Uit een studie naar de toepassing van kunstmatige intelligentie blijkt dat het algoritme Vision Transformer gebruiksvriendelijk is en goed presteert bij de beoordeling van capillaroscopiebeelden van patiënten met systemische sclerose.1 Vergeleken met praktiserende reumatologen presteert het algoritme bijna even goed of zelfs even goed.
Onderzoek van de nagelriemcapillairen met capillaroscopie (NFC) is van groot belang bij de diagnose en prognose van systemische sclerose (SSc). Computervisiealgoritmen, zoals Vision Transformer (ViT), kunnen de NFC-beeldbeoordeling automatiseren en standaardiseren.
Het doel van de huidige studie was om de prestaties van ViT bij het opsporen van veranderingen op NFC-beelden te beoordelen en deze te vergelijken met die van 4 praktiserende reumatologen. Om ViT te trainen, werden NFC-beelden gebruikt van patiënten met SSc uit de EUSTAR- en VEDOSS-registraties.
In totaal werden 7126 NFC-beelden, afkomstig van 234 EUSTAR- en 55 VEDOSS-patiënten, geanalyseerd. ViT presteerde goed in het opsporen van veranderingen op NFC-beelden, met een gebied onder de ROC-curve (AUC) dat varieerde van 81,79 tot 84,52%.
ViT presteerde het best bij het diagnosticeren van gigantische capillairen (AUC = 92,61%), gevolgd door de identificatie van vergrote capillairen (AUC = 90,24%). Goede AUC’s werden gezien bij het weergeven van capillair verlies (AUC = 86,72%), microbloedingen (AUC = 85,07%) en de aanwezigheid van patronen die met scleroderma zijn geassocieerd (AUC = 88,58%).
Vergeleken met de reumatologen had ViT een goede sensitiviteit en specificiteit. De reumatologen presteerden over het algemeen iets beter, met uitzondering van het classificeren van het capillaire verlies, waarbij ViT vergelijkbaar presteerde als één reumatoloog. Wel menen de auteurs dat voor de diagnose van het sclerodermapatroon een eindoordeel nodig is van een reumatoloog met ervaring in capillaroscopie.
Bron: