複合現実神経外科手術の精度をリアルタイムに監視する新指標RQI

9月 11, 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: A real-time metric for quantifying registration stability in mixed reality neurosurgical navigation
International Journal of Computer Assisted Radiology and Surgery｜被引用数: 0（2026年9月11日時点）

複合現実（MR）技術は、仮想の解剖学的モデルを手術野に重ね合わせることで、神経外科手術の精度向上に大きな期待が寄せられています。しかし、トラッキングの限界やセンサーノイズなどによる空間的な不安定性が課題となっていました。本研究は、この課題を解決するため、複合現実ガイド下神経外科手術における位置合わせの安定性を継続的に評価する、臨床的に解釈可能な新しい指標「RQI（Registration Quality Index）」を開発し、その有効性を検証しました。

研究サマリー（FINER & PICO）

Feasible実施可能性	既存のVarjo XR-3ヘッドセットとArUcoトラッキングを利用し、実験室環境でRQIの計算と検証が実行可能でした。
Ethical倫理面	人体を使用しない硬質ファントムを用いた実験であり、倫理的懸念は最小限に抑えられています。
Interesting面白さ	従来の静的評価では捉えられなかった複合現実ナビゲーションの動的な位置合わせ安定性をリアルタイムで継続監視できる点が新規かつ非常に興味深いです。
Novel新規性	複合現実神経外科ナビゲーションにおいて、位置合わせの安定性を継続的かつ自動的に監視する初の表面ベースのリアルタイム指標として新規性があります。
Relevant切実さ	神経外科手術ではミリメートル単位の精度が要求され、術中の位置合わせ劣化をリアルタイムで検知することは、手術の安全性と精度向上に極めて関連性が高いです。
Measurable測定可能性	RQIはピクセルレベルの境界近接度解析に基づいて定量化され、FREおよびTREとの強い相関が数値的に実証されました。
Modifiable派生・改善	RQIの計算アルゴリズムや閾値は、将来的に臨床的ニーズや新しい技術に合わせて調整・最適化される可能性があります。
Structured文章構造	論文は明確な目的、検証方法、結果、考察、結論で構成されており、研究デザインが論理的に構造化されています。
PICO / PECO対象・介入・比較・結果	P: 複合現実ガイド下神経外科手術の精度管理、I: Registration Quality Index (RQI)の導入、C: 従来の静的な位置合わせ精度指標、O: リアルタイムで継続的な位置合わせ安定性評価の実現。

複合現実（MR）ガイド下神経外科手術の課題

どうも、Beyond the Pixelです。複合現実（MR）技術は、手術前に取得したMRIやCTなどの画像データを、手術中の実際の体表にリアルタイムで重ね合わせることで、術者に深い解剖学的洞察を提供し、手術の精度を高める可能性を秘めています。特に、脳神経外科のようにミリメートル単位の精度が求められる領域では、重要な脳組織や血管構造への損傷リスクを低減し、手術結果を改善する上で極めて有望視されています。しかし、このMRナビゲーションには固有の課題が存在します。それは、トラッキングシステムの限界、センサーノイズ、ヘッドマウントディスプレイ（HMD）の動きなどによって生じる空間的な不安定性です。これらのフレームごとのわずかな変動は、神経解剖学的構造の一時的な位置ずれを引き起こす可能性があり、従来の静的な位置合わせ精度評価指標（FREやTREなど）では十分に捉えきれていません。これまでの評価方法は、位置合わせ時またはその直後の単一時点での測定に限定されており、手術中に起こりうる動的な位置合わせの劣化を検知できないという根本的な限界がありました。このような背景から、手術中の位置合わせの安定性を継続的に評価できる、臨床的に意味のある指標の開発が強く求められていました。

