前立腺がん骨病変のPSMA PET/CT診断：AIスコアと専門家評価の比較

解説対象論文: Comparative analysis of PSMA-RADS Version 2.0 versus bone uptake metastatic probability (BUMP) score for characterising focal bone uptake on [18F]PSMA-1007 PET/CT in prostate cancer – a multicentre evaluation
European Journal of Nuclear Medicine and Molecular Imaging｜被引用数: 0（2026年9月4日時点）

前立腺がんの診断と病期診断において、PSMA PET/CTは重要な役割を果たしていますが、特に骨病変における非特異的なトレーサー集積は診断の課題となっています。この課題を解決するため、専門家による標準化された評価システムと、画像・臨床データを統合したAIベースの予測スコアが開発されています。本記事では、この二つの評価手法の診断精度を比較した最新の研究について、詳しく解説します。

Feasible実施可能性	既存の[18F]PSMA-1007 PET/CTスキャンデータと臨床記録を用いて実施され、実現可能性が高い。
Ethical倫理面	多施設後方視的研究であり、対象者ケアに影響を与えず、倫理委員会承認と同意取得は免除された。
Interesting面白さ	前立腺がんの非特異的骨集積の診断課題に対し、AIスコアと専門家評価の比較は臨床的意義が大きい。
Novel新規性	複合イメージング・臨床モデルであるBUMPスコアと標準化されたPSMA-RADS v2.0を多施設で比較した点が新規性を持つ。
Relevant切実さ	正確な骨転移診断は、前立腺がん対象者の治療方針決定と予後推定に極めて重要である。
Measurable測定可能性	BUMPスコアのAUROC、感度、特異度、F1スコア、PSMA-RADS v2.0のAUROCなどで診断性能を定量的に評価した。
Modifiable派生・改善	BUMPスコアは閾値調整が可能であり、局所閾値の最適化により性能向上が見込める。
Structured文章構造	PSMA-RADS v2.0という標準化された報告システムを比較対象とし、明確な評価基準を用いて分析された。
PICO / PECO対象・介入・比較・結果	前立腺がん対象者における[18F]PSMA-1007 PET/CTによる骨病変の診断において、BUMPスコアはPSMA-RADS v2.0と比較して優位か。

はじめに：PSMA PET/CTの診断課題と新たな評価ツール

どうも、Beyond the Pixelです。前立腺がんは、男性で2番目に多く、全世界で4番目に多いがんです。2022年には推定146万件の新規症例が診断され、2040年までに290万件に増加すると予測されており、高齢化が主な要因とされています。正確な病期診断は、治療方針の決定、治療反応のモニタリング、予後の推定に不可欠です。プロステート特異的膜抗原（PSMA）PET/CTは、従来の画像診断法と比較して、原発性および転移性疾患の検出において優れた感度と特異度を示し、前立腺がんの管理に大きく貢献しています。特に[18F]PSMA-1007というトレーサーは、優れた生体内分布特性を示し、排尿干渉なしに前立腺および骨盤領域の評価を可能にします。しかし、[18F]PSMA-1007 PET/CTでは、非特異的な骨集積（UBU）がより頻繁に見られ、診断上の大きな課題となっています。UBUは、CTで明確な形態的相関がない、または良性プロセスと真の骨転移を確実に区別できない局所的な骨へのトレーサー集積として定義されます。このようなあいまいな所見は、追加の画像検査、フォローアップの長期化、治療開始の遅延、医療費の増加、対象者の不安につながる可能性があります。さらに、UBUの誤った悪性解釈は不必要な全身療法につながり、誤った良性解釈は真の転移性疾患に必要な介入を遅らせる可能性があります。これらの課題に対応するため、解釈のばらつきを減らし、報告を標準化するためのいくつかの解釈システムが開発されました。その中でも、PSMA Reporting and Data System（PSMA-RADS）バージョン2.0が注目されています。PSMA-RADSは、PSMA PET/CTの所見を1（確実に良性）から5（悪性度が非常に高い）までの5段階で評価するシステムで、97.4%という優れた精度を示しています。しかし、PSMA-RADS 3と分類されるあいまいな病変は依然として診断上の不確実性を呈します。視覚的評価と構造化された報告システムの限界を補完するため、画像データと臨床データを統合した定量的手法が検討されています。骨集積転移確率（BUMP）スコアは、[18F]PSMA-1007 PET/CTにおけるUBUと真の骨転移を区別するために設計された複合モデルです。BUMPスコアは、PET由来の最大標準化摂取値（SUVmax）、CTベースの平均Hounsfield単位（HUmean）、および画像診断時のアンドロゲン除去療法（ADT）の有無を統合し、悪性度予測スコアを生成します。これまでの検証では、BUMPスコアは0.871（内部検証）および0.925（外部検証）のAUROC値を達成し、堅牢な診断性能を示しています。しかし、その外部検証はまだ限定的であり、特にあいまいな病変においてBUMPスコアが診断上のあいまいさを効果的に軽減できるか、またPSMA-RADSのような構造化された報告システムと比較した場合の性能については、十分なエビデンスが不足していました。本研究は、多施設対象者コホートにおいて、PSMA PET/CTで検出された骨病変における骨転移予測に対するBUMPスコアの診断性能をさらに外部検証することを目的としました。さらに、BUMPスコアの性能をPSMA-RADSバージョン2.0と比較し、あいまいなPSMA-RADS病変をさらに層別化する上でのBUMPスコアの有用性を評価しました。

