全身PETラディオミクス安定性の非線形動態：線量低減の影響とデジタルツインへの応用

10月 23, 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: Nonlinear stability phenotypes and collapse dynamics of multi-organ radiomics in total-body PET imaging: toward digital twin-oriented robustness assessment
Physics in Medicine and Biology｜被引用数: 0（2026年10月23日時点）

最新の全身PETイメージングでは、身体全体の高感度なデータ取得が可能になり、多次元的な画像解析である「ラディオミクス」が注目されています。しかし、このラディオミクスの信頼性は、PET検査時の線量低減などの取得条件によって大きく左右されることが課題でした。このブログ記事では、全身PET画像における多臓器ラディオミクスの「非線形安定性」という新しい概念を探り、線量低減がラディオミクスに与える影響と、その信頼性を評価する新たなフレームワークについて解説します。

研究サマリー（FINER & PICO）

Feasible実施可能性	多施設データセットとリストモードサブサンプリングにより、非線形安定性の評価が可能。
Ethical倫理面	匿名化された既存の臨床データを使用し、対象者の新たな倫理的リスクはない。
Interesting面白さ	ラディオミクスの信頼性が線量低減に対し非線形的な崩壊動態を示すという新知見を提供。
Novel新規性	全身PETにおけるラディオミクス安定性を非線形表現型で特徴付ける新しいフレームワークを導入。
Relevant切実さ	低線量PETやデジタルツイン応用における信頼性の高い画像バイオマーカー選択に貢献。
Measurable測定可能性	ICCと非線形モデルを用いて安定性を定量化し、臨界閾値と表現型を導出。
Modifiable派生・改善	不安定な特徴量や臓器を特定し、線量制約や特徴フィルタリングの必要性を示唆。
Structured文章構造	体系的な線量低減シミュレーションと多段階の非線形モデリングアプローチを採用。
PICO / PECO対象・介入・比較・結果	P: 全身PET画像対象者。I: 線量低減シミュレーション。C: 異なる線量低減率。O: ラディオミクス安定性の非線形動態。

全身PETラディオミクスの信頼性：線量低減による隠れた崩壊ダイナミクス

どうも、Beyond the Pixelです。最新の医療画像技術である全身PET（陽電子放出断層撮影）は、高感度な全身データ取得を可能にし、画像から多数の定量的な特徴量を抽出する「ラディオミクス」解析の進化を促進しています。ラディオミクスは、臓器の特性を高次元で表現し、疾患の診断や治療効果の予測に有望な画像バイオマーカーとして期待されています。

しかし、このラディオミクスの信頼性には大きな課題があります。特に、PET検査における放射線線量の低減は、画像データの品質に影響を与え、ラディオミクス特徴量の安定性を損なう可能性があります。これまでの研究では、ラディオミクスの安定性を評価するために、ICC（級内相関係数）などの再現性指標が主に用いられてきました。これらの方法は有用ですが、線量低減のような体系的な変化がラディオミクスにどのように影響するか、その動的な振る舞いを十分に捉えきれていないのが現状です。

本研究は、この課題を克服するために、全身PET画像における多臓器ラディオミクスに「非線形安定性表現型分類フレームワーク」を導入しました。これは、線量低減に対するラディオミクス特徴量の反応（線量応答行動）を非線形モデルで特徴付け、その背後にある複雑な動態を解明することを目的としています。将来的には、対象者個々の詳細なデジタルモデルである「デジタルツイン」の構築において、信頼性の高い画像由来の特徴量を選定するための基盤となることが期待されています。

線量低減シミュレーションと非線形安定性評価の新しいアプローチ

この研究では、まず550例の全身PETスキャンを含む多施設データセットが分析されました。これらのスキャンは、uEXPLORERやBiograph Vision Quadraといった最新のPET/CTシステムで取得されたものです。放射線線量の低減は、リストモードサンプリングという方法を用いてシミュレーションされました。これは、PET画像のカウント統計量（信号強度）を人工的に減らす「線量低減率（DRF）」として、2から100までの6段階で設定されました。これにより、実際の線量を減らすことなく、線量低減がラディオミクスに与える影響を系統的に評価することが可能になりました。

**Figure 2.** Figure 2. Representative total-body PET images from the multi-center dataset under progressive dose reduction, showing from left to right: the full-dose (DRF = 1) and decimated low-dose PET reconstructions (DRF = 2, 4, 10, 20, 50, and 100). Increasing dose reduction leads to visibly increased image noise and degradation of count statistics while preserving anatomical structures, enabling controlled evaluation of radiomics stability under acquisition perturbations.解説: 多施設データセットからの代表的な全身PET画像を、段階的な線量低減の下で示しています。左から右へ、フル線量（DRF=1）とデシメートされた低線量PET再構成画像（DRF=2, 4, 10, 20, 50, 100）が並んでいます。線量低減率（DRF）の増加は、目に見える画像ノイズの増加とカウント統計量の劣化につながりますが、解剖学的構造は維持されており、取得摂動下でのラディオミクス安定性の制御された評価を可能にします。

