【05/18】CT (Computed Tomography) 論文ピックアップ (2)

本研究の目的は、陽電子放出断層撮影（PET）を用いずに、日常的なCT検査画像から代謝腫瘍体積（MTV）を自動的に描出する深層学習モデルを開発し、鼻咽頭癌（NPC）におけるその予後予測能を検証することである。2021年に放射線治療前の18F-FDG PET/CTを受けたNPC患者392名を対象に回顧的コホートを作成し、トレーニング群とテスト群に分割した。PETで得られたSUV>2.5の領域を正解ラベルとし、CT画像のみを入力とする7層のMedNext-Insightモデルを構築した。

モデルのセグメンテーション精度は、nnUNetV2やPix2Pixなどの他モデルと比較して優れており、Dice係数は0.808であった。このAI予測MTVから得られた放射線学的特徴量は、真のMTVから得られたデータと同等の予後予測能を示した。また、異なるスキャナを用いた2022年の検証用コホートにおいても安定した精度が確認された。結論として、MedNext-InsightはPET不要の効率的な腫瘍量評価を可能にし、将来の生物学的情報を加味した適応放射線治療の基盤となる可能性が示された。

【背景】頭頸部がんの集学的治療において放射線治療（RT）は重要な役割を担う。近年、腫瘍制御と毒性管理は向上しているが、CTやPET-CTを用いた正確な腫瘍およびリスク臓器の輪郭決定は依然として不可欠である。また、RTは甲状腺機能低下症などのリスクを増加させる。

【方法・結果】PET-CTシミュレーション群とCT単独計画群を比較し、治療前後の甲状腺バイオマーカー（TSH, FT3, FT4）を分析した。PET-CT群はCT群に比べGTVpの描出精度が71.8%向上した。治療後、TSHは軽微な変化に留まったが、FT3およびFT4は有意に低下し、特にステージIIおよびIIIで顕著であった。

【結論】PET-CTシミュレーションは放射線治療計画の精度を高める優れた手法である。治療後の甲状腺機能低下を防ぐため、計画段階でのPET-CT活用と並行して、治療後の内分泌モニタリングをルーチン化することが推奨される。

【目的】標的放射性核種療法における線量評価には、病変のセグメンテーションが不可欠である。本研究では、全身マルチトレーサーPET/CT画像における病変セグメンテーションを目的とした、新しい2DマルチモーダルSegment Anything Model (mmSAM)を提案する。

【方法】18F-PSMA、18F-FDG、68Ga-PSMAのPET/CT画像および腫瘍マスクを含むAutoPET 2024データセットを使用した。18F-PSMAをプライマリデータセットとして学習・評価を行い、他の2つのデータセットに対しては転移学習の有無で性能を評価した。比較対象として、PETのみを用いたSAM、PET/CTを用いた3D nnUNet、閾値法を採用し、Dice係数、HD95、SUV平均誤差、MTV誤差等を用いて評価した。

【結果】mmSAMはプライマリデータセットおよびクロストレーサーデータセットの両方において、他の手法よりも優れたセグメンテーション性能を示した（p<0.05）。特にファインチューニングを行うことで、未知のトレーサー画像に対する精度が大幅に向上した。

【結論】提案されたmmSAMは、マルチトレーサーPET/CT画像における病変セグメンテーションにおいて有望であり、ファインチューニングがクロストレーサー研究における精度向上に大きく寄与することが示された。