Current and future roles of artificial intelligence in retinopathy of prematurity

要約

未熟児網膜症（ROP）は、未熟児が罹患する重篤な状態であり、網膜血管の異常成長、網膜剥離、失明の可能性を引き起こします。
これまで、網膜血管の特徴を定量化することでROP関連プラス疾患を診断するために半自動システムが使用されてきましたが、従来の機械学習（ML）モデルは精度や過剰適合などの課題に直面しています。
深層学習 (DL)、特に畳み込みニューラル ネットワーク (CNN) の最近の進歩により、ROP の検出と分類が大幅に向上しました。
i-ROP ディープラーニング (i-ROP-DL) システムは、プラス疾患の検出にも有望であり、信頼性の高い ROP 診断の可能性を提供します。
この研究は、網膜イメージングと人工知能 (AI) を使用して ROP を検出することに関連する現代の進歩と課題を包括的に調査し、この分野でのさらなる調査の指針となる貴重な洞察を提供します。
この分野の 89 件の独自研究 (包括的にレビューされた 1487 件の研究のうち) に基づいて、ROP 診断の従来の方法には主観性と手作業による分析があり、一貫性のない臨床判断につながると結論付けました。
AI は ROP 管理の改善に大きな期待を寄せています。
このレビューでは、ROP の検出、分類、診断、予後における AI の可能性を探ります。

要約(オリジナル)

Retinopathy of prematurity (ROP) is a severe condition affecting premature infants, leading to abnormal retinal blood vessel growth, retinal detachment, and potential blindness. While semi-automated systems have been used in the past to diagnose ROP-related plus disease by quantifying retinal vessel features, traditional machine learning (ML) models face challenges like accuracy and overfitting. Recent advancements in deep learning (DL), especially convolutional neural networks (CNNs), have significantly improved ROP detection and classification. The i-ROP deep learning (i-ROP-DL) system also shows promise in detecting plus disease, offering reliable ROP diagnosis potential. This research comprehensively examines the contemporary progress and challenges associated with using retinal imaging and artificial intelligence (AI) to detect ROP, offering valuable insights that can guide further investigation in this domain. Based on 89 original studies in this field (out of 1487 studies that were comprehensively reviewed), we concluded that traditional methods for ROP diagnosis suffer from subjectivity and manual analysis, leading to inconsistent clinical decisions. AI holds great promise for improving ROP management. This review explores AI’s potential in ROP detection, classification, diagnosis, and prognosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google