VMamba-QAG-net: X線血管造影を用いた冠動脈インターベンションにおけるSYNTAXスコア計算と意思決定支援のための5段階パイプライン
VMamba-QAG-net: a five-stage pipeline for SYNTAX score computation and decision support in interventional cardiology using X-ray angiography
冠動脈疾患(CAD)の重症度評価は治療計画に不可欠であり、X線冠動脈造影(XCA)画像から得られるSYNTAXスコアは治療方針決定に重要である。しかし、手動でのスコアリングは時間と労力がかかり、術者間でのばらつきが生じるため、客観的で信頼性の高いシステムの開発が求められている。本研究では、XCA画像から直接SYNTAXスコアを推定する新しい5段階パイプライン「VMamba-QAG-Net」を提案する。ステージ1では、Bilateral Filtering、CLAHE、Unsharp Maskingによる前処理と、並列5方向ビジュアルマンバ走査とQuantum Attention Gate(QAG)を備えたEfficientSS2Dブロックを用いて、血管境界を強調し、長距離の血管接続性を維持する二値血管セグメンテーションを行う。ステージ2では、4チャネルガイド入力、metric learningを用いたVessel Prototype Memory Bank、細い末梢構造のための中心線重み付けスケルトン損失により、27の異なる冠動脈セグメントへのマルチクラス解剖学的ラベリングを実行する。ステージ3と4では、スケルトン化による血管中心線の抽出、垂直レイキャスティングによる直径狭窄率の計算、Aquila Optimiserを用いたgrade stenotic lesionの検出を行う。ステージ5では、狭窄情報を統合してSYNTAXスコアを計算し、再血管化における治療決定を支援する。提案モデルはARCADEデータセットで評価され、二値セグメンテーションではDice係数0.9070、精度0.9841を達成した。27クラス冠動脈セグメンテーションでは、Dice係数0.7512、精度0.9514、クラス別Dice 0.8214を達成した。これらの結果は、提案フレームワークの有効性と、心臓専門医の臨床的意思決定を支援する可能性を示している。
- X線冠動脈造影(XCA)画像から直接SYNTAXスコアを推定する5段階パイプライン「VMamba-QAG-Net」が研究として提案された。
- 二値血管セグメンテーションでDice係数0.9070、精度0.9841、27クラス冠動脈セグメンテーションでDice係数0.7512、精度0.9514を達成したと報告された。
- 評価にはARCADEデータセットが用いられた。
- 中核技術としてVisual Mamba走査を備えたEfficientSS2DブロックとQuantum Attention Gate(QAG)が採用されている。
X線冠動脈造影からSYNTAXスコアを自動推定するAIパイプラインの研究報告で、Dice係数0.9070など具体的な精度を示している点が注目される。ただし論文段階のアルゴリズム提案であり、商用化・薬事承認・企業の関与は示されておらず、現時点で直接の投資対象となる事象ではない。医療AI分野への応用可能性を測る材料として、今後の臨床検証や規制対応の動向を注視したい。