多重ストリーム深層学習モデルを用いた多峰性光干渉断層撮影による網膜上膜における視力障害の予測

科学分野:

• 眼科学
• 医用画像
• 人工知能

背景:

• 網膜上膜（ERM）は視力障害を引き起こす可能性があります。
• ERMにおける視力障害の正確な予測は、ERMの管理にとって非常に重要です。
• 光干渉断層撮影（OCT）は、網膜の詳細な画像を提供します。

研究 の 目的:

• 多峰性OCT画像を用いた多重ストリーム深層学習モデルを開発し、ERMにおける視力障害を予測すること。
• ERMにおける視力障害のバイオマーカーとして機能するOCT画像特徴を特定すること。

主な方法:

• 特発性ERM患者の後ろ向き登録。
• 8種類のOCT画像（Bスキャン、エンフェイスOCT血管造影、網膜厚マップ）の収集。
• 視力障害予測のための多重ストリーム深層学習モデルの開発。
• Grad-CAMを用いたヒートマップ可視化を利用した。

主要な成果:

• 単一ストリームモデルは変動するパフォーマンスを示し、外部検証では低下しました。
• 2つまたは3つの入力を備えた多重ストリームモデルは、予測パフォーマンスを向上させました。
• すべてのモダリティを統合した8ストリームモデルは、開発において90.90％、外部検証において80.00％の精度を達成しました。
• ヒートマップは、中心窩/傍中心窩領域と網膜の変化を主要な予測指標として強調しました。

結論:

• Bスキャン、エンフェイスOCT血管造影、網膜厚マップを含む多峰性OCT画像は、深層学習を用いてERMにおける視力障害を予測できます。
• 多重ストリーム深層学習アプローチは、予測精度を向上させます。
• この方法は、ERMによって影響を受ける重要な網膜領域を局在化するのに役立ち、視力低下の理解を助ける可能性があります。