DOI: 10.21045/2071-5021-2025-71-2-2

Мартусевич Я.А.
ФГБУ ВО «Сибирский государственный медицинский университет» Министерства здравоохранения Российской Федерации, г. Томск, Россия

Резюме

Актуальность. Цифровая фоторегистрация глазного дна при диабетической ретинопатии является наиболее эффективным методом ее скрининга. Однако большой объем цифрового материала, ограниченность кадровых ресурсов ставят вопросы о внедрении систем поддержки принятия врачебных решений для диагностики диабетической ретинопатии в повседневную клиническую практику.

Цель: изучить границы применения системы поддержки принятия врачебных решений «ОФТАЛЬМИК+» при анализе цифровых ретинальных фотографий у пациентов с диабетической ретинопатией в Томской области.

Материалы и методы. Использовали 12000 фотографий сетчатки пациентов с установленным диагнозом сахарный диабет. Всем пациентам проводили фоторегистрацию глазного дна с помощью портативной цифровой ретинальной камеры Optomed AURORA (Финляндия) в двух проекциях. Фотографии передавались по защищенному каналу передачи данных на единый сервер, где при помощи сверточной нейронной сети проводился анализ изображений с разделением на классы: диабетической ретинопатия, норма. Затем фотографии сетчатки оценивал врач – офтальмолог.

Результаты. С целью проведения массового цифрового скрининга и выявления диабетической ретинопатии на ранней бессимптомной стадии в Томской области разработана автоматическая система поддержки принятия врачебных решений «ОФТАЛЬМИК+». Система позволяет с высокой вероятностью определять наличие диабетической ретинопатии по цифровым фотографиям с фундус-камеры в течение нескольких секунд, что помогает врачу-офтальмологу минимизировать диагностические ошибки и позволяет экономить время, затрачиваемое на диагностику. Метрические характеристики системы: чувствительность = 95%, специфичность = 94%. Средневзвешенная оценка 95 %.

Область применения результатов. Результаты проведённого исследования могут представлять интерес для организаторов здравоохранения, практических врачей, ординаторов и аспирантов медицинских ВУЗов.

Ключевые слова: сахарный диабет; диабетическая ретинопатия; система поддержки принятия врачебных решений; цифровая визуализация; скрининг; модель организации.

Контактная информация: Мартусевич Яна Александровна, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Финансирование: исследование не имело спонсорской поддержки.
Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.
Соблюдение этических стандартов. Данный вид исследования не требует прохождения экспертизы локальным этическим комитетом.
Для цитирования: Мартусевич Я.А. Опыт применения системы поддержки принятия врачебных решений «ОФТАЛЬМИК+» при анализе цифровых ретинальных фотографий у пациентов с диабетической ретинопатией в Томской области. Социальные аспекты здоровья населения [сетевое издание] 2025;

EXPERIENCE OF USING THE "OPHTHALMIC+" DECISION SUPPORT SYSTEM IN THE ANALYSIS OF DIGITAL RETINAL PHOTOGRAPHS IN PATIENTS WITH DIABETIC RETINOPATHY IN TOMSK REGION
Martusevich I.A.
Siberian State Medical University, Tomsk, Russia

Abstract

Significance. Digital fundus photography in diabetic retinopathy is the most effective method of screening for this condition. However, the large volume of digital material and limited human resources raise questions about the implementation of decision support systems for diagnosing diabetic retinopathy in routine clinical practice.

Purpose: to study the boundaries of application of the "OPHTHALMIC+" decision support system in the analysis of digital retinal photographs in patients with diabetic retinopathy in Tomsk Region.

Materials and methods. 12,000 retinal photographs of patients diagnosed with diabetes mellitus were used. All patients underwent fundus photography using a portable digital retinal camera Optomed AURORA (Finland) in two projections. The photographs were transmitted via a secure data transmission channel to a central server, where image analysis was performed using a convolutional neural network to classify them into two categories: diabetic retinopathy and normal. The retinal photographs were then evaluated by an ophthalmologist.

Results. An automatic clinical decision support system for detecting diabetic retinopathy called "OPHTHALMIC+" has been developed in Tomsk Region to conduct mass digital screening and identify diabetic retinopathy at an early asymptomatic stage. The system can determine the presence of diabetic retinopathy with high probability from digital photographs taken with a fundus camera in just a few seconds, helping the ophthalmologist minimize diagnostic errors and save time spent on diagnosis. System metrics: sensitivity = 95%, specificity = 94%. Average weighted score 95%.

