磁気共鳴画像法を用いた脳機能領域に基づく脳血流アトラスの構築と応用-動脈スピン標識

Summary

この研究では、磁気共鳴画像法と動脈スピンラベリング画像を統合して、脳機能領域の脳血流 (CBF) アトラスを導き出しました。典型的な健康な脳虚血と慢性の脳虚血CBFアトラスを比較すると、局所的なCBF分布に有意差があることが明らかになり、診断と治療の評価に役立つ機能的CBFの迅速で非侵襲的な評価が可能になりました。

Abstract

脳の状態は、多くの場合、正確な診断とモニタリングが必要であり、高度なイメージング技術が必要です。現在のモダリティでは、可逆的な組織損傷の初期の兆候を適切に検出できない可能性があり、高い特異性と感度で脳血流(CBF)の変化を定量化できる革新的な診断ツールの必要性が強調されています。この研究では、3次元動脈スピンラベリング(3D-ASL)と構造MRIを統合して、脳のすべての主要な機能領域をカバーする包括的なCBFアトラスを開発します。この革新的な磁気共鳴画像法-動脈スピン標識(MRI-ASL)法は、領域特異的なCBFを定量化する迅速かつ非侵襲的な手段を提供し、さまざまな機能領域にわたるCBFレベルの詳細なビューを提供します。慢性脳虚血(CCI)患者と健常者との比較により、前者については、構築されたCBFアトラスにおいて、脳機能領域全体でCBFが有意に減少していることが明らかになった。このアプローチにより、健康な分布と比較して重要な領域全体でのCBFの同時減少を分析することにより、CCIの効率的な同定が可能になるだけでなく、縦断的なCBFアトラスを通じて治療反応とリハビリテーションの進行状況を追跡することもできます。MRI-ASL技術を使用して開発されたCBFアトラスは、脳診断と患者ケアの分野における新たな進歩を表しています。この方法は、地域のCBFレベルを規範的な基準と比較することにより、診断能力を強化し、臨床医が脳疾患の患者に個別のケアを提供できるようにします。

Introduction

ニューロイメージングの分野では、脳機能と病理を評価するための正確で非侵襲的なツールの探求が依然として最優先事項です。その中でも、脳血流(CBF)は、脳組織の代謝要求と健康状態を反映する重要な指標となっています¹。従来のアプローチでは、多くの場合、経験的な評価が必要であり、画像を解釈し、病理学的変化を識別するために臨床医の専門知識に大きく依存しています²。しかし、磁気共鳴画像法(MRI)技術、特に動脈スピン標識(ASL)³の進歩は、CBFをより正確かつ客観的に定量化するための有望な道筋を提供しています^4,5。

この研究は、3次元ASL(3D-ASL)と構造MRIを統合して、脳^{機能領域6}を横断する包括的なCBFアトラスを構築する先駆的な方法論を提示します。この新しいアプローチを活用することで、臨床医はCBFのグローバルな視点を得るだけでなく、特定の機能領域を掘り下げることができ、脳の灌流パターンを微妙に理解することができます^7,8。この解像度の向上は、補間されたボクセルの使用ではなく、イメージング機器の技術進歩の直接的な結果です。今日市場で入手可能な主流のMRI装置の大部分は、通常、1.5mm9よりも優れたイメージング精度を提供していることは注目に値します。これらのイメージング技術の進歩により、より詳細で正確なCBF評価への道が開かれました。これは、初期段階の病状に関連するCBFの微妙な変化を検出するための解像度が不足していることが多い従来のイメージングからのパラダイムシフトを表しています¹⁰。

この方法論の起源は、慢性脳虚血(CCI)やその他の神経障害^11,12を含む脳の状態によってもたらされる診断上の課題に対処する必要性にあります。これらの状態は、治療的介入を効果的に導くために、正確でタイムリーな評価を必要とします^13,14。この研究では、健康な個人とCCI患者のCBFアトラスを比較することにより、地域的なCBF分布の大きな格差を明らかにし、疾患の病理と潜在的な治療手段に関する洞察を提供します。

