妊娠初期の超音波画像のラジオミクス解析による第1トリメスター終了時の妊娠持続予測

妊娠初期に早く知ることが重要な理由

多くの女性にとって、妊娠の最初の数週間は希望と不安が入り混じる時期です。初期の超音波検査で妊娠が継続するか流産で終わるかがまだはっきりしない場合、医師はそれを「妊娠の有効性不明」と呼びます。この待機期間—通常は再検査までの1〜2週間—は感情的に非常に消耗します。本稿で要約する研究は、日常的に取得される超音波画像に潜む微細なパターンと簡単な臨床情報を組み合わせることで、より早く、より正確に最終的な結果を予測できるかを調べています。

目に見えるものを超えて観る

従来の超音波評価は、臨床医が直接測定・観察できるものに依拠します：胎嚢の大きさや形、卵黄嚢や小さな胚の有無、心拍が確認できるかどうかなど。これらの特徴を用いたスコアリングシステムは以前からありますが、その精度は限られ、完全なデータに依存することが多いです。本研究では、コンピュータがラジオミクスと呼ばれる手法で、人間の目には捉えにくい超音波画像中のさらに微細な特徴を検出できるかを検証しました。ラジオミクスは画像をテクスチャ、輝度パターン、小スケールの構造を記述する何千もの数値的特徴に変換し、着床の良否に関する初期の兆候を捉える可能性があります。

自動化された画像処理パイプラインの構築

研究チームは2021〜2023年の間にロンドンの2つの病院の早期妊娠外来を受診した500人の女性から超音波画像を収集しました。すべての被験者は妊娠の有効性不明と診断され、最終的な転帰（第1トリメスター終了時点での妊娠継続または流産）が記録されました。解析の準備として、研究者らはまずディープラーニングモデルに各スキャン上の2つの主要領域を検出させることを学習させました：胎嚢そのものとその周囲の薄い子宮組織のリングです。医用画像向けに設計されたニューラルネットワークアーキテクチャを用い、システムはこれらの領域を専門家の手動輪郭に極めて近い精度で描出することを学びました。この自動「セグメンテーション」工程は重要で、将来的に専門医の追加作業を要さずにスキャンを処理できるようにします。

パターンを予測に変える

領域が特定されると、ラジオミクスソフトウェアは超音波画像から4,000を超える定量的特徴を抽出しました。同時に、チームは日常診療で既に記録されている簡潔な臨床情報（年齢、最終月経からの妊娠週数、報告された出血や痛みの程度など）を収集しました。これらの変数がすべて同等に有用というわけではないため、研究者らは幅広い特徴選択手法と機械学習アルゴリズムを試し、最適な組み合わせを見つけました。最終モデルは「妊娠有効性不明予測スコア（PUVPS）」と名付けられ、XGBoostとして知られる手法と慎重に選ばれたラジオミクスおよび臨床特徴を使用しました。評価では、このモデルは流産と妊娠継続を高い性能で識別し、システムの学習に使用されていない外部の病院データでも良好な成績を示しました。

モデルが実際に利用しているもの

最も影響力の大きかった予測因子のいくつかは、最終月経に基づく推定妊娠週数、膣出血の程度、母体年齢といったなじみのある臨床因子でした。しかし、胎嚢および周囲組織から抽出された複数のラジオミクステクスチャー指標も上位に入りました。これらは画素輝度の均一性やむら、明るい領域の分布がどのようになっているかを捉え、初期の胎盤や支持組織の形成状況に関連している可能性があります。興味深いことに、これらのラジオミクス特徴は妊娠週数とともに変化しているようにも見え、ランダムなノイズではなく、妊娠初期の実際の生物学的変化を追跡していることを示唆しています。

患者にとっての意味

この研究には限界があり、特にサンプルサイズが限られている点は重要です。小規模なデータセットでは機械学習モデルが過度に楽観的になる可能性があり、より大規模で多様な集団で検証されるまで慎重な解釈が必要です。それでも、結果は、追加の採血や処置を行うことなく、すでに取得されている超音波画像だけで妊娠有効性不明の女性に個別化されたリスク推定を提供できる可能性を示唆しています。将来的に大規模な多施設試験で検証されれば、PUVPSのようなツールは超音波診療の裏側で静かに稼働し、画像をリアルタイムに解析して妊娠継続の確率を提示することができるでしょう。標準的なフォローアップ検査を置き換えるのではなく、不確実な待機期間において女性と臨床医が感情面や実務面で備える助けになる可能性があります。

引用: Murugesu, S., Linton-Reid, K., Barcroft, J. et al. Radiomics analysis of early pregnancy ultrasound images to predict viability at the end of first trimester. Sci Rep 16, 5504 (2026). https://doi.org/10.1038/s41598-026-35158-5

キーワード: 妊娠初期, 流産リスク, 超音波, ラジオミクス, 医療における機械学習