[論文レビュー] Artificial Intelligence in Assessing Cardiovascular Diseases and Risk Factors via Retinal Fundus Images: A Review of the Last Decade

Mirsaeed Abdollahi, Ali Jafarizadeh+8 more|arXiv (Cornell University)|Nov 11, 2023

Retinal Imaging and Analysis参考文献 89被引用数 4

ひとこと要約

このレビューでは、過去10年間の人工知能（特にディープラーニング）を用いた網膜後極部画像を用いた心血管疾患およびリスク要因の検出に関する研究を統合しています。AIが1枚の網膜スキャンから複数の心血管疾患の非侵襲的で早期の診断を可能にする可能性を強調するとともに、臨床応用における主な課題と、医療制度への広範な導入の必要性を明らかにしています。

ABSTRACT

Background: Cardiovascular diseases (CVDs) are the leading cause of death globally. The use of artificial intelligence (AI) methods - in particular, deep learning (DL) - has been on the rise lately for the analysis of different CVD-related topics. The use of fundus images and optical coherence tomography angiography (OCTA) in the diagnosis of retinal diseases has also been extensively studied. To better understand heart function and anticipate changes based on microvascular characteristics and function, researchers are currently exploring the integration of AI with non-invasive retinal scanning. There is great potential to reduce the number of cardiovascular events and the financial strain on healthcare systems by utilizing AI-assisted early detection and prediction of cardiovascular diseases on a large scale. Method: A comprehensive search was conducted across various databases, including PubMed, Medline, Google Scholar, Scopus, Web of Sciences, IEEE Xplore, and ACM Digital Library, using specific keywords related to cardiovascular diseases and artificial intelligence. Results: The study included 87 English-language publications selected for relevance, and additional references were considered. This paper provides an overview of the recent developments and difficulties in using artificial intelligence and retinal imaging to diagnose cardiovascular diseases. It provides insights for further exploration in this field. Conclusion: Researchers are trying to develop precise disease prognosis patterns in response to the aging population and the growing global burden of CVD. AI and deep learning are revolutionizing healthcare by potentially diagnosing multiple CVDs from a single retinal image. However, swifter adoption of these technologies in healthcare systems is required.

研究の動機と目的

• 過去10年間における人工知能を用いた網膜後極部画像の分析による心血管疾患検出分野の最先端技術を評価すること。
• 人工知能を心血管リスク評価に広く採用するのを妨げる主な技術的および臨床的課題を特定すること。
• 非侵襲的網膜画像を用いた心血管疾患およびリスク要因の検出における人工知能の応用を包括的に概説すること。
• 今後の研究を導くために、AIを臨床心臓病学ワークフローに統合する際の現在の制限要因と機会を要約すること。

提案手法

• 心血管疾患（CVD）と人工知能に関するキーワードを用いて、PubMed、Medline、Google Scholar、Scopus、Web of Science、IEEE Xplore、ACM Digital Library で系統的な文献検索を実施した。
• AI、網膜後極部画像、心血管疾患評価に関連する関連性に基づき、87件の英語論文が選定された。
• 本レビューでは、畳み込みニューラルネットワーク（CNN）などの深層学習モデルを用いて網膜画像からの特徴抽出と分類を実施した研究の結果を統合している。
• 分析は、モデルの性能、臨床的適用性、データ品質、多様な集団における一般化性能に焦点を当てている。
• 本研究では、網膜画像に現れる微小循環変化を用いた心血管疾患の診断精度と早期予測可能性を評価している。
• 本レビューでは、AIを既存の臨床プロトコルに統合する方法と、医療制度における実用的導入の障壁についても検討している。

実験結果

リサーチクエスチョン

• RQ1 過去10年間で人工知能は網膜後極部画像を用いて心血管疾患をどのように検出するために応用されてきたか？
• RQ2 網膜画像のCVDリスク予測に用いられる、最も効果的な深層学習アーキテクチャは何か？
• RQ3 網膜ベースのCVDスクリーニングにおけるAIの採用を制限する主な技術的および臨床的課題は何か？
• RQ4 異なる集団および画像プロトコルにおいて、モデルの性能と一般化能はどのように変動するか？
• RQ5 AIを日常的な心血管リスク評価に効果的に統合するためには、現在の研究で解決すべき主要なギャップは何か？

主な発見

• 特にディープラーニング手法を用いたAIモデルは、1枚の網膜後極部画像から多様な心血管疾患およびリスク要因を高い正確性で検出することができた。
• AIと網膜画像の統合により、全身の心血管健康と関連する微小循環変化の非侵襲的評価が可能になった。
• 制御された研究では高い性能を示しているが、データの多様性、モデルの解釈可能性、臨床的妥当性に関する課題が、実用的導入の主要な障壁のままである。
• 複数の研究で、網膜後極部画像がストロークや心筋梗塞などのCVD予後を中程度から高いAUC値で予測できる証拠が蓄積されている。
• 本レビューでは、モデルの頑健性と一般化能を向上させるために、より大規模で多民族的かつ縦断的データセットの構築が不可欠であると指摘している。
• 心血管イベントの削減と医療費の削減が期待できるにもかかわらず、臨床現場におけるAIの網膜CVDスクリーニングへの導入は現在まだ限定的である。