Automated 3D CT Segmentation of Intercostal Muscles Using Bayesian U-Net: a retrospective technical validation study with exploratory pulmonary function analysis

人間の胸部は複雑な機械であり、呼吸のたびに膨張と収縮を繰り返しながら、重要な臓器を保護する骨と軟骨の檻である。この檻の中、肋骨の間には、肋間筋として知られる薄く湾曲した筋肉の層が存在する。これらの小さな組織の帯は生命維持に不可欠であり、横隔膜とともに肺へ空気を吸い込み、また外へと押し出すために働き、穏やかなため息から、気道を清浄にする力強い咳に至るまで、あらゆる呼吸動作において重要な役割を果たしている。これらの筋肉が弱まったり変化したりすると、呼吸能力に支障をきたす可能性があるが、それらを測定することは長い間、医師にとっての悩みの種であった。非常に薄く、湾曲しており、肋骨に巻き付いているため、標準的な医療スキャンでは明確に捉えることが極めて困難だからである。従来の手法は、二次元の断片的な画像や超音波に頼ることが多く、実際の筋肉がどれほど存在するのか、あるいはどれほど健康であるのかという全体像を見落とす可能性があった。

数十年の間、これら筋肉の完全な三次元マップを得る唯一の方法は、人間の専門家がコンピュータ画面上で一つひとつの筋肉を手作業でトレースすることであった。このプロセスは非常に退屈で時間がかかるため、日常的な医療現場での活用には不向きであった。この制限により、医師は肺の状態を見ることはできても、その肺を動かす筋肉自体の強さを正確に評価することはできない場合が多いという状況が生じていた。しかし、高度なコンピュータビジョンと、不確実性を扱うために設計された特定の人工知能を組み合わせた新しいアプローチが登場している。コンピュータに高解像度スキャン内の捉えにくい筋肉繊維を認識させるよう学習させることで、研究者たちは、呼吸器系の健康状態を理解するための新たな道を切り開き、筋肉の物理的な状態を、人がどれだけうまく呼吸できるかと直接結びつけることを目指している。

最近の研究において、研究チームは、肋間筋を三次元的に自動で見つけ出し、測定できるコンピュータプログラムを開発することで、この問題の解決に取り組んだ。彼らは、胸部の詳細な高解像度3D画像を作成する「薄層胸部CT（コンピュータ断層撮影）」と呼ばれる特定の種類の医療スキャンに焦点を当てた。チームは、形状を識別するだけでなく、自身の判断に対してどの程度の確信を持っているかを算出できる「ベイズU-Net」という洗練されたアルゴリズムを用いて、ソフトウェアの学習を行った。この機能は極めて重要であり、システムが自身の判断に自信を持てない領域をフラグ立てすることを可能にし、人間の専門家にそれらの特定の箇所をレビューし、修正することを促すことができる。コンピュータが推測し、人間が修正し、そしてコンピュータがその修正から学ぶというサイクルを繰り返すことで、システムは繊細な筋肉組織を周囲の脂肪、血管、肺組織から区別する高い習熟度に達した。

このシステムが実際に機能するかどうかをテストするため、研究者らは145人の患者から得られた胸部スキャンの大規模なコレクションにこのシステムを適用した。これらは理想的な教科書通りの症例ではなく、肺腫瘍、肺炎、肺周囲の液体貯留、さらには術後の変化を伴うスキャンを含んでおり、現実世界の医学における複雑な実態を反映するように設計されている。コンピュータは各スキャンを約5分で処理したが、これは人間の専門家であれば数時間から数日を要する作業であった。研究者がコンピュータによる測定値を経験豊富な放射線科医による手作業の結果と比較したところ、その結果は驚くほど近似していた。コンピュータが描いた輪郭と人間の描いた輪郭の一致度は、二人の異なる人間の専門家が独立して作業した場合に見られる一致レベルと同等であった。筋肉全体が測定された第6肋骨レベルの特定のテストにおいて、コンピュータによる容積推定値は人間の測定値と1立方センチメートル未満の差しかなく、その誤差はほとんど気づかないほど微小であった。

単にコンピュータが筋肉を見つけられることを証明するだけでなく、この研究では、これらの測定値が患者の健康にとって何を意味するのかについても調査が行われた。研究者らは、肺からどれだけの空気を強制的に吐き出せるか、およびそれをどれほどの速さで行えるかを測定する標準的な呼吸機能検査も受けている95人の患者を対象とした。その結果、コンピュータが検出した肋間筋の量と、患者の呼吸能力との間に明確な正の相関関係があることが判明した。具体的には、これらの筋肉の容積が大きい患者ほど、肺から吐き出せる総空気量のテストにおいて良好な結果を示す傾向があった。この関連性は、加齢や疾患によって筋肉に浸入しやすい脂肪を除去し、純粋な筋肉組織のみに焦点を当てた場合に、より強力なものとなった。年齢や体格などの要因を考慮した後では、息を吐く速さとの関連性は一貫性に欠ける部分もあったが、全体的なパターンは、コンピュータの測定値が生物学的に意味のあるものであり、実際の身体機能を反映していることを示唆していた。

また、本研究はシステムが依然として直面している課題についても明らかにしている。コンピュータは時として、近くにある小さな血管や脂肪の塊をカウントに含めてしまったり、あるいは脂肪の変化が一般的な肋骨の下部において、筋肉の小さなセクションを見落としたりすることがあった。しかし、これらのエラーは軽微なものであり、筋肉を肺炎や腫瘍のような深刻な肺疾患と混同するようなことはなかった。研究者らは、システムが人間の専門家よりもやや保守的（控えめ）な傾向があり、一部の領域で容積をわずかに小さめに測定していると指摘した。これは、コンピュータが目に見える筋肉の端を厳格に追うのに対し、人間はわずかな不確実性のマージンを含めることがあるためと考えられる。こうした小さな不完全さにもかかわらず、異なる病院や異なるタイプの患者間でも結果に一貫性が見られることは、この技術が多様な医療現場で使用できるほど堅牢であることを示唆している。

この研究は、呼吸筋の評価を、手作業による労力の大きいタスクから、自動化された迅速なプロセスへと移行させる、医療イメージングにおける重要な進歩を象徴している。困難で視認しにくいこれらの筋肉を三次元的にマッピングすることに成功したことで、研究者たちは、スキャン上で肺がクリアに見えていても、なぜ一部の患者が呼吸に苦しむのかを医師がより深く理解するためのツールを提供した。今回の知見は、肋間筋の健康状態が呼吸器系のパズルにおける不可欠なピースであり、それが今や精密に測定可能になったことを示している。この手法が直ちに臨床治療を変えるとまではまだ証明していないが、慢性閉塞性肺疾患（COPD）、術後の回復、あるいは高齢者における呼吸機能の全体的な低下といった疾患と、筋肉の健康がいかに関連しているかという将来の研究に向けた、信頼できる基盤を築いている。これらの筋肉を自動的に可視化し測定できる能力は、人間の呼吸に関するより深い理解への扉を開き、かつては不可視であった解剖学的要素を、健康の明確で定量化可能な指標へと変えるものである。