退行性腰椎すべり症における硬膜外脂肪腫の磁気共鳴画像法（MRI）に基づく診断プロトコルおよびリスク予測

サマリー

本プロトコルでは、退行性腰椎すべり症患者における硬膜外脂肪組織増殖症の診断およびそのリスク予測のための、標準化された磁気共鳴画像法（MRI）に基づく手法について解説します。

要約

本プロトコルでは、変性腰椎すべり症（DLS）患者における硬膜外脂肪腫症の標準化された磁気共鳴画像法（MRI）ベースの診断アプローチを提示し、臨床的リスク予測モデルの開発について述べる。DLSの連続症例を対象に、硬膜外脂肪腫症検出のためのT1強調画像、多裂筋脂肪浸潤のGoutallier分類、および放射線学的評価を含む標準化されたMRI評価を実施した。研究コホートは、モデリングコホート（n = 248）とバリデーションコホート（n = 106）に分割した。単変量スクリーニングに続き、多変数二項ロジスティック回帰分析を用いて独立した予測因子を特定した。報告の透明性を高めるため、年齢とボディマス指数（BMI）の影響は、それぞれ10年増加ごと、5 kg/m²増加ごとに算出した。ベッドサイドでの予測式には、年齢（歳）とBMI（kg/m²）を直接入力できるよう、代数的に等価な生単位係数を用いた。特定された5つの独立した予測因子は、年齢（オッズ比 [OR] = 1.510 / 10年増加）、女性（OR = 2.354）、BMI（OR = 1.874 / 5 kg/m²増加）、L5セグメントの関与（OR = 3.766）、およびGoutallierグレード3-4（OR = 3.184）であった。本モデルの受信者動作特性曲線下面積（AUC）は、モデリングコホートで0.834、バリデーションコホートで0.815であった。較正および決定曲線分析により、本モデルが探索的な臨床意思決定支援ツールとして有用であることが示されたが、広範な臨床導入には外部バリデーションが必要である。本プロトコルは、臨床的および放射線学的パラメータを組み合わせた統合的なベッドサイド予測ツールを伴う、硬膜外脂肪腫症評価のための再現可能なMRIベースのフレームワークを提供し、DLS患者における標準化された評価と個別のリスク予測を促進する。

概要

退行性腰椎すべり症（DLS）は一般人口の4%～8%に影響を及ぼし、その有病率は50代以降に著しく上昇します^1,2。後方神経弓が保持されたまま、下位椎体に対して椎体が前方に変位した状態と定義されるDLSは、しばしば脊柱管狭窄症や神経性間欠性跛行を誘発し、患者の可動性、筋力、およびクオリティ・オブ・ライフを著しく低下させます³。関連する画像所見の中で、すべりレベルにおける正中矢状面T1強調磁気共鳴画像法（MRI）で帯状の高信号脂肪として特徴付けられる硬膜外脂肪腫サインは、疾患の認識と重症度評価を容易にする重要な放射線学的指標となります。硬膜外脂肪腫は、従来はグルココルチコイドの投与、硬膜外ステロイドへの曝露、またはクッシング症候群などの内分泌疾患に関連付けられてきました^4,5,6。しかしながら、ステロイド曝露のない肥満やメタボリックシンドロームの患者においても報告が増えており^7,8,9,10、代謝的および生物力学的因子が重要な病因としての役割を果たしていることが示唆されています。最近の系統的レビューでは、報告例における多様な病因と臨床結果がまとめられており¹¹、減量後の症状改善も記録されています¹²。脊髄硬膜外脂肪腫に対するMRIベースのグレーディングおよび定量的評価法として、軸位断の硬膜外脂肪と硬膜嚢の比率を用いたアプローチや、局所的なグレーディングシステムなどが報告されています^13,14。それにもかかわらず、DLS患者における硬膜外脂肪腫の体系的な評価に特化した標準的なMRIプロトコルは確立されていません。そのため、解釈は操作者の習熟度に依存しており、この患者集団に適した一貫性のある診断基準が欠如しているため、罹患した個体とそうでない個体を区別する臨床的決定要因は十分に解明されておらず、臨床医は初回評価時にリスクを推定するための実用的な手段を持っていない状況にあります。

