この研究では、症候性頭蓋骨癒合症 (SC) の小児の術前評価および個別化された手術計画のための潜在的なツールとして、顔面中央部および頭蓋基部の形態を使用した年齢調整回帰モデリングを提案しました。
このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。
この記事について
サマリー
要約
顔面中央形成不全は、口蓋裂や症候群性癒合症などの頭蓋顔面障害を持つ小児によく見られる異常です。この状態に関連する主な機能的問題は、鼻咽頭気道の狭窄であり、呼吸器疾患を引き起こします。3 つの異なるグループ (正常な術済みの症候性頭蓋癒合症、および非術術の症候性頭蓋癒合症) にわたる 30 のコンピューター断層撮影 (CT) スキャン データセットを含むパイロット研究が実施され、症候性頭蓋癒合症における予測頭蓋基部測定のための公開された中顔面式、すなわち「Hariri-Ros-Nor 回帰モデル」が評価されました。得られた結果は、頭蓋底 (NBa) の予測が比較的一貫している一方で、特に手術を受けた症候群性頭蓋骨癒合症患者において、顔面中央幅 (ZMR-ZML) が予測値と有意な不一致を示したことを示しました。年齢は測定精度と予測の信頼性に大きく影響することがわかりました。結論として、現在の研究は、年齢調整モデリングが頭蓋顔面評価の予測精度を高める可能性があることを示唆しています。これは、症候性頭蓋骨癒合症における術前評価と個別の手術計画のための潜在的なツールを提供します。
概要
症候群性頭蓋骨癒合症 (SC) は、頭蓋縫合糸の早期融合によって引き起こされる複雑な先天性疾患であり、頭蓋骨の成長の制限、頭蓋底の変形、および顔面中央部形成不全を引き起こし、多くの場合、機能的および審美的な合併症を引き起こします 1,2。これらの異常は気道の開存性、視覚的完全性、神経発達の結果を損なう可能性があり、早期認識と正確な介入の重要性を強調しています 1,3。矯正が遅れると頭蓋内圧上昇、閉塞性睡眠時無呼吸症候群 (OSA)、眼球突出症や角膜露出などの眼科合併症のリスクが高まるため、SC における外科的管理は特に時間に敏感です 1,3,4。したがって、頭蓋骨および顔面中央部の前進の最適なタイミングを決定することは、依然として臨床管理の最も重要かつ困難な側面の 1 つです1。
症候性頭蓋骨癒合症の従来の評価方法は、多くの場合、外科的介入を導くために記述的成長分析と機能閾値に依存しています 5,6。これらのアプローチは一般的な基準点を提供しますが、患者固有の予測精度に欠けており、臨床的主観の影響を受けます 7,8。近年、頭蓋顔面の成長軌道を予測し、個別の手術計画に情報を提供できる定量モデルの開発への関心が高まっています。このうち、Hariri-Ros-Nor回帰モデルは、頭蓋基部のランドマークと顔面中央部の寸法の間の予測関係を確立することにより、再現性のある定量的なフレームワークを提供し、臨床医に成長を予測し、手術のタイミングを最適化するための客観的なツールを提供します9。
このモデルの予測力は、明確な成長パターンと外科的要件を示すアペルト症候群やクルーゾン症候群などの最も一般的な症候群サブタイプに特に関連しています9。標準的な頭蓋顔面CTイメージングと再現可能な解剖学的ランドマーク、すなわちSella、Nasion、Basion、ZMR、およびZMLを使用することにより、このモデルは、高度な幾何学的形態計測または有限要素分析が利用できない臨床現場でも、効率的かつ解釈可能な顔面中央部の成長を定量化できます9。これは、顔の成長が活発であり、手術のタイミングの決定が発達に永続的な影響を与える幼児期の初期から中期 (約 4-12 歳) に特に価値があります9。ただし、このモデルの適用可能性は、CT イメージングへの依存、単一コホート内での検証、および非常に若いまたは思春期後期の患者における潜在的な変動によって制限されており、学際的な評価と並行して統合する必要性が強調されています10。
この基盤に基づいて構築された Hariri-Ros-Nor 回帰モデルは、現在の記述フレームワークの限界に対処し、顔面中央部および頭蓋底の成長を予測するための再現性のある患者固有のアプローチを提供します。解剖学的関係を定量化することで、機能低下のリスクがある患者を早期に特定でき、データ駆動型のプロアクティブな手術計画をサポートします。これらの機能は、気道閉塞、頭蓋内圧亢進症、眼科罹患率など、介入の遅れに伴う不可逆的な合併症を防ぐ上で特に重要です。したがって、この研究は、症候性および非症候性の小児集団における顔面中央部および頭蓋基部の成長パターンを評価する際の Hariri-Ros-Nor 回帰モデルの精度と臨床的適用性を評価することを目的としています。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
プロトコル
