رتینوپاتی دیابتی: کارآزمایی بالینی جدید برای تشخیص

AEYE Health نتایج کارآزمایی بالینی محوری FDA خود را برای تشخیص مستقل رتینوپاتی دیابتی بیش از خفیف گزارش کرد. این مطالعه اولین مورد از نوع خود بود که ارزیابی کرد که آیا نرم‌افزار هوش مصنوعی می‌تواند رتینوپاتی دیابتی بیش از خفیف را با استفاده از یک تصویر منفرد از هر چشم که از یک دوربین رومیزی یا دستی شبکیه به دست می‌آید به دقت تشخیص دهد.

استفاده از یک تصویر از هر چشم می تواند روند تشخیصی را ساده کرده و زمان غربالگری را کاهش دهد.

نتایج هوش مصنوعی مشاهده شده برای هر سیستم دوربین:

• Topcon NW-400 (دوربین رومیزی): حساسیت 93.0٪، ویژگی 91.4٪، تصویرپذیری > 99٪
• Optomed Aurora (دوربین دستی): 91.9% حساسیت، 93.6% ویژگی، > 99% قابلیت تصویر
• یک تصویر در هر چشم هم برای دسکتاپ و هم برای دوربین های دستی استفاده شد.

35 میلیون دیابتی در ایالات متحده و بیش از 420 میلیون نفر در سراسر جهان وجود دارند که در معرض خطر ابتلا به رتینوپاتی دیابتی هستند که نیاز به غربالگری سالانه دارد. تشخیص زودهنگام و مداخله کلیدی برای پیشگیری از از دست دادن بینایی است. بیش از یک سوم از بیماران دیابتی بالای 40 سال به رتینوپاتی دیابتی مبتلا می شوند، اما تنها 15 تا 50 درصد بیماران تحت غربالگری قرار می گیرند.

غربالگری مستقل در مراقبت‌های اولیه که تنها به یک تصویر از هر چشم نیاز دارد که از یک دوربین دستی مقرون‌به‌صرفه به دست می‌آید، می‌تواند تبعیت از پروتکل‌های غربالگری را بهبود بخشد و در نهایت از نابینایی در دیابتی‌های در معرض خطر از دست دادن بینایی جلوگیری کند.

AEYE Health به دنبال مجوز FDA برای راه حل غربالگری مستقل خود برای رتینوپاتی دیابتی است.

علاوه بر این، این شرکت در حال آماده شدن برای انتشار نتایج خود در زمینه تشخیص گلوکوم با استفاده از تصاویر دیجیتال فوندوس است.