医療画像の fusion とは?

今回は医療画像の fusion (一種の画像合成)のお話。
諸々の事情で MR(Magnetic Resonance 磁気共鳴)系の fusion を取り扱っていた。

なお、MRI って何?って方は、『MRI とは? -その1-』・『MRI とは? -その2-』・『MRI とは? -その3-』あたりをご覧ください。特に『その2』のスピンの説明はけっこう好評のようです。

 

しかし、MRI のプロトン密度強調画像程度でことが済んでいればいいんですが、この分野の技術進歩は速い。「拡散」強調(という撮像法。水分子の「拡散」というより「移動」といった方が正確なような気もしますが、ここでは慣例に従います)などは、以前より脳梗塞急性期の診断などに使われている。

大脳右半球に広範な梗塞像(白いところ)が見られる

上の画像は、脳梗塞の拡散強調像(DWI… Diffusion Weighted Image)です。拡散「強調」とは言うものの、実際に撮像するときは、移動しているプロトンからの信号を抑えるような工夫をするので、水分子が動きにくくなっている部位は、高信号になります。梗塞部位に含まれる水分子は、正常組織に比べ「動きにくく」なっているため、結果として梗塞部位は高輝度(白い)領域となって描出されます。

拡散強調画像は、基本 T2 強調画像をベースにしているので、本当に知りたい水分子の挙動(大抵の病変部で水分子は「見かけ」上、拡散しにくくなる。梗塞しかり、癌しかり)を取り出したい。このとき元の拡散強調画像より T2 などの影響を排除するため ADC(Appearant Diffusion Coefficient 「見かけ」の拡散定数) Map というのをつくる。
症例によっては DWI では異常を認めず、ADC Map で低信号(ときには高信号)となって描出されることがあるからだ。
水分子の拡散の度合いを知る上ではこの ADC Map は大変便利なのだが、その反面、組織のコントラストが普段見慣れているそれと違って形態などが読み取りにくい。ストレートに言えば「どこを見ているかわかりにくい」のだ。

この欠点を補うため、解剖学的な形態が読み取りやすい T1 強調画像に ADC Map を適宜「着色」した画像を重ね合わせると、医療者にとって「どこで何がおこっているか」直感的に理解しやすい画像が得られる。

一般に特定の情報を持った画像とそれとは別の情報を反映した画像を「位置を合わせて」合成して表示させることを fusion と言います。PET と CT の fusion はよく知られた例です。(参考:『PET/CT フージョン画像』)

右側頭葉(画像では左)に何かありますね

今回は、T1 強調に ADC Color Map ともいうべき画像を fusion させたわけです。もちろん、HorliX 使いまくり。規格(DICOM)があることゆえ私一人では決められない問題もあったりするのですが、目処がたったらプラグインの形でまとめたいと思っています。

 

猪股弘明(精神科医、理学士)

 

木を見て森を見ず、な医療画像AI自動診断

東海大・高原先生(放射線科医)のお仕事が Yahoo ニュースに載っていたので、ちょっと紹介。

MRIで乳がん早期発見 着衣のまま痛みもなし

マンモグラフィーの画像から、乳ガンの早期診断をする、というのは一昔前の医療 AI の課題としてよくあったのだが、けっこうな数の医者が「マンモグラフィー自体、かなり苦痛を伴うものなので、欲しいのは代換案なのだが、なんでマンモだけにこだわって研究してんの?」と生暖かい視線を送っていたと思う。

高原先生の DWIBS 以外にも各種方法論が提案されている。

「AI による自動診断」というのは一つの流行で、その手の研究が増加するのはわからないでもないんだが、他に決め手がありそうなときは、そちらを優先する、というのが医療人の基本的な考え方だと思う。

私も皮膚の画像から、悪性黒色腫などをひろいあげるシステムつくろうかと思ったことがあるのだが(『それは一枚の画像から始まった』あたりをご参照のほどを)、あくまで、「早期診断」レベルで、この分野の練習くらいで取り組んでいた。少なくとも、治療に繋がるような医療の本筋ではないなと思っている。

そもそも皮膚の写真を撮るダーマスコピー(dermoscopy)は、撮像条件を一定にすることが難しく、撮れた画像にしても(原則的には)皮膚表面の情報しか取得できない。
こういう状況下では、画像情報だけにこだわるのは、研究としては成立しても、実際の臨床に決定的な影響を与えるものか?と思う。

この手の研究に手を出すときは、木(画像)だけを見て森(病態)を見ずにならないように気をつけたいところだ。

 

猪股弘明(精神科医・東京都医学総合研究所客員研究員)


最近、Newsweek が、『AI vs 癌』の特集をしたのだが、

やはり、というべきか、こういう記載が・・・。

「専門の放射線診断医と同じくらい正確に(乳癌検査の)マンモグラフィーの画像を読み取れたり、皮膚科医と同じように皮膚がんを識別できたりするアルゴリズムが既に登場している」と、M.D.アンダーセン癌センターの病理医オク・チヨンは言う。「技術の進歩には目を見張らされる」

 

あー、マンモ(による乳がん検出)とダーマスコピー(による皮膚がん検出)ですか。臨床医の考えていることは、もうちょっと別のところにあると思いますけどね。

 

それは一枚の画像から始まった (2)

以前のエントリで悪性黒色腫(疑い)の写真(アイキャッチ画像参照)を掲げたが、そこでは深さ方向の情報を得るために計測系の話に触れた。が、流行りの「AI による自動診断」に話を持っていってももちろんいい。
悪性黒色腫はプライマリー的には

