あたらしい眼科

《第14回.日本視野画像学会.原著》あたらしい眼科43（8）：1013.1019，2026c視覚障害認定に用いる8方向視野角度総和の代替指標探索 ─ 仮想Goldmann視野I/4eイソプターに対するImageJ 形状解析増田敬翔生杉謙吾黒沢恭花高野玲紋間瀬陽子山下修人永嶋竜之介 加藤久美子近藤峰生三重大学医学部附属病院眼科CExploringSurrogateIndicesforthe8-DirectionVisualFieldAngleSumUsedinVisualImpairmentCerti.cation：ImageJShapeAnalysisofVirtualGoldmannI/4eIsoptersKeitoMasuda,KengoIkesugi,KyokaKurosawa,RemonTakano,YokoMase,ShutoYamashita,RyunosukeNagashima,KumikoKato,MineoKondoCDepartmentofOphthalmology,MieUniversityHospitalC目的：視覚障害認定で用いられるC8方向視野角度総和（CΣθ）の代替指標となりうるCImageJ形状指標を探索し，さらにC8方向視野角度の標準偏差（SDCθ）との関連も検討した．対象と方法：大規模言語モデルCChatGPT-4oでCGoldma-nn視野CI/4eイソプターを模した仮想視野C120例を作製した．8方向の視野角度からCΣθおよび標準偏差CSDCθを算出した．ImageJでCarea，perimeter，major/minoraxis，angle，circularity，aspectratio，roundness，solidityのC9指標を測定し，Σθ・SDCθと各指標のCPearson相関係数を求めた．結果：ΣθはCperimeter（r＝0.985）をはじめ，area（r＝0.974），majoraxis（r＝0.964），minoraxis（r＝0.980）ときわめて強い相関を示した．SDCθはCmajoraxis（r＝0.883）との相関が最大で，aspectratioやCroundnessとも有意に関連した．結論：PerimeterはCΣθの有力な代替指標となりうる．ImageJによる形状解析は従来の角度法と整合しつつ，視野の広さと非対称性の定量化に有用である可能性がある．本研究は仮想視野を用いた方法論的検討であるため，今後は実臨床の視野データで妥当性検証が必要である．CPurpose：ThisstudyaimedtoexploreImageJ-derivedshapedescriptorsthatmightserveassurrogateindi-cesforthesumofeight-directionvisual.eldangles（CΣθ）usedinvisualimpairmentcerti.cationandexaminetheirassociationsCwithCtheCstandardCdeviationCofCtheeight-directionCangles（SDCθ）.Subjects and Methods：UsingCtheClargelanguagemodelChatGPT-4o,wegenerated120virtualGoldmannvisual.eldI/4eisopters.Then,wecalcu-latedΣθandSDCθfromtheeight-directionvisual.eldangles.UsingImageJ,wemeasurednineshapedescriptors（area,Cperimeter,CmajorCaxis,CminorCaxis,Cangle,Ccircularity,CaspectCratio,Croundness,Candsolidity）C,CandCcomputedCPearson’sCcorrelationCcoe.cientsCbetweenCΣθ/SDCθandCeachCdescriptor.CResults：ΣθdemonstratedCveryCstrongCcorrelationswiththeperimeter（r＝0.985）C,area（r＝0.974）C,majoraxis（r＝0.964）C,andminoraxis（r＝0.980）C.CSDCθmoststronglycorrelatedwiththemajoraxis（r＝0.883）andwassigni.cantlyassociatedwiththeaspectratioandroundness.Conclusions：PerimetermayserveasausefulsurrogateindexforΣθ.ImageJ-basedshapeanalysisiscompatibleCwithCtheCconventionalCangle-basedCmethodCandCmayChelpCinCquantifyingCtheCextentCandCasymmetryCofCvisual.elds.Asthismethodologicalstudyusedvirtualvisual.elds,validationusingclinicalvisual.elddataiswar-ranted.