アンサンブル機械学習分類器を用いた光干渉断層撮影血管造影によるパーキンソン病診断

科学分野:

• 眼科学
• 神経学
• 医用画像

背景:

• パーキンソン病（PD）の診断は、早期バイオマーカーの欠如により困難である。
• OCTAによって検出される網膜微小血管の変化は、潜在的な非侵襲的PDバイオマーカーとして注目されている。
• 客観的かつ非侵襲的なツールは、タイムリーなPD検出と介入に不可欠である。

研究 の 目的:

• OCTA由来の網膜血管特徴のパーキンソン病分類への有用性を調査すること。
• 網膜画像データを用いたPD検出のための機械学習モデルを開発・検証すること。

主な方法:

• 53人のPD患者と39人の健常対照群から得られたOCTA画像の回顧的分析。
• 表層および深層血管複合体のセグメンテーションを行い、22の定量的特徴を抽出。
• 多段階特徴選択フレームワークとアンサンブル機械学習モデル（XGBoost、Random Forest、KNN）の適用。

主要な成果:

• 独立したテストセットで74.28%の精度、90%の感度、53.33%の特異度、0.75のAUCを達成したアンサンブルモデル。
• 主要な特徴には、形態学的記述子（形状係数、凸性、固形性、円形度）および血管密度（VAD、VSD）が含まれていた。
• 臨床応用のため、ユーザーフレンドリーなグラフィカルインターフェイス（PDAI）を開発した。

結論:

• OCTAベースの網膜血管解析は、パーキンソン病の分類とスクリーニングのための有望な非侵襲的アプローチを提供する。
• 開発されたAIフレームワークは、早期PD検出をサポートするが、より大規模な多施設研究でのさらなる検証が必要である。