imaging-study-design

画像検査研究の設計とバイオマーカーの選択

概要

このスキルは、医用画像検査研究の設計と画像バイオマーカーの選択に関する方法論をまとめたものです。前処理、位置合わせの対象、匿名化、バイオマーカーの選択、ラジオミクスの安定性、複数施設間の調和化に関する判断を支援します。これは推論スキルであり、パイプラインのコードは生成しません。具体的なツール（FreeSurfer、FSL、ANTs、PyRadiomics、nnU-Net、MONAI）を使う場合は、研究デザインを決定した後に、このスキルとパイプラインスキルを組み合わせてください。

中心となる原則は、前処理とバイオマーカーの選択では、臨床的な問いに答える信号を保つ必要があるということです。ある問いでは標準的なパイプライン（例：群間比較のためのMNIへの位置合わせ）が、別の問い（例：縦断研究における個人の萎縮）では信号を損なう可能性があります。

使用方法

画像検査研究を計画するとき、または既存の画像検査パイプラインを評価するときに、このスキルを呼び出してください。典型的なプロンプトは次のとおりです。

• 「アルツハイマー病患者の海馬萎縮を2年間にわたって測定したいのですが、どのように前処理すればよいですか？」
• 「NSCLCの予後を予測する複数施設のラジオミクス研究を設計してください。」
• 「3台のスキャナーで脳MRIを収集しています。どのような調和化が必要ですか？」
• 「標準的な匿名化の後、このDICOMを共有しても安全ですか？」
• 「てんかんの術前マッピングには、どの画像バイオマーカーを使うべきですか？」

画像検査に関するあらゆる問いを整理する際は、「コアコンセプト」の最後にある意思決定フレームワークを使ってください。

回答形式

• 直接的な推奨または分類を冒頭に示します（3文以内）。
• 次の構成にします：推奨 → 根拠（具体的な基準・閾値を示す）→ 留意点
• 比較には表を、基準の一覧には箇条書きを使います。
• ユーザーがすでに知っている背景説明は省きます。ユーザーは質問への回答を求めています。
• 目安は200～400語です。ただし、ユーザーが網羅的な詳細を求めている場合を除きます。

このスキルの意思決定ツリーとフレームワークは、内部での推論にのみ使用します。結論を導くために適用しますが、回答でそのまま再掲しないでください。根拠を添えた最終的な推奨のみを提示してください。

コアコンセプト

1. 前処理の方針は後続の目的によって異なります

「MRIを前処理する」ための万能な手順はありません。パイプラインは解析対象に合わせる必要があります。

後続の目的	前処理の優先事項	避けること
群間比較（横断研究）	共通テンプレート（MNI/SPM）に位置合わせし、平滑化し、VBMの場合はモジュレーションを適用します	ネイティブ空間のみでの解析
縦断的な萎縮・変化	経過観察時点の画像を被験者のベースラインに剛体位置合わせし、その後、必要に応じてベースラインをテンプレートに位置合わせします	各時点を個別にMNIに位置合わせすること
病変のセグメンテーション	バイアスフィールド補正、頭蓋骨除去、強度正規化を行います。位置合わせは多くの場合、任意です	病変の境界をぼかす過度な平滑化
ラジオミクス・テクスチャ解析	まず撮像条件を標準化します（ボクセルサイズ、再構成、ビニング）。等方性にリサンプリングし、強度を決定論的に離散化します	調和化せずにプロトコルを混在させること。不均質なデータにデフォルトのビン設定でラジオミクスを適用すること
機能的MRI	スライスタイミング補正（TRが長い場合）、体動補正、歪み補正、解剖画像への位置合わせを行います。群解析の場合は正規化し、必要に応じてバンドパスフィルターを適用します	体動スクラビング前に正規化すること。ICAによるノイズ除去前に平滑化すること
拡散MRI	ノイズ除去、ギブスリンギング除去、eddyによる補正と体動補正、バイアス補正を行ってから、テンソル・ODFをフィッティングします	これらの手順の順序を入れ替えること。逆位相エンコード画像が利用可能なのに歪み補正を省略すること

2. 登録先の決定

登録先には、信号がどこに存在するかという前提が反映されます。

• MNI／母集団テンプレート — 横断的な群統計、ボクセル単位の解析（VBM、TBSS）、アトラスベースのROI抽出に使用します。個人の解剖学的構造が一部変形されて失われることを許容します。
• 被験者ベースライン（被験者内テンプレート） — 変化（萎縮、腫瘍の増大、病変の変化）の縦断解析に使用します。各被験者の解剖学的構造を保持し、一貫した個人フレーム内で変化を測定します。
• ネイティブ空間 — 病変解析、手術計画、腫瘍のラジオミクス、または登録によって関心対象の構造が変形したり、ROIに補間アーチファクトが生じたりするケースに使用します。
• 被験者の解剖学的画像（T1） — 群正規化を行う前の、被験者内のモダリティ間アラインメント（fMRI、DWI、PETからT1）に使用します。

