謝和眼科が主導し、5 つの眼科センターが連携して AI を活用して 13 の眼底疾患の検出を支援しました。
病気は目ごとに大きく異なります。昨年末、愛康グループと英通 エアドック 共同発行した「健康診断人口400万人の健康青書」によると、眼底異常の総検出率は近年年々増加しており、2019～2020年の76.1%から2022～2023年の78.7%まで上昇している。眼底疾患の発生率は増加し続けており、世界中で最も一般的な失明の不可逆的な原因となっています。
眼疾患の診断は画像認識に大きく依存しているため、眼科はディープラーニングなどのテクノロジーの応用に非常に適しています。眼底疾患の診断におけるディープラーニングの潜在的な価値をさらに探求するために、北京連合医科大学病院眼科部長の陳友新氏が率いる全国 5 つの眼科センター（北京連合医科大学病院眼科、四川大学西部病院、河北医科大学第二病院、眼科病院）天津医科大学附属検眼病院）と北京知源匯図科技有限公司および中国人民大学情報学部の李希龍教授が協力して深層学習システム（DLS、深層学習システム）を開発しました。学習システム）により、若手眼科医が診断の一貫性を約 12% 向上できるようになり、13 の主要な眼底疾患の自動検出が可能になります。
研究のハイライト:
* この研究は、前向き臨床試験を通じて、主治医の眼科医による 13 の主要な眼底疾患の検出を支援する DLS の診断性能を評価することを目的としています。
* DLS 導入後、若手眼科医の診断の一貫性は約 12% 向上しました
* DLS は、新しい指標を定義するという当初の目的と一致して、少なくとも 1 つの既存の疾患を検出できなければなりません
用紙のアドレス:
https://doi.org/10.1038/s41746-023-00991-9
公式アカウントをフォローし、バックグラウンドで「DLS」と返信すると、完全な PDF が表示されます
DLS: 眼底疾患の診断のための新しいアイデアを切り開く
データセット: 正確な結果を保証するために眼底画像を収集します
以前の研究と比較して、この研究ではより多くのカラー眼底撮影データが収集され、データの総量は 81,395 枚の画像（トレーニング セットの画像 77,181 枚、検証セットの画像 1,087 枚、テスト セットの画像 3,127 枚）に拡大されました。
モデル構成: 2 つの主要な研究モデル、共同構築プロセス
DLS は、画質評価モデル (品質評価モデル) と診断モデル (診断モデル) の 2 つの部分で構成されます。ワークフローは次の図に示されています。
画質評価モデルは、ResNet-34 CNN に基づいて構築された回帰モデルです。1枚の眼底画像を入力すると、その画質が診断に適しているかどうかを画質評価モデルで判定します。適切な場合、診断モデルは診断の推奨事項を生成します。そうでない場合、システムは画質が診断に適していないという警告を発行しますが、システムは診断の推奨事項を提供できません。
眼底疾患診断モデルは、CNN モデル seResNext50 を主構造として、以前の研究の拡張に基づいています。完全接続層は、疾患が存在するかどうか、およびどの特定の疾患が存在するかを判断するための 2 つの分岐を備えて設計されています。予測結果をより安定させるために、この研究では、遅延融合を使用して 3 つの並列 seResNext50 モデルをトレーニングしました。
研究デザイン: 5 つの主要病院が連携しており、複数の要素により信頼性の高い結果が保証されます。
この研究は、北京連合医科大学病院、四川大学華西病院、河北医科大学第二病院、天津医科大学眼科病院、温州医科大学眼科病院を含む5つの三次病院で実施された。2020年8月から2021年1月までに合計750人の参加者が前向き検査を受け、そのうち748人がすべての手続きを完了した。参加者は全員18～75歳の外来患者で、平均年齢は51.7歳で、糖尿病が152人（20.3%）、高血圧が216人（28.9%）、高脂血症が104人（13.9%）だった。このうち男性患者は324人（43.3%）だった。彼らは全員、5つの病院のいずれかで眼底画像検査を受け、完全な医療記録を持ち、総合的な眼科検査を受けていた。
この研究では、画像に注釈を付けるために6人の眼科医（少なくとも5年の経験を持つ准教授）を招待し、最終的な診断は彼らの共同の議論によって決定されました。さらに、9人の若手眼科医（研修医または経験3年未満の主治医）が訓練を受け、研究での評価のために画像を読み取りました。
1 週間のウォッシュアウト期間の後、同じ画像セットに再度ラベルを付けます。これらの画像はランダムに並べ替えられ、DLS によって以前に注釈が付けられたラベルでラベル付けされ、実験グループを形成します。同時に、各若手眼科医がデータセットの一部に独立して注釈を付けるよう割り当てられ、対照グループとして機能しました。さらに、含まれるすべての眼底画像は DLS によって DLS グループとしてマークされました。
