今週の Top Picks

Impact of Imaging Acquisition and Protocol Variability on Artificial Intelligence Model Performance: A Secondary Analysis of the ASFNR Artificial Intelligence Competition. (PMID: 41760384)

• 雑誌名: AJNR. American journal of neuroradiology
• 公開日: 2026-02-27
• 著者名: Guangming Zhu, Burak Berksu Ozkara, Jason W Allen 他
• 所属: The University of Arizona, Tucson, AZ, USA; Icahn School of Medicine at Mount Sinai, New York, NY, USA; Indiana University School of Medicine, Indianapolis, IN, USA 他
• タスク: 脳神経放射線領域におけるAIモデルの性能に対する画像取得およびプロトコル変動（データソース、スキャナーメーカー、スキャンモード、スライス厚）の影響を評価する。
• データ: 5施設から収集された1,177件の匿名化された非造影頭部CTスキャン。
• 手法: 2019年ASFNR AIコンペティション参加チームが開発した急性虚血性脳卒中、頭蓋内出血、マスエフェクト、年齢に応じた正常性評価の4タスクのAIモデルを使用し、一般化推定方程式（GEE）を用いて変数間の影響を評価した。
• 成果: AIモデル自体が性能に最も大きく影響し、スキャナーメーカーは頭蓋内出血と急性虚血性脳卒中の検出精度に、スライス厚は頭蓋内出血とマスエフェクトの検出精度に有意に関連し、薄いスライスほど高精度であった。スキャンモードは影響がなかった。
• 新規性: 複数のAIモデルと大規模な多施設CTデータを用いて、画像取得プロトコルの変動がAIモデルの汎用性に与える影響を包括的に分析した。
• 限界: データソースとスキャナーメーカーの共線性により、データソースの影響を直接評価できなかった。

Craniofacial CBCT: Addressing volume-resolution dilemma using generative artificial intelligence. (PMID: 41763378)

• 雑誌名: Bone
• 公開日: 2026-02-26
• 著者名: Seyedmahdi Hosseinitabatabaei, Andrew J Nelson, Nicolas Piché 他
• 所属: Department of Bioengineering, McGill University, Montreal, Canada; Department of Anthropology, University of Western Ontario, London, Canada; Comet Technologies Canada Inc., Montreal, Canada 他
• タスク: 頭蓋顔面CBCTにおいて、低解像度画像から微細な画像詳細を回復するGANベースの超解像手法を開発し、ボリューム-解像度ジレンマを解決する。
• データ: 1体のヒト頭蓋骨、4体の献体ヒト頭部、6体のヒツジ頭部のCBCTスキャン。独立したアーカイブ臨床CBCTスキャン（5患者）と外部公開データセット（n=50）を汎化テストに使用。
• 手法: UNet-Structure-Preserving Super-Resolution (UNetSPSR) と呼ばれるGANを設計し、PSNRとLPIPSで性能をベンチマークし、海綿骨と根管のセグメンテーションで評価した。
• 成果: UNetSPSRは、既存手法と比較して最高のPSNRと最低のLPIPSを達成し、微細な画像詳細の優れた回復を示した。海綿骨形態の過大評価を大幅に削減し、根管セグメンテーションも高解像度参照により近い結果を示した。
• 新規性: 頭蓋顔面CBCTのボリューム-解像度ジレンマに対し、シャープなエッジを回復しつつハルシネーションを回避するGANベースの超解像手法を提案した。
• 限界: 独立した臨床データセットおよび外部データセットでは、高解像度参照標準がないため、決定的な検証ができなかった。

Real-Time MRI With Deep Learning for Efficient Evaluation of Neuromuscular Breathing Impairment. (PMID: 41756255)

• 雑誌名: MedComm
• 公開日: 2026-03
• 著者名: Rachel Zeng, Omar Al-Bourini, Leonie Lettermann 他
• 所属: Department of Neurology University Medical Center Göttingen Göttingen Germany; Department of Clinical and Interventional Radiology University Medical Center Göttingen Göttingen Germany; Institute for Theoretical Physics Heidelberg University Heidelberg Germany 他
• タスク: 進行性ポンペ病（LOPD）患者における呼吸機能障害の早期検出のため、深層学習ベースの画像セグメンテーションを組み合わせたリアルタイムMRI（RT-MRI）の感度を評価する。
• データ: 進行性ポンペ病患者11名と健常対照11名のRT-MRIデータ。
• 手法: 時間分解能50msのRT-MRIとU-Netを用いた肺セグメンテーションを組み合わせ、横隔膜運動、スニッフ速度、横隔膜/胸郭同期を評価した。T1マッピングによる横隔膜脂肪変性も定量化。
• 成果: ポンペ病患者では横隔膜運動が有意に減少し、7/11例で奇異性横隔膜運動を検出。標準肺機能検査で正常な患者でも、横隔膜スニッフ速度の低下と病的な横隔膜/胸郭同期が検出された。横隔膜の脂肪変性はRT-MRIおよび肺機能検査の機能パラメータと有意に相関した。
• 新規性: リアルタイムMRIと深層学習による肺セグメンテーションを組み合わせることで、神経筋呼吸筋力低下の早期検出のための新しいバイオマーカーを提供した。
• 限界: 研究対象患者数が少ないため、結果の一般化にはさらなる大規模な検証が必要。

