バイオマーカー

科学分野:

• 眼科学
• 神経学
• 人工知能

背景:

• アルツハイマー型認知症（AD）は、修正可能な危険因子に対処することで、症例のほぼ半数が予防または遅延する可能性がある、増大する公衆衛生上の懸念事項です。
• 早期のAD特定は、適時介入と管理のために不可欠です。

研究 の 目的:

• 網膜光干渉断層計（OCT）を利用した新規ディープラーニング（DL）モデルを開発し、アルツハイマー病（AD）の自動検出を行うこと。
• OCTデータからAD認知症を特定する上で、フュージョンネットワークおよびアンサンブル学習技術の有効性を探求すること。

主な方法:

• 網膜神経線維層、黄斑厚、神経節細胞内顆粒層の分析レポート（Cirrus HD-OCTから取得）およびエンフェイス画像を使用して、DLモデルをトレーニングおよび検証しました。
• AD認知症分類のために、複数のOCT入力を統合したフュージョンネットワークモデル（ONH、黄斑、統合）およびアンサンブルモデルを開発しました。

主要な成果:

• アンサンブルモデルは、内部検証で90.5%、外部-1で80.3%、外部-2で74.2%という最高の精度を達成しました。他のモデル（ONH、黄斑、統合）も、データセット全体で70.7%から85.4%の範囲の精度を示し、重要な診断能力を示しました。

結論:

• 提案されたアンサンブルモデルは、OCT分析からAD関連の網膜特徴を学習することにより、AD認知症を効果的に特定します。
• このアプローチは、アルツハイマー病の正確かつ早期の検出に大きな可能性を秘めています。