офтальмологии сильно ограничен. Доступ к медицинским специалистам и инфраструктуре ограничен в слаборазвитых странах, особенно в сельской местности. Это создает пространство для автоматического выявления заболеваний сетчатки, при условии, что точность обнаружения соответствует или превосходит точность экспертов-людей и приемлема для ассоциаций пищевых продуктов и медикаментов (FDA) принимающих стран. Автоматическое обнаружение и классификация заболеваний сетчатки также могут пригодиться в качестве вспомогательной технологии для облегчения бремени нескольких перегруженных офтальмологов по всему миру.

Обеспечение точности работы систем ИИ в различных группах населения требует целенаправленных усилий по включению репрезентативных данных из разных этнических групп, географических регионов и социально-экономических контекстов в наборы данных для обучения и проверки. Совместные международные исследовательские инициативы работают над созданием более инклюзивных наборов данных и проверки систем в нескольких странах и медицинских учреждениях. Модели ИИ с открытым исходным кодом и доступные устройства визуализации могут демократизировать доступ к этим технологиям, предотвращая появление новых диспропорций в области здравоохранения на основе доступа к передовым диагностическим инструментам.

Лучшие практики для организаций здравоохранения, реализующих программы телеофтальмологии

Медицинские организации, рассматривающие возможность внедрения телеофтальмологических программ с автоматизированным скринингом диабетической ретинопатии, должны следовать лучшим практикам, основанным на фактических данных, чтобы максимизировать успех и пользу для пациентов.

Проведение комплексной оценки и планирования потребностей

Начните с тщательной оценки потребностей целевой группы населения, существующих показателей скрининга, барьеров для ухода и имеющихся ресурсов. Вовлекайте заинтересованные стороны, включая поставщиков первичной медико-санитарной помощи, эндокринологов, офтальмологов, пациентов и администраторов в процесс планирования, чтобы обеспечить, чтобы программа удовлетворяла реальные потребности и имела широкую поддержку. Определите четкие цели и показатели успеха, включая показатели завершения скрининга, показатели направления, соблюдение последующих мер и удовлетворенность пациентов.

Оцените различные варианты технологий на основе таких факторов, как точность, простота использования, возможности интеграции, стоимость и поддержка поставщиков. Подумайте, подходит ли полностью автономная система ИИ или гибридная модель с человеческим надзором лучше всего для потребностей вашей организации и терпимости к риску. Пилотное тестирование с небольшой группой пациентов и поставщиков до полномасштабной реализации позволяет выявлять и решать проблемы рабочего процесса и технические проблемы.

Инвестируйте в обучение и управление изменениями

Всеобъемлющая подготовка для всех сотрудников, участвующих в процессе скрининга, имеет важное значение. Это включает в себя не только техническую подготовку по эксплуатации оборудования и использованию программного обеспечения, но и образование по диабетической ретинопатии, важности скрининга и тому, как программа вписывается в общий уход за диабетом. Разработать четкие протоколы и пособия по трудоустройству, которые сотрудники могут ссылаться во время своей повседневной работы.

Стратегии управления изменениями должны охватывать как практические, так и культурные аспекты внедрения новых технологий. Сообщать четко о том, почему программа реализуется, как она принесет пользу пациентам и какие изменения могут ожидать сотрудники в их рабочих процессах. Предоставлять сотрудникам возможность задавать вопросы, выражать озабоченность и предоставлять обратную связь. Выявлять и расширять возможности чемпионов в каждом клиническом сайте, которые могут поддерживать своих коллег и решать проблемы.

Установите четкие пути передачи и последующие процессы

Скрининг полезен только в том случае, если пациенты с выявленным заболеванием получают соответствующую последующую помощь. Установить четкие пути направления к офтальмологии для пациентов с реферативной диабетической ретинопатией, включая конкретные критерии срочности направления на основе тяжести заболевания. Разработать системы для отслеживания направления и обеспечения пациентов полными рекомендованными последующими назначениями с охватом пациентов, которые пропускают назначения.

