Diffusion MRI preprocessing affects ADC estimation and automatic PI-RADS v2.1 classification in bi-parametric prostate MRI

あなたは、霧がかった、ゆらゆらと揺れる箱の中に隠された、小さくて扱いにくい物体を、非常に鮮明に撮影しようとしているところだと想像してください。前立腺MRIの世界では、その「物体」は潜在的ながん部位であり、「霧がかった、ゆらゆらと揺れる箱」は拡散強調画像（DWI）スキャンです。これらのスキャンは医師がバイオプシー（生検）を行う必要があるかどうかを判断するために非常に重要ですが、非常に乱れやすいという性質があります。これらは「ゴースト」（アーチファクト）、「リンギング」（データ内の鳴動音）、そして体の磁場によって引き起こされる「ゆらつき」に悩まされています。

長い間、科学者たちは脳のスキャン用にこれらの乱れた画像をクリーンアップしてきました。しかし、前立腺スキャンの場合は、どのクリーニング方法が最適かを誰もが推測しているだけでした。この研究は、探偵の帽子を被り、どの「掃除レシピ」が実際にコンピュータにがんをより良く「見せる」のに役立つのかをテストすることを決意しました。

大いなるクリーニング・コンテスト

研究者たちは、268件の実患者の症例を取り上げ、一連の「クリーニング・ステーション」に通しました。これは、泥だらけの車を洗うようなものです：

1. ベースライン: 彼らは、生の、泥だらけのデータ（データセット1および2）から始めました。
2. デノイジング（ノイズ除去）: ランダムな「雪」や静的なノイズをこすり落としました（データセット3）。
3. ギブス・リンギング補正: 明るい光の周りにリング状に見える、奇妙でギザギザしたエッジを滑らかにしました（データセット4）。
4. 歪み補正: これが最大の難関でした。画像の「ゆらゆら」した部分を直し、前立腺が解剖学的構造と完全に一致するようにしました。これにより、直腸内の空気によって引き起こされる伸びを修正しました（データセット5）。

そして、彼らは2つの質問を投げかけました。

1. クリーニングは、組織内を水がどれくらいの速さで移動するかを測定する数値（ADCと呼ばれます）を変化させるか？
2. クリーニングは、コンピュータプログラムががんのリスクスコア（PI-RADS）を予測するのを助けるか？

驚くべき（そして退屈な）数学の部分

まず、彼らは数学的な側面を確認しました。彼らは、水の動きの数値を計算するために、2つの異なる方法（標準的なLLS法と、高度な重み付けを用いたIWLLS法）をテストしました。

ここでひねりがあります。彼らがどちらの数学的手法を使用しても、結果は変わりませんでした。 数値はほぼ全く同じであり（$10^{-12}$ mm²/s という極めて微小な差しかありません）、まるでテーブルを測るために2つの異なるブランドの定規を使っているようなものです。もしテーブルが真っ直ぐであれば、どちらの定規も同じ答えを出します。したがって、この論文は、正しい数値を得るために高度な数学アルゴリズムが必要なわけではなく、画像の「クリーニング」こそが重要であることを示しています。

しかし、クリーニング自体は数値を変化させました。「歪み補正」（ゆらゆらした画像をまっすぐにすること）を加えると、ADC値がシフトしました。生の、ゆらゆらした画像と、まっすぐに直された画像との関係性は強かったものの、完全ではありませんでした（相関係数 約0.90）。これは、不思議な鏡に映った写真を撮り、それをまっすぐに直すようなものです。写真は見た目が変わりますが、対象物の真の姿になります。

コンピュータの「目」が鋭くなる

本当の魔法は、これらのクリーニングされた画像を、ディープラーニングを用いたコンピュータの脳（DenseNet）に投入したときに起こりました。彼らはリスクスコアを3つのバケット（グループ）に分けました。

• クラス1: 低リスク（PI-RADS 1–2）。
• クラス2: 不確実（PI-RADS 3）。
• クラス3: 高リスク（PI-RADS 4–5）。

コンピュータは、あらゆるクリーニングレベルに対してテストされました。結果はどうだったでしょうか？ 完全にクリーニングされた画像（データセット5）が明確な勝者となりました。

コンピュータがこれらのクリーニングされたデータを見たとき、高リスク症例を見つける能力が向上しました。単に正解の頻度が増えただけでなく、間違えたときの振る舞いについても賢くなりました。

最もクールな部分はここです。医療の世界では、コンピュータが高リスクのがんを見逃すことは災難です。しかし、もしコンピュータが見逃したとしても、それが「正しい」と自信満々に答えてしまうことはさらに最悪です。この研究では、完全にクリーニングされたデータで学習したコンピュータが高リスク症例に対して間違いを犯したとき、その間違いに対する「自信」が低くなっていたことが分かりました。それは、「自信満々に間違った答えを叫ぶ」のではなく、「この答えには自信がありません」と言う学生のような振る舞いです。この「謙虚な」振る舞いは、自動トリアージにおいて医師がまさに求めているものであり、人間によるダブルチェックが必要であることを示唆するシグナルとなります。

この論文が否定したもの（そして否定していないもの）

この論文は、単に数学的な公式を変える（LLS vs. IWLLS）だけでは問題は解決しないと明言しています。計算機を入れ替えるだけで期待通りの結果が得られるわけではなく、まず画像を修正しなければなりません。

また、この研究は、これが世界中のすべてのMRI装置で機能することを証明したわけではありません。彼らはSiemens Skyraという特定のスキャナーからのデータのみをテストしました。また、歪みを修正するための「ゴールドスタンダード（標準的）」な手法（逆方向の特別なスキャンを2回行う方法）を使用することはできませんでした。彼らのデータにはそれらの追加スキャンが含まれていなかったためです。代わりに、彼らはうまく機能する巧妙なレジストレーション（位置合わせ）の手法を用いましたが、それは完全なパッケージではないことを認めています。

結論

主な知見は、MRI画像をきれいにすることが、実際にコンピュータを賢くするということです。具体的には、ノイズを除去し、リンギングのエッジを修正し、歪んだ解剖学的構造をまっすぐにすること（データセット5）が、最良の結果をもたらしました。

この論文は、もし病院がこれらのクリーニング手順を標準的なルーチンとして使い始めれば、高リスクのがんをより多く発見し、低リスクの場合の不要なバイオプシーを避けることができる可能性があると示唆しています。それは、ぼやけたカメラに高精細なレンズを装着するようなものです。写真は単に綺麗になるだけでなく、生死に関わる決定を下す上で、より有用なものになるのです。

結果は有望ですが、著者らはこれは前進であり、完成した解決策ではないと慎重に述べています。あらゆる場所で機能することを確実にするためには、より多くの人々や異なる装置を用いてテストする必要があります。しかし現時点では、デジタル的なクリーニングを行うことが、前立腺がんとの戦いにおいて大きな力になるという強力な証拠があります。