深層学習による合成CTでPET-MRの減弱補正を改善：骨領域の精度向上とSUV測定の臨床的同等性

August 10, 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: Evaluating a radiotherapy deep learning synthetic CT algorithm for PET-MR attenuation correction in the pelvis
EJNMMI Physics｜被引用数: 8（2026年8月10日時点）

PETとMRを同時に撮像できるPET-MRは、がん診断の可能性を広げる一方で、MR信号が組織密度を直接反映しないため、特に骨領域での減弱補正が課題とされてきました。本研究は、この課題に対し、放射線治療向けに開発されたZero Echo Time (ZTE) MRシーケンスと深層学習を組み合わせた新しい合成CT（sCT）アルゴリズムをPET-MR減弱補正に応用し、その有効性を評価しました。これにより、骨盤領域におけるPET画像の定量的精度が大幅に向上し、標準的なCT減弱補正（CTAC）と臨床的に同等であることが示され、PET-MRの臨床利用拡大に貢献する可能性が示唆されました。

研究サマリー（FINER & PICO）

Feasible実施可能性	既存のMR-only放射線治療向け深層学習アルゴリズムとZTE-MRシーケンスを組み合わせることで、実現可能である。
Ethical倫理面	研究は倫理委員会の承認を得ており、すべての対象者からインフォームドコンセントを取得している。
Interesting面白さ	PET-MRの骨領域における減弱補正という主要課題に対し、新しいMRシーケンスと深層学習で高精度な解決策を提示する。
Novel新規性	ZTE-onlyベースの放射線治療sCTを直腸肛門がん対象者のPET減弱補正に適用した初の研究である。
Relevant切実さ	PET-MRの定量的精度を向上させ、放射線治療計画や治療効果評価におけるPET-MRの利用拡大に貢献する。
Measurable測定可能性	SUVの差、Dice係数、同等性マージンを用いた統計的同等性テストにより、客観的に評価されている。
Modifiable派生・改善	深層学習モデルであるため、追加データや異なる病態に合わせたモデルの改善・調整が可能である。
Structured文章構造	研究は明確な背景、方法、結果、考察、結論で構成されており、厳密な統計手法も適用されている。
PICO / PECO対象・介入・比較・結果	直腸肛門放射線治療を受ける対象者に対し、ZTEベース深層学習sCT減弱補正は、標準MR減弱補正と比較してPETの定量的精度を向上させるか。

はじめに：PET-MRにおける課題と合成CTの可能性

どうも、Beyond the Pixelです。医療画像診断において、PETとMRを同時に撮像できるPET-MRは、解剖学的、機能的、代謝的情報を高精度に組み合わせることで、がんの診断や治療評価に大きな可能性を秘めています。特に直腸がんなど骨盤領域のがんでは、病期診断の改善や放射線治療の標的体積の精度向上といったメリットが期待されています。しかし、PET-MRには大きな課題があります。それは、PET画像の定量的な正確さに不可欠な「減弱補正」が難しい点です。MR信号は組織の密度を直接表さないため、特に骨のようにPET放射線を強く吸収する組織の情報を従来のMR画像では十分に得ることができません。そのため、現在のMR減弱補正（MRAC）では、骨情報が欠如しており、SUV（標準化取り込み値）の測定に誤差が生じることが報告されています。放射線治療の分野では、MR画像のみで治療計画を立てる「MR-only放射線治療」のために、MR画像からCTのような画像（合成CT、sCT）を生成する技術が開発されてきました。このsCTをPET減弱補正に応用することで、PET-MRの課題を解決できる可能性があります。本研究では、この放射線治療向けに開発されたZTE（Zero Echo Time）MRシーケンスベースの深層学習sCTアルゴリズムを、骨盤領域のPET-MR減弱補正に適用し、その精度と有効性を評価することを目的としています。

