一次開放隅角緑内障における視神経乳頭形態の同定のための自己教師あり学習「DINO-EYE」

科学分野:

• 眼科学
• 人工知能
• 医用画像

背景:

• 一次開放隅角緑内障（POAG）の診断は、視神経乳頭写真（ODP）から視神経乳頭形態を特定することに依存しています。
• これらの形態の正確な分類は、効果的な緑内障管理と治療計画のために不可欠です。
• 既存の方法では、包括的な分析に必要な精度または解釈可能性が不足している可能性があります。

研究 の 目的:

• 一次開放隅角緑内障（POAG）における視神経乳頭形態を分類するための自己教師あり学習（SSL）モデルを開発すること。
• 視神経乳頭写真（ODP）を用いて、新規の形態学的パターンを探求すること。
• 高度なAI分析を通じて、緑内障の診断と患者ケアを向上させること。

主な方法:

• POAG患者から850枚のODPを収集し、10,493枚に拡張しました。
• SSLのためにDINO Vision Transformerを利用して、2048次元の特徴を抽出しました。
• 分類のためにランダムフォレストとXGBoost、可視化のためにUMAP、解釈可能性のためにアテンションマップを使用しました。

主要な成果:

• DINO-EYEモデルは、形態分類において91%の精度を達成しました（類似形態をマージした後、92.1%）。
• 教師なしクラスタリングにより、特に同心円状の菲薄化と広範な視神経乳頭周囲萎縮（PPA）の明確なグループが特定されました。
• このモデルは、RETFound SSLモデルと比較して、優れたパフォーマンスと解釈可能性を示しました。

結論:

• DINO-EYEは、POAG視神経乳頭形態の正確な分類のために、眼底画像から臨床的に意味のある特徴を効果的に抽出します。
• このモデルは、パフォーマンスと解釈可能性において既存のSSLメソッドを上回り、臨床的意思決定支援の可能性を提供します。
• このAIアプローチは、個別化された緑内障ケア計画と患者管理を進歩させることを約束します。