理化学研究所（理研）光量子工学研究センター眼疾患クラウド診断融合連携研究チームの秋葉正博チームリーダー、横田秀夫副チームリーダー（同センター画像情報処理研究チームリーダー）、安光州客員研究員、東北大学大学院医学系研究科眼科学教室の中澤徹教授らの共同研究グループ^※は、眼底検査^[1]装置からのマルチモダリティ画像情報^[2]を用いて、緑内障を自動診断できる機械学習^[3]モデルを構築しました。

本研究成果は今後、各症例に対して機械学習モデルによる確信度^[4]を提示することで、緑内障の早期発見につながると期待できます。

緑内障は自覚性がなく、一度失った視野や視力を治療によって取り戻すことができないため、眼科検診による早期発見と早期治療が求められています。従来の緑内障の診断は、カラー眼底画像や光干渉断層計（OCT）^[5]画像の読影による主観的判断に基づいていたため、客観性がありませんでした。

今回、共同研究グループは、緑内障208眼と健常149眼について、眼底検査装置を用いて撮影された視神経乳頭^[6]と黄斑^[7]のデータ（カラー眼底画像1種とOCT画像4種）からそれぞれマルチモダリティ画像情報を抽出しました。そしてこれらの情報に対して、転移学習^[8]とランダムフォレスト^[9]を組み合わせることにより、少数の情報から緑内障の自動診断を行う機械学習モデルを構築し、非常に高い診断精度（AUC^[10]=0.963）を得ることに成功しました。

本研究成果は、英国の科学雑誌『Journal of Healthcare Engineering』のオンライン版（2月18日付け）に掲載されました。

【補足説明】

[1] 眼底検査
視力は網膜の働きにより得られる。眼底検査とは、眼科計測装置によって、瞳孔を通して網膜を撮影し観察すること。

[2] マルチモダリティ画像情報
複数の異なる装置で撮影した画像データ。

[3] 機械学習
人間の学習能力と同様に、機械（コンピュータ）に学習能力を持たせる手法。データから機械自身が反復的に解析し、ルールを見つけ出すという特徴がある。

[4] 確信度
機械学習モデルの出力で、各分類結果をスコアリングした数値であり、0から1までの値をとる。値が1に近いほど、機械学習モデルのその分類結果に対して自信を持つことを意味する。

[5] 光干渉断層計（OCT）
光の干渉を用いて、非侵襲的に眼底の2次元断面を測定できる眼科装置。光ビームの2次元走査により、3次元形状の計測ができる。OCTはOptical Coherence Tomographyの略。

[6] 視神経乳頭、神経線維層
視神経乳頭は眼底中心より耳側約15゜の位置にあり、網膜内の全ての視神経繊維が束になり脳へ向かう部位である。神経線維層は、神経節細胞の軸索が集合したもので、その菲薄化は緑内障が疑われる。

[7] 黄斑、神経節細胞複合体層
黄斑は網膜の中心部分であり、色や形を識別する視細胞がたくさん集まっている部位である。神経節細胞複合体層は、網膜の10層構造中、網膜神経線維層、神経節細胞層、内網状層からなり、その菲薄化は緑内障が疑われる。

[8] 転移学習
すでにある領域で構築済のモデルを他の領域で適用させる技術。新しいデータセットを用いて、モデルを再構築する必要がある。

[9] ランダムフォレスト
決定木を弱分類器として集団学習を行うアルゴリズムであり、説明変数が多い場合によく使われる方法である。

[10] AUC
受信者動作特性曲線より下の部分の面積をAUCといい、0から1までの値をとるが、値が1に近いほど判別性能が高いことを示す。機械学習モデルの分類性能を評価するのによく使わる指標の一つである。AUCはArea Under the Curveの略。

詳細（プレスリリース本文）

問い合わせ先

＜発表者＞
※研究内容については発表者にお問い合わせ下さい
東北大学　大学院医学系研究科　眼科学教室
教授　中澤　徹（なかざわ　とおる）
TEL：022-717-7294　FAX：022-717-7298
E-mail：ntoru*oph.med.tohoku.ac.jp （*を@に置き換えてください）

＜機関窓口＞
東北大学　大学院医学系研究科・医学部　広報室
TEL：022-717-7891　FAX：022-717-8187
E-mail：pr-office*med.tohoku.ac.jp （*を@に置き換えてください）