このMRI-ASLアプローチの有用性は、診断にとどまらず、治療評価と疾患進行のモニタリングを包含しています¹⁵。縦断的CBFアトラスは、治療反応とリハビリテーションの結果を追跡する上で有望であり、臨床医にパーソナライズされた患者管理のための貴重なツールを提供します。さらに、微妙なCBFの変化を識別する能力は、差し迫った組織異常の早期バイオマーカーとして役立つ可能性があり、神経学的損傷が不可逆的になる前に予防的な介入を可能にします¹⁶。

この方法論は高度なツールですが、改良と拡張のためのいくつかの手段を検討する価値があります。スキャンプロトコルの標準化、CBF正規化技術、および多症例の健康なCBFアトラスの構築は、診断精度と臨床的有用性を高めるための重要なステップです。多様な脳の病状にわたる協力的な取り組みは、このアプローチを広く臨床採用するために検証および改良するために不可欠です。

この研究では、MRI由来のCBFアトラスが臨床医に脳機能と病理に関する深い洞察を提供する新しいアプローチを紹介します。この方法論は、イメージンググループと臨床解釈の間のギャップを埋めることにより、無数の神経疾患の診断と管理に革命をもたらし、各患者の固有のニーズに合わせた精密医療の未来を先導する可能性を秘めています。

Protocol

この研究は、中国、北京の北京東直門病院の治験審査委員会によって承認されました。MRIスキャナーは、次のパラメータを使用して、3D動脈スピンラベリング(3D-ASL)用のターボグラジエントスピンエコー(TGSE)に基づくパルスASL(PASL)シーケンスで使用されました:TR 4000 ms、TE 25 ms、ボーラス持続時間700 ms、反転時間1990 ms。本研究で使用したソフトウェアツールは、 資料表に記載されています。

1. データの収集と準備

注:パラメータの分散は、研究アプローチの影響を受けません。デジタル医用画像データの保存にはDICOM形式とNIFTI形式の両方が使用され、DICOMは通常、臨床画像デバイスからの出力です。ただし、NIFTI形式は、研究活動における計算の利便性のために好まれることがよくあります。DICOMからNIFTIへの変換は、簡単で一般的な方法です¹⁷。この研究では、本物のDICOMデータを取得し、NIFTI形式に変換しました。データは、1.5テスラMRIスキャナーを使用して取得されました。本研究のクロスイメージレジストレーションプロセスでは、主にFLAIR(Fluid-attenuated Inversion Recovery)配列を使用し、CBF画像と融合させた。本研究で用いるCBF Atlasツール(Table of Materials)は商用ソフトウェアです。

1. 指定した作業ディレクトリにデータをコピーします。
   1. すべてのNIFTIデータをカスタマイズされた作業ディレクトリにコピーします。
      注: 作業ディレクトリは、オペレーティング システムと MATLAB で同じです。この研究は、右前方上 (RAS) の向き基準に従っています。
   2. MATLAB の現在の作業ディレクトリ内のデータが格納されているディレクトリに移動し、関数 niftiread を使用して FLAIR データをワークスペースに読み込みます。サイズ機能を使用して、FLAIRシーケンスの寸法を確認します。 Flair_Slice コマンドを呼び出して、FLAIR シーケンスを表示します ( 図 1 を参照)。次のように特定のコマンドを使用します。
      FLAIR_XLF = niftiread('FLAIR_XFL.nii');
      サイズ(FLAIR_XLF)
      Flair_Slice(FLAIR_XLF);
   3. FLAIRシーケンスのインタラクティブグラフィックユーザーインターフェース(GUI)のイメージについては、 図1 を参照してください。下部のスクロールバーを使用して、さまざまなシーケンスをすばやく参照できます。
2. CBFの画像をすばやくチェックします。
   1. niftiread 関数を使用して、CBF データをワークスペースに読み込みます。size 関数を使用して、CBF シーケンスの寸法を確認します。CBF_Slice コマンドを呼び出して、CBF シーケンスを表示します (図 2 を参照)。次のように特定のコマンドを使用します。
      CBF_XLF = niftiread('CBF_XFL.nii');
      サイズ(CBF_XLF)
      CBF_Slice(CBF_XLF);
   2. CBFシーケンスのインタラクティブなGUIスクリーンショットについては、 図2 を参照してください。下部のスクロールバーを使用して、さまざまなシーケンスをすばやく参照できます。
      注:図2では、CBF値の範囲は通常0〜120mL / 100 g /分です。

