Monte Carlo Propagation for Confidence Scoring of Ventricular Tachycardia Ablation Targets in Patient-Specific Cardiac Models

技術要約：心室頻拍アブレーション標的の信頼度スコアリングのためのモンテカルロ伝播

問題提起
心室頻拍（VT）は、心筋梗塞後の瘢痕組織内におけるリエントリー回路によって引き起こされることが多い、生命を脅かす不整脈である。現在の臨床実務は、電気解剖学的マップや計算モデルに基づいたカテーテルアブレーションに依存している。しかし、既存の患者固有の心臓モデルは主に決定論的であり、医療画像や組織特性に内在する不確実性を無視した単一のシミュレーション実行に依存している。この決定論的なアプローチは、重要なアブレーション部位の見落とし、不要な標的の生成、および高いVT再発率（1年で23〜49%）を招く可能性がある。さらに、標準的なモデルには、予測の信頼性を定量化するメカニズムが欠けており、特定のアブレーション標的に関する臨床医への信頼性を誤認させる可能性がある。

手法
本研究は、アブレーション標的予測の不確実性を定量化するために、モンテカルロ伝播（MCP）と臨床標準のエイコナル心臓モデルを統合した計算パイプラインを提案する。ワークフローは、EMIDECデータセット（遅延強調心臓MRIからの心筋梗塞の評価）のデータを以下の段階を経て処理する：

1. データ処理およびメッシュ生成：

   • 入力： 3D遅延強調MRI（DE-MRI）ボリュームおよび専門家によるセグメンテーション（背景、左室腔、正常心筋、瘢痕、微小血管閉塞）。
   • 前処理： バイナリマスクは、アーティファクトを除去するために形態学的クリーニング（バイナリ閉演算）を受ける。
   • メッシュ生成： サーフェスメッシュはマーチングキューブ法によって抽出され、PyVistaを用いてクリーニング、平滑化、およびデシメーション（間引き）が行われる。体積テトラメッシュはGMSH（要素サイズ1.2〜2.5 mm）を使用して生成され、FEniCS形式に変換される。
   • 瘢痕マッピング： 瘢痕強度がMRIセグメンテーションからメッシュノードに投影され、健康な組織、境界領域、および高密度瘢痕を表す階調的な強度場（0.0から1.0）が作成される。

2. 不確実性定量化（モンテカルロ伝播）：

   • エピステミック不確実性（例：MRIの解像度限界、コントラストの拡散、観察者間のばらつき）に対処するため、本研究では**$N=10$個の妥当な瘢痕実現態（realizations）**のアンサンブルを生成する。
   • これらの実現態は、確率的な形態学的操作（ランダムな膨張・収縮）および、コア瘢痕と境界領域内の定義された範囲内でのランダムな強度割り当てを使用して作成される。
   • このアンサンブルは、解剖学的基質の連続的な不確実性分布を捉える。

3. 電気生理学的シミュレーション：

   • エイコナル方程式（$|\nabla T(x)| = 1/c(x)$）が、ファストマーチング法（scikit-fmm）を用いて各実現態に対して解かれる。
   • 伝導速度（CV）は空間的に不均一である：健康な組織では0.7 m/s、高密度瘢痕では0.25 m/sであり、境界領域ではこれらが補間される。
   • このアプローチは、アンサンブル生成に適した計算効率（1実行あたり数秒）を優先しており、イオンモデルのような生物物理学的な詳細さよりも簡略化されている。

4. 信頼度スコアリングおよび標的特定：

   • リエントリー検出： 多基準スコアリングシステムにより、低速伝導（<0.5 m/s）、境界領域組織、および遅延活性化（上位70パーセンタイル）に基づくリエントリー基質を特定する。
   • 信頼度指標： 各ノードについて、そのノードが検出されたリエントリー回路またはアイスマスに参加している割合として、信頼度スコア $C(x)$ が計算される。
   • 分類： ノードは、高信頼度（アンサンブル間でのコンセンサス）、不確実、または低信頼度に分類される。標的セットを定義するために、適応的なパーセンタイルベースの閾値（例：75パーセンタイル）が使用される。

主な貢献

• 不確実性を考慮したモデリング： 本研究は、決定論的な二値予測を超えて、確率的な信頼度スコアリングを実現する、アブレーション標的特定のための最初期の不確実性定量化の適用例の一つを導入する。
• パイプラインの統合： MRIセグメンテーション、メッシュ生成（GMSH/FEniCS）、およびアンサンブルベースのエイコナルシミュレーションを組み合わせた、完全に自動化されたパイプライン。
• リスク層別化された意思決定支援： 本フレームワークは、臨床医が単一の固定された標的セットに頼るのではなく、信頼度閾値を調整することで、リスク許容度（保守的、中程度、積極的）に基づいたアブレーション戦略を選択することを可能にする。

結果
本研究は、9名の梗塞後患者に対し、MCPフレームワークを決定論的ベースラインと比較して評価した：

• 精度の向上： Top-10閾値において、MCPは平均精度0.967を達成し、決定論的モデルの0.567と比較して、40.0パーセントポイントの向上を示した。9名中8名の患者において、MCPによるTop-10での完全な精度（1.00）が達成された。
• 標的の安定性： モデルは患者1人あたり21.0 ± 8.7個の安定した高信頼度標的を特定し、これは候補ノードの**33.7%**の安定率を表している。
• 偽陽性の減少： 本フレームワークは、決定論的モデルのみによる予測の**36.8%**を低信頼度の偽陽性としてフラグ立てした。決定論的モデルのみの標的の平均信頼度スコアは0.168であったのに対し、安定した標的のスコアは0.650であった。
• 識別性能： 受信者動作特性（ROC）分析の結果、MCPのAUCは0.966となり、決定論的ベースライン（AUC 0.500）を大幅に上回り、高信頼度標的と低信頼度標的を区別するモデルの能力を実証した。
• 適応的挙動： 偽陽性のフラグ立て率は、瘢痕濃度と逆相関して変化した（0%から58.3%）。これは、モデルが曖昧または拡散した基質がある場合に、正しく注意を促していることを示している。

意義および主張
著者は、本研究が不確実性を考慮した心臓モデリングの概念実証（プルーフ・オブ・コンセプト）を確立したと主張している。その意義は、画像の限界を認めた上での、硬直した二値的な推奨から確率的なガイダンスへの転換にある。

• 臨床的有用性： 信頼度で重み付けされた予測を提供することにより、本フレームワークは、患者固有のリスクプロファイルやデータの質に基づいてアブレーションの範囲を調整できる、リスク層別化された臨床的意思決定をサポートする。
• 効率性： 偽陽性の減少と精度の向上は、処置時間の短縮および不要なアブレーションの削減につながる可能性を示唆している。
• 限界と今後の課題： 著者は、検証が実際の臨床的なVT停止ではなく、実現態間のコンセンサスに基づいていることを謙虚に述べている。また、エイコナルモデルが（モノドメインモデルと比較して）複雑な機能的リエントリーをシミュレートできないこと、および現在の焦点が、組織の導電性や線維配向ではなく、解剖学的不確実性に置かれていることを認めている。しかし、著者は、明示的な不確実性の定量化が、モデルベースの治療の責任ある臨床応用への不可欠なステップであると断言している。