【06/14】Radiation Protection & Safety 論文ピックアップ
【PR】本記事はプロモーションが含まれています
LINA’s Paper Pick
本日のテーマ：Radiation Protection & Safety
PubMedの最新論文から、現場に役立つ3本をLINAがピックアップしてお届けします。
今日のピックアップ一覧
- 下顎の放射線線量は、化学放射線療法後の抜歯時期と顎骨壊死リスクとの関連を修飾する：後ろ向きコホート研究
- 小児における造影CT検査の放射線被ばく線量の解析
- 低線量医用画像セグメンテーションのための、特徴量変調を用いた放射線量認識サイノグラム知識ライブラリトランスフォーマー
1
下顎の放射線線量は、化学放射線療法後の抜歯時期と顎骨壊死リスクとの関連を修飾する：後ろ向きコホート研究
3エビデンスレベル 3：コホート研究・症例対照研究
Original Article 📌 Key Points
- 局所進行鼻咽頭癌の患者247名を対象に、治療後の抜歯時期と下顎への放射線照射量（EQD2）が顎骨壊死（ORNJ）発生に与える影響を解析した。
- 下顎の線量が46.5 Gy未満であれば、抜歯時期にかかわらずORNJ発生率は低い（1.0〜3.9%）ことが判明した。
- 線量が46.5 Gy以上の場合、抜歯時期を遅らせることがORNJリスクの大幅な上昇（31.1%）と関連していた。
- 抜歯した歯の本数やヘモグロビン値も、ORNJの独立した予測因子であることが示された。
放射線量と抜歯時期の相互作用を考慮したリスク評価は、ORNJの予防戦略を個別化し、患者のQOL向上に直結する重要な知見となります。
📚 関連する日本のガイドライン
- 頭頸部癌診療ガイドライン
| 著者 | Topkan Erkan, Somay Efsun, Bascil Sibel, Ozturk Duriye, Selek Ugur |
|---|---|
| 所属 | Department of Radiation Oncology, Faculty of Medicine, Başkent University, Adana 06790, Turkey. |
| 雑誌 / 年 | Cancers (Basel) (2026) |
| リンク | PMID: 42279339 | DOI: 10.3390/cancers18111756 |
2
小児における造影CT検査の放射線被ばく線量の解析
3エビデンスレベル 3：コホート研究・症例対照研究
Original Article 📌 Key Points
- 2020年から2024年までの小児患者330名の造影CTデータを対象に、年齢層ごとの被ばく線量（CTDIvol、DLP、実効線量）を後方視的に分析した。
- 頭部CTA、頸部、胸部、冠動脈検査では年齢層間での線量に有意差は見られなかった。
- 肝臓、腎臓、腹部CTでは年齢層間で線量に有意差が確認された。
- 一部の検査項目において国際的な診断参考レベル（DRL）を超過しており、撮影プロトコルの最適化が必要であることが示唆された。
本研究は施設内の線量管理体制を見直す重要性を示しており、今後は撮影条件の最適化を通じて小児の被ばく低減に向けた具体的なプロトコル策定が求められます。
📚 関連する日本のガイドライン
- 日本放射線技術学会 診断参考レベル（Japan DRLs 2020）
| 著者 | Wang Fang, Sheng Jinping, Zhang Guoyong, Ma Liwen, Zuo Zhiwei, Jiang Rui |
|---|---|
| 所属 | Department of Radiology, The General Hospital of Western Theater Command, Chengdu 610083, China. |
| 雑誌 / 年 | Health Phys (2026) |
| リンク | PMID: 42283598 | DOI: 10.1097/HP.0000000000002147 |
3
低線量医用画像セグメンテーションのための、特徴量変調を用いた放射線量認識サイノグラム知識ライブラリトランスフォーマー
4エビデンスレベル 4：症例報告・専門家意見
Original Article 📌 Key Points
- 外部の線量メタデータに依存せず、サイノグラムデータから直接「視覚的相対線量（VR-dose）」を推定する手法SinoDoseを提案。
- 学習可能なサイノグラム知識ライブラリ（SKL）を導入し、極低線量下で欠損・歪みが生じた構造情報を周期的な事前知識として補完。
- 線量適応型の特徴量変調（FiLM）を用いることで、再構成とセグメンテーションを統合フレームワーク内で高精度化。
- AutoPETやKiTS等の公開データセットおよび実臨床データにおいて、従来の競合モデルを上回るセグメンテーション精度と再構成性能を実証。
外部情報に頼らない線量推定技術は、データ形式が不統一な臨床現場での汎用性を高め、低被曝撮影と高精度診断を両立させる次世代AI基盤として期待されます。
📚 関連する日本のガイドライン
- 医療情報システム安全管理に関するガイドライン
| 著者 | Lee Yeong Jong, Ki Do Hyun, Back Seung-Hyeok, Yoo Seok Bong |
|---|---|
| 所属 | Department of Artificial Intelligence Convergence, Chonnam National University, 77 Yongbong-ro, Buk-gu, Gwangju, 61186, Republic of Korea. Electronic address: 213924@jnu.ac.kr. |
| 雑誌 / 年 | Comput Biol Med (2026) |
| リンク | PMID: 42242103 | DOI: 10.1016/j.compbiomed.2026.111787 |
