深層学習アルゴリズムを用いた臨床的矢状断および冠状断T1強調MRI上でのローテーターカフ筋の定量的脂肪分画解析

なぜ肩の筋肉の脂肪が重要なのか

ローテーターカフの腱が断裂した場合、外科医は多くの場合それを修復できますが、その修復が長持ちするかどうかは筋肉の状態に大きく左右されます。重要な警告サインの一つは、損傷した筋肉にどれだけ脂肪が入り込んでいるかです。これまで医師は、単一の肩断面画像を目視で評価し、おおまかな5段階スケールで判断してきました。本研究は、深層学習による現代的な画像解析が、日常的な肩の撮像を正確な3Dの筋脂肪マップに変え、誰が手術の恩恵を受けやすいかの予測や手術計画にどう役立つかを検討します。

あいまいな情報の問題

現在、多くの外科医はローテーターカフ筋を評価するために標準的な肩の磁気共鳴画像（MRI）に頼っています。これらの画像では脂肪は明るく、筋肉は暗く見え、広く使われている評価法は各筋を「脂肪なし」から「筋より多い脂肪」までにランク付けします。しかしこの判断は肩の単一の斜め断面（いわゆるYビュー）で行われ、専門家間で等級が一致しないことがしばしばあります。腱が後退している患者では、その一枚の断面が人によって同じ筋の同じ部位と一致しないことがあり、比較がさらに難しくなります。過去の研究でも、1枚の断面が3次元の筋全体を確実に代表しているわけではないことが示されています。

筋内の脂肪をよりよく見る方法

放射線科医は既に、Dixon法と呼ばれるより正確なMRI技術を持っており、これにより筋内の各ボクセルごとの脂肪割合を正確に測定できます。これらのスキャンは脂肪が不均一に分布し、筋の長さに沿って変化することを明らかにします。しかしDixonスキャンはほとんどの病院で日常的な肩撮像の一部ではありません。本研究の著者らは、コンピュータが日常的に行われる標準MRIから同じ詳細な脂肪情報を推定できるかどうかを問い、同じ肩について標準的なT1強調画像と専用のDixon画像の両方を持つローテーターカフ断裂患者99例のデータを集め、4つの主要なローテーターカフ筋すべてを対象としました。

画素の隙間を読むようにアルゴリズムを教える

研究チームはまず、既に妥当性が示された深層学習ツールを用いて、標準MRI上で肩の骨と各ローテーターカフ筋を自動的に輪郭抽出しました。次に標準スキャンとDixon画像を位置合わせし、標準MRIの各ボクセルがDixonスキャンから得られた真の脂肪割合に対応するようにしました。単に各ボクセルを「脂肪」か「筋肉」にラベル付けする代わりに、脂肪含有率をほとんど脂肪がないものから非常に高いものまでの5つの範囲に分けました。3Dニューラルネットワークは、標準MRIの見た目だけを手がかりに、筋内の各ボクセルがこれら5つのうちどの範囲に属するかを予測するように訓練されました。訓練には75肩を用い、残りの24肩で矢状断（側面）および冠状断（前面）方向の両方で性能を評価しました。

筋別により鮮明な数値

ネットワークがこのタスクを学習すると、研究者らはボクセルごとの予測を各筋の平均脂肪割合に変換できました。Dixon画像の真値と比べると誤差は小さく、通常は約1～2パーセントポイント、最大でも筋や撮像方向によって約2～4パーセントポイント程度でした。重要なのは、この多段階アプローチが、単純なしきい値で各ボクセルを完全に脂肪か筋肉かに二分する従来の“二値”手法を明確に上回ったことです。旧来の方法は全体の脂肪量を約6パーセントポイント過小評価しており、一部の筋では真の脂肪量の約半分が見落とされていました。新しい方法はまた、各筋に沿った脂肪の分布も捉え、平均値は安定していても個々の患者で強い局所変動が現れ、単一断面では見逃されることを示しました。

患者にとっての意義

ローテーターカフ修復を検討している人々にとって、おおざっぱな視覚スコアと精密な3D測定の差は、より明確な予後やより個別化された治療につながる可能性があります。本研究は、深層学習アルゴリズムにより、診療で既に取得されている標準的な肩MRIを追加の撮像時間や特殊装置なしにほぼ定量的な脂肪マップに変換できることを示しています。方法はより多様な撮像装置や病院での検証を要しますが、自動化され一貫した筋質評価への道を開く可能性があります。将来的には、筋内の脂肪分布を詳細に示すこれらのマップが、修復が成功しそうな時期の判断や手術手技の洗練、そして痛みを伴う肩断裂患者の転帰改善に役立つことが期待されます。

引用: Hess, H., Oswald, A., Daneshvar, K. et al. Quantitative fat-fraction analysis of the rotator cuff muscles on clinical sagittal and coronal T1-weighted MRI using deep learning algorithms. Sci Rep 16, 8821 (2026). https://doi.org/10.1038/s41598-026-38108-3

キーワード: ローテーターカフ, 筋脂肪, MRI, 深層学習, 肩の手術