適応陽子線治療におけるCBCTベース合成CTの迅速かつ信頼性の高い品質保証フレームワーク

10月 27, 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 fast and reliable quality assurance framework for CBCT-based synthetic CTs for adaptive proton radiotherapy
Physics in Medicine and Biology｜被引用数: 0（2026年10月27日時点）

陽子線治療は、腫瘍に高精度な放射線を集中させることで、周囲の正常組織への影響を最小限に抑えることが期待されています。特に、治療中に変化する対象者の体の形状に合わせて治療計画を日々調整する「適応陽子線治療」の実現が注目されています。しかし、この適応治療を効果的に行うには、治療室で撮影されるコーンビームCT（CBCT）から、正確な線量計算に不可欠な「合成CT」を迅速かつ確実に生成し、その品質を保証する仕組みが不可欠です。本記事では、この課題に対し、独立した2つの合成CTを比較することで、その適合性を迅速に評価する新しい品質保証（QA）フレームワークを提案し、その実用性を示した研究について詳しくご紹介します。

研究サマリー（FINER & PICO）

Feasible実施可能性	迅速な2段階QAワークフローにより、適応陽子線治療のオンライン運用に統合可能。
Ethical倫理面	対象者の日々の解剖学的変化に対応し、治療計画の最適化に役立つ合成CTの信頼性を高める。
Interesting面白さ	複数の独立した合成CT手法間の合意を利用し、新たなQAアプローチを提案。
Novel新規性	地上真値CTに依存せず、独立した合成CT間の比較でQAを可能にする独創的な枠組み。
Relevant切実さ	適応陽子線治療の臨床導入を加速し、治療精度と対象者の安全性向上に貢献。
Measurable測定可能性	画像MAEと線量MAEを組み合わせた定量的な指標で合成CTの適合性を評価。
Modifiable派生・改善	参照およびテスト合成CTの手法や閾値を臨床ワークフローに合わせて調整可能。
Structured文章構造	画像と線量に基づく段階的な検証により、オンライン適応治療の流れに沿ったQAを実現。
PICO / PECO対象・介入・比較・結果	P(適応陽子線治療を受ける対象者), I(CBCTベース合成CTのQAワークフロー), C(既存のQA手法の限界), O(安全かつ効率的な治療計画の再最適化)。

はじめに：適応陽子線治療と合成CTの重要性

どうも、Beyond the Pixelです。陽子線治療は、腫瘍に高精度な放射線を集中させることで、周囲の正常組織への影響を最小限に抑えることが期待されています。特に、治療中に変化する対象者の体の形状に合わせて治療計画を日々調整する「適応陽子線治療」の実現が注目されています。しかし、この適応治療を効果的に行うには、治療室で撮影されるコーンビームCT（CBCT）から、正確な線量計算に不可欠な「合成CT」を迅速かつ確実に生成し、その品質を保証する仕組みが不可欠です。本記事では、この課題に対し、独立した2つの合成CTを比較することで、その適合性を迅速に評価する新しい品質保証（QA）フレームワークを提案し、その実用性を示した研究について詳しくご紹介します。

オンライン適応陽子線治療における課題

適応陽子線治療では、対象者の毎日の解剖学的変化に対応するため、治療ユニットで取得されるCBCT画像から「合成CT（sCT）」を生成し、これに基づいて治療計画を再最適化します。診断品質のCTを追加で撮影することなく、対象者の日々の解剖学的情報を捉えられるため、オンライン適応陽子線治療にとってsCTは非常に魅力的です。しかし、陽子線治療はCT値の変動やそれに関連する停止能の不確実性に対して高い感度を持つため、sCTの臨床導入は慎重に進められています。sCTの生成プロセスにおいて、まれに臨床的に重要な不正確さが発生する可能性があり、このようなsCTは治療計画の再最適化に使用すべきではありません。このため、sCTが陽子線線量計算に十分な精度を持っているかを、計画再最適化のような計算コストの高いステップの前に、迅速かつ信頼性高く評価するQA方法が求められています。これまでの研究では、特定のsCT生成手法が平均的にどの程度正確かという点に焦点が当てられてきましたが、日々の治療において個々のsCTが安全に適応利用できるかを特定する方法は不足していました。

