Клиническая валидация программы диагностики угрожающей зрению диабетической ретинопатии на основе алгоритмов автоматической сегментации

Цель исследования: апробация программного обеспечения (ПО) на основе алгоритмов автоматической сегментации признаков ДР «Retina AI» в клинической практике, изучение возможностей ПО «Retina AI» в диагностике, угрожающей зрению ДР.

Методы. Проведен анализ клинических данных, полученных от пациентов, проходивших диагностику и лечение в Федеральном научно-клиническом центре специализированных видов медицинской помощи и медицинских технологий ФМБА России и Московском областном научно-исследовательском клиническом институте им. М.Ф. Владимирского. Проанализировано 123 фундус-фотографии глазного дна при помощи платформы RETINA.AI. Фундус-фотографирование проводилось с помощью фундус-камеры VISUCAM 500 (Zeiss).

Результаты. В процессе анализа фундус-фотографий алгоритмами Retina AI выявлена высокая эффективность автоматической детекции ретинопатии, угрожающей зрению. Точность метода в диагностике угрожающей зрению ДР составила 95 %, чувствительность — 96,59 %, специфичность — 91,4 %, ROC AUC — 0,94.

Заключение. Программа диагностики ДР на основе алгоритмов автоматической сегментации представляет собой инструмент решения проблемы скрининга ДР.

1. Stitt AW, Curtis TM, Chen M, Medina RJ, McKay GJ, Jenkins A, Gardiner TA, Lyons TJ, Hammes HP, Simo R, Lois N. The progress in understanding and treatment of diabetic retinopathy. Prog Retin Eye Res. 2016 Mar;51:156–186. doi: 10.1016/j.preteyeres.2015.08.001.

2. Teo ZL, Tham YC, Yu M, Chee ML, Rim TH, Cheung N, Bikbov MM, Wang YX, Tang Y, Lu Y, Wong IY, Ting DSW, Tan GSW, Jonas JB, Sabanayagam C, Wong TY, Cheng CY. Global Prevalence of Diabetic Retinopathy and Projection of Burden through 2045: Systematic Review and Meta-analysis. Ophthalmology. 2021 Nov;128(11):1580–1591. doi: 10.1016/j.ophtha.2021.04.027.

3. Nei. Nih. Gov. Diabetic Retinopathy Tables 2020). URL: https://www.nei.nih.gov/learn-about-eye-health/eye-health-data-and-statistics/diabetic-retinopathy-dataand-statistics/diabetic-retinopathy-tables (accessed 15.02.2023).

4. Охджи М., Лоскутов ИА, ред. Хирургические заболевания сетчатки: руководство для врачей. М.: ГЭОТАР-Медиа, 2021. 128 с.

5. ICO Guidelines for Diabetic Eye Care. 2017. URL: https://www.urmc.rochester.edu/MediaLibraries/URMCMedia/eye-institute/images/ICOPH.pdf (accessed 10.02.2023).

6. Лоскутов ИА, Хомякова ЕН. Диабетическая ретинопатия, диабетический макулярный отек — как достичь регресса: руководство для врачей. М.: ГЭОТАР-Медиа, 2023.

7. Schmidt-Erfurth U, Garcia-Arumi J, Bandello F, Berg K, Chakravarthy U, Gerendas BS, Jonas J, Larsen M, Tadayoni R, Loewenstein A. Guidelines for the Management of Diabetic Macular Edema by the European Society of Retina Specialists (EURETINA). Ophthalmologica. 2017;237(4):185–222. doi: 10.1159/000458539.

8. Ikram M, Xie J, Cotch MF. Vision-threatening diabetic retinopathy and incident cardiovascular disease: a systematic review and meta-analysis. Investigative ophthalmology & visual science. 2013;54(15):2174.

9. Kaushik M, Nawaz S, Qureshi TS. Profile of sight-threatening diabetic retinopathy and its awareness among patients with diabetes mellitus attending a tertiary care center in Kashmir, India. Indian J Ophthalmol. 2021 Nov;69(11):3123–3130. doi: 10.4103/ijo.IJO_831_21.

10. Alemu Mersha G, Tsegaw Woredekal A, Tilahun Tesfaw M. Sight-threatening Diabetic Retinopathy and Associated Risk Factors Among Adult Diabetes Patients at Debre Tabor General Hospital, Northwest Ethiopia. Clin Ophthalmol. 2020 Dec 30;14:4561–4569. doi: 10.2147/OPTH.S285606.

11. Bragge P, Gruen RL, Chau M, Forbes A, Taylor HR. Screening for presence or absence of diabetic retinopathy: a meta-analysis. Arch Ophthalmol. 2011 Apr;129(4):435–444. doi: 10.1001/archophthalmol.2010.319.

