ヨーク大学を率いる研究チームは、高度なMRIスキャン画像を読み取り、脳病変が活動性癌なのか放射線障害なのかを判別するAI技術を開発しました。この技術は、脳転移患者に対し、医師がより安全で効果的な治療法を選択できるようになる可能性があります。
脳腫瘍の患者が放射線治療後にスキャンを受けるために戻ってくると、医師はしばしば重要な疑問に直面します。MRI 上の斑点は増殖中の腫瘍なのか、それとも放射線自体による無害な傷のような損傷なのか?
ヨーク大学ラソンデ工学部の教授による新たな研究は、人工知能がついにはその疑問にはるかに自信を持って答えるのに役立つかもしれないことを示唆している。
研究者らは、サニーブルック健康科学センターの臨床医や画像科学者と協力し、高度なMRIスキャンで進行性脳腫瘍と放射線壊死を現在の方法よりも正確に区別できるAIベースの技術を開発した。
研究チームは、化学交換飽和移動（CEST）と呼ばれる特殊なMRIを用いて、このモデルが85%以上の症例でこの2つの状態を正しく判別できたと報告している。比較すると、標準的なMRIスキャンの精度は通常約60%に過ぎず、より高度なMRI技術を用いた場合でも約70%の精度に達する。
この研究は、体の他の部位から脳に転移したがんである脳転移の患者に対する、より正確で個別化されたケアに向けた重要な一歩となる。
「この研究は、高度なMRIと組み合わせた新しい注意誘導型AI手法により、定位放射線手術を受けた脳転移患者の腫瘍の進行と放射線壊死を高い精度で区別できることを初めて示しています」と、ヨーク研究委員長で生物医学工学およびコンピューターサイエンスの准教授である主任著者のアリ・サデギ・ナイニ氏はニュースリリースで述べた。
がん治療の進歩と患者の生存期間の延長に伴い、脳転移は増加傾向にあります。これらの腫瘍を制御するための主要な治療法の一つが、定位放射線手術（SRS）です。これは、脳内のがん巣に高線量かつ高密度に集中した放射線を照射しながら、可能な限り健康な組織を温存する治療法です。
SRSは非常に効果的ですが、それにはトレードオフが伴います。患者によっては、治療にもかかわらず腫瘍が成長し続ける場合があります。また、腫瘍は制御されているものの、周囲の健康な脳組織が放射線によって損傷を受ける放射線壊死と呼ばれる状態になる場合もあります。この損傷は腫れや神経症状を引き起こす可能性があり、標準的なMRIでは、成長中の腫瘍とほぼ同じように見えることがあります。
この診断の不確実性は医師と患者に深刻なジレンマを生み出します。
「脳腫瘍の放射線治療後、腫瘍の進行と放射線壊死を適時に区別することは、がんセンターにとって極めて重要な課題です。なぜなら、これら2つの症状には全く異なる治療法が必要だからです」とサデギ・ナイニ氏は付け加えた。
病変が活動性癌の場合、追加の放射線療法、化学療法、さらには手術など、より積極的な治療が必要になる場合があります。しかし、放射線壊死の場合は、さらなる放射線療法は病状を悪化させる可能性があります。このような患者は、綿密なモニタリングと炎症を抑える薬剤投与で良好な状態を維持できる場合が多いです。
「腫瘍の進行と放射線壊死を区別することは非常に重要です。一方にはより多くの抗がん療法が必要であり、場合によってはさらなる放射線治療や手術による積極的な治療が必要になる可能性があります。もう一方には経過観察や抗炎症薬が必要となる場合があり、患者にとってこれを正しく判断することが極めて重要です」とサデギ＝ナイニ氏は付け加えました。
この問題に取り組むために、ヨークとサニーブルックのチームは、医療画像などの複雑なデータ内のパターンを見つけるのに優れた AI の一種であるディープラーニングに着目しました。
彼らは、標準的なMRIでは捉えられない組織の微細な化学情報を捉えるCEST MRIスキャンを解析する3次元AIモデルを構築しました。このモデルには、2つの高度な「アテンション」メカニズムが組み込まれています。これは、放射線科医が疑わしい部位にズームインするのと同じように、AIが画像の中で最も情報量の多い部分に焦点を絞るのを支援する計算ツールです。
掲載 国際放射線腫瘍学・生物学・物理学ジャーナルに掲載されたこの研究では、サニーブルック病院で脳転移を起こし定位放射線手術を受けた90名以上の患者の画像データが使用されました。この実世界のデータセットを用いてAIを訓練・テストすることで、研究者たちは、注目度誘導型モデルが腫瘍の進行と放射線壊死を人間の目だけで判断するよりも高い精度で確実に識別できることを示しました。
この研究はまだ研究段階ですが、今回の研究結果はAIツールが放射線科のワークフローに統合される未来を示唆しています。そのシナリオでは、患者の高度なMRIスキャンをAIモデルで処理することで、病変が活動性癌か放射線壊死かの確率を算出できるようになります。臨床医は、この情報と自身の専門知識やその他の臨床データを組み合わせることで、より自信を持って治療方針を決定できるようになります。
より正確な診断により、一部の患者は不必要で有害な可能性のある治療から逃れられると同時に、腫瘍が真に進行している患者には適切なタイミングで積極的な治療が受けられるようになる。また、リスクを伴う侵襲的な脳生検の必要性も軽減できる可能性がある。
このアプローチは、脳転移以外にも、AIと高度な画像診断技術が連携してがん治療における長年の課題を解決できることを示唆しています。画像診断技術が高度化し、データセットが増加するにつれて、研究者たちは、複雑なスキャン画像の解釈や腫瘍の治療反応の予測において、AIがより大きな役割を果たすようになると期待しています。
出典： ヨーク大学