小児神経線維腫症1型患者における視覚異常の特定のための光干渉断層撮影および機械学習の活用

科学分野:

• 眼科
• 医用画像処理
• 人工知能

背景:

• 神経線維腫症1型（NF-1）は、小児患者における視力喪失の重大なリスクをもたらします。
• 光干渉断層撮影（OCT）は、網膜および視神経の詳細な画像を提供しますが、予測的な臨床ツールの欠如があります。
• 小児NF-1の視覚評価のための複雑なOCTデータを実行可能な洞察に変換することは困難です。

研究 の 目的:

• OCTデータを用いた小児NF-1患者における視覚異常を特定するための機械学習モデルを評価すること。
• OCTスキャンにおける網膜および視神経層の厚さの予測値を決定すること。
• NF-1における視覚問題の早期発見のための臨床的に解釈可能なツールを開発すること。

主な方法:

• 168人の小児NF-1患者（3〜19歳）の後ろ向き縦断コホート研究。
• 網膜および視神経層の厚さに焦点を当てた515回のOCT測定の分析。
• バランスランダムフォレストを含む様々な機械学習アルゴリズムの適用と比較。

主要な成果:

• バランスランダムフォレストモデルは、視覚異常の予測において高いパフォーマンス（AUC=0.82、感度=0.66）を達成しました。
• 網膜神経線維層（RNFL）および神経節細胞層（GCL+）の菲薄化が主要な予測因子として特定されました。
• OCT異常のデータ駆動型カットオフおよび累積分析により、リスク層別化が改善されました。

結論:

• 説明可能な機械学習は、OCTデータを小児NF-1視覚評価のための臨床的に実行可能なツールに変換できます。
• RNFLおよびGCL+の菲薄化は、視覚異常の早期発見のための重要な指標です。
• 臨床的採用のためには、多施設コホートでのさらなる検証が必要です。