アルツハイマー病のMRI画像から海馬容積をセグメンテーションする深層学習モデルの評価

なぜこの研究が家族にとって重要なのか

アルツハイマー病は記憶と自立性をゆっくりと蝕み、症状が明確になる遥か前から進行することが多い。医師は海馬と呼ばれる小さな脳構造が病気の進行に伴って縮小することを知っているが、脳スキャン上でその縮小を手作業で測るのは遅く困難だ。本研究は、最新の人工知能がMRI画像上で海馬を自動的に描出し、左右それぞれでどれだけ失われているかを信頼性高く推定できるかを検討している。これにより医師が初期の脳変化をより迅速かつ客観的に把握できる可能性がある。

記憶に大きな役割を果たす小さな脳領域

海馬は側頭葉の奥深く、両側に位置し、新しい記憶の形成や周囲の空間の把握を助ける。先行研究は、海馬の容積がアルツハイマー病の人で低下する傾向があり、その減少は診断の何年も前に始まることがあると示している。左海馬は言語的・自伝的記憶により密接に関連し、右側は空間記憶やナビゲーションに大きく関わる。したがって、左右それぞれのサイズ変化を追うことで、病気の有無だけでなく、日常的な思考や機能にどのように影響するかについても示唆が得られる可能性がある。

なぜ海馬の測定は難しいのか

MRI画像では海馬は小さく複雑な形状の構造として現れ、各スライスのごく一部に過ぎない。従来は専門家が25～30枚のスライスにわたりその境界を手でたどり、それらの面積を組み合わせて容積を算出してきた。この手動法は金標準とされるが、専門的な訓練を要し時間もかかり、大規模研究や多忙な臨床現場で収集される何千ものスキャンに適用するのは難しい。既存の自動化ソフトは大きく単純な脳領域を扱うのは得意だが、海馬の細かな形状を一貫して捉えるのは、スキャナや画像品質の違いで特に困難なことが多い。

深層学習を試す

この課題に取り組むため、研究者らは画像中の対象を検出・輪郭化するよう設計された3つの深層学習モデルを評価した。アルツハイマー病神経画像イニシアチブ（ADNI）から得た300件のMRIスキャンを用いた：アルツハイマー病100例、軽度認知障害（早期段階の可能性あり）100例、健康な高齢者100例だ。神経内科医が何千枚ものスライスで海馬にラベルを慎重に付けた後、チームはモデルにこの構造を定義する視覚パターンを学習させた。各モデルの予測輪郭が専門家ラベルとどれだけ重なるかに着目し、複数の標準的な精度指標で性能を比較した。

最良のモデルとその示したこと

3つの手法のうち、U-Netと呼ばれるモデルが左右両方の海馬の境界を正確に描く点で明らかに最も良好だった。U-Netは専門家ラベルとの重なりで最高の成績を示し、物体検出で広く使われるYOLO-v8や、別の高度な手法であるDeepLab-v3を上回った。学習後、U-Netモデルは別の検査用画像セットで海馬をセグメント化し、容積を算出するために用いられた。結果は明確な傾向を示した：アルツハイマー病の人は海馬容積が最も小さく、軽度認知障害の人は中間、健康対照は最も大きかった。すべての群で左側がわずかに右側より小さい傾向が見られた。

左右間の微妙な差

左右を直接比較することで、研究者らは各群における海馬の左右対称性も調べた。健康な高齢者では右側が左側より明らかに大きく、非対称性が最も大きかった。一方で、アルツハイマー病および軽度認知障害の人々は全体的な容積が小さく、左右差もわずかだった。これは病気が進行するにつれて両側の海馬が縮小し、容積の差が小さくなる傾向があり、記憶やその他の認知機能がどのように変化しているかについての情報を含んでいる可能性を示唆する。

将来のケアにとっての意義

専門外の人向けに要点をまとめると、人工知能は今や、手間のかかるが重要な段階で専門家の性能に匹敵できるようになったということだ：脳スキャン上で海馬を輪郭化する作業である。本研究ではU-Netモデルがこのタスクに特に信頼できることが示され、左右両方の海馬容積を迅速に算出できるようになった。より大規模で多様なデータセットでさらなる検証が行われれば、こうしたツールは臨床医が初期の脳変化を容易に追跡し、より早期かつ確信を持った診断を支援し、治療が病気の進行をどの程度遅らせるかや変化させるかをモニターするのに役立つ可能性がある。本研究は、日常臨床での実用的なバイオマーカーとして、深層学習で強化された通常のMRI検査を用いる道に近づけるものである。

引用: Pusparani, Y., Lin, CY., Jan, YK. et al. Evaluation of deep learning models for segmentation of hippocampus volumes from MRI images in Alzheimer’s disease. Sci Rep 16, 7878 (2026). https://doi.org/10.1038/s41598-026-38220-4

キーワード: アルツハイマー病, 海馬容積, 脳MRI, 深層学習セグメンテーション, U-Net