CT/MRI 解析のボクセル幾何学と信号変化を分離する非補間ラジオミクス手法──CT で ICC 0.9976 を実証

論文概要

本論文では、CTやMRIにおけるラジオミクス（医用画像から高次元の定量的特徴量を抽出する手法）の計算において、ボクセルの異方性がもたらす課題を解決するボクセル間隔認識型フレームワーク（VS）を提案している。従来手法では等方性空間を暗黙的に仮定し、リサンプリングによる補間を行っていたが、これが元の画像信号の変性を引き起こす原因となっていた。PyRadiomicsを拡張し、ネイティブな画像信号を保持したまま物理的幾何学を特徴量計算に統合した結果、LIDC-IDRIの肺結節コホート685例およびI-SPY2の乳房MRIコホート209例を用いた検証において、ネイティブ非リサンプリング抽出（NR）に対してCTで中央値ICC(A,1) 0.9976、MRIで0.9984という高い一致度を示した。

関連研究

従来のラジオミクス解析では、ボクセルサイズが不均一な（異方性を持つ）画像に対して等方性リサンプリング（RS）を適用することが標準的であった。しかし、補間処理そのものがテクスチャ特徴量に人工的な信号変化をもたらすという問題点が指摘されていた。本研究は、メタデータのみを書き換える偽等方性前処理（FK）や従来のリサンプリング手法（RS）と直接比較し、前処理の違いがラジオミクス特徴量および機械学習モデルの予測性能に与える影響を系統的に評価している。

新規性と貢献

本研究の最大の新規性は、画像配列を補間によって改変することなく、テクスチャ計算の段階でボクセルスペーシング（物理的幾何学）を直接考慮に入れるアプローチを導入した点にある。これにより、幾何学的モデリングと補間による信号変更の混同を防ぐことが可能となった。学術的・実用的な貢献として、勾配由来および近傍感度の高い記述子が前処理の影響を強く受けることを明らかにし、補間に依存しない一貫性のある特徴量抽出の代替案を提示した。

提案手法の詳細

提案手法であるボクセル間隔認識型抽出（VS）では、PyRadiomicsのコードベースを修正し、ボクセル間隔をテクスチャ計算の近傍定義や勾配計算に直接組み込んでいる。これにより、画像自体の輝度値を補間せず、異方的な物理空間の歪みを数理的に補正する。なぜこの設計にしたかといえば、補間による高周波成分の損失や偽のテクスチャ生成を防ぎ、臨床画像が持つ本来の信号特性を機械学習モデルの入力として維持するためである。

評価・考察

評価では、NR（非リサンプリング）、RS（等方リサンプリング）、VS（提案手法）、FK（メタデータのみ上書き）の4つの構成を比較した。196個のラジオミクス記述子を用いた検証の結果、VSはNRに対して極めて高い一致度を示し（CTでICC 0.9976、MRIでICC 0.9984）、従来のリサンプリング（RS）よりも変動が大幅に少ないことが確認された。FKの中間的な挙動から、スペーシングメタデータ単体でも特徴量に影響を与えることが実証された。また、外部CTバリデーションにおいては、VSはNRと同等の予測性能を維持したが、MRIでは前処理戦略や分類器による変動が大きいことが示された。

応用例と今後の展望

医療画像AIの分野において、医療機器メーカーやモダリティの差異に起因するボクセルサイズのばらつきは、モデルの汎化性能を低下させる主因の一つであった。日本の医療画像解析・AI研究分野（例えば放射線医学の画像診断支援や製薬企業の治験画像解析部門など、年間数千例規模のCT/MRIデータを扱う現場）において、本手法はリサンプリング依存性を排除した堅牢なバイオマーカー開発を可能にする。今後は、MRIにおけるモダリティ間のばらつきの低減や、より多様な疾患コホートへの適用拡大が課題となる。

結論

本研究は、ボクセル間隔を考慮したラジオミクス抽出手法により、幾何学的モデリングと信号変更を分離できることを示した。補間処理を不要にすることで、CTおよびMRIにおけるラジオミクス特徴量の信頼性と再現性が向上し、臨床現場へのAI導入における前処理の標準化に貢献する。

注釈

• ラジオミクス (Radiomics): 医用画像から定量的特徴量を高次元で抽出し、疾患の診断や予後予測に活用する技術。
• ICC (級内相関係数 / Intraclass Correlation Coefficient): 測定値の一致度や信頼性を評価するための統計指標。
• ボクセル (Voxel): 3次元空間における体素（ピクセルの3次元版）。