医療安全と世界の健康
オープンアクセス

概要

眼科における人工知能: 網膜血管セグメンテーションのためのディープラーニングモデルのメタ分析

タミナ・ナスリン・ポリ

背景と目的: 網膜血管の正確なセグメンテーションは、心血管疾患、糖尿病、眼科疾患など、さまざまな疾患の診断とスクリーニングの信頼できるバイオマーカーであると考えられることがよくあります。最近、ディープラーニング (DL) アルゴリズムは、網膜画像のセグメンテーションにおいて高いパフォーマンスを示しており、迅速かつ命を救う診断を可能にする可能性があります。私たちの知る限り、この研究分野における現在の研究の系統的レビューはありません。そのため、網膜血管セグメンテーションにおける DL アルゴリズムのパフォーマンスを定量化するために、関連研究のメタ分析による系統的レビューを実施しました。方法: 2000 年 1 月 1 日から 2020 年 1 月 15 日までに発表された研究について、EMBASE、PubMed、Google Scholar、Scopus、Web of Science で系統的検索を実施しました。体系的レビューおよびメタ分析の推奨報告項目 (PRISMA) 手順に従いました。研究を含めるには、DL ベースの研究デザインが必須でした。 2 人の著者が独立して、すべてのタイトルと抄録を、定義済みの包含基準と除外基準に照らしてスクリーニングしました。バイアスのリスクと適用性を評価するために、診断精度研究の品質評価 (QUADAS-2) ツールを使用しました。結果: 31 件の研究が系統的レビューに含まれましたが、メタ分析の包含基準を満たしたのは 23 件の研究のみでした。DL は、公開されている 4 つのデータベースで高いパフォーマンスを示し、DRIVE、STARE、CHASE_DB1、HRF データベースでそれぞれ 0.96、0.97、0.96、0.94 の平均 ROC 下面積を達成しました。DRIVE、STARE、CHASE_DB1、HRF データベースのプールされた感度は、それぞれ 0.77、0.79、0.78、0.81 でした。さらに、DRIVE、STARE、CHASE_DB1、HRF データベースの統合された特異度は、それぞれ 0.97、0.97、0.97、0.92 でした。結論: 私たちの研究の結果は、DL アルゴリズムがデジタル眼底画像から網膜血管をセグメント化する際の感度と特異度が高いことを示しました。網膜血管セグメント化における DL アルゴリズムの将来的な役割は、特に医療へのアクセスが限られている国々にとって有望です。世界中の網膜疾患スクリーニングにおける DL ベースのツールの費用対効果を評価するには、より包括的な研究と世界的な取り組みが必須です。