研究方法：ZTEベースの合成CTと標準的なMRACの比較

本研究の対象者は、直腸肛門放射線治療を受けた10名の専門家です（男性4名、女性6名、中央年齢65歳）。これらの対象者には、放射線治療時と同じ体位でPET-MRスキャンが行われました。本研究では、3種類の減弱補正マップが作成され、それぞれでPET画像が再構成されました。一つ目は、金標準（最も正確な参照）となるCTACです。これは、放射線治療計画用のCTスキャン画像を、MR画像に厳密に位置合わせして作成されました。二つ目は、本研究で評価するZTEベースの合成CTから生成されたsCTACです。これは、骨からのMR信号も取得できる新しいZTE MRシーケンス画像と、深層学習モデルを組み合わせて作成されました。深層学習モデルは、以前に36名の骨盤放射線治療対象者のZTEとCTのペア画像で訓練されたものです。三つ目は、標準的なベンダー提供のMRACです。これは、従来のDixon MRシーケンスに基づいて、空気、肺、脂肪、軟部組織の4つの組織クラスにMR画像を分割し、それぞれのクラスに平均的な減弱係数を割り当てることで生成されます。

**Figure 1.** Fig. 1 Attenuation correction maps for an example patient. All maps included the MR coils components, flat couch top and coil bridge. Patient models were based on CT (a), ZTE-derived sCT (b) and Dixon derived MR (c)**解説:** 例示対象者の減弱補正マップを示します。画像(a)はCTAC（金標準）、(b)はZTE由来のsCTAC、(c)はDixon由来のMRACです。すべてのマップには、MRコイルコンポーネント、フラットカウチトップ、コイルブリッジが含まれています。

各減弱補正マップで再構成されたPET画像は、SUV（標準化取り込み値）の測定、自動閾値処理によるGTV（総腫瘍体積）の輪郭抽出、GTVの代謝パラメータ測定について比較されました。特に、GTV代謝パラメータについては、CTACに対する臨床的同等性を評価するため、「Two One-Sided Paired t-tests（二つの片側t検定）」という統計手法が用いられました。この同等性テストでは、±3.5%の同等性マージンが設定されました。

研究結果：ZTEベースの合成CTが示す高い精度

この研究では、まずsCTACとMRACの画像全体におけるSUVの差が評価されました。sCTACはCTACに対して平均で-0.02%という非常に小さい差を示したのに対し、MRACは平均で-3.0%の差がありました。

**Figure 4.** Fig. 4 Histogram of relative number of voxels with percentage differences in SUV to CTACT for sCTAC (green) and MRAC (blue). Relative number of voxels given as percentage of total voxels within patient external contour. Solid lines show mean counts over all patients for each bin, and shaded areas ± one standard error. The dashed line indicates zero difference解説: sCTAC（緑）とMRAC（青）について、CTACに対するSUV差のパーセンテージを持つボクセルの相対数を示したヒストグラムです。点線はゼロ差を表します。

この結果は、sCTACがCTACに極めて近いSUV値を示すことを意味します。次に、MRACの主要な課題である骨領域に焦点を当てて比較されました。骨領域では、MRACが平均-16.3%のSUV差を示したのに対し、sCTACはわずか-0.5%の差でした。

**Figure 5.** Fig. 5 Histogram of relative number of voxels with percentage differences in SUV to CTAC for sCTAC (green) and MRAC (blue) within the bone region. Relative number of voxels given as percentage of total voxels within patient external contour. Therefore y-axis is in the same units as Fig. 4 but the scale is different. Solid lines show mean counts over all patients for each bin, and shaded areas ± one standard error. The dashed line indicates zero difference解説: 骨領域におけるsCTAC（緑）とMRAC（青）について、CTACに対するSUV差のパーセンテージを持つボクセルの相対数を示したヒストグラムです。点線はゼロ差を表します。

これは、ZTEベースのsCTアルゴリズムが、従来のMRACでは困難であった骨の情報を非常に正確に捉えていることを強く示唆しています。

**Figure 3.** Fig. 3 Example SUV difference maps to CTAC PET images for the sCTAC PET image (a) and MRAC PET image (b) for the same patient and slice as shown in Fig. 2解説: 同じ対象者、同じスライスにおける、sCTAC PET画像 (a) とMRAC PET画像 (b) のCTAC PET画像に対するSUV差マップの例です。

