空間的および時間的情報を組み込んだ深層学習モデルが、コンセンサスベースのアプローチを使用して視野の悪化を検出することに成功

Aug 23, 2023

Scientific Reports volume 13、記事番号: 1041 (2023) この記事を引用

688 アクセス

11 オルトメトリック

メトリクスの詳細

緑内障は不可逆的な失明の主な原因であり、その悪化は視野（VF）検査で監視されることがほとんどです。 深層学習モデル (DLM) は、一貫して再現可能に悪化する VF を特定するのに役立つ可能性があります。 この研究では、大規模な緑内障患者に対する DLM のパフォーマンスを開発し、調査しました。 対象には、1990年6月から2020年6月までに1つの施設で受診し、VF検査を受け、臨床医によるVF悪化の評価を受けた5099人の患者（8705眼）が含まれた。 VFの悪化を特定するためのゴールドスタンダードはないため、VFの点ごとの変化だけでなく全体的な回帰を含む、一般的に使用される6つのアルゴリズム手法のコンセンサスを使用しました。 私たちは、DLM をトレーニング/テストし、臨床医のパフォーマンスを評価するための参照標準としてコンセンサス決定を使用しました。 患者の 80%、10%、および 10% がそれぞれトレーニング、検証、テスト セットに含まれていました。 テストセットの873個の目のうち、309個[60.6%]が女性のもので、年齢中央値は62.4歳でした。 (IQR 54.8–68.9)。 DLM は 0.94 の AUC を達成しました (95% CI 0.93 ～ 0.99)。 最新の 6 つの VF を削除し、モデルに提供するデータ ポイントを減らした後でも、DLM は AUC 0.78 (95% CI 0.72 ～ 0.84) で悪化を特定することに成功しました。 臨床医による悪化の評価（各眼の最終 VF 時の健康記録に基づく）は AUC 0.64（95% CI 0.63 ～ 0.66）でした。 最初の病気がより重篤な場合、DLM と臨床医の両方のパフォーマンスは悪化しました。 このデータは、悪化を定義する方法のコンセンサスに基づいて訓練された DLM が VF の悪化を首尾よく特定し、日常の臨床ケア中に臨床医を導くのに役立つ可能性があることを示しています。

緑内障は世界中で不可逆的な失明の主な原因であり、予防には悪化を早期に特定することが重要です1,2。 視野（VF）検査は、病気の悪化を監視するための最も重要な戦略の 1 つです3。 変動するパフォーマンス、ばらつき、およびゴールドスタンダードの欠如により、VF の悪化を特定することは困難です4、5、6、7。 この問題に対処する 1 つのアプローチには、より頻繁な検査が含まれますが、これは患者にとって大きな負担となる可能性があり、進行を特定するには依然として数年を要します 8、9、10、11、12。

VF の進行を判断するために、さまざまな客観的な方法が開発されています。 これらは、イベントベースの手法とトレンドベースの手法に大別できます。 イベントベースの方法は、ベースライン VF と比較した欠損の密度と深さに基づいてさまざまなルールで VF をスコアリングすることで進行を特定し、EMGT、CIGTS、AGIS などの主要な臨床試験で使用されています13、14、15。 EMGT 基準に似たガイド付き進行分析 (GPA) は臨床現場で一般的に使用されており、これまでの研究では進行をより早く特定できるものの、特異性は低いことがわかっています 16,17。 トレンドベースの手法では、グローバル VF パラメータまたはポイントごとのデータに適用できる線形回帰が使用されます。 これまでの研究では、イベントベースの方が傾向ベースの方法よりも早く進行状況を特定できることが示唆されています 18,19。 2 つの研究では、大規模な縦方向 VF セットでこれらすべての方法を比較し、弱い一致を示しました。これは、進行を特定するには異なるアルゴリズム間のコンセンサスが必要であることを示唆しています 20,21。

人工知能の使用は、悪化をより早期に、より一貫して特定するための 1 つの潜在的なアプローチを表します 22、23、24、25、26。 将来の VF を予測したり、悪化のリスクが最も高い患者を特定するためにも使用されています 27,28。 従来の機械学習アプローチではデータのサブコンポーネントの事前に指定された変換が利用されますが、深層学習アプローチでは生データを使用したモデルのトレーニングが可能です29。 ディープラーニングには、データの構造に応じて役立つさまざまなアプローチがあります。 最近の論文では、特定の種類の深層学習モデル (DLM) である畳み込み長短期記憶 (LSTM) モデルが、VF の悪化を特定することに成功したことが示されています 30。 このモデルは、VF の評価に重要な時空間的特徴の抽出を可能にするという点で独特です。