グラウコマ検出のための3Dディープラーニング分類器の診断精度:領域横断およびデバイス固有のモデルの比較
Akram Belghith1, Christopher Bowd1, Robert N Weinreb1
1Hamilton Glaucoma Center and Division of Ophthalmology Informatics and Data Science, Shiley Eye Institute, The Viterbi Family Department of Ophthalmology, UC San Diego, La Jolla, CA, USA.
Translational vision science & technology
|August 20, 2025
まとめ
3次元ディープラーニング (3D DL) モデルは,標準的な測定と比較して,緑内障の検出精度を大幅に改善します. 3D DLクロスドメインモデルは,デバイス特有のモデルと比較できる性能を示し,臨床実務におけるより広範な適用性を示唆しています.
科学分野:
- 眼科について
- 人工知能
- 医療用イメージング
背景:
- グラウコマの診断は,光学一貫性トモグラフィ (OCT) に基づいて,マキュラ・ギャングリオン細胞内部のプレキシフォーム層 (GCIPL) の厚さを測定します.
- ディープラーニング (DL) モデルは,緑内障の検出における診断の精度を高める可能性を秘めています.
研究 の 目的:
- 3次元深層学習 (3D DL) と3次元クロスドメイン深層学習 (3D CD-DL) の診断精度を,OCTを用いたグラウコマ検出の標準的なGCIPL厚度測定と比較する.
- 異なるOCTデバイスにおけるDLモデルの汎用性を評価する.
主な方法:
- 2つのDL分類器を評価した. Spectralis OCTデータで訓練された3DDLモデルと,Cirrus OCTデータから得られた合成Spectralis画像で訓練された3DCDDLモデル.
- 比較には,502個の主要な開角緑内障眼と119個の健康な眼を使用した.
- 年齢,軸長,円盤面積に調整された受信機操作曲線の下の面積 (AUROC) は,精度評価の主要なメトリックでした.
主要な成果:
- 3D DL分類器は,全体的なGCIPL厚さ (0.83) よりも著しく高い調整AUROCを達成しました.
- 3D CD-DLモデルは3D DLモデルと同等の精度を示した (AUROC 0.91対0.92).
- 初期のグラウコマでは,3D DLと3D CD-DLの両方のモデルは,GCIPLの厚さ測定を大幅に上回りました.
結論:
- 三次元DL分類器は,従来のGCIPLの厚さ測定と比較して,グラウコマの診断の精度が優れていることが示されています.
- 3D CD-DLのアプローチは,デバイス固有の3D DLモデルに匹敵する堅実な性能を示し,デバイス間の一般化の可能性を示しています.
- 発見を確認するために,様々なOCTデバイスからのデータによるさらなる検証が推奨されます.