Application area of the results. The results of the study may be of interest to healthcare organizers, practicing doctors, residents and graduate students of medical universities.

Keywords: diabetes; diabetic retinopathy; clinical decision support system; digital visualization; screening; organizational model.

Corresponding author: Iana A. Martusevich, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Information about authors:
Martusevich IA, http://orcid.org/0000-0003-4826-4841
Acknowledgments. The study had no sponsorship.
Competing interests. The authors declare the absence of any conflicts of interest regarding the publication of this paper.
Compliance with ethical standards. This study does not require a conclusion from the Local Ethics Committee.
For citation: Martusevich I.A. Experience of using the "OPHTHALMIC+" decision support system in the analysis of digital retinal photographs in patients with diabetic retinopathy in the Tomsk Region. Social'nye aspekty zdorov'a naselenia [serial online] 2025; (In Rus).

Введение

Диабетическая ретинопатия (ДР) ­– сосудистое осложнение сахарного диабета (СД), угрожающее потерей зрения, занимает ведущее место в развитии слепоты и слабовидения в возрастной группе 20 – 70 лет. Риск развития слепоты при СД в 25 раз выше, чем без него. При этом, эффективность программ по предупреждению слепоты, связанной с ДР, зависит от своевременности диагностики и профилактики дальнейшего прогрессирования [1,2].

Цифровой скрининг на ДР является одной из эффективных мер, рекомендованных Всемирной организацией здравоохранения (ВОЗ) для предотвращения нарушений зрения и слепоты, а применение автоматических систем поддержки принятия врачебных решений (СППВР) позволит сделать обследование более быстрым и качественным [3-5].

Цифровая фоторегистрация глазного дна с применением СППВР играет ключевую роль в скрининге ДР, обладает высокой прогностической способностью для выявления заболевания, а частота корректного заключения выше, чем при использовании рутинных диагностических методов [6]. Точность диагностики ДР является одним из ключевых преимуществ СППВР при анализе цифровых фотографий глазного дна, параметры которой зависят от модели обучения нейросети. Так при использовании режима глубокого обучения, точность диагностики ДР может достигать 90% [7], при использовании модели машинного обучения не менее 80% [8]. Первая в мире система автономной детекции ДР (IDx-DR), разработанная Abramoff et al., одобренная FDA в 2018 г, демонстрирует чувствительность более 96% и специфичность более 93% [9].

Более того, применение раннего цифрового скрининга ДР с применением СППВР возможно специалистами и неофтальмологического профиля на уровне оказания первичной медицинской помощи, особенно в отдаленных районах, где такой подход может улучшить качество медицинской помощи [10].

Автоматический анализ изображений сетчатки ценен в качестве «второго мнения», а также для сокращения рабочей нагрузки на уровне диагностики заболевания [11].

Доступность системы цифрового скрининга для всех пациентов с СД позволит улучшить результаты контроля ДР, снизить слепоту среди трудоспособного населения, а также принесет экономическую выгоду для системы здравоохранения в целом [12]. Так, средневзвешенные затраты на рутинное диспансерное наблюдение одного пациента с ДР составляет всего 15 676 руб. в год. При прогрессировании заболевания до клинически значимой стадии расходы на одного пациента достигают 675 566 руб., где прямые медицинские затраты составляют 53,5% [13].

Поэтому массовый характер скрининга, который влечет за собой большой объемом цифрового материала в сочетании с ограниченностью кадрового ресурса ставит вопросы о внедрении алгоритмов СППВР в диагностику диабетической ретинопатии в повседневную клиническую практику [14].

Цель: определить границы применения системы поддержки принятия врачебных решений «ОФТАЛЬМИК+» при анализе цифровых ретинальных фотографий у пациентов с диабетической ретинопатией в Томской области.

Материалы и методы

Использовали 12000 фотографий сетчатки обоих глаз 3000 пациентов с установленным диагнозом сахарный диабет из пяти лечебно-профилактических учреждений Томской области: (Поликлиника №4 (Томск), Томская Районная Больница, Кожевниковская районная больница, Колпашевская районная больница, Кривошеинская районная больница). Пациентам проводили фоторегистрацию глазного дна с помощью портативных цифровых ретинальных камер Optomed AURORA (Финляндия). Каждый глаз фотографировали в двух проекциях: 1) в центре макула; 2) в центре диск зрительного нерва. Фотографии передавались по защищенному каналу передачи данных на единый сервер, где при помощи сверточной нейронной сети проводился анализ изображений с разделением на классы: диабетическая ретинопатия, норма. Затем фотографии сетчатки оценивал врач – офтальмолог.

