[논문 리뷰] Artificial Intelligence in Assessing Cardiovascular Diseases and Risk Factors via Retinal Fundus Images: A Review of the Last Decade

Mirsaeed Abdollahi, Ali Jafarizadeh외 8명|arXiv (Cornell University)|2023. 11. 11.

Retinal Imaging and Analysis참고 문헌 89인용 수 4

한 줄 요약

이 리뷰는 지난 10년간 인공지능, 특히 딥러닝을 활용해 망막 기저도 영상에서 심혈관질환과 위험 인자를 진단하는 데 관한 연구를 종합한다. 인공지능이 단일 망막 스캔으로 다수의 심혈관질환을 비침습적으로 조기 진단할 수 있는 잠재력을 보여주며, 임상 적용에 있어 주요 과제와 의료 시스템 내 광범위한 구현의 필요성을 밝히고 있다.

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.

연구 동기 및 목표

• 지난 10년간 인공지능 기반 망막 기저도 영상 분석을 통한 심혈관질환 진단 분야의 최신 기술 수준을 평가하기 위해.
• 심혈관질환 위험 평가에 있어 인공지능의 광범위한 도입을 저해하는 주요 기술적 및 임상적 과제를 규명하기 위해.
• 비침습적 망막 영상 기반으로 심혈관질환과 위험 인자를 진단하는 데 있어 인공지능 응용 사례에 대한 종합적인 개요를 제공하기 위해.
• 현재의 한계와 기회를 요약하여 향후 연구를 이끌기 위해, 인공지능을 임상 심장병학 워크플로우에 통합하는 데 있어 현재의 문제점을 정리하기 위해.

제안 방법

• 심혈관질환과 인공지능을 주제로 한 키워드를 사용해 PubMed, Medline, Google Scholar, Scopus, Web of Science, IEEE Xplore, ACM Digital Library 등에서 체계적인 문헌 검색을 수행하였다.
• AI, 맹막 기저도 영상, 심혈관질환 평가와 관련된 연구의 관련성 기준으로 87篇의 영문 논문을 선정하였다.
• 이 리뷰는 컨volutional 신경망(CNNs)과 같은 딥러닝 모델을 활용해 맹막 영상에서 특징 추출 및 분류를 수행한 연구의 결과를 종합한다.
• 분석은 모델 성능, 임상 적용 가능성, 데이터 품질, 다양한 인구 집단에 대한 일반화 능력에 중점을 두었다.
• 연구는 망막 영상에 나타나는 모세혈관 변화를 기반으로 한 심혈관질환의 진단 정확도와 조기 예측 가능성도 평가하였다.
• 리뷰는 기존 임상 경로와의 인공지능 통합과 의료 시스템 내 실생활 구현에 있어 장애 요인을 논의하였다.

실험 결과

연구 질문

• RQ1 지난 10년간 인공지능은 맹막 기저도 영상에 어떻게 적용되어 심혈관질환을 진단하는 데 사용되었는가?
• RQ2 망막 영상 분석을 통한 심혈관질환 위험 예측에 가장 효과적인 딥러닝 아키텍처는 무엇인가?
• RQ3 맹막 기반 심혈관질환 스크리닝에 있어 인공지능의 도입을 저해하는 주요 기술적 및 임상적 과제는 무엇인가?
• RQ4 다양한 인구 집단과 영상 프로토콜 간에서 모델 성능과 일반화 능력은 어떻게 달라지는가?
• RQ5 인공지능이 정기적인 심혈관질환 위험 평가에 효과적으로 통합되기 위해 해결되어야 할 현재 연구의 핵심 격차는 무엇인가?

주요 결과

• 딥러닝 기반의 인공지능 모델은 단일 맹막 기저도 영상으로 다양한 심혈관질환과 위험 인자를 높은 정확도로 진단하는 데 성공했다.
• 인공지능과 맹막 영상의 통합은 전신 심혈관 건강과 연관된 모세혈관 변화를 비침습적으로 평가할 수 있게 한다.
• 통제된 연구에서 뛰어난 성능를 보였음에도 불구하고, 데이터 다양성, 모델 해석 가능성, 임상적 검증과 관련된 과제들이 실생활 적용에 있어 주요 장벽으로 남아 있다.
• 다수의 연구에서 맹막 기저도 영상이 뇌졸중과 심근경색과 같은 심혈관질환 결과를 중간에서 높은 AUC 값으로 예측할 수 있다는 증거가 점점 더 증가하고 있다.
• 모델의 강건성과 일반화 능력을 향상시키기 위해 더 큰 다문화 및 종단적 데이터셋이 필수적이라는 점이 리뷰에서 지적되었다.
• 심혈관질환 발생과 의료비 절감 잠재력이 크지만, 맹막 심혈관질환 스크리닝에 대한 인공지능의 임상적 도입은 현재까지 제한되어 있다.