Asymmetry 非対称性
Border 輪郭がギザギザしている
Color 色むら
Diameter 大きさ
Evolving 変化がある

でチェックするらしい。A〜E すべてなんとも定量化しやすそうな量ではないだろうか。

ところで大阪医科大学の西澤先生が、AI が陥りがちなバイアスについてまとめた記事を( facebook 上でだか)教えてくれた。

AIのバイアスのほんとうの問題は人間が気づかないバイアスだ

皮膚ガンを見つけるシステムのエピソードが興味深かった。

 

もっと真剣な例としては、最近発表された写真を見て皮膚がんを発見しようとするプロジェクトです。後になってわかったのは、皮膚科の医者はよく皮膚がんの写真の中に大きさを示すために定規を入れる習慣があるということです。逆に、このAIシステムに与えられる健康な皮膚の写真には定規は入っていませんでした。

システムにとっては定規は皮膚がんと健康な皮膚のサンプルの写真の間にある違いに過ぎませんが、それは皮膚の上に見られるしみよりも大きな違いとして認識されました。そこで、皮膚がんを検出するためにデザインされたシステムは、定規を検出するシステムとして出来上がってしまったのです。

 

要するに、皮膚ガン(MMもたぶん含んでいる)を検出するシステムを作ろうとして、結果的に定規を検出するシステムを作ってしまった、というオチです。確かに機械的に画像を学習させていくと、この条件だと、ニューラルネットは画像上の定規が示す特徴をガンのもっとも重要な指標とみなすでしょうね。

 

猪股弘明(皮膚科でも放射線科でもなく精神科医

それは一枚の画像から始まった

Orthanc という医療画像サーバーのメーリングリストに 「皮膚の .png 画像 ↓

ダイコム化できない!」という人がいたので、HorliX のプラグイン機能を使ってダイコムファイルとして取り込んでみた。
ついでで HorliX で3D表示。

けっこうカッコよくないでしょうか?

これは擬似的に3次元化しているだけなので、医学的にはあまり意味はないんですが、とある計測装置で深さ情報を取得してこれができるとそれなりに意味があるかなと。
デルマ(皮膚科)のことはもうかなり忘れてますが。

個人的にはソフトよりも実計測の方が好きなんですよね。

猪股弘明(皮膚科でも病理医でもなく精神科医)


医療情報としては、ダイコムとして取り込んでお話はお終いになってしまうんでしょうが、医療はここから始まる。

この画像見たら、大抵の医師ならば

黒子(ほくろ)? それとも悪性黒色腫?

と思うはずだ。

悪性黒色腫は、色素細胞が悪性化(癌化)したもので、だから「ほくろの癌」などとも言われる。初期の段階で発見・適切な治療を行えば比較的予後は良いが、うっかり放置して癌がある程度の段階まで進行してしまうと5年生存率は 50 %をきるかなりタチの悪い癌なのだ。

一般的に癌の治療は、進行度によって異なる。初期の段階ならば部分的な切除ですむところが、進行して、例えばリンパ節に転移しているような場合には、当然、原発巣から遠く離れた部位までの手術を考えなければいけなくなる。「癌は早期発見が重要」と言われるゆえんだ。
ちなみに悪性黒色腫の場合の病期分類は以下のようになっている。

国立がん研究センターのサイトより

病期(ステージ)が IA, IB ならば部分切除ですむ(し、予後も良い)が、ステージ IV まで進行していた場合、手術に加え放射線治療や化学療法も組み合わせないといけない(し、奏功するとも限らない)。

また、病期を決めるにあたって腫瘍の厚さが重要な指標になっているのがわかるかと思う。「とある計測装置で深さ情報を取得してこれができるとそれなりに意味がある」と書いたのはこういった理由による。

 

ラジエーションハウスと SWI

えらくマニアックなところに目を付けたフジ月9ドラマ「ラジエーションハウス」、通称「ラジハ」。

こんなドラマやってたんだ。

漫画の1話目を読んだが、主人公がやったのは、SWI(Susceptibility Weighted Image 磁化率強調画像)というやつかな?

(Zスライスが選択された上で)座標(x, y)の位相θは

θ(x,y)=∫γ{B0 + (Gx・x + Gy・y)}dt    積分範囲は 0~TE

となるらしい。

B0 = μ0(1 + χm)H

なる関係があるから、組織間で磁化率 χm が違えば、それがコントラストとなってあらわれる、というのが理屈だろうか。(なお、銀歯は銀-パラジウムなどの合金。特にパラジウムは磁化率が 5.15×10-6と周囲の組織より高い)

実際には、銀歯の影響でボケてしまった強度画像に、位相画像から磁化率(か、関連数値)を逆算して取得し、それを強度画像に作用させ、隠れていたコントラストを描出させた、ということでしょうか。

漫画では、phantom.tif という TIFF 画像を読み込んできてなんかやってますね。ファントムでのデータを使って補正までかけるという芸の細かさw

猪股弘明(精神保健指定医)


MRI の基礎をすっ飛ばしていきなり応用編となってしまいましたが、もうちょっと基本から説明したものを某調剤薬局さんのブログに寄稿しましたので、ご興味があればご一読ください。

MRI とは?-その1-

MRI とは?-その2-』(「スピン」の説明してあります。測定原理的にはここがキモでしょうか)

MRI とは?ーその3ー

私も MRI の専門家ではないんですが、これくらいの知識があると画像の解釈がいくらか正確になるかと。