緑内障の診断は、視野計で測定される視野感度データに基づいて行われる。中心30度、10度も細密測定する重要性がわかってきた、当該検査には時間がかかり測定誤差が入りやすいといった問題もあった近年、光干渉断層計を用いて、短時間で網膜各層の厚みを計測する検査が普及してきた。
そこで、①網膜層厚データから現時点の視野感度をいかに精度良く推定できるか、②緑内障進行予測のために、視野感度と網膜層厚を統合して「将来の」視野の欠損具合をいかに精度よく予測できるか、課題に取り組んだという。東京大学大学院情報理工学研究科、東大病院 眼科、香港理工大学からなる研究グループは、機械学習（ML）技術を用いた緑内障視野予測のための新手法を開発し、世界最高レベルの予測精度を達成した。
視野感度と網膜層厚のデータの時空間的特徴を、低次元に圧縮して表現した「潜在空間」のなかで統合して学習することを特色とする。学習の際、推定に用いた情報と予測に用いた情報を共有する（マルチタスク学習）ことで、両者の高精度化を実現した結果、①の推定誤差と②の予測誤差について、平方根平均２乗誤差が、従来世界最良だった手法よりもそれぞれ6.33％、3.48％上回った。
独立して考えられてきた「現時点での視野感度の推定」と、「将来の視野感度の欠損度合いの予測」とを同時に扱うことで、共に世界最高の精度とした。実用化に向けた着実な一歩を示した。新手法である「マルチタスク潜在空間統合学習」は、これにより緑内障の進行を早期に予測し、治療計画を立てることが可能になるとともに、視野感度推定による検査コストの削減が期待できるという。
JST戦略的創造研究推進事業における研究領域、AIP加速課題のひとつ「潜在空間を高度活用したディープナレッジの発見」の研究により得られた上記成果は、今月14日～18日のオンライン国際会議「KDD2021」にて発表予定とのことだ。