機械学習を使用した地理的萎縮患者の自動的に定量化された光干渉断層撮影バイオマーカーからの視覚機能の予測

Jun 23, 2023

Scientific Reports volume 12、記事番号: 15565 (2022) この記事を引用

2407 アクセス

5 引用

18 オルトメトリック

メトリクスの詳細

地理的萎縮 (GA) は、世界的に失明の主な原因の 1 つである加齢黄斑変性症 (AMD) の視覚を脅かす症状です。 光コヒーレンストモグラフィー (OCT) 網膜スキャンによる GA の客観的、迅速、信頼性、スケーラブルな定量化は、疾患のモニタリング、予後研究、治療法開発の臨床エンドポイントに必要です。 このように OCT 上で自動的に定量化されたバイオマーカーは、GA における構造と機能の相関関係、ひいては疾患の発症と進行の病態生理学的メカニズムをさらに解明する可能性があります。 この研究では、GA で自動的に取得された定量的イメージング バイオマーカーに機械学習を適用して視覚機能を予測することを目的としました。 臨床試験および日常の臨床ケアからのデータの事後分析が実施されました。 深層学習による自動セグメンテーション モデルが、GA の 476 眼 (患者 325 人) の OCT スキャンに適用されました。 別の機械学習予測モデル (ランダム フォレスト) は、結果として得られた定量的 OCT (qOCT) バイオマーカーを使用して、標準 (VA) および低輝度 (LLVA) での断面視力を予測しました。 主要評価項目は、糖尿病性網膜症早期治療研究（ETDRS）レターにおける断面VAおよびLLVAの回帰係数（r2）と平均絶対誤差（MAE）でした。 OCT パラメーターは、VA (r2 0.40 MAE 11.7 ETDRS 文字) および LLVA (r2 0.25 MAE 12.1) を予測しました。 GA の 3 つの構成要素の予測値の尺度としての、正規化されたランダム フォレストの特徴の重要度。 網膜色素上皮 (RPE) の喪失、光受容体変性 (PDR)、過剰伝達とそれらの位置が、ボクセルレベルのヒートマップと ETDRS グリッド サブフィールドの両方で報告されました。 中心窩領域 (46.5%) と RPE 喪失 (31.1%) は、VA の予測において最も重要でした。 しかし、LLVA の場合、非中心窩領域 (74.5%) と PDR (38.9%) が最も重要でした。 結論として、自動化された qOCT バイオマーカーは、GA における VA および LLVA の予測的重要性を示しています。 LLVA 自体が GA の進行を予測しており、我々のモデルによって提供される予測 qOCT バイオマーカーも予後的であることを意味します。

地理的萎縮 (GA) は、中心視覚に必要な網膜の中心 24 mm2 (20°) 領域である黄斑の慢性進行性変性です。 これは、晩期加齢黄斑変性症 (AMD) の特徴的な病変です 1,2。 GA は重大な不可逆的な視力喪失を伴います。 AMD の視覚機能を評価するために、標準化された照明下で視力検査表を使用して測定される視力 (VA) は、International Consortium for Health Outcomes Measurement によって定義されている確立された重要な結果尺度です3。 興味深いことに、AMD の初期段階では、標準的な VA は影響を受けないまま、低輝度条件下で測定された VA (低輝度視力 [LLVA]) が低下する可能性があります 4,5。 ほとんどの患者は、最初は非中心性 GA (黄斑の傍中心窩領域に影響を与える) を示し、徐々に中心窩関与 (中心性 GA) に進行します 6、7、8。 これに関連して、LLVA は将来の VA の悪化と相関しており、その減少は患者が末期疾患の始まりに向かい、中心窩機能の喪失が差し迫っている可能性があることを示しています。 しかし、この結果尺度の根底にある生理学的メカニズムは不明です9,10。

GA に対する現在の治療法はなく、有望な治療法が目前に迫っていることから、GA 内の構造と機能の関係を確立することがますます重要になっています。 (ii) 疾患活動性のモニタリングを改良し、それによって個々の患者レベルでの診断および予後カウンセリングを強化する。 (iii) 臨床試験における臨床エンドポイントを定義し、初期段階、つまり視力喪失を防止できる介入の機会の特定を可能にするのに役立ちます。