肝臓癌TACE治療用超高精細造影CTの至適検査法とナビゲーションAI開発

2023 Fiscal Year Research-status Report

• Project/Area Number: 21K15772
• Research Institution: Fujita Health University
• Principal Investigator: 永田 紘之 藤田医科大学, 医学部, 講師 (70795608)
• Project Period (FY): 2021-04-01 – 2025-03-31
• Keywords: 超高精細CT / 肝細胞癌 / 肝動脈化学塞栓術 / vessel navigation system / AI / DLR

Outline of Annual Research Achievements

肝臓もしくは膵臓の悪性腫瘍の術前の腹部dynamic CTを、超高精細CTもしくはmultidetector CT（以下 MDCT）でおよそ80症例に施行した。超高精細CTの画像データは、0.25mm、0.5mm、1mmスライス厚で512×512マトリクス、1024×1024マトリクス、2048×2048マトリクスにて、MDCTの画像データは、0.5mm、1mmスライス厚で512×512マトリクスにて、画像再構成をした。画像再構成法はhybrid-type iterative reconstruction（以下 IR）、model-based IR（以下MBIR）、deep learning reconstruction（以下 DLR）を使用した。得られたCT画像の血管描出能を放射線診断専門医が評価し、hybrid-type IRやMBIRと比較した。またこれらの症例のうち、肝細胞癌（hepatocellular carcinoma: 以下 HCC）に対する肝動脈化学塞栓術（transcatheter arterial chemoembolization: 以下 TACE）を予定している症例については、得られたdynamic CTの画像データからartificial intelligence（以下 AI）併用vessel navigation system によるfeeding arteryの検出を試みた。また実際のTACE治療時のdigital subtraction angiography（以下 DSA）の画像データでも同様にfeeding arteryの検出を試みた。Feeding arteryの検出能はdynamic CTと比較し、DSAの画像データの方が優れていることが示唆された。なお、本研究成果は北米放射線学会（The Radiological Society of North America、以下 RSNA）2024において報告することを目標に抄録を投稿した。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

およそ80症例のMDCTの腹部dynamic CTの画像データをhybrid-type IR、MBIR、DLRにて再構成した。腹部主幹動脈（腹部大動脈、腹腔動脈、固有肝動脈、左右肝動脈、胆嚢動脈、背側膵動脈）について、それぞれ関心領域を設定し、CT値、signal-to-noise ratio（以下 SNR）、contrast-to-noise ratio（以下 CNR）を測定した。胆嚢動脈を除く全ての動脈において、DLRのSNRsとCNRsは、hybrid-type IRと比較し有意に高かった。また腹部大動脈と腹腔動脈について、DLRのSNRsとCNRsはMBIRと比較し有意に高かった。放射線科診断専門医による腹部主幹動脈の描出能の評価において、maximum intensity projection（以下 MIP）での全体像では、DLR、MBIRはhybrid-type IRと比較し有意に高値であった。また左右肝動脈と胆嚢動脈の描出能は、DLR、MBIRはhybrid-type IRより有意に高かった。これらの結果より腹部主幹動脈の描出能についてはDLRによる画像再構成が有用であることが示唆された。この結果は2022年度にRSNAで報告した。
TACEを施行した症例については、超高精細CTのdynamic CTの画像データとDSAの画像データの両者で、AI併用vessel navigation systemを使用し、feeding arteryの検出を試みたが、DSAの画像データでの結果の方が良好であった。これはdynamic CTでの腫瘍の造影効果やfeeding arteryの造影効果の他、AIのアルゴリズムが大きく影響していると思われた。Feeding arteryの検出能の向上のため、新たに空間分解能を向上させつつ、画像ノイズを低減させる新たなAI再構成法であるSuper-Resolution Deep Learning Reconstructionの開発と応用を検討し、開発に着手した。今後その検出能改善効果を評価予定である。

Strategy for Future Research Activity

HCCに対する新たな免疫チェックポイント阻害薬および分子標的薬の登場により、TACE治療対象症例は減少傾向であるが、肝臓もしくは膵臓の悪性腫瘍の術前の腹部dynamic CTのデータを使用することで、当初予定していた腹部造影CTデータの症例数を確保することが可能である。また悪性腫瘍のみならず、肝血管腫や限局性結節性過形成、肝細胞腺腫などについても手術適応となる症例が存在するため、このような良性疾患を含めることでより多くのデータを収集することが可能である。またTACE施行時のDSAの画像データが不足することとなるが、TACE以外にも悪性腫瘍術前の血管塞栓術や肝動注リザーバー療法のために、カテーテルによる血管撮影を行う症例が存在するため、これら症例についても検討の余地がある。今後流体力学用のCT phantomなどを用いることで、腹部dynamic CTのプロトコールによる腹部主幹動脈の描出能の更なる向上を目指す。加えて画像データの拡大再構成や再構成間隔の最小化などを応用することで、vessel navigation systemのAIによるfeeding arteryの検出能の向上を目指す。AIのアルゴリズムについてもいくつか改良が必要であることが示唆されているため、Feeding arteryの検出能の向上のため、新たに空間分解能を向上させつつ、画像ノイズを低減させる新たなAI再構成法であるSuper-Resolution Deep Learning Reconstructionの開発と応用を検討し、開発に着手した。今後その検出能改善効果を評価予定である。またTACEを施行した症例については、feeding arteryの同定能および同定率の解析のみならず、follow upの画像データから治療効果判定を行うことを目標とする。これら研究解析の結果を国内外の学会で報告するとともに海外一流誌での成果発表を目指す。

Causes of Carryover

2024年3月末までの研究で現行の再構成法ではIVRに必要な血管の描出能が低く、ソフト開発に支障があることが示唆されたため、新たに空間分解能を向上させつつ、画像ノイズを低減させる新たなAI再構成法であるSuper-Resolution Deep Learning Reconstructionの開発に着手した。そのため、新たに研究用AI開発用ワークステーションや画像データの保存SSDおよび空間分解能評価用ファントムなどの購入費などとして使用し、開発および評価を推進予定である。