人工知能が眼科臨床に進出

Charles Bankhead、MedPage Today 上級編集者、2023 年 5 月 7 日

サンディエゴ -- 一部の専門家が人工知能（AI）の潜在的な危険性について警鐘を鳴らす中、眼科医らは患者ケアの質と効率を向上させる手段としてAIを採用し始めている。

米国白内障屈折矯正手術学会の初のセッションで、講演者らは、複数の眼科疾患の診断、治療、フォローアップ、予後に関する臨床意思決定に AI を開発および適用するための継続的な取り組みについて議論しました。条件。

ニューヨーク州ロングアイランドにあるSightMDのプログラム共同議長、DOのエリック・ローゼンバーグ氏は、「経験豊富な専門家であろうと、好奇心旺盛な新人であろうと、眼科医療に革命を起こす私たちの旅にぜひご参加ください」と冒頭で述べた。デジタル眼科協会 (DOS) の設立。

レキシントンにあるケンタッキー州レティナ・アソシエイツの共同議長であるジョン・W・キッチンズ医学博士は、ASCRSプログラムにおけるDOSの存在は「あらゆる専門分野、職業、役員室、さらには政治的国境を越えた行動への呼びかけ」を裏付けるものであると述べた。

AI の有用性はデータ ポイントから始まると、ノースカロライナ州グリーンズボロの Laser Defined Vision の Karl Stonecipher 医学博士は述べています。 コンピューターまたはネットワークに読み込まれるデータが増えるほど、AI が患者ケアに役立つ可能性が高まります。

ドライアイの診断

Stonecipher 氏は、臨床現場で AI を使用する方法の例として、CSI Dry Eye として知られるソフトウェア プラットフォームを使用した、ドライアイの診断への AI の応用について説明しました。 このプログラムには症状に関する一般的な情報が含まれており、眼科医は 50 項目のアンケートから収集した患者固有のデータを追加し、それがソフトウェアに自動的に組み込まれます。

追加のデータは、2 つのドライアイ危険因子調査における患者の主観的なスコアから得られます。 さまざまなレベルの重大度を表す写真がミックスに追加されます。 このプラットフォームは、医師やグループが、臨床実践や特定の患者にとって意味のある、個人の好みを含む他のデータ要素を追加できる柔軟性を提供します。

「すべてを行う必要はないし、すべてを実行するためにすべてのマシンを用意する必要もない」とストーンサイファー氏は語った。 「やりたいことをすべて実行できるようにしてほしいのです。できるだけ多くの（データを）入れてください。そうすることでマシンがより堅牢になるからです。」

このデータは、ドライアイの重症度およびドライアイのタイプのコンピューター モデルを開発するための進行中の研究の基礎となります。 現在の研究段階では、モデルはドライアイの診断に関連する意思決定に情報を提供しますが、長期的な目標は、診断と治療の決定を支援するツールを開発することです。

500 人近くの医師がデータを提供し、コンピューター プラットフォームを使用しています。 25,000 件の評価と 22,000 件のアンケートからのデータが入力されました。 最近の分析では、ドライアイの重症度を予測するための重症度モデルの受信者動作特性曲線下面積 (AUC-ROC) が 0.79、AUC 精度再現率 (AUC-PR) が 0.61 であることが示されました。 タイプモデルの AUC-ROC は 0.91、AUC-PR は 0.94 でした。

「それで、これはどのように役立つのですか？」 ストーンサイファーは言った。 「問題をより適切に診断できれば、成功の最終点に到達する可能性が高くなります。私たちは現在、知り得るすべてのことを入力しています...。このソフトウェアが役立つと私が思うのは、正しい診断を下すだけでなく、最終的には正しい治療も行う必要があります。」

眼内レンズの効果

進行中の別の開発プログラムでは、AI と機械学習を白内障手術と屈折矯正レンズ手術の結果に適用しています。 目標は、客観的な入力と結論を備えた大量のデータプールに基づいて個別化医療を提供することであると、個別化医療の目標を達成するための AI 開発を目標とする新興企業オキュロティクスの共同創設者であるマーク・パッカー医学博士は述べています。

「私は25年間、多焦点レンズや高級レンズを開発してきましたが、まだ完璧ではありません」とパッカー氏は語った。 「患者が幸せになることを保証することはできませんが、長い時間を経て、自分の結果にはかなり満足しています。しかし、私は人間です。昨日起こったことは、今日の私の気分に影響を与えるでしょう。もし私が非常に不幸で、明日、レンズの摘出手術を希望しているのですが、次に来院する人にそのレンズを勧めるときは、おそらくより慎重になると思います。」

「しかし、それは本当の妥当性のない誤った考えです。なぜなら、これは昨日の私の経験にすぎず、過去 25 年間に移植した 10,000 枚の多焦点レンズに関する私の経験を引き当てたものではないからです。私が生成したデータだけでなく、皆さんが生成したすべてのデータに基づいて、それぞれの患者に対して新たなスタートを切ってください... それが私たちが望んでいることであり、彼の[患者]に基づいた個別の医療を提供することです。今週私に起こったことだけを基にするのではなく、より客観的な一連の入力と結論を含む大規模なデータに基づいています。」

