| 視野の変化から緑内障の進行を判定するためのプログラムは多数開発されています。いずれも緑内障の際に変化が現れやすい特異的な部位や視野全体の感度に注目し、特異的な部位と他の部分との差、あるいは過去の視野との差を比較するなどして、緑内障の進行を判定するものです。
|
| しかしながら、視野検査は自覚検査であるため、応答に個人差やばらつきがあり、異常が出現する部位も一ヶ所に限ったわけではないため、進行の有無に対する判定の信頼性はどのプログラムもあまり高いものではありません。
|
| Neural Networkは、正解を教えながらいくつもの視野を入力し、判定の「こつ」をコンピューターに憶えさせるものです。このレポートでは入力層に253個、第一処理層に13、第二処理層に5、出力層に1個のエレメントをもったNeural Ware社のNeural Networkを使用しています。入力データは59ヶ所の視野測定点データ、平均感度、患者の信頼係数などです。 |
| テストは233眼の視野(平均観察期間4.7年)に対して3人の熟練した緑内障専門家が進行の有無を判定し、そのうちの2/3を用いてNeural Networkを教育した上で、残り1/3に対してNeural Networkに判定させ、結果を見るという方法で行なわれました。教育/判定分の組み合わせを変えることで、233眼全眼に対するNeural Networkの判定がチェックされました
|
| Neural Networkは進行例の73%を「進行」と判定し、不変例の88%を「不変」と判定しました。この成績は緑内障専門家間での判定の一致率と比較できるものであり、視野判定に対するNeural Networkの応用は大変有効なようです。私も欲しいな(^^)。
|
| 出典は、Brigatti L et al: Automatic detection of glaucomatous visual field progression with neural networks. Arch Ophthalmol 115,725-728,1997 |
|
