[논문 리뷰] Detecting hidden signs of diabetes in external eye photographs

Boris Babenko, Akinori Mitani외 11명|arXiv (Cornell University)|2020. 11. 23.

Retinal Imaging and Analysis참고 문헌 40인용 수 6

한 줄 요약

이 연구는 외부 눈 앞면 사진을 분석하여 당뇨병의 숨겨진 징후, 즉 불량한 혈액 포도당 조절 및 당뇨병성 망막병증을 탐지할 수 있는 딥러닝 시스템(DLS)을 개발한다. DLS는 시력에 심각한 영향을 줄 수 있는 당뇨병성 망막병증에 대해 AUC 79.4를 기록했고, HbA1c > 9%에 대해서는 AUC 70.2를 기록하여 자기 보고한 임상 데이터를 능가했으며, 동공이 확장되지 않은 이미지와 확장된 이미지 모두에 일반화되었다.

ABSTRACT

Diabetes-related retinal conditions can be detected by examining the posterior of the eye. By contrast, examining the anterior of the eye can reveal conditions affecting the front of the eye, such as changes to the eyelids, cornea, or crystalline lens. In this work, we studied whether external photographs of the front of the eye can reveal insights into both diabetic retinal diseases and blood glucose control. We developed a deep learning system (DLS) using external eye photographs of 145,832 patients with diabetes from 301 diabetic retinopathy (DR) screening sites in one US state, and evaluated the DLS on three validation sets containing images from 198 sites in 18 other US states. In validation set A (n=27,415 patients, all undilated), the DLS detected poor blood glucose control (HbA1c > 9%) with an area under receiver operating characteristic curve (AUC) of 70.2; moderate-or-worse DR with an AUC of 75.3; diabetic macular edema with an AUC of 78.0; and vision-threatening DR with an AUC of 79.4. For all 4 prediction tasks, the DLS's AUC was higher (p<0.001) than using available self-reported baseline characteristics (age, sex, race/ethnicity, years with diabetes). In terms of positive predictive value, the predicted top 5% of patients had a 67% chance of having HbA1c > 9%, and a 20% chance of having vision threatening diabetic retinopathy. The results generalized to dilated pupils (validation set B, 5,058 patients) and to a different screening service (validation set C, 10,402 patients). Our results indicate that external eye photographs contain information useful for healthcare providers managing patients with diabetes, and may help prioritize patients for in-person screening. Further work is needed to validate these findings on different devices and patient populations (those without diabetes) to evaluate its utility for remote diagnosis and management.

연구 동기 및 목표

• 외부 눈 사진에 망막 변화 외의 당뇨병 징후가 포함되어 있는지 조사하기 위해
• 비침습적 외부 눈 이미지에서 불량한 혈액 포도당 조절과 당뇨병성 망막병증을 식별할 수 있는 딥러닝 시스템을 개발하기 위해
• 다양한 임상 환경에서의 모델 성능 평가를 위해, 동공이 확장되지 않은 경우와 확장된 경우, 그리고 다양한 스크리닝 서비스를 포함하여
• 기존의 자기 보고한 환자 특성(나이, 성별, 인종/민족, 당뇨병 기간)이 당뇨병 관련 결과를 예측하는 데 비해 모델이 더 우수한지 평가하기 위해
• 외부 눈 영상이 원격 당뇨병 관리 및 스크리닝 우선순위 설정을 위한 확장 가능한 도구로 활용될 잠재력을 탐색하기 위해

제안 방법

• 딥러닝 시스템(DLS)은 미국 내 한 주의 당뇨병성 망막병증 스크리닝 기관에서 확보한 145,832장의 외부 눈 사진을 기반으로 훈련되었다.
• 모델은 세 개의 독립된 검증 세트에서 평가되었으며, 각각 동공이 확장되지 않은 경우(n=27,415), 동공이 확장된 경우(n=5,058), 그리고 다른 스크리닝 서비스에서 확보한 경우(n=10,402)였다.
• 모델 성능은 HbA1c > 9%, 중증 또는 그 이상의 당뇨병성 망막병증(DR), 당뇨병성 망막부종(DME), 시력에 심각한 영향을 줄 수 있는 DR의 네 가지 결과에 대해 수신기 작동 특성 곡선 아래 면적(AUC)을 사용하여 측정되었다.
• 자기 보고한 환자 특성(나이, 성별, 인종/민족, 당뇨병 기간)만을 사용한 기준 예측과 성능을 비교하였다.
• DLS는 전방 눈 이미지에서 특징을 추출하기 위해 합성곱 신경망을 활용하였으며, 전신성 당뇨병과 관련된 미세한 형태학적 및 질감 변화에 초점을 맞추었다.
• 다양한 영상 조건과 환자 집단을 대상으로 일반화 능력을 테스트하여 모델의 강건성과 임상 적용 가능성 평가를 수행하였다.

실험 결과

연구 질문

• RQ1 외부 눈 사진은 당뇨병 환자에서 혈액 포도당 조절이 불량한 징후(HbA1c > 9%)를 드러낼 수 있는가?
• RQ2 딥러닝 모델은 비침습적 전방 눈 이미지에서 당뇨병성 망막병증과 당뇨병성 망막부종을 탐지할 수 있는가?
• RQ3 DLS는 자기 보고한 임상 특성보다 당뇨병 관련 합병증을 예측하는 데 더 뛰어난 성능을 보이는가?
• RQ4 동공이 확장되지 않은 경우와 확장된 경우와 같은 다양한 영상 조건에서 모델의 일반화 능력은 얼마나 뛰어나게 나타나는가?
• RQ5 모델은 직접 진료를 받는 스크리닝에서 우선순위를 정할 고위험 환자를 식별할 수 있는가?

주요 결과

• DLS는 동공이 확장되지 않은 검증 세트에서 시력에 심각한 영향을 줄 수 있는 당뇨병성 망막병증을 탐지하는 데 AUC 79.4를 기록했으며, 자기 보고한 기준 특성보다 유의미하게 뛰어났다(p < 0.001).
• HbA1c > 9%에 대해서는 DLS가 AUC 70.2를 기록하여 임상 데이터만으로는 부족한 예측 능력을 보였다.
• 모델은 검증 세트 B(동공이 확장된 경우, n=5,058)와 검증 세트 C(다른 스크리닝 서비스에서 확보한 경우, n=10,402)에서도 강력한 성능을 유지하여 영상 조건과 환자 집단 간의 일반화 능력을 확인했다.
• DLS가 예측한 상위 5% 환자 중 67%는 HbA1c > 9%였고, 20%는 시력에 심각한 영향을 줄 수 있는 당뇨병성 망막병증을 보였으며, 이는 위험도 분류에 있어 강력한 양성 예측값을 나타냈다.
• 모든 네 가지 예측 과제에 대해 DLS는 자기 보고한 기준 특성보다 뛰어난 성능을 보였다: HbA1c > 9%, 중증 또는 그 이상의 DR, DME, 시력에 심각한 영향을 줄 수 있는 DR(모두 p < 0.001).
• 결과는 외부 눈 사진이 당뇨병 관리에 임상적으로 유의미한 정보를 담고 있으며, 원격 스크리닝 및 위험도 우선순위 설정에 활용될 수 있음을 시사한다.