迅速かつ信頼性の高い品質保証ワークフローの提案

本研究では、グラウンドトゥルース画像に依存せずに、日々の治療で迅速に適用できるCBCTベースのsCTに対する解析的QAフレームワークの開発と検証を行いました。このフレームワークは、複数の独立したsCT生成方法が存在するという事実に着目しています。基本となる仮説は、異なるsCTソリューションで計算された線量分布が十分に類似している場合、候補となるsCTが陽子線線量最適化に適している可能性が高いというものです。逆に、sCTソリューション間で不一致がある場合は、関連する不正確さの可能性が高まります。

**Figure 1.** Figure 1 illustrates how the proposed sCT-QA method could be integrated into an online 103解説: この図は、提案されたsCT品質保証（QA）方法が、CBCTベースのオンライン適応ワークフローにどのように統合されるかを示しています。治療計画の再最適化に使用されるsCTrefは、画像ベースと線量ベースの両方の品質チェックに合格した場合にのみ、適していると見なされます。閾値はキャリブレーションデータセットで最適化されました。

提案されたsCT-QAワークフローは、オンライン適応ワークフローに統合されることを想定しており、図に示されるように、CBCT取得後に2つの独立した合成CTを生成します。一つは再最適化に使用される「参照sCT（sCTref）」、もう一つは独立して生成される「テストsCT（sCTtest）」です。QAはsCTrefとsCTtestの単純な比較に基づいており、2つの段階から構成されます。まず画像ベースの評価を行い、これに合格した場合に線量ベースの評価を行います。各評価では、類似性指標を計算し、事前に定義された閾値と比較します。様々な画像類似性指標、ヒストグラムベースの指標、および線量評価パラメータが検討され、

**Table 1.** Table 1: List of Image and Dose quality metrics evaluated in the proposed workflow解説: この表は、提案されたワークフローで評価された画像および線量の品質指標のリストです。画像平均絶対誤差（MAE）、構造的類似性指標（SSIM）、ピーク信号対雑音比（PSNR）、Dice類似度係数（DiceまたはDSC）といった画像指標や、ガンマパス率（GPR）、線量平均絶対誤差（Dose MAE）といった線量指標が含まれ、それぞれのタイプ、範囲、説明が記載されています。

にその一部が示されています。線量測定テストでは、テンプレート陽子線計画が両sCTで再計算され、対応する線量分布が取得されます。sCTは、画像ベースと線量ベースの両方の評価基準を満たした場合にのみ、計画再最適化に適していると判断されます。

データセットと評価方法

本研究には、ポールシェラー研究所（Center A）で治療を受けた71名の頭頸部（H&N）対象者のデータが含まれました。これらの対象者からは、同じ日に複数回取得された検証/繰り返しCTとCBCTのペアが収集されました。合計182組のユニークなCT–CBCTペアが5分割交差検証に使用され、最適な閾値と指標の組み合わせが決定されました。汎用性を評価するため、Center Aの腹部データセット（6対象者、37画像ペア）と、フローニンゲン大学医療センター（Center B）の外部H&Nデータセット（22対象者、67画像ペア）も含まれました。

合成CTはCBCTから3つの独立した方法で生成されました。第一に、「仮想CT（vCT）」は、プランニングCT（pCT）を日々のCBCTの座標系に非剛体変形（deformably propagated）して生成されました。第二に、「補正CBCT（CBCTcorr）」は、Raystationを用いて解析的補正とHU変換手順を適用することで生成されました。第三に、「深層学習ベースsCT（sCTDL）」は、UNETアーキテクチャを持つ事前学習済み2D深層畳み込みニューラルネットワーク（DCNN）を現在のデータセットで微調整して生成されました。QAフレームワークでは、vCTを参照sCT（sCTref）とし、深層学習ベースsCT（sCTDL）または解析的補正CBCT（CBCTcorr）のいずれかをテストsCT（sCTtest）として比較評価しました。

ワークフローの検証のため、「ゴールデンスタンダード（CTGT）」として、独立して取得された同日CTが、対応する日々のCBCTに非剛体登録されて使用されました。sCTrefが計画再最適化に十分な品質であると判断されるのは、そのsCTで最適化された治療計画が、同日CT（CTGT）で再計算された同じ計画の線量分布と密接に一致する場合です。

**Figure 2.** Figure 2: Evaluation workflow. The ground truth was defined based on the gamma pass rates (2%, 1mm) between doses from a plan optimized on the sCTref and recalculated on the same-day CT.解説: この図は評価ワークフローを示しています。グラウンドトゥルース（真値）は、sCTrefで最適化された計画と、同日CTで再計算された線量分布との間のガンマパス率（2%、1mm）に基づいて定義されました。ガンマパス率が95.0%以上であれば適合（Pass）、そうでなければ不適合（Fail）と判断されます。