Тридцать один пациент (54,4%) с диагнозом ретинопатии был направлен на личное наблюдение в клинику, в то время как остальные продолжали мониторинг через программу. Из этого подмножества 22 (71,0%) завершили последующий визит. Эти показатели завершения подчеркивают постоянную проблему обеспечения соблюдения наблюдения. Программы должны внедрять навигационные услуги пациентов, системы напоминания и стратегии снижения барьера для улучшения показателей наблюдения. Для пациентов с легкими заболеваниями, которые могут продолжать мониторинг посредством телеофтальмологии, установить четкие графики и процессы для повторного скрининга.

Мониторинг производительности и постоянное улучшение

Регулярный обзор показателей, таких как показатели завершения скрининга, показатели качества изображения, показатели выявления заболеваний, показатели направления и соответствие последующим рекомендациям, помогает определить области для улучшения. Сравните производительность вашей программы с опубликованными эталонами и передовой практикой.

Проводить периодические аудиты, сравнивая результаты автоматизированной системы с экспертной оценкой человека, чтобы обеспечить постоянную точность. Запрашивать обратную связь от пациентов, поставщиков медицинских услуг и офтальмологов об их опыте работы с программой и областями для улучшения. Используйте эту информацию для уточнения рабочих процессов, обновления учебных материалов и оптимизации процессов. Поделитесь успехами и уроками, извлеченными с более широким сообществом здравоохранения для продвижения в этой области.

Опыт пациента: чего ожидать от телеофтальмологии

Понимание перспективы пациента имеет решающее значение для разработки приемлемых, доступных и эффективных программ.С точки зрения пациента, телеофтальмологический скрининг предлагает удобный, неинвазивный способ мониторинга диабетической болезни глаз без необходимости отдельных назначений офтальмологов.

Процесс скрининга обычно занимает всего несколько минут и может быть выполнен во время обычного визита по уходу за диабетом. После проверки обученный сотрудник позиционирует пациента перед камерой глазного дна и захватывает изображения обоих глаз. Процесс безболезненный и обычно не требует расширения зрачка, хотя некоторые программы могут использовать расширяющие капли для улучшения качества изображения. Пациенты обычно могут возобновить нормальную деятельность сразу после скрининга.

Результаты обычно доступны в течение 24-48 часов, либо через последующий телефонный звонок, сообщение портала пациента, либо при последующем назначении. Пациенты получают четкую информацию о своих результатах, в том числе о том, была ли обнаружена диабетическая ретинопатия, ее тяжесть, если она присутствует, и рекомендуют следующие шаги. Те, у кого нет или легкое заболевание, успокоены и получают график повторного скрининга. Пациенты с более значительными результатами получают направление в офтальмологию с четкими объяснениями того, почему наблюдение важно и чего ожидать.

Обучение пациентов является критическим компонентом успешных программ. Материалы должны объяснить, что такое диабетическая ретинопатия, почему скрининг важен, как работает процесс скрининга и что означают различные результаты. Решение общих вопросов и проблем проактивно помогает пациентам чувствовать себя более комфортно с процессом и с большей вероятностью завершить рекомендуемый скрининг и последующее наблюдение.

Вывод: Трансформационный потенциал телеофтальмологии с улучшенным ИИ

Интеграция распознавания образов и искусственного интеллекта в телеофтальмологию представляет собой преобразующее продвижение в скрининге диабетической ретинопатии и предотвращении потери зрения. САПР, благодаря глубокому обучению, будет все более жизненно важным в качестве вспомогательной технологии. Эти технологии решают критические проблемы в области здравоохранения, включая неравенство в доступе, нехватку рабочей силы и необходимость последовательного, высококачественного скрининга среди различных групп населения.

