DME-RWKV：糖尿病黄斑浮腫における抗VEGF応答予測のための解釈可能なマルチモーダル深層学習フレームワーク

科学分野:

• 眼科学
• 医用画像
• 人工知能

背景:

• 糖尿病黄斑浮腫（DME）は視力低下の主な原因です。
• DMEに対する抗血管内皮増殖因子（抗VEGF）療法の患者応答を予測することは、臨床的に重要な課題です。

研究 の 目的:

• DME患者における抗VEGF治療応答を予測するための解釈可能な深層学習モデルを開発すること。
• マルチモーダル画像データを用いてバイオマーカーを分析し、微小病変検出を強化すること。

主な方法:

• 371人のDME患者から得られた402眼の後ろ向き解析。
• 光干渉断層撮影（OCT）および超広角（UWF）画像データを統合したDME-Receptance Weighted Key Value (RWKV) モデルの開発。
• 因果的注意機構学習（CAL）、カリキュラム学習、およびグローバル完了（GC）損失を用いて、分析を強化しました。

主要な成果:

• OCTバイオマーカーセグメンテーションにおいて71.91 ± 8.50%のダイス係数を達成しました。
• 既存手法を上回る、抗VEGF応答予測のためのAUC 84.36%を達成しました。
• マルチモーダル統合による強力な解釈可能性と堅牢性を示しました。

結論:

• DME-RWKVモデルは、DMEにおける抗VEGF治療転帰の正確かつ説明可能な予測のための有望なAIフレームワークを提供します。
• 臨床的推論を模倣するモデルの能力は、その臨床的有用性を高めます。
• このアプローチは、DME管理のための個別化医療を進歩させます。