角膜疾患における人工知能の臨床応用
Omar Nusair1, Hassan Asadigandomani2, Hossein Farrokhpour3
1Kittner Eye Center, Department of Ophthalmology, University of North Carolina, Chapel Hill, NC 27517, USA.
Vision (Basel, Switzerland)
|August 22, 2025
まとめ
人工知能 (AI) モデルは,角膜症 (KC) やフックの角膜内膜変形症 (FECD) のような角膜疾患の診断に強い可能性を示しています. 眼科医療における広範な臨床採用のために,さらなる標準化が必要である.
科学分野:
- 眼科について
- 医療における人工知能
- バイオメディカル イメージング
背景:
- 人工知能 (AI) は医療診断のためにますます探索されています.
- 角膜疾患は,正確かつ適時な診断に重大な課題をもたらします.
- 様々な角膜疾患の診断における AI の役割の評価は 眼科の進歩に不可欠です
研究 の 目的:
- 一連の角膜疾患の診断におけるAIモデルの臨床的有用性と性能を評価する.
- 目科における現在のAI診断アプローチの強みと限界を特定する.
- 人工知能の導入のためにさらなる研究と標準化が必要な分野を強調する.
主な方法:
- ケラトコнус (KC),Fuchの内皮角膜縮症 (FECD),感染性角膜炎 (IK),乾燥眼症 (DED),および結膜疾患を診断するAIモデルのための体系的な文献検索.
- 感度,特異性,精度,AUCを含む性能指標の抽出と分析
- 既定の診断基準に対するAIモデルの性能の評価
主要な成果:
- ディープラーニングモデル,特にコンボリューションニューラルネットワークは,診断基準 (AUC > 0.90,感度/特異性 > 0.85-0.90) を頻繁に超えた.
- AS- OCTのような一貫したイメージングを用いて,KCとFECDの性能が最も高いことが観察されました.
- IKと結膜疾患のモデルは有望であったが,データの異質性や訓練基準によって制限されていた.DEDモデルはマルチモダルのデータから恩恵を受けていたが,臨床比較には欠けていた.
結論:
- AIは複数の角膜疾患,特に標準化されたイメージングにおいて高い診断精度を示しています.
- データの異質性,疾患の定義の標準化,イメージング,モデルトレーニングに関する課題が残っています.
- 目のケアにおけるAIの公平な実施には これらの限界を克服することが不可欠です
