Prediction of non-surgical spinal decompression efficacy in lumbar disc herniation patients is based on pre-treatment paravertebral muscle MRI radiomics and clinical factors in a two-center study with external validation.

腰痛は人類共通の経験であり、働く世代の何百万人もの人々にとって、単純な動きさえも日常的な苦闘へと変えてしまう、絶え間ない伴侶のような存在です。腰椎の骨の間にあるクッションとなる椎間板が本来の位置からずれると、神経を圧迫し、足へと鋭い痛みを生じさせ、日常生活の機能を制限することがあります。重症の場合には手術という選択肢もありますが、多くの場合、まずは体を切ることなく圧迫を軽減するように設計された保存的治療が提案されます。そのような手法の一つとして、専用の機械を用いて脊椎を優しく牽引し、神経のためのスペースを作り出し、体が自らを治癒するのを促す方法があります。しかし、この治療法がすべての人に効果があるわけではありません。即座に緩和を感じる患者もいれば、全く変化が見られない患者もいます。数十年にわたり、医師たちはどの患者が恩恵を受けるかを、明確で客観的な予測手段ではなく、経験や一般的な症状に基づいて推測しなければなりませんでした。

研究チームは、その疑問に答えるための新しいツールを開発しました。標準的な医療画像と高度なコンピュータ解析を組み合わせることで、治療開始前に患者の脊椎を観察し、その人がどれほど改善する可能性が高いかを推定できるシステムを作り上げたのです。この研究は、脊椎に沿って走る筋肉に焦点を当てました。これらの筋肉は、標準的なスキャンでは見落とされがちなものです。「ラジオミクス」と呼ばれる技術を用いて、研究者たちは、人間の目では見ることができない筋肉の質感や組成における微細で目に見えないパターンを検出するようにコンピュータに学習させました。彼らは、これらの筋肉のパターンを患者の年齢や健康状態といった単純な事実とともに分析することで、誰がストレッチ療法（牽引療法）によく反応し、誰が反応しないかを正確に予測できることを見出しました。

研究チームは、非外科的な脊椎減圧治療を受けた2つの異なる病院の計766人の患者からデータを収集しました。治療開始前に、すべての患者に対して腰部のMRIスキャンが行われました。チームは、腹部の深部を走る大腰筋、脊椎を支える脊柱起立筋、そして個々の椎骨を安定させる小さくも重要な筋肉である多裂筋という、3つの特定の筋肉に注目しました。専門的なソフトウェアを使用して、これらの筋肉をMRI画像上にマッピングし、数百もの定量的特徴を抽出しました。これらの特徴は、組織の密度、脂肪の存在、そして筋肉繊維の微視的な質感といったものを測定していました。

この膨大なデータを理解するために、チームは機械学習、つまり事例を研究することによってパターンの認識を学ぶタイプのコンピュータプログラムを使用しました。彼らは患者をグループに分け、一つの大きなグループをコンピュータの学習に使用し、別のグループを予測のテストに使用しました。コンピュータは、治療後に大幅に改善した患者と、改善しなかった患者を区別することを学習しました。結果として、コンピュータモデルは非常に高い精度を示しました。モデルが筋肉のデータと、年齢、糖尿病や高血圧の有無、職業といった基本的な臨床情報を組み合わせたとき、それは単一の情報源によるものよりも優れたパフォーマンスを発揮しました。

最も重要な発見は、コンピュータが成功を予測する特定の兆候を筋肉の中に特定できたことです。分析の結果、多裂筋の状態が特に示唆に富むことが明らかになりました。多裂筋の質感が健康的で、脂肪の浸潤が少ない患者は、治療によく反応する可能性が非常に高いことがわかりました。逆に、筋肉が退行しているように見えたり、脂肪が大量に浸潤していたりする患者は、恩恵を受ける可能性が低い傾向にありました。また、コンピュータは医師たちが長年疑ってきたことを裏付けました。すなわち、年齢は主要な要因であるということです。脊椎の椎間板や筋肉が一般的に柔軟で水分量が多い若い患者は、組織が硬く摩耗している高齢の患者よりもはるかに良好な反応を示しました。

この研究は単に数字のリストを作成したのではなく、意思決定を導くための実用的なモデルを作成しました。研究者たちは、このモデルが現実世界でも機能するかを確認するために、別の病院の全く新しい患者グループに対してモデルをテストしましたが、その有効性は維持されました。モデルは、改善するであろう患者の大部分を正しく特定し、同時に、結果が得られる可能性が低い患者にもフラグを立てました。これは極めて重要です。なぜなら、医師が効果の期待できない治療に患者を供することを避け、時間の節約とリソースの最適化ができることを意味するからです。その代わりに、そうした患者はより早い段階で、手術や他の療法といった別の選択肢へと誘導される可能性があります。

このアプローチをユニークなものにしているのは、全体像を見ている点です。これまでの研究は、椎間板そのものだけに焦点を当てたり、医師の主観的な評価のみに頼ったりすることがよくありました。この新しい手法は、脊椎を、周囲の筋肉の健康状態が椎間板の状態と同じくらい重要な一つの「システム」として扱っています。コンピュータ解析は、強力な顕微鏡のように機能し、脊椎が減圧機の優しい牽引力に対して効果的に反応できるかどうかを決定づける、筋肉組織の微妙な違いを明らかにします。もし筋肉が弱すぎたり硬すぎたりすれば、それらは椎間板に必要な力を伝達することができず、治療は失敗します。

研究者たちは、自分たちの研究が過去のデータを振り返ることに基づいているため、将来的に患者を追跡調査する研究によって確認される必要があることを慎重に注記しました。また、MRIスキャン上で筋肉をマッピングするプロセスを手作業で行っており、時間がかかること、そして将来のバージョンのツールでは、スピードアップのために自動化されたシステムを使用する可能性があることも認めています。こうした限界はあるものの、本研究は背部痛治療の新しい考え方に対する強固な基礎を提供しています。それは、一律の（ワンサイズ・フィット・オール）アプローチから、患者自身の体からのデータに基づいた、よりパーソナライズされた戦略へと分野を移行させるものです。

結局のところ、この研究は、精密で客観的な証拠によって医療の決定が導かれる未来を垣間見せてくれます。筋肉組織の隠された言語を理解することで、医師は患者に最も適した治療をより良くマッチングさせることができます。椎間板ヘルニアに苦しむ何百万人もの人々にとって、これは、保存的治療が助けになるのか、それとも他の選択肢を検討すべき時期なのかという不確実性を軽減し、より明確な進むべき道を示すものとなります。この研究はすべての人に治癒を約束するものではありませんが、一人ひとりに最適な道を選択するための、よりスマートな方法を約束するものです。