グラウコマにおける神経保護試験のための人工知能によるエンドポイント選択

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:

• 標準自動周回測定 (SAP) は,緑内障の進行をモニタリングするために不可欠です.
• 試験のエンドポイントとしてSAPのFDAの承認は,進行のための厳格な基準を必要とします.
• 臨床試験における高リスク視野の位置を特定することは依然として課題です.

研究 の 目的:

• 注意に基づくグラフニューラルネットワーク (GNN) を開発し,視野の悪化可能性が高い点を予測する.
• GNNモデルの進行を特定し,臨床試験の効率を改善する能力を検証する.

主な方法:

• ベースラインのSAPデータを用いて注意に基づくGNNモデルを開発しました.
• BPOR,DGR,UWHVFの3つの大きなデータセットでモデルを訓練し,検証しました.
• 平均偏差 (MD) とLow-5ポイントに対するHigh-5の予測パフォーマンスを比較した.

主要な成果:

• すべてのコホートにおいて,Low-5とMDと比較して,高5ポイントでは著しく悪化率を示した.
• GNNモデルでは,進行性菌と非進行性菌の差別が優れていることが示された (AUC 0. 883 - 0. 937).
• ハイ5では,ほぼすべての症例で進行が確認され,必要な試験サイズが推定42%減少した.

結論:

• GNNベースのフレームワークは,高リスクのSAP場所のデータ主導の識別を可能にします.
• このアプローチは,進行の規制上の定義と整合し,試験の感受性を高めます.
• ハイ5法では グラウコマの臨床試験の効率と効果を大幅に向上させています