TrueFidelityを用いた深層学習ベース画像再構成による冠動脈石灰化スコアリングの実現可能性評価
Feasibility of deep learning-based image reconstruction using TrueFidelity for coronary calcium scoring
GE TrueFidelityを用いた深層学習ベース画像再構成(DLIR)の冠動脈石灰化スコアリングへの適用可能性を、フィルタバック投影(FBP)および反復再構成(IR)と比較評価した。心臓ファントムと臨床データ(113名)を使用し、Agatston法で冠動脈石灰化スコア(CACS)を算出した。ファントム研究では、3手法でスコアは同等だった。臨床研究では、DLIRはFBPより有意に低いスコアを示したが(p < 0.001)、IRとの比較は統計的に有意ではなかった(p = 0.064)。重み付きカッパ係数は、3手法間でCACS分類に高い一致を示した。しかし、Bland-Altman分析ではFBPとDLIR間に無視できない個人レベルの不一致が認められ、平均差は14.5、95%一致限界は-52.1から81.1であった。この不一致は、特に0、100、300といった確立されたCACリスクカテゴリー閾値付近で臨床的に関連する可能性がある。113名中109名はFBPとDLIRで同じCAC-DRSカテゴリーに分類されたが、DLIRは4名を過小評価し、偽陰性率4.65%となった。結論として、DLIRはCACS測定に実現可能であり、FBPおよびIRと高い全体的一致を示したが、FBPからの系統的な過小評価と個人レベルの不一致があるため、交換可能と解釈すべきではない。
- GE TrueFidelityを用いた深層学習ベース画像再構成(DLIR)の冠動脈石灰化スコアリング適用可能性を、FBPおよび反復再構成(IR)と比較評価した研究。心臓ファントムと臨床113名が対象。
- ファントム研究では3手法でCACSスコアは同等だったが、臨床研究ではDLIRがFBPより有意に低いスコアを示した(p < 0.001)。IRとの差は有意でなかった(p = 0.064)。
- Bland-Altman分析でFBPとDLIR間に無視できない個人レベルの不一致(平均差14.5、95%一致限界-52.1〜81.1)が認められ、リスクカテゴリー閾値(0、100、300)付近で臨床的影響があり得る。
- 113名中109名がFBPとDLIRで同じCAC-DRSカテゴリーに分類されたが、DLIRは4名を過小評価し偽陰性率4.65%となった。結論としてDLIRはFBPと交換可能とは解釈すべきでないとしている。
医療画像診断にAI/深層学習再構成(DLIR)を組み込む動きは、画像診断装置・ソフトウェアベンダーにとって追加価値の源泉になり得る点が注目される。ただし本記事はGEのTrueFidelityを用いた冠動脈石灰化スコアリングの妥当性検証であり、FBP比でスコアを系統的に過小評価し、リスクカテゴリー閾値付近で4.65%の偽陰性が生じるなど、診断ワークフローへの導入には規制・臨床検証上のハードルが残ることを示す。AI画像再構成を「既存手法と交換可能」と安易に位置付けると、診断精度や責任範囲の観点でリスクがあり、医療AI投資では性能指標の同等性主張よりも、閾値付近の挙動や臨床アウトカムの検証状況を確認すべきと考える。