機械学習を活用した、高精度な緑内障自動診断に成功医療技術ニュース

理化学研究所は、眼底検査装置によるマルチモダリティ画像情報を活用し、緑内障を自動診断できる機械学習モデルを構築した。同モデルの性能を調べた結果、最高性能としてAUC=0.963を示す高い診断精度が得られた。

» 2019年04月24日 15時00分 公開
[MONOist]

 理化学研究所は2019年3月28日、眼底検査装置によるマルチモダリティ画像情報を活用し、緑内障を自動診断できる機械学習モデルを構築したと発表した。同研究所 光量子工学研究センター チームリーダーの秋葉正博氏らと東北大学の共同研究による成果となる。

 研究グループは、眼底検査装置で撮影した視神経乳頭と黄斑のデータから抽出したマルチモダリティ画像情報に対して、緑内障を自動診断する機械学習モデルの構築を試みた。

 まず、緑内障208眼と健常149眼について、それぞれから視神経乳頭部のカラー眼底写真1種、OCT画像4種を抽出した。次に、訓練済みの畳み込みニューラルネットワークモデルの1種であるVGG19モデルを用いて、この5種類の画像データセットでそれぞれのVGG19モデルを構築した。それらのVGG19モデルから緑内障と正常の分類に必要な特徴量を抽出した後、機械学習のアルゴリズムの1つであるランダムフォレストにより学習させ、緑内障を自動診断する機械学習モデルを構築した。

 同モデルの性能を調べるため、10-分割交差検証法で各種画像の組み合わせ検証したところ、最高性能としてAUC=0.963を示す高い診断精度が得られた。

 今回の成果は、各症例に対する機械学習モデルによって緑内障の確信度を提示することで、その早期発見につながることが期待される。

photo 視神経乳頭と黄斑 出典:理化学研究所
5種類の入力画像のサンプル(クリックで拡大) 出典:理化学研究所

Copyright © ITmedia, Inc. All Rights Reserved.