• 算法的灵敏度[时间范围：1年]
  算法的真正正速率
• 算法的特异性[时间范围：1年]
  算法的真正负率
• 算法的精度[时间范围：1年]
  正确预测数与输入样本总数的比率
• 算法的接收器操作特性曲线下的区域[时间范围：1年]
  算法的诊断能力

背景：糖尿病性视网膜病（DR）是全球失明的最重要原因之一，尤其是在发达国家。在糖尿病患者中，使用非乳化摄像机对眼睛的周期性检查已被广泛证明是控制和防止DR发作的有效系统。卷积神经网络已用于检测DR，达到非常高的敏感性和特异性。

假设可以基于人工智能开发算法，该算法可以证明相等或卓越的表现，并且构成了当前筛查RD和其他眼科病理中当前筛查的替代性。

目标：

• 开发人工智能系统，用于检测糖尿病患者的视网膜病理和其他眼科病理的迹象。
• 该系统的科学验证将用作初级保健中的筛查系统。

方法：

该项目将同时进行两项研究：

1. 开发具有人工智能的算法以检测糖尿病患者中央视网膜和青光眼的其他病理的迹象。
2. 进行一项前瞻性研究，可以将算法的诊断能力与阅读背景图像的家庭医学专家的诊断能力进行比较。该参考将是专门研究视网膜的眼科医生的双盲阅读。

图像的限制始于2018年底。AI算法的发展持续约3至4个月。在队列中纳入患者将于2019年初开始，预计将持续3到4个月。预计将在2019年底之前发布初步结果。

这项研究将允许基于AI的算法开发，该算法可以证明具有相等或卓越的性能，并且构成补体或替代性，以当前对糖尿病患者的DR筛查

研究设计该项目将遵循由2项随之而来的研究组成的方法：在第一项研究中，我们将开发一种AI算法来检测糖尿病患者的DR迹象。

该项目的第二部分将包括对一项前瞻性研究的详细说明，该研究将允许将算法的诊断能力与家庭医学医师以及视网膜专家的诊断能力进行比较。该参考将是视网膜专家进行的盲目双重阅读（在前2个读数中出现分歧时，盲目的三读）。通过这种方式，通过AI算法和家庭医学专家获得的结果将使用黄金标准（准确性，灵敏度，特异性，曲线下的面积等）进行比较。包括接受底面读数培训的护士的包含将被视为比较其诊断能力。

研究算法开发的研究人群，现场参与和招聘图像将由CHS割让，并包括来自整个加泰罗尼亚人口的图像。这项前瞻性研究将在加泰罗尼亚中部加泰罗尼亚卫生研究所管理的初级保健中心进行，其中包括BAGES，OSONA，BERGUEDà和ANOIA。参考人群将是分配给这些初级保健中心的人群。该人口在2017年包括约512,000人，糖尿病患病率为7.1％。

研究期将包括2010-2017，用于使用AI开发算法。一旦开发算法并将运行，直到获得所需的读数数（约3-4个月），前瞻性研究将开始。

为了开发AI算法的研究，包括2010年至2017年间加泰罗尼亚初级保健中心的患者DR标记为DR为DR的所有眼底图像。在前瞻性研究中，从研究开始期开始包括进行眼睛眼底检查的患者的所有图像，直到达到足够的患者数量。大比例的底面图像必须具有足够的质量；也就是说，中央视网膜的40度视觉，其中至少三分之三的视神经，注重大量的黄斑以及明确定义的上和下弧的静脉和动脉。眼睛眼底的图像没有足够的技术质量（黑暗）或由于媒体不透明（例如，白内障）而无法评估的眼睛图像。

用于开发AI算法的数据收集，必须将匿名图像具有对每个图像进行分类的相应标签（在要培训算法的类中之一）中。负责CHS信息技术的人员（IT）将评估从CHS计算机系统中匿名和提取图像的最佳策略，以及使用唯一标识符对每个图像进行识别。另一方面，将需要制定的文件类型CSV或TXT来将每个图像标识符与相应的分类相关联。负责CHS的人员与Optretina的技术经理一起，将以安全的方式同意将这2个信息来源传输的最佳方法，从CHS服务器到OPTretina服务器（SSH文件传输协议，外部硬盘）取决于要传输的数据量以及CHS的内部政策。 Optretina在开发用于自动底面图像分类的AI模型方面经验丰富，并且是西班牙药品和卫生产品认证的医疗设备制造商。

在这项前瞻性研究中，将收集由家庭医学医师读者收集的加泰罗尼亚中部的匿名底眼前数据读数。这些图像将被转移到Optretina服务器，首先通过诊断算法进行分析，然后由将进行确定诊断的视网膜专家进行分析。负责CHS的人与Optretina的技术经理一起，将同意以安全的方式传输这些数据的最佳方法。

