浅層回帰解析を用いたT2強調磁気共鳴画像からの新生児脳年齢推定

小さな脳で時期が重要な理由

生後数週間、赤ちゃんの脳は驚異的な速さで成長し、日々その姿を変えます。早産児や満期出生児を診る医師は、行動面に遅れが現れるずっと前に成長が正常かどうかを正確に知りたいと考えています。本研究は、新生児の詳細なMRIスキャンを「脳がどれほど成熟しているか」を示す正確な“脳年齢”に変換できることを示し、臨床で脳の健康を敏感に早期評価する手がかりを与えます。

暦年齢を超えた年齢の測り方

新生児は通常、受胎からの経過週数である在胎週数（postmenstrual age）で表されます。しかし同じ暦年齢でも、特に早産児では脳の成熟度は大きく異なります。磁気共鳴画像（MRI）は放射線を用いず脳の構造を捉え、成長に伴うひだの深まりや組織の変化を明らかにします。研究者らは、これら豊富な画像情報を1つの数値—典型的な発達と比べたときに「脳が何週相当に見えるか」—に変換することを目指しました。この脳年齢と実際の年齢の差が、著しく遅いまたは速い成熟を示す指標になります。

何百人もの新生児の走査

このチームは、Developing Human Connectome Projectの885人の新生児のMRIデータを使用しました。対象は走査時の在胎週数が26〜46週の早産児と満期出生児を含みます。全員が自然睡眠中に特殊な新生児MRIシステムで撮影され、組織差を強調する高品質なT2強調像が得られました。解析前に頭蓋などの脳以外の組織を除去し、画像の明るさを補正し、異なる赤ちゃんの脳を意味のある比較ができるように標準のサイズと解像度にリサンプリングしました。

脳をそろえ、適切な参照を選ぶ

主要な工程の一つは、それぞれの赤ちゃんの脳をテンプレートと呼ばれる参照脳にどう当てはめるかを決めることでした。著者らは三つの選択肢を比較しました：各赤ちゃんの年齢に近いテンプレート、満期の40週脳から作った単一のテンプレート、そしてランダムに選んだ新生児テンプレートです。さらに、脳をテンプレートに合わせる方法として、拡大縮小や回転で整える単純な線形変換と、局所形状を微調整できる線形＋非線形のより柔軟なワーピングの二通りを試しました。これらの決定は重要で、より良い整列によってコンピュータは無関係なずれや歪みではなく実際の発達差に注目できるようになります。

画像をコンピュータが学べる数値に変換する

整列された各脳スキャンは何百万もの小さな体積要素（ボクセル）を含み、そのままでは予測モデルに入力するには多すぎます。これを扱うために、チームはデータを圧縮して赤ちゃん間の主要な変動パターンを捉える少数の成分に還元する数理手法を用いました。次に、これらの成分を年齢とどれだけ強く連動するかでランク付けし、最も情報量の多いものだけを残しました。こうして得た特徴量を用いて、ガウス過程回帰、サポートベクター回帰、関連ベクトル回帰という三つの確立した回帰手法を訓練し、繰り返しの交差検証で性能を確認して、各赤ちゃんがある時点で未見のテスト例になるようにしました。

脳年齢はどれほど真実に近づけるか？

画像を年齢特異的テンプレートに線形＋非線形ワーピングで整列したとき、脳年齢推定は非常に精度が高まりました。最良のモデルは平均で実際の年齢から約0.44週の誤差しかなく、半週にも満たない誤差で、年齢変動の約95％が画像データで説明されました。満期テンプレートを用いると誤差はやや大きくなり、ランダムテンプレートは特に早産児に対して最も悪い性能を示しました。より柔軟なレジストレーションは一貫して単純な線形法を上回りましたが、その利得は計算資源が限られる場合には依然として単純法が魅力的でありうるほど控えめでした。三つの予測手法のうち、ガウス過程回帰は精度と安定性のバランスが最も良好でした。

脆弱な出発点にとっての意義

新生児の脳スキャンをどのように整列し要約するかを慎重に選ぶことで、単一のMRIからでも数日単位の精度で赤ちゃんの脳成熟度を非常に正確に推定できることが示されました。このような「脳年齢」指標は、早産児やハイリスク児において、行動や運動で問題が明らかになる前に微妙な発達遅延を見つける手助けとなり得ます。本研究は単一のMRI種類と特定の研究データに依存していますが、早期の脳成長をより客観的に追跡し、脳が支援に対して特に敏感な時期に早期介入を支える実用的なツールの基礎を築きます。

引用: Taji, S.M., Kazemi, K., Qodrati, Z. et al. Neonatal brain age estimation from T2-weighted magnetic resonance images using shallow regression analysis. Sci Rep 16, 9980 (2026). https://doi.org/10.1038/s41598-026-40336-6

キーワード: 新生児の脳発達, 脳年齢推定, 新生児MRI, 早産児, 機械学習