未来を自分の目で目撃しよう: 人工知能を使って加齢黄斑変性を治療する

加齢黄斑変性症のリスクが高い個人を特定することは、専門家の不足と網膜画像の評価における臨床専門知識への依存度が高いため、困難でした。しかし現在では、人工知能/機械学習（AI/ML）などの新興技術が徐々に普及し、より正確で効率的なスクリーニング方法への道が開かれています。

これらの AI システムは、進行した加齢黄斑変性症を発症するリスクを自律的に評価し、タイムリーな診断と治療に役立ちます。この技術が進歩するにつれ、早期介入によって高リスク患者の健康状態が改善され、視力の維持と良好な生活の質の維持に役立つようになる可能性がある。

未来を自分の目で目撃しよう: 人工知能を使って加齢黄斑変性を治療する

黄斑変性症とは何ですか？

黄斑変性症は、視野の中心部の視力を担う網膜の中心部である黄斑に影響を及ぼす慢性の眼疾患です。この病気は加齢に伴って発症することが多く、50 歳以上の人に多く見られます。遺伝、喫煙、高血圧、肥満、運動不足、不健康な食生活などの危険因子はすべて、黄斑変性症を発症するリスクを高める可能性があります。

世界中で2億人以上がこの病気と診断されており、黄斑変性症は成人の視力喪失の主な原因の一つとなっている。黄斑変性の初期の兆候と症状には、視界のぼやけ、読書の困難、直線の歪み、視野の中心部分の暗い斑点などがあります。黄斑変性症のリスクが高い人は、病気の進行を効果的に抑制するために、適切な診断と治療計画を立てるために眼科医による定期的な検査を受ける必要があります。

病気が早期に発見されれば、患者は視力喪失の不可逆的な結果を防ぐためにタイムリーな介入と治療を受けることができます。 AI と機械学習が進歩するにつれ、医療提供者は加齢黄斑変性の患者を効果的に検査できるようになりました。

網膜疾患の診断と治療におけるAIイノベーション

iHealthScreen は、加齢黄斑変性症を特定するために使用できる AI と機械学習ベースの診断システムを開発しました。同社の主力製品である iPredict™ は、プライマリケア提供者が患者の加齢黄斑変性症のスクリーニングを適切に実施し、初期症状を呈しているどの患者が病気の進行や最終的には視力喪失に至る可能性が高いかを予測するのに役立ちます。

このシステムは、93,000枚以上のカラー眼底写真を含む画期的な加齢性眼疾患研究（AREDS）データセットを使用して開発され、ディープラーニングアルゴリズムでトレーニングされました。トレーニング後、システムは AREDS からの別の 23,495 枚の画像を使用して検証およびテストされました。

iPredict™ を使用するには、まず主治医が完全自動化された眼底カメラを使用して患者の網膜のカラー画像を撮影します。その後、画像は安全に中央サーバーに送信され、iPredict™ を使用して分析されます。分析結果に基づき、報告書では患者を診断可能な加齢黄斑変性症の患者と診断不可能な患者に分類し、診断可能な患者については今後1～2年以内に進行した黄斑変性症を発症するリスクを定量化する予測スコアを提供します。

臨床試験では、iPredict™ は、今後 1 年以内に進行性加齢黄斑変性症を発症するリスクを 86% の精度で予測し、2 年以内では 84% の精度で予測しました。ニューヨーク首都圏の 4 つのプライマリケア クリニックが、専門分野以外の検査環境でこのシステムの精度を評価しています。さらに、iPredict™ のスクリーニング モデルは前向きに検証され、FDA に提出されており、2023 年末までにプライマリ ケア シナリオでの使用に関する承認を取得できると期待されています。

国立衛生研究所の一部である国立眼科研究所（NEI）も、国立生物工学情報センター（NIH）の同僚と協力し、進行した加齢黄斑変性を予測する別のAIベースのシステムを開発している。 iHealthScreen と NIH システムはどちらも、大量の資料を使ってトレーニングされ、画像内の網状偽洞 (黄斑に斑点状のパターンを形成する病変) を探すようになっています。網状偽洞は、病気の進行リスクと高い相関関係にあります。

AI分析による加齢黄斑変性の特定

加齢黄斑変性症の早期発見と治療は、不可逆的な視力喪失を防ぐために重要であり、新たな AI ベースのツールは病気の進行を制御するのに役立ちます。最近の分析では、眼底画像内の病変を検出するための AI ベースのアルゴリズムの使用に焦点が当てられました。研究では、これらのアルゴリズムは病気の検出において人間の眼科医とほぼ同等の能力があることが判明した。

AREDS データベースには 130,000 枚を超える眼底写真が含まれており、加齢黄斑変性の AI 識別研究でよく使用されます。研究者から広く賞賛されているものの、このデータベースは 1980 年代に作成されたものであり、硬性ドルーゼンの加齢に伴う変化やこの疾患の現在の臨床分類の詳細な表現が欠けていることは注目に値します。そのため、古い画像によっては、大規模な AI モデルの実際の有効性に悪影響を与える可能性があります。もう一つの実際的な問題は、写真の多くが古いネガからデジタル的に転写されていることです。

研究では、検証研究に大規模なデータセットを使用すると、AI の診断能力が不十分になり始めることが判明しました。上記のモデルは研究データセットでのみ評価されました。また、AI ベースのスクリーニングを、さまざまな設定や条件でより大規模な集団に対して実施した場合も、結果に大きな違いが見られます。したがって、より慎重な適用アプローチを取る必要があります。 AI アルゴリズムは、アルゴリズムのアーキテクチャ、トレーニングおよび検証データセットのサイズ、画像品質、加齢黄斑変性の参照基準の欠如などの実際的な要因の影響を受け、さまざまな研究で大きなパフォーマンスの変動を示しています。

加齢黄斑変性の診断と予測におけるAI技術の利用の限界

AI 技術は、眼底写真、SD-OCT スペクトル領域光干渉断層撮影、血管断層撮影などのマルチモーダル画像データから加齢黄斑変性を検出できる可能性を示しています。 AI ベースのソフトウェアを眼底カメラに統合することで、眼科医の作業負荷を軽減し、誤診の可能性を減らし、黄斑変性の早期発見率を向上させることができます。これは、熟練した専門家やその他の質の高い医療資源が不足している遠隔地では特に重要です。それでも、AI アルゴリズムは多くの場合、1 つの症状または兆候しか検出できず、限られたデータセットでトレーニングされるため、診断の精度はトレーニング セット内の画像の品質に大きく依存します。

AI ソフトウェアの実装には、臨床医と比較したソフトウェアの実現可能性とパフォーマンス、機械に対する患者の信頼、「ブラック ボックス」システムの潜在的な問題、見逃しの可能性、加齢黄斑変性の症状と診断された後の紹介の問題など、他の実際的な課題も伴います。さらに、これらの技術はまだ一次医療のスクリーニングには適していないため、散瞳しない自動カメラよりもコストが高く、網膜専門医が直接診断できる場合にはあまり役に立ちません。

しかしながら、この分野の研究は、加齢黄斑変性の早期診断と治療に大きな利益をもたらし、患者の治療結果を改善し、さらには貴重な命を救うことが期待されています。おそらく、次世代の診断・治療技術への扉は今、ゆっくりと開かれつつあるのでしょう。