• 实验：家庭医学医生
  视网膜阅读
  干预：诊断测试：算法
• 实验：视网膜专家
  视网膜阅读（黄金标准）
  干预：诊断测试：算法

• Bourne RR，Stevens GA，White RA，Smith JL，Flaxman SR，Price H，Jonas JB，Keeffe J，Leasher J，Leasher J，Naidoo K，Pesudovs K，Resnikoff S，Resnikoff S，Taylor HR；视力损失专家小组。世界范围内的视力丧失原因，1990 - 2010年：系统分析。柳叶刀球健康。 2013年12月; 1（6）：E339-49。 doi：10.1016/s2214-109x（13）70113-x。 EPUB 2013 11月11日。评论。
• SánchezGonzálezS，Calvo Lozano J，SánchezGonzálezJ，PedregalGonzálezM，Cornejo Castillo M，MolinaFernándezE，Barral FJ，Barral FJ，PérezEspinosaJr。 [评估视网膜用作作为筛查方法早期诊断初级保健中慢性青光眼的一种筛查方法的评估：对患有开角青光眼风险因素的人群筛查的验证]。 Aten Primaria。 2017年8月 - 9月； 49（7）：399-406。 doi：10.1016/j.aprim.2016.10.008。 Epub 2017年1月23日。西班牙语。
• Gómez-ulla F，Fernandez MI，Gonzalez F，Rey P，Rodriguez M，Rodriguez-Cid MJ，Casanueva FF，Tome MA，Garcia-Tobio J，Garcia-Tobio J，GudeF。用于检测和逐渐成熟的糖尿病性视网膜视网膜疗法的数字视网膜图像。糖尿病护理。 2002年8月； 25（8）：1384-9。
• Dankwa-Mullan I，Rivo M，Sepulveda M，Park Y，Snowdon J，Rhee K.通过人工智能转化糖尿病护理：未来在这里。 Popul Health Manag。 2019年6月； 22（3）：229-242。 doi：10.1089/pop.2018.0129。 Epub 2018年10月2日。评论。
• Quellec G，CharrièreK，Boudi Y，Cochener B，LamardM。糖尿病性视网膜病变筛查的深层图像挖掘。 Med图像肛门。 2017年7月; 39：178-193。 doi：10.1016/j.media.2017.04.012。 EPUB 2017年4月28日。
• Usher D，DumskyJ M，Himaga M，Williamson TH，Nussey S，BoyceJ。数字视网膜图像中糖尿病性视网膜病的自动检测：糖尿病性视网膜病变筛查的工具。糖尿病药物。 2004年1月； 21（1）：84-90。
• Somfai GM，TátraiE，Laurik L，Varga B，ÖlvedyV，Jiang H，Wang J，Smiddy WE，Somogyi A，Debuc DC。自动分类器，用于早期检测和诊断糖尿病性眼视网膜病变。 BMC生物信息学。 2014年4月12日; 15：106。 doi：10.1186/1471-2105-15-106。
• Abràmoff医学博士，Lou Y，Erginay A，Clarida W，Amelon R，Folk JC，NiemeijerM。通过整合深度学习，在公开可用的数据集上改善了自动检测。投资Ophthalmol Vis Sci。 2016年10月1日； 57（13）：5200-5206。 doi：10.1167/iovs.16-19964。
• AbràmoffMD，Lavin PT，Birch M，Shah N，Folk JC。基于自主AI的诊断系统检测初级保健办公室糖尿病性视网膜病的关键试验。 NPJ Digit Med。 2018年8月28日； 1：39。 doi：10.1038/s41746-018-0040-6。 2018年环保。
• Li Z，Ke​​el S，Liu C，He Y，Meng W，Scheetz J，Lee PY，Shaw J，Ting D，Wong Ty，Taylor H，Chang R，He M.糖尿病性视网膜病，基于颜色眼底照片。糖尿病护理。 2018年12月; 41（12）：2509-2516。 doi：10.2337/dc18-0147。 Epub 2018 10月1日。

纳入标准：

• I型或II型糖尿病的临床诊断
• 眼底照片作为糖尿病性视网膜病的筛查的一部分

排除标准：

• 治疗中青光眼的患者
• 患有晚期痴呆的患者不合作拍照
• 聋哑的患者无法遵循拍照的说明
• 流动性问题（轮椅，重要的脑脊）或震颤的患者无法拍照
• 病理学的患者会干扰白内障，眼球震颤，角膜白许或角膜移植等图像的质量。

• Optretina
• Catalàdela Salut研究所
• 加泰罗尼亚卫生部卫生部