要約
緑内障は初期段階において症状を呈しない眼疾患であり、診断が遅れると視神経節細胞の不可逆的変性が進行する。現在、標準自動視野検査（standard automated perimetry）が緑内障の評価において黄金標準とされているが、この検査は主観的要素が強く、検査ごとに被検者の反応が変動するため、検査結果の解釈を著しく困難にしている。本研究では、既存の視野評価における認知的要因を排除することで、迅速かつ点検（point-of-care）診断を可能にするアプローチを提示する。従来の手法が主に中心窩（fovea）のターゲット検出精度に注目しているのに対し、本研究では中心窩と周辺視野の隣接ターゲットからの信号を同時に効率的に捉えるマルチタスク学習アーキテクチャを採用し、視覚応答マップを生成した。さらに、複数のタスクを並列で効率的に学習するマルチタスク学習モジュールを設計した。本モデルの分類性能を40クラスのデータセット上で評価した結果、精度（accuracy）は92％、F1スコアは95％を達成した。本モデルはキャリブレーション不要かつユーザーに依存しない環境でも良好な性能を発揮でき、臨床診断において極めて望ましい特性である。本研究で提案するアプローチは、緑内障患者の視野評価を客観的に行うための第一歩となる可能性を秘めている。