機械学習を使用したケラトコノス進行の検出

ケラトコノス（KC）は、通常はその頭頂領域での角膜の進行性薄化と急勾配を特徴とする両側眼疾患です。 この病気は、片目が状態に深刻な影響を受けるため、しばしば非対称に発生します。 KCの根底にある変化は、不規則な乱視の生成につながり、患者の視力が低下し、高度な段階で軸角膜瘢痕を引き起こす可能性さえあります。 この病気は通常、人生の2年目または3年目に発生しますが、どの年齢でも発生する可能性があります。 KCは、年齢、目の摩擦、接触レンズの使用、アトピー、日焼け、ホルモン、毒素、遺伝的要素などの環境要因を含む複雑な状態です。 しかし、これらの要因が病気にどのように寄与するかはまだ不明であり、個人内の違いが存在する可能性があります。

KCは、病気の段階に基づいてさまざまな形に分類できます。 臨床KCでは、病気の地形とスリットランプの両方の所見があります。

ケラトコノスの診断における角膜上皮イメージングの重要性は、いくつかの臨床研究でさらに実証されています。 新しい前部セグメントとして、光学コヒーレンス断層撮影（AS-OCT）デバイスは、角膜上皮のより詳細な測定値を提供します。 したがって、この層は、KCの進行の予測の興味深いマーカーであり、以前の診断と疾患のより良い結果に寄与する可能性があります。

したがって、このレトロスペクティブ研究の目的は、異なる地形と体積データ、たとえば上皮厚さマップ（ETM）など、機械学習アルゴリズムを使用してKCの進行を予測するために確実に使用できるかどうかを判断することです。