これらの課題に対処するため、本プロトコルでは、DLS患者における硬膜外脂肪腫のMRIベースの評価のための、標準化され臨床的に適用可能な枠組みを確立します。本プロトコルは、臨床パラメータ、特定の画像取得パラメータを伴う定義済みのMRI診断基準、脊椎に適応させたGoutallier grading法を用いた傍脊柱筋の評価、硬膜嚢の圧迫に関する軸位断での確認評価、およびベッドサイドでのリスク層別化のための予測モデルを統合したものです。Manjila grading systemは、矢状断画像で頭尾方向の範囲を評価し、3 × 3のグリッドベースの評価で軸位断の重症度を評価するため、重要な局所領域の参照指標として認められており、これは手術計画に情報を与え、背側、腹側、および全周性の硬膜外脂肪分布の区別を容易にする可能性があります^14,15,16。本プロトコルは、既存の脊髄硬膜外脂肪腫のグレーディングシステムを置き換えることを意図したものではなく、臨床的に関連がある場合に軸位断および局所領域の特徴を記録しつつ、DLSに関連するslipped levelsに焦点を当てたワークフローを提供するものです。このアプローチは、DLS患者における標準化された画像評価と個別の臨床リスク推定をサポートしながら、硬膜外脂肪腫のより再現性の高い評価を促進することを目的としています。

プロトコル

このMRIプロトコルは、専用の16チャンネル脊椎表面コイルを備えた1.5 Tesla超電導スキャナー向けに設計されています。このプロトコルは、同等のハードウェアを備えた他の1.5または3.0 Tシステムに適応させることが可能です。すべての手順はヘルシンキ宣言に準拠して実施され、天津 Union Medical Center の施設審査委員会（承認番号：2024-IRB-089）によって承認されました。

