加齢黄斑変性に向けたマルチモーダル対話型AIの可能性

要旨: 網膜疾患の検出において深層学習モデルが強力な性能を示しているにもかかわらず、ほとんどのシステムは臨床的な推論やインタラクティブな説明なしに静的な予測を生成する。近年のマルチモーダル大規模言語モデル（MLLM）の進歩は、診断予測と臨床的に意味のある対話を統合し、臨床意思決定や患者へのカウンセリングを支援する。 本研究では、MLLMであるOcularChatを、Qwen2.5-VLからシミュレーションした患者—医師の対話を用いて微調整し、カラーファンドゥス写真（CFP）に対する視覚質問応答（VQA）により加齢黄斑変性症（AMD）を診断した。 合計705,850件のシミュレーション対話と46,167枚のCFPを生成し、それらを用いてOcularChatを訓練して、主要なAMD特徴を特定し、推論に基づく予測を出力できるようにした。 OcularChatはAREDSにおいて強力な分類性能を示し、3つの診断タスク（進行型AMD、色素性異常、ドルーゼンサイズ）それぞれで精度0.954、0.849、0.678を達成し、既存のMLLMを有意に上回った。AREDS2でも、OcularChatはすべてのタスクにおいて最高性能の手法を維持した。 3人の独立した眼科医の採点者のもとで、OcularChatは、進行型AMD（3.503 vs. 2.833）、色素性異常（3.272 vs. 2.828）、ドルーゼンサイズ（3.064 vs. 2.433）、および全体印象（2.978 vs. 2.464）について、5点の臨床的採点ルーブリックにおいて強力なベースラインモデルよりも高い平均スコアを達成した。 AMD重症度分類における強い客観的性能に加え、OcularChatは診断の推論、臨床的に関連する説明、そしてインタラクティブな対話を提供できる能力を示し、主観的な眼科医評価でも高い性能を示した。 これらの結果は、MLLMがAMDの画像ベース診断と分類において、正確で解釈可能かつ臨床的に有用な支援を可能にする可能性を示唆する。