Choi：今後、Radiomics/-genomicsはどのように臨床現場に応用されていくのでしょうか？

工藤：臨床医にとって、Radiomicsから得られる情報は鑑別診断や治療法選択、生存予測のために大変有用です。しかし、現時点ではまだ研究段階にあり、実臨床での使用には遠いというのが現状です。臨床現場にRadiomicsを組み込むにあたっては、解析の自動化や、読影業務のワークフローへの組み入れなどが必要と思います。

Choi：一方、膠芽腫（GBM）などのいくつかの腫瘍については重要な画像上の特徴が知られており、すでに臨床診療の現場で、これらを実際にチェックするようになっています。放射線学的特徴が明らかになれば、脳腫瘍における遺伝子変異を予測することができます。将来、脳から検体を採取する代わりに画像上の特徴を利用できるようになれば、患者さんの負担が軽くなるでしょう。

工藤：GBMとRadiogenomicsに関する研究はさかんに行われていますね。研究自体は急速に進んでいると思いますが、これらの知見をどのように臨床に応用することができるでしょうか？

Choi：Radiogenomicsの最初の臨床応用は、MRスペクトロスコピー（MRS）を用いたIDH遺伝子変異の予測になるかと思います。IDH変異は2-ヒドロキシグルタル酸の産生をもたらしますが、これをMRSで検出することが可能です。MRIなどの診断機器で検出できる特異性の高いポイントをターゲットとすることで、ある遺伝子変異に由来する特定の分子を同定することができます。残念ながら現時点では、利用できるデータに一貫性がなく、研究者によって画像所見にばらつきが出る傾向があり、そのため異なる仮説が提唱されています。この状況を改善するためには、標準化された大量の集団ベースのデータを用いて、より検出力の高い解析を行うことが必要です。

工藤：ビッグデータを活用した解析は非常に重要ですね。UK Biobankは英国政府が統括する50万例規模のバイオバンクですが、このプロジェクトではUK Biobank ImagingStudyと呼ばれる、医用画像と各種データ（遺伝子情報や臨床データなど）を統合的に解析する研究が展開されています。また一方で、Radiomics/-genomicsがより一般的なものとなるためには、利用可能な解析ツールをルーチンのワークフローに組み込んでいく必要がありますね。

Choi：臨床応用が困難な理由の1つは、日常診療で利用するには解析プロセスに時間がかかりすぎることです。例えば、脳腫瘍を解析するプロトコールには、患者1人あたり2時間以上かかります。拡散強調画像や灌流画像などを用いて画像のテクスチャを解析し、データをソートしてすべての情報を抽出したあと、イメージング係数を取得して、さらにデータを解析するためのExcelファイルを作成する、というプロセスが必要なのです。

工藤：現在すでにいくつかのアプリケーションがCAD（コンピュータ支援診断）として利用できるようになっており、一部のシステムはFDAの承認も受けています。いずれはRadiomicsによるテクスチャ解析も同じように利用可能になるでしょうか。

Choi：Radiomicsのための人工知能（AI）や、関連IT技術も進歩しています。今後数年で、AIを用いたディープラーニングに基づいて、さまざまなタイプの画像解析が行われるようになるでしょう。つまり、解析のスピードが速くなるということです。昨年のRSNAでは、AI技術を持つ企業による機械学習をテーマにしたセッションが数多くみられました。例えばWatsonを擁するIBMなどです。
では、Radiomics/-genomicsの進歩から利益を得ることになるのは、どういった臨床分野、診療科、医療機関でしょうか？

工藤：まずは中枢神経系分野が最もよいターゲットになるでしょう。脳からは生検検体を容易に採取できませんから。例えば乳がんであれば、病変全体を切除することができ、腫瘍全体の病理学的解析が可能ですが、脳腫瘍ではそれができません。
アルツハイマー病やパーキンソン病などの神経変性疾患が、次の候補として有望視されています。これら領域では、実際にテクスチャ解析を使用した解析が始まっており、変性疾患への適用も試みられています。
私たちは、Radiomicsの手法を用いた認知症の研究を始めました。ボクセルベースの形態計測に加えて、T1、T2、T2*の値と定量的磁化率マッピング（QSM）を解析に使用し、全脳でのRadiomics解析を行う予定です。

Choi：脳腫瘍におけるゲノミクスの限界のひとつは、特に神経膠腫についていえることですが、多数のゲノミクス研究が行われているにもかかわらず、治療法の変化に結びついていないことです。神経科学はradiologyの主要な対象領域ですが、その一方で、神経腫瘍学はがん免疫学の方向へと急速に進歩しつつあります。そのため研究者は、あらゆる脳腫瘍に対する免疫学的反応に注目するようになっています。ならば私たちは、腫瘍の免疫学的反応を予測するために画像解析を使用すべきなのです。

工藤：そういう意味で考えると、乳がんでは、ホルモン受容体やHER2の状態に基づいてホルモン療法や化学療法などの治療選択肢が変更されるため、Radiomics研究の対象候補ということになります

Choi：乳がんの標的治療薬には多くの選択肢があります。しかし治療後に腫瘍はheterogeneityを示し、一部の腫瘍細胞は治療に耐性を持つようになります。研究者は、さまざまな種類のがん、そして多様な集団に観察されるheterogeneityを解明したいと考えています。こうした集団を同定するためのアプローチとして、Radiomics/-genomicsは役立つのではないでしょうか。実際、Huらは、GBMにおけるheterogeneityの特性を明らかにするために同様のアプローチを取っており、この手法は乳がんでも用いることができるでしょう。

工藤：Heterogeneityは悪性腫瘍の重要な特徴の1つですね。Radiomicsでは、腫瘍全体、そして腫瘍の周辺領域を含めて、膨大な画像所見を扱うことができます。最近私たちのチームでは、背景乳腺の増強効果が、トリプルネガティブ乳がんというサブタイプと高度に相関していることを見出しました。背景乳腺の増強効果は近年、画像の解釈において重要視されるようになっています。Radiomicsでは病変を含む画像の全領域が研究対象になるため、腫瘍だけでなく周辺領域にも対応できます。これはRadiomicsの利点のひとつになり得るでしょう。

Choi：一方、外傷や急性疾患など、迅速に診断を行う必要がある分野では、Radiomics/-genomicsの応用は難しいかもしれませんね。

工藤：バイエルの企画ということではないですが、これら研究分野では造影画像データが拡く解析に用いられています。造影剤の使用に関してはどう思われますか？

Choi：造影剤を使用することにより、特に脳腫瘍について、さらなる情報を得ることができます。例えば、DSCやDCEといった灌流イメージングによって得られる壊死や血管新生などの情報です。造影剤は、腫瘍の生物学および生理学を十分に理解するためには欠かせません。

工藤：造影剤によって明瞭な画像コントラスト、灌流情報、および血管透過性情報を得ることができるのは、Radiomics解析のためにも望ましいですね。灌流イメージングひとつとってもDSC、DCE、ASLといった様々な造影、非造影の異なる撮像法があり、それぞれ似てはいますが相違点もあります。Radiomicsのデータ解析で複数の方法を使用すれば、当然、方法間で相違が発生するはずで、その相違こそがRadiomics解析の精度を上げるうえで重要になるでしょう。