PET単独で腫瘍を自動判別？データ中心深層学習によるセグメンテーションの最前線

10月 2, 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: Fully Automated Segmentation of [ 18 F]FDG and [ 68 Ga]/[ 18 F]PSMA PET/CT Images via Data-Centric Deep Learning
Journal of Nuclear Medicine｜被引用数: 0（2026年10月2日時点）

がんの画像診断において、PET/CT検査は腫瘍の検出と評価に不可欠です。しかし、腫瘍領域の手動セグメンテーションは時間と労力がかかり、臨床現場での課題となっていました。本記事では、この課題を克服するために開発された、PET画像単独で高精度な腫瘍セグメンテーションを可能にするオープンソースツール「LION」について解説します。特に、CT情報を活用して解剖学的コンテキストを学習する独自のデータ中心的アプローチと、トレーニングデータの多様性がセグメンテーション性能に与える影響に焦点を当てます。

研究サマリー（FINER & PICO）

Feasible実施可能性	オープンソースのLIONツールとして公開されており、PET画像のみでの自動セグメンテーションが可能。
Ethical倫理面	匿名化された多施設データを使用しており倫理的承認を得ている。
Interesting面白さ	解剖学的情報がないPET画像のみで高精度な腫瘍セグメンテーションを実現している点が興味深い。
Novel新規性	PET画像単独での自動腫瘍セグメンテーションと、データ特性（空間的多様性）の影響を大規模データで検証。
Relevant切実さ	手動セグメンテーションの時間的負担を軽減し、客観的な腫瘍量評価を支援することで診療への貢献が期待される。
Measurable測定可能性	Dice係数、感度、PPVなどの客観的指標でモデル性能を評価している。
Modifiable派生・改善	トレーニングデータの構成や多様性がモデル性能に影響を与えることを示し、改善の方向性を示唆。
Structured文章構造	5つの実験（臓器コンテキスト、ホールドアウト性能、DINOv2、データ構成、オープンソース比較）を通じてLIONの性能と要因を詳細に分析。
PICO / PECO対象・介入・比較・結果	P (がん対象者), I (LIONによるPET単独腫瘍セグメンテーション), C (既存のオープンソースツールやPET+CTベース手法), O (セグメンテーション精度向上、PPV向上、効率化)。

はじめに：がん診療におけるPET/CTの役割と課題

どうも、Beyond the Pixelです。がんの診断や治療効果の評価において、PET/CT検査は非常に重要な役割を担っています。特に、[18F]FDG PET/CTは様々な種類のがんに、PSMA標的PET/CTは前立腺がんに広く用いられています。これらの画像から腫瘍の領域を正確に特定する「腫瘍セグメンテーション」は、腫瘍量や薬剤の集積度を定量的に評価するために不可欠です。しかし、手作業でのセグメンテーションは時間がかかり、特に転移が広範囲に及ぶ対象者の場合、日常の診療で実施するのは困難です。これが、PET画像バイオマーカーを臨床に導入する上での大きなボトルネックとなっていました。

既存の多くの自動セグメンテーション手法は、PET画像だけでなくCT画像も併用して解剖学的な位置情報（コンテキスト）を得ています。これは効果的ですが、CT画像の有無や品質に依存するという課題があります。では、CT情報が推論時に本当に必要なのでしょうか？トレーニングの段階で解剖学的コンテキストを学習させ、推論時はPET画像のみでセグメンテーションを行うことはできないのでしょうか？

今回ご紹介する論文では、この課題に応えるべく、「LION (Lesion Identiﬁcation in Oncologic Nuclear Imaging)」というオープンソースのPET単独腫瘍セグメンテーションパイプラインを開発し、その有効性を検証しています。この研究の重要な点は、「データ中心的深層学習」というアプローチを採用していることです。これは、モデルのアーキテクチャの複雑さだけでなく、トレーニングデータの質、多様性、構造がセグメンテーション性能を決定するという考え方に基づいています。本研究では、大規模な多施設データを用いて、トレーニングデータの特性がセグメンテーション性能にどのように影響するかについても詳しく調べています。

