AI要約無料

外層網膜萎縮の定量化における深層学習畳み込みニューラルネットワークの性能評価

Performance of a deep learning-based convolutional neural network for quantification of outer retina atrophy compared with in vivo imaging and manual histologic scoring.

Veterinary Pathology 論文発表日: 2026年8月31日

📄 PubMedで原著を確認する ↗

☆ 保存にはログイン

3行まとめ

光誘発性外層網膜萎縮モデルの全スライド画像における深層学習を用いた自動定量解析法の性能を検証した。
開発したAIモデルは手動評価に対し非劣性を示し、F1スコア0.89〜0.95で50倍高速に解析した。
網膜変性疾患の病理解析や薬効評価において、再現性の向上と解析時間・コストの削減に寄与し得る。

この論文の要約

目的: 齧歯類の光誘発性外層網膜萎縮（ORA）モデルにおける手動測定は多大な時間を要し誤差が生じやすい。本研究では、全スライド画像（WSI）を用いたORA評価のための定量的自動画像解析手法を開発し、その性能を評価することを目的とした。
対象と方法: AI画像解析プラットフォーム（Aiforia）を用い、網膜のセマンティックセグメンテーションおよび外顆粒層（ONL）核の物体検出を行う畳み込みニューラルネットワーク（CNN）モデルを訓練した。手動アノテーションを基準として学習と最適化を反復して構築した。
主な結果: 観察者間の一致率は、F1スコアで網膜面積が0.98超、ONL核カウントが0.92超であった。検証者の手動アノテーションと比較した開発アルゴリズムのF1スコアは0.89〜0.95であった。スライドのデジタル化時間は要するものの、アルゴリズムによるWSI解析はHE染色切片の手動解析と比較して50倍高速であった。
臨床的意義: 深層学習モデルによるORA定量性能は現行の手動スコアリング法に対して非劣性であり、網膜変性研究において再現性の向上と解析時間・コストの削減をもたらす。