この研究で完全に分析できた画像のサブセットは 1,493 枚で、そのうち 477 枚 (32.0%) の眼底が 6 人の上級眼科医によるコメントと議論に基づいて正常とマークされました。さらに 1,016 枚 (68.1%) の画像には疾患がラベル付けされ、そのうち 1,386 枚 (92.8%) には 1 つの疾患のみのラベルが付けられ、78 枚 (5.2%) には 2 つの疾患のラベルが付けられ、29 枚 (1.9%) には 3 つの疾患のラベルが付けられました。 251 枚中 (16.8%) の画像が「その他の異常」としてマークされました。
眼底画像は、両眼の瞳孔が（未）拡張している状態で熟練技術者によって取得されました。眼底カメラ撮影の場合は、標準の操作手順を使用して、その後の注釈や読み取りの画質を確保してください。
この研究では、有病率と視覚機能への脅威に基づいて疾患を選択し、同時に眼底画像を使用したスクリーニングの臨床的可能性も考慮しました。最終的に、この研究では、参照可能な糖尿病性網膜症（DR）を含む、標準的な診断基準を備えた 13 の主要な眼底疾患が選択されました。網膜静脈閉塞症 (RVO)、網膜動脈分枝閉塞症 (RAO)、病的近視、網膜剥離 (RD)、原発性網膜色素変性症 (RP)、萎縮性および血管新生性加齢黄斑変性症 (AMD)、網膜上膜 (ERM)、黄斑円孔 (MH)、中心性漿液性脈絡網膜症 (CSC)、緑内障性視神経障害 (GON)、および視神経萎縮の疑い。画像に、選択した 13 疾患に含まれていない他の疾患の兆候が含まれている場合は、「その他の眼底異常」のカテゴリに分類されました。
実験結果：DLSは特定の眼底疾患を効果的に検出でき、診断精度にも影響を与える
対照グループと比較して、若手眼科医の 888 枚 (59.4%) の画像の注釈が変更されました。このうち、801枚（53.5%）の写真がAIの提案に従って修正された。場合によっては、若手眼科医が DLS の推奨に基づいて、本来は正しい診断判断を誤って誤ったラベルに変更してしまうことがありましたが、彼らは DLS から多くの助けを得ました。
青がエラー診断ラベルに変更され、赤が正しいラベルに変更されます
この研究は、DLS が主治医の複数の眼底疾患の検出における診断の一貫性を大幅に向上させることを証明した最初の臨床試験であると述べています。また、主治医が DLS の支援を受けて複数の眼底疾患スクリーニングの画像を読み取ることができることも証明しています。効果的な臨床アプローチです。
この研究では、DLS の全体的な疾患診断の感度と特異度は、それぞれ 96.6% と 81.8% に達しました。特定の眼底疾患を効果的に検出し、眼底異常を検出し、患者を専門的な調査と評価に紹介するのに役立ちます。さらに、高い特異性により、不必要な紹介や医療費の削減に役立ちます。
この研究では、AI支援による医師の読書グループ（実験グループ）、医師の独立した読書グループ（対照グループ）、AIによる読書グループ（AIグループ）の3つの対照グループを設定しました。
その結果、実験グループ、対照グループ、AIグループの診断一致率はそれぞれ84.9%、72.9%、85.5%であったことが示されました。つまり、AIの支援により、若手医師の読影診断能力は約 12% 向上します。この研究では、診断上の一致は実験グループと DLS グループの間で同様であり、DLS 単独でも十分に効果があり得ることを示唆しています。しかし、人間の医師の参加が依然として重要です。 AI ベースの疾患のスクリーニングと特定は実際の臨床現場で広く使用されていますが、誤診などの関連リスクももたらします。
さらに、この研究では、実験グループと対照グループは眼底疾患に対する感受性が同等であり、特にGONの疑い、視神経萎縮、萎縮性AMD、CSCなどの疾患に関して、実験グループは対照グループよりも有意に優れていました。これらの結果は次のことを示しています若手眼科医は眼底異常と正常を区別できますが、特定の疾患の診断には依然として欠陥があり、この欠陥は DLS の支援によって解決できるため、診断の見逃し率が大幅に減少し、診断における若手眼科医の専門性も低下します。眼底疾患の程度の制限。
しかし、対照群(60.5%)の診断正答率は実験群(44.2%)よりも高かった。注釈を検討した結果、DLS は画像に対してより多くのラベルに注釈を付ける傾向があり、これは主治医による診断の見逃しを減らすのに役立ちますが、診断の精度にも影響を与えることが研究でわかりました。
さらに、この研究には依然として一定の限界があります。まず、データセットでは眼底疾患の実際の画像が選択されていますが、一部のカテゴリには少数の画像しか含まれていないため、偏った結果が生じる可能性があり、参加者はすべて漢民族の患者でした。今後の研究では、将来のデータセットをさらに拡大し、患者のタイプを充実させる必要があります。
