基于人工智能的预测糖尿病视网膜病变的演变 (EviRed):对潜在队列的协议

科学领域:

• 眼科医生 眼科 眼科
• 糖尿病学 糖尿病学
• 医疗成像医学成像

背景情况:

• 目前糖尿病视网膜病变 (DR) 的分类依赖于过时的成像和不足的数据,阻碍了对疾病进展的准确预测.
• 新兴的成像技术提供了有价值的数据,但由于缺乏适应的分类系统,它们在管理DR时的实用性受到限制.
• "EviRed"项目通过开发一种用于智能DR评估的新系统来弥补这一差距.

研究的目的:

• 开发和验证一个智能系统,以协助眼科医生在糖尿病视网膜病变的临床管理.
• 通过整合新的成像数据来提高糖尿病视网膜病变演变的预测.
• 改善糖尿病患者随访期间的决策过程.

主要方法:

• 招募来自法国多个临床部门的大型糖尿病队列 (多达5000名患者).
• 每年收集全面的系统和眼科数据,包括先进的成像模式,如广场摄影,OCT和OCT血管学.
• 利用一个训练队列用于算法开发和一个单独的验证队列,以确保系统的可靠性和通用性.

主要成果:

• 将建立EviRed队列,最多有5000名患者,分为培训和验证组.
• 将采用先进的成像技术,包括广场摄影,OCT和OCT血管学.
• 该系统旨在更好地预测糖尿病视网膜病变的进展.

结论:

• 该EviRed项目将建立一个强大的数据集,并开发一个智能系统,以推进糖尿病视网膜病变的护理.
• 开发的系统的验证将为眼科医生提供一个强大的工具,用于加强DR患者管理.
• 这一举措有望显著改善糖尿病视网膜病变的预测和随访,使糖尿病患者受益.