動く赤ちゃんの脳を鮮明に撮影、お腹の中の対称性に着目した画像化AI

米マサチューセッツ工科大学（MIT）、ボストン小児病院、フランス国立情報学自動制御研究所（Inria）の研究者らは、母体の中で動いている胎児の頭部を高解像度でMRI撮影するための学習させる手法。2010年代のAIブームの原動力。">深層学習モデル「E(3)-Pose」を開発した。研究成果は自動運転などで使われる。">コンピュータビジョン分野の国際会議「2026 European Conference on Computer Vision」で発表された。

胎児の脳の発達異常を早期に発見するためには正確な画像診断が重要となるが、通常の超音波検査で異常が疑われた後の精密なMRI検査では、胎児の体動が大きな課題となっていた。胎児のMRIは連続して撮影される複数の2次元画像を積み重ねて1つの高解像度な3次元画像を構築する。しかし、撮影中に胎児が頭部を動かすと各画像の角度がばらつき、最終的な画像に隙間や不自然な傾きが生じ、医師が重要な領域の病変を見落としたり誤診したりする原因になる。

今回開発されたE(3)-Poseは、胎児の動きを追跡する手法として物理原則を重視している。単にデータから物理法則を機械学習させるのではなく、胎児の頭部が持つ「左右対称性」という幾何学的な特徴をニューラルネットワークの基本構造に直接組み込んだ。これにより、モデルが脳の向きを正確に特定しやすくなり、動きによる画像の欠損を防ぐ。

筆頭著者であるMIT博士課程のラムヤ・ムトゥクリシュナン（Ramya Muthukrishnan）氏は、ボストン小児病院で検査を見学した際、妊婦がMRIの中で1時間を過ごして疲労し途中で検査を断念することや、医師が高品質な画像を得られない現状を目の当たりにしたことが研究の契機になったと振り返る。モデルを実際のMRI装置に実装する過程では装置が停止するなどの課題に直面したが、ハーバード大学医学部助教のボルジャン・ガゴスキ（Borjan Gagoski）氏らの協力を得て開発を成功させた。

ボストン小児病院のエリン・グラント（Ellen Grant）教授は、この成果が胎児の脳MRIを自動化し、手作業による遅い手順を妊婦にとって快適で高速な検査に置き換えるとともに、放射線科医に高画質な画像を提供することにつながると指摘する。さらにこの技術は、限られたセンサーで動体を追う自動運転技術などへの応用も期待されている。研究チームは今後、子宮内の空間が広くより活発に動き回る妊娠中期の胎児にも対応できるようモデルの改良を進める方針だ。