Клинические данные показывают, что автоматизированные системы скрининга могут достигать точности, сопоставимой с оценщиками-экспертами или превышающей ее, с чувствительностью и специфичностью, превышающей 90% в большинстве исследований. Опыт реализации в реальном мире показывает, что эти программы могут значительно увеличить показатели скрининга, улучшить раннее выявление и облегчить своевременное лечение. Преимущества распространяются за пределы отдельных пациентов на системы здравоохранения, снижая долгосрочные затраты, связанные с предотвратимой слепотой и оптимизируя использование ограниченных ресурсов специалистов.

Однако для реализации полного потенциала этих технологий необходимо решить текущие проблемы. Качество изображения и неразборчивые изображения остаются важными проблемами, влияющими на эффективность программы. Обучение алгоритмам должно обеспечивать точность в различных группах населения и условиях для предотвращения обострения диспропорций в отношении здоровья. Нормативно-правовые рамки, политика возмещения и соображения ответственности должны развиваться для поддержки надлежащей реализации. Принятие поставщика и пациента зависит от прозрачной коммуникации о возможностях и ограничениях системы, а также демонстрации клинической ценности.

Заглядывая вперед, область продолжает быстро развиваться. Системы следующего поколения будут включать мультимодальную интеграцию данных, расширенные возможности обнаружения заболеваний, персонализированную стратификацию риска и расширенную поддержку клинических решений. Портативные устройства визуализации и обработка ИИ на устройстве приведут скрининг в ранее недоступные настройки. Окно сетчатки в системное здоровье позволит провести комплексный скрининг здоровья за пределами диабетической ретинопатии.

Для организаций здравоохранения успешная реализация требует тщательного планирования, вовлечения заинтересованных сторон, всестороннего обучения, четких путей направления и постоянного мониторинга качества. Ориентированный на пациента дизайн, который уделяет приоритетное внимание удобству, четкой коммуникации и культурной чувствительности, поддерживает высокий уровень участия и последующего наблюдения. Сотрудничество между первичной медико-санитарной помощью, эндокринологией, офтальмологией и специалистами по медицинской информатике создает интегрированные пути ухода, которые максимизируют пользу для пациента.

Глобальное воздействие телеофтальмологии, усиленной искусственным интеллектом, может быть глубоким, особенно в странах с низким и средним уровнем дохода, где бремя диабета быстро растет, но доступ к уходу за глазами ограничен. Благодаря обеспечению высококачественного скрининга, доступного для населения, которое в настоящее время не получает достаточного обслуживания, эти технологии могут предотвратить миллионы случаев предотвратимой слепоты во всем мире. Обеспечение справедливого доступа и производительности во всех группах населения должно оставаться приоритетом по мере продвижения на местах.

Поскольку мы стоим на пересечении искусственного интеллекта, телемедицины и офтальмологии, обещание предотвращения потери зрения путем раннего выявления и лечения никогда не было более достижимым. Продолжение исследований, технологические инновации, продуманная реализация и приверженность справедливости в отношении здоровья определят, насколько полно мы реализуем этот потенциал. Интеграция распознавания образов в телеофтальмологию - это не просто технологический прогресс - это фундаментальное переосмысление того, как мы предоставляем профилактическую помощь глазам и защищаем зрение для людей с диабетом во всем мире.

Для получения дополнительной информации о диабетической ретинопатии и рекомендациях по скринингу посетите Американскую академию офтальмологии . Поставщики медицинских услуг, заинтересованные в реализации программ телеофтальмологии, могут найти ресурсы через Американскую ассоциацию телемедицины . Пациенты, желающие понять свою помощь при диабете, могут получить доступ к учебным материалам Американской диабетической ассоциации . Техническая информация об ИИ в медицинской визуализации доступна через руководство FDA по медицинским устройствам с поддержкой ИИ / ML . Исследования по глобальной распространенности диабета и прогнозы можно найти в Международной диабетической федерации .