Autor : Dr Antonia Matijević Pot, spec.oftalmologije

Bolnica ‘’Danilo I’’ , Cetinje

Teleoftalmologija – pojam još uvijek relativno nepoznat kod nas, je grana telemedicine koja koristeći telekomunikacijske tehnologije omogućava pacijentima da dobiju dijagnozu ili savjete ljekara bez direktnog kontakta sa njim. Teleoftalmološka dijagnostika bolesti poput DR, AMD, glaukoma, ROP već se primijenjuju u praksi u određenim zemljama                                                                                         

Primjena AI (vještačke inteligencije) u oftalmologiji podrazumijeva upotrebu  algoritama dizajniranih za detekciju i evaluaciju ranih znakova DR, nAMD, glaukoma, kao i drugih stanja. Inkorporacija novih tehnologija u svakodnevnu praksu omogućava brzu razmjenu podataka i skraćuje vrijeme pregleda. Ipak, teleoftalmologija tek treba da zaživi u mnogim zemljama.  Upotreba web tehnologija , pruža bržu i efikasniju njegu pacijentima u ruralnim područjima, kao  i slabije pokretnim pacijentima, a doprinosi i boljoj razmjeni informacija među ljekarima, kao i edukaciji.

Do sada su sprovedene mnoge studije koje su istraživale benefite teleoftalmologije, kada su u pitanju efikasnost, pouzdanost i isplativost. Osvrnuću se na nekoliko njih.

Tele-ROP skrining kod prijevremeno rođenih beba wide-field digitalnom fundus kamerom zahtijeva manje vremena nego klasična oftalmoskopija. Dobar primjer iz prakse predstavlja The Stanford University Network for Diagnosis of Retinopathy of Prematurity (SUNDROP) – tele-ROP mreža kojom se slike koje prave obučene sestre sa neonatologije šalju timu eksperata na evaluaciju. Studija koja je sprovodjena od 2005-2011. pokazala je da je u tumačenju dobijenih fotografija senzitivnost 100% a specifičnost 99,8%, PPV=95,5%, NPV=100%. Od 608 pregledanih prijevremeno rođenih beba 3,6% su imala TW-ROP.

Tele-DR skrining kod dijabetičara uz pomoć web-based softvera, može se sprovoditi i na nivou  primarne zdravstvene zaštite. Ophthalmology Diabetes Telemedicine (OPHDIAT) u Francuskoj je od 2004-2006. pratio 13 777 dijabetičara i detektovao DR kod 23,4%, od čega 5.6% sa svere NPDR, PDR i/ili edemom makule.

Kanagasingam sa saradnicima je istraživao mogućnosti teleskrininga AMD uz pomoć fundus fotografija visoke rezolucije i OCT skenova.

Bolesti retine, zbog načina dijagnostike, naročito su pogodne za inkorporaciju AI sistema. Konkretno, u oftalmologiji se trenutno koriste ML (machine learning) I DL (deep learning) sistemi. To su alati dizajnirani za evaluaciju i praćenje progresije najčešćih retinalnih bolesti. Faes i saradnici su razvili algoritme za detekciju druza, nAMD, i DME  sa senzitivnošću 97.3% , specifičnošću 100% i PPV 97.7%. Nekoliko autora je zaključilo da je DL u retinalnom imidžingu koristan alat za detekciju različitih tipova fluida kod najčešćih bolesti makule. Pored bolesti retine  AI sistemi imaju primjenu u dijagnostici katarakte i predvidjanju refraktivnog ishoda operacije.

Glavni izazovi u implementaciji AI tehnologija u oftalmologiji poznati su kao `black box` problem, u prevodu – ljekari ne mogu u potpunosti da se oslone na rezultat koji ima daje  AI jer nemaju u potpunosti uvid u način na koji mašina dolazi do zaključka. Takođe, ML modeli još uvijek nisu u stanju da na fundus fotografijama detektuju artefakte, neklasifikovane hemoragije, a ponekad i mikroanurizme.

Razvoj telemedicine je ubrzan, naročito nakon COVID-19 pandemije. Međutim, njeno usvajanje u velikoj mjeri je ograničeno nedostatkom odgovarajućih tehnologija na pojedinim mjestima, kao i skeptičnosti medicinskog osoblja prema novim tehnologijama.

Nema sumnje da će dalja nadogradnja i primjena ovih inovativnih metoda imati brojne benefite, kako za pacijente, tako i za oftalmologe i istraživače koji će potom usavršiti smjernice liječenja. 

Literatura:

• 1. Souza GF de, Figueira RM, Alkmim MB, Sousa LAP de, Bonisson L, Ribeiro ALP, et al. Teleophthalmology Screening for Diabetic Retinopathy in Brazil: Applicability and Economic Assessment. Telemedicine and e-Health [Internet].
• 2020 Mar 1 [cited 2022 Jun 11];26(3):341– 6. Dostupno na: https://pubmed.ncbi.nlm.nih.gov/30994411/
• 2. O.Kesary Sreelatha, S.V.Subbu Ramesh Tepeophthalmology: Improving patient outcomes. Clinical opthtalmology journal.
• 3. A.S.Ahuja, I.V.Wagner, S.Dorairaj, L.Checo, R.Ten Hulzen. Artificial intelligence in ophthalmology: A multidisciplinary approach. Elsevier journal.
• 4. Martin- Pindarel R., Izguierdo- Serra J., De Zanet S. et al. Ophthalmology Epub: Artificial intelligence-based fluid quantification and associated visual outcomes in real-world, multicentre neovascular age-related macular degeneration national database.

• M-ME-00000782