腫瘍の輪郭抽出に関しては、sCTACとMRACの両方で自動輪郭抽出されたGTVは、CTACと比較して非常に高い類似性を示しました。Dice類似度係数（2つの領域の重なり具合を示す指標で、1.0に近いほど一致度が高い）は、原発腫瘍と節（リンパ節）腫瘍の両方で0.987以上であり、いずれの方法でも腫瘍の輪郭抽出精度に影響がないことが示されました。

**Table 1.** Table 1 Delineation metrics for GTVs on MRAC and sCTAC**解説:** MRACとsCTACにおけるGTVの輪郭抽出指標です。Dice類似度係数（DSC）、平均距離（DTAmean）、最大距離（DTAmax）、および体積差（Volume）が原発腫瘍と節腫瘍について示されています。

**Figure 2.** Fig. 2 Example PET images reconstructed using the sCTAC (a), MRAC (b) and CTAC (c) attenuation correction maps. The threshold GTV contour is shown in purple, blue and red, respectively. Zoomed in pictures of the same GTVs are shown in (d). The patient was selected as having the sCTAC and MRAC SUVmax differences closest to the mean differences解説: sCTAC (a)、MRAC (b)、CTAC (c) の減弱補正マップを用いて再構成されたPET画像の例と、紫、青、赤で示された閾値処理されたGTVの輪郭です。画像(d)は同じGTVを拡大したものです。

しかし、GTVの代謝パラメータ測定においては、より大きな差が見られました。原発腫瘍のSUVmaxについて、sCTACはCTACに対して平均1.0 ± 0.8%の差であったのに対し、MRACは平均-4.6 ± 0.9%の差でした。SUVmeanでも同様の傾向が観察されました。重要な点として、sCTACは原発腫瘍のSUVmaxおよびSUVmeanの両方で、±3.5%の同等性マージン内でCTACと臨床的に同等であると統計的に判断されました（p値はそれぞれ0.007、0.002）。一方、MRACはCTACとの臨床的同等性は示されませんでした（p値はそれぞれ0.88、0.83）。

**Figure 6.** Fig. 6 Boxplot of SUV differences to CTAC PET images for the MRAC (blue) and sCTAC (green) images. Solid bars indicate primary volumes (n = 9) and hatched bars nodal volumes (n = 5). The rectangles indicate the interquartile range (IQR), with the horizontal black line the median value, the black whiskers the maximum (minimum) data point within Q3 + 1.5IQR ( Q1 −1.5IQR ), and the black crosses outlier data points. The dotted line indicates zero difference, and the yellow filled regions indicate the equivalence margins ( ±3.5%)**解説:** MRAC（青）とsCTAC（緑）のPET画像におけるCTACに対するSUV差のボックスプロットです。実線バーは原発腫瘍体積（n=9）、ハッチングバーは節腫瘍体積（n=5）を示します。黄色い塗りつぶし領域は同等性マージン（±3.5%）を示します。

これは、sCTACがPET画像の定量的精度を大幅に向上させることを示しています。節（リンパ節）GTVでは、対象者数が少ないため、臨床的同等性は示されませんでした。

