ヒト白内障の人工知能ベースの評価:実現可能性調査
Artificial intelligence-based grading of human cataracts: A feasibility study
この実現可能性調査では、前方眼部光干渉断層計(OCT)を用いたヒト水晶体混濁(白内障)の自動分類のためのAIアルゴリズムを開発・検証した。データセットは901眼から得られた1,802枚の未処理OCT画像で構成され、白内障の重症度は裂隙灯検査と水晶体混濁分類システム(LOCS)IIIを用いて評価された。核混濁(NO)は軽度(≤3.0)、中等度(3.5–4.0)、重度(≥4.5)に層別化され、後嚢下白内障(PSC)は軽度(<4)または重度(≥4)に分類された。核色(NC)と皮質白内障(C)は評価されなかった。データセットを70%のトレーニング、20%のテスト、10%の検証にランダムに分割し、畳み込みニューラルネットワークを5回トレーニングした。患者の平均年齢は72±8.8歳で、平均LOCS IIIグレードはNOで3.81±0.79、PSCで1.74±1.55だった。AIはNO分類で60.3%の精度を達成し、誤分類のうち34.9%は1カテゴリー以内、4.8%は著しく不正確だった。PSC分類は86.4%の精度で実行され、真陽性率は81.8%、真陰性率は90.9%だった。これらの結果は、自動白内障評価における深層学習の可能性を示している。
- 前方眼部OCTを用いた白内障自動分類のためのCNNベースAIアルゴリズムを開発・検証した
- 核混濁分類で60.3%の精度、後嚢下白内障分類で86.4%の精度を達成した
- データセットは901眼から得られた1,802枚のOCT画像で構成され、LOCS III基準で重症度評価された
深層学習を用いた眼科診断支援の実現可能性調査であり、白内障の自動分類でAIアルゴリズムの検証結果が示された。医療AI分野への応用事例として投資家の関心を引くが、核混濁分類の精度が60.3%と限定的であり、臨床実装にはさらなる精度向上が必要。眼科診断AI市場の成長を見込む投資家にとっては、技術の現状評価と進展モニタリングの観点で注目に値する。