今週の Top Picks

Automated deep learning pipeline for callosal angle quantification. (PMID: 41456015)

• 雑誌名: Fluids and barriers of the CNS
• 公開日: 2025-12-27
• 著者名: Siavash Shirzadeh Barough, Murat Bilgel, Catalina Ventura 他
• 所属: Johns Hopkins University School of Medicine, National Institute on Aging, Johns Hopkins University
• タスク: 正常圧水頭症 (NPH) 診断のための脳梁角 (CA) の自動定量化
• データ: T1 MPRAGE MRIスキャン (Baltimore Longitudinal Study of Aging, BIOCARD, Johns Hopkins Bayview Hospital, PENS trial)
• 手法: BrainSignsNETによる解剖学的ランドマーク検出と、UNetベースのセグメンテーションネットワークによる側脳室セグメンテーションからCAを計算する、完全に自動化された深層学習フレームワーク。
• 成果: 手動測定との高い相関 (r=0.98, p<0.001) と平均絶対誤差3.26度を達成。患者の年齢、性別、Evans Indexに依存しない堅牢な性能を示した。
• 新規性: NPH診断における脳梁角の測定を、生T1 MPRAGEスキャンから完全に自動化し、手動測定の主観性や労力を克服する堅牢な深層学習フレームワークを開発した。
• 限界: 記載なし。

Cardiac Function Assessment with Deep-Learning-Based Automatic Segmentation of Free-Running 4D Whole-Heart CMR. (PMID: 41453741)

• 雑誌名: Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
• 公開日: 2025-12-24
• 著者名: Augustin C Ogier, Salomé Baup, Gorun Ilanjian 他
• 所属: Lausanne University Hospital and University of Lausanne, CIBM Center for Biomedical Imaging, Maastricht University Medical Centre
• タスク: Free-running 4D 全心臓CMRからの心機能評価のための自動セグメンテーション
• データ: Free-running, contrast-free bSSFP (1.5T) および contrast-enhanced GRE (3T) 撮像から再構成された5Dデータセット
• 手法: 3D nnU-Netモデルを訓練し、左室血プール (LVB)、右室血プール (RVB)、左室心筋 (LVM) をセグメンテーション。
• 成果: 1分以内の自動セグメンテーションで、高い幾何学的精度と一貫性 (DSC: LVB 0.94, LVM 0.86, RVB 0.92) を達成。臨床指標との優れた一致を示した。
• 新規性: Free-running 4D 心臓MRIという、データ量が多く複雑な新しい撮像法に対して、高速かつ正確な深層学習ベースの自動セグメンテーションフレームワークを開発・検証し、その臨床統合の主要な障壁を克服した。
• 限界: 記載なし。

TTG-U-Net: An Interpretable and Efficient Framework for Multi-Modal Brain Tumor Segmentation Enabling Clinically-Aligned Decision Support. (PMID: 41447494)

• 雑誌名: IEEE journal of biomedical and health informatics
• 公開日: 2025-12-25
• 著者名: Peng-Hui Gao, Xue-Feng Duan, Xi-Peng Pan
• 所属: 不明
• タスク: マルチモダリティMRIからの脳腫瘍セグメンテーション
• データ: BraTS 2021ベンチマーク
• 手法: クロスモーダルTransformer、動的低ランクテンソル分解、モダリティ適応型ゲーティングメカニズムを組み合わせたTTG-U-Netフレームワーク。
• 成果: 州最先端の性能 (Dice: WT 91.7%, TC 88.8%, ET 84.5%) を達成し、パラメータ数を約41%削減。モデルの融合戦略が臨床知識と一致することが解釈可能性研究で確認された。
• 新規性: 脳腫瘍のマルチモダリティMRIセグメンテーションにおいて、性能と臨床的解釈可能性、効率性を両立させるTTG-U-Netフレームワークを提案。特に、クロスモーダルTransformerによるアテンションマップでモデルの推論過程を可視化し、XAIの課題に対応した。
• 限界: 記載なし。

An Intrinsically Explainable Approach to Detecting Vertebral Compression Fractures in CT Scans via Neurosymbolic Modeling. (PMID: 41445919)

• 雑誌名: Proceedings of SPIE--the International Society for Optical Engineering
• 公開日: 2025-02
• 著者名: Blanca Inigo, Yiqing Shen, Benjamin D Killeen 他
• 所属: Johns Hopkins University
• タスク: CTスキャンからの椎体圧迫骨折 (VCF) 検出
• データ: VerSe19データセット
• 手法: 深層学習による椎体セグメンテーションと、形状ベースアルゴリズム (SBA) による椎体高さ分布分析を組み合わせた神経シンボリックアプローチ。
• 成果: 96%の精度、91%の感度を達成。ブラックボックスモデル (DenseNet) と同等以上の性能を示しつつ、予測理由に関する追加の洞察を提供した。
• 新規性: CTスキャンからの椎体圧迫骨折検出において、深層学習と形状ベースアルゴリズムを組み合わせた神経シンボリックアプローチを提案。これにより、ブラックボックスモデルと同等以上の性能を維持しつつ、本質的に説明可能な予測を提供し、AIの臨床的信頼性を高めた。
• 限界: 記載なし。

Real-world performance evaluation of a commercial deep learning model for intracranial hemorrhage detection. (PMID: 41444826)

• 雑誌名: NPJ digital medicine
• 公開日: 2025-12-24
• 著者名: Mohammadreza Chavoshi, Aawez Mansuri, Wasif Bala 他
• 所属: Emory University School of Medicine, Mayo Clinic
• タスク: 市販の深層学習モデル (Aidoc Medical Briefcase ICH Triage) の頭蓋内出血 (ICH) 検出における実世界性能評価
• データ: 17施設からの101,944件の非造影頭部CT検査 (74,142患者)
• 手法: GPT-4oを用いた放射線レポートからのICHラベル抽出と、市販AIモデルの性能評価。
• 成果: 全体で感度82.2%、特異度97.6%、精度96.6%。急性・大規模・多区画出血では高感度 (86.2%以上) だが、亜急性・慢性・小規模・単区画出血では感度が著しく低い (45.5%～76.0%)。
• 新規性: 大規模な実世界データセット（10万件以上のCT検査）を用いて、FDA承認済みの市販AIモデルの頭蓋内出血検出性能を包括的に評価し、その強みと限界（特に微妙な病変に対する感度の低さ）を明らかにした。
• 限界: 微妙な出血や局所的な出血に対する感度が低い。

総括・編集後記

今週は、MRIやCTを用いたAIによる診断支援の技術的進展に加え、その臨床導入に向けた解釈可能性や実世界での性能評価の重要性が際立ちました。読者の皆様には、新しいAIモデルの技術的側面だけでなく、その臨床的有用性、解釈可能性、そして実世界での堅牢性評価の重要性を理解し、自施設でのPoCや導入検討の際にこれらの視点を取り入れることを推奨します。特に市販AIモデルの実世界性能評価では、特定の病変タイプや設定（例：外来）での性能低下が示されており、AI導入時には対象とする臨床シナリオとAIの限界を十分に理解し、継続的な運用ログとフィードバックが不可欠です。