[論文レビュー] Detecting hidden signs of diabetes in external eye photographs

Boris Babenko, Akinori Mitani+11 more|arXiv (Cornell University)|Nov 23, 2020

Retinal Imaging and Analysis参考文献 40被引用数 6

ひとこと要約

本研究では、網膜の変化以外の糖尿病の隠れた兆候を検出できるように、目の前面の外部写真を分析する深層学習システム（DLS）を開発した。DLSは、視力障害を引き起こす可能性のある糖尿病網膜症のAUCが79.4、HbA1c > 9%のAUCが70.2に達し、自己報告の臨床データを上回り、散瞳および散瞳でない瞳孔の画像の両方で一般化した。

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.

研究の動機と目的

• 外部の眼写真に網膜の変化以外の糖尿病の兆候が含まれるかどうかを調査すること。
• 非侵襲的な外部眼画像から血糖コントロール不良および糖尿病網膜症を特定できる深層学習システムを開発すること。
• 散瞳および散瞳でない瞳孔、および異なるスクリーニングサービスを含む多様な臨床環境におけるモデルの性能を評価すること。
• モデルが糖尿病関連の合併症を予測する際に、従来の自己報告の患者特性を上回るかどうかを評価すること。
• 外部眼画像の可能性を、遠隔での糖尿病管理およびスクリーニングの優先順位付けのためのスケーラブルなツールとして探ること。

提案手法

• 深層学習システム（DLS）は、米国1州の糖尿病網膜症スクリーニング施設から得た145,832枚の外部眼写真を用いてトレーニングされた。
• モデルは3つの独立した検証セットで評価された：散瞳でない瞳孔のもの（n=27,415）、散瞳のある瞳孔のもの（n=5,058）、および別のスクリーニングサービスからのもの（n=10,402）。
• モデルの性能は、HbA1c > 9%、中等度以上または悪化した糖尿病網膜症（DR）、糖尿病性策出血（DME）、視力障害を引き起こす可能性のあるDRの4つの結果について、受信者操作特性曲線の下側面積（AUC）で測定された。
• 自己報告の患者特性（年齢、性別、人種／民族、糖尿病歴）のみを用いたベースライン予測と比較された。
• DLSは畳み込みニューラルネットワークを活用し、全身性の糖尿病に関連する微細な形態的およびテクスチャ的変化を抽出した。
• 異なる画像条件および患者集団を対象とした一般化のテストにより、耐性および臨床的適用可能性が評価された。

実験結果

リサーチクエスチョン

• RQ1 外部の眼写真は、糖尿病を有する患者の血糖コントロール不良（HbA1c > 9%）の兆候を明らかにできるか？
• RQ2 深層学習モデルは、非侵襲的な前眼部画像から糖尿病網膜症および糖尿病性策出血を検出できるか？
• RQ3 DLSは、自己報告の臨床特性を上回って糖尿病関連合併症を予測できるか？
• RQ4 散瞳と散瞳でない瞳孔の画像条件の両方で、モデルの一般化性能はどの程度か？
• RQ5 モデルは、対面スクリーニングの優先順位付けのための高リスク患者を特定できるか？

主な発見

• 散瞳でない検証セットにおいて、DLSは視力障害を引き起こす可能性のある糖尿病網膜症のAUCが79.4に達し、自己報告ベースライン特性を有意に上回った（p < 0.001）。
• HbA1c > 9%の場合は、DLSのAUCが70.2に達し、臨床データのみに比べて優れた予測能力を示した。
• モデルは検証セットB（散瞳瞳孔、n=5,058）および検証セットC（別のスクリーニングサービス、n=10,402）においても強力な性能を維持し、画像条件および集団の両方で一般化していることが確認された。
• DLSが予測した上位5%の患者のうち、67%がHbA1c > 9%であり、20%が視力障害を引き起こす可能性のある糖尿病網膜症であった。これは、リスク分類における高い陽性予測値を示している。
• DLSは、HbA1c > 9%、中等度以上または悪化したDR、DME、視力障害を引き起こす可能性のあるDRの4つの予測タスクすべてにおいて、自己報告ベースライン特性を上回った（すべてp < 0.001）。
• これらの結果は、外部眼写真が糖尿病管理に臨床的に関連する情報を含んでおり、遠隔スクリーニングおよびリスク優先順位付けへの応用が有効であることを示唆している。