要約
世界中で何十億人もの人々が、予防可能または診断されない視覚障害や失明に直面している。自動化された多疾患検出モデルは、診断における臨床意思決定支援を通じて、こうした問題に対処する大きな可能性を秘めている。本研究では、網膜画像に対する革新的な多疾患検出パイプラインを提案した。このパイプラインは、複数の異種深層畳み込みニューラルネットワーク（deep convolutional neural network: DCNN）モデルの予測能力を統合するアンサンブル学習を活用している。さらに、転移学習（transfer learning）、クラス重み付け（class weighting）、リアルタイム画像増強（real-time image augmentation）、Focal Lossの導入といった最先端の戦略を採用している。また、異種深層学習モデル、5分割交差検証に基づくバギング（bagging）、スタックドロジスティック回帰モデルといったアンサンブル学習技術を統合した。内部評価および外部評価を通じて、本パイプラインが高い精度と信頼性を示すことを検証し、網膜疾患予測における他の最先端パイプラインと同等の性能を達成できることを実証した。