赤外線温度測定画像を用いた非侵襲的な乾燥眼疾患検出:概念実証研究

科学分野:

• 眼科について
• 医療用イメージング
• 生物医学工学

背景:

• 乾燥眼疾患 (DED) は,涙膜の不安定性と涙の産生が減少したため,生活の質に深刻な影響を及ぼします.
• DEDの現在の診断方法は,侵襲的で,持ち運べないし,時間がかかり,診断と治療が遅れる.
• 眼科の専門家へのアクセスが 限られていることは 眼科の専門家へのアクセスが 限られていることは 眼科の専門家へのアクセスが 限られていることは 眼科の専門家へのアクセスが 限られていることは 眼科の専門家へのアクセスが 限られていることは

研究 の 目的:

• DEDの非侵襲的でポータブルなスクリーニングツールとしてスマートフォンベースの赤外線温度測定 (IRT) の実現可能性を調査する.
• IRTで測定された眼球表面温度変化と,涙膜の破裂時間 (TBUT) や眼球表面疾患指数 (OSDI) のような確立されたDED指標の相関性を評価する.
• IRTデータを用いて正常な目とDEDを分類する機械学習モデルの有効性を評価する.

主な方法:

• 赤外線温度計 (IRT) 画像は40人の被験者 (22人の正常者,58人のDED) から得られた.
• 鼻角膜,中央角膜,および側角膜の表面温度変化を分析した.
• 相関関係と独立したtテストを含む統計的分析が行われました. 機械学習モデル (SVM,k-NN) が分類に使用された.

主要な成果:

• DEDの目は,正常な目と比較して,著しく速い眼面冷却率を示した (p < 0. 001).
• TBUTは全ての角膜領域におけるOSDI (負) と冷却率 (正) との有意な相関を示した.
• 機械学習モデルは,k-NNが91.89%,SVMが90.54%の高い分類精度を示した.

結論:

• スマートフォンベースのIRTは,乾燥眼疾患の非侵襲的なスクリーニングツールとして大きな可能性を秘めています.
• IRTデータを用いてDEDを分類する機械学習モデルの高い精度は,その臨床的有用性を支持しています.
• この技術の臨床応用を促進するために,より大きく多様なデータセットによるさらなる検証が必要である.