緑内障性視野障害を検出する深層学習モデルが高精度

被験者1194例1909眼の視野データとスペクトラルドメイン光干渉断層撮影（SDOCT）画像のペア9765組を対象に、SDOCTでの網膜神経線維層（RNFL）厚マップ、RNFLのenface画像、共焦点走査型レーザー眼底検査（CSLO）画像を用いて学習させた深層学習モデルの緑内障性視野障害（GVFD）眼識別能および重症度予測能を検討。平均RNFL厚に基づくGVFD検出能と比較した。 その結果、GVFD眼検出の受信者動作特性曲線下面積（AUC）はRNFL enface画像を用いた深層学習モデルで0.88、軽度GVFD検出では0.82を達成し、平均RNFL厚測定値使用（0.82、0.73）よりも有意に高かった（P＜0.001）。深層学習モデルは標準的RNFL厚に比べ視野の平均偏差、パターン標準偏差などあらゆる定量的視野評価指標の予測能が高かった。 ...