aEye

Projektet løb fra primo 2022 til ultimo 2023. Den præcise implementeringsdato var ikke angivet.

Systemet anvender deep learning-algoritmer til at analysere OCT-scanninger og kan identificere makulært ødem med en nøjagtighed på 90,9%, hvilket svarer til klinisk beslutningstagen. Algoritmen kunne træffe selvstændige beslutninger i 73% af tilfældene, hvoraf 91,8% stemte overens med en klinisk eksperts vurdering. Den kan derfor understøtte beslutninger om behandling, observation eller afslutning af behandling, men i visse tilfælde vil en læges vurdering stadig være nødvendig. 

Algoritmen er trænet på data fra 50.439 OCT'er fra Øjenklinikken på Rigshospitalet-Glostrup. 

De indledende resultater er baseret på analyse af ca. 15.000 historiske kontrolundersøgelser, som viser en høj nøjagtighed i replikering af klinikerens beslutninger. 

Begrundelsen for indføring af systemet er at håndtere den forventede stigning i AMD-patienter (op til 50% frem mod 2030), øge kapaciteten, frigøre ressourcer til komplekse patienter og reducere ventetider. 

Lignende systemer er blevet udviklet internationalt. For eksempel har Schmidt-Erfurt et al. konstrueret en algoritme, der kan omsætte todimensionelle OCT'er til tredimensionelle målinger af væskevolumen i retinale spalterum og opnå en prædiktion af rette behandlingsregime på 87%.