Mesej-mesej utama

• Kajian yang disertakan mencadangkan bahawa kecerdasan buatan (AI) boleh mengenal pasti keratoconus. Ini mungkin boleh menuju ke pengesanan awal dan pencegahan kehilangan penglihatan.
• Anggaran adalah serupa untuk pelbagai jenis algoritma AI.
• Kami mempunyai sedikit keyakinan terhadap bukti; topik ini memerlukan penyelidikan yang lebih lanjut.

Apakah keratoconus dan mengapa diagnosis (awal) sangat penting?

Keratoconus adalah penyakit kornea (tingkap jelas di hadapan mata) di mana orang yang berumur antara 10 dan 40 tahun terjejas. Bagi mereka yang terjejas, kornea menjadi lemah dan menipis bertahun-tahun, secara beransur-ansur ia membonjol berbentuk seperti kon yang tipikal, yang menyebabkan penglihatan berkurangan. Cermin mata boleh menyelesaikan masalah ini pada peringkat awal keratoconus, tetapi ia tidak lagi menawarkan penyelesaian yang memuaskan apabila penyakit itu menjadi lebih teruk. Diagnosis awal adalah mustahak untuk memastikan susulan dan rawatan bagi mengelakkan kehilangan penglihatan.

Diagnosis keratoconus adalah berdasarkan pemeriksaan mata (mengukur mata dan menilai kornea dengan pancaran cahaya menegak dan mikroskop) dan pengimejan (teknik berbantukan komputer yang mencipta gambar tiga dimensi atau peta kornea). Pentafsiran imej adalah mencabar, terutamanya di penetapan penjagaan mata primer dan di peringkat awal penyakit. Tidak mengenali keratoconus akan menuju ke arah di mana kemerosotan penyakit serta penglihatannya. Sebagai contohnya, orang yang berisiko mendapat keratoconus bagi yang telah menjalani pembedahan refraktif (pembedahan untuk membetulkan penglihatan mereka) kemungkinan berakhir dengan penglihatan yang lebih teruk.

Apakah kecerdasan buatan dan bagaimana ia boleh membantu mengesan keratoconus?

Mengesan keratoconus berdasarkan imej adalah mencabar, terutamanya bagi doktor yang tidak terlatih. AI memberi mesin keupayaan untuk menyesuaikan diri, menaakul dan mencari penyelesaian terhadap masalah keratoconus. Algoritma boleh dibina dan dilatih untuk menganalisis imej kornea dan mengenali keratoconus. Ujian-ujian ini boleh membantu pakar oftalmologi, pakar optometris dan profesional penjagaan mata yang lain untuk membuat diagnosis dan merujuk pesakit yang mengalami keratoconus kepada pakar kornea pada masa yang tepat untuk mengekalkan penglihatan pesakit. Terdapat pelbagai jenis algoritma, tetapi semuanya boleh membezakan antara mata yang sihat dan keratoconus berdasarkan imej kornea.

Apakah yang ingin kami ketahui?

Matlamat ulasan ini adalah untuk mengetahui sama ada AI boleh mendiagnosis keratoconus dengan betul di kalangan orang yang mencari pembedahan refraktif dan orang yang mempunyai penglihatannya yang tidah dapat diperbetulkan sepenuhnya dengan cermin mata.

Apa yang kami lakukan?

Kami mencari kajian yang menyiasat ketepatan AI untuk mendiagnosis keratoconus, sebaik-baiknya pada orang yang mencari pembedahan refraktif atau orang yang penglihatannya tidak lagi dapat diperbetulkan sepenuhnya dengan cermin mata. Kami membandingkan dan meringkaskan keputusan kajian untuk mengira ketepatan dua ukurannya: sensitiviti (keupayaan AI untuk mengenal pasti keratoconus dengan betul) dan spesifisiti (keupayaan AI untuk menolak keratoconus dengan betul). Semakin hampir sensitiviti dan spesifisiti pada 100%, semakin baik algoritma tersebut.

Apa yang telah kami dapati?

Kami menemui 63 kajian yang menggunakan tiga unit yang berbeza (mata, peserta dan imej) untuk menganalisa ketepatan AI untuk mengesan keratoconus: 44 kajian menganalisis 23,771 mata, empat kajian menganalisis 3843 peserta, dan 15 kajian menganalisis 38,832 imej.

Ketepatan AI untuk mengesan keratoconus nyata (keratoconus yang boleh dikesan melalui pemeriksaan klinikal) adalah tinggi. Jika 1000 orang diuji, 30 orang dengan keratoconus akan dirujuk ke pakar kornea dengan betul, dan tiada seorang pun akan terlepas. Daripada baki 970 orang (tanpa keratoconus), hanya 17 orang yang akan dirujuk secara salah. Mereka ini akan menerima ujian bukan invasif tambahan untuk mengesahkan sama ada mereka mempunyai keratoconus.

Ketepatan AI untuk mengesan keratoconus awal adalah lebih rendah. Jika 1000 orang diuji, sembilan orang dengan keratoconus akan dirujuk dengan betul kepada pakar kornea dan seorang akan terlepas. Jika orang ini menjalani pembedahan refraktif, ia akan memburukkan lagi penyakit dan penglihatan mereka. Daripada baki 990 orang (tanpa keratoconus), 941 akan diyakinkan bahawa mereka tidak menghidap penyakit itu dan akan menerima pembedahan refraktif atau cermin mata; 49 orang akan salah dirujuk.

Bukti menunjukkan bahawa AI mungkin berkesan mengesan keratoconus nyata tetapi mungkin tidak sesuai untuk keratoconus saringan awal.

Apakah batasan bukti?

Kami mempunyai sedikit keyakinan terhadap bukti tentang ketepatan AI untuk mengesan keratoconus nyata, dan kami mempunyai sedikit atau tidak yakin dengan bukti yang berkaitan dengan keratoconus awal. Didapati terdapat masalah pada cara-cara kajian dijalankan, yang mungkin menyebabkan AI kelihatan lebih tepat daripada yang sebenarnya.

Sejauh manakah bukti ini terkini?

Bukti adalah terkini sehingga 29 November 2022.