新たな精度評価指標「RQI（Registration Quality Index）」とは

本研究では、複合現実ガイド下神経外科手術における位置合わせの安定性を継続的に評価するため、「RQI（Registration Quality Index）」と呼ばれる新しい自動化された指標が導入されました。RQIは、仮想モデルと実物の位置合わせの質を、ピクセルレベルの境界近接度解析を通じて定量化する表面ベースの指標です。具体的には、物理的な構造の境界と、それに重ね合わされた仮想モデルの境界との間のずれを測定します。RQIの値が高いほど境界のずれが大きい、すなわち位置合わせの質が悪いことを示します。従来の指標が物理的な目印（フィデュシャルマーカー）を必要とするのに対し、RQIは物理的なマーカーや手動での測定を必要とせず、ピクセルレベルの画像解析に基づいて継続的かつリアルタイムに位置合わせの質を監視できる点が大きな特徴です。

RQIの検証方法

RQIの有効性を検証するため、研究者たちは厳格な実験を行いました。検証には、成人頭蓋骨の形態に合わせたセラミック製の硬質頭蓋骨ファントムを解剖学的参照標準として使用しました。このファントムのCTスキャンから高解像度の仮想モデルが作成され、Unreal Engine 5.0.3を通じて半透明のオーバーレイとしてレンダリングされました。複合現実ハードウェアとしてVarjo XR-3ヘッドマウントディスプレイが用いられ、ArUcoマーカーに基づく光学式トラッキングシステムを介して、仮想モデルと物理的なファントム間の空間的な位置合わせが行われました。

**Figure 2.** Fig. 2 ArUco ﬁducial marker system for mixed reality registration解説: ArUcoマーカーは、仮想モデルと物理的ファントム間の空間的な位置合わせに用いられる二次元のフィデュシャルマーカーシステムです。画像では、ファントムに隣接して配置されたアクリル製ベースプレートに固定されたマーカーが示されています。

実験は15回の試行と75種類の異なる視点設定（正面、斜め、側面、背面、対側側面）で実施され、RQIの値は、確立された神経ナビゲーション精度指標であるFRE（Fiducial Registration Error：位置合わせに使用した基準点間の誤差）およびTRE（Target Registration Error：位置合わせに使用していない標的点での誤差、より臨床的に重要とされます）と比較されました。重要な点として、FREとTREの算出には、ArUcoマーカーとは完全に独立した解剖学的ランドマーク（例：Nasion、Bregmaなど）が使用され、検証の循環性を排除しました。RQIの計算プロセスは、Varjo XR-3のパススルーフレームを30 Hzで取得し、グレースケール変換、アダプティブ閾値処理によるセグメンテーション、Cannyエッジ検出を経て、物理的境界と仮想的境界を分離します。仮想モデルがシアン（RGB: 0, 255, 255）でレンダリングされる特性を利用して、色チャネル解析により両者を区別しました。その後、物理的境界の各ピクセルから最も近い仮想的境界のピクセルまでのユークリッド距離を計算し、この距離が設定された近接閾値（τ = 6ピクセル ≈ 8 mm）を超える物理的境界ピクセルの割合をRQIとして算出しました。

**Figure 3.** Fig. 3 Registration Quality Index (RQI) computation pipeline. a Mixed reality passthrough frame showing the physical skull phantom with superimposed virtual model. b Binary segmentation mask isolating boundary regions. c Boundary separation into physical (B_real, white)**解説:** RQI計算パイプラインの概念図です。a) 複合現実パススルーフレーム、b) 頭蓋骨領域の二値化セグメンテーションマスク、c) 物理的境界（B_real、白）と仮想的境界（B_virtual、シアン）への分離、d) 空間的ずれの測定（閾値内のピクセルは緑、超えるピクセルは赤で示され、ずれの許容閾値τも示されています）。

この閾値は、TREとのピアソン相関を最大化するように決定されました。

RQIの検証結果と実用性

研究の結果、RQIはFREおよびTREと非常に強い相関を示すことが確認されました。RQIとFREの間にはr = 0.89（95% CI 0.69–0.96, p < 0.001）の強い相関が、RQIとTREの間にはさらに強いr = 0.93（95% CI 0.80–0.98, p < 0.001）の相関が認められました。

