AIセグメンテーション：誰でもより速く、より簡単にできる3Dモデリング

術前小児計画における3D解剖可視化

放射線画像は、内部構造を可視化し、患者の病態を理解するために不可欠です。AIは、通常は時間とコストがかかる画像セグメンテーションを自動化できます。この米国テキサス大学サウスウェスタン医学部（ダラス）のレポートでは、公開されているAIセグメンテーションツールと、それらを低コストで迅速に術前計画へ統合する方法をレビューしています。

手動およびAIセグメンテーション

医療画像セグメンテーションは、画像を意味のある領域に分割し、解剖学的構造の分離、異常の検出、診断・治療計画・疾患モニタリングのための測定を行うことを目的としています。アルゴリズムツールにより、このプロセスを加速し、数分以内に3Dレンダリングやエクスポートを可能にします。本研究では、3D Slicer を使用してセグメントを微調整しましたが、ほとんどの3DモデルはAI拡張機能によって自動生成されました。

AIセグメンテーションツール

術前計画アプリケーションでは、医療画像を解析するためにAIアルゴリズムの利用が増えています。

バーゼル大学病院の1,204件のCTシリーズで学習したTotalSegmentatorは、104の解剖学的構造を高精度でセグメンテーションできます。これは3D Slicerや、Medicalholodeckのような商用3D/VRプラットフォームに統合されています。

MONAIは、医療向けのオープンソース深層学習フレームワークです。その3D Slicer拡張機能であるMONAI Auto3DSegは、特定の臓器向けの自動セグメンテーションモデルを提供し、研究者が特定病理向けのカスタムモデルを学習できるようにします。

患者のMRIおよびCTスキャンは匿名化され、DICOM形式でエクスポートされ、小児外科症例の便宜的サンプルを用いて3D Slicer内のAI拡張機能のテストに使用されました。

小児3D計画におけるAI

AIによって生成された3D再構成は、小児外科の術前計画において正確な解剖学的ランドマークを提供し、術中解剖と高い相関を示しました。主要なAI拡張機能である TotalSegmentator、MONAI Auto3DSeg、RVesselX はローカルで動作し、60〜90秒で胸部および腹部のセグメンテーションを生成しました。成人データで学習されていたにもかかわらず、これらは複数の小児構造を信頼性高く識別し、ボリュームレンダリング画像との効果的な重ね合わせを可能にしました。制限として、非常に幼い患者や低体重患者では精度が低下すること、また統合された術中アプリケーションが不足していることが挙げられました。エクスポートされた3Dモデルは、教育、VR/AR可視化、外科シミュレーターやインプラントの3Dプリントにも利用できました。

AIによる3Dセグメンテーションの普及

AIとコンピュータビジョンは、標準的なCTおよびMRIスキャンから3D再構成を生成するための技術的・経済的障壁を大幅に低減しました。現在では、公開ツールにより、小児外科医が専門的知識や高価なソフトウェアなしで高精細モデルを迅速に作成できます。将来的には、小児データ専用に学習したAIモデルなどにより、さらに高い精度と、より広範な術中および教育用途が期待されています。

Medicalholodeck と TotalSegmentator を組み合わせることで、数分以内にセグメンテーションが利用可能となり、手動処理を必要とせず、高速で利用しやすい3Dモデルを提供します。これにより、各患者の解剖学的理解が大幅に向上し、症例計画が強化され、手術結果の改善につながる可能性があります。