機械学習モデル：fSADと正常肺のトポロジーのみを使用してスパイロメトリー低下の予測が可能
機械学習モデル：fSADと正常肺のトポロジーのみを使用してスパイロメトリー低下の予測が可能
Bell, Alexander J, Ravi Pal, Wassim W Labaki, Benjamin A Hoff, Jennifer M Wang, Susan Murray, Ella A Kazerooni, ほか. 「Local heterogeneity of normal lung parenchyma and small airways diseas e are associated with COPD severity and progression」. Respiratory research 25, no. 1 (2024年2月28日): 106. https://doi.org/10.1186/s12931-024-02729-x .
わかりました。以下、RICS研究に関する文章の日本語訳です。専門的な医学用語が多く含まれるため、一部の単語は直訳になるかと思います。＜Gemini翻訳＞
【要約】
背景 小気道疾患（SAD）は、COPD患者の気流閉塞の主な原因であり、肺気腫の前兆として認識されています。肺内のSAD量はパラメトリックレスポンスマッピング（PRM）という手法を用いて定量化できますが、肺気腫やCOPDの進行を測る際の指標として、この読み取り値の活用範囲はまだ十分に探索されていません。そこで、本研究では肺気腫の代理指標、およびスパイロメトリー低下の予測因子として、PRM由来の正常肺実質とSADのトポロジカルな特徴を評価しました。
方法 COPDGene研究の一環として収集されたCTスキャンから、正常肺（PRMNorm）と機能性SAD（PRMfSAD）のPRM指標を生成しました（n = 8956）。PRMNormとPRMfSADの両方について、容積密度（V）とオイラー-ポアンカレ特性（χ）の画像マップを決定しました。これらのマップは、それぞれポケット状の形成（すなわち、トポロジー）の程度と癒合度の指標です。COPDの重症度、肺気腫、スパイロメトリー測定値との関連性を、多変量回帰モデルによって評価しました。また、FEV1低下の予測に使用する入力値として、読み取り値を機械学習モデルで評価しました。
結果 COPD患者の多変量横断分析では、PRMfSADおよびPRMNormのV値およびχ値が、肺気腫の量と独立して関連していることが示されました。
また、χfSAD（β値 0.106、p<0.001）およびVfSAD（β値 0.065、p=0.004）もFEV1%予測値と独立して関連していました。
PRMトポロジーを入力値とする機械学習モデルは、5年間のFEV1低下をAUC 0.69で予測しました。
結論 fSADとNormのV値とχ値が、肺機能と肺気腫に関連する場合に独立した値を持つことを示しました。さらに、これらの読み取り値が機械学習（ML）モデルの入力値として使用されたときに、スパイロメトリー低下の予測に役立つことも示されました。
PRMfSADとPRMNormを用いたこのトポロジカルPRMアプローチは、肺気腫の発症とCOPDの進行の早期発見に有望である可能性があります。
序文要約
かしこまりました。以下に、提示された文章の要約を箇条書き形式でお伝えします。
**慢性閉塞性肺疾患（COPD）**は、米国および世界中で死因や医療費負担の主な原因となっている。今後、世界人口の高齢化に伴い、有病率の上昇が予想される。
COPDは複雑で多様な病態であり、臨床的には多様な表現型を示す。気流閉塞の主な原因は、慢性細気管支炎（別名：小気道疾患「SAD」）と肺気腫である。
SADと肺気腫はCOPDの別々の亜型として扱われているが、SADが健康な肺組織と肺気腫（不可逆的な肺損傷）の中間状態として存在するという強いエビデンスがある。現在、健康な肺実質からのSAD発症をよりよく定量化するために行われていることはほとんどない。
**パラメトリック・レスポンス・マップ（PRM）**は、CT画像を用いたボクセル単位の計算手法で、肺気腫の存在下でも機能性小気道疾患（fSAD：SADの間接的な指標）を特定・定量化できる。
PRM由来のfSADの割合（PRMfSAD）、つまり肺内のfSADの量は、COPDのリスクがある被験者におけるCOPDの表現型分類や肺機能低下の予測を向上させている。
