てんかん患者のMRIからフルドーズFDG脳PETを合成するためのスコアベース生成拡散モデル
Score-based generative diffusion models to synthesize full-dose FDG brain PET from MRI in epilepsy patients
てんかん患者の評価に用いられるフルオロデオキシグルコース(FDG)PETは、放射線被曝量が若年層には最適ではない。本研究では、てんかん患者のMRIデータから診断品質のPET画像を合成するため、拡散モデルなどの先進的な生成AI手法の性能を比較した。52名の被験者(40名訓練、2名検証、10名テスト)を用いて、2つのスコアベース生成拡散モデル(SGM-Karras Diffusion [SGM-KD]、SGM-variance preserving [SGM-VP])とTransformer-U-netの3つのモデルを比較した。SGM-KDは、T1強調画像(T1w)とT2 FLAIR(T2F)画像のみからPETを合成した場合に、最も優れた定性的および定量的結果を示し、全脳特定取り込み値比(SUVR)の平均絶対誤差が最も少なく、級内相関係数が最も高かった。1%の超低線量PET画像を入力に含めると、すべてのモデルが大幅に改善し、定量的性能と視覚的品質において同等となった。拡散モデルは、MRIのみからのPET合成に大きな可能性を秘めており、3つのモデルタイプすべてがMRIと超低線量PETを使用してフルドーズFDG-PETを正確に合成できる。これは、深層学習拡散モデルがてんかん評価を受ける患者の放射線被曝量を削減または排除できる可能性を示唆している。
- 拡散モデル(SGM-KD)がMRIデータ(T1w、T2FLAIR)のみから診断品質のFDG-PET画像を合成できることを実証
- 超低線量PET画像を入力に追加することで全モデルの性能が大幅に改善し、フルドーズPETと同等の品質を達成
- 52名の被験者データ(訓練40名、検証2名、テスト10名)を用いて3つのモデルを比較評価
本研究成果は、拡散モデルを用いてMRIから診断品質のFDG-PET画像を合成できることを示しており、てんかん診断における放射線被曝の削減・排除につながる可能性がある。特にSGM-KDモデルが優れた性能を示した点は、医療画像合成技術の実用化に向けた重要な進展。AI×医療画像の領域でのスタートアップ投資や、大手上場企業(GEヘルスケア、シーメンスヘルスケア、キヤノンメディカルなど)の画像診断AI戦略に影響を与える可能性がある。ただし52名と少数の被験者データに基づく研究であり、実用化にはさらに大規模な検証が必要である点には留意すべき。