Benchmarking open-source automated thigh muscle MRI segmentation algorithms

高解像度の静かな医療画像の世界において、ある特定の課題が、長年、筋疾患の研究を遅らせてきました。それは、身体の解剖学的構造をマッピングするために必要とされる膨大な労力です。医師や研究者が、患者の太ももの内部を観察するために磁気共鳴画像法（MRI）を使用する際、そこには脂肪や骨に囲まれた13の異なる筋肉という複雑な景観が広がっています。筋ジストロフィーのような疾患がどのように進行しているかを理解するためには、各筋肉の容積を測定し、健康な組織がどれだけ脂肪に置き換わったかを計算しなければなりません。数十年にわたり、これは人間が数百枚もの個別の画像スライスごとにすべての筋肉の輪郭を手作業でトレースするという、退屈なプロセスによって行われてきました。この手作業は時間がかかり、人によって結果が異なり、希少疾患の大規模な研究を妨げるボトルネックを生み出しています。将来への期待は、コンピュータがこのトレースを自動で行うことを学習し、研究者が描画作業ではなく生物学的な事象に集中できるようにすることでした。

しかし、自動化ツールの状況は、それぞれ異なる手法で構築され、異なるデータで学習された様々なソフトウェアプログラムがひしめき合う、混雑した市場のようになってしまいました。特定の身体部位を認識するように設計されたツールもあれば、インターネット上の膨大なデータを用いて、ほぼあらゆるものを認識できるように訓練された汎用システムもあります。問題は、どのツールが実際に太ももの筋肉に対して最も効果的に機能するかを確認するために、これらのツールを並べて比較した人がこれまでいなかったことです。公平な比較がなければ、ツールを選ぶ研究者は本質的に推測に頼ることになります。新しい研究は、健康な人と神経筋疾患を持つ患者から得られた共通の画像セットを用いて、最も人気のある8つのオープンソースツールを互いにテストすることで、この霧を晴らそうと試みました。その目的は、単に最も速いプログラムを見つけることではなく、患者の身体にある真実を見抜くために信頼できるものを見つけることでした。

研究者たちは、健康なボランティアや、肢帯型筋ジストロフィーや筋萎縮性側索硬化症（ALS）などの疾患を持つ患者からのデータを含む、多様なMRIスキャンを集めました。また、画像の撮影方法の変化や解剖学的なわずかな変動に対して、ツールがどの程度うまく対処できるかをテストするために、修正を加えた画像セットも作成しました。その後、これらの画像を8つの異なるソフトウェアツールに入力しました。これらのツールのうち、いくつかは筋肉に特化して構築された専門的なシステムであり、他のものは、幅広いタスクを実行するために大規模な一般的なデータセットで学習された、新しいタイプの人工知能である「基盤モデル」でした。チームは、コンピュータの輪郭がいかに専門家の輪郭と一致しているかを、全体的な精度と、スライスごとの結果の一貫性の両面から測定しました。

結果は、何が機能し、何が機能しないのかを明確に描き出しました。専門的なツール、特に「MuscleMap」と呼ばれるものは、一貫して新しい汎用システムよりも優れた性能を示しました。医学的な画像の大規模なコレクションを用いて訓練されたこれらのドメイン特化型モデルは、汎用モデルには到底及ばないレベルの精度で筋肉を識別することができました。実際、この研究では、普及している汎用システムを他のツールの「上に」追加して性能を高めようとすると、かえって結果が悪化することが分かりました。これらの汎用システムは、画像を精緻化する代わりに、大腿骨を筋肉の輪郭の中に含めてしまったり、現実の筋肉とは似ても似つかない断片的な点線を作成したりするなど、人間なら決して犯さないような間違いを頻繁に引き起こしました。

おそらく最も重要な点は、優れたツールであっても完璧ではなく、特に疾患のある組織を見ている場合には不完全であるという事実が明らかになったことです。ソフトウェアが疾患によって変化した筋肉に遭遇すると、精度が低下しました。これは極めて重要な発見であり、現在のツールが、最もそれらを必要としている患者たちに対して苦戦する可能性があることを示唆しています。研究者たちは、最高の性能を示すソフトウェアであっても、特に筋肉と脂肪の境界部分において、エラーを確認し修正するために人間の目が必要であると指摘しました。これらのツールは、ミスが治療計画に影響を与えかねない臨床現場において、完全に自律して動作できる段階にはまだ達していません。

また、この研究はこれらのツールの実用的な側面についても浮き彫りにしました。専門的なソフトウェアは、医師や研究者にとって非常に使いやすく、多くの場合、クリック一つでプロセスを開始できます。対照的に、汎用ツールは、コンピュータが開始する前に、ユーザーが各筋肉を指し示したり、ボックスを描いたりすることを要求する場合が多く、そのプロセスは手作業で行うよりも時間がかかるものでした。この使いやすさの違いは、ツールが病院に採用されるかどうかの大きな要因となります。研究者たちは、分野は大きな進歩を遂げたものの、監視なしにどんな患者にも対応できる完全自動システムの夢は、まだ手の届かないところにあると結論付けました。今のところ、最も信頼できる道は、専門的なツールを強力なアシスタントとして活用しつつ、人間の専門家がプロセスに関与して作業を検証し、筋肉の最終的なマップが実際の医療判断を導くのに十分な精度であることを保証することです。