視神経乳頭写真から緑内障を検出するためのビジョントランスフォーマーモデル

日常の視力にとってなぜ重要か

緑内障は世界的に恒久的な失明の主要な原因の一つですが、多くの場合、視力がかなり損なわれるまで自覚症状が現れません。良いニュースは、眼底の簡単な写真が限られた設備のクリニックでも広く得られることです。本研究は、そうした写真を高度なコンピュータプログラムが解析し、ほとんどの人が問題に気づくよりずっと前に緑内障の早期兆候を確実に示せるかを検討しています。

静かに進行する視力の脅威

緑内障は視神経を徐々に損ないます。視神経は眼から脳へ視覚信号を送る線維の束です。医師は視神経が眼球を出る点である視神経乳頭の形状の変化を観察しますが、これらの微妙な変化の解釈は難しく、専門家の間でも意見が分かれることがあります。世界の多くの地域では大量のスクリーニングを行う眼科専門医が不足しており、その結果、特に低・中所得国では症例の約半数が未診断のままだと考えられており、多くの人はかなりの視力を失った後に初めて病気を知ることになります。

コンピュータに眼底写真を『読む』ことを教える

研究者らは、米国の眼科センターで治療を受けている早期緑内障患者の視神経乳頭写真を1000枚以上収集し、さらに2つの公開画像データベースから健康な眼の写真を数百枚集めました。緑内障の専門家が、網膜の他の問題を除外したうえで視神経の見た目だけに基づき各画像を緑内障か健康かに分類しました。チームはすべての画像をトリミングして視神経乳頭がフレーム内で類似した割合を占めるようにし、品質チェックと実際の撮影条件を反映した微小な回転、ズーム、ぼかしといった現実的な画像変換を加えて訓練セットを拡張しました。

新しい種類のニューラルネットワーク

従来型の画像解析システムに頼る代わりに、チームはビジョントランスフォーマーというより新しいディープラーニング手法でモデルを構築しました。このモデルは各視神経乳頭画像を多数の小さなパッチに切り分け、各パッチをデータトークンとして表現し、注意機構の層を重ねることで乳頭の異なる領域間の関係性を評価します。ネットワークは0から1のスコアを出力し、0.5以上を陽性と判定します。利用可能なデータを最大限に活用するために、研究者らはバランスサンプリング、重み付けした損失関数、交差検証を用い、またトランスフォーマーを高性能の畳み込みネットワークであるEfficientNetと比較しました。

システムの早期病変の見え方

未知の画像でテストしたところ、ビジョントランスフォーマーモデルは緑内障と健康な眼をほぼ完全に分離しました。主要な性能指標である受信者動作特性曲線下面積（AUC）はテストセットで1.00、正確度は約99パーセント、感度と特異度とも非常に高かったです。実際には、このシステムはほとんど緑内障症例を見逃さず、健康な眼を病的と誤判定することもほとんどありませんでした。さらに研究者らが中等度から高度の緑内障を有するほぼ1000眼でモデルを検証した際にも、1例を除いて正しく識別しました。トランスフォーマーはEfficientNetベースの手法よりも優れており、後者は精度が低く誤警報や見逃しが多く見られました。

眼科医療にとっての意義

このモデルは標準的な視神経乳頭写真で動作し、訓練に人種的に多様な患者群を用いているため、人工知能が世界の多くの地域で緑内障スクリーニングに寄与する現実的な可能性を示しています。著者らは、本研究のサンプルサイズが他の研究に比べて小さく、健常対照の多くを外部データセットに依存している点が潜在的なバイアスを生む可能性があると注意を促しています。より大規模で多様な画像コレクション、携帯型カメラで撮影した画像、年齢や近視度などの基本的な患者情報の組み入れが今後重要なステップになると述べています。それでも、簡便な眼底写真の高度な解析が、特に専門家が不足する地域で早期に緑内障を発見し回避可能な失明を減らすコスト効果の高い方法になり得ることを示唆しています。

読者への要点

本研究は、高度なコンピュータモデルが日常的に撮影される視神経乳頭写真から緑内障の初期の痕跡を非常に高い精度で学習して検出できることを示しています。実臨床でのさらなる検証が必要ですが、こうしたツールは将来的に大量の患者を迅速に振り分け、緊急の眼科ケアが必要な人とそうでない人を分ける手助けをして、早期の視力保護を世界中でよりアクセスしやすくする可能性があります。

引用: Bouris, E., Leyva, B.K., Odugbo, O.P. et al. A vision transformer model for the detection of glaucoma from optic disc photographs. Sci Rep 16, 14831 (2026). https://doi.org/10.1038/s41598-026-44662-7

キーワード: 緑内障スクリーニング, 視神経乳頭撮影, ディープラーニング, ビジョントランスフォーマー, 眼の健康