Radiomics (Quantitative Imaging)
一行要約
Radiomics は臨床画像 (CT / MRI / PET) から 数百-数千の定量的特徴量 (shape, intensity, texture, wavelet, deep learning embedding) を抽出し、機械学習で診断 / 予後 / 治療応答予測モデルを構築する画像バイオマーカー手法。NSCLC では IO 応答予測、EGFR/KRAS mutation prediction、brain metastasis での pseudoprogression vs true progression 鑑別に応用。Foundation model (UNI / CONCH for pathology, RadImageNet for radiology) の登場で hand-crafted feature → deep learning embedding に主軸シフト。
原理
(1) Image acquisition: standardized CT / MRI / PET protocol。(2) Segmentation: tumor / OAR の手動 or AI 自動 (nnU-Net 等)。(3) Feature extraction: PyRadiomics 等で shape (volume, sphericity), first-order (intensity histogram), texture (GLCM, GLRLM, GLSZM), wavelet, LoG filter で 100-2,000 feature。(4) Deep learning: CNN (ResNet / EfficientNet) / Vision Transformer / foundation model embedding。(5) Model: Cox / Random Forest / XGBoost / NN で endpoint 予測、外部 cohort validation。(6) IBSI 準拠で feature 計算 reproducibility 保証。
主要エビデンス / 適用領域
- IO 応答予測: pre-treatment CT radiomics signature と PD-1 blockade 応答 / 生存の相関 (Sun 2018 Lancet Oncol 等)
- Driver mutation prediction: EGFR mutation predictive radiomic signature (NSCLC)、KRAS / ALK との相関も報告
- Brain metastasis: SRS 後の radiation necrosis vs true progression の MRI 鑑別
- Treatment response monitoring: RECIST + radiomic delta feature で early response 予測
- Prognostic stratification: stage-independent prognostic radiomic score
- Foundation model 病理: UNI / CONCH で WSI embedding、IO biomarker / driver mutation prediction
適用分野と限界
- 強み: non-invasive / repeatable / 全腫瘍 sampling、retrospective cohort 大規模適用可能、imaging modality の standardization 容易
- 限界: reproducibility crisis: scanner / protocol 依存性で external validation が難航、IBSI 準拠でも subtle drift、deep learning は black-box (interpretability 不足)、large multi-center cohort 不在、prospective validation で signature 失効報告多数
Open Questions
- Clinical-grade reproducibility: scanner-agnostic / protocol-agnostic feature 確立
- Deep learning interpretability: attention map / counterfactual で臨床解釈可能化
- Multi-modal integration: imaging × pathology × omics × clinical の foundation model 統合
- Prospective validation: phase III 試験への組込みと regulatory pathway