Acquisition state behaves as a structured, measurable variable governing lung-nodule AI: kernel-driven measurement instability and noise-driven detection fragility, invisible to DICOM metadata

技術要約：肺結節AIにおける構造化・測定可能変数としての撮像状態（Acquisition State）

問題提起
2026年のACR–SIIMプラクティス・パラメーターやACR Assess-AIレジストリなどの現在の医療用画像AIガバナンス枠組みは、主にアウトプット指標（AIとレポートの一致度）およびDICOMメタデータに焦点を当てている。これらのプログラムは、出力が変化した場合、その原因はヘッダーフィールドや患者のデモグラフィックから推論できるという前提に基づいている。しかし、このアプローチは、入力されるスタディがモデルの検証時における特定の**撮像エンベロープ（取得範囲）**内に留まっているかどうかという、極めて重要なギャップに対処できていない。

核心となる問題は、撮像状態（例：再構成カーネル、線量、スライス厚）がDICOMメタデータから完全に復元できないことが多い点である。同一のヘッダー記述子（例：ConvolutionKernelタグにおける「STANDARD」）であっても、全く異なる画像再構成（例：フィルタ補正逆投影法 vs 反復再構成法）を隠蔽している場合がある。その結果、モニタリングシステムは性能のドリフト（変質）を検知することはできても、それを撮像の変化によるものか、あるいは症例構成（case-mix）の変化によるものかを特定できず、また、異なる種類の失敗モード（測定誤差 vs 検出失敗）を区別することもできない。

方法論
本研究では、凍結されたMONAI RetinaNetモデル（LUNA16で学習）を用い、肺結節の検出および計測について、以下の3つの実験的セットアップを用いて評価を行った。

1. 実世界のカーネルペア（NLST）： 著者らは、National Lung Screening Trial (NLST) から得られた155組の対応する結節を分析し、同一の生データに対してソフトカーネル（B30f）とシャープカーネル（B80f）の再構成を比較した。AIが報告した直径、検出信頼度、および「フライシュナー・サイズ・カテゴリーの跨ぎ（Fleischner size-category crossings）」（サイズの変化によって臨床的なフォローアップ推奨が変わる現象）を測定した。層別解析には、拡張された367個の結節コホートが使用された。
2. 制御された単一軸への摂動（LIDC-IDRI）： 物理学に基づいた劣化エンジンを用い、ベースラインのスキャンに対して隔離された摂動を適用した：
   • ノイズ軸： 線量低減。
   • 周波数軸： 再構成カーネルの変化。
   • 解像度軸： スライス厚の変化。
     これにより、各物理的軸に関連する特定の失敗モードを分離することが可能となった。
3. 撮像フィンガープリント（Acquisition Fingerprinting）： 画像ピクセルから撮像状態を直接特徴付けるため、4つの特徴量からなるピクセルレベルのフィンガープリント（ノイズ $\sigma$、勾配の鋭さ、高/低周波比、近傍相関）を算出した。これをDICOMのConvolutionKernelタグと比較し、QIBA CTファントムおよび実データのCTと比較検討した。
4. ベンダー間輸送性（Cross-Vendor Transportability）： 撮像状態がスキャナー固有の変数か、あるいは共有された変数かをテストするため、著者らは4社（GE, Philips, Siemens, Toshiba）の製造元にわたる737個の対応する結節を分析した。特徴量のシフト方向（ソフトからシャープへ）を調査し、leave-one-vendor-out (LOVO) 分類テストを実施した。

主な結果

• 失敗モードの解離： 撮像の影響は構造化されており、かつ軸固有のものであり、単一のスカラー値としての「品質」指標ではない。
  • 周波数／カーネル軸： 計測の不安定性を駆動する。カーネルの変化のみによって、AIが計測した結節径が変化し（平均 $|\Delta| = 0.27$ mm）、フライシュナー・サイズ・カテゴリーの反転が5.2%の結節で発生した（これらは6–10 mmの範囲に集中していた）。極めて重要なことに、検出信頼度は統計的に変化しなかった（$p=0.22$）。
  • ノイズ軸： 検出の脆弱性を駆動する。線量低減（ノイズ）は、特に小さな結節（<6 mm）において、検出信頼度を著しく低下させた（$p = 5.9 \times 10^{-32}$）。一方で、計測への影響は無視できる程度であった。
• メタデータの盲目性： ピクセル由来の撮像フィンガープリントは、再構成の同一性を分類することに成功した（実データでの患者レベルAUC $\approx 0.95$、QIBAファントムでは0.995）。対照的に、ConvolutionKernel DICOMタグは情報として機能せず、乖離した挙動を示す再構成に対してさえ、しば_しば同一のラベルを割り当てていた。
• ベンダー間の輸送性： 「カーネル軸」は、ベンダー固有の特異性ではなく、共有された座標系である。
  • ソフトからシャープへのシフトベクトルは、全4社の製造元間でほぼ平行であった（ペアごとの余弦類似度 0.91–0.96）。
  • 3社のベンダーで学習させたカーネル識別器は、保持された第4のベンダーに対して0.94–0.98のAUCを達成し、ベンダー内での性能上限と一致した。これは、撮像状態が輸送可能な変数であることを示唆している。

意義および主張
本論文は、**撮像状態（Acquisition state）**を、検出（周波数）とノイズ（ノイズ）という異なる軸によって制御される、構造化され測定可能な変数として扱うべきであると主張している。

• 計測 vs 検出： 周波数成分は計測の信頼性（サイズ・カテゴリー反転のリスク）を支配し、ノイズは検出の感度（小さな結節の見落としリスク）を支配する。これらは、現在の出力のみに基づくモニタリングでは区別できない、明確に異なる失敗モードである。
• 入力側の検証： 識別信号はメタデータではなくピクセル内に存在するため、効果的なドリフト監視および受入テストには、撮像を考慮した、入力側の検証が必要である。現在のプログラムは「性能が変化したこと」は検知できるが、「なぜ変化したのか」（すなわち、入力分布が検証エンベロープの外側に逸脱したのかどうか）を判断することはできない。
• 汎用性： カーネル軸が製造元間で輸送可能であるという知見は、あるスキャナー群で特性化された撮像エンベロープは、基礎となる物理的軸が共有されている限り、別のスキャナー群のためにゼロから再導出する必要はないことを意味している。

限界事項
著者らは、本研究が単一の検出器アーキテクチャ（RetinaNet）に限定されており、主に固形結節を対象としていることを指摘している。検出に関する議論は、完全な見落とし（miss）の提示ではなく、「信頼度の前駆体」としてフレーム化されている（シミュレーションによる摂動下では、明らかな見落としは稀であったため）。さらに、撮像の影響の「構造」はシミュレーションと実データの間で転送可能であるが、「大きさ（マグニチュード）」はそうではない。シミュレーションは幾何学的シフトを過大評価し、テクスチャノイズの変化を過小評価した。最後に、モデルの内部埋め込み（embeddings）ではなく、ピクセルレベルのフィンガープリント自体のベンダー間輸送性については、今後の課題である。