Věkem podmíněná makulární degenerace (VPMD), diabetická retinopatie (DR) a glaukom (GL) jsou tři hlavní příčiny slepoty a závažného poškození zraku po celém světě. Jejich včasná detekce je klíčová pro zpomalení progrese onemocnění a zlepšení kvality života pacientů.
Umělá inteligence (AI) se stává stále důležitějším nástrojem především díky své schopnosti automatizovat a zefektivnit proces screeningu. AI technologie, jako je RedCAD [1], umožňují optometristům a oftalmologům detekovat časné projevy těchto onemocnění a následně směřovat pacienty k dalšímu klinickému vyšetření.
AI screening, DR na L oku
Spolehlivost
Spolehlivost AI screeningu je průběžně testována v mnoha případových studiích. Systém RedCAD ve studii o simultánním screeningu VPMD a DR (Christos Skevas a kol.) z roku 2022, 630 pacientů/1245 očí, dosáhl pro VPMD senzitivity 98,2 % a specificity 79,1 %, pro DR senzitivity 83,9 % a specificity 93,3 % [2]. Ve studii týmu Verónici Sánchez-Guitérrez z r. 2019 (3189 diabetických pacientů, 6325 očí/7195 snímků) byly při detekci DR senzitivita 90,53 % a specificita 97,13 % [3]. Studie, kterou v roce 2023 provedl tým Alberta Piatti, ukazuje přímé porovnání výsledků screeningu u 507 diabetických pacientů v reálném čase systémem RedCAD a oftalmologem využívajícím škálu ICDR: z celkových 2004 snímků bylo pouze 89 vyřazeno kvůli nízké kvalitě, RedCAD efektivně třídil pacienty s mírnou a závažnou DR, senzitivita 95,4 % a specificita 92,0 % [4].
Tyto výsledky demonstrují vysokou spolehlivost AI ve screeningu očních onemocnění s velmi vysokou schopností detekce patologií již v raných fázích. Ve spojení s fundus kamerami s technologií TrueColor confocal scanner probíhá screening bez nutnosti mydriázy a ani středně pokročilá katarakta není překážkou. Přínos pro včasný záchyt očních nemocí u starších pacientů je proto značný. Optometristé a oftalmologové mohou bez obav tyto AI systémy integrovat do běžné ambulantní i klinické praxe a výrazně tak díky automatizaci snížit zátěž lidských zdrojů. Okamžité získání výsledků screeningu umožňuje lékařům rychleji rozhodovat o dalším postupu.
Důvěra pacientů
Důvěra pacientů v AI diagnostiku je klíčovým faktorem pro úspěšné zavedení těchto technologií. Je důležité, aby pacienti byli transparentně informováni o tom, jak AI funguje, a aby výsledky screeningu byly konzultovány s oftalmologem. Ke způsobu, jak s pacienty o screeningu komunikovat, poskytla komentář MUDr. Miluše Dubová, oftalmoložka s klinickou i ambulantní praxí a se zkušeností s moderními confocal scannery: „AI screening v oftalmologii nabízí dostupnou možnost rozšíření prvotního záchytu retinálních patologií. Doporučuji výsledek screeningu nahlížet jako identifikace pacientů s podezřelými nálezy na fundu, kterým je vhodné doporučit oftalmologické vyšetření k finálnímu určení diagnózy. Při negativním výsledku screeningu lze pacientovi referovat o dobrém stavu jeho očního pozadí a případně mu ušetřit návštěvu očního lékaře.“
autor: Martin Horák
Závěr
Telemedicína zažívá dynamický rozvoj a zdraví i kvalita života našich klientů a pacientů zůstávají prioritou. Rozšíření využití AI, která významně usnadňuje lidskou práci, je pouze otázkou času a záleží na profesionálech, jak této příležitosti využijí. Expertíza oftalmologů zůstává nenahraditelnou, ale screeningový nástroj v rukou optometristů přináší výhody jim i pacientům. Bylo by škoda tuto hozenou rukavici v našem oboru nepozvednout.
- Současné AI screeningové systémy (pozn.: seznam není úplný): Tirona, RedCAD (AMD+DR+GLC, 2017/dnes pod iCare Finsko)|Digital Diagnostics, LumineticsCore (DR, 2018/USA)|Eyenuk, EyeArt (AMD+DR+GLC, 2020/USA)|Beijing Airdoc Technology, ARAS (abnormality+DR, 2022/Čína)|Mediwhale, Reti-Intelligence (screening, 2023/J. Korea)|Optomed, Aurora AEYE (DR, 2024/USA)
- Simultaneous screening and classification of diabetic retinopathy and age-related macular degeneration based on fundus photos—a prospective analysis of the RetCAD system (Christos Skevas, Hanah Weindler, Max Levering, Jonne Engelberts, Mark van Grinsven, Toam Katz, 1University Clinic Eppendorf Hamburg, Hamburg 20246, Germany, Thirona B.V., Toernooiveld 300 6525 EC, Nijmegen, The Netherlands)
- Performance of a deep learning system for detection of referable diabetic retinopathy in real clinical settings (Verónica Sánchez-Gutiérrez, Paula Hernández-Martínez, Francisco J. Muñoz-Negrete, Jonne Engelberts, Allison M. Luger, Mark J.J.P. van Grinsven, Ophthalmology Department, Ramón y Cajal University Hospital, Ramón y Cajal Health Research Institute (IRYCIS), Madrid, Spain, University of Alcalá de Henares, Madrid, Spain, Thirona, Nijmegen, The Netherlands)
- Diabetic retinopathy screening with artificial intelligence, A pivotal experience in the Italian Healthcare Systém (Alberto Piatti MD, Carlo Bruno Giorda MD, Francesco Romeo MD, A.S.L. T05, Azienda Sanitaria Locale di Chieri, Carmagnola, Moncalieri, e Nichelino)