2. FLAIR配列からの脳機能領域のセグメンテーション

注:FLAIRシーケンスは、構造イメージングの両方として機能し、優れた病理学的診断機能を提供します。したがって、FLAIRとCBFを融合させることは、クリニックにおいて重要な診断的価値を持っています。この研究では、FLAIR 配列から主要な脳機能領域をセグメント化します。

1. ワークスペースで FLAIR_Segment 関数を呼び出し、事前学習済みの 3 次元 U-Net ベースの画像セグメンテーション プログラムを実行して、 図 3 に示すように、大脳機能領域セグメンテーションの三平面ビューを自動的に生成します。 図 3 の各色は、個別の機能領域を表しています。
2. さまざまな脳機能領域をリアルタイムで検査するには、十字線相互作用を使用します(図3)。十字線の中心をクリックしてドラッグすると、再構築された脳の解剖学的構造を任意の3Dで調べることができます。
   注: 図3 のGUIでは、トリプレーナービューのグレースケール強度範囲、コントラスト、および明るさを調整することもできます。
3. 画像の任意の領域にマウスの左ボタンを押してドラッグすると、明るさとコントラストのレベルをリアルタイムで変更できます。マウスボタンを離して、調整を確認し、確定します。

3. 大脳機能領域におけるCBF分布の三面的な見方

注: さまざまな脳機能領域にわたる CBF 分布を調べることで、患者の状態の正確な臨床的判断が容易になります。 図3の機能領域フレームワークでは、CBF配列から正確なCBF値を組み込み、それらをトリプレーナービューで表示することで、包括的な医師の検査が可能になります。

1. CBF_triplanar関数を呼び出して、図 4 に示す 3 面の GUI ビューを生成し、機能領域全体の CBF 空間分布を表示します。十字線を動かして、関心領域におけるCBFの分布を調べることができます。
2. GUI の右上隅にある [Data Tips ] ボタンをクリックして、任意の位置の CBF 値を表示します。
3. 画像の任意の領域にマウスの左ボタンを押してドラッグすると、明るさとコントラストのレベルをリアルタイムで変更できます。マウスボタンを離して、調整を確認し、確定します。

4. 主要な脳機能領域にわたるCBFアトラス

注:異なる機能領域間でCBF確率分布を正規化すると、被験者の脳機能領域全体のCBFレベルを表す大脳機能領域CBFアトラスが生成されます。

1. CBF_Atlas関数を呼び出して、図 4 に示す CBF 空間分布を CBF Atlas に変換します (図 5 を参照)。
   注: 図5では、x軸はさまざまな脳機能領域を表し、y軸はさまざまなCBFレベルを表しています。異なる色は、異なる確率レベルを示します (色が赤くなるほど、ボクセルが多く存在します)。
2. 図 5 に示す GUI の右上にある [Zoom In/Out] ボタンをクリックして、画像の一部を拡大縮小します。
   注: 図5 の曲線は、地域間の平均CBFを接続しています。

