今週の Top Picks

非造影CTにおける大血管閉塞検出AIの多国籍検証と読影医研究 (PMID: 42173676)

• 雑誌名: Journal of neurointerventional surgery
• 公開日: 2026-05-22
• 著者名: Leonard Sunwoo, Wi-Sun Ryu, Karen Buch 他
• 所属: Department of Radiology, Seoul National University Bundang Hospital, Seoul National University College of Medicine, Seongnam, Korea (the Republic of). 他
• タスク: 非造影CT画像を用いた急性期脳卒中患者における大血管閉塞（LVO）の自動検出。
• データ: 韓国（n=723、LVO 127例）と米国（n=240、LVO 120例）の独立した多国籍コホートからの非造影CT画像。
• 手法: 機械学習ベースのLVO検出アルゴリズムを開発し、その単独性能を評価。さらに、8名の医師がAI支援あり/なしで読影を行い、診断性能への影響を比較。
• 成果: AI単独で韓国コホートでAUC 0.963、米国コホートでAUC 0.899を達成。AI支援により、医師のAUCは0.718から0.852に、感度は46.6%から63.7%に、特異度は91.9%から94.9%に有意に向上した。
• 新規性: 非造影CTにおけるLVO検出AIの多国籍コホートでの堅牢性と汎化性を検証し、AI支援が医師の診断性能を向上させることを実証した点。
• 限界: 記載なし。

MRIベースの深層学習モデルによる直腸癌リンパ節転移検出の放射線学的病期診断支援 (PMID: 42174531)

• 雑誌名: BMC cancer
• 公開日: 2026-05-22
• 著者名: Benjamin Keel, Aaron Quyn, David Jayne 他
• 所属: University of Leeds, Leeds, UK. 他
• タスク: 直腸癌のリンパ節転移（LNM）の術前病期診断をMRI画像から全自動で実施。
• データ: リーズ教育病院NHSトラスト提供の458患者の術前MRIスキャン、臨床データ、術後病理学的TNM病期データ。
• 手法: nnU-Netによるリンパ節の自動検出と、多インスタンス学習を用いた患者レベルのリンパ節病期分類を組み合わせた全自動エンドツーエンドAIモデル。
• 成果: 交差検定でAUC 0.828、感度86.6%、特異度72.4%を達成。臨床検証研究では、AIモデルが3名の専門放射線科医の術後病理予測性能をF1スコアで9%上回った。
• 新規性: 全自動エンドツーエンドAIモデルが、直腸癌リンパ節転移の術前病期診断において専門放射線科医を上回る性能を示し、臨床意思決定を強化する可能性を示した点。
• 限界: 単一施設データセットでの検証。

MR画像からの合成CTによる股関節形態の放射線フリーコンピュータ支援定量 (PMID: 42176556)

• 雑誌名: European journal of radiology
• 公開日: 2026-05-21
• 著者名: Kangqing Ye, Wenyuan Sun, Guoyan Zheng
• 所属: Institute of Medical Robotics, School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China.
• タスク: MR画像から合成CT（sCT）を生成し、それを用いて股関節形態パラメータを放射線被曝なしで定量評価。
• データ: CTとMRスキャンを受けた70患者のデータ。
• 手法: 高解像度（HR）およびシミュレートされた低解像度（LR）MR画像からsCT画像を生成。実CTと比較して、骨構造セグメンテーション精度（Dice類似度係数、平均対称表面距離）と7つの股関節形態パラメータ（前捻角、傾斜角、LCE角など）の測定精度を評価。
• 成果: sCTの骨盤セグメンテーションは高精度（HR-sCTでDice 93.8%、ASSD 0.80mm）。ほとんどの股関節形態パラメータで実CTとの優れた一致（ICC ≥ 0.90）を示し、臨床的に関連する差は認められなかった。
• 新規性: MR画像から生成したsCTが、放射線被曝なしで股関節形態の正確な定量評価に臨床的に許容される精度で利用可能であることを実証した点。
• 限界: 記載なし。

