深層学習CNN法と従来のMRIに基づく海馬のセグメンテーションおよび体積測定の比較：多様な集団における早期アルツハイマー病診断
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Comparing deep learning CNN method with traditional MRI-based hippocampal segmentation and volumetry for early Alzheimer's disease diagnosis across diverse populations.
雑誌名：Sci Rep. 2025 Dec 02; 16(1): 58.
概 要：
本研究は、アルツハイマー病（AD）の早期診断における深層学習に基づくCNN法と従来のMRIを用いた海馬のセグメンテーションおよび体積測定の比較を行いました。AI駆動のソフトウェアは、神経画像診断において海馬体積の自動セグメンテーションを可能にし、従来のボクセルベースの形態計測（VBM）に比べて時間を短縮し、ヒューマンエラーを減少させることができます。HippoDeepというオープンソースのCNNアルゴリズムを用いて、白人集団と東南アジアのADおよび健常対照群のMRIデータを比較しました。その結果、HippoDeepは診断性能を向上させ、AUCは左海馬で0.918、右海馬で0.882を記録し、VBMの0.788および0.741を上回りました。
方 法：
本研究は、白人集団と東南アジアのADおよび健常対照群からのMRIデータを用いた比較研究です。HippoDeepアルゴリズムを使用して海馬体積を自動的にセグメント化し、ROC分析を通じて診断性能を評価しました。主要評価指標はAUCで、HippoDeepは左海馬で0.918、右海馬で0.882を達成しました。
結 果：
HippoDeepによる海馬体積は、従来のVBM法に比べてセグメンテーション精度が有意に向上し（p < 0.001）、集団間の差は有意ではありませんでした。また、HippoDeepによる海馬体積はMMSEスコアとの相関が強く、小さい体積は低い認知パフォーマンスと関連していました（r = 0.63 vs. r = 0.42）。
結 論：
HippoDeepは、正確で再現性が高く、一般化可能な海馬のセグメンテーションを提供し、多様な集団における早期アルツハイマー病診断の臨床ツールとしての可能性を支持します。