Результаты

Согласно проведенному анализу общей заболеваемости ДР в Томской области, общая численность больных в период с 2013 по 2022 гг. увеличилась на 32,7%. При этом, большая доля ДР (36,4%) зарегистрирована среди пациентов с СД 1 типа, при СД 2 типа доля ДР составила всего14,5%. Однако по абсолютному числу пациентов лидирует число ДР при СД 2 типа – в 8 раз выше, чем при СД 1 типа. Абсолютная численность пациентов с ДР в Томской области в 2022 г. составила 6221 человек или 15,55% от всех зарегистрированных больных с СД. Однако, это далеко не полные данные. Так, в Томской области существует высокая вероятность невыявленного СД 2 типа, что связано с географическим особенностями региона, отдаленностью части муниципальных районов от центра, отсутствием приверженности части населения к контролю параметров углеводного обмена и прочими факторами. Среди этих пациентов с недиагностированной и неконтролируемой ДР высока вероятность возникновения осложнений со стороны глазного дна, которые могут привести к потере остроты зрения, что отразится и на прогнозируемом ежегодном росте инвалидности вследствие ДР. Поэтому необходимо принятие современных решений по дальнейшему совершенствованию медицинской службы по профилю «офтальмология».

С целью проведения массового цифрового скрининга, выявления ДР на ранней стадии и своевременного оказания офтальмологической специализированной медицинской помощи больным СД в Томской области разработана автоматическая система обнаружения наличия ДР. Система хранения снимков глазного дна со встроенной системой поддержки принятия врачебных решений «ОФТАЛЬМИК+» получила государственную регистрацию в Реестре программ для ЭВМ (заявка №2023662661, дата поступления заявки 20 июня 2023, дата государственной регистрации в Реестре программ для ЭВМ 27 июня 2023 г.). Правообладателем программы является ФГБОУ ВО СибГМУ Минздрава России на основании выданного Свидетельства о государственной регистрации программы для ЭВМ № 2023663680 Федеральной службой по интеллектуальной собственности Российской федерации с указанием авторов разработчиков системы «ОФТАЛЬМИК+».

СППВР разработана и функционирует на базе Центра патологии сетчатки (ЦПС) при офтальмологической клинике СибГМУ, применяется для обработки большого количества снимков глазного дна и позволяет определять наличие ДР по фотографиям с фундус-камеры в течение нескольких секунд. При этом необходимо отметить, что система не предназначена для замены врачей - офтальмологов, однако может оптимизировать рабочие процессы.

Возможности электронной системы сбора и хранения снимков глазного дна с применением технологий СППВР интегрированы в новую модель организации медицинской помощи по профилю «офтальмология» и изучаются на базе единого референсного Центра патологии сетчатки Томской области. Новая модель организации медицинской помощи в офтальмологии позволяет объединять в единую цифровую сеть ЦПС, кабинеты профилактики медицинских организаций, а также необходимые технические, информационные и контролирующие службы. Медицинские организации города Томска и Томской области были предварительно оснащены портативными ретинальными камерами для получения цифровых фотографий сетчатки. Фоторегистрация глазного дна проводится обученным средним медицинским персоналом поликлиник в кабинетах медицинской профилактики с дальнейшей отправкой фотографий в ЦПС.

Система «ОФТАЛЬМИК+» при проведении анализа изображений глазного дна обучена присуждать каждому снимку вероятность наличия патологии, выраженной в процентах. При этом список пациентов сортируется по данной характеристике. Рядом с каждым снимком предоставляется информация, полученная от нейронной сети, а также сегментационная маска с указанием подозрительной области, если класс был определен как патология. Регистрация пользователей происходит с назначением им особых прав (заведующий, врач, медсестра). В работе системы задействованы следующие типы пользователей:

1. Оператор – специалист, который проводит фоторегистрацию глазного дна пациентам с диагнозом СД при помощи фундус-камеры и загружает их в базу (может быть с высшим или средним медицинским образованием). Цифровые ретинальные фотографии глазного дна пациента автоматически передаются в ЦПС по защищенному каналу VipNet.
2. Диагност – врач - офтальмолог ЦПС, который оценивает цифровое фото глазного дна пациента в тех снимках, анализирует заключение нейросети и выставляет окончательный диагноз с рекомендациями по дальнейшему лечению.
3. Врач – офтальмолог ЦПС, который работает непосредственно с пациентом и ведет его историю болезни.

