緑内障検出のための視神経乳頭眼底写真およびOCTイメージングを用いた基盤人工知能モデルの新規マルチモーダル実装

科学分野:

• 眼科学
• 人工知能
• 医用画像

背景:

• 緑内障検出は、眼科画像の詳細な解釈に依存する。
• RETFoundのような自己教師あり学習モデルは、自動化された疾患検出の可能性を提供する。
• マルチモーダルアプローチの評価は、診断パフォーマンスを向上させることができる。

研究 の 目的:

• カラー眼底写真（CFP）およびOCT画像を用いた緑内障検出のためのユニモーダルおよびマルチモーダルRETFoundモデルを比較する。
• 人種、年齢グループ、および疾患重症度別のこれらのモデルの一般化可能性を評価する。
• 臨床緑内障診断のための最適なAI実装を決定する。

主な方法:

• ペアのCFPおよびOCT画像を用いたマルチモーダルRETFoundモデルを開発した。
• ユニモーダルCFPのみおよびOCTのみのRETFoundモデルと比較した。
• 人種、年齢、および緑内障の重症度別にパフォーマンス分析を層別化した。

主要な成果:

• マルチモーダルモデルはAUC 0.94を達成し、CFPユニモーダルモデル（AUC 0.86）を上回ったが、OCTユニモーダルモデル（AUC 0.93）を上回ることはなかった。
• マルチモーダルおよびOCTユニモーダルモデルは、CFPユニモーダルモデルよりも高い精度と再現性を示した。
• すべてのモデルは、軽度の緑内障よりも中等度から重度の緑内障の検出において優れたパフォーマンスを示した。

結論:

• マルチモーダルRETFoundモデルは、CFPユニモーダルモデルよりも優れた診断能力を提供する。
• ユニモーダルOCT AIモデルは、マルチモーダルアプローチに匹敵するパフォーマンスを示した。
• ユニモーダルOCT AIは、臨床緑内障検出に十分であり、より容易に実装できる可能性がある。