網膜脱落のディープラーニング検出:光学コヘレンストモグラフィのステージ設定と斑点脱落の持続時間推定

科学分野:

• 眼科について
• 医療用イメージング
• 人工知能

背景:

• レグマトゲン系網膜脱落 (RRD) は,早期の診断と治療を必要とする深刻な状態です.
• RRDの正確なステージ設定と持続時間は,手術計画と視覚的な結果の予測に不可欠です.
• 光学コヘレンストモグラフィー (OCT) は,網膜の詳細な横断画像を提供し,RRDの評価に役立ちます.

研究 の 目的:

• RRDの検出と段階化におけるディープラーニングモデルの有効性を評価する.
• AIを用いたRRD分類のための2Dおよび3DOCTスキャンの能力を評価する.
• RRDの期間を推定し,臨床データと相関させるためのディープラーニングの可能性を調査する.

主な方法:

• 2Dと3DのOCTスキャンによるディープラーニングベースの画像分類を用いた遡及研究.
• 分析には,成人患者のRRDの252眼と770の対照眼が含まれていた.
• 性能は,検出,段階化,および持続時間推定のための曲線下の面積 (AUC) と精密リコールAUC (PR AUC) を使用して測定されました.

主要な成果:

• ディープラーニングモデルは,RRDを分類する上で高いパフォーマンスを示し,AUCはRRD以外のマキュラオフ症例を区別するために0.98に達しました.
• 3D OCTモデルでは,0. 97のAUCでマキュラオフ期間 (< 3日) を効果的に分類しました.
• 2Dモデルは,RRDステージ4の分類において高い性能を達成した (AUC=0.94).

結論:

• 機械学習モデルは,OCT画像からRRDの段階,マキュラ状態,および期間を分類する大きな可能性を示しています.
• これらのAI主導のアプローチは,RRDの管理における臨床的意思決定を潜在的に強化することができます.
• OCTの分析におけるディープラーニングの応用は,手術計画を支援し,RRDの患者のアウトカムを改善することができます.