12. Amoaku WM, Ghanchi F, Bailey C, Banerjee S, Banerjee S, Downey L, Gale R, Hamilton R, Khunti K, Posner E, Quhill F, Robinson S, Setty R, Sim D, Varma D, Mehta H. Diabetic retinopathy and diabetic macular oedema pathways and management: UK Consensus Working Group. Eye (Lond). 2020 Jun;34(Suppl 1):1–51. doi: 10.1038/s41433-020-0961-6. Erratum in: Eye (Lond). 2020 Oct;34(10):1941–1942.

13. Липатов ДВ, Викулова ОК, Железнякова АВ, Исаков МА, Бессмертная ЕГ, Толкачева АА, Чистяков ТА, Шестакова МВ, Дедов ИИ. Эпидемиология ДР в РФ по данным Федерального регистра пациентов с сахарным диабетом (2013–2016 гг.). Сахарный диабет. 2018;21(4):230–240. doi: 10.14341/DM9797.

14. Нероев ВВ, Брагин АА, Зайцева ОВ. Разработка прототипа сервиса для диагностики диабетической ретинопатии по снимкам глазного дна с использованием методов искусственного интеллекта. Национальное здравоохранение. 2021;2(2): 64–72. doi: 10.47093/2713-069X.2021.2.2.64-72.

15. Mateen M, Wen J, Hassan M, Nasrullah N, Sun S, Hayat S. Automatic detection of diabetic retinopathy: a review on datasets, methods and evaluation metrics. IEEE Access. 2020;8:48784 –48811. doi: 10.1109/ACCESS.2020.2980055.

16. Ming S, Xie K, Lei X, Yang Y, Zhao Z, Li S, Jin X, Lei B. Evaluation of a novel artificial intelligence-based screening system for diabetic retinopathy in community of China: a real-world study. Int Ophthalmol. 2021 Apr;41(4):1291–1299. doi: 10.1007/s10792-020-01685-x.

17. Каталевская ЕА, Каталевский ДЮ, Тюриков МИ, Велиева ИА, Большунов АВ. Перспективы использования искусственного интеллекта в диагностике и лечении заболеваний сетчатки. РМЖ. Клиническая офтальмология. 2022;22(1):36–43. doi: 10.32364/2311-7729-2022-22-1-36-43.

18. IDx-DR (EU) — Digital Diagnostics. URL: https://www.digitaldiagnostics.com/products/eye-disease/idx-dr/ (accessed 19.11.2022).

19. EyeArt — Eyenuk, Inc. ~ Artificial Intelligence Eye Screening. URL: https://www.eyenuk.com/en/products/eyeart/ (accessed 19.11.2022).

20. Ipp E, Liljenquist D, Bode B, Shah VN, Silverstein S, Regillo CD, Lim JI, Sadda S, Domalpally A, Gray G, Bhaskaranand M, Ramachandra C, Solanki K; EyeArt Study Group. Pivotal Evaluation of an Artificial Intelligence System for Autonomous Detection of Referrable and Vision-Threatening Diabetic Retinopathy. JAMA Netw Open. 2021 Nov 1;4(11):e2134254. doi: 10.1001/jamanetworkopen.2021.34254. Erratum in: JAMA Netw Open. 2021 Dec 1;4(12):e2144317.

21. Abramoff MD, Lavin PT, Birch M, Shah N, Folk JC. Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices. NPJ Digit Med. 2018 Aug 28;1:39. doi: 10.1038/s41746-018-0040-6.

22. Bellemo V, Lim ZW, Lim G, Nguyen QD, Xie Y, Yip MYT, Hamzah H, Ho J, Lee XQ, Hsu W, Lee ML, Musonda L, Chandran M, Chipalo-Mutati G, Muma M, Tan GSW, Sivaprasad S, Menon G, Wong TY, Ting DSW. Artificial intelligence using deep learning to screen for referable and vision-threatening diabetic retinopathy in Africa: a clinical validation study. Lancet Digit Health. 2019 May;1(1):e35–e44. doi: 10.1016/S2589-7500(19)30004-4.

23. Rogers TW, Gonzalez-Bueno J, Garcia Franco R, Lopez Star E, Mendez Marin D, Vassallo J, Lansingh VC, Trikha S, Jaccard N. Evaluation of an AI system for the detection of diabetic retinopathy from images captured with a handheld portable fundus camera: the MAILOR AI study. Eye (Lond). 2021 Feb;35(2):632–638. doi: 10.1038/s41433-020-0927-8.