深層学習を用いた視野検査結果予測

• Project/Area Number: 21K16903
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 56060:Ophthalmology-related
• Research Institution: Jichi Medical University
• Principal Investigator: 伊野田 悟 自治医科大学, 医学部, 助教 (60741098)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000); Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
• Keywords: 深層学習 / 緑内障 / 眼底カラー画像 / 人工知能 / 視野予測

Outline of Research at the Start

新しい人工知能での深層学習では、機械的に有用な特徴量を抽出でき、画像の識別がヒ ト以上の精度で出来るようになった。
本邦で失明の第一原因となる緑内障では、視神経乳頭を含む眼底所見から疾患を疑い、複雑な視野検査によって診断・治療を行う。慢性進行性の病気であるため、早期発見・早期治 療が重要である。本申請課題では、先行研究を基に緑内障の特徴的な眼底所見を活かし、眼底写真撮影時の視野検査結果を予測する。本研究の成果は、健康診断での応用、眼底所見と 視野の新たなる特徴量の発見、臨床での簡易視野検査の実現につながることが期待される。

Outline of Annual Research Achievements

カラー眼底画像および光干渉断層計のBスキャン画像を約200GB分（１枚400kb~500kb相応）出力を行った。撮影されたカラー眼底画像の日付と相応する視野検査結果として、撮影日前後の３ヶ月と規定して、既に入手済みの静的視野検査時データと時期が一致する画像が２５００枚程度あり、初期のモデル構築を行いパラメータを調整中である。AIモデルとしては、入力を眼底４５度画像、出力を２４－２ハンフリー視野検査結果(thesholdsmap, total deviation map, patttern deviation map）としている。また、入力時データとして、年齢を入力することが可能なので、ベースラインモデルを構築後調整因子として年齢を入れる予定である。また、学習時因子として屈折値も必要か検討中である。
出力はテーブルデータ：１０×10となるため、それを臨床で一般に描出できるグラフィックインターフェースに変換する。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

眼底カラー画像の出力を行うアプリケーションのメーカーからの予定納期が6ヶ月以上遅れ、アプリケーションが利用可能になった後、画像出力を行ったが、標準仕様である期間を指定しての出力をおこなうと、一定数以上の枚数を出力すると出力先HDDかアプリケーションの問題でフリーズを繰り返したため、フリーズが起こらない枚数を指定して出力する必要があった。また、出力は日中の診療時間外に行う必要があり、外来終了後に設定を行い、朝にフリーズしたのか、出力できたのかを確認する必要があった。

Strategy for Future Research Activity

研究計画時に出力済み(CSVファイルによる)の静的視野検査結果が4年分増えているので、年間平均1500件のデータが蓄積されているはずなので、６０００件前後のデータ増加が見込まれる。初期のデータで視野検査を予測するAIのパラーメータを見極め、データを増やしてその精度を洗練させる。