次に、各臓器から形状記述子、ファーストオーダー統計量、および複数のテクスチャファミリー（GLCM、GLRLM、GLSZM、GLDM、NGTDM）を含む合計107種類のラディオミクス特徴量が抽出されました。特徴量の再現性はICC（級内相関係数）を用いて定量化され、各DRFにおけるフル線量画像との一致度を評価しました。これらのICC値は、各臓器および特徴量レベルでの安定性軌跡を形成するために使用されました。

本研究の全体的な方法論的ワークフローは、以下の図に示されています。

**Figure 1.** Figure 1. Schematic overview of the proposed nonlinear stability phenotyping framework. The workflow includes multi-organ radiomics extraction from total-body PET, ICC-based stability quantification, construction of stability boundary curves, nonlinear model fitting, phenotype classification, critical threshold estimation, and feature- and organ-level instability analysis.解説: 本研究で提案された非線形安定性表現型分類フレームワークの全体的な方法論的ワークフローを示す概略図。ワークフローには、全身PETからの多臓器ラディオミクス抽出、ICCベースの安定性定量化、安定性境界曲線の構築、非線形モデル適合、表現型分類、臨界閾値推定、特徴量および臓器レベルの不安定性分析が含まれます。

安定性軌跡は、線形、指数関数的減衰、対数、シグモイド（4パラメータロジスティック）の4つの非線形モデルに適合され、モデル選択にはAIC（赤池情報量基準）とR²（決定係数）が用いられました。これにより、安定性の低下が線形に起こるのか、それとも特定の閾値を超えると急激に崩壊するのかといった、より詳細な動態を捉えることが可能になります。さらに、適合された安定性曲線に基づいて、各臓器はプラトー安定、漸進的減衰、早期敏感、ティッピングポイント崩壊という独自の「安定性表現型」に分類されました。

臓器と特徴量ごとの不安定性：肝臓とテクスチャ特徴が示す「崩壊」

解析の結果、ラディオミクスの安定性は臓器によって大きく異なり、非常に非線形な挙動を示すことが明らかになりました。特に、特徴量レベルの分析では、多くのケースでシグモイド曲線で記述される「急激な崩壊パターン」が観察され、モデルの適合度も高い（R²>0.90）ことが確認されました。これは、ラディオミクス特徴量が線量低減に対して一様に劣化するのではなく、ある程度のレベルまでは安定を保ち、特定の臨界閾値を超えると信頼性が急激に失われる「ティッピングポイント」が存在することを示唆しています。

臓器レベルでは、肝臓が最も高い不安定性の負担を示し、33個の特徴量（30.8%）が不安定であると分類されました。これに食道と腎臓が続き、それぞれ18〜20%の不安定な特徴量が見られました。

**Table 2.** Table 2. Organ-level instability burden metrics, including number of nonlinear unstable features, mean stability drop, model fit (R²), and instability fraction, demonstrating heterogeneous susceptibility to dose reduction across organs. Organs without valid radiomics feature trajectories after quality-control filtering were excluded from nonlinear instability classification.解説: 非線形不安定な特徴量数、平均安定性ドロップ、モデル適合度（R²）、不安定性分数を含む臓器レベルの不安定性負担指標を示しており、線量低減に対する感受性が臓器間で異なっていることを表しています。

大動脈や膵臓は中間レベル（15-16%）、胃や脊椎は約12%でした。一方で、骨格構造（大腿骨、鎖骨、仙骨など）は比較的低い不安定性を示し、その安定性は線量低減に対して非常に頑健であることが示唆されました。

**Table 3.** Table 3 summarizes organ-level model distribution and dominant stability phenotypes, showing解説: 臓器レベルのモデル分布と主要な安定性表現型を要約しており、ほとんどの臓器で線形（安定/フラット）挙動が優勢であり、特定の構造ではティッピングポイントダイナミクスが集中していることを示しています。

不安定性の主な原因は、テクスチャベースの特徴量にあることも判明しました。

**Figure 4.** Figure 4. Distribution of stability phenotypes across radiomics feature families, highlighting that instability is predominantly driven by texture-based features, while shape and first-order features remain comparatively stable.解説: ラディオミクス特徴ファミリー全体での安定性表現型の分布を示しています。不安定性が主にテクスチャベースの特徴量によって引き起こされる一方、形状特徴量とファーストオーダー特徴量は比較的安定していることを強調しています。