この研究では、密接な一致は、2%線量差/1mm距離基準のガンマパス率（GPR）が95%を超えることと定義されました。これは、臨床的に重要な線量逸脱を持つsCTを分類するリスクを減らすための厳格な基準です。

主な結果

QA評価には、画像ベースの比較、線量再計算、線量ベースの評価を含めて、対象者あたり約1.10分（65.6秒）かかりました。これは、sCTの生成時間を考慮しても、オンライン適応放射線治療の時間の要件内に十分に収まり、臨床ワークフローへの追加負担は最小限であると考えられます。最適な分類性能は、画像平均絶対誤差（Image MAE）と線量平均絶対誤差（Dose MAE）の組み合わせを用いることで達成されました。頭頸部データセットでの5分割交差検証の結果、提案されたQAフレームワークは、vCT–CBCTcorrの比較で91.2%、vCT–sCTDLの比較で89.7%のバランス精度を達成しました。

**Figure 3.** Figure 3: Scatter plot of passed and failed sCTs in the dataset using the average thresholds. Each dot corresponds to an sCT pair. Marker color represents the ground-truth class, while the shaded regions indicate the predicted class (green = predicted pass, red = predicted fail). The threshold used corresponds to the average thresholds across all 5 folds.解説: この散布図は、データセットにおける合格および不合格のsCTペアを、平均閾値を使用して視覚化したものです。各点はsCTペアに対応し、マーカーの色はグラウンドトゥルースのクラス（緑：合格、赤：不合格）を表しています。陰影領域は予測されたクラス（緑：合格予測、赤：不合格予測）を示しており、破線は画像MAEと線量MAEの平均閾値です。

これは、低い偽陽性率を維持しながら良好な性能を示しています。

外部データセットおよび腹部データセットに同じ平均閾値を適用した場合、性能は変動しました。Center Bの外部H&Nデータセットでは、vCT–CBCTcorrの比較で94.7%の高いバランス精度を維持しましたが、vCT–sCTDLの比較では37.9%にとどまりました。腹部データセットでは、vCT–CBCTcorrの比較で85.0%、vCT–sCTDLの比較で61.1%のバランス精度でした。

**Figure 4.** Figure 4: Scatter plot of passed and failed sCTs from Center B dataset and the abdomen dataset from Center A. Each dot corresponds to an sCT pair (sCTref–sCTtest). Marker color represents the ground-truth class, while the shaded regions indicate the predicted class (green = predicted pass, red = predicted fail). Dashed lines indicate the threshold values.解説: この図は、Center Bの外部データセットとCenter Aの腹部データセットにおける合格および不合格のsCTペアの散布図です。各点はsCTペア（sCTref–sCTtest）に対応し、マーカーの色はグラウンドトゥルースのクラス（緑：合格、赤：不合格）を示しています。陰影領域は予測されたクラスを示し、破線は閾値を示しています。また、この図には5分割交差検証での集計分類スコアの表（Table 2）も含まれています。

**Table 3.** Table 3: Classification Scores for Center B and Abdomen dataset using the average threshold解説: この表は、Center Bと腹部データセットにおける分類スコアを、平均閾値を用いて示したものです。vCT-sCTDLとvCT-CBCTcorrの各評価ペアについて、バランス精度（BA）、感度（Sensitivity）、特異度（Specificity）が示されています。

これらの結果は、閾値の調整がsCT手法だけでなく、疾患部位や治療施設にも依存する可能性を示唆しています。腹部データセットでは、一部の不適格な症例が誤って適合と分類されましたが、これらの症例もCTGTとのガンマパス率が平均97.2%と、比較的軽微な線量差しか示していませんでした。これは、本研究で設定した適合性閾値が厳格であるため、わずかな線量差でも「不適合」と分類される可能性を示しています。

議論と今後の展望

本研究は、CBCT由来の合成CTが陽子線線量最適化に適しているかを判断するための、迅速で臨床的に実現可能な品質保証戦略を開発し、検証しました。このフレームワークは、非剛体変形された仮想CT（vCT）と、独立して生成された代替sCT（CBCTcorrまたはsCTDL）を比較し、頭頸部データセットにおいて約90%の平均バランス精度を達成しました。これらの結果は、異なる手法間の合意が、候補となるsCTが適応陽子線線量最適化に適しているかどうかを特定するための実用的な代替手段として機能することを示唆しています。