〔AtarashiiGanka（JournaloftheEye）C43（8）：1013.1019,C2026〕Key words：Goldmann視野検査，イソプター，視野角度．ImageJ，ChatGPT．Goldmannperimetry,isopter,vi-sual.eldangle,ImageJ,ChatGPTC〔別刷請求先〕生杉謙吾：〒C514-8507三重県津市江戸橋C2-174三重大学医学部附属病院眼科Reprintrequests：KengoIkesugi,M.D.,DepartmentofOphthalmology,MieUniversityHospital.2-174Edobashi,Tsu-city,Mie514-8507,JAPANCはじめに視野検査は眼科診療において不可欠であり，緑内障をはじめとする多くの疾患の診断や経過観察に広く用いられている1,2）．視野測定法には，固定検査点の閾値を評価する静的視野検査と，等輝度・等サイズの指標を移動させて境界を描出する動的視野検査がある．動的視野計の代表であるCGold-mann視野計は，1945年にCHansGoldmannにより開発され3），静的自動視野計の普及後も周辺視野の把握や小児・低視力例などで重要な役割を担っている2）．日本の視覚障害認定では，Goldmann視野検査（Goldmannperimetry：GP）によるCI/4視標の周辺視野角度およびCI/2視標の中心視野角度の二つを用いたC8方向の角度測定と，その合計に基づく評価が基準として定められている．しかし，この角度法は紙面上でC8方向を定規で測定・集計する作業を要し，臨床現場で診断書を作成する医師・視能訓練士にとって時間的負担が大きい．加えて，境界の読み取りや測定手順の違いにより測定者間差が生じうる．したがって，角度法と整合性を保ちつつ，デジタル画像解析により簡便かつ客観的に算出できる代替指標があれば，実務の効率化と標準化に資する可能性がある．GPの定量化については，プラニメータを用いた面積測定を含めさまざまな手法が報告されてきたが，近年ではソフトウェアを利用したデジタル測定が普及しつつある．Zahidらは，AdobePhotoshopを用いたデジタル定量法が従来のデジタルプラニメトリーよりも再現性と効率に優れることを報告し4），また，視野体積を算出し疾患進行の指標として利用する試みなども行われている5,6）．一方で，視覚障害認定で用いられるC8方向視野角度の総和（CΣθ）や角度分布のばらつき（SDCθ）と，汎用画像解析ソフトウェアCImageJにより得られる形状指標との関係を系統的に比較検討した結果は現在まで報告されていない．ImageJでは周囲長や形状指標を標準機能として測定できるため，条件を固定すれば手順の再現性を担保しやすい．近年では，ImageJのマクロ言語などを用いて視野角度を半自動的に算出するソフトウェアや独自の定量プログラムも報告されている7,8）．実患者のCGPデータを用いて疾患・重症度・欠損形状の多様性を短期間で網羅しながら指標間の関係を広く検証することは，倫理的手続きやデータ整備の制約から必ずしも容易ではない．そこで本研究では，insilico（仮想データを用いた計算機上の検討）として，生成CAIにより仮想CGoldmann視野のCI/4eイソプター・データセットを構築し，視野角度（Σθ，SDCθ）とCImageJで算出される形状指標との幾何学的対応関係を明確化することを目的とした基礎的検討を行った．insilicoの枠組みは，倫理的・実務的制約が大きい状況であってもモデル化とシミュレーションにより検討を進め得る方法論として位置づけられており，指標探索の前段階として有用である9）．本研究は，従来用いられてきた視野角度指標とCImageJから得られる形状指標を比較解析するための方法論的検討として位置づけられる．CI対象と方法OpenAI社の大規模言語モデルCChatGPT-4oを用い，Goldmann視野イソプターCI/4eを模した視野図を生成した．