研究方法：AIスコアと専門家評価の比較検証

この研究は、英国の3つの三次医療施設で2021年10月から2023年3月にかけて日常的な臨床ケアの一環として実施された[18F]PSMA-1007 PET/CTスキャンを受けた前立腺がんの対象者を対象とした、後方視的多施設研究です。PET/CT画像は、欧州核医学協会（EANM）のガイドラインに従って、GE Healthcare Discovery 690および710 PET/CTスキャナーを使用して取得されました。倫理委員会の承認とインフォームドコンセントは免除され、本研究は観察サービス評価プロジェクトとして実施されました。[18F]PSMA-1007 PET/CTスキャンを後方視的にレビューし、局所的なPSMA集積を示す骨病変を特定しました。病変は、経験豊富な核医学および放射線専門家からなるパネルによってセグメンテーション（病変領域の特定）されました。各病変について、最大標準化摂取値（SUVmax）、対応するCT画像からの平均Hounsfield単位（HUmean）が抽出されました。また、画像診断時のアンドロゲン除去療法（ADT）の有無など、対象者の情報も記録されました。各病変のBUMPスコアは、SUVmax、HUmean、ADT状態の組み合わせを用いて、公表されている式に基づいて計算されました。PSMA-RADS v2.0のカテゴリー（1から5）は、BUMPスコアとの一致度を評価するために、一人の経験豊富な専門家によって各病変に割り当てられ、二番目の専門家との合意によって確認されました。PSMA-RADS 3はあいまいな病変を表します。骨病変の「ゴールデンスタンダード」としての真の分類（良性、あいまい、悪性）は、対象者の電子医療記録のレビューを通じて確立されました。これには、フォローアップ画像、前立腺特異抗原（PSA）の動態、および多分野専門家間の合意が含まれます。十分なフォローアップデータがない病変はあいまいと見なされ、分析から除外されました。統計分析にはRおよびPythonが使用され、BUMPスコアとPSMA-RADS v2.0の識別能力は、受信者操作特性（ROC）分析を用いて評価されました。ROC曲線下面積（AUROC）が算出され、比較のために対象者レベルのブートストラップ再サンプリングが実施されました。BUMPスコアの最適な局所閾値は、Liu基準を用いて導出されました。混同行列と診断性能統計は、BUMPスコアの2つの主要な閾値（文献由来の0.250と局所的に導出された0.134）とPSMA-RADS v2.0スコアリングについて生成されました。

研究結果：専門家評価がAIスコアを上回る

本研究では、130名の対象者（中央値年齢70歳）から得られた412個の骨病変が分析に含まれました。このうち251個の病変（60.9%）が悪性前立腺がん転移であることが多分野専門家間の合意によって確認されました。161個の病変（39.1%）は良性と見なされました。追跡期間の中央値は22.8か月でした。対象者のほとんどは、生化学的再発（BCR）のための病期再判定目的でPSMA PET/CTを受けていました（111名、85.4%）。画像診断時にアンドロゲン除去療法（ADT）を受けていなかった対象者は111名（85.4%）でした。PSA倍加時間の中央値は、良性骨病変の対象者と比較して、悪性骨病変の対象者でより短かった（5.1か月対6.9か月、p=0.047）。