5. 健常者とCCI患者とのCBF_Atlasの有意差

注:セクション1〜4で説明されているのと同じプロセスを使用して、CCI患者のさまざまな脳機能領域にわたる平均CBF値を取得できます。

1. CBF_Compare関数を利用して、健康な被験者とCCI患者からのCBF曲線の比較プロットを生成します(図6)。
2. 患者のCBF曲線(黒)と健康な曲線(赤)の間に有意差があることを観察します(図6)。患者内でCBFの低下がより顕著な機能領域を特定します。ステップ3.3を統合して、患者のパフォーマンスが他の領域と比較して悪化した領域を再調査します。
   注:ステップ3.3では、患者のCBFレベルを3次元空間で表示できるため、医師は 図4 に示すトライプラナーGUIビューを利用して、患者の任意の位置でCBFを検査できます。ここでは、CBFの低下の程度は、CCI患者の場所によって異なります。医師は 図4 を再検討して、CBFが著しく低下している脳領域に焦点を当てることができます。
3. GUIの右上隅にあるアイコン(図5)を使用して、ズームアウト、ズームイン、グローバルビューへの復帰、選択したピクセルの座標のマークなどの機能にアクセスします。
   注:同じ原理を使用して、同じ患者の治療前と治療後の結果を 図6 のアプローチを使用して比較し、経時的な臨床効果を評価することもできます。

Results

この調査では、1.5 T MRI スキャナーを使用して取得した実際の患者データを利用して、脳血流 (CBF) の定量化とアトラス構築方法を検証します。前処理ステップには、FLAIR構造画像(図1)、CBF画像(図2)、および三面融合画像(図3 および 図4)が含まれていました。

大脳機能領域は、事前学習済みの深層学習モデルを使用してFLAIRスキャンからセグメント化されました(図3)。その後、ASL-CBF イメージが FLAIR 空間に位置合わせされるように登録されました。領域ラベルと対応する CBF 値を融合すると、セグメント化された領域全体の CBF 分布を示す三平面ビューが生成されました (図 4)。

さらなる処理により、健康な被験者(図5)とCCI患者(図6)のCBFアトラスが構築されました。x軸は領域、y軸はCBFレベル、色の濃さは確率を表します。曲線は平均地域CBFを示しています。2つのCBFアトラスを比較すると、CCI患者と健康な被験者のすべての脳機能領域でCBFが有意に減少していることが明らかになりました。

この手法により、CBFの正常分布と異常分布を全球および地域の分解能レベルで見分けることに成功しました。MRI-ASLイメージングに基づく3D脳機能領域CBFアトラスの構築は、さまざまな脳の病態生理学の診断を支援するための大きな可能性を秘めています。

図1:FLAIRスライスビューのインタラクティブなグラフィカルユーザーインターフェース。 次の図は、FLAIR スライスを表示するための GUI を示しています。 この図の拡大版を表示するには、ここをクリックしてください。

図2:CBFスライスビューのインタラクティブなグラフィカルユーザーインターフェース。 次の図は、CBF スライスを表示するための GUI を示しています。 この図の拡大版を表示するには、ここをクリックしてください。

図3:FLAIRイメージングシーケンスに基づく脳機能領域のセグメンテーション。 FLAIR配列に基づく大脳機能領域の抽出と三面図。 この図の拡大版を表示するには、ここをクリックしてください。

図4:大脳機能領域全体のCBF空間分布の三面図。 大脳領域全体のCBF分布を示す三面図。 この図の拡大版を表示するには、ここをクリックしてください。

図5:脳機能領域CBFアトラス。 CBFアトラスは、地域固有のCBFレベルの確率分布によって構築されます。この研究では、一般的に使用される 32 の地域のセグメンテーションを採用しています。これらの領域には、背景、左大脳白質、左大脳皮質、左側脳室、左下側脳室、左小脳白質、左小脳皮質、左視床、左尾状動物、左被殻、左淡蒼球、第三脳室、第四脳室、脳幹、左海馬、左扁桃体、左側坐領域、左腹側DC神経、右大脳白質、右大脳皮質、 右側脳室、右下側脳室、右小脳白質、右小脳皮質、右視床、右尾状、右被殻、右淡蒼球、右海馬、右扁桃体、右側坐部、右腹側DCです。 この図の拡大版を表示するには、ここをクリックしてください。

