ベイズ推論を用いた個別化予測による膠芽腫の成長

序論

膠芽腫（glioblastoma）は最も侵襲性の高い原発性脳腫瘍であり、腫瘍細胞は周囲の組織に高度に侵入します。標準的な医学的イメージング技術によってこれらのびまん性腫瘍境界を正確に識別することは困難であり、そのため臨床介入の効果が低く、予後も不良です。このような課題に対処するために、医学画像を用いて腫瘍の空間的および時空的な発育を信頼性を持って計算し予測することが、各個体に最適な治療計画を立てる際に有益です。

近年、腫瘍成長の生物物理モデルが非侵襲的画像測定データを用いて開発および校正され、将来の腫瘍成長や治療結果を予測することを目指しています。しかし、腫瘍の発展を予測するには2つの主要な課題を解決する必要があります。一つは、モデル予測の不確実性を定量化し、個別の治療効果を改善すること。もう一つは、腫瘍と宿主組織の空間的異質性を特徴づけ、これが治療計画に与える影響を考慮することです。

研究の背景と動機

本研究の核心的な動機は、上述の2つの課題を解決するためにベイズ枠組みを導入し、腫瘍成長モデルのパラメータ分布を校正し、MRIデータを用いてその有効性を検証することにあります。ベイズ枠組みは、個々の特異的な情報を確立するために灰白質と白質の脳地図分割を活用し、モデルパラメータの空間依存性を調整します。本研究は4匹のWistarラットの定量的MRIデータに基づき、早期段階で腫瘍パラメータを校正し、後期における腫瘍の空間的発展を予測します。

研究の出典

本研究はBaoshan Liang、Jingye Tan、Luke Lozenski、David A. Hormuth II、Thomas E. Yankeelov、Umberto VillaおよびDanial Faghihiによって執筆され、University at Buffalo、Washington University in St. Louis、University of Texas at Austinおよびその付属機関に所属するものです。論文は2023年10月に《IEEE Transactions on Medical Imaging》に掲載されました。

研究のプロセス

実験データの収集と処理

1. MRIデータの取得：実験では4匹の雌のWistarラットの膠芽腫成長データを使用し、MRIイメージングを利用しました。特にT2加重MR画像を使用してシミュレーション領域と腫瘍の分割を定義し、拡散加重MRI（DW-MRI）を用いて表面拡散係数（ADC）図を計算しました。各時点の腫瘍体積比d(x, ti)を測定しました。
2. 自動組織分割：地図に基づく自動化手法を使用してラットの脳組織を分割し、灰白質と白質を区別しました。この方法は地図と局所イメージ登録アルゴリズムを組み合わせ、組織分割の精度を向上させました。

腫瘍成長モデル

クラシックな単一種反応拡散偏微分方程式（PDE）を使用して腫瘍の拡散と増殖を表現しました。パラメータd(x)は組織内の腫瘍の拡散係数を示し、g(x)は腫瘍の増殖率を示しています。このモデルのパラメータθ = (log d(x), log g(x))は主観的な異質性と空間的変動を考慮しました。

高次元ベイズ校正

ベイズ推論は個別のMRIデータを用いてモデルパラメータを校正するものです。このプロセスは以下を含みます： 1. サンプル特異的な事前分布の設定：高次ランダムフィールドを用いてパラメータの事前分布を表現し、灰白質と白質における拡散と増殖率が異なると仮定しました。 2. 尋常関数の構築：加法的ノイズモデルを用いてデータの不確実性とモデル誤差を組み込みました。 3. 事後確率密度関数（posterior density function, PDF）を介して最適化し、事後分布を確定しました。

研究結果

データ解析

4匹のラットのMRIデータにベイズ校正を適用したところ、モデルは腫瘍の拡散パターンを正確に捉え、未観測データの時間点における腫瘍形態を予測できました。Dice係数は0.9を超えました。研究では、腫瘍形態予測の正確性と信頼性は校正モデルに使用する初期イメージの数に依存することが判明しました。

異なる校正シナリオの比較

異なる校正データ量と時間点で比較した結果、初期イメージデータを多く使用することでモデルの予測能力が著しく向上することが示されました。特に、完全な訓練セットを用いて校正を行った際には、モデルの予測する腫瘍領域と実際のデータとの相対誤差が低く抑えられました。

他の手法との比較

他の2つの簡便な校正手法と比較して、高次元ベイズ枠組みは正確性と信頼性の面で優れた腫瘍予測能力を示しました。特に提案された枠組みは腫瘍の異質性に対して高解像度の予測を提供することができました。

3次元ベイズ推論

研究はまた、3次元腫瘍モデル校正の拡張性を示しました。3次元MRIデータにベイズ校正を適用することによって、フレームワークは3次元の腫瘍形態を正確に予測でき、フレームワークの良好な拡張性と臨床応用の可能性を示しました。

結論

本研究で提案されたベイズ枠組みは、個別化された膠芽腫形態の予測を効果的に実現し、自動地図分割と交差検証手法を通じてモデルの正確性をさらに向上させました。結果は、この枠組みが定量的MRIデータの制約において、個別の腫瘍形態発展を正確に予測できることを示しています。また、枠組みの計算効率と高精度予測は、臨床治療の発想や潜在的な最適化方向を提供します。

より複雑なPDEモデルを用いて腫瘍成長機構をより現実的に記述し、さらに多くのイメージデータ（例えば、MRI弾性イメージングの組織硬度図や動的造影MRIの血液容量分布）を統合することで、未来の研究はこの方法をさらに拡張していく予定です。臨床現場におけるこの方法の潜在的な応用は、個別化治療計画の最適化に大きく貢献するでしょう。