経験則：「この画像を変形しても、関心のある対象を測定できるか」と考えます。答えが「いいえ」（体積変化、病変の形状、腫瘍のテクスチャなど）の場合は、測定をネイティブ空間または被験者内空間で行います。

3. DICOM匿名化におけるリスク領域

標準的なタグベースの匿名化（DICOM PS 3.15 Basic Application Level Confidentiality Profile）は必要ですが、それだけでは不十分です。残存するPHIのリスクには以下があります。

• ピクセルデータに焼き込まれた注釈 — 超音波フレーム、画面キャプチャ、セカンダリキャプチャ、線量レポート、3D再構成画像などが該当します。患者名／MRN／生年月日がピクセルに描画されていることがよくあります。タグレベルの消去では除去できません。目視によるQCまたはOCRベースのピクセル墨消しが必要です。
• メーカー固有のプライベートタグ — Siemens CSAヘッダー（0029,xx10／0029,xx20）にはプロトコル情報や、場合によっては患者情報が含まれることがあります。GEのプライベートブロック（例：0043,xx）やPhilips MRのプライベートタグには、識別子や自由記述を含む撮像メタデータが格納されている場合があります。デフォルトのDICOMプロファイルでは、これらが保持されたり、一部しか消去されなかったりすることがあります。メーカーごとに方針を決め、特定のブロックが必要な場合を除いてすべてのプライベートタグを削除し、検証してください。
• 構造化レポート（SR）とカプセル化PDF — 所見の記述には、患者名、紹介医、日付、既往歴が含まれることがよくあります。自由記述として扱い、墨消しするか削除する必要があります。
• 日付やMRNを埋め込んだUID — 施設によっては、タイムスタンプや記録番号からStudy／Series／SOP Instance UIDを生成しています。元のUIDを残すのではなく、一貫性のあるハッシュでUIDを書き換えます（リリース内の参照整合性は維持します）。
• 頭部MRI／CTからの顔の再構成可能性 — 高解像度のT1／CT画像では、顔を再構成できます。公開リリースではデフェイシング（例：顔の周囲のボクセルを除去または変形）を行います。研究目的のみの共有では、スカルストリッピングを検討してください。
• 撮像日と時刻 — 名前を削除した後でも、正確な日付は補助データと組み合わせることで再識別につながる可能性があります。相対的なタイミングが重要な場合は、被験者ごとに日付をずらし、ずらす間隔を維持してください。

説明責任を果たせる匿名化計画では、適用するプロファイル、プライベートタグの扱い、ピクセルデータの検査有無、SR／PDFオブジェクトの扱い、UIDの再割り当て方法、デフェイシングの方針、および人間が確認するQCサンプルを明記します。

4. 適応症別の画像バイオマーカー選択

評価対象の生物学的特性に合ったバイオマーカーを選びます。

適応症	モダリティ／コントラスト	バイオマーカー	根拠
アルツハイマー病、MCI	構造T1 MRI	海馬体積、皮質厚、脳室体積	神経変性を直接測定します
多発性硬化症	T2/FLAIR + T1	病変量、病変数、脳実質分画、脊髄面積	疾患負荷と萎縮を評価します
白質疾患、DAI、統合失調症	拡散MRI	FA、MD、RD、AD（トラクトベースまたはボクセル単位）	微細構造の完全性を評価します
急性脳卒中	DWI + PWI	DWI病変体積、PWI-DWIミスマッチ、CBF	梗塞コアとペナンブラのトリアージに用います
脳腫瘍（神経膠腫）	DSC/DCE灌流、MRS、拡散	rCBV、Ktrans、ADC、NAA/Cho比	悪性度、治療反応、偽増悪と再発の判別に用います
術前計画（てんかん、腫瘍）	課題fMRIおよび安静時fMRI、DTIトラクトグラフィー	言語・運動の賦活マップ、病変と神経線維束の距離	機能局在を評価します
神経細胞の完全性（各種）	1H-MRS	NAA/Cr、Cho/Cr、mI/Cr	神経細胞の喪失や膜代謝回転を示す代謝マーカーです
脳以外の腫瘍	CT、PET/CT、mpMRI	体積測定、SUVmax/SUVpeak、ラジオミクスシグネチャー、ADC	病期分類、治療反応（RECIST、PERCIST）に用います
心臓	シネ、LGE、T1/T2マッピング	EF、ストレイン、LGE負荷、ネイティブT1、ECV	機能、線維化、浮腫を評価します