この研究は、クアラルンプールのマラヤ大学歯学部医療倫理委員会によって承認されました (DF OS1921/0082(P))。この研究には、生体組織や体液を使用せずに遡及的かつ匿名化されたコンピューター断層撮影 (CT) スキャン データが含まれていたため、患者の同意は必要ありませんでした。この研究の方法論は、Hariri et al.9 によって概説された手順に従い、いくつかの変更を加えました。使用する機器とソフトウェアは 、材料表に記載されています。
1. 被験者の選択とCTスキャンデータの取得
2015年11月から2022年12月までの期間を対象とした、症候性頭蓋癒合症(SC)と診断された小児患者のレトロスペクティブ頭蓋CTスキャンが、マラヤ大学医療センター(UMMC)の頭蓋顔面クリニックのデジタル画像アーカイブから取得された。さらに、2023 年 5 月から 2024 年 1 月の間に得られた将来の CT スキャンも含まれていました。
潜在的な被験者は頭蓋顔面クリニックの記録から特定され、事前定義された適格基準に従って研究者によって手動でスクリーニングされました。選択基準は、(1) 頭蓋顔面外科医による症候性頭蓋骨癒合症の確定診断、(2) 完全な医療記録の入手可能性、および (3) 年齢 <12 歳で構成されていました。対照被験者も 12 歳未満であり、頭蓋顔面異常の病歴がなく、完全な頭蓋および顔面 CT スキャンを受ける必要がありました。すべてのコホートに適用される除外基準には、年齢 ≥12 歳、非症候性または孤立性頭蓋癒合症、不完全な臨床または画像記録、頭蓋顔面手術の病歴、または他の症候群に関連する顔面中央形成不全が含まれていました。スクリーニング後、非造影 CT 頭蓋骨データセットを取得するために、適格な被験者の最終リストが生物医学画像研究ユニットに提出されました。イメージング データは、Digital Imaging and Communications in Medicine (DICOM) 形式のコンパクト ディスク (CD) で提供され、取得プロトコルは部門のガイドラインに従って標準化されました (軸方向スライスの厚さ ≤1.00 mm、頭蓋顔面の完全なカバレッジ、および一貫したボクセル解像度)。Biomedical Imaging ユニットは、リリース前にデータセットの完全性、重要なアーティファクトの欠如、DICOM 標準への準拠を検証しました。検証されたすべてのデータセットは安全にアーカイブされ、その後、3次元再構成と分析のために3D医用画像処理ソフトウェアにインポートできるように準備されました。合計 30 人の被験者が選択され、非手術 SC グループ (SCNO)、手術 SC グループ (SCO)、および正常対照グループ (グループあたり n = 10) の 3 つのコホートに均等に分けられました。
2. 3Dの復興とランドマークの特定
インポートされたすべてのデータセットは、軸方向、矢状面、冠状面で、3 次元プレビューとともに表示されました。DICOMファイル内のメタデータにより、取得パラメータ(スライスの厚さ、ボクセル解像度、スライスの数)を自動的に抽出できました。3 次元の体積モデルを生成するには、最初にボーンマスクを作成し、その後 [セグメンテーション] → [ミミックで 3D を計算] を選択して再構築しました。セグメンテーションは、メインツールバーのセグメンテーション→しきい値からアクセスできるしきい値機能を使用してさらに改良されました。骨の定義のばらつきや過剰なノイズの存在は、セグメンテーション中に不適切なハウンズフィールド単位 (HU) 範囲が適用された場合に観察される可能性があります。この問題は、3D医用画像ソフトウェアで利用可能な標準の「骨(CT)」しきい値プリセットを適用し、マスク編集機能を使用してセグメンテーションマスクを改良し、アーティファクトを除外し、構造の連続性を向上させることで解決できます。このプロセスにより、マスク内で骨構造のみが強調表示され、隣接する軟部組織が排除され、画像ノイズやアーティファクトが減少しました。
解剖学的ランドマークは、[ 測定] → [ポイントの作成] の下にあるポイント作成ツールを使用して識別され、マークされました。ランドマークごとに、研究者は 3D 再構成を回転および拡大して視認性を最適化し、マウスを 1 回クリックするだけで解剖学的部位に直接ポイントを配置しました。次のランドマークが記録されました:セラターチカの中点にある セラ(S )、前頭鼻縫合糸の接合部にある ナシオン(N)、 蝶後頭合軟症での後頭骨の前中点として定義される バシオン(Ba)、および 左右の頬骨上顎縫合糸(ZMR、ZML) 眼窩下縁で。ランドマークの位置にわずかなばらつきが生じることがありますが、ポイントが 1 つの表示視点から定義されている場合に発生します。精度を高めるために、最終的な配置の前に、3次元再構成を回転させ、軸面、矢状面、冠状面と相互参照することにより、各ランドマークを複数の視野角で確認しました。各ランドマークは、プロジェクトツリー内の「測定」リストの下に自動的に保存されました。ランドマーク座標とラベルの完全なセットは、[ 計測値のエクスポート] 機能を使用してエクスポートされ、データセットが.csv形式または.xls形式で生成されました。これらのランドマークは、その後、頭蓋底と顔面中央部の骨格の線形測定の基準点として使用されました。
