日本語AIでPubMedを検索
網膜眼底写真における糖尿病性網膜症の検出のためのディープラーニングアルゴリズム。システマティックレビューとメタアナリシス
Deep learning algorithms for detection of diabetic retinopathy in retinal fundus photographs: A systematic review and meta-analysis.
PMID: 32088490 DOI: 10.1016/j.cmpb.2020.105320.
抄録
背景:
糖尿病性網膜症（DR）は、世界的に失明の主要な原因の一つである。糖尿病網膜症の早期発見とタイムリーな治療は、視力低下の発生率と進行を減少させるために望ましい。現在、網膜眼底画像からDRを検出するには、ディープラーニング（DL）アプローチの方が優れた性能を発揮している。そこで我々は、DRを検出するためのDLアルゴリズムの性能を定量化するために、関連研究のメタアナリシスを含むシステマティックレビューを実施した。
BACKGROUND: Diabetic retinopathy (DR) is one of the leading causes of blindness globally. Earlier detection and timely treatment of DR are desirable to reduce the incidence and progression of vision loss. Currently, deep learning (DL) approaches have offered better performance in detecting DR from retinal fundus images. We, therefore, performed a systematic review with a meta-analysis of relevant studies to quantify the performance of DL algorithms for detecting DR.
方法:
2000年1月1日から2019年3月31日までの間に、EMBASE、PubMed、Google Scholar、Scopusで系統的な文献検索を行った。検索戦略は、Preferred Reporting Items for Systematic Reviews and Meta-analyses（PRISMA）報告ガイドラインに基づき、論文の包含にはDLベースの研究デザインを必須とした。2人の独立した著者が、アブストラクトとタイトルを包含基準と除外基準に照らし合わせてスクリーニングを行った。データは2人の独立した著者によって標準書式を用いて抽出され、バイアスのリスクと適用性の評価には診断精度試験の品質評価（QUADAS-2）ツールが用いられた。
METHODS: A systematic literature search on EMBASE, PubMed, Google Scholar, Scopus was performed between January 1, 2000, and March 31, 2019. The search strategy was based on the Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA) reporting guidelines, and DL-based study design was mandatory for articles inclusion. Two independent authors screened abstracts and titles against inclusion and exclusion criteria. Data were extracted by two authors independently using a standard form and the Quality Assessment of Diagnostic Accuracy Studies (QUADAS-2) tool was used for the risk of bias and applicability assessment.
結果:
23の研究がシステマティックレビューに含まれており、20の研究がメタアナリシスの包含基準を満たしていた。DRの受信操作曲線下面積（AUROC）は0.97（95％CI：0.95-0.98）、感度は0.83（95％CI：0.83-0.83）、特異度は0.92（95％CI：0.92-0.92）であった。また、正尤比は14.11（95％CI：9.91～20.07）、負尤比は0.10（95％CI：0.07～0.16）であった。さらに、DLモデルの診断オッズ比は136.83（95％CI：79.03-236.93）であった。すべての研究では、参考基準として人間のグレーダー（訓練を受けた介護者、眼科医など）であるDR-グレーディングスケールが提供された。
RESULTS: Twenty-three studies were included in the systematic review; 20 studies met inclusion criteria for the meta-analysis. The pooled area under the receiving operating curve (AUROC) of DR was 0.97 (95%CI: 0.95-0.98), sensitivity was 0.83 (95%CI: 0.83-0.83), and specificity was 0.92 (95%CI: 0.92-0.92). The positive- and negative-likelihood ratio were 14.11 (95%CI: 9.91-20.07), and 0.10 (95%CI: 0.07-0.16), respectively. Moreover, the diagnostic odds ratio for DL models was 136.83 (95%CI: 79.03-236.93). All the studies provided a DR-grading scale, a human grader (e.g. trained caregivers, ophthalmologists) as a reference standard.
結論:
本研究の結果、DLアルゴリズムは網膜眼底写真から参照可能な糖尿病網膜症を検出するために高い感度と特異性を有することが示された。カラー眼底写真からDRを評価するDLベースの自動化ツールを適用することで、誤診を減らし、ワークフローを改善するための代替ソリューションを提供できる可能性がある。DLベースの自動化ツールは、スクリーニングコストの削減、医療へのアクセスの容易さ、早期治療の改善など、大きなメリットがあります。
CONCLUSION: The findings of our study showed that DL algorithms had high sensitivity and specificity for detecting referable DR from retinal fundus photographs. Applying a DL-based automated tool of assessing DR from color fundus images could provide an alternative solution to reduce misdiagnosis and improve workflow. A DL-based automated tool offers substantial benefits to reduce screening costs, accessibility to healthcare and ameliorate earlier treatments.
Copyright © 2020. Published by Elsevier B.V.