ŚWIAT

Sztuczna inteligencja i samodoskonalące się algorytmy, to narzędzia, z których ambitni okuliści i optometryści będą już niedługo korzystać na co dzień, gdyż pozwalają one na obsługę znacznie większych grup pacjentów w krótszym czasie i z lepszym skutkiem, niż za pomocą tradycyjnych metod. Czy to możliwe? Setki doświadczonych specjalistów zebrało się w Madrycie, by zapoznać się z największymi osiągnięciami na polu wykrywania jaskry, która jest przyczyną cierpienia około 70 milionów ludzi na świecie, a 7 milionom odbiera wzrok na zawsze. W Polsce szacuje się, że chorych na jaskrę jest około 700 000, a jedynie 417 000 jest zarejestrowanych, w trakcie leczenia. Czy jest szansa, że wykryjemy ją u osób nieświadomych choroby i zapobiegniemy ślepocie dzięki nowym wynalazkom?

Osoba chora na jaskrę nie od razu zauważy utratę komfortu widzenia, gdyż mózg potrafi uzupełniać brakujące elementy, które przestaje widzieć oko. Nie ma zjawiska bólu. Dopiero po upływie dłuższego czasu osoba chorująca na jaskrę odczuwa zawężenie pola widzenia, zauważa fakt, że często potyka się na prostej drodze, niechcący potrąca ludzi, upuszcza przedmioty, a nawet powoduje wypadki samochodowe. Gdy już zaczyna oddalać od oczu tekst podczas czytania, to wybiera się do specjalisty, ale wtedy najczęściej jest już za późno, by cofnąć efekt choroby. Można jedynie walczyć o to, by zatrzymać jej rozwój.

Innymi objawami zwiększającymi ryzyko wystąpienia jaskry mogą być zimne stopy, bezdech senny, migreny oraz niskie ciśnienie, bóle oczu po przebudzeniu. Objawy, całkiem niezauważone, mogą rozwijać się przez dekadę lub dwie, a choroba nerwu wzrokowego atakuje w międzyczasie miliony neuronów, doprowadzając ostatecznie do ich zaniku. Bez nerwu wzrokowego, oko nie jest w stanie przekazać impulsów do mózgu. Przestajemy widzieć.

Wielokrotny wynalazca, profesor Gonzalez de la Rosa został poproszony o wystąpienie podczas dwóch wydarzeń w Madrycie, w marcu i kwietniu 2019 roku. Pierwszym z nich był coroczny kongres Spanish Glaucoma Society, podczas którego przedstawił on ogólny zarys projektu oraz wyniki programu Laguna ONhE (Laguna Optic Nerve Head) do analizy perfuzji[1] tarczy nerwu wzrokowego poprzez zautomatyzowaną analizę kolorowych fotografii. Algorytm wykonujący tę analizę został stworzony przez firmę INSOFT S.L pod kierunkiem profesora GR i wprowadzony na rynek przez duńską firmę Retinalyze.

Drugie wydarzenie, gdzie zaprezentowane zostało powyższe rozwiązanie, to „Międzynarodowe Sympozjum Kontrowersji na temat Jaskry”, które od 19 lat organizują profesorowie Julián García Sanchez, Julian García-Feijoó i Jose María Martinez de la Casa, we współpracy z laboratoriami Allergan.

W każdym z powyższych wydarzeń uczestniczyło około 500 specjalistów zajmujących się zagadnieniem jaskry. W efekcie tych konferencji i obu wystąpień, szpitale Ramón y Cajal w Madrycie i Clínico w Barcelonie, dwie nowe grupy ze szpitala Clínico San Carlos w Madrycie i szpitala Miguel Servet de Zaragoza, dołączyły do ośrodków, które prowadzą badania nad tą metodą.