方位角はC0.360°をC15°間隔で等分割し，各方向について0.60°の範囲で視野角度を数値として出力，ランダム生成としつつ，正常視野，求心性視野狭窄，垂直半盲，水平半盲など多様な視野パターンが含まれるよう設定し，120例のイソプター画像を描画した．プロンプト指示は，「Goldmann視野のCI/4eイソプターを模した仮想視野をC120例作成．各症例について視野輪郭を極座標の半径（視野角度）で表し，0°からC360°までC15°刻み（計C24方向）の半径を数値で出力．【座標系】0°＝右，90°＝上，180°＝左，270°＝下（反時計回り）．【半径の範囲】各方向の半径は0.60°．【含めるパターン】120例の内訳はつぎのC4群（各C30例）がすべて含まれる：A.ほぼ対称で広い（正常に近い）B.求心性狭窄C.垂直半盲様D.水平半盲様」とした．ただし，生成CAIは確率的出力を含むため同一指示でも出力が変動しうる．つぎに，24方向の角度テーブルから極座標プロットを作成し，I/4eイソプター輪郭を単一色で描画した．画像は背景を白とし，解析用にPNG形式で保存した．視覚障害認定の枠組みに準じ，各イソプターについてC8方向（0°，45°，90°，135°，180°，225°，270°，315°）の視野角度を用いた指標を算出した．8方向視野角度の総和を合計視野角度（Σθ）とし，さらに8方向視野角度の標準偏差（SDCθ）を算出して，視野角度の分布のばらつきを表す指標とした．ImageJソフトウェア（VersionC1.54p,CNationalCInstitutesCofHealth）を用いて，視野輪郭の形状指標を測定した．画像をCImageJに読み込み，8-bitへ変換後，輪郭内部が前景となるよう閾値処理により二値化，必要に応じて領域内部の欠損を補正した．二値化後の前景領域から関心領域（regionofinterest：ROI）を作成し，ROIManagerに登録した．ROIを対象としてCanalyze→setmeasurementsにて測定項目を設定し，表1に示すC9指標（area，perimeter，majoraxis，Cminoraxis，angle，circularity，aspectratio，roundness，solidity）を同一条件で出力した．得られた測定値は症例ごとに保存し，統計解析に用いた．視野形状の多様性を可視化するため，全C120例におけるCΣθおよびCSDCθの中央値をそれぞれ算出し（CΣθ中央値＝150.94°，SDCθ中央値＝5.62°），これらをカットオフとして以下のC4群へ分類した．Type1（広く対称）：Σθが中央値以上かつCSDCθが中央値未満，Type2（求心性）：Σθが中央値未満かつCSDCθが中央値未満，Type3（非対称）：Σθが中央値以上かつCSDCθが中央値以上，Type4（狭小・不整）：Σθが中央値未満かつCSDCθが中央値以上．統計解析にはCIBMCSPSSCStatisticsCversion30.0.0（日本IBM）を用いた．CΣθと各形状指標との関係について，Pear-sonの相関係数（r）を算出した．同様にCSDCθと各形状指標との関係についてもCPearsonの相関係数で評価し，有意水準は両側5％とした．本研究は，大規模言語モデルにより生成した仮想CGoldma-nn視野画像を解析対象としたCinsilico研究であり，実在の患者情報を使用していない．Insilico研究とは，コンピュータ上で仮想データなどを用いて行う計算機シミュレーション解析研究をさす．本研究では視野形状の幾何学的関係を仮想環境下で検討したものであるため，人を対象とする医学研究には該当せず，所属施設の倫理審査委員会による審査は不要と判断した．CII結果Σθは広範に分布し，正常視野に相当する広さから高度求心性狭窄，垂直半盲，水平半盲など多様な形状が含まれていた（図1）．Σθの平均はC149.2C±62.4°，SDCθの平均はC8.77C±6.56°であった．前述のとおりCΣθの中央値はC150.94°，SDCθの中央値はC5.62°であり，これら中央値をカットオフとした4群分類では，Type1（広く対称）8例，Type2（求心性）52例，Type3（非対称）52例，Type4（狭小・不整）8例であった．CΣθとC9指標の相関係数rおよび有意確率Cpはそれぞれ，perimeter：0.985，minoraxis：0.980，area：0.974，majoraxis：0.964（いずれもp＜0.001），angle：0.315（p＝0.001），Caspectratio：0.216（p＝0.018），roundness：C.0.265（p＝0.003），circularity：C.0.137（p＝0.135），solidity：C.0.149（p＝0.104）となった（図2）．