Рис. 1. Схема функциональной работы системы поддержки принятия врачебных решений для скрининга диабетической ретинопатии на территории Томской области

Процесс функциональной работы системы изображен на рисунке 1 и включает передачу цифровых ретинальных фотографий из медицинских организаций амбулаторно-поликлинического звена в ЦПС по защищенному каналу VipNet, где цифровые изображения автоматически загружаются в базу программы. Модель машинного обучения, входящая в систему, может эффективно диагностировать ДР по снимкам глазного дна по принципу «наличия или отсутствия» ДР. Данные обо всех пациентах с СД, участвующих в цифровом скрининге ДР, автоматически сохраняются в системе, формируя «Офтальмологический электронный паспорт», регистрируются в МИС «БАРС» Томской области, формируя «Регистр» больных ДР по следующим основным параметрам (рисунок 2):

1. Фамилия, Имя, Отчество
2. Пол
3. Возраст
4. Дата приема
5. Вероятность ДР (заключение нейросети)
6. Результаты оценки цифровой ретинальной фотографии врачом-офтальмологом

Рис. 2. Основные параметры базы данных пациентов, участвующих в скрининге диабетической ретинопатии на территории Томской области

СППВР «ОФТАЛЬМИК+» позволяет определить вероятность патологического процесса на глазном дне в диапазоне от 0 до 100%, причем снимки с низким процентом вероятности выделены синим цветом, а с высоким процентом – красным. При этом функция машинного обучения постоянно используется в системе для улучшения собственной способности принятия решений. Важными параметрами системы, которые характеризуют достоверность полученных результатов, являются программные показатели чувствительности и специфичности, а также доля ложноположительных и ложноотрицательных результатов оценки.

Пример работы системы представлен ниже.

На рисунке 3 представлены снимки глазного дна с определенной при помощи СППВР вероятности патологии, выраженной в процентах.

Рис. 3. Снимки глазного дна с определенной при помощи системы поддержки принятия врачебных решений вероятности патологии, %

На данном рисунке представлены фотографии глазного дна больных СД, проанализированные автоматической системой и врачом - диагностом. Заключение, сформированное системой: вероятность наличия ДР, выраженная в процентах. Заключение, сформированное врачом - диагностом: норма (NORMA), наличие непролиферативной ДР (NPDR), наличие препролиферативной ДР (PrePDR), наличие пролиферативной ДР (PDR).

Необходимо отметить, что в ряде случаев показатель остроты зрения не отражает объективного состояния глазного дна при ДР разных стадий. В практике врача-офтальмолога имеют место случаи, когда острота зрения даже при поздней, пролиферативной ДР сохраняется на высоком уровне, вплоть до 100%, поэтому скрининг ДР на основе цифровой фоторегистрации глазного дна, выявление ДР на ранней стадии является одним из важных мероприятий по предотвращению инвалидности и слепоты у пациентов с СД (рисунок 4).

Рис. 4. Фото глазного дна больных сахарным диабетом без диабетической ретинопатиии (слева) и с пролиферативной диабетической ретинопатией (справа) при сохранной остроте зрения

Обсуждение полученных результатов

Учитывая, что скрининг ДР признан одной из эффективных мер по предотвращению нарушений зрения и слепоты, а программы автоматизированной обработки изображений сетчатки значительно увеличивают точность диагностики и сокращают время, затрачиваемое врачами-офтальмологами на анализ большого количества снимков, внедрение новой модели организации медицинской помощи больным с заболеваниями сетчатки на основе цифрового скрининга с применением технологий СППВР является необходимым условием по снижению инвалидности и экономического бремени лечения запущенных стадий ДР. При этом врачи-офтальмологи и другие специалисты получают удобный цифровой инструмент в диагностике ДР, который позволяет объективно оценить состояние глазного дна у больных СД, тем самым обеспечивая раннюю диагностику и раннее начало лечения заболевания, а также решает задачи по сбору и хранению снимков глазного дна. Также, система позволяет рассмотреть вопрос о создании электронного регистра ДР на региональном уровне, который будет постоянно дополняться данными о новых пациентах с СД, прошедших цифровой скрининг, и их медицинских данных, указанных в медицинских информационных системах.