このフレームワークは、ほとんどの先行研究とは異なる質問に取り組んでいます。これまでの研究は主に、特定のsCT生成方法が平均的に同日CTと比較して線量計算や最適化に十分正確であることを示すことに焦点を当てていました。対照的に、本研究の目的は、個々の治療回ごとに、候補sCTが安全なオンライン適応使用に信頼できない可能性があるケースを特定することでした。

提案されたアプローチの根拠は、独立して生成された合成CT間の合意が、臨床的に関連する解剖学的または停止能の不正確さの可能性を低減する一方で、不一致は、候補sCTが陽子線線量最適化に安全でない可能性があることを示す実用的なトリアージ信号として機能するということです。同時に、独立して生成された合成CT間の合意が、必ずしも正確さを保証するものではありません。生成方法間の相関誤差は、それらの間で合意をもたらし、本研究で観察された少数の偽陽性につながる可能性があります。

私たちは、計算コストの低い画像ベースのチェック（例：MAE）とそれに続く線量測定評価を組み合わせた2段階プロセスとしてフレームワークを提案しました。これにより、画像テストが失敗した場合、不必要な線量計算を回避し、プロセスを早期に停止できます。線量計算テスト自体は最適化ではなく計画の再計算に基づいているため、計算時間をさらに短縮し、時間制約のある適応ワークフローと両立可能な運用上軽量なアプローチを実現します。

本研究におけるいくつかの実際的な限界も認識すべきです。グラウンドトゥルースCTの事前処理と深層学習ベースsCTの生成は、治療計画システム外で実行されたため、登録およびリサンプリングの不確実性が生じました。わずかな方向の違いやミリメートルスケールの小さな位置合わせエラーが、画質と線量測定の両方の比較に影響を与え、誤分類につながることが観察されました。さらに、提案されたワークフローは、潜在的なsCTの不正確さの存在を特定しますが、その原因を特定したり特徴づけたりはしません。これらの限界にもかかわらず、本研究の結果は、適応陽子線治療におけるsCTの適合性を評価するための、提案された合意ベースの解析的QA戦略の実現可能性を支持しています。

結論

本研究は、CBCTベースの合成CTが陽子線線量計算に適しているかを評価するための品質保証フレームワークを提案しました。独立して生成されたsCT表現間の合意を活用することで、この手法はオンライン適応ワークフロー内で、対象者固有の治療回ごとのトリアージを可能にします。その汎用的な設計により、異なる参照-テストsCTペアへの適応も可能です。現在の結果は、頭頸部適応陽子線治療における臨床的実現可能性を支持しています。今後、より多様な疾患部位や治療センターでの評価、および臨床的な線量体積ヒストグラム（DVH）エンドポイントとの関連性の詳細な分析が期待されます。

用語集

合成CT（sCT）: 別の画像（例: CBCTやMRI）から生成される、線量計算に用いるためのCTのような画像データ。
陽子線治療（PT）: 陽子線を用いて腫瘍を照射する放射線治療の一種で、線量を腫瘍に集中させやすい特徴を持つ。
適応放射線治療（ART）: 治療中に変化する対象者の体の形状や腫瘍の位置に合わせて、治療計画を日々調整する治療法。
コーンビームCT（CBCT）: 治療室で簡便に撮影できるCTで、対象者の日々の位置決めや形状変化の確認に用いられる。
仮想CT（vCT）: 以前に取得した計画用CTを、その日の対象者のCBCTに合わせて変形（非剛体登録）して得られる合成CT。
深層学習ベース合成CT（sCTDL）: 深層学習（AIの一種）を用いてCBCTから生成される合成CT。
解析的補正CBCT（CBCTcorr）: CBCTに解析的な補正アルゴリズムを適用し、CT値の精度を向上させた合成CT。
画像平均絶対誤差（Image MAE）: 画像間の画素値の平均的な差の絶対値で、画像の違いを定量的に示す指標。
線量平均絶対誤差（Dose MAE）: 線量分布間の平均的な線量差の絶対値で、線量の違いを定量的に示す指標。
ガンマパス率（GPR）: 二つの線量分布が、指定された線量差と距離の許容範囲内でどれだけ一致するかを示す指標。
ゴールデンスタンダード: 評価基準となる、最も信頼性が高く確立された比較対象や手法。