作者:Connor Iapoce
在2024年AAO会议上,Schneider解释了基于人工智能的家用OCT与标准办公室内OCT扫描的决定性试验结果。
基于人工智能(AI)的家用光学相干断层扫描(OCT)与办公室内OCT相比,表明其在成像含液体患者方面的有效性。视网膜疾病根据新数据,在会议上提出的内容显示第128届美国眼科学会(AAO)年会.
在接受采访时HCPLive,主持人Eric W. Schneider博士(Tennessee Retina)介绍了家庭OCT系统,该系统包括一个小型SD-OCT设备用于获取图像和一种基于人工智能的算法来根据液体体积审查和分割图像。通过AI算法生成的估计值,临床医生可以识别患者的病情发展趋势,并找到有效监控视网膜疾病患者的方法。
“我真的想强调这更像是一个系统而不是单一设备。单独使用任何一个都没有它们结合在一起时那么有用,”施奈德告诉HCPLive.
关键试验的第一部分VISUALIZE比较了家用OCT设备与诊所内的OCT设备在识别OCT体积中的高反光空间方面的定性能力。患者被连续成像5周,其中包含强制性的研究访问——在诊所就诊当天,会将家庭OCT扫描结果与诊所内的扫描结果进行比较,以查看这两种设备的匹配程度。
根据Schneider的说法,这种比较显示了“非常好的一致性”,因为阳性百分比一致率为86%,阴性百分比一致率为87%。一个预先设定的终点被达到了,定义为阳性一致率和阴性一致率都达到或超过80%即表示良好的一致性。
这些数据也展示了患者能够高效地使用家用OCT设备,96.1%的个体能够在家中完成校准、激活和自我成像。平均每周扫描次数为5.9次,每次扫描平均时间为48秒。根据Schneider的说法,患者不仅能够有效地使用家用OCT,而且还能持续使用该设备。
关键试验的第二部分评估了AI算法量化高反射空间体积的能力。患者在办公室内使用不同的家用OCT设备多次成像,然后使用办公场所的OCT设备进行成像,以量化重复性和一致性。
施奈德指出,在家庭OCT和算法的输出中重复性的重要性,否则体积轨迹将不一致。通过AI分级输出评估了多次家庭OCT扫描,并与由三个独立阅片中心评定者评估的一次办公室OCT扫描进行了比较。
对于总低反射空间体积单位≥10的患者,基于AI的家庭OCT的变异系数为11.1%,而在诊所进行的OCT和阅片中心评分者的变异系数为16.4%,表明这是一款可重复使用的设备。
为了达成一致,阅片中心的评分员对家庭OCT体积扫描进行了评分,并将其与同一扫描的AI算法结果以及不同评分员之间的结果进行了比较。这些数据显示Dice相似性得分相当,表明无论是AI算法还是人工评分员在体积估计上是类似的。
“我认为这项研究相当全面,但值得注意的是,证明该设备的两个组成部分都能有效地为患者成像并产生可在临床环境中使用的输出结果。”施奈德补充道。
披露:施耐德相关的披露包括Notal Vision和卡尔蔡司医疗技术公司等。
参考文献
Schneider EW. 基于人工智能的家庭OCT关键试验结果:与办公室OCT的定性和定量比较。在美国眼科学会(AAO)2024年会上发表。地点:伊利诺伊州芝加哥。时间:2024年10月18日至21日。