対象者と病変の特性は、（表1）に示されています。生化学的再発の対象者におけるPSA倍加時間やEAUリスク分類に関する詳細は、

にまとめられています。病変の解剖学的部位、サイズ、密度、SUVmax、BUMPスコア、PSMA-RADS v2.0スコアなどの特性は、

に示されています。PSMA陽性病変の最も頻繁な解剖学的部位は肋骨（42.2%）であり、次いで椎骨（27.4%）と骨盤（15.3%）でした。悪性病変は良性病変よりも大きく（中央値12.0mm対6.0mm、p<0.001）、放射性トレーサーの集積も高かった（SUVmax中央値7.54対3.53、p<0.001）。また、悪性病変は良性病変と比較して、Hounsfield単位密度の中央値も高かった（259.0対196.4、p<0.001）。計算されたBUMPスコアの中央値は、悪性病変（中央値0.427）の方が良性病変（中央値0.08）よりも高かった（p<0.001）。BUMPスコアのROC分析では、悪性病変と良性病変を区別するためのAUROCは0.812（95%信頼区間: 0.636–0.931）を示しました。このコホートにおけるLiu基準を用いた最適な確率閾値は0.134でした。この閾値でPSMA-RADS 3と分類された病変（44個）を除外した場合、BUMPスコアは感度73.9%、特異度80.0%、バランス精度77.0%、F1スコア0.800を達成しました。文献由来の閾値0.25では、感度は62.6%に低下し、特異度は88.5%に改善され、F1スコアは0.74でした。BUMPスコアの診断性能を評価するために、2つの異なる確率閾値（文献由来の0.250と本研究で導出された0.134）における混同行列が作成されました。

一方、PSMA-RADS v2.0の評価では、悪性病変251個のうち234個（93.2%）が4（おそらく前立腺がん）または5（確定的な前立腺がん）とスコアリングされました。良性病変161個のうち125個（77.6%）が良性またはおそらく良性とスコアリングされました。PSMA-RADS v2.0スコアリングのROC分析では、AUROCは0.980（95%信頼区間: 0.952–0.993）を示しました。PSMA-RADS 3病変（44個）を除外した場合、PSMA-RADS v2.0は感度98.3%、特異度96.2%、バランス精度97.3%、F1スコア0.981という高い診断性能を示し、BUMPスコアよりも優れた性能を発揮しました。PSMA-RADS v2.0による専門家評価の診断性能と感度分析は、

に示されています。あいまいなPSMA-RADS 3病変（44個）において、BUMPスコアは識別力が低下し、AUROCは0.605（95%信頼区間: 0.457–0.781）でした。感度分析は、PSMA-RADS 3病変の扱い方に関わらず、PSMA-RADS v2.0がBUMPスコアよりも優れた性能を維持することを示しました。その詳細な結果は