**Table 1.** Table 1 Pearson correlation coefﬁcients Metric pair Pearson r Spearman ρ p-value R2 (ρ−r)

回帰分析では、RQIが1%増加するごとに、FREが0.195 mm、TREが0.244 mm増加することが示され、RQIが点ベースの精度指標と定量的に関連していることが明らかになりました。特筆すべきは、RQIがワークフローを中断することなく、30 Hzのリアルタイムで計算可能であった点です。これは、RQIが術中の継続的な監視に十分な計算効率を持つことを意味します。また、RQIの変動は視点角度によって有意な影響を受けることが示されました。特に側面からの視点では、正面からの視点と比較して高いずれの値を示すことが確認されています。

**Table 2.** Table 2 RQI by viewing angle

これは、視点によって位置合わせの誤差の検出感度が異なることを示唆しています。システムの使用性評価（SUS）では、経験豊富な3名の神経外科専門家によって平均79.0±4.7点という「良好」なスコアが得られ、システムが高い使いやすさを持つことが示されました。RQIの予備的な臨床解釈閾値も提案されており、例えばRQIが0〜2%であればTREが3.5 mm未満で「許容範囲」と解釈されるなど、術中判断の参考となる指針が示されています。

**Table 3.** Table 3 Preliminary RQI interpretability framework

研究の限界と今後の展望

本研究はRQIが複合現実ガイド下神経外科手術における位置合わせの安定性を継続的に監視するための、技術的な概念実証としては成功を収めました。しかし、いくつかの限界も存在します。まず、検証は硬質なセラミック製ファントムのみで行われたため、生体内での脳のずれ（Brain Shift）や軟部組織の変形を考慮していません。脳のずれは10 mmを超えることもあり、表面ベースのRQIが良好な位置合わせを示しても、深部の構造では大きなずれが生じる可能性があります。これは、境界ベースの指標が持つ本質的な限界であり、深部ターゲットに関わる場合は、RQIを術中画像診断法と組み合わせる必要性が強調されています。また、現在の解釈可能範囲は探索的なものであり、臨床的に具体的な意思決定の境界線を確立するためには、生体内条件でのさらなる臨床研究が必要です。サンプルの試行回数が15回と限られていることや、ユーザビリティ評価も管理された実験室条件下で行われたため、実際の外科手術の認知ストレスや時間的制約下でのシステム性能は異なる可能性があります。今後の展望として、RQIと外科的転帰との相関を評価する前向き研究、術中画像診断モダリティとの統合、そしてRQIの時系列的な変化から位置合わせの劣化を予測する適応的アルゴリズムや予測的アルゴリズムの開発が挙げられます。また、RQIの対象を脊椎ナビゲーションのような他の領域に拡張することも自然な方向性です。

用語集

Mixed Reality (MR): 複合現実 – 物理世界に仮想情報を重ね合わせ、リアルタイムで相互作用できる技術。
Neuronavigation: 神経ナビゲーション – 手術前に得られた画像情報（CTやMRIなど）に基づき、術中に手術器具の位置をリアルタイムで誘導する技術。
Registration: 位置合わせ – 術前の画像データと術中の対象者解剖学的構造の間に正確な空間的対応関係を確立するプロセス。
Fiducial Registration Error (FRE): フィデュシャル位置合わせ誤差 – 位置合わせに用いた基準点（フィデュシャルマーカー）間の残差誤差。
Target Registration Error (TRE): 標的位置合わせ誤差 – 位置合わせに用いていない解剖学的標的点における誤差。臨床的な意味合いがより大きいとされます。
Registration Quality Index (RQI): 位置合わせ品質指標 – 仮想モデルと物理的対象の境界のずれをピクセルレベルで継続的に定量化する新しい指標。
Phantom: ファントム – 医療画像診断や治療の研究・評価のために使用される、人体の組織や構造を模倣した模型。