図6:脳機能領域CBFアトラスの比較。 比較により、CCI患者と健康な被験者では、脳機能領域全体でCBFが有意に減少していることが明らかになりました。 この図の拡大版を表示するには、ここをクリックしてください。

Discussion

主要なステップ(セクション3および4)は、CBFアトラスを構築するための基礎を構成し、脳機能領域全体のCBF分布を定量化します。ステップ4.2では、各脳領域のCBFレベルを明示的に示し、新しい技術を開拓しました。これにより、医師は患者のCBFを全体的に把握できるだけでなく、個々の機能領域を定量的に測定することもできます。ステップ5.1は、CBFアトラスがCCIを健康なコントロールと区別する実質的な臨床診断の有用性を保持していることを示しています。

いくつかの技術的な改良により、主にMRI-ASLイメージングを利用することにより、この有望なプロトコルを強化できます。スキャン精度、CBF正規化、構造画像とCBF画像の同期に関する標準化が必要です。さらに、拡張されたコホートを介した診断ベースラインとして、多被験者の健康なCBFアトラスを構築することは、さらなる調査が必要です。臨床共同研究を通じて、多様な脳の病態生理学にわたるCBFアトラスパターンを蓄積することも、将来の重要な研究を表しています。

現在の制限は、CBFが非常に貴重であるにもかかわらず、脳の状態の唯一のバイオマーカーではない^{ということです18,19}。脳脊髄液中のリン酸化タウタンパク質(p-タウ)、脳波計(EEG)、脳代謝率(グルコース代謝率など)などの他の重要な臨床マーカーを統合することで、診断を強化できる可能性があります。

脳の各機能領域のCBF分布を正確に計算し、アトラスの形で提示するためには、脳機能構造イメージングを3次元空間のCBF配列にアライメントし、各領域のCBF分布を計算する必要があります。この取り組みは、私たちの研究の主要な革新を表しています。得られたCBFアトラスは、x軸が脳の機能領域を表し、y軸が各領域のCBF分布を示すため、患者の治療前と治療後の転帰を比較することができ、健康なグループと罹患したグループとの間の定量的な比較が可能になる²⁰。これにより、CBFの評価は、経験的判断に頼るのではなく、より正確になる(地域間のCBF分布の正確な比較が可能になる)²¹。

さらに、縦断的CBFアトラスが治療効果をモニターし、神経疾患の進行を経時的に追跡する可能性は、個別化医療への有望な道筋を提供します。健康な脳機能領域内のCBF分布のベースラインを確立することにより、臨床医は治療介入の影響をより正確に測定し、患者のケアに関して十分な情報に基づいた決定を下すことができます。

結論として、MRI-ASLイメージングを利用したCBFアトラスの開発は、脳疾患の診断および治療環境を改善するための有望なステップです。この技術は、脳血流ダイナミクスのより包括的な理解に貢献する可能性があり、個々の患者の脳灌流パターンに基づいて介入を調整することを目的とした精密医療アプローチの開発をサポートする可能性があります。この研究の将来の方向性には、方法論の改良、プロトコルの標準化、および神経学およびそれ以降のCBFアトラスの可能性を完全に実現するための臨床検証の拡大が含まれます。

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
CBFアトラス	インテリジェントエントロ	ピーCBFアトラスV1.0	北京インテリジェントエントロピー科学&Technology Co Ltd. 甲状腺疾患のモデリング
MATLAB	MathWorks	2023B	コンピューティングおよび可視化
MRI デバイス	Siemens	Amria 1.5 T	MRI スキャナー