に示されています。

考察：専門家の重要性と定量的ツールの役割

この多施設後方視的研究では、PSMA-1007 PET/CTスキャンにおける骨集積の特性評価において、BUMPスコアの診断性能がPSMA-RADSバージョン2.0を用いた構造化された報告と比較されました。BUMPスコアは全体的に良好な診断性能（AUROC 0.812）を達成しましたが、PSMA-RADSを用いた構造化された専門家報告には及びませんでした。対象者レベルの感度分析も、病変レベルの主要な結果と一致しており、PSMA-RADSがBUMPよりも優れた診断性能を維持することを示しました。これは、結論が複数の病変を持つ対象者の重み付けによってのみ引き起こされたものではないことを示唆しています。構造化されたPSMA-RADS評価は優れた診断精度を示しましたが、BUMPスコアの再現性と客観性は、特に高容量の医療施設や専門知識が限られた専門家を支援するための意思決定支援補助ツールとしての潜在的な有用性を提供します。BUMPスコアはBaucknehtらが開発・検証し、内部検証で0.87、外部検証で0.92のAUROC値を報告しています。本研究の多施設データセットでは、AUROC値が0.812とやや低下しましたが、これはより幅広い実世界の異質性を反映していると考えられます。また、最適な確率閾値も異なりました。これは、異なる医療機関間で定量的モデルを一般化する際の共通の課題であり、臨床導入前に局所的な閾値評価が重要であることを強調しています。BUMPスコアの利点は、ボリュームオブインタレストによるセグメンテーションや、ADT状態を対象者記録から確認することで、比較的簡単にパラメータを取得できることです。しかし、あいまいなPSMA-RADS 3病変の文脈におけるBUMPスコアの識別能力の低下（AUROC 0.605）は、臨床的および解剖学的文脈が組み込まれていない定量的指標の限界を浮き彫りにしています。あいまいな病変は、中程度のSUVmax値とあいまいなCT密度特性を示す場合があります。専門家の解釈は、病変の分布、形態、集積度を、全体の疾患負荷や臨床的な事前確率と統合することができますが、これらの特徴はBUMPには含まれていません。系統的レビューでは、肋骨がPSMAトレーサー全体で非特異的骨集積の最も一般的な部位であり、孤立した肋骨集積は通常非転移性であることが示されています。しかし、特に[18F]PSMA-1007では、脊椎や骨盤帯でも非特異的集積が発生します。したがって、病変の位置は転移の可能性を決定するのではなく、情報を提供すべきであり、集積強度、CT形態、および全体的な臨床的文脈と合わせて考慮する必要があります。この解釈は、病期診断PSMA PETにおけるあいまいな骨集積のMDT評価とPROMISE基準を比較した最近の研究によっても裏付けられています。この研究では、全体的に大きな合意が見られたものの、長期フォローアップでは、すべての不一致症例でMDT解釈が優位であることが判明しました。この研究結果は、本研究のあいまいなサブグループにおけるBUMPの性能低下と一致しており、境界領域の病変を解釈する際に、専門家による文脈評価の継続的な重要性を支持しています。放射線医学では、標準化された報告への動きが強まっています。複数の研究で、構造化された報告やプロフォーマベースの報告ががん病期診断報告書の完全性を大幅に高めることが確認されています。PSMA PET/CT報告についても、標準化された報告を推進するイニシアチブが進められています。私たちの研究は、PSMA-RADS v2.0が臨床的に有用で再現性のあるフレームワークを提供するという、増え続けるエビデンスに加わるものです。しかし、PSMA-RADS v2.0内で継続的に困難な領域があることは、標準化が解釈上の不確実性を排除する手段ではなく、一貫性を向上させる手段と見なされるべきであることを示しています。本研究コホートの対象者のほとんどは、治療後の再発検出のためにPSMA PET/CTを受けていました。この設定では、UBUは経過観察やADTの開始によってより保守的に管理できる場合があります。しかし、高リスクの局所性前立腺がんの病期診断におけるPSMA PET/CTの使用には強力なエビデンスベースがあり、この臨床シナリオではUBUの影響は異なります。 upfront病期診断におけるUBUの治療的影響はより直接的であり、対象者の管理にとってより重要となる可能性があります。少数の対象者しか初期病期診断のために画像診断を受けていなかったため、臨床適応による意味のあるサブグループ分析はできませんでした。したがって、本研究の知見は主に生化学的再発設定におけるBUMPとPSMA-RADSの性能を反映しており、upfront病期診断に無批判に外挿すべきではありません。本研究の強みは、多施設実世界デザインであり、PSMA PET-CTにおける骨病変の妥当なコホートと中程度の追跡期間があることです。しかし、いくつかの限界も認識すべきです。後方視的デザインは固有の選択バイアスを導入し、追跡期間の範囲は最短で40日と大きく異なりました。各対象者から複数の病変が含まれているため、データセットには対象者内クラスターが含まれている可能性があります。対象者レベルのブートストラップはROC信頼区間と性能閾値に用いられましたが、診断性能指標と混同行列は、このクラスター調整なしで病変レベルで計算されたため、これらの推定値の精度がわずかに過大評価されている可能性があります。本研究では識別能力と閾値ベースの分類性能を評価しましたが、BUMPの絶対確率推定としてのキャリブレーションは正式に評価していません。したがって、報告されたBUMP値は、このコホートにおける悪性度のキャリブレーションされた病変レベルのリスクとして解釈すべきではありません。PSMA-RADS 3と分類された病変の分析は、サンプルサイズが小さいため限定的であり、結果は慎重に解釈すべきです。一般化可能性も[18F]PSMA-1007に限定されます。これはあいまいな骨病変の有病率が高いものの、他のPSMA放射性リガンドよりも悪性度が高いとは言えないため、これらの知見を他のトレーサーに直接外挿すべきではありません。この研究分野における重要な限界は、骨病変のゴールデンスタンダードを決定することにあります。この臨床シナリオでは、骨病変の組織学的悪性度の証明が得られることは稀であり、ゴールデンスタンダード分析は、多分野専門家間の合意と、電子医療記録の調査を通じて全体の臨床像を評価することに依存しており、これはしばしば専門家によるPSMA PET/CT画像所見の解釈に影響されます。これにより、組み込みバイアスの可能性が高まります。本研究では、真にあいまいと見なされた病変を持つ対象者が6名おり、この主要な対象者グループは統計分析から除外されました。専門家ごとの経験は、経験別に層別化された分析を可能にするほど詳細には記録されていませんでした。BUMPスコアリングの有用性は、経験の少ない専門家においてより顕著である可能性があり、これはさらに検討されるべきです。