Основными функциями регистра ДР на региональном уровне могут является:

1. Оценка состояния глазного дна пациента с ДР на данный момент и в динамике
2. Оценка эффективности проведенного специализированного лечения ДР
3. Оценка качества оказанной медицинской помощи пациенту с ДР
4. Оценка объемов оказанной медицинской помощи, число случаев госпитализации, затрат финансовых ресурсов системы здравоохранения
5. Оценка влияния факторов риска течения СД на развитие микроангиопатий, в т.ч. ДР.

Опыт использования СППВР «ОФТАЛЬМИК+» в Томской области показывает, что наполнение базы данных ДР позволяет решать важные задачи по сбору, хранению, обработке персональных и специальных сведений о пациентах с СД и ДР, получению объективной информации в динамике с целью принятия эффективных врачебных решений в отношении диагностики и лечения пациентов с ДР, формирование необходимых отчетных данных с целью анализа динамики заболеваемости ДР, оценке качества проводимого лечения.

В работе с электронной базой данных ДР в Томской области принимают участие несколько групп специалистов: медицинский персонал, наполняющий регистр данными, управленческий персонал, использующий данные регистра для экспертной оценки ситуации и принятия решений, технический персонал, решающий задачи по обеспечению работоспособности регистра и технической поддержке, сервисному обслуживанию всех электронных систем.

Помимо указанных преимуществ СППВР в программе «ОФТАЛЬМИК+» дополнительно возможна оценка таких статистических параметров как численность мужчин и женщин с СД, распределение их по возрасту, норме и патологии глазного дна, в том числе в разрезе возрастных групп: до 18 лет; 18 – 30 лет; 30 – 45 лет; 45 – 60 лет; старше 60 лет.

При этом, важным вопросом является достижение оптимальных параметров нейросети, которые характеризуют достоверность полученных результатов, а именно показатели чувствительности и специфичности. Метрические характеристики системы следующие: чувствительность = 95%, специфичность = 94%. Средневзвешенная оценка 95 %. Учитывая предложения Британской диабетической ассоциации по параметрам программных показателей чувствительности и специфичности [15], полученные метрические характеристики системы «ОФТАЛЬМИК+» соответствуют установленным критериям чувствительности и специфичности. Система высокочувствительна и высокоспецифична.

Таким образом, автоматическая система хранения снимков глазного дна со встроенной системой поддержки принятия врачебных решений «ОФТАЛЬМИК+» достаточно достоверно диагностирует наличие ДР, существенно ускоряет процесс обработки изображений глазного дна, что позволяет провести скрининг большему количеству больных СД, уменьшить нагрузку на врача - офтальмолога, вовремя определить заболевание и раньше начать лечение.

Выводы:

1. В Томской области разработана и внедрена автоматическая система хранения снимков глазного дна со встроенной системой поддержки принятия врачебных решений «ОФТАЛЬМИК+».
2. Система поддержки принятия врачебных решений «ОФТАЛЬМИК+» позволяет достоверно диагностировать наличие ДР, что помогает врачу-офтальмологу минимизировать диагностические ошибки.
3. Система поддержки принятия врачебных решений «ОФТАЛЬМИК+» позволяет существенно ускорить время анализа фотографии глазного дна, что снижает врачебные временные затраты на диагностическое исследование.
4. Для полного использования всех возможностей автоматизированной системы необходима её интеграция с моделью организации медицинской помощи пациентам с диабетической ретинопатией.

