眼応答アナライザーからの剛性指標の予測および角膜ヘルニアの特定のための適応的テンポラル混合エキスパート：眼応答アナライザーからの剛性推定

科学分野:

• 眼科学
• 生体医工学
• 機械学習

背景:

• 眼応答アナライザー（ORA）は、眼の生体力学を評価するための貴重な波形データを提供します。
• 弾性剛性の正確な推定は、さまざまな眼の状態を診断するために重要です。
• ORA波形から剛性を抽出するための現在の方法には限界があります。

研究 の 目的:

• ORA波形から弾性剛性推定値を抽出するための機械学習モデルを開発および検証すること。
• 開発されたモデルと従来の機械学習アプローチのパフォーマンスを比較すること。
• 角膜ヘルニア検出におけるモデルの能力を評価すること。

主な方法:

• 開発および独立した検証データセットを使用した前向き観察コホート研究が実施されました。
• Long Short-Term Memory（LSTM）ネットワークを統合した適応的テンポラル混合エキスパート（AT-MoE）モデルは、ORA波形パラメータと生信号でトレーニングされました。
• モデルは、Corvis STデータに対して検証され、角膜ヘルニア検出に使用された角膜、強膜、および変形剛性推定値を予測しました。

主要な成果:

• AT-MoEモデルは、ベースラインLSTMモデルと比較して眼の剛性予測において優れたパフォーマンスを示し、予測誤差を減少させました。
• モデルは、独立した検証データセットにおける角膜ヘルニア検出のために、受信者操作特性曲線下面積（AUROC）0.9512を達成しました。
• このパフォーマンスは、確立された断層撮影検出方法と同等です。

結論:

• AT-MoEモデルは、ORA波形から弾性剛性を導出するための新規かつ正確なフレームワークを提供します。
• この機械学習アプローチは、角膜ヘルニアのような状態の診断能力を向上させます。
• この方法は、生体力学的分析のためのORAデバイスの臨床応用を拡大する可能性があります。