結論：専門家の洞察力と定量的ツールの共存

BUMPスコアは転移性骨病変の予測において良好な性能を示しましたが、専門家による構造化されたPSMA-RADS v2.0評価と比較すると劣る結果となりました。あいまいな病変においては、BUMPスコアの追加価値は限定的であり、非特異的骨集積によって生じる不確実性を評価する上で、専門家の解釈の重要性が強調されます。この結果は、AIベースの定量的ツールが有用な補助となり得る一方で、複雑な医療画像診断においては、対象者の全体的な状況と臨床的背景を考慮した人間の専門知識が不可欠であることを示唆しています。今後の研究では、より高度な画像解析技術や人工知能モデルを導入し、専門家の解釈をより正確に補完できるツールの開発が期待されます。

用語集

• PSMA PET/CT: 前立腺特異的膜抗原（PSMA）という分子を標的とする放射性薬剤を用いたPETとCTを組み合わせた画像検査。
• [18F]PSMA-1007: PSMA PET/CTで用いられる放射性トレーサーの一種。
• 非特異的骨集積（UBU）: PET/CT画像で骨に放射性薬剤が集まるが、CTで明確な形態変化がなく、良性か悪性か判断しにくい所見。
• BUMPスコア: 骨集積転移確率スコア。PET画像からの最大標準化摂取値（SUVmax）、CT画像からの平均Hounsfield単位（HUmean）、アンドロゲン除去療法（ADT）の有無を組み合わせて算出される複合予測スコア。
• PSMA-RADS v2.0: PSMA PET/CTの所見を標準化して報告するためのシステム。1から5までの5段階で病変の悪性度を評価する。
• SUVmax: 最大標準化摂取値。PET画像における病変内の放射性薬剤の最大集積度を示す指標。
• Hounsfield単位（HUmean）: CT画像における組織の密度を示す単位。
• アンドロゲン除去療法（ADT）: 男性ホルモン（アンドロゲン）の働きを抑えることで前立腺がんの進行を抑制する治療法。
• ゴールデンスタンダード: 診断の正確性を評価する際に、最も信頼できるとされる基準や手法。
• AUROC: ROC曲線下面積。診断モデルの識別能力を示す指標で、値が1に近いほど識別能力が高い。
• 感度: 実際に悪性の病変を正しく悪性と判定する割合。
• 特異度: 実際に良性の病変を正しく良性と判定する割合。
• F1スコア: 適合率と再現率の調和平均であり、分類モデルのバランスの取れた性能を示す指標。
• 混同行列: 分類モデルの性能を評価するための表。真の陽性・陰性、偽陽性・陰性の数をまとめる。
• 多分野専門家間の合意: 複数の専門分野の専門家が協力し、意見を交換して最終的な結論に至るプロセス。