自動機械学習プラットフォームを用いた超広視野インドシアニン緑血管造影における絨毛膜疾患の分類

Classification of pachychoroid disease on ultrawide-field indocyanine green angiography using auto-machine learning platform.

• In Ki Kim
• Kook Lee
• Jae Hyun Park
• Jiwon Baek
• Won Ki Lee

抄録

エーアイエムズ:

絨毛膜の自動識別は、黄斑疾患の治療の補助的な方法として、病状の確認や治療に役立つ可能性がある。本研究では、超広視野インドシアニン緑血管造影（UWF ICGA）画像を用いて、自動機械学習プラットフォームを用いて、絨毛膜疾患を分類することの可能性を検討した。

AIMS: Automatic identification of pachychoroid maybe used as an adjunctive method to confirm the condition and be of help in treatment for macular diseases. This study investigated the feasibility of classifying pachychoroid disease on ultra-widefield indocyanine green angiography (UWF ICGA) images using an automated machine-learning platform.

方法:

AutoML Vision (Google)を用いて、絨毛膜症患者（n=376）と非絨毛膜症患者（n=349）の783枚のUWF ICGA画像を含むセットを用いて、2つのモデルを学習した。絨毛膜症は、2人の網膜専門医によるマルチモーダル画像上の定量的・定性的な脈絡膜形態を用いて確認した。モデル1は元のものを使用し、モデル2は左目を右目の向きに水平反転させた画像を使用し、右目と左目の鏡像を等しくすることで精度を高めた。その性能を人間の専門家の性能と比較した。

METHODS: Two models were trained with a set including 783 UWF ICGA images of patients with pachychoroid (n=376) and non-pachychoroid (n=349) diseases using the AutoML Vision (Google). Pachychoroid was confirmed using quantitative and qualitative choroidal morphology on multimodal imaging by two retina specialists. Model 1 used the original and Model 2 used images of the left eye horizontally flipped to the orientation of the right eye to increase accuracy by equalising the mirror image of the right eye and left eye. The performances were compared with those of human experts.

結果:

中枢性漿液性絨毛網膜症、ポリポイド性脈絡膜血管症、新生血管性加齢黄斑症の合計284、279、220枚の画像が含まれていた。精度と想起率はモデル1が87.84％、モデル2が89.19％、89.19％で、網膜専門医の結果（90.91％、95.24％）に匹敵し、眼科研修医の結果（68.18％、92.50％）に比べて優れていた。

RESULTS: In total, 284, 279 and 220 images of central serous chorioretinopathy, polypoidal choroidal vasculopathy and neovascular age-related maculopathy were included. The precision and recall were 87.84% and 87.84% for Model 1 and 89.19% and 89.19% for Model 2, which were comparable to the results of the retinal specialists (90.91% and 95.24%) and superior to those of ophthalmic residents (68.18% and 92.50%).

結論:

自動機械学習プラットフォームは、超広視野インドシアニンググリーンアンギオグラフィ(UWF ICGA)画像上での絨毛膜疾患の分類において、絨毛膜の定義や医用画像上での不安定な性能を含めたプラットフォームの限界を十分に考慮した上で使用することが可能である。

CONCLUSIONS: Auto machine-learning platform can be used in the classification of pachychoroid on UWF ICGA images after careful consideration for pachychoroid definition and limitation of the platform including unstable performance on the medical image.

© Author(s) (or their employer(s)) 2020. No commercial re-use. See rights and permissions. Published by BMJ.