Beyond geometric accuracy: Evaluation of an MRI-based autocontouring prototype for brain and prostate radiotherapy

あなたは、まるで霧に包まれた、形を変え続ける地図を手に、超高層ビルを建てようとしている熟練の建築家であると想像してください。がん治療、特に放射線治療の世界において、医師は建築家であり、人体は建設現場です。彼らの仕事は、破壊すべき部分（腫瘍）と救うべき部分（健康な臓器）の周囲に、極めて精密な線を引くことです。何十年もの間、彼らはCTスキャンを使用してきました。それは、骨や全体的な形状を見るための、標準的な白黒写真のようなものです。しかし最近、MRIと呼ばれる新しいツールがゲームに参入しました。MRIを、筋肉や神経、腫瘍といった軟部組織をより鮮明に捉える、高精細なカラーカメラだと考えてください。これは、医師が「霧」をより正確に把握するのに役立つため、ゲームチェンジャーとなります。

しかし、落とし穴があります。これらの線を手作業で描くことは、遅く、退屈で、医師によってばらつきがあります。もし医師が疲れていたら、その線は、新鮮な状態の時の線とは少し異なっているかもしれません。放射線治療においては、たとえ微細なミスであっても、腫瘍を見逃したり、健康な臓器を傷つけたりする可能性があります。これを解決するために、科学者たちは、人工知能（AI）を使用してコンピュータに自動で線を引かせる方法を教えています。それは、スキャンを見て瞬時に形を描き出す、超高速のロボット助手を採用するようなものです。しかし、ロボットにハンドルを握らせる前に、私たちはこう問いかけなければなりません。そのロボットは本当に仕事をこなせているのか、それとも単に自信満々にデタラメを描いているだけなのか？ これこそが、これからお話しする物語の背後にある大きな問いです。

---

ロボット画家の試運転

チューリッヒ大学病院とシーメンス・ヘルシニアーズの研究チームは、新しい「ロボット画家」をテストすることに決めました。これは、店で買えるような完成品ではありませんでした。それは、脳転移（脳に広がったがん）と前立腺がんの両方の、非常に異なるタイプの患者に対して、MRIスキャン上に輪郭（コンツアー）を自動的に描くために設計された、プロトタイプ、つまり開発途中のAIツールでした。

研究者たちは、脳の問題を持つ27名と前立腺の問題を持つ30名の、計57名の患者からデータを収集しました。そして、AIにMRIスキャンを見せて、独自の図面を作成させました。次に、ロボットのスケッチを「ゴールドスタンダード（黄金律）」、つまり実際の治療のために専門の医師がすでに描き、承認した輪郭と比較しました。彼らは、ロボットがどれほど上手くできたかを測定するために、いくつかの異なる方法を用いました。

まず、「形の適合性」を確認しました。彼らはDice Similarity Coefficient (DSC) と呼ばれるスコアを使用しました。これは、ロボットの図面が人間の図面とどれくらい重なっているかを評価する成績のようなものです。スコア1.0は完璧な一致を意味し、0.0は全く接触していないことを意味します。また、「一致への距離」も測定しました。これは基本的には、ロボットの線が人間の線から何ミリメートル離れているかを確認するものです。

しかし、研究者たちは、完璧な形の適合性が必ずしもその図面が有用であることを意味するわけではないことも分かっていました。そのため、彼らは第二の検証レイヤーとして、「人間の判断」を加えました。2人の放射線腫瘍医が、ロボットが作成したすべての図面をチェックし、1から4までのスコアを付けました。

• 1: 「ゴミだ、やり直し。」
• 2: 「修正可能だが、大幅な手術（修正）が必要。」
• 3: 「十分合格点だ、わずかな微調整だけでいい。」
• 4: 「完璧だ、変更の必要はない。」