1. 患者の選定および臨床評価

1. 患者の登録前に、施設内審査委員会（IRB）および倫理委員会の承認を得ること。ヒト参加者が関与するすべての手順がヘルシンキ宣言に準拠していることを確認すること。すべての研究記録に承認番号（2024-IRB-089）を記載すること。
   注：本研究において、完全に匿名化された既存の臨床データおよび画像データセットを使用する場合、個人によるインフォームド・コンセントの取得が免除される場合があります。ただし、この免除は、臨床データの二次利用に関する施設の方針および国の規制に準拠していることが条件となります。免除に関しては、倫理委員会から明確な承認を得てください。また、患者の登録を開始する前に、倫理的な承認を得てください。
2. DLS（退行性腰椎すべり症）の診断が確定し、脊椎外科外来を受診した連続症例をスクリーニングする。立位側面のレントゲン写真、または屈曲・伸展レントゲン写真を確認し、前方への椎体すべりが3 mm以上、または椎体幅の10%以上であることを確認する。
   1. 椎間板変性と椎間関節肥大を含む、対応するレベルの退行性変化を確認する。¹⁷側方向X線写真およびサジタル断面MRIにて、関節間部の欠損がないことを確認する。
   2. 臨床評価から2週間以内に標準的な腰椎MRI（サジタルT1強調、サジタルT2強調、およびアキシャルT2強調シーケンス）を受けた18歳から85歳の患者を登録する。過去6か月以内に脊椎手術または硬膜外ステロイド注射を受けた患者は除外する。
   3. 後方椎体線法を用いて、立位側位または屈曲・伸展X線写真における前方椎体すべりを測定する。尾側椎体の後方皮質に沿って垂直な基準線をおよび、この線からすべりがある頭側椎体の後下角までの垂直距離を測定する。変位量をミリメートルで記録し、必要に応じて尾側椎体の前後幅に対する割合（パーセンテージ）として記録する。
3. 非変性性の脊椎すべり症（峡部性、外傷性、病理的、術後、または低形成のL5椎体やL5-S1偽すべり症などの発育性・解剖学的類似例）および、糖質コルチコイドの使用がある患者を除外する。 >前年における累計3か月間、または内因性高コルチゾール血症（クッシング症候群、副腎腺腫、または下垂体ACTH分泌腫瘍）の確定診断。
   1. 過去6か月以内にアナボリックステロイドまたはテストステロン補充療法を受けた患者は除外する。モーションアーチファクトがグレードII以上である、または腰仙椎の撮像範囲が不十分であるなど、画像品質が不十分なMRI検査は除外する。
   2. 重度の心肺機能不全または腎不全（米国麻酔科学会身体状態分類クラスIV〜V）、活動性感染症、またはMRIの禁忌がある患者は除外する。
      注意：スキャナーに入る前に、MRI安全スクリーニングを完全に完了させてください。MRI非適合の植込みデバイスを持つ患者は除外してください。
   3. 4段階の画質スケールを用いてモーションアーチファクトを評価する：グレード0＝アーチファクトが認められない、グレードI＝診断に影響しない軽度のアーチファクト、グレードII＝解剖学的境界または計測のランドマークを不明瞭にする中等度のアーチファクト、グレードIII＝シーケンスが非診断的となる重度のアーチファクト。アウトカム分類に必要ないずれかのシーケンスにおいてグレードIIまたはIIIのアーチファクトが認められる検査は除外するか、あるいは当該シーケンスを再撮像した後に研究に組み入れる。
4. トレーニングを受けた2名の研究助手により作成された標準化REDCapデータ収集フォームを用い、電子カルテ（EMR）データベースおよび医用画像管理システム（PACS）から臨床データを抽出する。
   1. 年齢（歳）、性別（男性/女性）、肥満度指数（BMI; kg/m²）を記録する。²）、およびすべり椎分節（L3、L4、またはL5）。
   2. 症状の持続期間、神経性間欠性跛行の有無、および過去の保存的治療について記録する。
   3. 訓練を受けた2名の研究助手が、電子カルテ（EMR）および医用画像管理システム（PACS）から臨床変数を抽出し、それぞれ独立して重複したREDCapフォームに入力する。データ抽出後、2つのフォームを比較し、元の記録を参照して不一致を解消する。解決しなかった不一致については、上席研究者に報告し、裁定を仰ぐ。
   4. REDCapの範囲および完備性チェックにおいて、欠損または不完全な変数を特定する。欠損値については、電子カルテ（EMR）、PACS、および元の画像診断報告書と照らし合わせて確認する。必須の予測因子、アウトカム変数、または不可欠なMRIシーケンスが回収不能な場合にのみ、その患者をモデル開発から除外する。モデルの必須変数に対して統計的な代入法（imputation）は行わない。
5. SPSS version 27.0を用い、乱数シードを42に設定して、適格患者をモデル構築コホート（n = 248）と検証コホート（n = 106）に7:3の割り付け比率で無作為に割り付けた。
   1. モデリングコホート内の患者を、2名の熟練した脊椎放射線科医による合意診断に基づき、硬膜外脂肪腫症群と非脂肪腫症群に分類する。 >10年の経験に基づき、ステップ3で記載されたMRI読影プロトコルに従う。
   2. SPSSバージョン27.0で、乱数シードを42に設定し、「変換」を選択します。 > 変数計算を行い、RV.UNIFORM(0,1)を用いて一様乱数を生成する。この変数に基づいてケースを昇順にソートし、適格ケースの上位70%をモデリングコホートに、残りの30%を検証コホートに割り当てる。また、以降のすべての解析において、この割付変数を変更せずに保持する。
   3. 層化ランダム化ではなく、単純無作為割付を用いる。コホート割り当ての際、ベースラインの人口統計学的変数、放射線学的変数、またはMRI変数のバランスを強制的に調整してはならない。
   4. ランダム割り付け後、Studentのt検定を用いて、モデリングコホートと検証コホートの間でベースラインの人口統計学的変数、臨床的変数、放射線学的変数、およびMRI変数を比較する。 t適宜、t検定またはカイ二乗検定を用いてください。臨床的に意味のある不均衡が認められない場合に割り付けを許容し、コホートの比較可能性評価の結果を報告してください。 表1.
      注：すべての適格基準を確認した後、コホートへの割り付けを完了させてください。