Podczas pierwszego wydarzenia, profesor de la Rosa przypomniał, że jaskra jest zespołem neuropatii wzrokowych o wspólnej ogólnej charakterystyce: śmierć włókien nerwowych siatkówki, które prowadzą do postępującej i nieodwracalnej utraty wzroku, głównie z powodu źle tolerowanego podwyższonego ciśnienia wewnątrzgałkowego, ale również jest efektem wielu dodatkowych czynników, w tym złej perfuzji krwi. Obecna technologia pomiaru grubości włókien nerwowych siatkówki oraz kształtu i wyglądu tarczy nerwu wzrokowego, jak również funkcji widzenia obwodowego, jest potrzebna do trafnej diagnozy, ale jest droga, czasochłonna i w dużej mierze oparta o subiektywną wiedzę specjalisty.

Koncepcja Laguna ONhE została opracowana jako stosunkowo tania i prosta metoda analizy kondycji nerwu wzrokowego, zabarwienia dna oka, analizowania jego cech oraz porównywania z obszerną bazą zdrowych nerwów i nerwów z jaskrą. Automatycznie identyfikuje krawędź nerwu, wykorzystując techniki Deep Learning i analizuje zawartość hemoglobiny w obszarze tarczy, zapewniając wskaźnik Globin Distribution Factor (GDF).

Zastosowane techniki głębokiego uczenia się do segmentacji naczyń i uzyskania klasyfikatorów, pozwalają zidentyfikować różnice między wynikami w oku pacjentów zdrowych z tymi z przypadkiem jaskry. Metodę wykorzystano w przypadku 1397 zdrowych i 1434 podejrzewanych o jaskrę. Metoda osiągnęła wysoką czułość: 84,6%, przy zachowaniu bardzo wysokiej swoistości: 99%. Wysoka swoistość jest niezbędna, zwłaszcza dla badań przesiewowych, aby uniknąć dużej liczby fałszywie pozytywnych wyników diagnoz, które mogłyby niepotrzebnie nasycić systemy opieki zdrowotnej, by potwierdzić postawioną ocenę ryzyka w kierunku jaskry.

Dokonano ponownej analizy danych uzyskanych w poprzednich badaniach, z zastosowaniem najnowszej wersji metody, w której porównano wyniki indeksu GDF Laguna ONhE z perymetrią i OCT Cirrus i Spectralis. Nowe wyniki czekają na opublikowanie, ale już teraz można powiedzieć, że:
– uzyskano wartości czułości i swoistości wyższe niż wskaźniki OCT
– w niektórych przypadkach osiągnięto znaczącą istotność statystyczną, a w innych nie, ale widać, że wyniki te nie są gorsze.

W drugim z wykładów przeanalizowane zostały wyniki uzyskane przez powiązanie indeksu Laguna ONhE GDF oraz OCT z wskaźnikami perymetrycznymi, zwłaszcza te analizujące nieprawidłowości pola widzenia. Wśród nich są PSD obwodów Humphrey i Oculus i ich odpowiednik (sLV) w obwodzie Octopus oraz nowy wskaźnik nieprawidłowości, który został opatentowany i nazwany Thresholds Coefficient of Variation (TCV), który bada harmonię i symetrię 18-punktowego centralnego pola widzenia. Uzyskane wyniki wskazują, że w tym przypadku powiązanie metody Laguna ONhE z perymetrią zapewnia znacznie lepsze wyniki w odniesieniu do dowolnych skojarzeń między indeksami OCT i perymetrią, z wysoką istotnością statystyczną.

Podsumowując, można stwierdzić, że po ponad 60 000 ocenach wykonanych algorytmem na duńskiej platformie Retinalyze, zdjęcia siatkówki mogły być analizowane w pierwszej próbie już w około 89,3% przypadków, a dalsze 8,9% potrzebowało drugiej fotografii ze względu na nadmierne oświetlenie lub z uwagi na niewystarczającą jakość, a jedynie niewielki procent przypadków nie mógł zostać przeanalizowany z powodu zaawansowanej zaćmy lub z powodu innych problemów.

