胎盤は、女性が妊娠している間に最も重要な臓器の一つです。正常に機能しないと、深刻な結果を招くことがあります。子どもは成長の遅れや神経障害を経験する可能性があり、母親は子癇前症などの血液系の疾患のリスクが高まり、腎臓や肝臓の機能が損なわれることがあります。
残念ながら、画像診断から得られる情報が限られているため、胎盤の健康状態を評価することは困難です。従来の超音波検査は安価で持ち運びが可能であり、実施も容易ですが、十分な詳細を常に捉えられるわけではありません。このため、研究者たちは磁気共鳴画像法（MRI）の可能性を模索してきました。しかし、MRIを用いても、子宮の湾曲した表面のために画像の解釈は依然として難しい状況です。
この課題は、MITのコンピュータ科学・人工知能研究所（CSAIL）の研究者チームの注目を集めました。彼らは、胎盤の縮れた形状を、高度な幾何学を用いて平坦化できないかと考えました。
来月、彼らはそれが可能であることを示す論文を発表します。新しいアルゴリズムは、MRI画像を展開して臓器をより見やすくします。例えば、彼らの画像では、母親と発育中の子どもとの間で栄養素の交換を可能にする円形の構造である「絨毛葉（cotyledons）」がより明確に示されます。そのような構造を可視化できれば、医師は妊娠のより早い段階で胎盤の問題を診断し、治療できる可能性があります。
「目指すのは、胎盤が体内にある状態で画像を展開し、出産後に医師が見慣れている姿に近づけることです」と、博士課程学生のMazdak Abulnagaは述べています。彼は、MITのJustin Solomon教授およびPolina Golland教授と共に新しい論文の筆頭著者を務めています。「これは第一歩にすぎませんが、このようなアプローチは、放射線科医にとっての標準的な画像診断法となる可能性があると考えています。」
Gollandは、このアルゴリズムは臨床研究においても、胎盤の健康状態の低下に関連する特定のバイオマーカーを見つけるために使用できると述べています。そのような研究は、放射線科医が時間を節約し、胎盤の多くの異なるスライスを確認することなく、問題のある領域をより正確に特定するのに役立つ可能性があります。
オレゴン健康科学大学の准教授であるChris Kroenkeは、このプロジェクトが胎盤の健康状態をモニタリングするための多くの新たな可能性を切り開くと述べています。
「絨毛葉のパターン形成の根底にある生物学的プロセスは完全には解明されておらず、また、特定の集団に対して標準的なパターンが予想されるべきかどうかも分かっていません」と、この論文には関与していないKroenkeは述べています。「本研究で提供されたツールは、今後これらの疑問に取り組む研究者にとって確実に役立つでしょう。」
Abulnaga、Solomon、Gollandは、元CSAILのポスドク研究員Mikhail Bessmeltsevおよび共同研究者のEsra Abaci Turk、ボストン小児病院（BCH）のP. Ellen Grantと共に論文を執筆しました。Grantは、BCHの胎児・新生児神経画像および発達科学センターの所長であり、ハーバード医科大学の放射線医学および小児科学の教授でもあります。チームはまた、マサチューセッツ総合病院（MGH）の共同研究者およびMIT教授のElfar Adalsteinssonとも緊密に協力しました。
本論文は、10月14日に中国・深圳で開催される「医療画像コンピューティングとコンピュータ支援介入に関する国際会議（International Conference on Medical Image Computing and Computer-Assisted Intervention）」で発表される予定です。
チームのアルゴリズムはまず、胎盤の形状を数千個の小さな角錐（四面体）に分割してモデル化します。これにより、コンピュータが形状を操作するための効率的な表現が可能になります。次にアルゴリズムは、それらの角錐を、胎盤が体外に出た後に保持する平坦化された形状に似たテンプレートに配置します。（アルゴリズムは、基本的に胎盤表面の角錐の頂点を移動させ、テンプレートの2つの平行な平面に合わせ、残りを新しい形状で埋めることによってこれを行います。）
このモデルは、角錐をテンプレートの形状に合わせることと、歪みを最小限に抑えることとの間でトレードオフを行う必要があります。チームは、このシステムが最終的に1ボクセル（3次元のピクセル）未満の規模での精度を達成できることを示しました。
このプロジェクトは、画像そのものを操作することによって医用画像を改善することを目的とした取り組みの中で、最初のものというわけではありません。最近では、肋骨のスキャンを展開する試みがあり、研究者たちは長年にわたり、大脳皮質の画像を平坦化する方法の開発にも取り組み、溝の間の領域をより見やすくしてきました。
一方、子宮に関わる研究はまだ比較的新しい分野です。従来のアプローチは、胎盤の各層を個別に平坦化することに重点を置いていました。チームによると、新しい体積ベースの手法は、胎盤全体を一度に3次元でマッピングするため、より一貫性が高く歪みが少ない結果をもたらすと考えています。これにより、物理的な展開プロセスをより忠実にモデル化することが可能になります。
「このチームの研究は、胎盤の不規則な形状が画像化しにくいという問題に対処するための、非常に優れたツールを提供しています」と、Kroenkeは述べています。
次のステップとして、チームはMGHおよびBCHと協力し、子宮内の画像と、出産後の同じ胎盤の画像を直接比較することを目指しています。胎盤は出産の過程で体液を失い、形状が変化するため、この比較には、MGHおよびBCHが設計した特別なチャンバーを使用する必要があります。研究者は、出産直後に胎盤をこのチャンバーに入れることができます。
本プロジェクトのソースコードは、GitHubで公開されています。本研究は、米国国立小児保健・人間発達研究所、米国国立生物医学画像・生体工学研究所、米国国立科学財団、米国空軍、およびカナダ自然科学・工学研究評議会の支援を一部受けています。
