臨床ビデオからの眼運動障害の人工知能診断
David Mikhail1, Michael Balas, Jonathan A Micieli
1Temerty Faculty of Medicine (DM), University of Toronto, Toronto, Canada; Department of Ophthalmology and Vision Sciences (MB, JAM), University of Toronto, Toronto, Canada; Division of Neurology (JAM), Department of Medicine, St. Michael's Hospital, University of Toronto, Toronto, Canada; Kensington Vision and Research Centre (JAM), Toronto, Canada; Department of Ophthalmology (JAM), St. Michael's Hospital, Unity Health, Toronto, Canada; and Department of Ophthalmology (JAM), Toronto Western Hospital, University Health Network, Toronto, Canada.
まとめ
Gemini 2.0は,ビデオから眼外運動障害 (EOM) を検出する可能性を示しているが,診断の正確さは限られている. EOMの異常については,臨床使用前にさらなる検証が必要である.
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:
- マルチモダルのAIモデルは ビデオ分析能力を向上させています
- 眼外運動障害 (EOM) の自動検知は,眼科における新興の応用である.
- この研究では,Gemini 2.0が臨床ビデオから EOMの異常を認識する可能性を調査しています.
研究 の 目的:
- EOMの異常を特定するGemini 2.0の可行性を評価する.
- 人工知能が 特定の眼の動きを 特定する能力を 評価する.
- 様々なEOM障害のパフォーマンスを リアルな臨床ビデオを用いて分析する.
主な方法:
- EOM障害に関する114のYouTubeビデオと15の対照ビデオを遡って分析した.
- ビデオは関連する臨床検査にカットされ,オーディオは削除されました.
- Gemini 2.0はGoogle AI Studioのプロンプトを使ってビデオを分析した.
主要な成果:
- Gemini 2.0は,EOM障害の診断の全体的な正確性を37. 7%を達成しました.
- 最も高い精度は第3神経麻痺 (81.1%) と内核性眼性麻痺 (80. 0%) であった.
- 診断が正しかった場合,横行性および運動制限の正確な識別が著しく改善されました.
結論:
- Gemini 2.0は,臨床ビデオにおけるEOM異常の自動認識の実現可能性を示しています.
- 現在の診断の精度は,特に明らかな症例では限られています.
- 標準化された臨床医による注釈データセットを用いた広範な検証は,臨床適用に不可欠です.