Nowa wersja programu dostarcza informacji o rozmiarze tarczy nerwu wzrokowego, a jak wiadomo, duże tarcze mają zazwyczaj większe zagłębienia naczyniowe. Operator algorytmu otrzymuje obszar tarczy w percentylach w odniesieniu do częstotliwości w badanej populacji (zakres 0-1), aby z właściwą ostrożnością interpretować wyniki, uzyskane w wyjątkowo dużych tarczach nerwu wzrokowego.

Odbiór obu wykładów był bardzo pozytywny, a na zjeździe Hiszpańskiego Towarzystwa ds. Jaskry była też okazja poddać się analizie na żywo za pomocą algorytmu Retinalyze, online w czasie rzeczywistym. Uczestnicy byli pod dużym wrażeniem systemu, który podawał wynik w ciągu 30 sekund, oraz dlatego, że pozostali mówcy nie przedstawili rzeczywistych rozwiązań, ale dopiero pomysły na przyszłe produkty lub usługi.

Innowacyjność pomysłu profesora Manuel Gonzalez de la Rosa, zastosowanego w algorytmie Retinalyze polega na tym, że badanie koncentruje się nie na ciśnieniu w gałce ocznej (co jest również istotnym elementem tradycyjnej metody oceny ryzyka zmian jaskrowych), ale zabarwienia hemoglobiny w określonych segmentach tarczy nerwu wzrokowego [2]. Wysokie wskaźniki czułości i swoistości pozwalają mieć nadzieję na znaczne obniżenie kosztów badań przesiewowych, które mogą być zakrojone na dużą skalę za pomocą sztucznej inteligencji, a do specjalistów kierować wyłącznie przypadki wymagające potwierdzenia choroby i odpowiedniego leczenia. System ten jest już dostępny również w Polsce [3].

_______

Badacz i wynalazca, profesor Manuel Gonzalez de la Rosa, poświęcił blisko 50 lat swojego życia na doskonalenie metod wykrywania jaskry. Zanim stał się znanym specjalistą w dziedzinie jaskry, realizował się zarówno jako klinicysta, jak i badacz, co doprowadziło go do praktyki w różnych miejscach w Hiszpanii, od Madrytu po Wyspy Kanaryjskie. Uzyskał doktorat w wieku 26 lat, 2 lata później został kierownikiem Sekcji Jaskry w Ramon y Cajal Hospital w Madrycie, był wykładowcą uniwersyteckim w wieku 32 lat, kierownikiem oddziału okulistycznego szpitala Universitario de Canarias w wieku 34 lat i profesorem na uczelni Universidad de La Laguna (Hiszpania) w wieku 36 lat.

Hiszpańskie Towarzystwo Okulistyczne przyznało mu nagrodę Castroviejo jako najważniejszemu hiszpańskiemu okuliście. Zawsze szukając sposobów na poprawę skuteczności wykrywania jaskry w praktyce klinicznej, opracował strategię perymetryczną TOP (Tendency Oriented Perimetry), technikę perymetryczną PULSAR (obwody Octopus Haag-Streit), strategię SPARK, analizę progresji TNT (Threshold Noiseless Trend) i metodę Laguna ONhE do oceny hemoglobiny za pomocą barwnych retinografii.

Członek m.in. Towarzystwa Obrazowania i Perymetrii (IPS), pracuje jako recenzent dla wielu prestiżowych czasopism, takich jak British Journal of Ophthalmology, European Journal of Ophthalmology, Investigative Ophthalmology and Vision Science, Eye, Optometry and Vision Science i inne. Opublikował ponad 175 artykułów w czasopismach i książkach okulistycznych. Obecnie opiekuje się 24 pracami doktorskimi, jest wynalazcą 13 różnych patentów, stanowi część duńskiego zespołu Retinalyze, o którym więcej można przeczytać na www.retinalyze.pl.

