결과 내부 데이터 세트에서 847 장의 슬릿빔, 326장의 확산조영, 그리고 155 장의 역반사조명법 사진을 획득했고, 외부 데이터 세트에서 192장의 슬릿빔, 92장의 확산조영, 71장의 역반사조명법 사진을 획득했다. 백내장 평가의 관찰자 간 반복성 결과, 핵-내부, 핵-외부, 피질-내부, 피질-외부, 후낭하내부, 후낭하-외부 백내장에 대해 각각 ICC 값 0.958, 0.718, 0.787, 0.733, 0.835, 그리고 0.780을 얻을 수 있었다. 저자들은 핵 백내장 분류에 있어 내부 사진의 99.4%와 외부 사진의 100%에서 절대예측오차 ≤ 1.0를 가졌다는 것을 발견했다. 핵 백내장 분류의 정확도는 외부 데이터 세트와 내부 데이터 세트에서 각각 93.6% 및 92.7% 로 나타났다. 피질 백내장 분류에 있어 저자들은 내부 사진의 75% 와 외부 사진의 93.5%에서 절대예측오차 ≤ 1.0를 가졌다는 것을 발견했다. 피질 백내장 분류의 정확도는 내부 데이터 세트와 외부 데이터 세트에서 각각 84.4% 및 80.4% 로 나타났다. 이와 대조적으로, 후낭하백내장의 분류는 일치성이 없어, 임상적인 의미가 없는 것으로 나타났다. 고찰 안과 분야에서 AI는 특히 개발도상국에서 백내장을 평가할 때 부족한 부분을 보완할 수 있는 잠재적인 해결책을 준다. 본 연구는 비교적 작은 훈련 세트로도 핵 백내장을 분류하고 진료의뢰 하기에 적절한 성과를 달성할 수 있음을 보여준다. 그러나 이와 같은 알고리즘을 가지고 연구하거나 환자의 치료에 사용하기 앞서, 이 연구에는 아직 편향과 관련된 제한점이 남아있다. AI는 훈련 세트와 매우 유사한 단일민족의 표본으로 평가되었기 때문에 성능 과대평가로 이어진다. 또한, 이미지가 어떻게 캡처 되었는지, 그리고 이것이 안과 검사 기구와 세극등 디지털 카메라에서 변동성이 더 많을 수 있는 다른 기관에서도 일반화할 수 있는지를 아는 것이 도움이 될 수 있다. LOCSIII는 백내장을 표준화하고 분류하는 데 효과적이지만, 수술적 개입에 대한 적응증은 환자의 시력에 크게 의존하기 때문에 임상 환경에서 적용하기 어려울 수 있다. 하지만, 이러한 자동 백내장 분류 시스템은 대규모 약물 임상시험 중 백내장의 진행을 모니터링할 때 유용할 수 있다. 종합적으로, 저자들의 인상적인 연구는 칭찬받을 만하다. 저자들의 연구가 AI 문헌에 추가되어 더 많은 연구가 이루어져서 의료 격차를 해결하는데 기여하기를 바란다. EWAP References 1. Abràmoff MD, et al. Improved automated detection of diabetic retinopathy on a publicly available dataset through integration of deep learning. Invest Ophthalmol Vis Sci. 2016;57:5200–5206. 2. Pead E, et al. Automated detection of age-related macular degeneration in color fundus photography: a systematic review. Surv Ophthalmol. 자동 백내장 분류를 위한 LOCSIII기반 인공지능 프로그램 Lu Q, et al. J Cataract Refract Surg. 2022;48:528–534 목적: 수정체 혼탁 분류 체계 III(LOCSIII)을 기반으로 하여 인공지능(AI) 기반 자동 백내장 분류 프로그램을 수립하고 검증하기 위함. 연구기관: Eye and Ear, Nose, and Throat (EENT) Hospital, Fudan University, Shanghai, China. 설계: AI 훈련 방법: 관심영역의 위치정보(localization) 및 분석을 위해 Faster R-CNN 및 ResNet을 포함한 고도화 딥러닝 알고리즘이 적용됐다. EENT Hospital of Fudan University의 내부 데이터 세트와 Pujiang Eye Study의 외부 데이터 세트가 AI 훈련, 검증, 테스트에 사용됐다. 데이터 세트는 LOCSIII 시스템을 기반으로 캡처 모드 및 백내장 등급 측면에서 AI 플랫폼에 자동으로 라벨링 되었다 결과: AI 프로그램은 핵 백내장 및 피질백내장의 분류에 있어 신뢰할 만한 캡처 모드 인식, 분류, 진료의뢰 능력을 보여주었다. 내부 및 외부 데이터 세트 중 자동 핵 분류의 99.4% 및100%에서 각각 절대예측오차≤1.0 과 함께 만족할 만한 진료의뢰 평가능력을 보였다([AUC]: 내부 데이터 세트의 경우 0.983, 외부 데이터 세트의 경우0.977). 자동 피질 분류의 75.0% (내부 데이터 세트) 및 93.5% (외부 데이터 세트)는 절대예측오차 ≤1.0를 보였으며, 진료의뢰에 대한 AUC는 각각 0.855 및 0.795 였다. 핵 백내장과 피질 백내장을 모두 평가했을 때 자동적 및 수동적 분류 간 양호한 일관성이 관찰되었다. 그러나, 후낭하백내장의 자동 분류는 비현실적이었다. 결론: 본 연구에서 제안된 AI 프로그램은 LOCSIII를 기반으로 핵 백내장과 피질 백내장 모두에 있어 강력한 분류 능력과 진단 성능을 보여준다. 2019;64:498–511. 3. Devalla SK, et al. Glaucoma management in the era of artificial intelligence. Br J Ophthalmol. 2020;104:301–311. 4. Lu Q, et al. Lens Opacities Classification System III-based artificial intelligence program for automatic cataract grading. J Cataract Refract Surg. 2022;48:528–534. Editors’ note: Dr. Mortensen and Shah are Ophthalmology Residents and Dr. Oetting is Associate Residency Program Director of the Department of Ophthalmology and Visual Sciences, University of Iowa, Iowa City, Iowa. NEWS & OPINION EWAP MARCH 2023 43
RkJQdWJsaXNoZXIy Njk2NTg0