変数	モデリングコホート (n = 248)	検証コホート (n = 106)	t/χ2	P 値
年齢（歳）	67.87 ± 11.39	68.16 ± 11.93	0.216	0.829
性別、n (%)			0.002	0.966
オス	96 (38.71)	42 (39.62)
雌	152 (61.29)	64 (60.38)
ボディマス指数 (kg/m²)	24.88 ± 3.62	24.91 ± 3.48	0.077	0.939
脱落セグメント、n (%)			0.564	0.754
L3	31 (12.50)	14 (13.21)
L4	149 (60.08)	67 (63.21)
L5	68 (27.42)	25 (23.58)
Pfirrmannグレード、n (%)			0.104	0.991
グレードII	18 (7.26)	8 (7.55)
グレードIII	74 (29.84)	33 (31.13)
グレード IV	93 (37.50)	38 (35.85)
グレードV	63 (25.40)	27 (25.47)
Goutallier分類、n (%)			3.022	0.388
グレード1	78 (31.45)	27 (25.47)
グレード2	86 (34.68)	33 (31.13)
グレード3	52 (20.97)	28 (26.42)
グレード4	32 (12.90)	18 (16.98)
遠位 facets 関節角 (°)	55.26 ± 6.42	55.18 ± 6.39	0.111	0.912
遠位面関節腔液貯留量 (mm)	0.94 ± 0.21	0.93 ± 0.20	0.444	0.657
遠位椎間板高 (mm)	9.16 ± 1.92	9.20 ± 1.88	0.193	0.847
近位ファセット関節角 (°)	49.95 ± 6.03	50.03 ± 5.99	0.115	0.908
近位ファセット関節液貯留量 (mm)	0.84 ± 0.26	0.83 ± 0.25	0.237	0.813
近位椎間板高 (mm)	8.05 ± 1.52	8.08 ± 1.50	0.156	0.876
骨盤入射角 (PI, °)	52.18 ± 7.94	52.35 ± 7.85	0.188	0.851
骨盤傾斜角 (PT, °)	24.35 ± 7.17	24.28 ± 7.23	0.080	0.936
仙骨傾斜角 (SS, °)	44.91 ± 6.83	45.01 ± 6.79	0.129	0.898
胸椎後弯 (TK, °)	21.18 ± 7.67	21.25 ± 7.62	0.075	0.940

表1：モデリングコホートおよび検証コホートのベースライン特性。連続変数は平均値 ± 標準偏差（SD）で、カテゴリー変数は件数（%）で示している。コホート間の比較可能性を評価するため、モデリングコホート（n = 248）と検証コホート（n = 106）の間でベースラインの人口統計学的、臨床的、放射線学的、および磁気共鳴画像（MRI）特性を比較した。略語：BMI：ボディマス指数、PI：骨盤入射角、PT：骨盤傾斜角、SS：仙骨傾斜角、TK：胸椎後弯症。

