인공 지능이 망막 이미지 분석에 사용됨

새로운 접근 방식에서, 인공 지능(AI)이 망막 이미지 분석에 사용되고 있다. 이 시스템은 의사들이 당뇨병성 황반 부종으로 인한 시력 손실을 겪는 환자들에게 가장 좋은 치료 방법을 선택하는 데 사용될 수 있다. 이 문제는 종종 노동력 연령의 성인들 사이에서 시력 손실을 유발한다.

당뇨병성 황반 부종에 대한 첫 번째 치료 방법은 종종 항혈관 내皮 성장 인자(VEGF)이다. 그러나 VEGF 제제는 모든 사람에게 효과가 없다. 치료를 받을 수 있는 환자들을 먼저 식별해야 한다. 왜냐하면 여러 번의 주사를 필요로 하기 때문이다. 이러한 주사는 환자와 의사 모두에게 비용이 많이 들고 번거롭다.

연구 팀의 리더는 듀크 대학교의 시나 파르시우(Sina Farsiu)이다.

파르시우는 “망막의 광학 조영 단층 촬영(OCT) 이미지를 자동으로 분석하여 환자가 항-VEGF 치료에 반응할 가능성이 있는지 예측할 수 있는 알고리즘을 개발했다”고 말했다. “이 연구는 정밀 의학을 향한 한 걸음으로, 이러한 예측이 임상 의사들이 특정 질병 상태에 따라 환자에게 첫 번째 치료를 선택하는 데 도움이 된다.”

이 연구는 광학 학회(OSA) 저널 생물의학 광학 표현에 발표되었다. 저널에서 파르시우와 그녀의 팀은 새로운 알고리즘이 한 번의 체적 스캔 후에 항-VEGF 치료에 반응할 가능성이 있는 환자를 정확하게 예측할 수 있음을 보여주었다.

파르시우는 “우리의 접근 방식은 안과에서 불필요한 치료를 예방하고 환자들의 치료 부담을 줄일 수 있다”고 말했다. “알고리즘은 또한 많은 다른 안과 질환,包括 신생성 노인성 황반 변성에 대한 치료 반응을 예측하는 데 사용될 수 있다.”

새로 개발된 알고리즘은 새로운 합성곱 신경망(CNN) 아키텍처에 기반한다. CNN은 인공 지능의 한 종류로, 이미지 분석을 위해 다양한 측면이나 객체에 중요도를 부여한다. 알고리즘은 연구자들이 OCT로 획득한 이미지를 분석하는 데 사용되었다. OCT는 비침습적 기술로, 높은 해상도의 단면 망막 이미지를 생성하며, 다양한 안과 질환의 평가와 치료를 위한 표준으로 간주된다.

연구 논문의 첫 번째 저자이자 파르시우 연구소의 박사 후 연구원인 레자 라스티(Reza Rasti)는 “이전의 접근 방식과는 달리, 우리의 알고리즘은 치료 전 단일 시간점의 OCT 이미지만을 필요로 한다”고 말했다. “시간 순서의 OCT 이미지, 환자 기록 또는 기타 메타데이터가 필요하지 않다.”

새로운 알고리즘은 OCT에서 전역 구조를 강조하고 동시에 질병 영역의 지역적 특징을 강조한다. 또한 CNN으로 인코딩된 특징을 항-VEGF 반응과 상관시킬 수 있다.

알고리즘은 127명의 환자들의 OCT 이미지를 사용하여 테스트되었다. 이 환자들은 항-VEGF 제제의 3회 연속 주사를 통해 당뇨병성 황반 부종 치료를 받았다. 알고리즘은 항-VEGF 주사 이전에 취한 OCT 이미지를 분석하고, 알고리즘의 예측을 항-VEGF 치료 후에 취한 OCT 이미지와 비교하여 치료가 질병을 개선했는지 여부를 확인했다.

알고리즘은 치료에 반응할 환자를 예측하는 데 87%의 정확도를 보였다. 또한 평균 정밀도와 특이도는 85%, 민감도는 80%였다.

연구자들은 이제 이러한 결과를 확인하고 치료를 받지 않은 환자들을 대상으로 더 큰 관찰 연구를 수행하고자 한다.