アフリカ系個人における原発開放隅角緑内障のスクリーニングのための深層学習モデルの開発

科学分野:

• 眼科学; 人工知能; 医療画像

背景:

• 原発開放隅角緑内障（POAG）は失明の主な原因であり、特にアフリカ系の人々に影響を与えます。 現在、POAGスクリーニングのための人工知能（AI）モデルは、過小評価されている集団からの代表性が欠けています。 緑内障検出における公平なAIソリューションの緊急の必要性があります。

研究 の 目的:

• 眼底写真を用いたPOAGスクリーニングのための深層学習モデルを開発および検証すること。 緑内障のためのAIデータセットにおけるアフリカ系個人の過少表現に対処すること。 多様な臨床およびリソースの限られた設定に適用可能な堅牢なAIツールを作成すること。

主な方法:

• 64,129枚の眼底画像（Primary Open-Angle African American Glaucoma Genetics（POAAGG）コホート）を用いて深層学習モデルを訓練しました。 パイプラインには、二項分類器を用いた画像選択と、Vision TransformerによるPOAG確率予測が含まれていました。 最終的な予測は、選択された画像の確率の平均によって導き出されました。

主要な成果:

• このモデルは、POAAGGデータセットで0.925の曲線下面積（AUC）を達成しました。 REFUGE-1データセット（中国系）での検証では、AUCは0.920でした。 AIモデルは、POAGスクリーニングにおいて高い精度を示しました。

結論:

• 開発されたAIモデルは、効果的なPOAGスクリーニングのための大きな可能性を示しています。 モデルの異なる人種間でのパフォーマンスは、その一般化可能性を強調しています。 このAIツールは、緑内障検出を強化するために、プライマリケアやリソースが限られた地域を含むさまざまな設定で展開できます。