選択基準：（1）生物学的妥当性 — このバイオマーカーは、検討する問題と機序的に関連していますか？（2）測定可能性 — 利用可能なスキャナー／プロトコルで、十分なSNRと信頼性が得られますか？（3）妥当性 — この適応症と対象集団で検証されていますか？（4）実用性 — 研究の撮像時間と費用の範囲内で取得できますか？

5. ラジオミクスの安定性とサンプルサイズの管理

ラジオミクスの特徴量は非常に不安定なことで知られています。不安定な特徴量に基づくシグネチャーは、一般化できません。

• テスト・再テスト信頼性 — モデルに含める特徴量は、反復スキャンでICC ≥ 0.75（高い信頼性を求める場合は通常ICC ≥ 0.9）を満たす必要があります。モダリティに合致するテスト・再テストコホート、または公開されているコホート（例：RIDER Lung CT）を使用してください。
• IBSI準拠 — IBSI準拠の特徴量抽出ツール（IBSI設定を用いたPyRadiomics、CERR、LIFEx）を使用し、IBSI特徴量の定義とハッシュを報告してください。準拠していない抽出ツールでは、施設間で再現できない特徴量が生成されます。
• セグメンテーションの頑健性 — 理想的な輪郭だけでなく、現実的な輪郭のばらつきに対する特徴量値の評価者間および評価者内ICCを評価してください。
• まず撮像を標準化する — ボクセルサイズ、再構成カーネル、強度の離散化（固定ビン幅と固定ビン数のどちらかを選び、その理由を示す）を統一することで、事後的な調和化よりも多くのばらつきを除去できます。
• 調和化 — ComBat（またはその派生手法：パラメトリック／ノンパラメトリック、共変量保持の有無）を適用して、撮像の標準化後にスキャナー／施設の影響を除去してください。撮像の標準化の代替として使用してはいけません。
• モデリング前の特徴量削減 — 冗長な特徴量（|ρ| > 0.8）をクラスタリングし、不安定な特徴量を除外してから、交差検証の内側で教師あり次元削減（LASSO、mRMR）を適用してください。過学習を避けるため、最終モデルはおおむねイベント10件あたり特徴量1つ（EPV ≥ 10）に制限してください。イベント数が少ない研究では、この制約を明示的に報告してください。その場合、特徴量は20個ではなく3～5個を選ぶことが多くなります。
• 研究を再現可能にするため、TRIPODまたはCLEAR形式に沿ったパイプラインの説明を報告してください。

6. 多施設研究での考慮事項

多施設研究では、統計的検出力と施設間の不均一性がトレードオフになります。不均一性を見込んで計画してください。

• プロトコルの標準化 — ADNI スタイル、または同等の調和されたプロトコル（シーケンスパラメーター、解像度、撮像範囲、再構成）を採用します。スキャナーモデルとソフトウェアバージョンの適格基準について合意します。
• スキャナーとコイルの影響 — 可能な限りプロトコルで固定し、残存する影響は ComBat または線形混合モデル（施設をランダム効果として扱う）でモデル化します。トラベリングファントム（全施設で撮像する1人の被験者、または物理ファントム）を用いて、残存バイアスを定量化します。
• スキャンごとにスコア化する QC 指標 — SNR、CNR、体動（例：fMRI の FD、FreeSurfer T1 QC の Euler 数）、ゴースト、撮像範囲、幾何学的歪み。解析開始後ではなく、開始前に除外閾値を事前に定義します。
• 中央処理と各施設での処理 — 中央処理では施設ごとのパイプラインのばらつきをなくせます。バージョンを固定した Docker/Singularity コンテナを使用するなら、各施設での処理も許容されます。
• 読影者間のばらつき — 人が介在する手順（セグメンテーション、病変数のカウント、BI-RADS）には、サンプルを対象に 2 人以上の読影者を起用し、Cohen の κ または ICC を報告して、事前に定めたルールに従って不一致を裁定します。
• 解析計画 — 統計モデルを事前登録します。施設を固定効果（施設数が少なく安定している場合）とするか、ランダム効果（施設数が多く、一般化を目指す場合）とするか、また ComBat を特徴量レベルと画像レベルのどちらに適用するかを、事前に決定します。

7. 意思決定フレームワーク — すべての画像研究に適用

パイプラインコードを1行でも書く前に、次の4つの質問に答えてください。

1. 臨床的な問いは何ですか？ — スクリーニング、診断、病期分類、予後、治療反応、機序のいずれですか？問いによって、エンドポイントと許容できる誤差の特性が決まります。
2. どのモダリティとコントラストで答えられますか？ — 生物学的特性と物理特性を対応させます（§4 を参照）。複数のモダリティで答えられる場合は、コストと便益のバランスが最もよく、その適応症について既存の検証があるものを選びます。
3. 関心のある信号を保持するには、どのような前処理が必要ですか？ — 測定内容から逆算します。測定対象が体積変化なら、個々の解剖学的構造を保持します。群レベルの賦活なら、テンプレートに位置合わせします。テクスチャなら、撮像を標準化し、ROI 内の補間を避けます。
4. どの交絡因子を制御する必要がありますか？ — 年齢、性別、スキャナー、施設、コイル、ソフトウェアバージョン、体動、時刻、投薬、スキャン品質などです。これらを明示的に列挙し、モデルに含めるもの、設計によって除外するもの、限界として認めるものを決定します。

