深層学習：深層学習を用いて滲出型加齢黄斑変性への転換を予測する

滲出型（ウェット型）加齢黄斑変性（exAMD）への進行は、視力低下の主な原因の1つである。今回我々は、片方の目がexAMDと診断された患者で、もう一方の目のexAMDへの進行を予測するために人工知能（AI）システムを導入した。三次元（3D）光干渉断層撮影画像に基づくモデルを、対応する自動組織マップと組み合わせることで、我々のシステムは臨床的に治療可能な6か月という期間内に起こるexAMDへの転換を予測し、特異度55％では体積あたり80％のスキャン感度、特異度90％では34％の感度を達成した。この成績レベルは、高感度ポイントと高特異度ポイントでは、個々の目の真陽性率は78％と41％、偽陽性率は56％と17％に相当した。さらに、自動組織セグメンテーションによって、滲出型転換前の解剖学的変化と高リスクサブグループを識別できることが示された。このAIシステムは、専門家による予測で生じる観察者間の大きなばらつきを解決し、6人の専門家中の5人よりも優れた成績を示し、AIを用いて疾患の進行を予測できる可能性を実証している。