Open-Access Fully Automated Intravenous Contrast Detection and Body Part Classification for Computed Tomography Scans: The FALCON Model. (PMID: 41749033)

• 雑誌名: Journal of imaging informatics in medicine
• 公開日: 2026-02-26
• 著者名: Julian A Westphal, Philipp Kaess, Lea Mantz 他
• 所属: Department of Radiology, LMU Munich, Munich, Germany; Department of Radiology, Division of Thoracic Imaging and Intervention, Massachusetts General Hospital, Boston, MA, USA; Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM), and TUM University Hospital, Munich, Germany 他
• タスク: CTスキャンにおける造影剤使用の有無と、頭頸部、胸部、腹部、骨盤の部位分類を自動で行うオープンアクセス深層学習モデル「FALCON」を開発・検証する。
• データ: 6つの独立したデータセットから、5施設、3126患者の3138件のCTスキャン（頭頸部、胸部、腹部、骨盤）。
• 手法: ResNet9アーキテクチャを用いた4つのCNNモデルを開発し、造影剤検出と部位分類を行う。これらのモデルをGUIに統合し、F1スコアで性能を評価し、手動アノテーション時間と比較した。
• 成果: 外部テストセットにおいて、造影剤検出のF1スコアは頭頸部CTで99.4%、胸部CTで98.3%、腹部・骨盤CTで98.1%と高精度。部位分類のF1スコアは100%。FALCONによるアノテーション時間は手動と比較して大幅に短縮された。
• 新規性: 大規模な多施設CTデータを用いて、造影剤使用の有無と部位分類を同時に高精度かつ高速に自動検出するオープンアクセス深層学習モデルを開発し、その実用性を示した。
• 限界: 腹部・骨盤CTの自動アノテーション時間は手動より長かった。

Simultaneous synthesis of perfusion and ventilation images from CT using a dual-decoder residual attention network for lung disease diagnosis. (PMID: 41746161)

• 雑誌名: Journal of applied clinical medical physics
• 公開日: 2026-03
• 著者名: Meng Wang, Xi Liu, Haoze Li 他
• 所属: Department of Nuclear Medicine, Peking University Third Hospital, Beijing, China; School of Physics, Beihang University, Beijing, China; Department of Radiation Oncology, Cancer Center, Peking University Third Hospital, Beijing, China 他
• タスク: 3次元CT画像から肺の灌流画像と換気画像を同時に合成する深層学習ベースのフレームワークを開発し、肺疾患診断への応用可能性を評価する。
• データ: SPECT灌流画像（PI）と換気画像（VI）を受けた98症例の3次元CT画像。
• 手法: Dual-Decoder Residual Attention Network (DDRAN) を開発し、単一デコーダモデルと比較し、SSIM、Rs、DSCなどの指標で性能を評価した。2名の読影医による読影研究も実施。
• 成果: DDRANはPIでSSIM 0.871、Rs 0.836、VIでSSIM 0.830、Rs 0.732を達成し、単一デコーダモデルと同等以上の性能を示した。合成された機能画像は、読影医による診断において許容可能なスコアを得た。
• 新規性: 3次元CT画像から肺の灌流画像と換気画像を同時に合成するデュアルデコーダ残差アテンションネットワークを初めて提案し、非侵襲的な肺機能評価の可能性を示した。
• 限界: 研究対象患者数が限られており、結果の一般化にはさらなる大規模な検証が必要。読影研究の参加者も少ない。

総括・編集後記

今週は、AIモデルの臨床応用における実用性と汎用性、特に画像取得プロトコルの変動への対応や、CT/MRIからの機能情報抽出に関する研究が目立ちました。これらの進展は、AIモデルを自施設に導入する際、データセットの多様性やプロトコルの一貫性を考慮し、超解像や機能画像合成といった新たな診断支援ツールのPoCを検討する上で参考になるでしょう。特に、画像取得プロトコルの変動がAI性能に与える影響は、外部バリデーションの重要性を改めて示しており、今後のAIモデル開発と導入において継続的に注意を払うべき点です。