Скрининг диабетической ретинопатии с использованием искусственного интеллекта и портативной фундус-камеры на базе смартфона

Введение: Портативные фундус-камеры и алгоритмы глубокого обучения — новые инструменты, внедряемые в программы скрининга диабетической ретинопатии (ДР). Целью исследования была оценка диагностической точности алгоритма глубокого обучения и эффективности портативной ручной фундус-камеры при выявлении ДР у большой и неоднородной популяции пациентов с сахарным диабетом 2 типа в условиях реальной практики при высоком бремени заболевания.

Методы: Участникам выполняли фотосъёмку глазного дна обоих глаз с помощью портативной фундус-камеры (Phelcom Eyer). Степень ДР определяли при оценке специалистом и с помощью алгоритма глубокого обучения PhelcomNet — свёрточной нейронной сети, обученной на наборе фотографий глазного дна, полученных исключительно с использованием этого портативного устройства. Результаты обоих методов сравнивали. Для выявления ДР не менее умеренной степени рассчитывали площадь под кривой (AUC), чувствительность и специфичность.

Результаты: В Кампанию по борьбе с диабетом в Итабунe были включены 824 пациента с сахарным диабетом 2 типа; у 679 (82,4%) из них удалось провести полноценное обследование. Чувствительность и специфичность алгоритма составили соответственно 97,8% (95% ДИ 96,7–98,9) и 61,4% (95% ДИ 57,7–65,1); AUC — 0,89. При оценке специалистом все ложноотрицательные случаи были классифицированы как умеренная непролиферативная диабетическая ретинопатия (НПДР).

Выводы: В условиях реальной практики при высоком бремени заболевания алгоритм глубокого обучения продемонстрировал хорошую диагностическую точность при выявлении ДР не менее умеренной степени. Портативная ручная фундус-камера показала приемлемую эффективность: более чем у 80% пациентов были получены изображения достаточного качества. Портативные устройства и инструменты искусственного интеллекта могут повысить охват программ скрининга ДР.