2. MRI撮像プロトコル

1. 標準的な質問票を用いてMRI安全スクリーニングを実施する。妊娠、電子デバイスの植込み、強磁性異物、閉所恐怖症、およびガドリニウム造影剤に対するアレルギー反応の既往を含む禁忌事項を確認する。
   1. 患者に、ジュエリー、時計、ピアス、補聴器を含むすべての金属物を外すよう指示する。患者をMRIテーブルの上に仰臥位で配置する。
   2. 膝の下にソフトクッションを置き、約20°–30°の屈曲を得て生理的腰椎前弯を軽減させる。T12からS3までをカバーするように、脊椎コイルをL3椎体レベルに合わせて中心に配置する。
   3. コイルを皮膚に直接密着させて固定し、目に見える隙間をなくす。患者の体動を最小限に抑えるために両側にフォームパッドを配置し、MRI対応の緊急呼出装置を提供する。
   4. ガドリニウム造影剤の静脈内投与は行わない。診断ワークフローでは、非造影のサジタルT1強調、サジタルT2強調、およびアキシャルT2強調シーケンスを使用する。
2. TR = 8 ms、TE = 4 ms、スライス厚 = 8 mm、視野（FOV） = 400 mm × 400 mmのグラジエントエコーシーケンスを用いて、3平面のスカウト（ロカライザー）シーケンスを取得する。
   1. T12/L1から仙骨まで、腰椎が完全にカバーされていることを確認する。腰仙関節が完全に視覚化されていない場合は、患者の位置を調整する。
3. TR = 500 ms、TE = 12 ms、FOV = 280 × 280 mm、マトリックス = 512 × 256、スライス厚 = 4 mm、スライス間隔 = 0.4 mm、NEX = 2を用いて、サジタルT1強調ターボスピンエコー像を取得する。
   1. 棘突起に平行にスライスを設定する。左右を完全にカバーするために、少なくとも11枚のサジタルスライスを取得する。
      ​注：脂肪組織は周囲の構造に対して本質的に高い信号強度を示すため、T1強調画像は硬膜外脂肪腫を特定するための主要なシーケンスである。選択した撮像パラメータは、十分な信号対雑音比（SNR）と空間分解能を維持しつつ、T1強調効果を最大化している。標準的な撮像時間は約3–4分である。
   2. プロトコルを同等の1.5 Tまたは3.0 Tプラットフォームに適応させる場合は、必要な解剖学的カバー範囲、シーケンスの種類、スライスの方向、スライス厚、スライス間隔、および診断平面を維持する。硬膜外脂肪、硬膜嚢の縁、およびすべり症の解剖学的構造が診断的な読影のために明確に視認できることを条件に、FOV、マトリックス、励起回数、エコー列車長、およびパラレルイメージング係数を必要に応じて最適化する。
4. TR = 3,500-4,000 ms、TE = 100-120 ms、FOV = 280 mm × 280 mm、マトリックス = 512 × 256、スライス厚 = 4 mm、スライス間隔 = 0.4 mm、NEX = 2を用いて、サジタルT2強調ターボスピンエコー像を取得する。
   1. 画像の直接比較ができるよう、サジタルT1強調撮像に合わせてスライス位置を設定する。
      ​注：T2強調画像は、脳脊髄液（CSF）、硬膜嚢、および椎間板形態の視認性を向上させることで、補完的な解剖学的情報を提供する。このシーケンスは、椎間板変性のPfirrmann分類にも使用される。標準的な撮像時間は約4–5分である。
5. TR = 4,000 ms、TE = 112 ms、FOV = 180 mm × 180 mm、マトリックス = 320 × 256、スライス厚 = 4 mm、スライス間隔 = 0.4 mm、NEX = 3を用い、L1/L2からL5/S1までの各腰椎椎間板レベルでアキシャルT2強調ファストスピンエコー像を取得する。
   1. 各椎間板腔に平行にアキシャルスライスを設定する。解剖学的カバー範囲を完全に確保するため、すべり椎分節を通過するように6-8枚のスライスを取得する。
      ​注：アキシャルT2強調画像により、硬膜外脂肪の分布と硬膜嚢の形態の評価が可能になる。サジタルT1強調、サジタルT2強調、およびアキシャルT2強調シーケンスを組み合わせることで、包括的な評価のための補完的な解剖学的情報が得られる。すべての腰椎レベルの合計撮像時間は約15–20分である。患者のポジショニングとスカウト撮像を含む検査全体では、約30–35分を要する。
6. 検査を終了する前に画像品質を評価する。グレードII以上の体動アーチファクトがないこと、腰仙関節が完全に視覚化されていること、信号対雑音比が十分であること、および重大な折り返しアーチファクトがないことを確認する。
   1. 画像品質基準を満たさないシーケンスは再撮像する。すべてのDICOM画像をメタデータを保持したままPACSにエクスポートする。
   2. 許容可能な画像品質を、T12/L1から仙骨までの完全なカバー、椎体後壁および硬膜嚢縁の鮮明な視認、脊柱管内に及ぶ折り返しアーチファクトの不在、および硬膜外脂肪をCSFや脊柱傍筋から区別するのに十分な信号対雑音比と定義する。これらの基準を満たさないシーケンスは再撮像する。
   3. ステップ1.3.3で説明したものと同じ4段階の体動アーチファクトグレード評価システムを使用する。患者を退出させる前に、グレードIIまたはIIIの体動アーチファクトがあるシーケンスを再撮像し、再撮像が不可能な場合はその検査を除外する。
      注：患者をスキャナーから出す前に画像品質を確認すること。

3. 硬膜外脂肪腫におけるMRI画像の解釈

注：硬膜外脂肪腫は、脊髄硬膜外腔内における被膜のない成熟脂肪組織の病的な過剰増殖と定義されます。DLS（退行性腰椎脊柱管狭窄症）において、この状態は脊柱管狭窄の一因となり、固定術の際に除圧術を併用する必要がある場合があります。正確な診断には、複数の画像シーケンスおよび断面にわたる系統的な評価が必要です。