3. 頭蓋および顔面中央部の変数の線形測定
距離測定機能を使用して、3D 医用画像処理ソフトウェアで線形頭蓋顔面測定を実行しました。3 次元再構成とランドマーク配置の後、測定ツールには [ 解析] → [計測] → [ポイント間の距離 ] メニューからアクセスしました。この機能では、3D再構成で2つの解剖学的ランドマークが手動で選択され、ソフトウェアが選択した座標間のユークリッド距離を自動的に計算し、その結果が測定結果ウィンドウに表示されました。
次の線形測定値が得られました: SN (前頭蓋底の長さ) は、蝶鞍 (S) と鼻 (N) の間の距離として定義されます。 SBa (後頭蓋底の長さ) は、蝶鞍 (S) と基底 (Ba) の間の距離として定義されます。 NBa(頭蓋底総長)は、鼻(N)と基底(Ba)の間の距離として定義されます。 ZMR - ZML (上顎幅) は、左右の頬骨上顎縫合糸の間の頬骨間距離として定義されます。各測定は、正確なポイント配置を確保するために、必要に応じてズームおよび回転ツールを適用して、3Dモデル上で直接実行されました。
完了すると、測定リストはソフトウェアのプロジェクトツリー内で自動的に更新されました。完全なデータセットは、 測定値のエクスポート 機能を使用してエクスポートされ、すべてのランドマークラベルと対応する線形値を含む.xls形式で保存されました。これらのエクスポートされた値は、その後統計分析に使用されました。
4. 回帰モデルの応用
エクスポートされた測定値は、さらなる分析のためにスプレッドシート プログラムにインポートされました。Hariri-Ros-Nor回帰式を使用して、頭蓋底の全長と上顎幅の両方の予測値を計算しました。次の式が適用されました。
次に、これらの式から導き出された予測値を各被験者の対応する測定値と比較し、データセットの標準偏差を計算することにより、頭蓋形態の一貫性と偏差を評価しました。その後、データセットは統計分析の準備が整いました。
5. 統計分析
すべての測定値と予測値を1つのデータセットにまとめ、統計分析ソフトウェアを用いて分析しました。記述統計は、最初に計算され、すべてのグループの頭蓋底および顔面中央部のパラメーターを要約しました。グループ間の差は、ノンパラメトリックマンホイットニーのU検定を使用して評価されました。さらに、ピアソン相関分析を実施して、各グループ内の年齢と頭蓋測定値の関係を評価しました。統計的解釈をサポートおよび明確にするために、グループ比較用の箱ひげ図や相関傾向の折れ線グラフを含むデータの視覚的表現が生成されました。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
結果
表 1 によると、測定された NBa 値は、すべてのグループで予測された値よりも一貫して高く、手術を受けた症候性頭蓋癒合症 (SCO) コホートで最大の偏差が観察されました。対照的に、ZMR-ZML (上顎幅) 値はすべてのカテゴリで予測よりも大幅に低く、かなりのばらつきが示されました。
ピアソン相関分析(表2)とマトリックス散布図分布(図1)の正規コホート内の後、NBaとZMR-ZMLの間に非常に強い正の相関が確認され(r = 0.992、p < 0.001)、生理学的成長中の頭蓋底の長さと顔面中央部の幅の間に高度に同期した比例関係があることが示されました。このほぼ完全な関連は、ランドマーク識別の内部一貫性を強調し、通常の発達条件下でのハリリ-ロス-ノール回帰モデルの堅牢性を裏付けています。
さらに、ピアソン相関分析(
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
ディスカッション
このパイロット研究は、ランドマークベースの分析と定量的頭蓋顔面評価のための予測モデリングを統合した、構造化された再現性のあるイメージングプロトコルを実証します。このプロトコルは、精度と再現性を確保するために、標準化されたセグメンテーション、正確なランドマークの配置、一貫した測定手順などの重要な方法論的ステップを強調しています。画像セグメンテーションと 3 次元再構成は、一貫した閾値パラメーターを使用して 3D 医療画像処理ソフトウェアで実行され、骨組織を分離し、体積モデルを生成しました。ランドマークの配置精度は、ズーム、回転、および多平面表示ツールを使用して最適化され、測定前に各解剖学的ポイントを軸方向、矢状面、および冠状面にわたって検証できるようになりました。事前定義された頭蓋ランドマークと顔面中央部のランドマーク間の線形距離は、「点間の距離」機能を使用して取得され、結果は統計的評価のために自動的に保存および.xls形式でエクスポートされました。再現性は、同一のパラメータ設定、単一の校正済みワークステーション、および標準化されたデータエクスポート手順によって維持されま...
