日常PET検査から心臓機能評価へ：外部装置不要のデータ駆動型ゲーティングの可能性

9月 7, 2026 · 論文解説

🎧 この記事を音声で聴く（AI生成Podcast）

解説対象論文: Assessment of data-driven gating for cardiac motion extraction and LVEF estimation from routine [ 18 F]FDG LAFOV PET
Physics in Medicine and Biology｜被引用数: 0（2026年9月7日時点）

化学療法によって引き起こされる心臓への影響（心毒性）は、時に不可逆的な心不全へと進行する可能性があるため、その早期発見と継続的なモニタリングは、対象者の治療成績と生活の質を維持する上で極めて重要です。左心室駆出率（LVEF）は心臓のポンプ機能を示す主要な指標ですが、現在の評価方法には専用の心臓画像診断や臨床資源が必要となり、対象者への負担や医療施設のワークフローに課題があります。このような背景の中、本研究は、外部装置を必要とせず、日常的に行われる[18F]FDG PET検査データから直接心臓の動きを抽出し、LVEFを推定する「データ駆動型ゲーティング（DDG）」フレームワークの評価を行いました。この革新的なアプローチは、対象者の追加的な負担を軽減し、既存のPET検査から心機能情報を得ることで、より効率的な臨床ワークフローの実現に貢献する可能性を秘めています。

研究サマリー（FINER & PICO）

Feasible実施可能性	既存の[18F]FDG PET/CTデータから外部装置なしに心臓運動を抽出しLVEFを推定する手法の実現可能性を評価しています。
Ethical倫理面	本研究は国立倫理委員会の承認を得て実施され、対象者のPETおよび参照心臓検査データが利用されました。
Interesting面白さ	通常のPET検査から追加負担なしに心機能情報を得るアプローチは、臨床的ワークフローの簡素化と対象者の負担軽減に貢献します。
Novel新規性	LAFOV PETのヒスト画像から解剖学的マスキングと周波数ドメインフィルタリングを用いて心臓運動を抽出する、外部装置不要のDDG手法を評価しています。
Relevant切実さ	化学療法中の心毒性モニタリングにおいて、既存のPET検査から心機能情報を得ることで、対象者の来院負担を軽減し、臨床ワークフローを効率化する潜在性があります。
Measurable測定可能性	ゲーティング成功率、脈拍数の一致度、LVEF推定値と参照方法とのバイアスおよび相関を定量的に評価しています。
Modifiable派生・改善	DDGフレームワークは、信号抽出アルゴリズムのパラメータや左心室セグメンテーションツールの改善によって、さらに最適化される可能性があります。
Structured文章構造	本研究は、明確な目的、アプローチ、主要な結果、そして臨床的意義が詳細に記述されており、構成が整っています。
PICO / PECO対象・介入・比較・結果	P: 化学療法による心毒性リスクのある対象者。I: データ駆動型ゲーティング（DDG）を用いたLVEF評価。C: 心エコー検査またはマルチゲート収集（MUGA）。O: LVEF推定の精度と追加負担の軽減。