各PRM分類の空間的特徴を数値化するために、PRMアルゴリズムの拡張として、トポロジカルPRM（tPRM）を開発した。この画像解析のtPRMによる結果は、COPDの特性評価や進行に関して、一般的に使用される全肺PRM測定値を改善し、また気管支閉塞症と診断された肺移植レシピエントの肺組織サンプルの構造的変化と相関することが示されている。
本研究では、COPDGeneコホートの初期データを用いて、正常肺とfSADのPRMトポロジーであるvolume density（V：広がりの指標）と Euler-Poincaré Characteristic（χ：気泡形成の指標）を、COPDの重症度、肺機能、肺気腫の広がりの独立した評価値として評価した。
また、機械学習モデルを用いて、これらのトポロジーの評価値が肺機能低下の予測因子となる可能性も調査した。本研究は、tPRMの評価値が早期の肺気腫やCOPD進行の指標として使用できる可能性を示している。
方法：
わかりました。以下に「Computed tomography and Topological PRM Analysis」セクションの日本語訳をお伝えします。
コンピューター断層撮影（CT）とトポロジカルPRM分析
すべてのコンピューター断層撮影（CT）データは、フェーズ1のCOPDGeneプロジェクトに関連する複数の施設から取得されました。標準化され、以前に発表されたプロトコルを使用して、機能的残気量での完全な吸気と通常の呼気において、全身ボリュームマルチ детеクターCT取得が行われました [15]。再構成したデータは定量分析に使用されました。すべてのCTデータはハンスフィールド単位（HU）で提示され、各スキャナーのCT測定の安定性は、専用のCOPDGeneファントムを使用して毎月監視されていました [15]。参考までに、空気と水の減衰値はそれぞれ−1,000 HUと0 HUです。
PRMは、Lung Density Analysis （LDA）ソフトウェア（Imbio、LLC、ミネアポリス、ミネソタ州）を使用して、ペアになったCTスキャンから決定されました。LDAは、気道を除去して胸腔から肺をセグメント化しました。吸気CTスキャンは、変形可能な画像位置合わせを使用して呼気幾何学フレームに空間的に位置合わせされました。肺ボクセルは、次のように所定のHUしきい値を使用して分類されました：正常（PRMNorm、-950HU ≤ -810、および呼気HU≥-856）、機能性小気道疾患（PRMfSAD、-950HU ≤ -810、呼気HU <-856）、肺気腫（PRMEmph、吸気HU <-950、呼気HU <-856）、または実質性疾患（PRMPD、吸気HU>-810）[19、20]。-1,000 HU〜-250 HUの範囲のボクセルのみがPRM分類に使用されました。各PRM分類は、パーセントボリュームとして定量化されました。これは、呼気時の総肺容量で正規化され、100を掛けたPRM分類の合計として定義されます。PRMでは判定不能と見なされるノイズの多いボクセルがいくつかあり（吸気 <-950 HU、呼気 >-856 HU）、これらは実質内の対象の連結領域を形成しなかったため、分析から除外されました。
PRMのトポロジカル分析は、以前に説明した方法を使用して行われました [10]。 tPRMメトリクスは、3Dバイナリボクセル分布におけるミンコフスキー測度の適用を通じて定義されました。ボリューム密度（V）とオイラー-ポアンカレ特性（χ）[21]。各PRMクラス（Norm、fSAD、Emph、およびPD）のVとχのマップは、5番目のボクセルごとに評価された、サイズ21×21×21ボクセルの3D移動ウィンドウを使用して計算されました。 Vは、同じ局所ウィンドウボリューム内でのマスクのミンコフスキー推定値によって正規化され（以前に説明されたようにウィンドウ内のマスクボリュームを直接計算するのではなく）、χはマスクされたウィンドウボクセル数によって正規化されました。線形補間を適用して、すべてのセグメント化されたボクセルについてV値とχ値を決定しました。
ミンコフスキー測度に関連するPRMクラスを示すために、クラスが上付き文字として表示されます（例：VfSADは、PRMfSADのボリューム密度です）。 tPRM分析は、MATLAB R2019a（MATLAB、MathWorks Inc.、Natick、MA）で開発されたオープンソースおよび社内ソフトウェアを使用して実行されました。生画像データからtPRMを計算することの詳細な概要と図は、Hoffらによって作成されています [10]。この研究の焦点は、正常な肺実質とSADの関係、および肺気腫との関連であるため、すべての分析は、PRM分類NormとfSADのVおよびχを使用して行われました。完全性のために、PRM分類EmphとPDのVとχも提供されています。
