基于社区的人工智能辅助的视力障碍查模型对性能,运营效率,可接受性,可行性和成本的评估:为2臂实用随机受控试验的协议

科学领域:

• 眼科和公共卫生.
• 医疗保健中的人工智能

背景情况:

• 全球有超过6亿人患有视力障碍 (VI),到2030年,新加坡的老年人视力障碍病例将翻一番.
• 目前的传统VI查是劳动密集的,低效的,并具有较低的后续率.
• 人工智能模型显示出前景,但现实世界的效率,可接受性和成本的实施数据有限.

研究的目的:

• 为了比较推准确度,运营效率,患者接受度,工作流程可行性和人工智能辅助与传统VI查的成本.
• 为了产生真实世界的证据,AI辅助视力障碍查的临床实用性.

主要方法:

• 一项实用随机对照试验,涉及1000名50岁以上的参与者,视力敏度低于6/12.
• 参与者被随机分配到人工智能辅助查 (通过现场人工智能分析的视网膜照片) 或传统查 (全面的眼科检查).
• 评估包括推准确性,操作指标,患者问卷和基准真相确定.

主要成果:

• 参与者招聘于2024年7月开始,到2024年9月14日,已有487人注册.
• 该研究预计将于2026年3月完成,数据分析将于2026年4月开始.
• 关于比较有效性的完整结果正在等待数据收集和分析的完成.

结论:

• 这项研究将提供关键的现实世界的证据,证明人工智能辅助VI查的有效性和成本效益.
• 结果旨在为可扩展和可持续的查策略提供信息,以提高准确性和健康结果.
• 这项研究解决了理解人工智能在视力障碍查中的实际实施的差距.