はじめに：なぜ心臓機能の継続的なモニタリングが重要なのか

どうも、Beyond the Pixelです。がん治療、特に化学療法は、対象者さんの命を救う一方で、心臓に深刻な副作用（心毒性）を引き起こす可能性があります。この心毒性は、不可逆的な心不全につながることもあるため、治療中は心臓の機能を継続的に監視することが極めて重要です。左室駆出率（LVEF）は、心臓のポンプ機能を示す主要な指標として、臨床現場で日常的にモニタリングされています。LVEFは、心臓の収縮・拡張に伴う左心室の容積変化に基づいて計算されます。通常、50%以上が正常とされますが、10ポイントを超える低下は心毒性の兆候とされ、治療方針の変更が必要となることもあります。従来のLVEF評価方法には、心エコー検査、磁気共鳴画像法（MRI）、そして核医学検査の一種であるマルチゲート収集（MUGA）などがあります。心エコー検査は広く利用されていますが、その結果は検査を行う専門家のスキルに左右されやすく、評価者間でのばらつきが生じやすいという課題があります。また、MRIはLVEF評価のゴールデンスタンダードとされていますが、常に利用できるわけではありません。陽電子放出断層撮影法（PET）は、がん、神経疾患、心疾患の診断において重要な画像診断モダリティであり、放射性トレーサーの分布を定量的に評価できます。特に、[18F]FDG PETは腫瘍、炎症、心筋のバイアビリティ評価に用いられます。しかし、呼吸や心臓の動きといった生理的な運動は、PET画像のブレやコントラスト低下を引き起こす原因となります。これらの動きによるアーチファクトを軽減するため、心電図（ECG）電極を用いてPET信号を心臓周期に同期させる（ゲーティング）方法が一般的ですが、外部ハードウェアは常に内部臓器の動きと完全に一致するわけではなく、また、装置の装着や準備に時間と資源を要します。このような背景から、外部装置を使わずに、既存のPETデータから直接心臓の動きを抽出し、LVEFを評価できるデータ駆動型ゲーティング（DDG）フレームワークの開発が求められています。本研究は、日常的な[18F]FDG PET検査データから心臓運動信号を抽出し、LVEFを推定するDDGフレームワークの実現可能性と性能を評価することを目的としています。このアプローチは、化学療法を受けている対象者のPET/CT検査と心機能評価という複数の来院負担を軽減し、臨床ワークフローを簡素化する可能性を秘めています。

データ駆動型ゲーティング（DDG）の仕組みと研究デザイン

本研究で評価されたデータ駆動型ゲーティング（DDG）フレームワークは、コペンハーゲン大学病院のリグスホスピタレット、シーメンスヘルシニアーズ、コペンハーゲン大学の研究者らが開発したものです。このDDGフレームワークは、長軸方向視野の広い（LAFOV）PET/CTシステムで得られたPETリストモード収集データから、高い時間分解能を持つヒスト画像を生成します。ヒスト画像は、PETイベントの最も可能性の高い位置を直接画像空間にマッピングすることで作成されます。通常の5分間のPET収集で、0.25秒ごとのフレームで構成されるヒスト画像シリーズは1200フレームにもなります。心臓信号を分離するために、CTスキャンからTotalSegmentatorというソフトウェア（バージョン2.5）を用いて左心室のセグメンテーションマスクを作成しました。このCTベースのマスクをヒスト画像シリーズに適用し、左心室を含む関心領域の平均時間活動信号を抽出します。抽出された生データは、短時間フーリエ変換（STFT）を用いて周波数変動を解析し、心臓の周期的な信号を特定します。高周波ノイズや呼吸信号の低周波成分を除去するために周波数領域フィルターが適用され、生理学的に妥当な脈拍を追跡するために、平均優勢周波数の±0.15 Hz（±9 bpm）の帯域幅制限が設けられました。

**Figure 1.** Figure 1. Visualisation of histo images and a reconstructed PET image. All three images are maximum intensity projection (MIP) images. a) histo image (220x220x645 matrix) of 0.25s PET emission data, whereas b) is a histo image (220x220x645 matrix) including 300s PET emission data. c) a reconstructed PET image (440x440x645) using 3D ordinary Poisson ordered subsets expectation maximization (OP-OSEM) reconstruction algorithm with TOF information and point spread function (PSF) modelling.解説: 本図は、ヒスト画像と再構成されたPET画像の視覚化を示しています。3枚の画像はいずれも最大強度投影（MIP）画像です。(a)は0.25秒分のPET放出データによるヒスト画像、(b)は300秒分のPET放出データを含むヒスト画像、(c)はTOF情報とPSFモデリングを用いた3D OSEM再構成アルゴリズムで再構成されたPET画像です。PETヒスト画像は、検出されたTOFイベントの最も可能性の高い位置を直接画像空間にマッピングすることで生成されます。

