Motion-robust high-resolution 3D-GRASE pseudo-continuous ASL perfusion imaging at 3T

脳は生きた地図であり、あらゆる細胞に酸素と栄養を届ける血液の川によって絶えず供給されています。この地図がどのように機能しているのか、あるいは脳卒中や認知症のような状態でどのように崩れてしまうのかを理解するために、医師たちは血液が正確にどこを流れているかを見る必要があります。数十年にわたり、これを行う最善の方法は、血管内に外来の染料を注入することでしたが、この手法はリスクを伴い、頻繁に繰り返すこともできませんでした。より安全な代替手段である「アーテリアル・スピン・ラベリング（ASL）」は、体自身の血液をトレーサーとして使用します。これは、血液が脳に到達する前に、動脈内の水を磁気的に「タグ付け」することで、タグ付けされた血液とされていない血液の違いをスキャナーに識別させる仕組みです。これにより、針も染料も使わずに血流の画像を作り出すことができます。しかし、鮮明な画像を得ることは常に困難な課題でした。血液からの信号は極めて微弱であり、脳の表面の微細な詳細を見るためには、非常に小さな画素（ピクセル）を使用しなければなりませんが、それによって信号はさらに弱まり、スキャンはわずかな動きに対しても敏感になります。頭部のわずかな動きでさえ、画像をぼやけさせたり、真実を隠してしまうゴーストのようなアーチファクト（偽像）を生じさせたりするのです。

オックスフォード大学の研究チームは、スキャナーがパルスを放つ方法から、コンピュータがデータを再構成する方法に至るまで、画像の取得プロセス全体を再設計することで、この問題に取り組みました。彼らの目標は、患者が頭を動かしても鮮明さを保つ、高解像度の脳血流マップを作成することでした。彼らは、多くの素早いスナップショットを撮って三次元画像を構築する特定の種類のスキャンに焦点を当てました。この手法は高速で効率的ですが、非常に脆弱であることで知られています。もしスナップショットの間に頭が動いてしまうと、最終的な画像はバラバラになってしまうからです。研究者たちは、画像をより綺麗にするために用いられる技術そのものが、実は動きによるエラーを修正することを難しくしていることを発見しました。完璧な画像を得るためには、脳の静止した組織からの信号を徹底的に抑制する必要がありましたが、そうするとコンピュータは画像を整列させるための「解剖学的構造」を見ることができなくなってしまうのです。それはパラドックスでした。最もクリアな画像を得るための最善の方法が、同時に、間違いを修正する能力を失うための最善の方法でもあったのです。

この問題を解決するために、チームは、組織の構造を見て動きを補正することに依存しない、新しい画像再構成法を開発しました。彼らのコンピュータプログラムは、スキャナーのコイルからの生のデータ信号を見て、ショットごとに頭がどのように動いたかを推定します。これに、通常は微弱な血流をかき消してしまう「ノイズ」となる背景組織の信号を完全に消去する戦略を組み合わせました。背景組織を消去することは、ショットを整列させるためにコンピュータが通常使用するランドマーク（指標）を消去することでもあるため、彼らはピースを順番通りに保つための新しい数学的なトリックを編み出しました。また、背景がこれほど静かになると、別の種類の信号、すなわち皮膚の下の脂肪が大きな問題になることを発見したため、水のみを励起して脂肪を無視する技術へと切り替えました。さらに、タグ付けされた画像とされていない画像の差分をとる方法を変更し、計算過程で微弱な血流信号が失われないようにしました。

彼らの研究成果は、この新しい手法の組み合わせが極めてうまく機能することを示しています。健康なボランティアを対象としたテストにおいて、研究者たちはスキャナーの作動中に頭をわずかに動かすよう指示しました。かつてであれば、このような動きは高解像度スキャンを台無しにし、ぼやけたエラーだらけの画像を残していたことでしょう。しかし、彼らの新手法を用いると、コンピュータは動きを補正し、画像の鋭さと血流マップの明瞭さを取り戻しました。生成された画像は、被験者が動いていたとしても、従来の方法で作られたものよりも大幅に鮮明で正確でした。チームは、背景組織を完全に消去することで、コンピュータが組織自体を見ることなくショットを整列させることができれば、むしろ動きによるエラーの量を減少させられることを発見しました。このアプローチにより、2.0ミリメートルの解像度を実現し、脳の表面層をかつてないほどの明瞭さで描き出すことが可能になりました。

また、この研究は、なぜ従来の動きの補正の試みが失敗することが多かったのかについても明らかにしました。研究者たちは、背景抑制を「中程度」に留めるという試みが、クリアな信号の必要性と、動きの補正の容易さのどちらの要求も満たさない妥協案であったことを示しました。中程度の抑制では、静止した組織が残りすぎて動きの補正アルゴリズムを混乱させ、一方で、背景ノイズが残りすぎるため、頭が動いた際にアーチファクトを生じさせてしまいます。彼らが徹底的な抑制を行い、新しい整列方法を使用したことで、静止ノイズが動きをぼやけさせる原因を排除することに成功しました。また、標準的な脂肪抑制技術を用いるだけでは不十分であり、脂肪の信号を、水分子のみを標的とする特殊なパルスを用いてソースの段階で除去しなければならないことも実証しました。このステップがなければ、脂肪の信号が脳の周囲に明るい輪のように現れ、最終的な画像を損なうことになるのです。

この研究は、脳画像診断におけるあらゆる問題を解決したと主張するものではなく、また、患者がいかなるスキャン中であっても自由に動いてよいことを示唆するものでもありません。テストは、制御された方法で動くよう求められたボランティアに対して行われ、研究の焦点は特定の疾患の診断ではなく、技術的な「鮮明な画像を作成する能力」に置かれました。しかし、今回の知見は明確な進むべき道を示しています。高解像度の血流マップが動きに対して堅牢（ロバスト）であることを証明したことで、研究者たちは、これらのスキャンを実世界の環境で使用する際の大きな障壁を取り除きました。この手法により、以前は動きによるぼやけのために実用的ではなかった、脳の血流の詳細なビューが可能になります。これは、脳の健康状態をより頻繁かつ詳細にモニタリングできる扉を開くものであり、医師が、これまで動きのぼやけの中に隠されていた微小な血管の問題や、血流の微妙な変化を特定する助けとなる可能性があります。適切なハードウェア設定とソフトウェアの再構成を組み合わせれば、患者が完璧に静止していられなくても、脳の繊細な血流を鮮明に見ることができるということを、この研究は裏付けています。