緑内障のターゲットIOPを設定する人工知能モデルの開発と評価

科学分野:

• 眼科について
• 人工知能
• 医療診断

背景:

• グラウコマの治療は,視力低下を防ぐために,目標眼内圧 (IOP) を達成することに依存しています.
• 目標IOPを設定する現在の方法は,臨床医の判断と社会的ガイドラインを含むが,有効性は異なる.
• パーソナライズされた標的内血圧の予測は,緑内障の治療結果を改善する可能性があります.

研究 の 目的:

• 人工知能 (AI) モデルを開発し,グラウコマ患者の個別化された標的眼内圧 (IOP) を予測する.
• 視覚野 (VF) の悪化率に対するAIで予測された,臨床医によって定義された,およびガイドラインに基づく目標IOPの影響を比較する.

主な方法:

• 基礎構造,機能,臨床データを含む14871個の目のデータセットで機械学習モデルを訓練した.
• このモデルは,縦断的なVFテストによる10,559の目の進行データセットのターゲットIOPを予測した.
• 線形モデルは,目標IOPの差がVFの悪化 (平均偏差の傾き) に与える影響を評価した.

主要な成果:

• AIモデルは,目標IOPを予測する際に平均絶対誤差2.28 mmHgを達成した.
• AIと臨床医のターゲット差は,VFのアウトカムに類似した効果を示し,それぞれ平均偏差が1mmHg増加ごとに0. 032dB/年,0. 026dB/年速く悪化した.
• AIと臨床医のターゲット差は,カナダ眼科学会 (COS) のガイドラインに優れ,VFの悪化を緩和する平均絶対IOPでした.

結論:

• 人工知能のモデルは,目標IOPの設定において,グラウコマの専門医と比べられるパフォーマンスを示しています.
• AIベースの目標IOPの予測は,平均IOPまたはグラウコマの進行を防ぐための社会的ガイドラインを使用するよりも優れています.
• より広範な患者集団におけるAIによる標的内血圧の臨床的有用性を評価するために,さらなる研究が必要である.