_______

[1] Perfuzja oczna jest bardzo ważna dla prawidłowego ukrwienia nerwu wzrokowego i jest całkowicie zależna od obniżonego ciśnienia tętniczego, a nieprawidłowa regulacja naczyniowa w jaskrze nie pozwala na odpowiednią adaptację oka do zmian wartości ciśnienia tętniczego.

[2] A fully automatic delimitation of the optic nerve head allows the correct, reproducible and efficient use of the Laguna ONhE method, and its effectiveness is greatly increased if associated with a perimetric harmony index.” Publikacja z dnia 05.11.2018 pt. „Segmentation of the Optic Nerve Head Based on Deep Learning to Determine its Hemoglobin Content in Normal and Glaucomatous Subjects” w czasopiśmie Journal of Clinical & Experimental Ophthalmology

[3] Więcej informacji na stronie www.retinalyze.pl   kontakt@retinalyze.pl

_______

Czy sztuczną inteligencję można wykorzystać do czegoś więcej niż „tylko” programu badań przesiewowych? Tak!‍ Artykuł, który ukazał się w prestiżowym British Journal of Ophthalmology, wykazuje, że Laguna ONhE/RetinaLyze Glaucoma ma zdolność diagnostyczną podobną do nowoczesnej i drogiej Angio-OCT.

Badanie porównuje możliwości diagnostyczne angiografii optycznej koherentnej tomografii (OCT-A) i kolorymetrycznej oceny hemoglobiny ONH (jaskra RetinaLyze) u pacjentów z jaskrą otwartego kąta (OAG). Wniosek jest taki, że program RetinaLyze Glaucoma i OCT-A mają podobną trafność diagnostyczną u pacjentów z jaskrą otwartego kąta.

Oznacza to, że algorytm RetinaLyze Glaucoma może być wykorzystywany nie tylko jako program badań przesiewowych przez optometrystów i personel kliniczny, ale także stał się przedmiotem zainteresowania okulistów tak samo, jak badanie OCT.

 

Retinografia u pacjenta z jaskrą. Zdjęcie po lewej przedstawia kolorowe zdjęcie tarczy nerwu wzrokowego. Prawy obraz przedstawia odpowiedni pseudoobraz przedstawiający ilość hemoglobiny. Zimne kolory reprezentują obszary tarczy nerwu wzrokowego z mniejszą zawartością hemoglobiny. Ciepłe kolory pokazują części o najlepszej perfuzji.

 

Podobne wyniki diagnostyczne dla jaskry OCT-A i RetinaLyze

Autorami artykułu są hiszpańscy okuliści ze Szpitala Uniwersyteckiego San Carlos (Madryt) i Uniwersytetu Complutense (Madryt). Perfuzja nerwu wzrokowego zależy od trzech czynników, a mianowicie nasycenia tlenem, przepływu krwi i zawartości Hb. Sugerowano, że zmiany odbicia ONH mogą wykrywać zmiany w poziomach Hb, co może być przydatne do pośredniego pomiaru perfuzji ONH. Wykazano, że niedokrwienie nerwu wzrokowego i zmniejszony przepływ krwi w oku są związane z rozwojem i progresją jaskry.

OCT-A Nidek RS-3000 Advance umożliwia ilościową ocenę obszarów naczyniowych i gęstości naczyń oraz jest w stanie zidentyfikować zmiany gęstości naczyń okołotarczowych i plamki żółtej u pacjentów z jaskrą. Zmniejszenie gęstości naczyń wiąże się z nasileniem uszkodzenia pola widzenia niezależnie od utraty struktury. Jego zastosowanie kliniczne jest coraz powszechniejsze i wykazano jego skuteczność diagnostyczną w jaskrze.

