[論文レビュー] Current and future roles of artificial intelligence in retinopathy of prematurity

Ali Jafarizadeh, Shadi Farabi Maleki+10 more|arXiv (Cornell University)|Feb 15, 2024

Retinopathy of Prematurity Studies被引用数 5

ひとこと要約

このレビューは、ROPの検出と管理のための網膜画像診断とAIの利用を概観し、従来の機械学習から深層学習への移行を強調し、現在の進展・課題・将来の方向性を概説します。

ABSTRACT

Retinopathy of prematurity (ROP) is a severe condition affecting premature infants, leading to abnormal retinal blood vessel growth, retinal detachment, and potential blindness. While semi-automated systems have been used in the past to diagnose ROP-related plus disease by quantifying retinal vessel features, traditional machine learning (ML) models face challenges like accuracy and overfitting. Recent advancements in deep learning (DL), especially convolutional neural networks (CNNs), have significantly improved ROP detection and classification. The i-ROP deep learning (i-ROP-DL) system also shows promise in detecting plus disease, offering reliable ROP diagnosis potential. This research comprehensively examines the contemporary progress and challenges associated with using retinal imaging and artificial intelligence (AI) to detect ROP, offering valuable insights that can guide further investigation in this domain. Based on 89 original studies in this field (out of 1487 studies that were comprehensively reviewed), we concluded that traditional methods for ROP diagnosis suffer from subjectivity and manual analysis, leading to inconsistent clinical decisions. AI holds great promise for improving ROP management. This review explores AI's potential in ROP detection, classification, diagnosis, and prognosis.

研究の動機と目的

• 主観性と過学習によるROP診断における従来のML手法の限界を評価する。
• ROP検出とプラス病の識別における深層学習の進歩を要約する。
• 信頼性の高いROP診断のためのAIベースのシステム（例：i-ROP-DL）を評価する。
• 研究から臨床実践へのAIの翻訳を妨げる課題とギャップを特定する。
• AI活用ROP管理の今後の研究方向性に関する指針を提供する。

提案手法

• より大きな研究群1487件のうち、AIとROPに関する89件の原著研究の系統的レビュー。
• 網膜画像解析の手法を従来のMLからCNNベースのアプローチへと統合・整理する。
• 性能・信頼性・主観性および臨床統合の問題について議論する。
• AI主導の検出・分類・診断・予後タスクの比較。
• データセット・検証・一般化可能性の考慮事項の批判的評価。

実験結果

リサーチクエスチョン

• RQ1 網膜画像からROPを検出および分類するAI手法の現在の能力と限界は何か？
• RQ2 従来のMLと比較して、特にCNNがROP診断とプラス病検出をどのように改善したか？
• RQ3 臨床採用におけるAIの導入の主な課題（例：主観性、過学習、検証）とは何か？
• RQ4 AI支援ROPケアを進めるための将来の方向性と研究ギャップは何か？
• RQ5 AIはROP管理における予後と意思決定にどのような影響を与えるか？

主な発見

• 従来のROP診断法は主観性と手動分析により一貫性のない判断を招く。
• CNNを含むDLアプローチは、ROPおよびプラス病の検出と分類を大幅に改善している。
• i-ROP-DLシステムは、信頼できる自動ROP診断の有望性を示している。
• AIは検出・分類・診断・予後のいずれの面でもROP管理を改善する強い可能性を持つ。
• データ・検証・一般化・臨床翻訳には顕著な課題とギャップがあり、対処が必要である。
• このレビューは、より広い文献群の中で特定された89件の原著研究に基づいている。