AI-Human-Hybrid: Verbesserte Teleophthalmologie für Retinopathie-Screening
AI-Human-Hybrid-Workflow verbessert die Teleophthalmologie für das Screening auf diabetische Retinopathie
Die Zahl der Menschen mit Diabetes mellitus nimmt weltweit zu. Selbst bei der derzeitigen Prävalenz haben schätzungsweise nur 15,3 % der Betroffenen Zugang zu den empfohlenen Augenuntersuchungen. Sogenannte Store-and-Forward-Verfahren teleophthalmologischer Screening-Programme, die mit auf künstlicher Intelligenz (KI) basierender Bildinterpretation arbeiten, bieten sich als eine Alternative zur persönlichen Untersuchung durch Spezialisten an.
Im Rahmen der folgenden Studie wird die diagnostische Leistung von IDx-DR (Digital Diagnostics Inc., Coralville, IA- ein von der FDA zugelassenes autonomes Testgerät für DR) mit humanbasierter Teleophthalmologie über zweieinhalb Jahre verglichen.
Darüber hinaus evaluieren die Autoren einen KI-Mensch-Hybrid-Workflow, der das Screening von KI-Systemen mit einer fachmännischen, menschlichen Beurteilung, für Fälle mit einer Indikation zur Weiterbetreuung, kombiniert. Teilnehmer dieser prospektiven Kohortenstudie waren Diabetiker ab 18 Jahren ohne DR-Diagnose oder DR-Untersuchung im vorherigen Jahr, die sich für ein routinemäßiges DR-Screening in einer Klinik für Grundversorgung vorstellten.
Die Ergebnisse wurden retrospektiv analysiert.
Makula- und Sehnerven-zentrierte Fundusfotos (in Miosis aufgenommen) wurden durch einen KI-Algorithmus ausgewertet, gefolgt von einer konsensbasierten Auswertung durch Netzhautspezialisten im Stanford Ophthalmic Reading Center (STARC). Bei Nachweis einer mehr als milden diabetischen Retinopathie (MTMDR) wurde dieser mit einer persönlichen Untersuchung durch einen Netzhautspezialisten verglichen.
Der AI-Algorithmus hatte eine höhere Sensitivität (95,5 % Sensitivität; 95 % Konfidenzintervall (KI), 86,7–100 %), aber eine geringere Spezifität (60,3 % Spezifität; 95 % KI, 47,7–72,9 %) für die Erkennung einer MTMDR im Vergleich zu Fernbildinterpretation durch Netzhautspezialisten (69,5 % Sensitivität, 95 % KI 50,7–88,3 %; 96,9 % Spezifität, 95 % KI 93,5–100 %).
Auch die Einteilung in Gradierungen der Fälle fiel beim KI-Algorithmus geringer (62,5 %) als bei den Netzhautspezialisten (93,1 %) aus.
Ein zweistufiger KI-Mensch-Hybrid-Workflow, bei dem der KI-Algorithmus zunächst eine Bewertung durchführte und dann ein Netzhautspezialist die MTMDR-positiven Ergebnisse mit beurteilte, ergab eine Sensitivität von 95,5 % (95 %-KI 86,7–100 %) und eine Spezifität von 98,2 % (95 %-KI 94,6–100 %). In ähnlicher Weise verbesserte ein zweistufiges Overread, bei von der KI-nicht bewertbaren Bildern durch Retina-Spezialisten, die Bewertbarkeit von 63,5 % auf 95,6 %.
ZUSAMMENFASSUNG:
Die Studie zeigt die Machbarkeit eines hybriden Caseload-Sharing-Modells, das sowohl autonome KI als auch Store-and-Forward-Teleophthalmologie für das Screening auf diabetische Retinopathie kombiniert. Das System startet mit einem autonomen KI-basierten Screening, das für die meisten Patienten eine Diagnose stellt und fast alle Fälle mit MTMDR erfasst. Die geringere Spezifität der AI im Vergleich zu menschlichen Experten kann durch einen KI-Mensch-Hybrid-Workflow ausgeglichen werden, bei dem positive Fälle vor der Überweisung zur persönlichen Untersuchung durch Experten nochmals kontrolliert werden. Ebenso können fast alle Patienten, deren Aufnahmen durch die KI kein Ergebnis liefern konnten, von einem erfahrenen Leser aus der Ferne asynchron beurteilt werden.
Somit kann eine hybride Implementierung von KI, in einem auf Menschen basierenden Teleophthalmologie-DR-Screeningsystem, sowohl die Abhängigkeit von der Expertise menschlicher Spezialisten verringern als auch die diagnostische Genauigkeit verbessern.
___________________________________________________________________________________________________________________________
