Diabētiskās retinopātijas skrīnings optometrista praksē
Author
Novikovs, Edgars
Co-author
Latvijas Universitāte. Fizikas, matemātikas un optometrijas fakultāte
Advisor
Petroviča, Inese
Date
2020Metadata
Show full item recordAbstract
Maģistra darbs uzrakstīts latviešu valodā uz 46 lapām, satur 21 attēlu, 12 tabulas, 2 pielikumus un 105 atsauces uz literatūras avotiem. Darba mērķis: novērtēt optometristu un automātiskās skrīninga programmatūras prasmes atpazīt diabētiskās retinopātijas pazīmes. Pētījuma dalībnieki: pētījumā piedalījās 2 oftalmologi, 14 optometristi un automatizētā skrīninga programmatūra AI Avenue. Metode: 196 tīklenes attēliem tika veikts skrīninga tests atbilstoši starptautiskās diabētiskās retinopātijas klasifikācijai. Rezultāti: Rekomendēto testa standartu – jutība un specifiskums ≥ 80% sasniedza oftalmologs un 2 optometristi. AI Avenue sasniedza vienīgi rekomendēto testa specifiskumu. Secinājumi: AI Avenue ļoti labi atpazīst gadījumus, kad nav saslimšana, savukārt optometristiem ir tendence kļūdaini pozitīvi diagnosticēt slimību. Atslēgas vārdi: cukura diabēts, diabētiskā retinopātija, diabētiskā makulas tūska, automatizēta skrīninga programmatūra. Master thesis is written in Latvian. It contains 46 pages, 21 images, 12 tables, 105 references and 2 attachments. Purpose: To evaluate the skills of optometrists and automatic diabetic retinopathy analysis software to recognize the signs of diabetic retinopathy. Participants: The study included 17 participants – 2 ophthalmologists, 14 optometrists and 1 automatic diabetic retinopathy screening software AI Avenue. Methods: The grading according International Diabetic Retinopathy Classification of 196 retinal images provided by participants. Results: The recommended test standard – sensitivity and specificity are more or equal to 80% was reached by 3 participants – ophthalmologist and 2 optometrists. AI Avenue reached only recommended test specificity ≥ 80.00%. Conclusions: AI Avenue recognizes cases of non-disease very well, while optometrists tend to misdiagnose the grade of disease. Key words: diabetes mellitus, diabetic retinopathy, diabetic macular oedema, automated detection of diabetic retinopathy.