1. 医療グレードの診断用モニター（最低3メガピクセル、DICOM Part 14 Grayscale Standard Display Function準拠）を備えた専用のPACSワークステーションで画像読影を行う。周囲の照明を制御し、50 lux以下に維持する。
   1. MRI検査データ全体を読み込む。上部のビューイングウィンドウに正中矢状断T1強調像と正中矢状断T2強調像を並べて表示し、下部のビューイングウィンドウに解剖学的相互参照（クロスリファレンス）を同期させた状態で軸位T2強調像を表示する。
   2. DICOM校正済みの計測ツールと、同期された矢状断-軸位クロスリファレンス機能が有効な施設内PACSビューアを使用する。各読影セッションにおいて、並列画像比較のために一貫したウィンドウおよびレベル設定を適用する。PACSベンダーとソフトウェアバージョンをTable of Materialsに記録する。
2. 正中矢状断T1強調像において、椎体の前方変位を観察し、すべり椎のレベルを特定する。下位椎体の後方皮質に沿って基準線を引く。
   1. 基準線からすべり椎の後下角までの垂直距離を測定する。測定された変位が3 mm以上、または椎体幅の10%以上であることを確認する。
      ​注：硬膜外脂肪腫は椎体すべりのレベルで特異的に評価されるため、すべりレベルの正確な特定が不可欠である。
   2. PACSワークステーションに組み込まれた校正済み電子キャリパーツールを使用して、椎体すべりの測定を行う。測定前にDICOMメタデータからピクセル校正を確認し、すべての距離を0.1 mm単位で記録する。
3. 正中矢状断T1強調像において、すべりレベルの後方硬膜外腔を検査する。前方の硬膜嚢と、後方の黄色靭帯または棘突起の間に位置する、帯状または三日月形の高信号域を特定する。
   1. 病変の信号強度を、同一画像上の皮下脂肪と直接比較する。脂肪抑制シーケンスが利用可能な場合は、信号抑制を確認して、病変が脂肪性であることを検証する。
      ​注：硬膜外脂肪腫を、亜急性硬膜外血腫や蛋白性液体貯留を含む、その他のT1高信号の硬膜外病変と鑑別する。病変が皮下脂肪と同一の信号特性を示し、かつ硬膜外腔に適合する場合にのみ、硬膜外脂肪腫と確定させる。
   2. プロトコルで定義された矢状断基準を一次的なすべりレベルスクリーニング法として使用し、陽性または判定保留の所見を軸位T2強調像でクロスリファレンスする。前向き実施の際は、硬膜外脂肪の分布、硬膜嚢の変形、および軸位硬膜外脂肪・硬膜嚢比アプローチや局所領域Manjila分級システムを含む、確立されたMRIベースの評価法との適合性を記録する。モデル開発に使用した後方視的コホートでは、これらの確立された分級システムは独立した参照基準として適用されておらず、元のバイナリ結果は後方視的に再分類されていない。
4. PACSワークステーション上の電子キャリパーを用いて、硬膜外脂肪沈着の頭尾方向の範囲を測定する。連続する硬膜外脂肪沈着の上端と下端にキャリパーを配置し、最大値を記録する。
   1. 同一の矢状断面上での頭尾方向の範囲が5 mm以上であることを確認する。少なくとも2枚の隣接する矢状断スライスでの視認性は、内外側方向の連続性を確認し、部分体積アーチファクトを低減するためのみに使用し、頭尾方向の範囲を推定するために隣接スライスを使用してはならない。
   2. 矢状断T2強調像で病変をクロスリファレンスし、信号特性を評価する。対応する軸位T2強調像を確認し、円周方向の硬膜外脂肪分布および硬膜嚢の前後径の減少を評価する。
      ​注：本プロトコルでは、頭尾方向の範囲5 mm以上を運用上のすべりレベルスクリーニング閾値とする。軸位像における硬膜嚢の前後径と断面積を、連続的な確認測定値として記録する。本後方視的コホートにおいて、固定の軸位カットオフ値を独立した参照基準として使用してはならない。
   3. 脂肪信号が1枚の矢状断スライスでしか視認できない場合は、軸位像で対応する硬膜外脂肪の蓄積が認められ、かつ同一平面上の頭尾方向の範囲が5 mm以上である場合を除き、判定不能（indeterminate）として分類する。この基準は、一次的な頭尾方向の測定と、補助的な内外側連続性の評価を区別するためのものである。
   4. すべりレベルで最大圧迫を示している軸位T2強調像において、硬膜嚢の前縁から後縁までの距離を測定し、硬膜嚢の前後径を測定する。PACSのROIツールまたはImageJのポリゴン選択ツールを用いて硬膜内境界をトレースして断面積を測定し、mm²単位で記録する。
   5. 矢状断の範囲と軸位の重症度を、Manjila分級フレームワークを用いて定性的に比較する。このDLSフォーカスプロトコルでは、研究エンドポイントが予測モデル内でのすべりレベル硬膜外脂肪腫の有無であるため、Manjila分級システムは一次結果の定義としてではなく、記録のための局所領域リファレンスとして使用する。
5. コホート分類に使用された、以下の4つの元のすべりレベル基準を適用する：(1) すべりレベルの後方硬膜外腔における帯状または三日月形のT1高信号、(2) 皮下脂肪と同一の信号強度、(3) 同一矢状断平面で5 mm以上の頭尾方向の範囲、(4) 隣接する矢状断スライスでの再現性。前向きの臨床実施においては、矢状断基準のみに頼らず、軸位像で対応する硬膜外脂肪の蓄積と硬膜嚢の輪郭変形を確認し、脂肪分布が背側、腹側、または円周方向であるかを記録する。
   1. 硬膜嚢の前後径および断面積を含む軸位の定量的所見を、硬膜外脂肪・硬膜嚢比ベースの評価法およびManjila局所領域分級システムとの定性的な適合性と併せて記録する。
      注：元の研究は、確立されたMRI参照基準を用いた診断精度研究として設計されたものではなく、原稿改訂時に元のDICOM画像が再解析されたわけではない。したがって、感度、特異度、および手法間一致率は再計算されていない。これらの追加的な軸位記述子は、前向きの臨床実施を支援することを目的としており、元の研究結果や予測モデルを変更するものではない。
6. 2名の熟練脊椎放射線科医（経験10年以上）が、すべての検査を独立して読影する。各診断基準の有無、すべり椎レベル、最大頭尾方向範囲（mm）、および総合診断を記録した標準化構造化報告書を作成する。
   1. 不一致がある場合は、初期評価を盲検化された第3の熟練脊椎放射線科医（経験15年以上>）とのコンセンサスによって解決する。Cohenのカッパ統計量を用いて観察者間一致率を算出する。
   2. 構造化報告書を用いて、すべりレベル、硬膜外脂肪分布（背側、腹側、または円周方向）、最大頭尾方向範囲、同一平面矢状断測定値、隣接スライス視認性、軸位確認、硬膜嚢径、硬膜嚢断面積、最終診断、および読影者の確信度を記録する。正式な画像読影の前に、陰性、境界域、および陽性の検査例を含む20件の代表的なトレーニングケースを用いて、すべての観察者の校正を行う。
      注：統計解析に進む前に、すべてのコンセンサス読影を完了させること。

