Телемедицинский скрининг на диабетическую ретинопатию с использованием цифровых технологий: зарубежный опыт

Введение. Своевременное выявление и лечение диабетической ретинопатии (ДР) может предотвратить развитие слепоты. Тем не менее у большого числа пациентов заболевание диагностируется на поздних стадиях, когда эффективное лечение становится невозможным. В связи с этим активный скрининг на ДР играет важную роль. Разработаны различные программы скрининга, включая программы с применением цифровых технологий.

Цель. Анализ и обобщение литературных сведений по цифровизации скрининга пациентов на ДР.

Материалы и методы. Исследование выполнено по результатам поиска в библиографической базе PubMed/Medline и системе Google. В поисковой строке применялись следующие ключевые слова: «diabetes», «retinopathy», «telemedicine», «digital technologies», «artificial intelligence» и другие. Релевантные публикации отбирались по результатам изучения названия и резюме статей.

Результаты. В исследовании рассмотрены подходы к организации телемедицинских программ по скринингу на ДР. Представлены примеры инновационных цифровых технологий выполнения диагностических исследований, отражены характеристики различных электронных систем и девайсов. Отмечено, что возможна организация скрининга на ДР в локальном центре с передачей данных в региональный специализированный диагностический (аналитический) центр, где происходит телемедицинский анализ. Вся диагностическая информация в конечном итоге становится доступной диабетологу, который назначает и корректирует терапию. Такой принцип работы облегчает взаимодействие между различными специалистами, что повышает эффективность скрининга.

Обсуждение. Скрининг на ДР с использованием телемедицины находится на начальных этапах развития, хотя он уже внедрен в ряде стран. Многие современные технологии, такие как переносные мобильные девайсы, могут быть адаптированы и применяться при реализации программ телемедицины. Отличные результаты демонстрируют алгоритмы глубокого машинного обучения и другие подходы на основе искусственного интеллекта. Отдельные системы уже получили одобрение со стороны регуляторных органов.

Выводы. Интеграция инновационных технологий скрининга в единую цифровую платформу с постепенным внедрением ее в повседневную клиническую практику будет способствовать дальнейшему совершенствованию ранней диагностики диабетической ретинопатии.

1. Vujosevic S, Chew E, Labriola L, Sivaprasad S, Lamoureux E. Measuring Quality of Life in Diabetic Retinal Disease: A Narrative Review of Available Patient-Reported Outcome Measures. Ophthalmol Sci 2024;4:100378. https://doi.org/10.1016/j.xops.2023.100378.

2. Wei H, Xiao X, Zeng S, Liu Y, Liu X, Zeng T, et al. Alterations in factors associated with diabetic retinopathy combined with thrombosis: A review. Medicine (Baltimore) 2023;102:e34373. https://doi.org/10.1097/MD.0000000000034373.

3. Grauslund J. Diabetic retinopathy screening in the emerging era of artificial intelligence. Diabetologia 2022;65:1415–23. https://doi.org/10.1007/s00125-022-05727-0.

4. Porta M, Bandello F. Diabetic retinopathy. Diabetologia 2002;45:1617–34. https://doi.org/10.1007/s00125-002-0990-7.

5. Saaddine JB. Projection of Diabetic Retinopathy and Other Major Eye Diseases Among People With Diabetes Mellitus. Arch Ophthalmol 2008;126:1740. https://doi.org/10.1001/archopht.126.12.1740.

6. Sadikin IS, Lestari YD, Victor AA. The role of cadre in the community on diabetic retinopathy management and its challenges in low-middle income countries: a scoping review. BMC Public Health 2024;24:177. https://doi.org/10.1186/s12889-024-17652-5.

7. Chin EK, Ventura B V, See K-Y, Seibles J, Park SS. Nonmydriatic fundus photography for teleophthalmology diabetic retinopathy screening in rural and urban clinics. Telemed J e-Health Off J Am Telemed Assoc 2014;20:102–8. https://doi.org/10.1089/tmj.2013.0042.

8. Gibson DM. Estimates of the Percentage of US Adults With Diabetes Who Could Be Screened for Diabetic Retinopathy in Primary Care Settings. JAMA Ophthalmol 2019;137:440. https://doi.org/10.1001/jamaophthalmol.2018.6909.