乳癌におけるトリプルクラスER発現分類のためのMRIベース深層学習システムの開発と検証：大規模多施設研究 (PMID: 42163319)

• 雑誌名: BMC medicine
• 公開日: 2026-05-20
• 著者名: Yi Dai, Chinting Wong, Siyao Du 他
• 所属: Department of Medical Imaging, Peking University Shenzhen Hospital, Shenzhen, China. 他
• タスク: 乳癌のエストロゲン受容体（ER）発現（ER陰性、ER低陽性、ER高陽性）を術前DCE-MRI画像から非侵襲的に分類。
• データ: 6施設から収集された3500乳癌患者の術前DCE-MRIデータ（トレーニング1862例、外部テスト1638例）。
• 手法: 自動深層学習アルゴリズムによる腫瘍セグメンテーション後、DCE-MRIベースのモデルを開発。AUC、感度、特異度、精度、PPV、NPVで分類性能を評価。t-SNE、UMAP、SHAP分析によりモデルの解釈可能性を評価。
• 成果: 外部テストセットにおいて、Micro-average AUCが0.828～0.923、Macro-average AUCが0.825～0.905を達成。ER発現カテゴリー間で生物学的に妥当なクラスタリングパターンが視覚化され、非侵襲的なERステータス予測の可能性を示した。
• 新規性: 大規模多施設データを用いて、MRIから非侵襲的にER陰性、ER低陽性、ER高陽性のトリプルクラス分類を高い精度で実現し、個別化医療への応用可能性を示した点。
• 限界: 記載なし。

脳脊髄液体積が乳児水頭症の治療失敗予測において従来の測定法を上回る (PMID: 42177495)

• 雑誌名: Fluids and barriers of the CNS
• 公開日: 2026-05-23
• 著者名: Marcia Harumy Yoshikawa, Mingzhao Yu, Julia Tatz 他
• 所属: Fetal-Neonatal Neuroimaging and Developmental Science Center, Boston Children's Hospital, Boston, MA, USA. 他
• タスク: 乳児水頭症患者において、内視鏡的第三脳室開窓術と脈絡叢焼灼術（ETV/CPC）後のシャント依存性を術前MRIから予測。
• データ: 2008年から2024年までにETV/CPCを受けた乳児188例の術前MRIデータ。
• 手法: 従来の線形測定である前頭後頭角比（FOHR）に加え、深層学習ベースのセグメンテーション手法を用いて脳脊髄液体積（CSFV）およびCSFV/頭蓋内容積（ICV）比を測定。Cox比例ハザード回帰モデルを用いて、シャント依存性の独立予測因子を同定。
• 成果: 多変量解析において、CSFV z-score (HR 1.10) およびCSFV/ICV比 z-score (HR 1.07) がシャント依存性を独立して予測した。FOHRは調整モデルで統計的有意性を示さなかった。CSFV測定は従来の線形評価よりも優れたリスク層別化を提供した。
• 新規性: 深層学習を用いたCSFVの体積測定が、乳児水頭症のシャント依存性予測において従来の線形指標よりも優れていることを示し、治療選択の最適化に貢献する可能性を示した点。
• 限界: 後ろ向き研究であること。

総括・編集後記

今週は、AIによる画像診断支援が、脳卒中、癌の病期診断、乳児水頭症の予後予測といった緊急性の高い疾患やデリケートな患者層において、臨床医の診断能力を向上させ、治療選択に新たな視点をもたらす可能性を示す論文が目立ちました。これらの技術は、放射線被曝を低減しつつ診断精度を高める合成CTの応用や、非侵襲的なバイオマーカーとしてのMRI活用など、多岐にわたる臨床課題への解決策を提示しています。読者の皆様には、これらのAIモデルが提供する客観的かつ高精度な情報が、日々の診療における意思決定支援ツールとして、PoC（概念実証）や導入評価の検討に値することをご理解いただければ幸いです。