GLRLM（Gray Level Run Length Matrix）やGLSZM（Gray Level Size Zone Matrix）などのテクスチャ特徴は、より高い漸進的減衰や急激な崩壊を示す傾向がありました。これに対し、形状特徴は線量低減に対して非常に安定していることが示されました。ファーストオーダー特徴も比較的安定していますが、テクスチャ特徴と比較するとやや不安定性が見られました。これは、高次のテクスチャ記述子がノイズやカウント統計量の変動に敏感であるというこれまでの知見と一致します。

代表的な特徴量レベルでの非線形モデリング結果は、以下の表にまとめられています。シグモイドモデルは多くの場合、高い適合度を示し、急激な崩壊とティッピングポイント挙動に関連していました。

**Table 1.** Table 1 presents selected feature-level nonlinear modeling results, illustrating representative解説: 選択された特徴量レベルの非線形モデリング結果を提示しており、異なる臓器および特徴量ファミリー全体で特定された代表的な非線形安定性パターンを示しています。シグモイドモデルはしばしば高い適合度（R² ≈ 0.90–1.00）を示し、急激な崩壊とティッピングポイント挙動に主に関連していました。

臓器レベルの安定性軌跡も、線量低減率の増加に伴い、臓器間で顕著な多様性を示しました。

**Figure 5.** Figure 5. Organ-level stability trajectories under dose reduction for two ICC thresholds (≥0.75 and ≥0.80), illustrating heterogeneous and nonlinear dose-response behavior with distinct organ-specific sensitivity patterns.解説: 2つのICC閾値（ICC ≥ 0.75およびICC ≥ 0.80）における線量低減下の臓器レベル安定性軌跡を示しています。臓器固有の感度パターンを伴う不均一で非線形な線量応答挙動が描かれています。

一部の臓器（脳、心臓、胆嚢など）は、高いDRFにおいても比較的高い安定性（0.80～0.95）を維持しましたが、他の臓器（特に肝臓、腎臓）では急激な安定性の低下（0.64まで）が見られました。これらの結果は、非線形モデルが滑らかな劣化と急激な崩壊の両方を正確に捉えていることを裏付けています。

**Figure 3.** Figure 3. Nonlinear fitting of organ-level stability trajectories across dose reduction factors (DRFs), demonstrating strong agreement between observed and predicted stability fractions and revealing heterogeneous nonlinear decay and tipping-point behaviors.解説: 線量低減率（DRF）全体での臓器レベル安定性軌跡の非線形適合を示し、観測された安定性分数と予測された安定性分数の間に強い一致があることを示しています。これにより、不均一な非線形減衰とティッピングポイント挙動が明らかになります。

さらに、各臓器における不安定性の負担はヒートマップで視覚化されており、腹部構造においてより高い感受性があることが示されています。

**Figure 6.** Figure 6. Heatmap of organ-level instability metrics, including nonlinear unstable count, mean drop, and instability fraction, demonstrating heterogeneous instability burden across organs with higher susceptibility in abdominal structures. Values are shown in normalized (z-score) units for comparative visualization.解説: 非線形不安定な特徴量数、平均ドロップ、不安定性分数を含む臓器レベルの不安定性指標のヒートマップを示しています。腹部構造により高い感受性を持つ臓器全体で、不均一な不安定性負担が示されています。比較視覚化のために値は正規化された（zスコア）単位で表示されています。

そして、肝臓や腎臓のような一部の臓器では、より厳格な信頼性基準（ICC≧0.80）を満たすための「臨界DRF閾値」が他の臓器よりも低いことが示されました。これは、これらの臓器でラディオミクスを利用する際には、線量低減に特に注意が必要であることを示唆しています。

**Table 4.** Table 4. Organ-specific critical dose reduction factor (DRF) thresholds for maintaining radiomics stability. Critical DRFs were estimated from fitted stability trajectories. For the median critical DRF, the threshold corresponds to the point at which the fitted ICC trajectory reaches 0.75. Values >100 indicate that the threshold was not reached within the evaluated DRF range, whereas “–” indicates that the corresponding criterion was not achieved.解説: ラディオミクス安定性を維持するための臓器固有の臨界線量低減率（DRF）閾値を要約しています。臨界DRFは適合された安定性軌跡から推定されました。中央値の臨界DRFでは、閾値は適合されたICC軌跡が0.75に達する点に対応します。100を超える値は、閾値が評価されたDRF範囲内で到達されなかったことを示し、「–」は対応する基準が満たされなかったことを示します。

