[論文レビュー] Instant automatic diagnosis of diabetic retinopathy

Gwenolé Quellec, Mathieu Lamard+5 more|arXiv (Cornell University)|Jun 12, 2019

Retinal Imaging and Analysis参考文献 21被引用数 6

ひとこと要約

本論文では、カラーファンダス画像を用いた深層学習を用いて、糖尿病性網膜症（DR）の即時自動診断システムであるOphtAIを提示する。本システムは、参照可能なDRのAUCが0.989、視力障害を引き起こすDRのAUCが0.997という、最先端の性能を達成しており、唯一のFDA承認を受けたAIシステムを上回っている。GPU上では0.3秒未満で画像を処理することができる。

ABSTRACT

The purpose of this study is to evaluate the performance of the OphtAI system for the automatic detection of referable diabetic retinopathy (DR) and the automatic assessment of DR severity using color fundus photography. OphtAI relies on ensembles of convolutional neural networks trained to recognize eye laterality, detect referable DR and assess DR severity. The system can either process single images or full examination records. To document the automatic diagnoses, accurate heatmaps are generated. The system was developed and validated using a dataset of 763,848 images from 164,660 screening procedures from the OPHDIAT screening program. For comparison purposes, it was also evaluated in the public Messidor-2 dataset. Referable DR can be detected with an area under the ROC curve of AUC = 0.989 in the Messidor-2 dataset, using the University of Iowa's reference standard (95% CI: 0.984-0.994). This is better than the only AI system authorized by the FDA, evaluated in the exact same conditions (AUC = 0.980). OphtAI can also detect vision-threatening DR with an AUC of 0.997 (95% CI: 0.996-0.998) and proliferative DR with an AUC of 0.997 (95% CI: 0.995-0.999). The system runs in 0.3 seconds using a graphics processing unit and less than 2 seconds without. OphtAI is safer, faster and more comprehensive than the only AI system authorized by the FDA so far. Instant DR diagnosis is now possible, which is expected to streamline DR screening and to give easy access to DR screening to more diabetic patients.

研究の動機と目的

• カラーファンダス写真を用いた、糖尿病性網膜症の自動化された即時診断システムの開発を目的とする。
• 特に、唯一のFDA承認を受けた代替システムと比較して、診断の正確性と速度を向上させることを目的とする。
• 両方のDRの重症度レベルを検出することで、包括的なスクリーニングを可能にすることを目的とする。
• 臨床意思決定を支援するための解釈可能なヒートマップを生成することを目的とする。
• 大規模な実世界のスクリーニングデータおよび公的ベンチマーク上で、システムの妥当性を検証することを目的とする。

提案手法

• OphtAIは、眼の左右を特定し、参照可能なDRを同定し、DRの重症度を評価するために畳み込みニューラルネットワーク（CNN）のアンサンブルを採用している。
• 本システムは、OPHDIATプログラムの164,660件のスクリーニング手順から得た763,848枚の画像を用いて学習されている。
• 単一の画像および完全な検査記録の両方を処理でき、臨床ワークフローへの統合を確保している。
• 診断所見の局所化と可視化を目的として、アテンションベースのヒートマップが生成されている。
• モデルの評価には、アイオワ大学のDR分類基準が用いられている。
• 性能は受信者操作特性曲線（ROC）の下側面積（AUC）を用いて測定され、95％信頼区間が報告されている。

実験結果

リサーチクエスチョン

• RQ1 唯一のFDA承認を受けたシステムと比較して、AIシステムが参照可能な糖尿病性網膜症の診断において優れた性能を達成できるか？
• RQ2 本システムは、リアルタイムの臨床導入に適した最小限の遅延を伴う即時診断を提供できるか？
• RQ3 本システムは、視力障害を引き起こす段階や増殖性網膜症を含む、さまざまなDRの重症度レベルにおいても高い正確性を維持できるか？
• RQ4 本システムは、眼科医の解釈を支援する信頼性が高く解釈可能なヒートマップを生成できるか？
• RQ5 本システムは、実世界のスクリーニングデータおよび公的ベンチマークデータセットの両方で、良好な性能を示すか？

主な発見

• OphtAIは、Messidor-2データセットにおいて、参照可能なDR検出でAUC 0.989（95％信頼区間：0.984–0.994）を達成し、FDA承認を受けたシステムのAUC 0.980を上回った。
• 視力障害を引き起こす糖尿病性網膜症の分類において、AUC 0.997（95％信頼区間：0.996–0.998）を示し、ほぼ完璧な識別性能を示した。
• 増殖性糖尿病性網膜症の分類において、OphtAIはAUC 0.997（95％信頼区間：0.995–0.999）を達成し、優れた感度と特異度を示した。
• GPUを用いる場合、1枚の画像を0.3秒未満で処理でき、GPUなしでも2秒未満で処理可能であり、リアルタイムスクリーニングに適している。
• アテンションベースのヒートマップの統合により、診断の透明性が向上し、臨床的信頼性が高まった。
• 大規模なOPHDIATデータセットにおける検証により、多様な実世界のスクリーニング条件下でも、安定した性能が確認された。