Библиография

1. Мошетова Л.К., Воробьева И.В., Гигинеишвили Д.Н., Нешкова Е.А. Методы ранней диагностики и профилактики инвалидизирующих осложнений диабетической ретинопатии при сочетанном течении сахарного диабета 2-го типа и гипертонической болезни. Медико-социальная экспертиза и реабилитация. 2015; 18 (2): 12–18.
2. Нероев В.В., Зайцева О.В., Михайлова Л.А. Распространенность диабетической ретинопатии в Российской Федерации по данным федеральной статистики. Российский офтальмологический журнал. 2023;16(3):7-11. DOI: https://doi.org/10.21516/2072-0076-2023-16-3-7-11]
3. Скрининг на диабетическую ретинопатию: Повышение эффективности, максимальное увеличение пользы и минимизация вреда. краткое руководство. Копенгаген: Европейское региональное бюро ВОЗ; 2021. Лицензия: CCBY-NC-SA3.0IGO (https://apps.who.int/iris/bitstream/handle/10665/330828/9789289054812-rus.pdf)
4. London AJ. Artificial intelligence in medicine: overcoming or recapitulating structural challenges to improving patient care? Cell Rep Med 2022; 3(5):100622. DOI: 10.1016/j.xcrm.2022.100622
5. Benet D, Pellicer-Valero OJ. Artificial intelligence: the unstoppable revolution in ophthalmology. Surv Ophthalmol 2022; 67(1):252–70. DOI: 10.1016/j.survophthal.2021.03.003
6. Wang Z, Li Z, Li K, Mu S, Zhou X and Di Y Performance of artificial intelligence in diabetic retinopathy screening: a systematic review and meta-analysis of prospective studies. Front. Endocrinol 2023; 14:1197783. DOI: 10.3389/fendo.2023.1197783
7. Dai L, Wu L, Li H, Cai C, Wu Q, Kong H, et al. A deep learning system for detecting diabetic retinopathy across the disease spectrum. Nat Commun. 2021 May 28;12(1):3242. DOI: 10.1038/s41467-021-23458-5.
8. Yang C, Liu Q, Guo H, Zhang M, Zhang L, Zhang G, et al. Usefulness of machine learning for identification of referable diabetic retinopathy in a Large-scale population-based study. Front Med 2021; 8:7738815. DOI: 10.3389/fmed.2021.773881
9. Демидова Т.Ю., Кожевников А.А. Барометр диабетической ретинопатии: актуальные вопросы и перспективы. РМЖ. Медицинское обозрение. 2019;3(10(II)):128-134.
10. Wewetzer L, Held LA, Steinhäuser J () Diagnostic performance of deep-learning-based screening methods for diabetic retinopathy in primary care—A meta-analysis. PLoS ONE 2021; 16(8): e0255034. DOI: https://doi.org/10.1371/journal.pone.0255034
11. Norgaard MF, Grauslund J. Automated Screening for Diabetic Retinopathy - A Systematic Review. Ophthalmic Res. 2018;60(1):9-17. DOI: 10.1159/000486284
12. Павлов В.Г., Сидамонидзе А.Л., Петрачков Д.В. Современные тенденции скрининга диабетической ретинопатии. Вестник офтальмологии. 2020;136(4):300‑309. DOI: https://doi.org/10.17116/oftalma2020136042300
13. Колбин А.С., Касимова А.Р., Балыкина Ю.Е., Проскурин М.А. Социально-экономическое бремя диабетической ретинопатии и диабетического макулярного отека в Российской Федерации. 2022;. 10(4):17-21 DOI: https://doi.org/10.30809/phe.4.2022.3
14. Anand E. Rajesh, Oliver Q. Davidson, Cecilia S. Lee, Aaron Y. Lee; Artificial Intelligence and Diabetic Retinopathy: AI Framework, Prospective Studies, Head-to-head Validation, and Cost-effectiveness. Diabetes Care 1 October 2023; 46 (10): 1728–1739. DOI: https://doi.org/10.2337/dci23-0032
15. Papavasileiou E, Dereklis D, Oikonomidis P, Grixti A, Vineeth Kumar B, Prasad S. An effective programme to systematic diabetic retinopathy screening in order to reduce diabetic retinopathy blindness. Hell J Nucl Med. 2014 Jan-Apr;17 Suppl 1:30-4.

