[論文レビュー] Mobile Artificial Intelligence Technology for Detecting Macula Edema and Subretinal Fluid on OCT Scans: Initial Results from the DATUM alpha Study

Stephen G. Odaibo, Mikelson MomPremier+4 more|arXiv (Cornell University)|Feb 8, 2019

Retinal Imaging and Analysis参考文献 27被引用数 3

ひとこと要約

本研究では、スマートフォンで撮影したOCT表示画面の画像を分析することで、網膜中心部浮腫および網膜下液を同定するクラウドベースのモバイルAIアプリ「Fluid Intelligence」の有効性を評価した。283例の多施設後向き分析において、AIは感度の加重平均89.3%、特異度81.23%を達成し、支援が不足している眼科医療環境におけるスクリーニングツールとしての可能性を示した。

ABSTRACT

Artificial Intelligence (AI) is necessary to address the large and growing deficit in retina and healthcare access globally. And mobile AI diagnostic platforms running in the Cloud may effectively and efficiently distribute such AI capability. Here we sought to evaluate the feasibility of Cloud-based mobile artificial intelligence for detection of retinal disease. And to evaluate the accuracy of a particular such system for detection of subretinal fluid (SRF) and macula edema (ME) on OCT scans. A multicenter retrospective image analysis was conducted in which board-certified ophthalmologists with fellowship training in retina evaluated OCT images of the macula. They noted the presence or absence of ME or SRF, then compared their assessment to that obtained from Fluid Intelligence, a mobile AI app that detects SRF and ME on OCT scans. Investigators consecutively selected retinal OCTs, while making effort to balance the number of scans with retinal fluid and scans without. Exclusion criteria included poor scan quality, ambiguous features, macula holes, retinoschisis, and dense epiretinal membranes. Accuracy in the form of sensitivity and specificity of the AI mobile App was determined by comparing its assessments to those of the retina specialists. At the time of this submission, five centers have completed their initial studies. This consists of a total of 283 OCT scans of which 155 had either ME or SRF ("wet") and 128 did not ("dry"). The sensitivity ranged from 82.5% to 97% with a weighted average of 89.3%. The specificity ranged from 52% to 100% with a weighted average of 81.23%. CONCLUSION: Cloud-based Mobile AI technology is feasible for the detection retinal disease. In particular, Fluid Intelligence (alpha version), is sufficiently accurate as a screening tool for SRF and ME, especially in underserved areas. Further studies and technology development is needed.

研究の動機と目的

• 特に農村部や支援が不足している地域における網膜専門医の世界的な不足に対処すること。
• モバイルデバイスおよびクラウドコンピューティングを介してAI診断能力を広く配布する可能性を評価すること。
• モバイルAIアプリ（Fluid Intelligence）が、熟練した眼科医と比較してOCTスキャンにおける網膜下液および網膜中心部浮腫の検出精度をどの程度達成できるかを評価すること。
• OCTスクリーンのスマートフォンによる撮影画像が、臨床的スクリーニングに十分な診断正確性を提供できるかどうかを検討すること。
• モバイルAIが、スケーラブルで低コストなソリューションとして、網膜病変の早期発見を改善する可能性を検討すること。

提案手法

• クラウドホスティングされた機械学習モデルを用いて推論を実行するiOS用モバイルAIアプリ（Fluid Intelligence）を開発した。
• ユーザーがモニター上または印刷用紙に表示されたOCTスキャンのスマートフォン画像を撮影し、それをクラウドベースのAIエンジンにアップロードする。
• AIモデルは、深層学習技術を用いて、網膜中心部浮腫および網膜下液の有無を同定する。
• 画像を推論および監査目的で保存するため、NoSQLデータベースを活用した。
• 多様なOCTスキャンデータセットを用いてモデルをトレーニングし、クラウドベースの再トレーニングにより継続的な更新を可能にした。
• ボード資格を持つ網膜専門医が基準として用いられる多施設後向き分析を実施した。

実験結果

リサーチクエスチョン

• RQ1 OCTスキャンのスマートフォンによる撮影画像を用いたモバイルAIアプリが、網膜中心部浮腫および網膜下液の検出において、臨床的に許容可能な感度および特異度を達成できるか。
• RQ2 このようなモバイルAIシステムの診断正確性は、多様な臨床環境および読取者の熟練度レベルにおいて一貫しているか。
• RQ3 画像品質、解像度、アーティファクト（例：グレア、ぼやけ）が、実臨床での画像撮影におけるAI性能にどのような影響を与えるか。
• RQ4 新規データを用いて、ローカルのソフトウェア更新を必要とせずに、クラウドホスティングされたAIモデルを効果的に更新および改善できるか。
• RQ5 モバイルAIは、一次および地域医療の眼科領域において、不必要な紹介や見逃しの診断をどの程度削減できるか。

主な発見

• Fluid Intelligence AIアプリは、5施設における加重平均感度89.3%を達成し、網膜中心部浮腫または網膜下液の真陽性症例を検出する強力な能力を示した。
• 加重平均特異度は81.23%であり、施設間で52%から100%の広範な変動を示し、偽陽性の検出にばらつきがある可能性を示唆した。
• 感度は施設間で82.5%から97%の範囲にあり、病理的症例の同定において一貫性のあるパフォーマンスを示した。
• 偽陽性は、大きな連合性ドリューゼンや色素上皮剥離を特徴とする画像でより多く発生しており、拡張されたデータセットでトレーニングすることで是正可能である可能性がある。
• 解像度が低いかグレアがある画像品質の問題が、偽陽性の原因となったため、入力画像の基準を向上させる必要があることが強調された。
• 本研究は、OCTスキャンのスマートフォンによる撮影画像を用いたモバイルAIが、支援が不足している地域における診断能力の配布に実用的かつスケーラブルな方法であることを確認した。