面積および楕円近似に基づく長軸・短軸，とくに周囲長がCΣθと非常に強い相関を示した．一方で，形状の円形度を表す指標であるCcircularityとCsolidi-tyは有意な相関を示さず，aspectratioおよびCroundnessは弱い相関にとどまった．4群分類（Type1.4）で表示した散布図において，ΣθとCperimeter/area/major/minoraxisの強い正の関連は，特定の群に偏って生じるものではなく各群にまたがって同方向の傾向として観察された（図2）．なお，4群分類は視野形状の多様性を可視化する目的で導入したものであり，群間差の統計的比較は本研究の目的としていない．CSDCθと各指標の相関係数Crおよび有意確率Cpはそれぞれ，majoraxis：0.883，area：0.850，perimeter：0.844，minoraxis：0.812，angle：0.427，aspectratio：0.404，round-ness：C.0.429（いずれもp＜0.001），circularity：C.0.016（p＝0.861），solidity：C.0.095（p＝0.303）となった（図3）．表1ImageJで算出した9形状指標の定義と意味①area（面積，mm2）視野の広さ．大きいほど見える範囲が広い②perimeter（周囲長，mm）視野のまわりの線の長さ．ギザギザが多いほど長いC③majoraxis（長軸，mm）フィット楕円の長軸長C④minoraxis（短軸，mm）フィット楕円の短軸長⑤angle（角度，°）フィット楕円の長軸がCx軸に対してなす角度C⑥circularity（円形度）視野がどれくらい円に近いか．C1に近いほど丸い，=C4Cπ×area÷perimeter2C⑦aspectratio（アスペクト比）長軸C÷短軸，形の細長さ．数値が大きいほど細長く小さいほど丸いC⑧roundness（丸み）視野の形の丸み．1に近いほど円に近い＝4×area÷（Cπ×majoraxis2）C⑨solidity（凹凸率）凸包充填率，凹みの少なさ．1に近いほど凸C=area÷その視野を囲む最小の凸包面積本研究でイソプターの定量に用いたC9形状指標について，定義と単位，およびそれぞれが表す視野形状の特徴を示す．CSDCθが大きいほどCmajor/minoraxisやCarea，perimeterは増大する傾向を示した．また，SDCθは細長い形状を表す指標であるCaspectratioおよび円形を表す指標であるCround-nessとCr＝0.4程度の中等度の有意な相関を認めた．4群表示（図3）では，SDCθが中央値以上の群（Type3/Type4）において，majoraxisが相対的に大きく，roundnessが低い点が多く分布する傾向が観察され，SDCθが形状の異方性と関連することが視覚的に示唆された．CIII考按本研究では，視覚障害認定に用いられる視野角度と，ImageJにより得られる形状指標との関係を，人工知能（Arti.cialIntelligence：AI）のC1種である大規模言語モデルで生成した仮想CGP視野図を用いて検討した．その結果，多数の指標のなかで，perimeterがCΣθともっとも強い相関を示しarea，majoraxis，minoraxisも非常に強い相関を認めた．一方で，SDCθはCmajoraxisともっとも強く相関し，視野形状の非対称性と関連する形状指標（aspectratio，round-nessなど）とも有意に関連した．従来，GPの定量化はイソプターで囲まれた面積を中心に議論されることが多かった10,11）が，日本の視覚障害認定基準では，I/4eおよびCI/2eについてC8方向それぞれの視野角度を計測し，その総和によって定量が行われている．これは，イソプター面積を厳密に求めようとすると，曲線を追ってプラニメータを使う必要があり，診療実務上の負担が大きいた90°102030405060180°0°180°270°90°102030405060180°0°180°270°90°1020304050600°180°270°90°1020304050600°180°270°90°1020304050600°270°90°1020304050600°270°図1AIで生成した仮想視野の代表例大規模言語モデルChatGPT-4oにより生成したCI/4eイソプター（C―.―）仮想視野図の代表例を示す．極座標上にC0.60°の視野角スケールをとり，異なる視野パターンを描出した．め，紙カルテ上のCGPチャートと定規で完結することのできる視野角度が定量法として設計されたと推測される．GPチャート上でイソプター形状がおおむね円形.