References

1. Moshetova L.K., Vorob'eva I.V., Gigineishvili D.N., Neshkova E.A. Metody rannej diagnostiki i profilaktiki invalidizirujushhih oslozhnenij diabeticheskoj retinopatii pri sochetannom techenii saharnogo diabeta 2-go tipa i gipertonicheskoj bolezni. Mediko-social'naja jekspertiza i reabilitacija. 2015; 18 (2): 12–18.
2. Neroev V.V., Zajceva O.V., Mihajlova L.A. Rasprostranennost' diabeticheskoj retinopatii v Rossijskoj Federacii po dannym federal'noj statistiki[Diabetic retinopathy prevalence in the Russian Federation according to all-Russia statistics]. Rossijskij oftal'mologicheskij zhurnal [Russian Ophthalmological Journal]. 2023;16(3):7-11. https://doi.org/10.21516/2072-0076-2023-16-3-7-11. (In Russ.)
3. Skrining na diabeticheskuju retinopatiju: Povyshenie jeffektivnosti, maksimal'noe uvelichenie pol'zy i minimizacija vreda. kratkoe rukovodstvo. Kopengagen: Evropejskoe regional'noe bjuro VOZ; 2021. Licenzija: CCBY-NC-SA3.0IGO (https://apps.who.int/iris/bitstream/handle/10665/330828/9789289054812-rus.pdf)
4. London AJ. Artificial intelligence in medicine: overcoming or recapitulating structural challenges to improving patient care? Cell Rep Med (2022) 3(5):100622. doi: 10.1016/j.xcrm.2022.100622
5. Benet D, Pellicer-Valero OJ. Artificial intelligence: the unstoppable revolution in ophthalmology. Surv Ophthalmol (2022) 67(1):252–70. doi: 10.1016/j.survophthal.2021.03.003
6. Wang Z, Li Z, Li K, Mu S, Zhou X and Di Y (2023) Performance of artificial intelligence in diabetic retinopathy screening: a systematic review and meta-analysis of prospective studies. Front. Endocrinol. 14:1197783. doi: 10.3389/fendo.2023.1197783
7. Dai L, Wu L, Li H, Cai C, Wu Q, Kong H, et al. A deep learning system for detecting diabetic retinopathy across the disease spectrum. Nat Commun. 2021 May 28;12(1):3242. DOI: 10.1038/s41467-021-23458-5. PMID: 34050158; PMCID: PMC8163820.
8. Yang C, Liu Q, Guo H, Zhang M, Zhang L, Zhang G, et al. Usefulness of machine learning for identification of referable diabetic retinopathy in a Large-scale population-based study. Front Med (2021) 8:7738815. doi: 10.3389/fmed.2021.773881
9. Demidova T.Ju., Kozhevnikov A.A. Barometr diabeticheskoj retinopatii: aktual'nye voprosy i perspektivy. RMZh. Medicinskoe obozrenie. 2019;3(10(II)):128-134.
10. Wewetzer L, Held LA, Steinhäuser J (2021) Diagnostic performance of deep-learning-based screening methods for diabetic retinopathy in primary care—A meta-analysis. PLoS ONE 16(8): e0255034. https://doi.org/10.1371/journal.pone.0255034
11. Norgaard MF, Grauslund J. Automated Screening for Diabetic Retinopathy - A Systematic Review. Ophthalmic Res. 2018;60(1):9-17. doi: 10.1159/000486284. Epub 2018 Jan 16. PMID: 29339646.
12. Pavlov V.G., Sidamonidze A.L., Petrachkov D.V. Sovremennye tendencii skrininga diabeticheskoj retinopatii[Current trends in the screening for diabetic retinopathy]. Vestnik Oftalmologii[Ophthalmology Bulletin]. 2020;136(4):300‑309. https://doi.org/10.17116/oftalma2020136042300 (In Russ.)
13. Kolbin A.S., Kasimova A.R., Balykina Ju.E., Proskurin M.A. Social'no-jekonomicheskoe bremja diabeticheskoj retinopatii i diabeticheskogo makuljarnogo oteka v Rossijskoj Federacii . - 2022. - T.10, №4. - S. 17-21 DOI: https://doi.org/10.30809/phe.4.2022.3
14. Anand E. Rajesh, Oliver Q. Davidson, Cecilia S. Lee, Aaron Y. Lee; Artificial Intelligence and Diabetic Retinopathy: AI Framework, Prospective Studies, Head-to-head Validation, and Cost-effectiveness. Diabetes Care 1 October 2023; 46 (10): 1728–1739. https://doi.org/10.2337/dci23-0032
15. Papavasileiou E, Dereklis D, Oikonomidis P, Grixti A, Vineeth Kumar B, Prasad S. An effective programme to systematic diabetic retinopathy screening in order to reduce diabetic retinopathy blindness. Hell J Nucl Med. 2014 Jan-Apr;17 Suppl 1:30-4. PMID: 24392466.

Дата поступления: 20.06.2024

Добавить комментарий

Пожалуйста оставляйте комментарии только по теме. Вы можете оставить свой комментарий любым браузером кроме Internet Explorer старше 6.0
Имя:
E-mail
Комментарий:
Код:*