W prospektywnym, obserwacyjnym badaniu przekrojowym 67 pacjentów z OAG i 41 zdrowych osób dopasowanych pod względem wieku i płci, miało przebadaną siatkówkę za pomocą zdjęć OCT-A. Oceniono gęstość naczyń włosowatych okołobrodawkowatych (wcpVD), nerwu wzrokowego (iVD) i plamki (wmVD) w ocenie kolorymetrycznej OCT-A i ONH (tarcza nerwu wzrokowego) w celu określenia ilości ONH Hb przy użyciu programu RetinaLyze Glaucoma. Pole powierzchni pod krzywą ROC (receiver operating character) (AUROC) do rozróżniania oczu zdrowych od oczu z jaskrą, było najwyższe dla wcpVD (0,93; 95% CI 0,86 do 0,97, p<0,0001), a następnie GDF (0,92; 95% CI 0,86 do 0,97, p<0,0001, iVD (0,79; 95% CI 0,70 do 0,86; p<0,0001) i ONH Hb (0,78; 95% CI 0,69 do 0,85, p<0,0001).

Porównania parami wykazały, że AUROC dla wcpVD (0,93) nie różniło się istotnie od GDF (0,92) (p=0,855), czyli OCT-A i RetinaLyze Glaucoma mają podobną trafność diagnostyczną u pacjentów z jaskrą otwartego kąta.

Tańsza, a tym samym bardziej dostępna metoda diagnozowania jaskry

Przewaga nad OCT-A

Procedura analizy kolorymetrycznej ma pewne zalety w porównaniu z OCT-A. Pierwsza związana jest z długością badania OCT-A. Jedną z wad OCT-A jest czas trwania badania, który jest dłuższy niż czas skanowania za pomocą SDOCT, co może oznaczać ograniczenie w diagnostyce pacjentów niewspółpracujących. W tym badaniu czterech pacjentów nie mogło zostać włączonych do ostatecznej analizy danych, trzech z nich z powodu braku współpracy uniemożliwiającej uzupełnienie analizy za pomocą OCT-A.

Słaba jakość obrazu OCT-A spowodowana błędami segmentacji sprawiła, że ​​wynik OCT-A był nieczytelny. Jednak program RetinaLyze Jaskra może być stosowany u pacjentów, którzy ze względu na słabą ostrość wzroku lub wiek nie są w stanie utrzymać wzroku we wcześniej ustalonym punkcie fiksacji, ponieważ analiza ilości ONH Hb wymaga jedynie wysokiej jakości retinografii, nawet jeśli obraz nie jest właściwie wyśrodkowany.

Niższy koszt badania dna oka w porównaniu z OCT-A

Dodatkową przewagą RetinaLyze Glaucoma nad OCT-A jest cena, która określa koszt badania dna oka, podstawowego elementu w każdej diagnostyce okulistycznej. Algorytm RetinaLyze Glaucoma to nieinwazyjna metoda, która nie jest droga, ponieważ jest wykonywana na retinografiach. Urządzenia diagnostyczne, takie jak OCT-A, są niedostępne dla wielu okulistów na całym świecie ze względu na koszty.

______

Tytuł artykułu: “Diagnostic validity of optic nerve head colorimetric assessment and optical coherence tomography angiography in patients with glaucoma”

Conclusion Laguna ONhE program and OCT-A have similar diagnostic validity in open-angle glaucoma patients.

https://bjo.bmj.com/content/105/7/957 

Autorzy: Carmen Mendez-Hernandez, Surina Wang, Paula Arribas-Pardo, Liseth Salazar-Quiñones, Noemi Güemes-Villahoz, Cristina Fernandez-Perez, Julian Garcia-Feijoo

______

O systemie RetinaLyze 

RetinaLyze System A/S to założona w 2013 roku firma zajmująca się technologią medyczną, która jest reprezentowana w 35 krajach na całym świecie. Firma dostarcza przełomowe narzędzia wspomagające podejmowanie decyzji specjalistów zajmujących się badaniem wzroku, aby umożliwić wydajne, dostępne i szybkie badania przesiewowe oczu. Wszystkie algorytmy i usługi są oznaczone znakiem CE, potwierdzone klinicznie i opatentowane.

