3D全身ポジトロン放射断層撮影からの普遍的セグメンテーションのための基盤モデルの開発

正電子放出断層撮影（PET）は、放射性トレーサーの分布を可視化して生体内の生理学的・代謝的プロセスを定量化する、核医学の主要な画像診断法であり、疾患管理において欠かせない役割を果たしている。臨床上の重要性にもかかわらず、定量的PET画像解析のための深層学習モデルの開発は深刻な制約に直面しており、PETの解剖学的コントラストの乏しさによる固有のセグメンテーション課題とデータ取得およびアノテーションの高コストが主因である。このギャップを埋めるべく、我々は3D全身PET画像からの普遍的セグメンテーションのための汎用基盤モデルを開発する。まず、これまでで最大かつ最も包括的なPETデータセットを構築し、モデル開発のために11,041件の3D全身PETスキャンと59,831件のセグメンテーションマスクから成る。このデータセットに基づき、SegAnyPET を提示する。SegAnyPET は多様なセグメンテーションタスクに対して汎用的な適用性を持つ革新的な基盤モデルである。3Dアーキテクチャとマスク生成のためのプロンプトエンジニアリング戦略を備え、SegAnyPET は普遍的かつ拡張可能な臓器および病変のセグメンテーションを実現し、最小限の労力での人間による修正をサポートし、臨床のヒューマン・イン・ザ・ループワークフローを可能にする。複数センター・複数トレーサー・複数疾患にわたる広範な評価は、SegAnyPET が幅広いセグメンテーションタスクにおいて強力なゼロショット性能を達成することを示し、分子イメージングの臨床応用を前進させる潜在的影響を示している。