結果：輝きと失敗が入り混じる混合物

ロボットは988個もの膨大な数の図面を生成しました。ここからが面白いところです。なぜなら、ロボットは何に対しても等しく優秀だったわけではなかったからです。

脳において：
ロボットは腫瘍を見つけることに関しては驚くほど優秀でした。存在する脳転移の81.5%を正常に特定できました。しかし、少し「誤検知」の問題もありました。実際には腫瘍が存在しないケースの20.9%において、腫瘍があると言い張ったのです。あらゆるコインを見つけるだけでなく、ソーダの缶やペットボトルにも反応してしまう金属探知機を想像してみてください。

実際の図形の形状については以下の通りです：

• 健康な臓器（脳幹など）に対して、ロボットはまともな形状スコア（平均DSC 0.58）を獲得しました。
• 腫瘍自体については、形状スコアはもう少し良く（平均DSC 0.66）、
• 腫瘍におけるロボットの線と人間の線の「距離」は、通常1ミリメートル未満であり、非常に近いものでした。

医師たちは脳の図面に中央値3のスコアを付けました。これは、ほとんどの場合、ロボットが提供した図面は、人間による少しの「微調整」さえあればよい、優れた出発点になることを意味します。ロボットは、目のレンズや角膜のような大きく明確なものを描くときにはスターでした（スコア4）。しかし、蝸牛（内耳）や涙腺のような、小さくてトリッキーなものには苦戦し、しばしばスコア2、つまり大幅な編集が必要であるという結果になりました。

前立腺において：
ロボ柄は、ここでの形状適合においてさらに優れたパフォーマンスを発揮し、平均DSCは0.73でした。大腿骨頭（太ももの骨の上部）は、ロボットのお気に入りの題材であり、0.87のスコアを記録しました。しかし、前立腺自体と精嚢が問題児となり、最も低いスコアとなりました。医師たちは依然としてこれらに中央値3のスコアを付けており、使用可能ではあるが編集が必要であることを示しました。

大きな教訓：数字はすべてを語らない

この論文における最も重要な発見の一つは、ロボットが優れているかどうかを判断するために、単に数学的な数値だけを見てはならないということです。研究者たちは、テストされた19項目のうち10項目については、低い数学的スコア（DSC）が、実際に医師がその図面を悪いと判断したことと一致していることを発見しました。しかし、残りの9項目については、数学と現実が一致しませんでした。

例えば、ロボットが描いた「肛門」の図面は、医師が「使用不可」と判定したいくつかの図面よりも高い数学的スコアを持っていました。これは、選択式のテストでは高得点を取るが、核心となる概念を理解していないためにエッセイで落第する学生のようなものです。ロボットは面積としては正しい範囲を覆っていた（高い数学的スコア）かもしれませんが、治療において重要な特定の境界線を外してしまったため、実用上は役に立たない図面になっていたのです。

これが将来にとって何を意味するか

論文は、このAIプロトタイプは「代用品」ではなく、有望な「助手」であると結論付けています。それは、重労働を行い、下書きを描くことができる非常に速いインターンのようなものであり、医師の時間を大幅に節上します。しかし、そのインターンは依然として間違いを犯すことがあり、特に小さく複雑でトリッキーな構造物において顕著です。

研究者たちの主張は明確です。ロボットを単独で働かせてはなりません。専門家によるレビューは依然として不可欠です。もしロボットが腫瘍を見逃したり（実際にいくつかのケースで見られました）、線を間違った場所に描いたりした場合、人間の医師がそれを察知しなければなりません。この研究は、ツールが大きく明確な構造物には適しているものの、人体における小さく複雑な詳細を単独で扱うには、さらなるトレーニングと調整が必要であることを示唆しています。

要約すると、ロボット画家は才能があり、かつ高速ですが、最終的な傑作に署名するための人間の監督者を依然として必要としています。このテクノロジーの未来は、AIのスピードと人間の専門家の鋭い眼を組み合わせ、描かれたすべての線が正確かつ安全であることを保証することにあります。