ミンコフスキー測度とは、ユークリッド距離を拡張したミンコフスキー距離を用いて、点集合の形状や大きさを定量化する数学的な指標です。
具体的には、n次元空間における点集合Aのミンコフスキー測度$${Mp(A)}$$は、以下の式で定義されます。
$${M_p(A)=(\Sigma_{i=1}^n |x_i|^p)^(1/p)}$$
ここで、
pはミンコフスキー距離のパラメータで、p=1のときマンハッタン距離、p=2のときユークリッド距離、p=∞のときチェビシェフ距離となります。
xiは点集合Aに含まれる点xのi番目の座標です。
ミンコフスキー測度は、様々な分野で利用されています。
画像処理：画像の形状やテクスチャを特徴付けるために用いられます。
統計学：データの分布を分析するために用いられます。
機械学習：パターン認識や分類のために用いられます。
ミンコフスキー測度には、以下の利点があります。
計算が簡単である。
ユークリッド距離と同様に、直感的な解釈がしやすい。
パラメータpを変えることで、様々な形状や大きさを測定できる。
一方、ミンコフスキー測度には、以下の欠点があります。
ユークリッド距離と比べて、高次元空間では計算量が大きくなる。
ノイズの影響を受けやすい。
ミンコフスキー測度を用いる際には、これらの利点と欠点を考慮する必要があります。
Discussion箇条書き要約
要約
トポロジカルPRM（tPRM）は、小気道疾患（SAD）の定量的画像マーカーであるPRMの手法を拡張したものです。本研究では、トポロジーの特徴（この場合、オイラー・ポアンカレ特性（χ）） を組み込むことで、COPDにおけるfSADの特徴づけと解釈が改善されたことを示しました。
また、PRMで定義された正常肺実質（PRMNorm）とfSAD（PRMfSAD）が、COPDの重症度の指標となる可能性も評価されました。GOLDグレードに関してトポロジカルな指標に明確なパターンが観察され、COPDの中期から後期にかけて、正常肺とfSADの間でχが反転することが判明しました。
さらに、PRMNormとPRMfSADのVとχが、スパイロメトリーや肺気腫と統計的に有意な相関を持ち、スパイロメトリーの低下を予測できることもわかりました。
本研究は以前のtPRMに関する研究をベースにしています。以前の研究では、限られたサンプル数（n=88）でCOPDの重症化に伴う4つのトポロジーの特徴傾向を実証しました。本研究は大規模なサンプル数（n=8956）を用いて、PRMNormとPRMfSADのVとχを評価し、SADを介した肺気腫への移行というCOPD進行の理解と関連づけを行いました。
本研究の重要なポイントは、局所的な肺の異常の程度だけでなく配列に基づいて実質の肺の健康状態を定量化できることです。これは、肺が健全な状態（PRMNorm）からSADを介して肺気腫へ進行するという考えに基づいています。
SADが健康な肺組織内で個別のポケットとして発生することはχfSADの正の値として表されます。COPDの重症化に伴い、これらのポケットが合体してメッシュ状になり、χfSADの負の値として表されます。この変化は、GOLDステージ2から4にかけて肺全体で平均的に起こります。
McDonoughらによる画期的な研究では、SADがCOPD進行に果たす役割の病理学的証拠が示されました。この研究から、SADが肺気腫の前兆となる可能性が示唆されました。
最近の研究では、肺気腫組織から様々な距離にある正常ボクセルにおけるヤコビアン行列式の平均値がCT測定値として評価され、これはスパイロメトリーの低下の予測因子であることがわかりました。本研究のtPRMによる空間解析でも、fSADと肺気腫のトポロジーの遷移が明確に示されています。
機械学習モデルでは、肺気腫の値を入力することなく、fSADと正常肺のトポロジーのみを使用してスパイロメトリー低下の予測が可能であることがわかりました。しかし本研究には、CTスキャナの種類のばらつきや再構成の不整合、インスピレーション/エクスピレーション時の肺容量のばらつきといった制限があります。
この記事が気に入ったらサポートをしてみませんか？