深層学習ベースのOCTA定量化とモデリングによるmCNVにおける長期的抗VEGF療法効果の予測

近視性脈絡膜新生血管（mCNV）は、病的近視に二次的に生じる視力障害を引き起こす合併症の一つです。 血管内皮増殖因子（VEGF）阻害剤の硝子体内注射がその第一選択療法となっています。 しかし、mCNVは再発しやすく、長期的な視力低下を伴う傾向があり、現在のところ長期的な予後を予測する確定的な方法は存在しません。 このプロジェクトは、光干渉断層血管造影（OCTA）画像を用いてmCNVの長期追跡調査と多次元的定量分析を実施することを目的としています。 VEGF阻害療法後のmCNVの再発や長期視力など、長期的な予後指標を評価し、多モーダル臨床データに基づくVEGF阻害療法効果の深層学習（DL）予測モデルを構築し、最終的には治療の個別化を実現することを目指します。

まず、深層学習技術を活用してOCTA画像内のmCNVをセグメンテーションし、多次元的な定量パラメータを取得します。 これには、OCTAベースのmCNV面積と血管接合部（VJ）が含まれます。 患者は治療後2年間にわたり定期的に追跡調査を行い、注射回数、mCNVの再発、OCTおよびOCTAの定量パラメータ、眼底脈絡網膜萎縮病変、視力状態をモニタリングします。 主にOCTA画像から得られるmCNVの多次元的定量特徴に基づいて、多モーダルDL予測モデルを構築します。 このモデルは、mCNVに対するVEGF阻害療法後の最矯正視力と再発を予測するための感度の高い指標を特定し、治療効果、ベースライン病変状態、治療レジメン選択との関係を明らかにすることを目指します。

この研究は、mCNVに対するVEGF阻害療法の長期的有効性を臨床的に評価する新たな道を開き、効果評価の効率と精度を大幅に向上させ、VEGF阻害治療計画の個別化に重要な参照を提供するもので、大きな臨床的意義を有します。