基于深度学习的OCT图像集群用于与年龄相关的黄斑退化中的生物标志物发现 (PINNACLE研究报告4)

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 与年龄相关的黄斑变性 (AMD) 是导致视力丧失的主要原因.
• 目前对AMD的诊断和预后工具存在局限性.
• 生物标志物发现对于推进AMD治疗和管理至关重要.

研究的目的:

• 引入一个深度学习系统,在AMD的光学连贯性断层扫描 (OCT) 中提出新的成像生物标志物.
• 加速发现与年龄相关的黄斑变性 (AMD) 的新生物标志物.
• 为了识别超出已建立的临床分级系统的潜在成像生物标志物.

主要方法:

• 追溯分析了3456张来自51-102岁成年人的视网膜OCT图像.
• 利用46496张OCT图像的自我监督对比学习来发现没有临床注释的特征.
• 采用专家采访来解释和分类学到的特征,将其分成30个生物标志物候选者识别集群.

主要成果:

• 该系统确定了27个具有明显特征的独特集群,其中23个与AMD相关.
• 七个群体与已知的生物标志物相对应,而16个群体代表了新的或最近提出的生物标志物亚型.
• 新型生物标志物在晚期AMD的预后价值高于既有分级系统.

结论:

• 自主监督的深度学习有效地从OCT图像中提出了新的AMD生物标志物.
• 该系统识别了微妙的,细粒度的生物标志物,没有临床注释.
• 这种方法可以显著加速发现AMD的新预后生物标志物.