LIONの仕組み：PET単独で解剖学的コンテキストを学習する新アプローチ

LIONは、[18F]FDGおよびPSMA標的PET/CT画像から腫瘍を自動的にセグメンテーションするためのオープンソースソフトウェアです。この研究では、大規模な多施設データセットを使用しました。具体的には、19種類の疾患タイプを含む5209件の[18F]FDG PET/CTスキャンと、2046件のPSMA標的PET/CTスキャンがトレーニングに用いられました。これらのデータは、様々な医療施設やスキャナープラットフォームから収集されており、多様な臨床状況を反映しています (

**Table 1.** TABLE 1解説: [18F]FDGおよびPSMA標的PET/CTトレーニングデータセットの概要。LIONの開発に使用されたデータセットの臨床センター、放射性トレーサー、スキャン数、がんの種類、スキャナーモデル、倫理的承認の情報がまとめられています。

)。

LIONの主要な特徴は、PET画像のみを入力として腫瘍セグメンテーションを行う点にあります。通常、PET画像は代謝活性を示しますが、解剖学的な構造はCT画像ほど明確ではありません。そこで、LIONではトレーニング中にCT画像から得られた臓器マスクを「補助クラス」として組み込みました。これにより、ネットワークはPET画像から解剖学的コンテキストを学習することができ、推論時にはCT画像に依存することなく、PET画像単独で高精度なセグメンテーションを実現します。生理学的集積のある臓器（例：脳、肝臓、脾臓、腎臓、膀胱など）を補助クラスとして含めることで、これらの臓器における放射性薬剤の集積を腫瘍と誤認する「偽陽性」を減らすことを目指しました。

また、トレーニングデータの特性がセグメンテーション性能にどのように影響するかを分析するために、2つの重要な手法が用いられました。1つは「TOMs (Tumor Occurrence Maps)」で、これはトレーニングデータセットにおける腫瘍の空間的な分布を定量化する3次元確率マップです。もう1つは「DINOv2エンベディング」で、これは画像の特徴を捉える埋め込み表現を用いて、スキャナーやプロトコルに起因する「ドメインシフト」（トレーニングデータとテストデータの系統的な違い）を分析するために使用されました。

LIONの性能評価：多施設ホールドアウトデータでの高精度とデータの影響

LIONの性能は、トレーニングデータとは完全に独立した多施設ホールドアウトコホートで評価されました。616件の[18F]FDGスキャンと443件のPSMA標的スキャンが使用され、これらも複数の医療施設や疾患タイプをカバーしています (

**Table 2.** TABLE 2 Holdout Data Overview: Summary of Independent Evaluation Cohorts Used for Model Testing, Including Center,**解説:** モデルテストに使用された独立評価コホートの概要。センター、コホート名、トレーサー、スキャン数、がんの種類、オープンソース比較に使用されたか、倫理的承認について情報が記載されています。

)。

1. 臓器コンテキスト導入の効果
臓器コンテキストをトレーニング中に組み込むことで、セグメンテーション精度が大幅に向上することが示されました。PET単独での腫瘍セグメンテーションにおけるDice係数（予測と実際の腫瘍領域の重なりを示す指標）は、[18F]FDGで0.62から0.71へ、PSMAで0.75から0.83へと改善しました (

