retinalysis-vascx: An explainable software toolbox for the extraction of retinal vascular biomarkers

以下は、提示された論文「retinalysis-vascx: an explainable software toolbox for the extraction of retinal vascular biomarkers」の技術的な要約です。

1. 背景と課題 (Problem)

眼底写真（CFI）からの網膜血管バイオマーカーの自動抽出は、大規模な網膜血管研究や「オキュロミクス（眼を用いた全身健康状態の解析）」において不可欠です。既存のツール（PVBM や AutoMorph など）には以下の技術的・実用的な課題が残っていました。

• 局所的特徴の欠如: 黄斑（fovea）と視神経乳頭（optic disc）の位置関係に基づいた局所的なバイオマーカー（例：特定のグリッド領域内での計測）の抽出機能が不足している。
• トポロジー表現の限界: 既存ツールは非有向グラフ（undirected graph）に限定されており、血管木の方向性（血流方向）に基づくトポロジカル特徴量の抽出が困難。
• 解釈性の欠如: 計算された特徴量の可視化ツールが不足しており、結果の解釈が難しい。
• 再現性とロバスト性の未評価: 異なる撮影装置間での再現性や、画像の品質低下に対するバイオマーカーの感度（ロバスト性）が十分に評価されていなかった。

2. 手法とアーキテクチャ (Methodology)

VascX は、Python で構築されたオープンソースのライブラリ（retinalysis-vascx）であり、AI モデルによって生成された血管セグメンテーションマスクを基に、以下の 4 つの段階を経てバイオマーカーを抽出するパイプラインを提供します。

1. 入力マスクと骨格化 (Skeletonization):
   • 入力された動脈・静脈のバイナリマスクを整形し、欠損を埋めます。
   • 視神経乳頭領域を除外した上で、血管の中心線（スケーレトン）を生成します。
2. 非有向グラフの構築 (Undirected Graph):
   • 骨格から NetworkX グラフを構築します。ノードは分岐点や終点、エッジは中心線に沿ったセグメントに対応します。
   • セグメントごとに直径や長さなどの幾何学的属性を保持します。
3. 有向グラフへの変換 (Directed Digraph):
   • 視神経乳頭をルート（根）として、血管を視神経乳頭から末梢へ向かう方向へ有向化します。
   • これにより、血流方向を考慮したトポロジカル解析が可能になります。
4. 血管セグメントの解決 (Resolved Vessels):
   • 小さな分岐によって細かく分割されたセグメントを、解剖学的に意味のある長い血管経路として再結合（解決）する再帰的アルゴリズムを実行します。
   • 主要な分岐点間の連続した血管経路を特定し、トポロジーを維持しつつ経路レベルの解析を可能にします。

バイオマーカーの計算:
これらの表現段階から、以下の多様なバイオマーカーを計算します。

• 密度・空間的指標: 血管密度、スパースネス、ETDRS グリッドや半視野（hemifield）に基づく局所計測。
• 形態・トポロジー指標: 分岐角度、分岐数、血管の太さ（Caliber）、中央網膜動静脈等価径（CRE）、動静脈比（AVR）。
• 曲率指標: 屈曲度（Tortuosity：距離係数、曲率ベース、屈曲点の数）。
• 局所化: 黄斑と視神経乳頭の位置関係（OD-fovea 軸）に基づき、グリッドや領域を定義して計測を行います。

3. 主な貢献 (Key Contributions)

• 包括的なオープンソースツールボックス: 網膜血管の形態、トポロジー、太さ、空間的局所化バイオマーカーを計算できる、モジュール化された Python ツールキットを提供。
• 説明可能性と柔軟性: グラフベースのパイプラインにより、中間表現（骨格、有向グラフ、解決済み血管）を可視化・確認可能とし、研究者が新しいバイオマーカーを迅速に試作・検証できる環境を提供。
• 再現性と感度の包括的評価:
  • クロスデバイス評価: ロッテルダム研究（Rotterdam Study）のデータを用い、異なる撮影装置で撮影された同一眼の画像間でのバイオマーカーの一致度（ICC）を評価。
  • 摂動感度分析: 画像に人工的な劣化（ぼやけ、ノイズ、照明不均一など）を加え、各バイオマーカーのロバスト性を定量化。
  • パラメータ感度分析: 計算に用いるヒューリスティックなパラメータが出力に与える影響を評価。

4. 結果 (Results)

• 再現性: 異なる装置間でのテスト - テスト再現性分析において、多くのバイオマーカーで中程度から優れた一致度（ICC > 0.5）を示しました。特に、長さ重み付けされた屈曲度（tortuosity）と CRE は非常に高い再現性を示しました。
• ロバスト性の違い:
  • 高いロバスト性: 屈曲度（特にグローバルなもの）、CRE、動静脈比は、画像の品質低下に対して比較的頑健でした。
  • 低いロバスト性: 分岐角度、血管密度、ETDRS グリッド領域の局所的屈曲度は、セグメンテーションの誤りや画像の質の低下に敏感でした。
  • 動脈 vs 静脈: 静脈のバイオマーカーは動脈に比べて再現性が低い傾向があり、これは細い静脈のセグメンテーションの不安定性に起因すると考えられました。
• パラメータ感度: 多くのバイオマーカーはデフォルトパラメータに対して感度が低く安定していましたが、計算領域を定義するパラメータ（円半径など）や閾値には影響を受けました。
• 実用性: 既存のセグメンテーションモデルと組み合わせることで、大規模なコホート研究や臨床データベースへのスケーラブルな展開が可能であることが示されました。

5. 意義と将来展望 (Significance)

• オキュロミクス研究の加速: 網膜血管バイオマーカーの抽出を標準化し、大規模な疫学研究や心血管リスク予測モデルの構築を容易にします。
• 臨床応用への橋渡し: 視神経乳頭と黄斑の位置関係に基づいた局所的な計測を可能にするため、臨床的に意味のある領域ごとの変化を追跡できます。
• 研究の透明性と拡張性: オープンソースであり、PyPI 経由で容易にインストールできるため、研究の再現性が向上します。また、モジュール設計により、OCTA（光干渉断層血管造影）などの他の画像モダリティへの適応も容易です。
• 限界と今後の課題: 本ツールは外部のセグメンテーションモデルに依存しており、セグメンテーションの精度がバイオマーカーの精度を直接決定します。したがって、画像品質やセグメンテーションの誤差を考慮した品質管理（QC）が不可欠です。

総じて、VascX は網膜血管解析における「ブラックボックス」化を避け、解釈可能で再現性のある大規模解析を実現するための重要な基盤技術として位置づけられています。