4. 椎間板変性評価

1. すべり合い部位の矢状面T2強調MRI画像をレビューする。すべての矢状面スライスをスクロールし、髄核が最も明確に可視化されている画像を選択する。
   1. Pfirrmann分類システム¹⁸を用いて椎間板変性をグレード分けする。髄核と線維輪の区別が明確で、椎間板高が正常であり、CSFと同等の均質な高信号を示す椎間板をグレードIとする。
   2. 髄核と線維輪の区別が明確で、椎間板高が維持されており、水平方向の低信号帯を含む不均質な高信号を示す椎間板をグレードIIとする。中間的な灰色信号を示し、髄核と線維輪の境界が不明瞭で、椎間板高が正常または軽度に減少している椎間板をグレードIIIとする。
   3. 髄核と線維輪の区別が完全に消失し、椎間板高が中等度から高度に減少しており、不均質な低信号の暗灰色を示す椎間板をグレードIVとする。不均質な低信号を示し、椎間板腔が潰壊し、髄核と線維輪の区別が完全に消失し、著明な椎間板腔狭窄がある椎間板をグレードVとする。
2. 筋骨格系画像診断において5年以上の経験を持つ、認定放射線科医2名に独立してPfirrmannグレードを割り当てさせる。評価した各椎間板の割り当てグレードを記録する。
   1. グレード判定に不一致がある場合は、3人目の認定放射線科医による裁定で解決する。重み付きCohenのカッパ統計量を用いて検者間一致度を算出する。
   2. 独立したPfirrmannグレード判定の間、放射線科医には臨床症状、治療歴、硬膜外脂肪腫の状態、予測モデルの変数、および他方の評価内容を伏せておく（ブラインド化）。
   3. ステップ3.1に記載されているものと同じ診断品質のモニターおよび標準化された閲覧条件下でPfirrmannグレード判定を行う。
      注：脊柱傍筋の脂肪浸潤の評価に進む前に、合意によるグレード判定を完了させること。