**Figure 1.** FIGURE 1. Organ-context ablation and training-data composition analyses. (A) Raincloud plots comparing Dice scores of baseline tumor-only (gray) and organ-context (orange) models on [18F]FDG (n 5 616) and PSMA-targeted (n 5 443) holdout cohorts. Half-violins show score distributions, jittered points correspond to individual patients, and horizontal bars denote medians. (B) Relationship between effective spatial coverage from TOMs and median holdout Dice across 11 [18F]FDG training models (4 specialist, 7 mixed). Marker size scales with training set size, and dashed line indicates ﬁtted trend. (C) Comparison of mixed-disease model with disease-speciﬁc tumor-segmentation models trained exclusively on breast cancer, melanoma, lung cancer, or lymphoma cases, evaluated across four [18F]FDG holdout cohorts. (D) Per-patient comparison of full mixed model versus lymphoma specialist on [18F]FDG holdout set. Points above diagonal indicate improved performance with mixed-pathology training.解説: 臓器コンテキストを組み込んだトレーニングとトレーニングデータ構成の分析。Aは、腫瘍のみのベースラインモデル（灰色）と臓器コンテキストモデル（オレンジ色）のDice係数を[18F]FDGとPSMA標的PET/CTのホールドアウトコホートで比較した結果をレインクラウドプロットで示しています。Bは、TOMsから導出された実効空間カバレッジと11の[18F]FDGトレーニングモデル（4つの専門モデル、7つの混合モデル）における中央値ホールドアウトDice係数との関係を示しています。マーカーサイズはトレーニングセットのサイズに比例し、点線は適合したトレンドを示します。Cは、混合疾患モデルと、乳がん、メラノーマ、肺がん、リンパ腫のいずれかに特化した腫瘍セグメンテーションモデルを、4つの[18F]FDGホールドアウトコホートで評価した結果を比較しています。Dは、混合モデル全体とリンパ腫専門モデルの[18F]FDGホールドアウトセットにおける対象者ごとの比較を示し、対角線より上の点は混合病理トレーニングで性能が向上したことを示します。

A)。この改善は主に「PPV（陽性予測値）」の向上によってもたらされ、生理学的集積のある領域での偽陽性が減少したことを示しています。

2. ホールドアウトコホートでのセグメンテーション性能
LIONは、616件の[18F]FDGホールドアウトスキャン全体で、中央値Dice係数0.71、感度0.86、PPV 0.67を達成しました。個々のコホートで見ると、Lym-JNMコホートでは0.99と非常に高いDice係数を示しましたが、Lym-UCDコホートでは0.64と相対的に低い値でした (

**Figure 2.** FIGURE 2. Holdout segmentation performance. (A) [18F]FDG holdout performance by cohort: raincloud plots showing Dice score distributions for AP-Mixed (n 5 52), LMU-LC (n 5 369), Lym-JNM (n 5 58), and Lym-UCD (n 5 137). Overall median Dice is 0.71. (B) PSMA-targeted holdout perfor- mance by cohort: UC Davis (n 5 173), AutoPET (n 5 50), Innsbruck (n 5 170), and Turku (n 5 50). Overall median Dice is 0.83.解説: ホールドアウトセグメンテーション性能の概要。Aは、[18F]FDGホールドアウトコホート（AP-Mixed、LMU-LC、Lym-JNM、Lym-UCD）ごとのDiceスコア分布をレインクラウドプロットで示しています。全体のDice中央値は0.71です。Bは、PSMA標的ホールドアウトコホート（UC Davis、AutoPET、Innsbruck、Turku）ごとの性能を示しており、全体のDice中央値は0.83です。

A)。
443件のPSMA標的ホールドアウトスキャン全体では、中央値Dice係数0.83、感度0.93、PPV 0.91を達成しました (（図2）B)。ただし、Turkuコホートでは小さな腫瘍量の対象者が多く、Dice係数が0.55と低くなる傾向が見られましたが、病変の検出感度自体は1.00と高さを維持しており、これは主に非常に小さな病変における輪郭の不正確さや偽陽性が影響している可能性が示唆されています。

特定のSUV（Standardized Uptake Value）閾値（例えばSUVが4以上）を適用して評価した場合、[18F]FDGの多くのコホートでDice係数が大幅に向上し、例えばLym-JNMコホートでは中央値0.99を維持しました。これは、評価基準の一貫性が性能評価に大きく影響することを示唆しています。

