今週の Top Picks

Enabling earlier detection of spinal lesions in CT imaging with artificial intelligence-a case study. (PMID: 42211172)

• 雑誌名: Frontiers in artificial intelligence
• 公開日: 2026
• 著者名: Marlene Fritzsche, Patrick Kara-Schmidt, Matthias Kirchler 他
• 所属: Floy GmbH, Munich, Germany.
• タスク: CT画像における悪性脊椎病変の早期検出
• データ: 200人の患者のCTスキャン（653スキャンでnnU-Netを訓練）
• 手法: 3次元nnU-Netセグメンテーションモデルを訓練し、放射線科医の単独レビューとAI支援レビューを比較した。
• 成果: AIは放射線科医が単独で遡及レビューしても見逃した12の悪性脊椎病変を特定し、平均228日のリードタイムを達成した。さらに25の病変を指摘した。
• 新規性: AIが放射線科医の報告よりも平均228日早く悪性脊椎病変を検出できる可能性を示し、AI支援による診断の早期化と精度向上を実証した。
• 限界: 遡及研究であり、前向き研究による臨床的利益（診断の完全性、治療開始、患者転帰の改善）の検証が必要である。

Deep Learning-Accelerated 3D FLAIR Enables Reliable MS Lesion Detection. (PMID: 42209146)

• 雑誌名: AJNR. American journal of neuroradiology
• 公開日: 2026-05-28
• 著者名: Sébastien Verclytte, Guillaume Beaugrard, Dominik Nickel 他
• 所属: From the Imaging Department (S.V., G.B., V.C.), Neurethic Lab, ETHICS EA 7446, Lille Catholic Hospitals, Lille Catholic University, Lille, France 他
• タスク: 多発性硬化症 (MS) の脱髄病変検出
• データ: 76人のMS患者の3T MRIデータ（従来のFLAIRとDL再構成FLAIR）
• 手法: 従来の3D FLAIRとDL再構成3D FLAIRを比較。20chと64chのヘッドコイル設定も評価し、2名の放射線科医による画像品質と病変検出の評価、および認定AIデバイスによる自動病変検出を行った。
• 成果: DL再構成FLAIRは、診断情報損失なしにスキャン時間を大幅に短縮（約半分）し、臨床的に関連する病変（≧3mm）は全て検出された。64chコイル使用で画像品質がさらに向上した。
• 新規性: DL再構成技術により、MS病変検出における3D FLAIRの撮像時間を大幅に短縮しつつ、診断性能を維持できることを臨床的に検証した。
• 限界: 検出されなかったサブスレッショルド病変（<3mm）が一部存在した。

Synchrotron-Based Deep Learning Network of the Inner Ear: Development and Expert Validation. (PMID: 42212468)

• 雑誌名: The Laryngoscope
• 公開日: 2026-05-29
• 著者名: Ashley Micuda, Kyle Rioux, Luke Helpard 他
• 所属: Department of Medical Biophysics, Western University, London, Ontario, Canada. 他
• タスク: 術前臨床CTスキャンからの内耳自動セグメンテーション
• データ: 100体の献体標本から得られたシンクロトロン放射線位相差イメージング (SR-PCI) と様々な臨床CTスキャンデータ（合計4,784組の3Dデータセット）。
• 手法: SR-PCIをグラウンドトゥルースとして深層学習ベースのセグメンテーションネットワークを開発。7名の専門家（耳鼻咽喉科医、放射線科医）による手動セグメンテーションと比較し、外部検証を実施した。
• 成果: 開発されたネットワークは、個々の専門家、専門家平均、STAPLEコンセンサスセグメンテーションのいずれよりも優れた性能を示し、Dice係数0.922を達成した。
• 新規性: 内耳の自動セグメンテーションにおいて、専門家による手動セグメンテーションを凌駕する精度を達成した初のアルゴリズムであり、新たな臨床ゴールドスタンダードを確立する可能性を示唆した。
• 限界: 献体データが主であり、生体データでのさらなる検証が必要である。

Clinical evaluation of accelerated breath-held and free-breathing cine cardiac MRI using model-based deep learning reconstruction (SonicDL) in children and young adults. (PMID: 42207257)

• 雑誌名: Pediatric radiology
• 公開日: 2026-05-28
• 著者名: Murat Kocaoglu, Hieu Ta, Sean M Lang 他
• 所属: Department of Radiology, Cincinnati Children's Hospital Medical Center, Cincinnati, United States. 他
• タスク: 小児および若年成人におけるDL加速cine心臓MRIの臨床評価
• データ: 25人の漏斗胸患者と15人の心筋症患者のMRIデータ。従来の9-RR息止め撮像と、SonicDLによる4-RR息止め、1-RR息止め、1-RR自由呼吸撮像を比較した。
• 手法: 3名の専門家による診断画像品質評価、DLベースの自動セグメンテーションによる心室容積指標の算出、位相差フローによる生理学的参照との比較を行った。
• 成果: SonicDLはスキャン時間を57%～87%大幅に短縮した。4-RR息止めプロトコルで最高の診断画像品質（中央値4.50）を達成し、従来の撮像と同等の心室容積精度を示した。
• 新規性: 小児・若年成人において、DL加速cine心臓MRIが息止め負担とスキャン時間を大幅に削減しつつ、診断画像品質と心機能評価の精度を維持できることを臨床的に実証した。
• 限界: 比較的小規模な単施設研究であり、より大規模な多施設研究での検証が必要である。

Deep learning-based cervical cancer T-staging using MRI: multi-structure segmentation and classification. (PMID: 42218381)

• 雑誌名: BMC medical imaging
• 公開日: 2026-05-30
• 著者名: Shanshan Xu, Yuxin Zou, Zhe Wu 他
• 所属: Department of Digital Medicine, College of Biomedical Engineering and Medical Imaging, Army Medical University, (Third Military Medical University), Chongqing, 400038, China. 他
• タスク: MRIを用いた子宮頸がんの自動セグメンテーションとT病期分類
• データ: 144人の患者から得られた17,479枚のfT1WI MRIスキャン（T1-T4病期）。腫瘍と隣接構造の手動アウトラインをGTとして使用した。
• 手法: 新規セグメンテーションネットワークCPANet（GPGとASPPモジュールをCNNに統合）を開発。CPANetで抽出されたROIに基づき、ResNet50、DenseNet121、Swin Transformerを用いてT病期分類モデルを構築した。
• 成果: CPANetは他のネットワークを上回り、腫瘍のDice係数0.783を達成した。Swin Transformerが最高のT病期分類性能（主要病期AUC 0.713-0.845、サブ病期AUC 0.623-0.897）を示し、診断精度と効率を向上させ、医療資源を節約した。
• 新規性: 複数の隣接構造のセグメンテーションとT病期分類を統合した深層学習フレームワークを提案し、診断精度と効率の向上を実証した。
• 限界: データセットの規模が中程度であり、より多様な患者コホートでの外部検証が必要である。

総括・編集後記

今週は、AIが医用画像診断において、病変の「早期発見」と「診断効率の劇的な向上」に貢献する研究が目立ちました。これらの進歩は、特にCTやMRIといった主要モダリティにおいて、診断時間の短縮と精度の向上を両立させ、臨床ワークフローを大きく変革する可能性を示唆しています。読者の皆様には、自施設でのAI導入に向けた概念実証（PoC）や、既存のAIツールの性能評価を積極的に検討されることをお勧めします。