人工知能を使用して合成光適応性電気網膜図波形を生成し、過小評価された集団における網膜疾患の分類を改善する

視覚電気生理学は、網膜または神経学的疾患に関連する機能的変化を判断するために臨床的に使用されることが多い。全視野フラッシュ電気網膜図（ERG）は、網膜の適応状態に応じてロッドとコーン経路によって開始される外層および内層の全体的な寄与を評価する。臨床センターでは、特定の人口統計内で稀または力が不十分な臨床ケースと比較するために、参照標準データが使用される。参照またはケースデータセットを強化するために、合成ERG波形の適用は疾患の分類や症例対照研究に利点を提供する可能性がある。本研究では、証明概念として、合成信号を生成するために敵対的生成ネットワーク（GAN）を使用した人工知能（AI）が、68人の参加者を含むISCEV参照データセット内で男性参加者を増加させるために展開され、右目と左目からの波形を取得した。ランダムフォレスト分類器は、合成男性波形を追加することで、グループ内の性別分類をバランスの取れた精度0.72から0.83に改善した。本研究は、電気網膜図波形による機械学習分類モデリングを改善するために合成ERG波形の生成を示す最初の研究である。