本講演では，日立アロカメディカル社が開発したFLR（Fat Lesion Raito）を自動で計測するアプリケーション“Assist Strain Ratio”の使用経験について報告する。

■FLRの有効性

組織間のひずみの比（Strain Ratio）を定量評価する方法として，乳腺領域では，脂肪（Fat）と腫瘤（Lesion）のひずみの比を取るFLRがある。FLRは，腫瘤のひずみの平均で脂肪のひずみの平均を割り算して計算するが，簡単に言えば「脂肪に比べて腫瘤は何倍硬いのか」を数値で表すものである（図1）。
日立アロカメディカル社の“Real-time Tissue Elastography（RTE） ”では，FLRは図1のように，Bモード画像上で腫瘤と脂肪のそれぞれのROIを設定すると，そのひずみの平均を出して，比を計算する。その数字が画面の右下に表示されるが，図1の症例の場合は9.80となり，脂肪に比べて腫瘤は9.8倍硬いという数値的な評価が得られる。

図1　FLR（Fat Lesion Raito）

FLRは，良悪性の鑑別に利用されることはもちろん，エラストグラフィの定量化にも利用される。従来の低エコー域の色調を5段階に分けてスコア化するエラストグラフィスコアは，主観的な要素があり半定量的であるが，FLRでは客観的に数値で表すことができる。FLRの利用については，植野らがRSNA2007で報告している。2cm以下の腫瘤408ケースについて，Bモード因子などを加えずに，FLRのカットオフ値を4.8に設定した場合，感度76.6％，特異度76.8％，正診率76.7％と良好な成績を得られている。Bモード画像では，それぞれ85.9％，84.1％，84.7％であり，FLR単独でも良悪性の鑑別にかなり有効であるとの報告が行われた。現在の臨床応用では，FLRが5以上を悪性判定として利用している。
図2に悪性例と良性例を示す。エラストグラフィスコアでも判定はできるが，ROIを設定しFLRを算出すると，悪性例では10.11，良性例では2.93となり，より客観的に評価することができる。

図2　悪性例と良性例のFLR

■Assist Strain Ratioの開発

FLRの計測では，Bモード画像上で腫瘤と脂肪のROIを設定する。腫瘤は低エコー部分の最大内接円，脂肪は皮膚直下から乳腺までの皮下脂肪の最大円に設定することになっている。ROIは手動で設定するが，手動では操作の手間があること，設定部位（腫瘤，脂肪）について検者間/検査時によるバラツキがあることが課題となっている。そこで，日立アロカメディカル社は，ROI設定にかかわる操作を自動化するソフトウェア“Assist Strain Ratio”を開発した。
従来の手動計測では，(1)最も安定した時相でエラストグラフィをフリーズする，(2)Bモード画像上で腫瘤のROIを設定する，(3)脂肪のROIを設定すると，FLRが表示されるという複数のステップが必要となる。これに対し，Assist Strain Ratioでは，静止画でBモード画像の腫瘤の中心をワンクリックするだけでFLRの数値が表示される（図3）。

図3　Assist Strain Ratioによる自動計測

■Assist Strain Ratioのアルゴリズム

Assist Strain RatioのROI決定のアルゴリズムは，次のとおりである。腫瘤ではまず，Bモード画像の輝度の変化率に着目し，急激に輝度が変わる（勾配長が大きい）ところを腫瘤の辺縁と認識する。そして，腫瘤の中心をクリックすると腫瘤の辺縁までの内接円を取ったROIが設定される（図4）。

図4　ROI（腫瘍）決定のアルゴリズム

一方，脂肪では3段階のステップでROIを決定する。脂肪そのものを見つけることは難しいため，脂肪の可能性が低い部分を除外するという考え方に基づく。
まず，Bモード画像の輝度から脂肪の可能性が低いマップを作成する。エコーレベルが低い部分は腫瘤の可能性が高く，つまりは脂肪の可能性が低い（図5(1)）。また，輝度変化が大きい，何かの境界にあたる部分が脂肪の中心である可能性は低いと言える（図5(2)）。
さらに，エラストグラフィ画像から脂肪の可能性が低いマップを作成する。エラストグラフィでひずみの少ない部分は硬いことから，脂肪の可能性は低いと言える（図5(3)）。
そして，これらのマップを合わせ，脂肪の可能性の高さを示すマップを作成し，そのマップから脂肪のROIの中心とサイズを決定する（図5(4)）。

図5　ROI（脂肪）決定のアルゴリズム：脂肪の可能性が高いマップの作成

■Assist Strain Ratioの事前評価

Assist Strain Ratioについて，当院と川崎医科大学附属川崎病院で日立アロカメディカル社製の超音波装置「HI VISION Ascendus」と「HI VISION Preirus」を用いて，腫瘤性病変99例を対象に事前評価を行った。
どの程度正確にROIを設定できているかについて，腫瘤のROIの重なり率を求めた。

　α：手動で置いたROIの半径
　β：自動で置いたROIの半径
　γ：‌手動ROIと自動ROIの重なった領域の面積から求めた半径

計算の結果，重なり率は0.87±0.06と，ほぼ重なっていると認識できる高い数値が得られた。
また，脂肪のROIの認知率については目視にて確認し，99例中93例と，90％以上の高い確率で脂肪層上にROIを設定できているという結果になった。
図6に，手動計測とAssist Strain Ratioによる自動計測を行った画像を示す。腫瘍のROIはほぼ同じ部分を設定しており，自動計測の脂肪のROIは手動とは場所が異なるものの，目視で脂肪と認められる部分にROIが設定されていることが確認できる。

図6　手動計測とAssist Strain Ratioの比較

■まとめ

以上のように，Assist Strain RatioのROI決定のアルゴリズムは，腫瘍と脂肪のROIを正しく認識できることがわかった。これを踏まえて，Assist Strain Ratioを用いた自動計測と手動計測の一致性の検証ということで，現在，臨床試験「乳腺腫瘤性病変のエラストグラフィにおけるFLR（Fat Lesion Ratio）の自動化ソフトウェアの臨床評価研究」を実施している。

森島　　勇
1989年筑波大学医学専門学群卒業。日本外科学会外科専門医，日本乳癌学会乳腺専門医，日本超音波医学会専門医。99年より，筑波メディカルセンター病院勤務。

 

●そのほかのセミナーレポートはこちら（インナビ・アーカイブへ）