健康科学：網膜画像から疾患を検出するための一般化可能な基礎モデル

医用人工知能（AI）は、網膜画像から健康状態の兆候を認識したり、眼疾患や全身疾患の診断を迅速化したりする上で、大きな可能性をもたらす。しかし、AIモデルの開発には多くのアノテーションが必要であり、通常、モデルは課題特異的で、異なる臨床適用への一般化の可能性は限られている。今回我々は、RETFoundという網膜画像用の基礎モデルについて報告する。RETFoundは、ラベルなし網膜画像から一般化可能な表現を学習し、複数の適用でのラベル効率の良いモデル適応の基盤を提供する。具体的には、自己教師あり学習手法により160万枚のラベルなし網膜画像でRETFoundを訓練した後、明示的なラベルによる疾患検出タスクに適応させた。適応後のRETFoundは、失明の恐れのある眼疾患の診断と予後予測に加えて、ラベル化データの少ない心不全や心筋梗塞などの全身性の複合疾患の発生予測でも、複数の比較モデルよりも一貫して優れていた。RETFoundは、モデルの性能を向上させ、専門家によるアノテーションの仕事量を軽減するための一般化可能な解決策となり、網膜画像化からの幅広いAIの臨床適用を可能にする。

目次へ戻る