脳MRIにおけるガドリニウムベースの造影剤削減のための人工知能モデルの多施設研究（MAGNET） (MAGNET)

GBCA を用いた MRI は、脳疾患の診断のための画像検査に欠かせないものです。 一般に、GBCA は安全であり、1989 年に GBCA が FDA の承認を受けて以来、軽度の副作用がいくつかあります。 GBCA の広範な使用の現在の慣行に挑戦する多くの問題があります。 GBCA は、特定の状況下で腎性全身性線維症 (NSF) を引き起こし、アレルギー反応を引き起こし、胎児死亡のリスクを高め、歯状核や淡蒼球などの脳に蓄積する可能性があります。 診断能力を維持しながら線量を減らす努力が必要です。 人工知能 (AI) 技術は、医療分野で大きな可能性を示しています。 AI の一分野であるディープ ラーニング (DL) は、画像のセグメンテーション、コンピューター支援診断、および GBCA 線量の削減に適用されています。

この研究では、GBCA の使用を最小限に抑えるために、脳の異常が疑われる、または知られている患者を含む将来の脳 MRI データセットを構築することを目的としています。 次に、事前造影画像および/または低線量 T1 画像を処理して仮想造影 T1 (vir-T1c) 画像を予測するように DL モデルをトレーニングし、完全線量画像を参照標準として使用します。 その後、DL モデルからの vir-T1c 画像を臨床診断性能について定量的および定性的に評価および比較し、病変の検出、診断、および治療に焦点を当てて、普遍的な DL モデルを探索し、臨床現場でより迅速かつ便利に強化された画像を提供します。 GBCA の使用を最小限に抑えるために、次のことを行います。

1. 灌流からの生理学的情報も追加することにより、従来の (T1WI、T2WI、FLAIR、DWI/ADC)、新しい生理学的 MRI 技術 (ASL、APT-CEST、SWI/QSM) を含む事前造影画像で新しい人工知能 (AI) 方法を使用します。 vir-T1c 画像を合成するための代謝および感受性画像、および/または低線量画像 (10% または 25%) として。
2. 脳疾患の診断や医師の評価者の治療評価、ひいては患者の予後に影響を与えることなく、いつ (どの患者で、どのようなフォローアップ時間で) GBCA を省略または最小化できるかを定量化します。

この調査は、1.5T および 3.0T スキャナーを含むメーカーや GBCA の種類を限定するものではありません。