Czułość i swoistość matematycznie opisują dokładność testu, który informuje o obecności lub braku stanu. Osoby, w przypadku których warunek jest spełniony, uważane są za „pozytywne”, a te, dla których nie jest on uważany za „negatywne”.

  • Czułość (wskaźnik prawdziwie pozytywnych) odnosi się do prawdopodobieństwa pozytywnego wyniku testu, uwarunkowanego tym, że jest on rzeczywiście pozytywny.
  • Swoistość (wskaźnik prawdziwie ujemny) odnosi się do prawdopodobieństwa negatywnego wyniku testu, uwarunkowanego faktem bycia negatywnym.

Czułość i specyficzność — lewa połowa obrazu z pełnymi kropkami reprezentuje osoby, które są chore, podczas gdy prawa połowa obrazu z pustymi kropkami reprezentuje osoby, które nie mają tej choroby. Okrąg reprezentuje wszystkie osoby, które uzyskały wynik pozytywny.

Jeśli prawdziwy warunek nie może być znany, zakłada się, że „ test Gold Standard ” jest poprawny. W teście diagnostycznym czułość jest miarą tego, jak dobrze test może identyfikować prawdziwie pozytywne wyniki, a swoistość jest miarą tego, jak dobrze test może identyfikować prawdziwie negatywne. W przypadku wszystkich testów, zarówno diagnostycznych, jak i przesiewowych, zwykle istnieje kompromis między czułością a swoistością, tak że wyższa czułość będzie oznaczać niższą swoistość i odwrotnie.

Jeśli celem testu jest zidentyfikowanie każdego, kto ma schorzenie, liczba wyników fałszywie ujemnych powinna być niska, co wymaga wysokiej czułości. Oznacza to, że osoby, które mają tę chorobę, powinny być z dużym prawdopodobieństwem zidentyfikowane jako takie przez test. Jest to szczególnie ważne, gdy konsekwencje niewyleczenia choroby są poważne i/lub leczenie jest bardzo skuteczne i ma minimalne skutki uboczne.

Jeśli celem testu jest dokładna identyfikacja osób, które nie mają tej choroby, liczba wyników fałszywie dodatnich powinna być bardzo niska, co wymaga wysokiej swoistości. Oznacza to, że osoby, które nie mają tego schorzenia, powinny być z dużym prawdopodobieństwem wykluczone z testu. Jest to szczególnie ważne, gdy osoby, u których zdiagnozowano chorobę, mogą być poddawane większej liczbie testów, kosztom, napiętnowaniu, lękom itp.

Aplikacja do badania przesiewowego

Wyobraź sobie badanie oceniające test, który bada ludzi pod kątem choroby. Każda osoba biorąca udział w teście ma lub nie ma choroby. Wynik testu może być pozytywny (sklasyfikowanie osoby jako chorej) lub negatywny (sklasyfikowanie osoby jako nie chorej). Wyniki testu dla każdego osobnika mogą, ale nie muszą odpowiadać faktycznemu statusowi osobnika. W tym ustawieniu:

  • Prawdziwie pozytywne: osoby chore prawidłowo zidentyfikowane jako chore
  • Fałszywe pozytywne: zdrowi ludzie błędnie zidentyfikowani jako chorzy
  • Prawdziwie negatywne: Zdrowi ludzie prawidłowo zidentyfikowani jako zdrowi
  • Fałszywy negatywny: osoby chore błędnie zidentyfikowane jako zdrowe

