Core Concepts
AIによる網膜画像の分析は、個々の患者の健康状態を評価し、将来の合併症リスクを予測するための中心的ツールとして現代の個別化医療において重要な役割を果たす。
Abstract
この記事では、AIが高い感度と特異度を示すことでDRの正確な診断において有望な成果を上げています。また、DRの診断だけでなく、神経障害や腎臓障害、心血管疾患も含めた応用が可能であることが示唆されています。これらのアプリケーションはCFP単体またはOCTなど他の高度な診断技術と組み合わせて使用される可能性があります。
Stats
PoplinらはInception-v3モデルを使用して大規模画像認識タスク向けにトレーニングし、主要な心血管イベントの画像ベース予測で0.70 AUCを報告した。
BensonらはVGG16 CNNとサポートベクターマシン分類器を使用して、医師診断された糖尿性末梢神経障害(主観的で感度が低く時間がかかる)を検出するために89%の精度、78%の感度、95%の特異度を達成した。
ZhangらはCondenseNet DLモデルで画像だけから糖尿性腎障害を予測し、臨床リスク因子だけではAUC 0.916(95%CI 0.891–0.941)、感度0.82、特異度0.84。RFだけ(年齢、性別、身長、体重、BMIおよび血圧)ではAUC 0.787–0.861。画像とRF両方入力する混合DLAではAUC 0.845–0.930。
Quotes
"AIによるDRスクリーニングシステムはCFPやOCT画像からDRを検出することで有望な結果を示しています。"
"説明可能なAIは複雑な意思決定プロセスを透明化し解釈可能にし,医師や患者がAIモデル出力に信頼感や受容性を持つことが不可欠です。"