楕円形であると仮定すると，8方向視野角度の平均半径Cr_Cmean=Σθ/8を用いて，面積CAはCAC.π（Σθ/8）C2＝（π/64）（Σθ）2と近似され，理論的にはCAはCΣθの二次関数となる．一方で，本研究で扱ったCΣθの範囲においては，CΣθとAの間に高い直線的関係（r＝0.974）を認めた（図2）．とくに視野が狭い例では，CΣθがイソプター面積の単調変換量として視野の大きさをよく反映する代理指標であると考えられた．さらに本研究でCΣθは，areaのみならずCperimeter，majoraxis，minoraxisと高相関（r＝0.964.0.985）であり，想定した範囲の視野形状においてCΣθは視野の大きさをよく表現していると考えられた．飯田らはCImageJオリジナルマクロを用いて視野角度測定および解析を半自動化し，作業時間のC60％短縮と高い再現性を報告している7）．このようなマクロを用いた視野角度の（半）自動化は，視野定量の効率化に大きく寄与する優れた手法であるが，一方で，ImageJには従来，面積や周囲長といった形状指標が標準搭載されており，専用マクロを構築することなく，これら既存指標を定量指標として活用する選択肢も考えられる．本研究でCΣθがCImageJで算出した面積や周囲長ときわめて高い相関を示したことは，視覚障害認定基準で採用されている視野角度法が，これら汎用的な形状指標と同程度の情報を有する，信頼性の高い視野定量指標であることを示唆している．従来の視野角度による定量が，求心性狭窄など典型症例の重症度評価にはおおむね妥当であったことを裏づける一方で，今回はCImageJによる形状指標を併用することで，従来基準との互換性を保ちつつ，より直接的かつ情報量の多い定量評価へ移行し得る可能性が示された．実務上は現在もC8方向の情報を用いる点に変わりはないが，たとえば指標の一つperimeterはイソプター全周の情報をC1回の計測で反映し得る利点がある．ZahidらがCPhotoshopによる面積測定が従来のプラニメトリーより効率的であることを示したように4），将来的に視野画像C1枚を取り込むだけで周囲長や面積を自動算出する簡便なアプリケーションが普及すれば，「8回の視野角度測定」から「周囲長C1つの指標」への単純化が可能となり，CΣθをCperimeterに置き換えても本質的な情報損失はほとんどなく，計測負担の軽減につながると考えられる．また，視野輪郭の不規則性に着目すると，本研究でCSDCθは，majoraxisともっとも高い相関を示した．これは視野形状の方向性の偏りを数値として表現していると考えられる．この異方性についての定量評価を，視野の方向（上下，左右など）の情報とあわせて評価することで，ロービジョン者の読書や歩行安全性など日常生活機能を評価する新たな定area050100150200250majoraxisperimeter40030010001008060200050100150200250Σθ（°）Σθ（°）Σθ（°）Type4（狭小・不整）図2視野角度総和（Σθ）と9形状指標の相関ΣθとC9形状指標との関係を示す．横軸にCΣθ（°）を，縦軸に各形状指標（area：mm2，perimeter：mm，major/minoraxis：mm，angle：°，circularity・aspectratio・roundness・solidity：無単位）をとり，散布図と回帰直線，Pearsonの相関係数rおよびp値を併記した．非有意の指標には回帰直線を表示していない．点はCΣθおよびCSDCθの中央値に基づく幾何学的C4群分類（Type1.4）で色・点形状を変えて表示した．量指標となる可能性がある．ただし，本研究ではCΣθとCSDCθる．そのような場合に，circularityやCsolidityは評価に有効の間にも一定の相関が存在する可能性はあり，SDCθの情報な指標となる可能性がある．本研究のデータセットでは十分量をCΣθから独立して評価するためには，今後部分相関などに特徴づけられなかったが，臨床データに適用した際に特異を用いたさらなる検討が必要と考えられる．的なパターンを捉えうるかどうか，今後検討が必要であると本研究では，circularityやCsolidityはCΣθおよびCSDCθと考えている．の相関が乏しく，視野の大きさや単純な非対称性とは独立し本研究は，大規模言語モデルCChatGPTを利用してCGPのた輪郭の凹凸やくびれといった不規則性を反映している可能仮想データセットをランダムに作成し，insilicoで定量指標性がある．たとえば，1/4盲など局所的な凹型の視野欠損のの検討を行った点が特徴的である．