考察：放射線治療sCTのPET減弱補正への応用

この研究の成果は、ZTEベースのsCTACがPET-MR減弱補正において、既存のMRAC手法と比較して格段に高い精度を提供することを示しています。特に、MRACが骨情報を欠如しているために生じていた画像全体や骨領域におけるSUVの差が、sCTACによって大幅に縮小されたことは注目に値します。これは、ZTE-MRシーケンスが骨の情報を正確に捉え、それを深層学習モデルがsCTに変換する能力が高いことを裏付けています。腫瘍の自動輪郭抽出に関しては、sCTACとMRACのいずれもCTACとの間で高い一致度を示し、腫瘍の特定には十分な精度があることが確認されました。しかし、腫瘍の代謝活動を定量的に評価するSUVmaxやSUVmeanのような代謝パラメータにおいては、sCTACの優位性が明確になりました。sCTACは原発腫瘍においてCTACと臨床的に同等なSUV値を提供できることが統計的に示された一方、MRACではその同等性は認められませんでした。節（リンパ節）GTVにおいては、臨床的同等性が達成されませんでしたが、これは対象者数が少ないことや、一部の対象者における骨アライメントのわずかな不一致が原因である可能性が示唆されています。本研究の限界としては、金標準として用いられたCT画像とPET-MR画像が異なるスキャナーで異なる日に取得された点が挙げられます。しかし、放射線治療時と同じ体位でのスキャン、厳密な画像位置合わせ、外部輪郭の統一、空気ポケットの補正といった工夫により、可能な限り高精度な比較が保証されています。本研究で採用された±3.5%という同等性マージンは、PET-CTのSUV測定における不確実性（12%）が全体で0.5%以上増加しないように設定されたものであり、この基準内でsCTACが臨床的同等性を示したことは非常に重要です。この研究結果は、骨盤領域のPET-MR減弱補正に関する先行研究と比較しても、同等かそれ以上の性能を示しており、特にZTE-MRが骨信号を捉える能力の価値を再確認するものです。興味深いことに、PET減弱補正におけるsCTの要件は、放射線治療計画における線量計算の要件よりも、全体的な不確実性の観点から「緩やか」であると考えられています。このため、放射線治療に適用できるsCTは、修正なしにPET減弱補正にも利用できる可能性が示唆されており、本研究の結果もその考え方を支持しています。今後の展望として、より多くの対象者、特に節腫瘍の対象者での評価や、異なる施設・スキャナーでの汎用性の検証が挙げられます。

結論：PET-MRの定量精度を高めるZTE-sCTの可能性

本研究は、放射線治療向けに開発されたZTEベースの深層学習sCTアルゴリズムが、PET-MR減弱補正に効果的に応用できることを実証しました。その結果、現在のMRAC手法と比較して、金標準であるCTACに対するSUVの差が大幅に減少しました。特に画像全体における平均SUV差は-0.02%と非常に小さく、骨領域では-0.5%と著しい改善が見られました。この精度向上は、腫瘍の輪郭抽出精度には影響を与えませんでしたが、SUVmaxとSUVmeanといった代謝パラメータの測定精度を著しく改善しました。原発GTVにおけるSUV測定値は、CTACと比較して臨床的に同等であることが統計的に示され、これはPET-MRスキャナーで正確な定量的PET画像を取得できる可能性を強く示唆しています。MR-only放射線治療用に開発されたこのsCTを、修正なしにPET減弱補正に利用できることは、PET-MRワークフローの効率化と、骨盤領域におけるPET画像の定量的精度の向上に大きく貢献するでしょう。この技術は、PET-MRの診断能力をさらに引き上げ、対象者にとってより質の高い医療画像情報を提供する未来を拓くものです。

用語集

PET-MR: ポジトロン放出断層撮影-磁気共鳴画像法。PETとMRを同時に撮像する装置で、形態情報と代謝・機能情報を一度に取得できる。
減弱補正: PET画像において、放射線が体内を通過する際に吸収される（減弱する）影響を補正する処理。正確なSUV測定に不可欠。
SUV（標準化取り込み値）: PET画像における放射性薬剤の取り込み量を定量化する指標。腫瘍の活動性評価などに用いられる。
sCT（合成CT）: MR画像から深層学習などを用いて生成されたCTのような画像。MRのみでの放射線治療計画やPET減弱補正に応用される。
ZTE（Zero Echo Time）: エコー時間が非常に短いMR撮像シーケンス。通常MRで信号が得られない骨などの硬組織からも信号を検出できる。
MRAC（MR減弱補正）: 標準的なMR画像を用いて生成される減弱補正マップ。骨情報が欠如しているため、精度に課題がある。
CTAC（CT減弱補正）: CT画像を用いて生成される減弱補正マップ。骨情報を含み、PET減弱補正の金標準（最も正確な参照）とされる。
GTV（Gross Tumour Volume、総腫瘍体積）: 画像上で視認できる腫瘍の体積。放射線治療計画において標的体積の一部となる。
Dice類似度係数: 2つの領域の重なり具合を評価する指標。1.0に近いほど一致度が高いことを示す。
Two One-Sided Paired t-tests（二つの片側t検定）: 2つの治療法や測定法が臨床的に「同等である」ことを統計的に示すための手法。