DMLV – Inteligența Artificială – Studiile Clinice

Degenerescența maculară legat de vârstă (DMLV) este o cauză principală a pierderii vederii la persoanele cu vârsta de peste 50 de ani în țările dezvoltate. O formă tardivă a bolii este atrofia geografică (GA) în care vederea centrală este pierdută ca urmare a morții celulelare. În cele din urmă, GA duce la pierderea ireversibilă a vederii și la orbire.

În studiile clinice pentru atrofia geografică, o provocare cheie constă în identificarea pacienților care îndeplinesc criteriile de includere, care impune imagistica cu autofluorescență a fundului de ochi  – o modalitate care, spre deosebire de tomografia în coerență optică (OCT), nu este obținută în mod obișnuit pentru pacienții cu DMLV. Orice capacitate de a facilita aceste studii, în special în jurul perioadei de recrutare, ar ajuta la identificarea tratamentelor eficiente pentru această boală devastatoare. Recrutarea tradițională a pacienților prin căutări în dosarele electronice de sănătate (EHR) în notele clinice este adesea ineficientă, necesitând un efort semnificativ pentru a identifica pacienții cu atrofie georgrafică înainte de a valida diagnosticul lor cu metodele imagistice.

 

Implementarea metodologiilor de inteligență artificială (AI) ar putea contribui la soluție. AI ar putea fi utilizată pentru a analiza seturi mari de date din registrele de pacienți pentru a identifica potențialii participanți cu o probabilitate mare de eligibilitate. Utilizarea inteligenței artificiale pentru a ajuta la evaluarea imaginilor retiniene ar putea fi un pas cheie către o abordare mai eficientă a screening-ului și, dacă are succes, acest lucru ar putea scurta semnificativ timpul de recrutare în studiile în curs și viitoare.

 

 

 

Strategiile convenționale de căutare în bazele de pacienți care se bazează pe note clinice pot trece cu vederea pacienții cu atrofie geografică prezentă la imagistică, dar al căror diagnostic nu este înregistrat în mod explicit de medicul oftalmolog. Modelul AI estimează dimensiunea atrofiei geografice prin evaluarea zonei de pierdere a țesutului epitelial retinian. S-a constatat că a existat o concordanță bună în comparația între modalitățile de diagnostic imagistic.

Sistemul de inteligență artificială a selectat proporții similare de pacienți în funcție de sex și statut socio-economic în comparație cu căutarea bazelor de date de pacienți, în timp ce a evidențiat semnificativ mai mulți pacienți de culoare..

 

 

 

În concluzie, un instrument AI poate facilita recrutarea de studii clinice în DMLV. Având în vedere activitatea intensă de studii clinice în desfășurare în prezent, credem că implementarea acestei strategii bazate pe inteligență artificială va oferi o soluție scalabilă la provocările de recrutare în studiile atrofiei geografice. Eforturile viitoare se vor concentra pe evaluarea robusteței din lumea reală a acestei soluții AI, asigurându-ne că funcționează bine cu imagini colectate în mod obișnuit de diferite calități, protocoale, echipamente și pentru diverse populații.