第二に、この研究のために選択された一部の疾患では、眼底画像の範囲を超えている網膜周囲領域から開始して収集する必要があります。そのため、DLS では初期段階では検出できません。この研究では、広視野カラー眼底写真を使用することで、この問題をある程度解決できます。
第三に、DLS の助けにより、若手眼科医の診断能力が大幅に向上したため、この技術は教育目的での応用シナリオとしても使用できます。これも今後の取り組みに必要な重要なテーマです。より包括的な検査と評価。
チェン・ユーシン教授は眼底医学に深く関わり、AIの応用を推進
「北京連合医科大学病院はどのくらい素晴らしいですか?」 - これは中国のソーシャル メディアで活発な投稿であり、以下の無数の投稿では、北京連合医科大学病院の優れた医療技術を示しています。ユニオン病院眼科は「東洋のウィーン眼科センター」として長年にわたり業界の第一線で活躍しており、現在の部長である陳友新氏はその発展の歴史の証人であり創造者であると言えます。中国の眼科のこと。
1993 年、眼科の分野に入ったばかりの陳友新医師が、張成芬教授の下で眼底疾患の医師としてユニオン病院にやって来ました。 2001年、米国に留学中の陳友新教授は、当時中国医師会眼科支部長だった趙佳良教授から電子メールを受け取り、その中には中国に帰国することを望んでいることが書かれていた。翌年の第 8 回全国眼科学術会議の準備に役立てるため、できるだけ早くご参加ください。慎重に検討した結果、チェン・ユーシンは最終的に研究を早期に終了し、中国に戻って全国眼科年次会議を設立することを選択しました。このプラットフォームは、後に無数の中国の眼科医が視野を広げるのに役立ちました。
陳友新教授は長年眼底医学に携わってきました。 1982年、米国のYannuzzi教授が黄斑学会会議で初めて眼底疾患を報告し、特発性ポリープ状脈絡膜血管症（PCV）と命名した。研究が深まるにつれ、学者らはこの病気の発生率がアジア人の間で最も高く、人口基盤が大きいため我が国でもこの病気の患者が増加していることを発見しました。 2017年、Chen Youxin教授の主導により、中国の眼科界初の「PCV研究同盟」が設立された。
その後、Chen Youxin 教授が率先して国内の多くの部門と協力して、PCV の治療における Conbercept 点眼薬の実際の研究である START 研究を実施しました。ファイナル、Chen Youxin教授のチームが率いる「ポリープ状脈絡膜血管症の診断と治療システムの確立と理論的革新」が、2022年中国医学科学技術賞の第2位を受賞した。
また、この論文の筆頭著者であるLi Bing氏は、北京連合医科大学病院眼科のChen Youxin教授と眼底疾患の専門家Ye Junjie教授に師事しました。彼は現在、北京連合医科大学病院眼科の常駐医師であり、筆頭著者として SCI および中国のコアジャーナルに 10 以上の論文を発表しており、国立眼科学会などの学会で多くの報告を行っています。全国眼底疾患学会との会合。
AI を活用した眼底疾患の特定という点では、謝和眼科は時代の最前線にいます。 2021年にはすでに、チェン・ユーシン教授は人工知能を通じて静脈閉塞、糖尿病性病変、黄斑変性症などの複数の疾患を特定することに成功しており、これには北京の主要プロジェクトから500万元の資金も提供されている。
現在、ユニオン病院眼科では、眼科疾患のスクリーニング、治療予測、眼疾患と全身疾患の相関関係、マルチモーダルかつ広角の眼底病変、および複数の疾患病変の識別における人工知能の研究を実施しており、多くの草の根シナリオで適用され、推進されており、医療資源の不均等な開発によって引き起こされる困難で高価な医療の問題を解決するためのアイデアと解決策を提供します。
チェン・ユーシン教授によると、すべての取り組みは、大都市から遠く離れた患者により良い診断と治療を提供するために医療資源を削減することを目的としている。人工知能などのテクノロジーの発展に伴い、チェン・ユーシン教授の取り組みはすでに初期の成果を上げており、今後も困難を克服し、病気の病因、発症パターン、診断、治療において人工知能の力を発揮し続けるでしょう。関連する病気。
参考文献:
1.https://mp.weixin.qq.com/s/zctJN7Q7PYjsPypkStWcoA
2.https://mp.weixin.qq.com/s/LoXWmWVpYnrr1-vKBrpL6A
3.https://mp.weixin.qq.com/s/IFS5JWIyb_5mqfJccAQO2g
4.https://mp.weixin.qq.com/s/zxP9n_vGWNcH2rPW-dq37g
5.https://www.pumch.cn/detail/34540.html