3. DINOv2エンベディングによるスキャナー関連のドメインシフト分析
DINOv2エンベディングを用いた分析により、トレーニングデータとテストデータ間のスキャナーに起因するドメインシフトが明らかになりました。特に、Lym-UCDコホートはトレーニングデータから分離した明確なクラスターを形成しており、これがLym-JNMコホートと比較して性能が低かった原因の一部と考えられます (

**Figure 3.** FIGURE 3. Joint FDG–PSMA embedding archipelago. DINOv2 ViT-B/14 UMAP projection of all [18F]FDG (A) and PSMA-targeted (B) training and holdout embeddings. Training data embeddings shown as density contours. Holdout cohorts colored by source. UC Davis FDG cohort (uEXPLORER total-body PET/CT; United Imaging Healthcare) forms distinct embedding island, with 96.4% of cases clustering separately from training data. OOD 5 out of distribution.解説: FDGとPSMAの埋め込み分布。DINOv2 ViT-B/14 UMAP投影図で、すべての[18F]FDG（A）およびPSMA標的（B）のトレーニングおよびホールドアウト埋め込みを示しています。トレーニングデータは密度等高線で、ホールドアウトコホートは発生源によって色分けされています。UC Davis FDGコホートは、トレーニングデータとは別にクラスタリングされており、96.4%の症例が異なる埋め込みアイランドを形成しています。

)。

4. トレーニングデータ構成がセグメンテーション性能に与える影響
[18F]FDGトレーニングデータから生成されたTOMsは、がんの種類によって腫瘍の空間分布が大きく異なることを示しました。例えば、リンパ腫では体積の28%、メラノーマでは22%の空間的カバレッジがありました (

**Figure 4.** FIGURE 4. TOMs: spatial signatures of training data. (A) Individual pathology TOMs for 4 specialist models: melanoma (n 5 212), breast cancer (n 5 229), lung cancer (n 5 833), and lymphoma (n 5 3031). Coronal maximum-intensity projections with jet colormap show distinct spatial signatures. (B) Mixed cohort progression showing expansion of spatial coverage with increasing training size from n 5 250 to n 5 5209. (C) PSMA full cohort TOM (n 5 2046) demonstrating characteristic pelvic and skeletal predilection of prostate cancer metastases.解説: TOMs（腫瘍出現マップ）：トレーニングデータの空間的シグネチャ。Aは、4つの専門モデル（メラノーマ、乳がん、肺がん、リンパ腫）とフルコホートの個別の病理TOMsを示しています。各画像の最大強度投影図は、異なる空間的シグネチャを示しています。Bは、トレーニングサイズが増加するにつれて空間的カバレッジが拡大する混合コホートの進行を示しています。Cは、PSMAフルコホートTOMが前立腺がん転移の特徴的な骨盤および骨格への局在を示しています。

A)。

この研究では、様々なトレーニングデータ構成（特定の疾患に特化したモデルと、複数の疾患を混ぜた混合モデル）でモデルを訓練し、その性能を比較しました。結果として、TOMsによって定量化された空間的多様性が、ホールドアウトDice係数と強く相関していることが示されました（スピアマンの順位相関係数 ρ = 0.80, P = 0.003） (（図1）B)。

注目すべきは、500件の症例でトレーニングされた混合疾患モデルが、3031件のリンパ腫専門モデルと同等以上のDice係数0.70を達成したことです (

**Table 3.** TABLE 3 Cross-Evaluation: Median Dice by Model in each Dataset***解説:** 各データセットにおけるモデルごとのDice中央値の相互評価。各[18F]FDGホールドアウトコホート（AP-Mixed、LMU-LC、Lym-JNM、Lym-UCD）で評価された各モデルのDice中央値と、すべての[18F]FDGホールドアウトスキャン全体での中央値が報告されています。トレーニングモデルにはがん種特化モデルと混合病理モデルが含まれており、各モデルのトレーニング症例数とTOMsから導出された実効空間カバレッジが、トレーニングセット構成間の性能差を文脈化するために示されています。

