[SS-KOY-25]

Korneanın in Vivo Konfokal Mikroskopi Görüntülerinin Sınıflandırma ve Segmentasyonunda Yapay Zeka Uygulamaları

Neslihan Dilrüba Köseoğlu1, Mehmet Cuneyt Ozmen1, Andrew L. Beam2, Ilya Kovler3, Ron Soferman3, Pedram Hamrah1
1Tufts Medical School, New England Eye Center, Boston, MA, USA
2Harvard Medical School, Department of Bioinformatics, Boston, MA, USA
3RSIP Vision LTD, Jerusalem, Israel

GİRİŞ VE AMAÇ:İn vivo konfokal mikroskopi (İVKM), özellikle subbazal sinir pleksusu ve immün dendritiform hücreleri (DH) görüntüleyerek, korneanın kuru göz gibi inflamatuar ve nöropatik kornea ağrısı (NKA) gibi sinir tutulumu olan hastalıklarında tanıya önemli katkı sağlayan bir görüntüleme cihazıdır. NKA korneanın yeni tanımlanmış ama tanısı sıklıkla atlanan bir hastalığıdır. İVKM görüntülerinde subbazal sinirlerde izlenen mikro-nöroma (MN) benzeri yapıların varlığı tanıya yardımcı olabilir. Ancak İVKM görüntü analizi oldukça zaman alıcı ve subjektiftir. Bu çalışmada amacımız, İVKM görüntü analizinde hızlı ve standardize sonuç elde edebilen bir yapay zeka programının (nöral ağ - NA) uygulanabilirliğini göstermektir.
YÖNTEM:NA kornea katmanlarının sınıflandırılması için normal sınırlarda 1540 görüntü ile eğitildi ve 610 görüntü ile doğrulandı. MN varlığının tespiti için 15 kuru göz ve NKA hastasına ait 44,630 görüntüden MN içeren görüntüler işaretlendi. NA, verilerin %80’i ile eğitilerek %20’si ile doğrulandı. DH segmentasyonu için kuru göz hastalarına ait, DH içeren 258 görüntü seçildi ve NA eğitimi için 233 görüntü, doğrulama için ise 25 görüntü kullanıldı. Standart çapraz doğrulama için bu işlemler 5 kez tekrar edildi. DH yoğunluk, alan ve çevre ölçümleri de yapıldı.
BULGULAR:NA, kornea katmanlarının sınıflandırılmasında tüm katmanlar için %95’in üzerinde spesifisite ve sensitivite gösterdi (tümü için AUC>0,95). MN tespitinde ortalama sensitivite ve spesifisite %90’ın üzerinde idi (ortalama AUC=0,96). DH segmentasyonunda ortalama sensitivite %66 iken spesifisite %99 olarak bulundu (ortalama AUC=0,84). DH morfolojik parametrelerinin ölçümünde manüel ve NA arasındaki metodlar arasındaki korelasyon katsayısı ise tüm parametreler için 0,99 üzerinde bulundu (p<0,05).
TARTIŞMA VE SONUÇ:Çalışmamız, yapay zeka yardımı ile İVKM görüntülerinin, daha hızlı ve objektif bir şekilde değerlendirilebileceğini göstermekte ve bu sayede tanı ve tedavide potansiyel olarak standardizasyona olanak sağlayabileceği düşünülmektedir.