Oculotixの背後にあるコンセプトは、「ヘルパー」がさまざまな眼内レンズ（IOL）の光学系を取得し、以前の患者の結果に基づいて機械学習を使用し、特定の患者にとって最適な結果を提案することであるとPacker氏は続けた。 このプラットフォームには、携帯電話アプリを通じて報告される患者報告の術後転帰も組み込まれています。

「私たちは、より高いレベルの患者満足度を達成するために、患者から報告された結果をフィードバック ループに統合する、より客観的な方法を持っています」と彼は言いました。

自然言語処理

眼科医はNLPという略語を「光知覚なし」と認識しているが、AIの世界ではNLPは自然言語処理を指すと、コロンビアのミズーリ大学のインターンでありEyeLabs AIの創設者兼最高経営責任者（CEO）であるガーパル・ヴィルディ医学博士は述べた。アイケアのための AI ソリューションを開発する会社。

「自然言語処理は、コンピューターが意味があり有用な人間の言語を理解、解釈、生成するのに役立つ AI と言語学のサブ分野です」と Virdi 氏は述べています。 「これは話し言葉でも書面でも行うことができます。」

通常、NLP は、人間の言語を生成して理解できる深層学習モデルであるトランスフォーマー ニューラル ネットワーク アーキテクチャによって作成されます。 この高度なテクノロジにより、テキストを単語ごとに処理する以前の遅い形式のアーキテクチャと比較して、大量のテキストの入力、分析、解釈が可能になります。 Virdi 氏によると、Transformer アーキテクチャは大きなテキスト データでトレーニングし、特定の NLP タスクに合わせて微調整することができます。

さまざまな NLP タスクが進化してきました。 一般的なタスクの 1 つは、名前付きエンティティの認識です。これは、名前、日付、投薬、手術手順、診療記録などの本文内の単語や用語の識別と分類を指します、と Virdi 氏は続けました。 感情分析では、テキスト内の感情的な調子を認識し、その調子が肯定的、否定的、または中立的であるかどうかを認識します。

音声認識は何年も前から存在しています。 NLP に関しては、音声認識には、話された言葉をテキストに翻訳するだけでなく、デジタル システムとの音声ベースの対話も含まれます。 NLP は、手術記録や研究論文など、長い文書や大量のテキストのテキスト要約も実行できます。

ごく最近では、NLP は、術前および術後の患者の質問に対応したり、スケジュール設定を支援したりするためにトレーニングできるチャットボットや会話型エージェントを含むように進化しました。

眼科の分野では、NLP トランスフォーマーをトレーニングして、診療記録や手術のメモや略語など、フリーテキストのナラティブから貴重な情報を識別することができると Virdi 氏は続けました。 NLP は、重要な用語や言語パターンなどの非構造化データから有意義な洞察を抽出するようにトレーニングできます。 事前の承認リクエストなどの一般的なタスクは、NLP を利用して自動化できます。 この技術は、臨床記録にある「薬を買う余裕がない」など、健康の社会的決定要因を特定するように訓練することもできる。

NLP の領域内のさらに他のタスクには、手術計画、理解を向上させ間違いを防ぐために用語を簡素化し文脈に合わせてメモを要約すること、臨床試験のために評価される患者のメモのレビュー、文書を改善し医師の数を減らすための眼科専用のデジタル筆記者の開発などが含まれます。燃え尽き症候群を軽減し、患者の満足度を向上させます。

NLP の今後の方向性には、高価で HIPAA に準拠していない現在のオープンソース LLM に代わる眼科固有の大規模言語モデル (LLM) を開発する絶好の機会が含まれていると Virdi 氏は述べています。 膨大な量の電子医療記録データを LLM に変換すると、患者ケアを改善し、研究を強化できる可能性があります。

セッション中の他の講演者は、AI を使用して IOL の度数計算を実行し、あらゆる目に最適な IOL 処方を選択すること、手術指導のフレームワークを開発すること、眼科画像処理を強化すること、網膜症スクリーニングを実行すること、血管新生による加齢黄斑への移行を予測することについて説明しました。変性。

Charles Bankhead は腫瘍学の上級編集者であり、泌尿器科、皮膚科、眼科も担当しています。 彼は 2007 年に MedPage Today に入社しました。

開示

Stonecipherは、アラガン、カラ・ファーマシューティカルズ、アルコン・ビジョン、ジョンソン・エンド・ジョンソン、サン・ファーマシューティカル、ボシュロム、ノバルティス、マリンクロット、レンサー、およびRxSightとの関係を明らかにした。

パッカー氏はレンサー、ボシュロム、ビーバー・ビシテックとの関係を明らかにした。 彼は Packer Research Associates の校長でもあります。

Virdi は EyeLabs.AI のプリンシパルです。

一次情報

米国白内障屈折矯正手術協会

出典参照: Stonecipher K「実世界の臨床データを使用したドライアイ診断のための機械学習モデル」ASCRS 2023; DOSデジタルデー。

二次情報源

米国白内障屈折矯正手術協会

出典参照: Packer M「機械学習を使用した白内障手術における視力の結果の予測」ASCRS 2023; DOSデジタルデー。

追加のソース

米国白内障屈折矯正手術協会

出典参照: Virdi G「眼科疾患の精査と評価にオープン AI と自然言語処理 (NLP) を使用する」ASCRS 2023;DOS Digital Day。