強度近視における近視性脈絡膜新生血管の3年および5年リスク予測のためのマルチモーダルAI

科学分野:

• 眼科学
• 医用画像
• 人工知能

背景:

• 強度近視は、近視性黄斑新生血管（MNV）を発症する重大なリスクをもたらします。
• MNVの正確なリスク予測は、強度近視におけるMNVの適時介入と管理に不可欠です。
• 現在リスク評価方法では、MNV発症の複雑さを完全には捉えきれていない可能性があります。

研究 の 目的:

• 強度近視眼におけるMNVのリスクを推定するための人工知能（AI）ベースのモデルを開発および検証すること。
• 画像ベースの深層学習（DL）モデルとマルチモーダル生存モデルの予測性能を評価すること。
• MNVリスク層別化のためのAIモデルの臨床的有用性と解釈可能性を探求すること。

主な方法:

• 強度近視患者2501人の4235眼を含む後ろ向きコホート研究。
• 1年、3年、5年MNVリスク予測のための眼底写真（DenseNet-121）を使用した3つのDLモデルの開発。
• 時間イベント分析のために画像特徴と臨床変数を統合したマルチモーダルDeepSurvモデルの作成。

主要な成果:

• DLモデルは、異なる予測期間に対して0.729から0.798の範囲の受信者操作特性曲線下面積（AUROC）を達成しました。
• マルチモーダルDeepSurvモデルは0.683のコンコーダンス指数（C指数）を示し、効果的なリスク層別化を可能にしました。
• SHAP分析は、軸長と病的近視カテゴリをマルチモーダルモデルにおける主要な予測因子として強調しました。

結論:

• AIベースのモデルは、強度近視におけるMNVの正確な固定期間および時間イベントリスク推定を提供します。
• これらのモデルは臨床的に意味のあるリスク層別化を提供し、調整された長期モニタリングをサポートする可能性があります。
• 強度近視管理のためのこれらのAIアプローチの臨床実装をサポートするために、さらなる外部検証が推奨されます。