기계학습을 이용한 지도형 위축 환자의 자동 정량화된 광간섭 단층촬영 바이오마커의 시각 기능 예측

Jun 23, 2023

Scientific Reports 12권, 기사 번호: 15565(2022) 이 기사 인용

2407 액세스

5 인용

18 알트메트릭

측정항목 세부정보

지리학적 위축(GA)은 전 세계적으로 실명의 주요 원인 중 하나인 연령 관련 황반변성(AMD)의 시력을 위협하는 징후입니다. 광간섭단층촬영(OCT) 망막 스캔에서 GA의 객관적이고 신속하며 신뢰할 수 있고 확장 가능한 정량화는 질병 모니터링, 예후 연구 및 치료법 개발을 위한 임상 종점에 필요합니다. OCT에서 자동으로 정량화된 바이오마커는 GA의 구조-기능 상관관계와 그에 따른 질병 발병 및 진행의 ​​병리생리학적 메커니즘을 추가로 설명할 가능성이 높습니다. 본 연구에서는 GA에서 자동으로 획득된 정량적 이미징 바이오마커에 적용된 기계 학습을 통해 시각 기능을 예측하는 것을 목표로 했습니다. 임상 시험 및 일상적인 임상 치료의 데이터에 대한 사후 분석이 수행되었습니다. GA가 있는 476개 눈(환자 325명)의 OCT 스캔에 딥러닝 자동 분할 모델이 적용되었습니다. 별도의 기계 학습 예측 모델(Random Forest)은 결과적인 정량적 OCT(qOCT) 바이오마커를 사용하여 표준(VA) 및 저휘도(LLVA) 하에서 단면 시력을 예측했습니다. 1차 결과는 조기 치료 당뇨병성 망막병증 연구(ETDRS) 서한의 단면 VA 및 LLVA에 대한 회귀 계수(r2) 및 평균 절대 오차(MAE)였습니다. OCT 매개변수는 VA(r2 0.40 MAE 11.7 ETDRS 문자) 및 LLVA(r2 0.25 MAE 12.1)를 예측했습니다. GA의 세 가지 구성 특징에 대한 예측 값을 측정하는 정규화된 랜덤 포레스트 특징 중요성. 망막색소상피(RPE) 손실, 광수용체 변성(PDR), 과송신 및 그 위치는 복셀 수준 히트맵과 ETDRS 그리드 하위 필드 모두에서 보고되었습니다. 중심부 영역(46.5%)과 RPE 손실(31.1%)은 VA에 대한 가장 큰 예측 중요성을 가졌습니다. 그러나 LLVA의 경우 중심와가 아닌 부위(74.5%)와 PDR(38.9%)이 가장 중요했습니다. 결론적으로, 자동화된 qOCT 바이오마커는 GA의 VA 및 LLVA에 대한 예측 중요성을 보여줍니다. LLVA 자체는 GA 진행을 예측하며, 이는 우리 모델에서 제공하는 예측 qOCT 바이오마커도 예후임을 의미합니다.

지리학적 위축(GA)은 중심 시력에 필요한 망막의 중심 24mm2(20°) 영역인 황반의 만성 진행성 퇴행입니다. 이는 후기 연령 관련 황반변성(AMD)의 결정적인 병변입니다1,2. GA는 심각하고 회복 불가능한 시력 상실과 관련이 있습니다. AMD의 시각 기능을 평가하기 위해 표준화된 조명 하에서 안구 차트를 사용하여 측정한 시력(VA)은 국제 건강 결과 측정 컨소시엄3에서 정의한 확립된 핵심 결과 측정입니다. 흥미롭게도, AMD의 초기 단계에서는 낮은 휘도 조건(낮은 휘도 시력[LLVA])에서 측정된 VA가 감소할 수 있지만 표준 VA는 영향을 받지 않습니다4,5. 대부분의 환자는 처음에는 비중심부 GA(황반의 중심와 주위 영역에 영향을 줌)로 나타나며 점차적으로 중심와 침범(중심 GA)으로 진행됩니다6,7,8. 이러한 맥락에서, LLVA는 향후 VA 악화와 상관관계가 있으며, LLVA의 감소는 환자가 말기 질환의 시작 부분으로 향할 것이며 중심와 기능 상실이 임박할 수 있음을 나타냅니다. 그러나 이 결과 측정의 기본이 되는 생리학적 메커니즘은 알려져 있지 않습니다9,10.

현재 GA에 대한 치료법이 없고 유망한 치료법이 곧 나올 예정이므로 GA 내에서 구조-기능 관계를 확립하는 것이 점점 더 중요해지고 있습니다. (ii) 질병 활동 모니터링을 개선하여 개별 환자 수준에서 진단 및 예후 상담을 개선합니다. (iii) 임상 시험에서 임상적 종말점을 정의하고 초기 단계, 즉 시력 상실을 예방할 수 있는 중재 기회를 식별하는 데 도움이 됩니다.