జర్నల్ ఆఫ్ క్లినికల్ అండ్ ఎక్స్పెరిమెంటల్ ఆప్తాల్మాలజీ
అందరికి ప్రవేశం

నైరూప్య

మూడు యూరోపియన్ జనాభాలో డయాబెటిక్ రెటినోపతిని స్వయంచాలకంగా గుర్తించడం

మోర్టెన్ బి. హాన్సెన్, హాంగ్యింగ్ లిలియన్ టాంగ్, సు వాంగ్, లుత్ఫియా అల్ టర్క్, రీటా పియర్మరోచి, మార్టినాస్ స్పెక్కాస్కాస్, హన్స్-వెర్నెర్ హెన్స్, ఐరీన్ లెంగ్ మరియు టుండే పెటో

లక్ష్యం: ప్రస్తుతం ప్రపంచ జనాభాలో 1/12 మందికి డయాబెటిస్ మెల్లిటస్ (DM) ఉంది, చాలా మంది రెటీనా చిత్రాలను తీయడం ద్వారా పరీక్షించబడతారు లేదా పరీక్షించబడతారు. ఈ ప్రస్తుత అధ్యయనం మూర్‌ఫీల్డ్స్ ఐ హాస్పిటల్ రీడింగ్ సెంటర్ (MEHRC)లో నిర్వహించిన మానవ గ్రేడింగ్‌తో పోలిస్తే మూడు వేర్వేరు యూరోపియన్ జనాభాలో DRని గుర్తించే DAPHNE సాఫ్ట్‌వేర్ సామర్థ్యాన్ని పోల్చడం లక్ష్యంగా పెట్టుకుంది. పాల్గొనేవారు: HAPIEE అధ్యయనం (లిథువేనియా, n=1014), PAMDI అధ్యయనం (ఇటలీ, n=882) మరియు MARS అధ్యయనం (జర్మనీ, n=909)లో పాల్గొనేవారి నుండి రెటీనా చిత్రాలు తీయబడ్డాయి. పద్ధతులు: అన్ని అనామక చిత్రాలు DR ఉనికి కోసం MEHRCలో మానవ గ్రేడర్‌లచే గ్రేడ్ చేయబడ్డాయి. స్వతంత్రంగా, మరియు మానవ గ్రేడర్ ఫలితాల గురించి ఎటువంటి అవగాహన లేకుండా, DAPHNE సాఫ్ట్‌వేర్ చిత్రాలను విశ్లేషించింది మరియు పాల్గొనేవారిని DR మరియు నో-DR సమూహాలుగా విభజించింది. ప్రధాన ఫలిత చర్యలు: మానవ గ్రేడర్‌తో పోలిస్తే రెటీనా చిత్రాలపై DR లేదా నో-DR యొక్క గుర్తింపుకు సంబంధించి DAPHNE సాఫ్ట్‌వేర్ యొక్క సున్నితత్వం, నిర్దిష్టత, సానుకూల అంచనా విలువ (PPV) మరియు ప్రతికూల అంచనా విలువ (NPV) ప్రాథమిక ఫలితాలు. సూచన ప్రమాణం. ఫలితాలు: మూడు అధ్యయన సైట్‌ల నుండి మొత్తం 2805 మంది పాల్గొనేవారు నమోదు చేయబడ్డారు. DAPHNE సాఫ్ట్‌వేర్ యొక్క సున్నితత్వం మూడు అధ్యయనాలలో 93% పైన ఉంది, నిర్దిష్టత 80% పైన ఉంది, PPV 28% పైన ఉంది మరియు NPV ఏ అధ్యయనాల్లోనూ 98.8% కంటే తక్కువ కాదు. DAPHNE సాఫ్ట్‌వేర్ దృష్టికి ప్రమాదకర DRని కోల్పోలేదు. మూడు అధ్యయనాల కోసం కర్వ్ (AUC) కింద ఉన్న ప్రాంతాలు 0.96 కంటే ఎక్కువగా ఉన్నాయి. DAPHNE మాన్యువల్ హ్యూమన్ వర్క్‌లోడ్‌ను 70% తగ్గించింది కానీ మొత్తం తప్పుడు సానుకూల రేటు 63%. తీర్మానాలు: DAPHNE సాఫ్ట్‌వేర్ మూడు వేర్వేరు ఇమేజింగ్ సెట్టింగ్‌లను ఉపయోగించి, మూడు వేర్వేరు యూరోపియన్ పాపులేషన్‌లలో DRని గుర్తించడానికి నమ్మదగినదిగా చూపించింది. ఈ అధ్యయనాలకు భిన్నమైన స్కేలబిలిటీ, లైవ్ DR స్క్రీనింగ్ సిస్టమ్‌లు మరియు కెమెరా సెట్టింగ్‌లలో పనితీరును చూడటానికి మరింత పరీక్ష అవసరం.