We also have X and podcasts
PET-MRI/PET-CT間の定量化バイアスを深層学習で解決—神経変性疾患の診断標準化へ
深層学習を活用することで、異なるPETプラットフォーム間での定量値のズレが80%以上削減され、複数のトレーサーに対応できる統一的な診断閾値がついに実現しました。
背景
アルツハイマー病やレビー小体病といった神経変性疾患の診断や治療経過観察では、PET画像の定量値が欠かせません。ところが実臨床では、PET-CTとPET-MRIという異なるプラットフォームが並行して使われており、両者の測定値に系統的なズレが生じていました。これがプラットフォーム間バイアスの正体です。このズレの影響は小さくありません。同じ患者でも装置が違えば異なる診断結果が出てしまう危険性があり、多施設臨床試験や長期追跡調査の足かせになっていたのです。
主な発見
Vision Transformerをベースにした自動符号化器を用いた深層学習フレームワークが開発されました。その成果は目覚ましいものです：
- 高い調和精度：ペアの同日検査データ（N=70）で検証したところ、クロスプラットフォーム バイアスが80%以上削減されました。興味深いことに、脳領域間の生物学的な関係性はそのまま保持されたため、診断精度が落ちることはありませんでした。
- 未知のトレーサーへの汎化能力：学習に使われなかった18F-florbetapirや18F-FP-CITといったトレーサーに対しても、再学習なしで対応できる。こうした汎化性は実臨床では重宝します。
- 多施設での堅牢性：420例、3施設、4メーカーという大規模検証でテストすると、アミロイド Centiloid の測定値の不一致が23.6から4.1へと劇的に改善し、PET-CT同一装置での再検査誤差レベルに達しました。
- 複数トレーサーへの対応：18F-FDG、18F-florbetaben、18F-florzolotauといった異なるトレーサーでも同等の結果を得られ、タウ PET の定量値閾値でさえプラットフォーム間で統一することができました。
臨床的意義
神経変性疾患の診療現場にもたらされる実用的なメリットは大きいです。まず、PET-MRIとPET-CT間で統一された診断閾値が設定でき、患者がどちらで検査を受けても一貫性のある診断が保証されます。患者の転院や装置更新時には過去の測定値と現在の値を直接比較できるようになるため、長期的な疾患進行の評価がより正確になるでしょう。さらに注目すべきは、放射線被ばくが少ないPET-MRIを優先的に活用できる環境が整えられ、患者負担が軽減される点です。そのほか、多施設共同臨床試験での測定値の標準化も実現され、より効率的な試験設計が可能になります。
限界と今後の課題
課題がないわけではありません。検証が比較的若い患者層を中心に進められた可能性があり、高齢患者や重度の萎縮例への適用可能性については追加検証が必要です。また、このフレームワークの実装には相応の計算リソースと機械学習の専門知識が求められるため、日常臨床への導入に向けてはより使いやすいソフトウェアツール化が重要になります。新しい装置やトレーサーが出現した際の対応方法についても、今後明確にしていく必要があるでしょう。
Original paper: A unified deep learning framework for cross-platform harmonization of multi-tracer PET quantification in neurodegenerative disease. — NPJ digital medicine. 10.1038/s41746-026-02570-0