4つの質問のいずれかが不明確、または意見が分かれる場合は、パイプラインを構築する前に解決してください。画像研究での失敗の多くは、ツールの問題ではなく、ステップ1または3の問題です。

このスキルを使用しない場合

• 個々の患者の診断のために画像プロトコルを選定する場合（臨床放射線医学）
• 規制当局への申請で、適格な画像 CRO による監督が必要な場合
• リアルタイムの画像解釈や放射線医学的レポートを行う場合

人間の専門家に相談する場合

• 主要エンドポイントに影響する多施設間の調和に関する意思決定
• 画像バイオマーカーを試験の代替エンドポイントとして使用する場合
• ベンダーの専門知識を要する、スキャナー固有のプロトコル最適化

よくある間違い

• 誤り： 縦断的な各時点の画像を個別に MNI に位置合わせする 正しい方法： 被験者内テンプレートを作成するか、まずフォローアップ画像をベースライン画像に剛体位置合わせします。その後、必要に応じて MNI に正規化します 理由： 被験者固有の萎縮がワープフィールドに吸収され、縦断的な変化のシグナルが失われます

• 誤り： タグベースの DICOM 匿名化のみに依存する 正しい方法： 匿名化計画に、ピクセルの検査、プライベートタグの方針、SR/PDF の処理、UID の再マッピング、顔のぼかしを含めます 理由： ピクセル内に焼き込まれた PHI、プライベートタグ、SR/PDF の記述、日付がエンコードされた UID は、単純なタグレベルのスクラブではすべて残ってしまいます

• 誤り： テスト再テスト ICC が 0.75 未満の特徴量を使ってラジオミクスモデルを構築する 正しい方法： 教師あり選択を行う前に、ICC ≥ 0.75（できれば ≥ 0.9）で特徴量をフィルタリングし、セグメンテーションの頑健性も考慮します 理由： 不安定な特徴量は再現性を損ないます。それらをもとに構築したシグネチャは、外部コホートに一般化できません

• 誤り： 複数施設の画像研究でスキャナーや施設の影響を無視する 正しい方法： プロトコルを標準化し、ComBat または混合効果モデリングを適用し、施設を共変量に含め、解析計画を事前登録します 理由： 施設による交絡が、見かけ上の生物学的効果を完全に説明し、偽陽性の所見を生み出す可能性があります

• 誤り： アウトカムイベント数が少ないデータセットに数十個のラジオミクス特徴量を当てはめる 正しい方法： EPV ≥ 10（変数あたりのイベント数）を徹底し、ネスト化交差検証を使用して、外部検証を報告します 理由： 過剰適合により、内部では強力に見えても、外部コホートではまったく機能しないシグネチャが生成されます

• 誤り： 生物学的な関連性ではなく、手軽さで画像バイオマーカーを選ぶ 正しい方法： 意思決定フレームワーク（問い → モダリティ → バイオマーカー）を実行します。バイオマーカーは臨床的な問いと機序的に結び付いている必要があります 理由： 海馬萎縮についての問いに全脳容積を使ったり、灌流についての問いに ADC を使ったりすると、誤った対象を測定することになります

• 誤り： 解析結果を見てから QC の除外閾値を決める 正しい方法： 解析前に QC 指標と除外閾値を事前に指定し、組み入れ数と除外数を透明性をもって報告します 理由： 事後的な閾値選択は、望ましい結果が得られるように研究にバイアスをかけます

• 誤り： 病変や腫瘍の ROI 内を平滑化または補間する 正しい方法： ROI ベースの測定はネイティブ空間で維持するか、テンプレート正規化の前に病変充填／コスト関数マスキングを行います 理由： 病変境界をまたぐ平滑化はテクスチャ特徴量を損ない、病変の縁をぼかすため、ラジオミクスや病変を考慮した解析が無効になります

参考文献

• IBSI：Zwanenburg et al. Radiology 2020、https://doi.org/10.1148/radiol.2020191145
• ADNI プロトコル：https://adni.loni.usc.edu/methods/mri-tool/mri-analysis/
• ComBat による調和化：Fortin et al. NeuroImage 2018、https://doi.org/10.1016/j.neuroimage.2017.11.024