AI駆動のデュアルスケールマルチモーダル融合による個別化MRI合成
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Dual-MFNet: AI-Driven Dual-Scale Multimodal Fusion With State Space Networks for Personalized MRI Synthesis
雑誌名：IEEE J Biomed Health Inform. 2026 Jan; 30(1): 732-745.
概 要：
本研究は、個別化医療における診断精度と治療計画を向上させるためのAI駆動のマルチモーダル融合手法「Dual-MFNet」を提案します。MRIの取得時間が長く、画像アーチファクトや欠損モダリティが存在することで、重要な画像情報が不完全になることが課題です。Dual-MFNetは、状態空間モデルを活用して長距離の文脈依存性を捉えつつ、局所的な構造の整合性を保ち、正確なクロスモーダル合成を実現します。さらに、Dual-Scale Feature Fuser（Dual-Fuser）やTwin-Stream Fusionモジュール（TSF）を用いて、個々の患者のニーズに合わせた高忠実度の合成MRIを生成します。
方 法：
本研究では、AI駆動のDual-MFNetを用いて、欠損モダリティを高い解剖学的忠実度で再構築する手法を開発しました。状態空間モデルを利用し、長距離の文脈依存性を捉えつつ、局所的な構造を保持します。臨床的関連性を評価するために、5人の経験豊富な放射線科医による放射線読影研究を含む定量的評価を実施しました。
結 果：
Dual-MFNetは、腫瘍の境界や細かい組織のテクスチャ、解剖学的明瞭さを保持する点で、最先端の手法を上回る性能を示しました。定量的評価と放射線読影研究の結果、Dual-MFNetは個別化MRI診断を進展させるための有用なツールであることが確認されました。
結 論：
Dual-MFNetは、個別化MRI合成において高精度なクロスモーダル情報の合成を実現し、診断精度を向上させる可能性が示されました。この手法は、個別化医療の進展に寄与することが期待されます。