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
開示事項
著者には宣言すべき競合する利益はありません。
謝辞
この研究は、マラヤ大学歯学部のマラヤ大学口腔顎顔面研究および外科 (OCReS) グループによって支援されました。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
材料
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| コンパクト・ダイクス(CD) | |||
| マテリアライズ・ミミックス・メディカルソフトウェア | ママリスライズNV | バージョン21 | 3D医療画像処理ソフトウェア |
| Microsoft Excel | マイクロソフト社 | スプレッドシートソフトウェア | |
| CDリーダー付きパーソナルコンピュータ | |||
| 社会科学向け統計パッケージ(SPSS) | IBM | G06TFML | 統計分析ソフトウェア |
参考文献
- Derderian, C., Seaward, J. Syndromic craniosynostosis. Semin Plast Surg. 26 (2), 64-75 (2012).
- Rostamzad, P., et al. Prevalence of ocular anomalies in craniosynostosis: A systematic review and meta-analysis. J Clin Med. 11 (4), 1060(2022).
- Chen, K., Kondra, K., Nagengast, E., Hammoudeh, J. A., Urata, M. M. Syndromic synostosis: Frontofacial surgery. Oral Maxillofac Surg Clin North Am. 34 (3), 459-466 (2022).
- Bruce, W. J., et al. Age at time of craniosynostosis repair predicts increased complication rate. Cleft Palate Craniofac J. 55 (5), 649-654 (2018).
- Katouni, K., et al. Syndromic craniosynostosis: A comprehensive review. Cerus. 15 (12), e50448(2023).
- Lun, K., et al. Assessment of pediatric head shape and management of craniosynostosis. Aus J General Prac. 51, 51-58 (2022).
- Mathijssen, I. M. Guideline for care of patients with the diagnoses of craniosynostosis: Working group on craniosynostosis. J Craniofac Surg. 26 (6), 1735-1807 (2015).
- O'hara, J., et al. Syndromic craniosynostosis: Complexities of clinical care. Mol Syndromol. 10 (1-2), 83-97 (2019).
- Hariri, F., Malek, R. A., Abdullah, N. A., Hassan, S. F. Midface hypoplasia in syndromic craniosynostosis: Predicting craniofacial growth via a novel regression model from anatomical morphometric analysis. Int J Oral Maxillofac Surg. 53 (4), 293-300 (2024).
- Blum, J. D., et al. Machine learning in metopic craniosynostosis: Does phenotypic severity predict long-term esthetic outcome. J Craniofac Surg. 34 (1), 58-64 (2023).
- Wahlquist, Y., Soltesz, K. Automated covariate modeling using efficient simulation of pharmacokinetics. IFAC J Sys Con. 27, 100252(2024).
- Kasai, K., Moro, T., Kanazawa, E., Iwasawa, T. Relationship between cranial base and maxillofacial morphology. Eur J Orthod. 17 (5), 403-410 (1995).
- Zheng, L., et al. Enhancing predictive tools for skeletal growth and craniofacial morphology in syndromic craniosynostosis: A focus on cranial base variables. Diagnostics (Basel). 15 (13), 1640(2025).
- Patel, K. B., Skolnick, G. B., Mulliken, J. B. Anthropometric outcomes following fronto-orbital advancement for metopic synostosis. Plast Reconstr Surg. 137 (5), 1539-1547 (2016).
- Richtsmeier, J. T., Deleon, V. B. Morphological integration of the skull in craniofacial anomalies. Orthod Craniofac Res. 12 (3), 149-158 (2009).
- Tonello, C., Cevidanes, L. H. S., Ruellas, A. C. O., Alonso, N. Midface morphology and growth in syndromic craniosynostosis patients following frontofacial monobloc distraction. J Craniofac Surg. 32 (1), 87-91 (2021).
- Skolnick, G. B., et al. Long-term characterization of cranial defects after surgical correction for single-suture craniosynostosis. Ann Plast Surg. 82 (6), 679-685 (2019).
- Chufei, H., et al. Comparison of different 3d reconstruction software tools in preoperative modeling for cranio-maxillofacial surgery. Plastic Aesthetic Res. 12, 10(2025).
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
再版と許可
