清澤のコメント：AAOニュースレターアジア版から。眼底画像の自動診断の有用性がますます高まっています。
深層学習による糖尿病性網膜症,加齢黄斑変性症,緑内障の構造・血管造影OCTによる診断
目的
眼疾患のタイムリーな診断は、最良の治療結果を得るために最も重要です。OCTおよびOCT血管造影(OCTA)には、眼の病状の早期発見に役立ついくつかの利点があります。さらに、これらの手法は、機能豊富な大容量のデータを生成します。ただし、OCTとOCTAの両方の臨床的可能性は、技術を使用して取得した複雑なデータを手動で処理する必要がある場合、妨げられます。本稿では、OCTとOCTAの構造データ量に基づく自動診断フレームワークを提案し、これらの技術の臨床応用を実質的にサポートすることができます。
設計
横断研究。
参加者
91のOCTおよびOCTAボリュームが、161人の健康な参加者、95人の糖尿病性網膜症(DR)患者、108人の加齢性黄斑変性症(AMD)患者、および<>人の緑内障患者の目からスキャンされました。
メソッド
診断フレームワークは、半順次3次元(3D)畳み込みニューラルネットワークに基づいて構築されました。トレーニングされたフレームワークは、構造OCTとOCTAスキャンの組み合わせを正常、DR、AMD、または緑内障に分類します。60 回のクロス検証が実行され、データの 20% がトレーニング用、20% が検証用、3% がテスト用に予約されました。トレーニング、検証、およびテストデータセットは独立しており、共有患者はいませんでした。DR、AMD、または緑内障と診断されたスキャンについては、自動診断のフレームワークによって重要と見なされたサブ領域を強調するために、<>Dクラスアクティベーションマップが生成されました。
主な成果指標
受信機の動作特性曲線の曲線下面積(AUC)と二次重み付けカッパを使用して、フレームワークの診断性能を定量化しました。
業績
DRの診断のために、フレームワークは0.95±0.01のAUCを達成しました。AMDの診断のために、フレームワークは0.98±0.01のAUCを達成しました。緑内障の診断のために、フレームワークは0.91±0.02のAUCを達成しました。
結論
ディープラーニングフレームワークは、信頼性が高く、感度が高く、解釈可能で、完全に自動化された眼疾患の診断を提供できます。
コメント