9. Prothero L, Lawrenson JG, Cartwright M, Crosby-Nwaobi R, Burr JM, Gardner P, et al. Barriers and enablers to diabetic eye screening attendance: An interview study with young adults with type 1 diabetes. Diabet Med 2022;39:e14751. https://doi.org/10.1111/dme.14751.

10. Kumar S, Kumar G, Velu S, Pardhan S, Sivaprasad S, Ruamviboonsuk P, et al. Patient and provider perspectives on barriers to screening for diabetic retinopathy: an exploratory study from southern India. BMJ Open 2020;10. https://doi.org/10.1136/bmjopen-2020-037277.

11. Land MR, Patel PA, Bui T, Jiao C, Ali A, Ibnamasud S, et al. Examining the Role of Telemedicine in Diabetic Retinopathy. J Clin Med 2023;12. https://doi.org/10.3390/jcm12103537.

12. Gibson DM. The geographic distribution of eye care providers in the United States: Implications for a national strategy to improve vision health. Prev Med (Baltim) 2015;73:30–6. https://doi.org/10.1016/j.ypmed.2015.01.008.

13. Avidor D, Loewenstein A, Waisbourd M, Nutman A. Cost-effectiveness of diabetic retinopathy screening programs using telemedicine: a systematic review. Cost Eff Resour Alloc 2020;18:16. https://doi.org/10.1186/s12962-020-00211-1.

14. Karnowski TP, Giancardo L, Yaqin Li, Tobin KW, Chaum E. Retina image analysis and ocular telehealth: The oak ridge national laboratory-hamilton eye institute case study. 2013 35th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc., IEEE; 2013, p. 7140–3. https://doi.org/10.1109/EMBC.2013.6611204.

15. Nakayama LF, Zago Ribeiro L, Novaes F, Miyawaki IA, Miyawaki AE, de Oliveira JAE, et al. Artificial intelligence for telemedicine diabetic retinopathy screening: a review. Ann Med 2023;55. https://doi.org/10.1080/07853890.2023.2258149.

16. Joshi GD, Sivaswamy J. DrishtiCare: A Telescreening Platform for Diabetic Retinopathy Powered with Fundus Image Analysis. J Diabetes Sci Technol 2011;5:23–31. https://doi.org/10.1177/193229681100500104.

17. Saeed E, Szymkowski M, Saeed K, Mariak Z. An Approach to Automatic Hard Exudate Detection in Retina Color Images by a Telemedicine System Based on the d-Eye Sensor and Image Processing Algorithms. Sensors 2019;19:695. https://doi.org/10.3390/s19030695.

18. Schneider S, Aldington SJ, Kohner EM, Luzio S, Owens DR, Schmidt V, et al. Quality assurance for diabetic retinopathy telescreening. Diabet Med 2005;22:794–802. https://doi.org/10.1111/j.1464-5491.2005.01512.x.

19. Balyen L, Peto T. Promising Artificial Intelligence-Machine Learning-Deep Learning Algorithms in Ophthalmology. Asia-Pacific J Ophthalmol (Philadelphia, Pa) 2019;8:264–72. https://doi.org/10.22608/APO.2018479.

20. Choi RY, Coyner AS, Kalpathy-Cramer J, Chiang MF, Campbell JP. Introduction to Machine Learning, Neural Networks, and Deep Learning. Transl Vis Sci Technol 2020;9:14. https://doi.org/10.1167/tvst.9.2.14.

21. Arenas-Cavalli JT, Abarca I, Rojas-Contreras M, Bernuy F, Donoso R. Clinical validation of an artificial intelligence-based diabetic retinopathy screening tool for a national health system. Eye (Lond) 2022;36:78–85. https://doi.org/10.1038/s41433-020-01366-0.

22. Dong L, He W, Zhang R, Ge Z, Wang YX, Zhou J, et al. Artificial Intelligence for Screening of Multiple Retinal and Optic Nerve Diseases. JAMA Netw Open 2022;5:e229960. https://doi.org/10.1001/jamanetworkopen.2022.9960.

23. Cleland CR, Rwiza J, Evans JR, Gordon I, MacLeod D, Burton MJ, et al. Artificial intelligence for diabetic retinopathy in low-income and middle-income countries: a scoping review. BMJ Open Diabetes Res Care 2023;11. https://doi.org/10.1136/bmjdrc-2023-003424.

24. Rajesh AE, Davidson OQ, Lee CS, Lee AY. Artificial Intelligence and Diabetic Retinopathy: AI Framework, Prospective Studies, Head-to-head Validation, and Cost-effectiveness. Diabetes Care 2023;46:1728–39. https://doi.org/10.2337/dci23-0032.

25. Ogunyemi O, Teklehaimanot S, Patty L, Moran E, George S. Evaluating predictive modeling’s potential to improve teleretinal screening participation in urban safety net clinics. Stud Health Technol Inform 2013;192:162–5.

26. Walton OB, Garoon RB, Weng CY, Gross J, Young AK, Camero KA, et al. Evaluation of Automated Teleretinal Screening Program for Diabetic Retinopathy. JAMA Ophthalmol 2016;134:204. https://doi.org/10.1001/jamaophthalmol.2015.5083.

27. Hasan SU, Siddiqui MAR. Diagnostic accuracy of smartphone-based artificial intelligence systems for detecting diabetic retinopathy: A systematic review and meta-analysis. Diabetes Res Clin Pract 2023;205:110943. https://doi.org/10.1016/j.diabres.2023.110943.

28. Vilela MAP, Arrigo A, Parodi MB, Mengue C da S. Smartphone Eye Examination: Artificial Intelligence and Telemedicine. Telemed J e-Health Off J Am Telemed Assoc 2023. https://doi.org/10.1089/tmj.2023.0041.

29. Prayogo ME, Zaharo AF, Damayanti NNR, Widyaputri F, Thobari JA, Susanti VY, et al. Accuracy of Low-Cost, Smartphone-Based Retinal Photography for Diabetic Retinopathy Screening: A Systematic Review. Clin Ophthalmol 2023;17:2459–70. https://doi.org/10.2147/OPTH.S416422.

30. Lord RK, Shah VA, San Filippo AN, Krishna R. Novel uses of smartphones in ophthalmology. Ophthalmology 2010;117:1274-1274.e3. https://doi.org/10.1016/j.ophtha.2010.01.001.

31. Russo A, Morescalchi F, Costagliola C, Delcassi L, Semeraro F. Comparison of smartphone ophthalmoscopy with slit-lamp biomicroscopy for grading diabetic retinopathy. Am J Ophthalmol 2015;159:360-4.e1. https://doi.org/10.1016/j.ajo.2014.11.008.

32. Ichhpujani P, Thakur S. Smartphones and Telemedicine in Ophthalmology, 2018, p. 247–55. https://doi.org/10.1007/978-981-13-0140-7_11.

33. Bhat S, Bhaskaranand M, Ramachandra C, Margolis TP, Fletcher DA, Solanki K. Fully-automated Diabetic Retinopathy Screening Using Cellphone-based Cameras. Invest Ophthalmol Vis Sci 2015;56:1428.

34. Khurana RN, Hoang C, Khanani AM, Steklov N, Singerman LJ. A Smart Mobile Application to Monitor Visual Function in Diabetic Retinopathy and Age-Related Macular Degeneration: The CLEAR Study. Am J Ophthalmol 2021;227:222–30. https://doi.org/10.1016/j.ajo.2021.03.033.

35. Gross N, Bachmann LM, Islam M, Faes L, Schmid MK, Thiel MA, et al. Visual outcomes and treatment adherence of patients with macular pathology using a mobile hyperacuity home-monitoring app: a matched-pair analysis. BMJ Open 2021;11:e056940. https://doi.org/10.1136/bmjopen-2021-056940.

36. Rizvi A, Rizvi F, Lalakia P, Hyman L, Frasso R, Sztandera L, et al. Is Artificial Intelligence the Cost-Saving Lens to Diabetic Retinopathy Screening in Low- and Middle-Income Countries? Cureus 2023;15:e45539. https://doi.org/10.7759/cureus.45539.