멀티를 이용한 녹내장 진단

Jun 30, 2023

Scientific Reports 12권, 기사 번호: 8064(2022) 이 기사 인용

4069 액세스

8 인용

2 알트메트릭

측정항목 세부정보

이 연구에서 우리는 여러 특징을 분석하고 OCT(광간섭 단층촬영) 이미지에서 새로운 단면 시신경유두(ONH) 특징을 도입하여 녹내장의 현재 진단 평가를 용이하게 하는 것을 목표로 했습니다. 구조적, 기능적, 인구통계학적 및 위험 요인을 기반으로 데이터(녹내장 및 대조군 모두 n = 100)를 수집했습니다. 특징을 통계적으로 분석하고, 가장 중요한 4가지 특징을 머신러닝(ML) 알고리즘 학습에 사용했습니다. 자동화된 녹내장 검출을 위한 분류 정확도 측면에서 딥러닝(DL)과 로지스틱 회귀(LR)의 두 가지 ML 알고리즘을 비교했습니다. ML 모델의 성능은 보이지 않는 테스트 데이터인 n = 55에서 평가되었습니다. 그런 다음 단면 OCT 스캔에 대해 이미지 분할 파일럿 연구가 수행되었습니다. ONH 컵 면적을 추출, 분석하고 녹내장 예측을 위해 새로운 DL 모델을 훈련했습니다. DL 모델은 5겹 교차 검증을 사용하여 추정되었으며 두 개의 사전 훈련된 모델과 비교되었습니다. 최적의 특징으로 훈련된 DL 모델은 자동화된 녹내장 감지에 대한 이전 연구에 비해 훨씬 더 높은 진단 성능(수신기 작동 특성 곡선(AUC) 아래 면적 0.98, 검증 데이터 정확도 97%, 테스트 데이터 정확도 96%)을 달성했습니다. 파일럿 연구에 사용된 두 번째 DL 모델도 두 개의 사전 훈련된 모델에 비해 녹내장을 감지하는 유망한 결과(AUC 0.99 및 98.6%의 정확도)를 보여주었습니다. 두 연구의 결과를 결합하면 딥 러닝을 사용하여 훈련된 네 가지 특징과 ONH 컵 단면적 영역이 임상의가 정확한 결정을 내리는 데 도움이 되는 녹내장 초기 검사 도구로 사용할 수 있는 큰 잠재력이 있음을 강력히 시사합니다.

녹내장은 망막 신경절 세포(RGC)의 손실을 특징으로 하는 다양한 기본 병인을 지닌 잠재적으로 눈을 멀게 하는 시신경병증입니다. 이는 임상적으로 ONH 부항으로 나타나는 시신경두(ONH)의 해부학적 변화를 특징으로 하며, 주로 얇은 층판이 얇아지고 뒤쪽으로 휘어지는 현상을 나타냅니다1. 녹내장성 시신경병증의 검출 및 모니터링은 임상 결정을 내리기 전에 관찰하고 평가하는 여러 임상 특징에 따라 달라집니다2. 현재 녹내장 진단 및 모니터링에는 완전한 눈 검사와 추가 테스트 및 수많은 데이터 수집이 필요하므로 해석하기 어려울 수 있습니다. 더욱이, 정상인과 초기 녹내장 환자의 안구 특징에는 상당한 중복이 있습니다. 이러한 이유로 실제 병리를 정상 가변성과 구별하고 테스트 간 가변성과 실제 진행을 구별하는 데 도움이 되는 인공 지능(AI) 시스템3과 같은 보완 기술을 개발하는 데 관심이 있습니다.

최근 안과 내 AI 구현에 따라 기존 방법에 비해 망막 이미지를 신속하게 처리하고 병리학적 검사에서 녹내장 손상을 정확하게 감지할 수 있는 자동화된 녹내장 감지를 위한 여러 기계 학습(ML) 알고리즘이 연구 및 개발되었습니다. 주로 안구 이미지에서 간단한 ML부터 고급 딥 러닝(DL) 알고리즘을 사용하는 자동 녹내장 감지는 다양한 결과로 널리 연구되어 왔습니다. 안저 영상과 OCT 영상으로 훈련된 대부분의 DL 알고리즘은 두 가지 일반적인 단계를 수행합니다. 관심 영역을 세분화하고 녹내장 눈과 비녹내장 눈을 분류합니다. 초기 단계에서는 안저 사진이 AI 기술4,5,6,7,8을 사용하여 녹내장을 평가하고 발견하는 데 널리 사용되었습니다. Ting 등9은 AUC가 0.942인 참조 가능한 녹내장을 감지하기 위해 71,896개의 검증된 망막 안저 사진에 대한 DL 모델을 훈련했습니다.

또한 Asaoka et al.10은 황반 OCT 이미지에 전이 학습 모델을 적용하고 정상 눈과 조기 발병 녹내장 눈으로 구성된 독립적인 데이터 세트에서 진단 성능을 평가했습니다. 모델의 AUC는 0.93으로 SVM(Support Vector Machine), RF(Random Forest) 등 다른 ML 방법에 비해 상당히 컸습니다. et al.11은 녹내장과 정상 눈을 구별하기 위해 VGG19 모델을 사용하여 안저 및 OCT 이미지를 모두 훈련했으며 안저에 대해 0.94의 AUC, OCT 이미지의 4가지 특징에 대해 0.94의 AUC를 달성했으며 모든 이미지의 조합으로 AUC를 달성했습니다. 0.96.