Po uzyskaniu liczby wyników prawdziwie dodatnich, fałszywie dodatnich, prawdziwie ujemnych i fałszywie ujemnych można obliczyć czułość i swoistość testu. Jeśli okaże się, że czułość jest wysoka, to każda osoba, która ma chorobę, prawdopodobnie zostanie zakwalifikowana przez test jako pozytywna. Z drugiej strony, jeśli swoistość jest wysoka, każda osoba, która nie ma choroby, prawdopodobnie zostanie sklasyfikowana jako negatywna w teście. Strona internetowa NIH zawiera dyskusję na temat sposobu obliczania tych wskaźników. [10]

Zastosowanie medyczne

W diagnostyce medycznej czułość testu to zdolność testu do prawidłowej identyfikacji osób z chorobą (wskaźnik prawdziwie dodatnich), natomiast swoistość testu to zdolność testu do prawidłowej identyfikacji osób bez choroby (wskaźnik prawdziwie ujemnych). Jeśli zbadano 100 pacjentów, o których wiadomo, że mają chorobę, a 43 wynik pozytywny, wtedy test ma czułość 43%. Jeśli przebadano 100 osób bez choroby, a 96 da wynik całkowicie negatywny, to test ma 96% swoistość. Czułość i swoistość są cechami testu niezależnymi od częstości występowania, ponieważ ich wartości są nierozerwalnie związane z testem i nie zależą od częstości występowania choroby w badanej populacji. [13] Pozytywne i negatywne wartości predykcyjne, ale nie czułość ani swoistość, są wartościami, na które wpływa częstość występowania choroby w badanej populacji. Koncepcje te zilustrowano graficznie w tym aplecie Bayesowskim klinicznym modelu diagnostycznym, który pokazuje pozytywne i negatywne wartości predykcyjne jako funkcję częstości występowania, czułości i swoistości. 

Czułość i specyficzność

Terminy „wrażliwość” i „specyficzność” zostały wprowadzone przez amerykańskiego biostatystyka Jacoba Yerushalmy w 1947 roku. [1]

Terminologia i wyprowadzenia
macierzy pomyłek
stan pozytywny (P)
liczba rzeczywistych pozytywnych przypadków w danych
stan ujemny (N)
liczba rzeczywistych negatywnych przypadków w danych

prawdziwy pozytywny (TP)
Wynik testu, który poprawnie wskazuje na obecność stanu lub cechy
prawdziwy ujemny (TN)
Wynik testu, który poprawnie wskazuje na brak warunku lub cechy
fałszywie pozytywny (FP)
Wynik testu, który błędnie wskazuje na obecność określonego warunku lub atrybutu
fałszywie ujemny (FN)
Wynik testu, który błędnie wskazuje na brak określonego warunku lub atrybutu

 

źródło: Sensitivity_and_specificity#

 

Press-meeting-2016-RetinaLyze-system

System RetinaLyze stał się dostępny w 10 krajach w pierwszym półroczu, a w kolejnych 4 miesiącach zaistniał w kolejnych 24 krajach. W ciągu 10 miesięcy od uruchomienia oferty w chmurze, RetinaLyze weszła na rynek 34 krajów!

Jak dzisiaj przebiegają badania przesiewowe?
Przesiewowe badania siatkówki prowadzone „ręcznie” (w praktyce) przez okulistów. Przesiewowe badania siatkówki prowadzone „ręcznie” (poza praktyką) przez przeszkolony personel. Taka procedura jest czasochłonna, droga
i wymaga wysokich kwalifikacji.

Offering-diabetis-2016-RetinaLyze-system

Dlaczego system RetinaLyze staje się popularny w tak krótkim czasie?

  • wykrycie wczesnych objawów RC może zapobiec osłabieniu i utracie wzroku w 95% wykrytych przypadków
  • chorzy – aktywni zawodowo – będą mogli kontynuować pracę i dbać o swoje rodziny
  • można uniknąć wielu osobistych tragedii
  • można zmniejszyć wydatki ze środków publicznych

Czas na zmianę – skuteczniej zapobiegajmy przyczynom utraty wzroku.