この最適化された帯域幅内の周波数変動が最終的な脈拍を形成し、時間領域に逆変換されます。ゲーティングプロセスでは、連続するピーク間の間隔を8つの等しい時間ビン（ゲート1～8）に分割し、PETリストモード収集データ全体をDDGベースのゲーティングシーケンスに含めました。各ゲートは、3D Ordinary Poisson Ordered Subsets Expectation Maximization（OSEM）アルゴリズムを用いて再構成されました。本研究には、2021年11月から2025年11月までにスキャンされた合計150名の対象者が含まれ、169件のPET/CT検査データが分析対象となりました。対象者の平均年齢は56±15歳（20～86歳）で、女性が105名、男性が45名でした。組み入れ基準は、PETスキャンと参照となる心臓検査が±14日以内に実施されていることでした。一部の対象者は複数のPETスキャンを受けており、これにより169組のPETと心臓検査のペアが分析されました。PETスキャンにはLAFOV PET/CTシステム（Siemens Biograph Vision Quadra）が使用され、対象者には体重1kgあたり約3.0 MBqの[18F]FDGがPETスキャンの1時間前に投与されました。対象者の主な診断は乳がん（75例）、リンパ腫（51例）、白血病（10例）、その他のがんまたは悪性腫瘍疑い（14例）でした。LVEFの参照測定方法として、98件がMUGA検査、71件が心エコー検査でした。MUGA検査には350 MBqの99mTcが使用され、心エコー検査は可能であれば3Dが優先されましたが、技術的に不可能な場合は2D心エコー検査がLVEF推定に用いられました。

**Table 1.** Table 1. Summary of patient population and the examination methods included in the study

DDGの性能は、抽出された優勢心臓周波数の生理学的妥当性、ゲーティング成功率、そしてLVEF推定値の参照方法との比較（回帰分析およびBland-Altman分析）によって評価されました。心筋への十分な[18F]FDG取り込みがあった対象者に対して、臨床ソフトウェア（Cedars-Sinai, Syngo.via）を用いてLVEFが推定されました。ゲーティングは、LVEF推定が可能であった場合、または心臓壁の動きが明確に観察された場合に成功と判断されました。また、フーリエ変換（FFT）スペクトルから算出される信号対雑音比（SNR）も、ゲーティング成功の定量的指標として用いられました。

DDGによる心臓信号抽出とLVEF推定の結果

本研究では、まずDDGベースの手法によって抽出された信号の生理学的妥当性を評価するために、脈拍推定が行われました。DDGベースの手法で推定された脈拍数は、心エコー検査およびMUGAによって得られた参照測定値と全体的に良い一致を示しました。散布図は、推定脈拍数と参照脈拍数の間に正の相関があることを示し、データポイントが同一性ラインに沿って分布しており、PETヒスト画像シリーズから抽出された信号の生理学的妥当性を裏付けています。

**Figure 2.** Figure 2. Scatter plot of the dominant pulse rates estimated by the DDG-based method against the corresponding reference pulse rates obtained by echocardiography or MUGA for each patient. Purple dots represent examinations with echocardiography as the reference methods, whereas orange diamonds represent examinations with MUGA as the reference method. The dashed line represents the identity line.解説: 本図は、DDGベースの手法によって推定された優勢脈拍数と、心エコー検査またはMUGAによって得られた対応する参照脈拍数の散布図です。紫色の点が心エコー検査を参照方法とする検査を表し、オレンジ色の菱形がMUGAを参照方法とする検査を表しています。破線は同一性ラインを示しており、推定脈拍数と参照脈拍数の間に正の相関があることを示唆しています。

LVEF推定は、心筋に十分なトレーサー取り込みがあり、臨床ソフトウェアによるマスク生成が可能であった101名の対象者で成功しました。68名の対象者では心筋に取り込みが見られず、定性的に評価されました。このうち37名の対象者では、血中活動に基づいてゲーティングが成功していることが定性評価で判明しました。全体として、169件の検査中138件（81.7%）でゲーティングが成功しました。残りの18%は、非常に高いノイズレベルで心臓の動きがほとんど見られない再構成シリーズ、またはゲーティングが完全に失敗したシリーズでした。周波数解析の品質評価パラメーターとして信号対雑音比（SNR）が用いられました。FFTスペクトルから計算されたSNRは、ゲーティングが成功したグループと失敗したグループとで明確な分布の違いを示しました。