**Table 4.** TABLE 4 Mixed Model Scaling: Performance by Training Size***解説:** 混合モデルのスケーリング：トレーニングサイズごとの性能。フルトレーニングコホートの漸進的に大きなネストされたサブセットでトレーニングされた混合病理[18F]FDGモデルの性能が示されています。各トレーニングサイズについて、TOMsから導出された実効空間カバレッジが、固定[18F]FDGホールドアウトセット（n=616）におけるDice中央値および平均値とともに報告されています。

, （図1）C, D)。これは、単一の疾患タイプで症例数を増やすよりも、多様な疾患タイプにわたって空間的な多様性を高めることが、モデルの汎化性能を向上させる上でより効果的であることを示唆しています。例えば、メラノーマ専門モデルはわずか212症例で、より大きな肺がん専門モデル（833症例）よりも高いDice係数0.70を達成しました。これは、メラノーマがより広範な空間的腫瘍分布を持っているためと考えられます。新たなPETトレーサーを用いた腫瘍セグメンテーションモデルを開発する際、少数の症例でも幅広い種類のがんを網羅するデータセットを構築することが重要であると言えるでしょう。

既存のオープンソースモデルとの比較と研究の限界

LIONは、他の3つのオープンソースのPETセグメンテーションモデル（LesionTracer、Champalimaud、TMTV-Net）と比較されました。データ漏洩を防ぐため、特定のホールドアウトコホートを除外した共通の評価データセット（[18F]FDGは564件、PSMAは393件）で比較が行われました。

[18F]FDGのセグメンテーションでは、LIONは他のモデルの中で最も高い中央値Dice係数0.71を達成しました。LesionTracerと比較すると、LIONは統計的に有意に高いDice係数を示しましたが、LesionTracerはPPVでLIONを上回りました。これは、LIONがわずかに過剰なセグメンテーションを行うことで感度を維持し、下流の様々な後処理戦略に柔軟性を持たせているためと考えられます (

**Figure 5.** FIGURE 5. Open-source model comparison. (A) [18F]FDG comparison on 564 common holdout patients (AutoPET excluded to prevent data leakage): LION versus LesionTracer, Champalimaud, and TMTV-Net across Dice score, lesion sensitivity, and PPV. Bubble area proportional to metric value; orange highlights best performer per metric. (B) PSMA comparison on 393 common holdout patients: LION versus LesionTracer and Champalimaud. LION achieves the highest Dice (0.85 vs. 0.73) and lesion sensitivity (0.93 vs. 0.80).解説: オープンソースモデルとの比較。Aは、[18F]FDGの564件の共通ホールドアウト対象者におけるLIONとLesionTracer、Champalimaud、TMTV-NetのDiceスコア、病変感度、PPVを比較しています。バブルの面積は指標の値に比例し、オレンジ色は各指標で最も性能が良かったものを示します。Bは、PSMAの393件の共通ホールドアウト対象者におけるLIONとLesionTracer、Champalimaudの比較を示しています。LIONは最も高いDice（0.85 vs. 0.73）と病変感度（0.93 vs. 0.80）を達成しています。

A)。

PSMA標的セグメンテーションでは、LIONはDice係数0.85、感度0.93、PPV 0.92を達成し、LesionTracer（Dice係数0.73）とChampalimaudモデル（Dice係数0.57）の両方を大きく上回る性能を示しました (（図5）B)。

研究の限界
本研究にはいくつかの限界点があります。まず、専門家間の意見の一致度（inter-reader agreement）を評価するための体系的なダブルリードサブセットが利用できませんでした。そのため、各トレーサーの性能の上限を確立できませんでした。第二に、[18F]FDGのトレーニングデータはリンパ腫の症例が多かったため、モデルがそれに偏る可能性があります。また、[18F]FDGモデルは炎症性または治療関連の集積を真の腫瘍と区別する能力が限られています。第三に、PSMA標的セグメンテーションの性能は、非常に小さな腫瘍量の場合に低下する傾向があり、これは前立腺がんの臨床的に重要な意思決定閾値に対応する可能性があります。第四に、TOMs分析で観察された空間的カバレッジとセグメンテーション性能の関連性は、観察的なものであり因果関係を確立するものではありません。また、カバレッジ指標は、性能を向上させるためにどれだけの追加症例やどの疾患が必要かを示すものではありません。最後に、LIONは現在、不確実性推定を提供していないため、展開時に信頼できない予測を特定する能力が限られています。