デジタルツインへの示唆と研究の限界

本研究で提案された非線形安定性表現型分類フレームワークは、ラディオミクスの頑健性を評価するための行動ベースのアプローチを提供し、信頼性の高い特徴量と臓器の選択をサポートします。これは、将来のデジタルツインシステムへの応用において重要な意味を持ちます。デジタルツインでは、摂動下で予測可能かつ構造化された挙動を示す状態変数が必要とされるため、安定性表現型によって分類された臓器や特徴量の中から、デジタルツインに適したものを選択できる可能性があります。

例えば、骨格構造や膀胱のように安定した、または漸進的に減衰する表現型を示す臓器は、将来のデジタルツインへの統合においてより信頼性の高い候補となるかもしれません。対照的に、肝臓や膵臓のように急激な崩壊を示す臓器は、信頼性を確保するために線量制約、特徴量フィルタリング、または適応型モデリング戦略が必要となる可能性があります。本研究で特定された臨界安定性閾値は、低線量PETイメージングにおける安全な運用範囲を定義するための実用的なガイドラインを提供します。

一方で、本研究にはいくつかの限界があります。まず、データは過去のものであり、低線量PET画像はリストモードサブサンプリングによってシミュレーションされました。これは、実際の低い放射能投与量による取得とは異なる挙動を示す可能性があります。将来的には、独立して取得された低線量PETデータセットを用いた検証が必要です。次に、本研究ではスキャナー固有の影響は個別に評価されていませんが、異なるイメージングプラットフォーム間での安定性表現型の整合性を確認するためには、より大規模なコホートでの調査が求められます。

また、形状特徴の安定性が高く評価されたのは、CT画像から一度生成されたセグメンテーションマスクが、線量レベル全体で伝播されたことにも起因します。そのため、この安定性はPET画像強度摂動に対する本質的な頑健性だけでなく、固定マスクを用いた実験デザインも反映しています。さらに、非線形軌跡モデリングは6つの線量低減条件で実施されており、特にシグモイド関数のような多パラメータモデルのパラメータ推定に利用可能な観測点の数が限られています。最後に、臨床的なエンドポイントは含まれていないため、非線形不安定性が予測性能に直接与える影響はまだ確立されていません。

まとめ

この研究は、全身PETにおけるラディオミクス安定性が、非線形であり、臓器固有かつ特徴量に依存した動態に支配されていることを明らかにしました。広範なティッピングポイント挙動と不均一な不安定性負担の証拠が示されました。非線形表現型分類フレームワークを導入することで、低線量イメージング、多施設研究、そして将来のデジタルツイン開発に潜在的な示唆を与える、ラディオミクス頑健性のより情報豊富で工学的に関連性の高い特徴付けを提供しています。

今後の研究では、このフレームワークをさらに拡張し、ハーモナイゼーションやノイズ除去戦略を統合して特徴量の頑健性を向上させることが考えられます。また、安定性閾値を臨床的に適用可能な放射能投与量の推奨に結びつけるためには、低放射能PETによる前向き検証が必要となるでしょう。本研究は、医療画像インフォマティクスの未来に向けて、ラディオミクスの信頼性を深く理解するための重要な一歩となるでしょう。

用語集

ラディオミクス: 医療画像から膨大な数の定量的な特徴量を抽出し、疾患の診断や治療効果予測に役立てる解析手法。
PET（陽電子放出断層撮影）: 体内の代謝活動などを画像化する核医学検査の一種。全身PETは広範囲を高感度に撮影できる。
線量低減率（DRF）: PET画像のカウント統計量を減らすことで、あたかも線量を低減したかのようにシミュレーションする指標。
非線形安定性: 線量低減などの変化に対し、ラディオミクス特徴の安定性が直線的ではない、複雑な振る舞いを示すこと。
ICC（級内相関係数）: 2つ以上の測定値間の合致度や信頼性を評価するための統計指標。本研究では再現性評価に用いた。
安定性表現型: 線量低減に対するラディオミクス安定性の特徴的な反応パターン（例：急激な崩壊など）の分類。
臨界閾値: ラディオミクス特徴の信頼性が急激に失われ始める、特定の線量低減レベル。
デジタルツイン: 物理的なシステムやプロセスをデジタル空間で再現し、シミュレーションや予測を行う技術。医療応用が期待される。
テクスチャ特徴: 画像のきめ細かさや粗さといった、局所的なパターンの空間的分布を数値化した特徴量。
形状特徴: 対象物の大きさや形といった幾何学的な特性を記述する特徴量。
ファーストオーダー特徴: 画像内のピクセル値の分布（平均、標準偏差など）を記述する特徴量。