**Figure 3.** Figure 3. Illustration of the distribution of SNR values calculated from the FFT spectra of the mean left ventricular mean time-activity curves for each patient examination. The red bars represented examinations categorised as non-gated, whereas the green bars represent examinations categorised as gated.解説: 本図は、各対象者検査の左心室平均時間活動曲線のFFTスペクトルから算出されたSNR値の分布を示しています。赤色の棒は非ゲーティングと分類された検査を表し、緑色の棒はゲーティングと分類された検査を表しています。ゲーティングが成功したカテゴリは、非ゲーティングのカテゴリと比較して、より高い平均SNR値を示しています。

ゲーティングが成功したカテゴリの平均SNRは101.4±135.0、中央値は61.5であったのに対し、失敗したカテゴリの平均SNRは13.1±8.8、中央値は11.8でした。ROC分析により、SNRが16.53のときに最適なカットオフが特定され、曲線下面積（AUC）は0.95でした。

**Figure 4.** Figure 4. ROC analysis of the gated and non-gated categories relative to the SNR level obtained using the FFT spectrum of each extracted cardiac signal. The analysis finds a potential optimal cutoff at 16.53 at area under the curve (AUC) of 0.95.解説: 本図は、抽出された各心臓信号のFFTスペクトルから得られたSNRレベルに対する、ゲーティングされたカテゴリと非ゲーティングされたカテゴリのROC分析を示しています。この分析では、曲線下面積（AUC）が0.95のときにSNR 16.53で最適なカットオフが特定されています。このカットオフでは、感度0.93、特異度0.87です。

このカットオフでは、感度0.93、特異度0.87という結果が得られました。ゲーティングが成功したと分類された138件のうち9件、失敗したと分類された31件のうち27件で、心臓信号のSNRがこのカットオフを下回っていました。DDGベースのゲーティングによって再構成された8つの画像フレームは、心臓の動きを明確に捉えていることを示しました。

**Figure 5.** Figure 5. The figure illustrates the 8 reconstructed gates (1-8) for two different patients. A is an example of a patient showing uptake of [18F]FDG in the myocardium. In contrary, B is an example of a patient not showing uptake in the myocardium. Both patient acquisitions were successfully gated as indicated by differences in cardiac position and size. A is gated based on the myocardial uptake, whereas B is gated based on the blood-pool. Two gates are highlighted by red arrows with a circle to highlight the size differences of the left ventricle.解説: 本図は、2名の異なる対象者について、PET収集時にゲーティングされた8枚の再構成画像（1～8）を示しています。(A)は心筋に[18F]FDGの取り込みを示す対象者の例で、(B)は心筋に取り込みを示さない対象者の例です。赤い矢印は左心室のサイズの差異を強調しており、両対象者の収集は正常にゲーティングされたことが視覚的に示されています。(A)は心筋の取り込みに基づいて、(B)は血中活動に基づいてゲーティングされています。

心筋に[18F]FDGの取り込みがある対象者とない対象者の両方で、左心室のサイズの変化が視覚的に確認され、ゲーティングの成功が示されました。心筋に十分なトレーサー取り込みがあり、PET DDGベースLVEF推定が可能であった101名の対象者のうち、52名が心エコー検査、49名がMUGA検査の参照LVEF測定値を持っていました。DDGベースLVEF推定値と心エコー検査の間の相関は、回帰直線の傾きが1.06、決定係数（R2）が0.49と、良好な一致を示しました。Bland-Altman分析では、心エコー検査に対して平均3.5%ポイントのわずかな正のバイアスが認められ、一致の限界（LoA）は-10.9%ポイントから17.8%ポイントでした。級内相関係数（ICC）は0.60で、中程度の合意を示しました。MUGA検査との比較では、回帰直線の傾きが0.57、R2が0.31と相関はやや低い結果でした。Bland-Altman分析では、MUGAに対して平均-2.6%ポイントのわずかな負のバイアスが示され、LoAは-18.6%ポイントから13.3%ポイントでした。ICCは0.53で、こちらも中程度の合意を示しました。

