Diyabetik Maküler Ödemi Saptamak İçin Derin Öğrenme

Diyabetik makula ödemi (DME), diyabetik retinopati ve diabetes mellitusta anormal vasküler geçirgenlik ve sızıntının neden olduğu retina kalınlaşması ve intraretinal sıvı (IRF) birikimi ile karakterizedir ve çalışma çağındaki erişkinlerde önde gelen körlük nedenidir. Görmeyi stabilize etmek için DME erken saptanmalı ve tedavi edilmelidir.

Diyabetik göz tarama programlarında diyabetik retinopati (DR) ve DME saptanmasında renkli fundus fotoğrafları (CFP) kullanılır. DME için, fovea yakınında sert eksüda sıvının varlığının göstergesi olarak kullanılır. Bununla birlikte tek başına bu göstergenin özgünlüğü ve duyarlılığı sınırlıdır. Üç boyutlu optik koherens tomografi (OCT) aracılığıyla yapılan klinik testler, DME saptanmasında giderek artan bir şekilde referans standart olarak kabul edilmektedir. DME tedavilerini araştıran klinik araştırmalar çalışmaya dahil edilme ve klinik sonlanım kriteri olarak OCT'den türetilen merkezi retina kalınlığını almaktadır.

OCT üzerinde DME aktivitesinin bir diğer önemli göstergesi tedaviye yanıtı ölçebilen intraretinal sıvının (IRF) varlığıdır. DME tanısı ve sınıflandırmasında güvenilir bir araç olmasına karşın OCT, yüksek maliyeti ve uzman yorumuna duyulan ihtiyaç nedeniyle dünyanın birçok yerinde kullanılmamaktadır. DME taraması için CFP kullanılmaya devam edilmektedir. Bir tür yapay zeka olan derin öğrenme, CFP verisinden DR ve DME saptanması için kullanılmıştır. Derin öğrenme sistemleri (DLS') tipik olarak HE etiketli CFP kullanılarak eğitilir, duyarlılık ve özgünlük aralığını kapatma olasılığı düşüktür. Uzman performansını iyileştirmek amacıyla daha önce girdi olarak yalnızca CFP kullanarak OCT kaynaklı DME etiketlerini öngören bir DLS bildirilmiştir.

Bu çalışmada çoklu, bağımsız tarama popülasyonlarında girdi olarak CFP kullanarak OCT'den türetilen veriyi tahmin etmeyi amaçlayan bir DLS kullanımının genelleştirilmesi araştırılmıştır. DME-DLS performansı hem CFP uzman derecelendirmesi hem de önceki DLS versiyonuyla karşılaştırılmıştır. Amaç, retina kalınlığı ve sıvı varlığı için referans standardının üç boyutlu optik koherens tomografi (OCT) türevi olan iki boyutlu renkli fundus fotoğraflarından (CFP) diyabetik makula ödemini (DME) saptayan bir derin öğrenme sisteminin (DLS) geçerliliğinin gösterilmesidir.

Uluslararası veri kümelerinde bir DSL için retrospektif olarak geçerlilik testi yürütülmüştür. Diyabetik retinopati (DR) tarama programlarından veya retina kliniklerinden gelen hastaların eşleştirilmiş CFP ve OCT verileri kullanılmıştır. DLS, Tayland, Birleşik Krallık (BK) ve Amerika Birleşik Devletleri'nden (ABD) veri kümeleri kullanılarak geliştirilmiş ve Avustralya, Hindistan ve Tayland'daki tarama popülasyonlarında 1.582 hastadan 3.060 benzersiz göz kullanılarak doğrulanmıştır. DLS, CFP'ye dayalı olarak hafif DR ve DME şüphesi ile Birleşik Krallık'ta taranan 537 hastanın 698 gözünde doğrulanmıştır. DLS, OCT'den alınan DME etiketleri kullanılarak eğitilmiştir. DME retina kalınlaşması veya intraretinal sıvı olarak tanımlanmıştır. DLS performansı, uzman makülopati dereceleri ve önceki DLS versiyonuyla karşılaştırılmıştır.

DLS özgünlüğü ve duyarlılığı

DME saptanmasında uzmanlara kıyasla DLS özgünlüğü ve duyarlılığı araştırılmıştır. Avustralya, Hindistan ve Tayland'ı kapsayan birleşik bir veri kümesindeki yürütülen primer analiz, DLS özgünlüğünün %80 (uzmanların özgünlüğü %59) ve duyarlılığının %81 (uzmanların duyarlılığı %70) olduğunu göstermiştir. İnsan uzmanlara kıyasla, DLS anlamlı derecede daha yüksek özgünlüğe (p=0,008) ve benzer duyarlılığa (p<0,001) sahip bulunmuştur. Birleşik Krallık veri setinde DLS özgünlüğü %80 ve duyarlılığı %100 bulunmuştur. DLS uzmanları aşan bir doğrulukla birden fazla uluslararası popülasyon için genellenebilir. DLS'nin yanlış pozitif olguyu ve dolayısıyla göz uzmanlarının yükünü azaltmadaki klinik değeri prospektif değerlendirmeyi hak etmektedir.