仮想視野データセットを例では，perimeterによる評価では同程度の値であっても，用いることで，倫理審査やインフォームド・コンセントの手CΣθや実際の視機能と相関が得られにくいケースが想定され続きが不要であるだけでなく，多様な視野形状を短期間に網areamajoraxisperimeter40030000.02.55.07.510.012.515.017.520.01008060200.800は指示文（プロンプト）を入れても困難であったため，解析は行っていない．今後は患者の実データと組み合わせ，疾患特異的な形状指標の特徴を評価することでより理解が深まると考えられる．CIV結論本研究では，視覚障害認定で用いられるC8方向視野角度総和（Σθ）とCImageJ形状指標の対応関係をCinsilicoで検討した．その結果，perimeterはCΣθともっとも強い相関を示し，CΣθの有力な代替指標となりうることが示唆された．加えて，CSDCθはCmajoraxisなどと関連し，視野の広さに加えて非対称性の定量化にも寄与しうる．これらの臨床的妥当性および実務適用可能性は，つぎの段階として実患者CGPデータで検証する必要がある．謝辞：本研究を実施するにあたり，ご協力いただいた三重大学病院視能訓練士および眼科医師の皆様に深謝申し上げる．利益相反：利益相反公表基準に該当なし文献1）JohnsonCA,WallM,ThompsonHS：Ahistoryofperime-tryCandCvisualC.eldCtesting.COptomCVisCSciC88：E8-E15,C20112）SampleCPA,CDannheimCF,CArtesCPHCetal：ImagingCandCperimetryCsocietyCstandardsCandCguidelines.COptomCVisCSciC88：4-7,C20113）GoldmannH：FundamentalsCofCexactCperimetry.C1945.COptomVisSciC76：599-604,C19994）ZahidCS,CPeelerCC,CKhanCNCetal：DigitalCquanti.cationCofCGoldmannCvisual.elds（GVFs）asCaCmeansCforCgenotype-phenotypeCcomparisonsCandCdetectionCofCprogressionCinCretinalCdegenerations.CAdvCExpCMedCBiolC801：131-137,C20145）DeLucaAP,WhitmoreSS,TatroNJetal：UsingGoldma-nnvisual.eldvolumetotrackdiseaseprogressionincho-roideremia.OphthalmolSciC3：100397,C20236）ChristoforidisJB：VolumeCofCvisualC.eldCassessedCwithCkineticCperimetryCandCitsCapplicationCtoCstaticCperimetry.CClinOphthalmolC5：535-541,C20117）飯田悠人，秋元正行：ソフトウェアを用いた視覚障害認定用ゴールドマン視野結果の半自動解析．臨眼C74：637-640,C20208）TachibanaM,KannoJ,HashimotoMetal：Quanti.cationofCGoldmannCvisualC.eldsCduringCresolutionCofCtraumaticCopticCneuropathy.CCaseCRepCOphthalmolCMedC2024：C5560696,C20249）PappalardoF,RussoG,TshinanuFMetal：Insilicoclini-caltrials：conceptsCandCearlyCadoptions.CBriefCBioinformC20：1699-1708,C201910）NieselCP,CFlammerJ：CorrelationsCbetweenCintraocularCpressure,visual.eldandvisualacuity,basedon11yearsofobservationsoftreatedchronicglaucomas.IntOphthal-molC3：31-35,C198011）HartCWM,CYablonskiCM,CKassCMACetal：QuantitativeCvisualC.eldCandCopticCdiscCcorrelatesCearlyCinCglaucoma.CArchOphthalmolC96：2209-2211,C1978＊＊＊