**Figure 6.** Figure 6. Illustration of (left column) the correlation of the LVEF estimation using the DDG-based method and echocardiography for 52 patients. The R2 is found to be 0.49. Below is the Bland-Altman plot visualising a positive bias of 3.5 [CI: 1.4 – 5.5]. (right column) The correlation between LVEF estimations between the DDG-based method and MUGA for 49 patients. The R2 is found to be 0.31. Below is the Bland- Altman analysis with a negative bias of -2.6 [CI: -5.0 – (-0.3)]. The LVEF difference is calculated as: DDG- based LVEF – Reference LVEF.解説: 本図の左列は、DDGベースの手法を用いたLVEF推定値と心エコー検査によるLVEF推定値（52名の対象者）の相関を示しており、R2は0.49です。その下のBland-Altmanプロットは、3.5 [信頼区間: 1.4 – 5.5]の正のバイアスを視覚化しています。右列は、DDGベースの手法とMUGAによるLVEF推定値（49名の対象者）の相関を示しており、R2は0.31です。その下のBland-Altman分析では、-2.6 [信頼区間: -5.0 – (-0.3)]の負のバイアスが示されています。LVEFの差は「DDGベースLVEF – 参照LVEF」として計算されています。

LVEF推定値が参照方法と10%ポイント以上異なる対象者は合計21名でした。そのうち10名が心エコー検査、11名がMUGA検査を参照LVEF推定値としていました。

考察：臨床的意義と課題

本研究では、外部装置を必要としないデータ駆動型ゲーティング（DDG）手法を用いて、日常の[18F]FDG PETデータから心臓の動きを抽出し、左室駆出率（LVEF）を推定する性能が評価されました。169件の検査のうち81.7%という高いゲーティング成功率は、PETデータ自体にゲーティングに必要な情報が含まれていることを示しており、外部ハードウェアや特別な対象者準備が不要であることを強調しています。これは、対象者の負担を軽減し、臨床ワークフローを簡素化する上で大きな利点となります。抽出された脈拍数が、参照となる心臓検査の脈拍数と良好な一致を示したことは、DDGから得られた心臓信号の生理学的妥当性を裏付けています。SNR分析により、ゲーティングの成功と信号強度との間に相関があることが示され、16.53という最適なカットオフ候補が特定されました。ただし、この閾値が常に信頼性高くゲーティングの成否を判別できるかについては、さらなる検証が必要です。一部の対象者で、SNRが高いにもかかわらずゲーティングが成功しなかったケースがありましたが、これはトレーサー取り込み分布の違いや心臓の不整に起因する可能性があります。DDGは、外部ゲーティング装置とは異なり、不規則な心周期のデータもすべてゲーティングプロセスに含めるため、不整が多い場合には誤差が生じる可能性があります。DDGベースの手法は、既存のPETデータから後方視的に解析できるという大きな利点も持ちます。本研究では、心筋に[18F]FDGの取り込みがあった対象者において、DDGベースのLVEF推定値は心エコー検査と強い相関を示しました。心エコー検査との平均バイアスは3.4%ポイント、MUGAとの平均バイアスは-2.6%ポイントであり、これは他の研究で報告されている値と一致しています。ただし、一致の限界（LoA）は、臨床的な治療方針決定に必要な10%ポイントの閾値を超えていました。これは、現在のDDGフレームワークが、専用の心臓画像診断に完全に置き換わるレベルではないことを示唆していますが、既存のPET検査から機能的な心臓情報を得る可能性は十分にあります。現在のLVEF推定ワークフローは、心筋トレーサー取り込みに大きく依存しています。心筋への[18F]FDG取り込みは、炭水化物代謝、対象者の要因、絶食状態によって影響を受けるため、心臓疾患のない対象者でも約3分の1のケースでしか取り込みが観察されないことが報告されています。本研究では169件中101件（約60%）で取り込みが確認されましたが、すべての対象者で心筋壁に取り込みが期待できるわけではありません。呼吸と心臓の両方の動きを考慮する二重ゲーティングのアプローチも検討されており、このDDGフレームワークでも呼吸信号を抽出できる可能性があります。しかし、二重ゲーティングは収集される計数統計を大幅に減少させ、SNRや画像品質の低下につながるため、一時的な解像度と画像品質のトレードオフが課題となります。本研究で採用された8ゲートに対し、MUGAでは通常16ゲートで評価が行われます。ゲート数を増やすことでLVEF計算に必要なエンドダイアストリックボリューム（EDV）とエンドシストリックボリューム（ESV）のより正確な定義が可能になるかもしれませんが、PETではゲート数を倍増させるとSNRに大きな影響が出ます。本研究のさらなる限界として、PET収集中の心臓信号の直接的な測定がない点が挙げられます。今後は、PET/CTスキャン中にECG電極を装着した対象者を含めることで、DDG手法の性能を直接検証する計画です。また、心筋へのトレーサー取り込みがない場合に、ソフトウェアがEDVとESVを推定するための心臓セグメンテーションマスクを生成できないという課題は、ディープラーニングベースの代替セグメンテーションツールの開発によって解決できる可能性があります。対象者コホートのLVEF推定値が主に50%から75%の範囲であったため、ICC値の解釈には注意が必要です。しかし、LVEFが低い対象者においても、DDGベースの手法が妥当なLVEF推定値を提供できる可能性が示唆されました。

