A Latent ODE Approach to Spatiotemporal Modeling of Cine Cardiac MRI

技術要約：シネ心臓MRIの時空間モデリングへの潜在的ODEアプローチ

問題提起
心臓磁気共鳴画像法（CMR）は、心室の構造と運動に関する豊かな時空間データを提供する。しかし、従来の臨床リスクモデルは、通常、拡張末期および収縮末期といった孤立した心周期のフェーズから導出される、限定的な手作業による指標（例：左室駆出率、心筋ストレイン）に依存している。この手法は、高次元の解剖学的構造を静的な要約へと圧縮してしまい、心周期全体の連続的なタイミング、協調性、および軌跡を無視している。その結果、心室の収縮と弛緩における、予後信号となり得る微細な異常が見逃されることが多い。さらに、既存の時空間モデルは、時間を離散的な正規化シーケンスとして扱うことが多く、フレームのタイミングが心拍数によって変化することや、収縮期と拡張期が被験者間で異なる割合を占めるという生理学的な実態を考慮できていない。

手法
著者らは、二心室の解剖学的構造とフルサイクル・シネモーションを連続的な潜在軌跡としてエンコードする、共変量条件付き潜在力学モデルを提案している。このフレームワークは、以下の3つのコアコンポーネントを統合している：

1. グラフベースのメッシュ・オートエンコーダ： モデルは、固定されたトポロジーを持つ頂点登録された3D心室メッシュ上で動作する。グラフニューラールネットワーク（GNN）エンコーダは、解剖学的接続性を保持しながら、フレームごとのメッシュシーケンスを処理する。トランスフォーマーは、フレームごとの埋め込みを集約し、被験者固有の拡張末期（$t=0$）における近似的な事後分布を推論する。
2. 心拍数認識型ニューラルODE： 離散的な時間ステップの代わりに、モデルはニューラル常微分方程式（Neural ODE）を採用し、心周期全体にわたって潜在状態を連続的に進化させる。ベクトル場は、心拍数に依存する学習可能な単調位相ワーピング関数を通じて導出される潜在位相変数 $\theta(t)$ によって駆動される。これにより、モデルは生理学的なフェーズに合わせて時間を引き伸ばしたり圧縮したりすることができ、変動するフレームレートや心拍数に対応することが可能となる。
3. 共変量条件付き事前分布および生存分析： 多層パーセプトロン（MLP）は、共変量（年齢、性別、体表面積）に条件付けられた拡張末期の潜在状態に対するガウス事前分布を定義する。変分学習は、エビデンス下限（ELBO）を最小化し、事後分布がこの生理学的規範からの被験者固有の偏差を捉えるように促す。ダウンストリームのリスク予測においては、これらの偏差を標準化して残差埋め込みを作成し、これをペナルティ付きCox比例ハザードモデルに入力して、心不全の発症を予測する。

主な貢献

• 連続的な潜在力学： フルサイクルCMRモデリングのための連続時間潜在ODEの導入により、離散的なフレームではなく、任意のフェーズで定義される滑らかな軌跡を可能にした。
• 生理学的に構造化された表現： 知られている生理学的変動（年齢、性別、BSA）によって潜在空間を整理する、共変量条件付き事前分布。これにより、病理学的な偏差をリスクモデリングのために分離できる。
• 心拍数認識型フェーズワーピング： 外因的なタイミングの変動（心拍数）を、内在的な心臓ダイナミクスから分離するメカニ枚。これにより、時計上の時間と生理学的フェーズとの間の非線形な関係に対処する。
• 大規模な評価： 72,386人のUKバイオバンク参加者を対象とした包括的な評価を行い、潜在的な時空間特徴量が心不全の発症予測に有用であることを示した。

結果
モデルは、保持されたUKバイオバンク・コホート（367件の心不全発症イベント）において、確立された臨床的ベースラインおよび代替アーキテクチャと比較して評価された：

• 予後性能： 再適合されたプールされたコホート方程式（PCP-HF）に潜在スコア（$r_{lat}$）を加えることで、心不全予測の層別化C指数は、PCP-HF単独の0.704から0.785へと向上した。これは、7つの従来のCMR指標（$r_{conv}$）を用いたモデルが達成したC指数0.764を上回った。
• アーキテクチャ比較： 提案されたGNN+ODEモデルは、線形、フーリエベース、トランスフォーマーベース、および最先端の（MeshHeart）ベースラインと比較して、再構成忠実度（最小のユークリッド誤差および角度誤差）、生成のリアリズム、および予後性能の最適なトレードオフを実現した。
• 生成の妥当性： モデルは、既知の年齢および性別に依存する心臓表現型の傾向（例：男性における年齢に伴うLVEFの減衰、女性における心壁厚の増加）を正常に再現しており、共変量条件付き事前分布が現実的な生理学的変動を捉えていることを確認した。
• 解釈可能性： 高リスク被験者の可視化により、事前分布からの事後偏差によって捉えられた、明確なリモデリングパターン（例：求心性リモデリング vs 拡張）が明らかになった。これは、モデルが多様な心不全への経路を特定していることを示唆している。

意義と主張
本論文は、心室運動の連続的なフルサイクル・モデリングが、従来のCMRサマリーを超えた情報豊かな心臓表現型を提供すると主張している。心周期全体の時空間的な軌跡を捉えることで、モデルは心臓の動きのタイミングと協調性に関連する予後信号を明らかにできる。著者らは、潜在的な時空間的偏差が重要な予後価値を加える一方で、臨床的なリスク予測に本モデルを利用する前に、より代表的な患者コホートにおける外部検証が必要であると結論付けている。本研究は、心臓の形状、運動、および将来の心血管リスクの関係を研究するための、より表現力豊かで生理学的に妥当、かつスケーラブルなモデルへの一歩として位置づけられる。