自己蒸留型マスクされた画像トランスフォーマーの縦断MRIにおける可能性 - 頸部リンパ節転移の自動セグメンテーション

報告の紹介

放射線治療におけるがん腫の自動セグメンテーション技術は、スピードの向上と手作業によるリーダー間の差異の低減を約束するものです。放射線腫瘍学の臨床実践において、正確かつ迅速な腫瘍のセグメンテーションは、患者の個別化された治療において非常に重要です。Memorial Sloan Kettering Cancer Centerの研究者らによるこの研究は、マスクされた画像モデリングによるビジョントランスフォーマー (SMIT) アルゴリズムを用いて、経時的T2強調MRI画像における頭頸部扁平上皮がん患者の頸部リンパ節転移の自動セグメンテーション精度を実現・評価することを目的としています。

この論文は「BJR|Artificial Intelligence」の2024年第1号に掲載されました。この研究は、Ramesh Paudyal、Jue Jiang、James Han、Bill H. Diplas、Nadeem Riaz、Vaios Hatzoglou、Nancy Lee、Joseph O. Deasy、Harini Veeraraghavan、Amita Shukla-Daveによって共同で行われ、すべての著者はニューヨーク州のMemorial Sloan Kettering Cancer Centerに所属しています。

研究の背景

がん検出と放射線治療計画では、コンピューター断層撮影 (CT) と磁気共鳴画像法 (MRI) などの断層撮影技術が一般的に使用されています。臨床実践では、危険臓器 (OAR) とがん腫瘍の正確な識別とセグメンテーションが、精密放射線治療において非常に重要です。しかし、CTイメージングには金属アーチファクトがあり、がん腫瘍と正常な軟部組織の境界が不明瞭であるという限界があります。一方、MRIは優れた軟部組織コントラストを提供し、放射線治療計画、実行、評価のための潜在的な画像診断法として注目を集めています。

従来、放射線科医は手作業で頭頸部がん腫瘍の境界をセグメンテーションしてきましたが、この過程は時間がかかり、リーダー間の差異の影響を受けやすく、特に形状の複雑な頭頸部がん腫瘍や潜在的なアーチファクトの影響が顕著です。グラフベースのセグメンテーション手法は時間の節約の可能性を示していますが、頭頸部の小さながん腫瘍の体積セグメンテーションでは手動編集が必要です。最近では、深層学習技術が自動セグメンテーションにおける可能性を示し、手作業やグラフベースのセグメンテーションよりも効率と一貫性が良いことが分かっています。

研究方法

この研究には、同時化学放射線療法を受けた123人の人体組織パピローマウイルス陽性 (HPV+) の口咽頭扁平上皮がん (opscc) 患者が含まれています。研究では、治療前および治療中 (第0週および第1-3週) に撮影された経時的T2強調 (T2W) MRI画像が使用されました。123名の患者の頸部リンパ節転移病変が手動でラベル付けされ、SMITの自動セグメンテーションアルゴリズムで処理された後、総腫瘍体積が計算されました。Wilcoxon符号順位検定 [WSRT] を使用してSMITセグメンテーションと手動セグメンテーションの体積を比較し、Spearmanの順位相関係数を計算しました。

データ取得と処理

MRI画像は、Philips 3Tスキャナ (Ingenia) を使用して取得されました。使用された標準MRI取得プロトコルには、多平面T2W (エコー時間 [TE] = 80ms、反復時間 [TR] = 4099-5939ms) が含まれていました。データセットには123人の患者のMRI画像が含まれており、最初の95人が訓練に、10人が検証に、18人がテストに使用されました。

深層学習による自動セグメンテーションアルゴリズム

頸部リンパ節転移をモデル化するために、事前トレーニングされた3D Swinモデルが使用され、U-Netデコーダによる精緻化がなされました。モデルは500エポックで訓練され、総訓練時間は20時間でした。5回の交差検証によるファインチューニングが行われました。モデルの推論時間は、データロードとセグメンテーションを含めて約2秒でした。

統計分析

SMITアルゴリズムのセグメンテーション精度はDice類似係数 (DSC) で評価され、手動とSMITによるセグメンテーション結果の体積はWSRTで比較されました。SMITモデルと手動ラベルの腫瘍体積間の相関はSpearmanの順位相関係数を使って計算されました。実験結果の統計的有意性は、p<0.05と設定されました。

研究結果

手動セグメンテーションとの比較

研究の結果、SMITモデルによる治療前 (pre-tx) の腫瘍体積 (8.68±7.15 vs 8.38±7.01 cm3、p=0.26 [WSRT]) は手動ラベル付けの結果と有意差がなく、Bland-Altman分析でも強い一致が示されました。さらに、全体的な腫瘍体積は高い相関を示しました (ρ=0.84-0.96、p<0.001)。テストデータセットにおけるセグメンテーション精度は、治療前および治療中の異なる週でDSC値がそれぞれ0.86、0.85、0.77、0.79に達しました。

研究のハイライト

1. 革新性: HPV+ opscc患者の経時的T2W MRIを用いてSMITアルゴリズムによる自動セグメンテーションの有効性を評価したのは初めてです。
2. 高い精度: SMITアルゴリズムは手動セグメンテーションと高い一致を示す高精度なセグメンテーション結果を提供しました。
3. 効率の向上: 手動ラベリングに比べて、セグメンテーションの効率が大幅に向上し、時間コストが削減されました。

研究の意義

この研究で提案されたSMITアルゴリズムは、実用的な自動セグメンテーションソリューションを放射線治療に提供し、手動トレースによるリーダー間の差異と作業負荷を大幅に低減し、放射線治療の臨床実践におけるセグメンテーションの効率と精度を向上させました。これは、将来の臨床応用のための参考資料となります。

参考文献

本文で言及されているすべての参考文献には、信頼性と追跡可能性を確保するために、詳細な出典とリンクが示されています。

結論

この研究は、革新的にSMITアルゴリズムを用いてHPV+opscc患者の自動セグメンテーションを行い、高精度かつ高効率なセグメンテーション結果を得ました。これは、将来の放射線治療の臨床実践において価値のある応用ソリューションを提供する可能性があります。本研究で貢献された重要な手法とデータは、オープンサイエンス研究への重要な支援となります。