DeepLensNet：白内障のタイプと重症度のディープラーニング自動診断と定量的分類

清澤のコメント：視力低下があるが白内障はそれほどでもないと思うケースや白内障は相当に強くて眼底写真は曇っているが視力があまり下がってないケースなどもいます。AIを使って白内障の３つの亜種について評価してみたら比較的安定した結果が得られたといいます。日常診療で白内障の評価などというシンプルなものにAIが必要とも思われませんが、頭書のようなケースではカルテに記録しておけば後の参考になるかもしれません。(この図は論文とは無関係です）

　　――――論文要旨――――

Ophthalmology. 2022 May;129(5):571-584. doi: 10.1016/j.ophtha.2021.12.017. Epub 2022 Jan 3. DeepLensNet: Deep Learning Automated Diagnosis and Quantitative Classification of Cataract Type and Severity

Tiarnan D L Keenan ほか、DOI: 10.1016/j.ophtha.2021.12.017

概要

目的： 前眼部写真から加齢性白内障の自動診断と定量的分類を実行するための深層学習モデルを開発すること。

設計： DeepLensNetは、深層学習モデルを加齢性眼疾患研究（AREDS）データセットに適用することによってトレーニングされました。

参加者： 1137眼の縦断的追跡調査からの合計18 999枚の写真（6333トリプレット）（576のAREDS参加者）。

方法： 深層学習モデルは、45度の細隙灯写真と皮質水晶体混濁（CLO;スケール0％-100％）および後嚢下白内障（PSC;レトロイルミネーション写真からのスケール0％-100％）。DeepLensNetのパフォーマンスは、14人の眼科医と24人の医学生のパフォーマンスと比較されました。

主な結果の測定： （MSE）。

結果： 完全なテストセットでは、DeepLensNetの平均二乗誤差(MSE)は核硬化(NS)で0.23（標準偏差[SD]、0.01）、皮質混濁（cortical lens opacity, CLO）で13.1（SD、1.6）、後嚢下混濁（posterior subcapsular opacities, PSC）で16.6（SD、2.4）でした。

テストセットのサブセット（皮質混濁CLOおよび後嚢下混濁PSCの陽性症例で実質的に濃縮）では、

核硬化NSの場合、DeepLensNetの平均二乗誤差MSEは0.23（SD、0.02）でしたが、眼科医および医学生の場合は1.24（SD、0.34; P = 0.000005）。

皮質混濁（CLO）の場合、DeepLensNetの平均二乗誤差MSEは53.5（SD、14.8）でしたが、眼科医は134.9（SD、89.9; P = 0.003）、医学生は433.6（SD、962.1; P = 0.0007）でした。

後嚢下混濁（PSC）の場合、DeepLensNetの平均二乗誤差MSEは171.9（SD、38.9）でしたが、眼科医の場合は176.8（SD、98.0; P = 0.67）、医学生の場合は398.2（SD、645.4; P = 0.18）でした。

結論： DeepLensNetは、3種類すべての加齢性白内障について白内障の重症度の自動化された定量的分類を実行しました。最も一般的な2つのタイプ（NSとCLO）の場合、精度は眼科医よりも大幅に優れていました。最も一般的でないタイプ（PSC）についても、同様でした。

DeepLensNetは、臨床領域と研究領域の両方で幅広い潜在的なアプリケーションを持っている可能性があります。将来的には、そのようなアプローチは白内障評価のアクセシビリティを世界的に高める可能性があります。コードとモデルはhttps://github.com/ncbi/deeplensnetで入手できます。

キーワード： 人工知能; 自動診断; 白内障; 皮質白内障; ディープラーニング; 核硬化症; 後嚢下白内障; 重大度の分類; 遠隔医療; 遠隔眼科。　Artificial intelligence; Automated diagnosis; Cataract; Cortical cataract; Deep learning; Nuclear sclerosis; Posterior subcapsular cataract; Severity classification; Telemedicine; Teleophthalmology.