結論と今後の展望

本研究で開発されたLIONは、CT由来の解剖学的ラベルを用いた臓器コンテキスト監視により、PET画像単独で腫瘍セグメンテーションを可能にし、生理学的集積に起因する偽陽性を効果的に削減します。DINOv2エンベディングはスキャナー関連の変動を特定し、取得プラットフォーム間のドメインシフトを特徴付けます。また、TOMsはPETセグメンテーションデータセットにおける空間的多様性を定量化するための有用なフレームワークを提供します。

最も重要な発見の一つは、トレーニングデータの構成、特にTOMsで定量化される空間的多様性が、セグメンテーション性能と強く関連していることです。大規模な症例数を持つ単一疾患のデータセットよりも、幅広い疾患タイプをカバーする多様なデータセットで学習させることが、より優れた汎化性能につながる可能性が示唆されました。

LIONはオープンソースソフトウェアとして公開されており、今後の前向き検証を支援します。この技術の発展により、手作業でのセグメンテーションというボトルネックが解消され、より効率的で客観的な全身の腫瘍量評価が実現し、がん診療の質がさらに向上することが期待されます。

用語集

PET/CT: 陽電子放出断層撮影（PET）とコンピューター断層撮影（CT）を組み合わせた画像診断装置。
[18F]FDG: 多くの癌細胞が活発に取り込むブドウ糖の類似物質で、PET検査で癌の検出に使われる放射性薬剤。
PSMA (Prostate-Specific Membrane Antigen): 前立腺癌細胞の表面に多く発現するタンパク質で、PSMA標的PET/CTは前立腺癌の診断・治療に用いられる。
腫瘍セグメンテーション: 画像の中から腫瘍の領域を自動的または手動で識別し、境界線を特定すること。
データ中心的深層学習: 深層学習モデルの性能を向上させるために、モデルのアーキテクチャよりもトレーニングデータの品質、多様性、構造に重点を置くアプローチ。
LION (Lesion Identiﬁcation in Oncologic Nuclear Imaging): 本研究で開発された、[18F]FDGおよびPSMA標的PET/CT画像専用のオープンソースのPET単独腫瘍セグメンテーションパイプライン。
Dice係数 (Dice Similarity Coefficient – DSC): 予測されたセグメンテーションと真のセグメンテーションの間の重なり具合を0から1で評価する指標。1に近いほど一致度が高い。
PPV (Positive Predictive Value): 予測された腫瘍領域のうち、実際に真の腫瘍であった割合。高ければ偽陽性が少ないことを意味する。
感度 (Sensitivity): 真の腫瘍病変のうち、モデルが正しく検出できた割合。高ければ偽陰性が少ないことを意味する。
TOMs (Tumor Occurrence Maps): トレーニングデータセット全体における腫瘍の解剖学的空間内の空間的分布を3次元確率マップとして示すもの。
DINOv2エンベディング: 自己教師あり学習によって学習された、画像の特徴を捉えるための埋め込み表現。スキャナーによるドメインシフトの分析に用いられる。
ドメインシフト: トレーニングデータとテストデータの間に存在する、画像取得プロトコルやスキャナーなどに起因する系統的な違い。
SUV (Standardized Uptake Value): PET画像における放射性薬剤の集積度を示す指標。腫瘍の代謝活性の評価に用いられる。
nnU-Net: 幅広い医用画像セグメンテーションタスクにおいて高い性能を発揮する、自己設定型の深層学習フレームワーク。
補助クラス: モデルが解剖学的コンテキストを学習できるように、腫瘍クラスと合わせてトレーニング中に使用される追加のクラス（例：生理学的集積のある臓器）。