まとめ

本研究は、外部ゲーティングハードウェアを必要とせず、日常的な[18F]FDG PETデータから心臓運動を正常に抽出できるデータ駆動型ゲーティング（DDG）アプローチを評価しました。この手法は、対象となった検査の81.7%で画像を正常にゲーティングすることに成功し、抽出された脈拍推定値は臨床的な参照検査と良好な一致を示し、心臓信号の堅牢性を裏付けました。さらに、LVEF推定値は心エコー検査と強い一致を示し、心エコー検査とMUGAの両方に対して許容できる平均バイアスを示しました。ただし、一致の限界（LoA）は、臨床的な相互交換使用に必要な閾値を超えています。これらの結果は、現在のDDGフレームワークが専用の心臓画像診断に完全に取って代わるものではないものの、追加の対象者負担、スキャン時間、または資源なしに、既存のPET検査から臨床的に関連する機能的な心臓情報を提供する大きな潜在能力を持っていることを示しています。主要な限界としては、心筋への[18F]FDG取り込みへの依存、ECGによる直接的な検証の欠如、LVEFが低下している対象者の比較的少なさ、が挙げられます。今後は、ECG同期PET収集を組み込んだ前向き研究が、本手法をさらに検証し、その臨床的適用性を向上させるために必要です。

用語集

データ駆動型ゲーティング (DDG): 外部ハードウェアを使用せず、PETデータ自体から心臓や呼吸などの生理的運動信号を抽出する手法です。
左室駆出率 (LVEF): 心臓の左心室が1回の収縮で送り出す血液の割合を示す指標で、心臓のポンプ機能を評価します。
[18F]FDG PET: 放射性トレーサーである[18F]フルオロデオキシグルコースを用いた陽電子放出断層撮影法です。腫瘍、炎症、心筋のバイアビリティ評価に利用されます。
ヒスト画像: LAFOV PETシステムで検出されたタイムオブフライトイベントの最も可能性の高い位置を直接画像空間にマッピングして生成される、高い時間分解能を持つPET画像です。
LAFOV PET: Long Axial Field of View PETの略で、長軸方向の視野が広いPET装置です。高感度かつ高時間分解能な画像取得を可能にします。
心エコー検査: 超音波を用いて心臓の構造や機能をリアルタイムで評価する画像診断法です。広く普及しています。
マルチゲート収集 (MUGA): Single Photon Emission Computed Tomography (SPECT)を用いて、心電図（ECG）信号に同期させて画像データを収集し、LVEFを推定する核医学検査です。
信号対雑音比 (SNR): 信号の強さとノイズの強さの比率を示す指標です。この値が高いほど、画像や信号の品質が良いとされます。
フーリエ変換 (FFT): 時間領域の信号を周波数領域の信号に変換する数学的手法です。周期的なパターンを特定するのに用いられます。
Receiver Operating Characteristic (ROC) 分析: 分類モデルの性能を評価するためのグラフおよび分析手法で、感度と特異度の関係を示します。
エンドダイアストリックボリューム (EDV): 心臓の拡張期（弛緩して血液を貯める期間）の終末における左心室の容積です。
エンドシストリックボリューム (ESV): 心臓の収縮期（血液を送り出す期間）の終末における左心室の容積です。
時間分解能: 短時間で発生する変化やイベントを、どれだけ正確に細かく識別・分離できるかを示す指標です。