5. 脊柱起立筋の脂肪浸潤評価

1. すべり椎椎間板の中点における軸位T2強調高速スピンエコー画像を確認する。棘突起および椎弓板の直外側に位置する深層脊柱起立筋として、両側の多裂筋を特定する。
   1. 矢状断画像を確認し、椎骨すべりが優位な側を決定する。評価対象として、対応する側の多裂筋を選択する。
   2. 脂肪性筋肉変性の元の分類および腰部多裂筋への過去の適用事例^19,20に基づいた、脊椎適応型Goutallierグレーディング法を用いる。均一な低信号強度を示し、脂肪線が完全に認められず、筋肉量（バルク）が良好に維持されている筋肉にグレード0を割り当てる。断面積の<5%を占める小さな線状の高信号脂肪線を含む筋肉にグレード1を割り当てる。
   3. 断面積の5%–50%に及ぶ、明確に視認できる脂肪浸潤を示す筋肉にグレード2を割り当てる。残存筋肉組織を伴い、50%以上の脂肪浸潤を示す筋肉にグレード3を割り当てる。
   4. 断面積全体が脂肪に置換され、視認できる筋肉組織がない筋肉にグレード4を割り当てる。統計解析のため、結果をグレード0-2とグレード3-4に二分する。
      注：多裂筋は脊柱起立筋の中で最大かつ最も内側に位置し、腰椎分節の主要な動的安定化機構として機能する。重度の脂肪浸潤（グレード3-4）は実質的な脂肪置換を示しており、脂肪が筋肉断面積の少なくとも約半分を占める閾値を反映しているため、モデリングにおいては臨床的に重症なカテゴリーとして扱う。
   5. 元のGoutallierグレーディングシステムを、軸位MRIによる腰部多裂筋評価用に適応させたことを明記する。脂肪浸潤のない状態から中等度までの状態と、重度の脂肪置換を区別するためにグレード0–2とグレード3–4に二分し、予測モデルにおける変数あたりのイベント比を適切に維持しつつ、モデルの複雑さを軽減する。本プロトコルで使用されるパーセンテージの閾値は、MRIベースの実用的基準として扱い、元の肩関節CTにおけるGoutallier分類を逐語的に再現したものではないものとする。
   6. 軸位および矢状断画像を確認し、非対称な椎骨の転位、回転変位、またはより顕著な外側陥凹の狭小化から、椎骨すべりが優位な側を決定する。優位な側がない場合は、多裂筋の脂肪浸潤がより強い側を評価する。両側が対称的な場合は、右側の多裂筋を評価し、その決定内容を記録する。
2. PACSから軸位T2強調高速スピンエコーDICOM画像をエクスポートする。ImageJソフトウェア（バージョン1.53t）で画像を開く。
   1. ポリゴン選択ツールを選択し、対象となる多裂筋の筋膜境界をトレースする。筋膜境界は、筋肉を囲む細い暗い線として特定する。
   2. Image > Adjust > Thresholdを選択する。下限閾値を120任意単位に、上限閾値を最大ピクセル値に設定する。
   3. 表示色に赤を選択し、脂肪領域が正しく特定されているか確認する。[Apply]をクリックしてバイナリマスクを生成する。
   4. 120任意単位という閾値は、汎用的な閾値ではなく、スキャナーおよびシーケンス固有の開始点として使用する。スキャナーのプラットフォーム、高周波コイル、磁場強度、または画像取得パラメータが導出プロトコルで使用されたものと異なる場合は、代表的な局所画像を用いて閾値を再校正する。
   5. この閾値がすべての撮像システムにおいて組織学的に検証されているとは解釈しない。再現性のある画像処理補助として使用し、定量測定を行う前に、各バイナリマスクを元の軸位T2強調画像と照らし合わせて視覚的に検証する。
3. ImageJでAnalyze > Measureを開く。測定を行う前に、Area、Area Fraction、Limit to Threshold、およびDisplay Labelを有効にする。
   1. %Areaの値を定量的な筋内脂肪率として記録する。
   2. 少なくとも24時間の間隔を空けて、同一の操作者が測定を繰り返す。クラス内相関係数（ICC）を算出し、操作者内信頼性を評価する。
      注：ICC >0.90は、極めて高い操作者内信頼性を示す。
   3. 再測定時は、元の値をロックされたREDCapフィールドに保存し、少なくとも24時間の間隔を空けてDICOM画像を新しい測定セッションとして開き直すことで、操作者が初回測定値を参照できないように盲検化する。
4. 認定放射線科医2名に、独立してGoutallierグレードの割り当てとImageJベースの定量測定を行わせる。研究評価の前に、参照画像セットを用いた標準化トレーニングを実施する。
   1. 不一致がある場合は、3人目の熟練した骨格放射線科医との合意により解決する。Goutallier分類についてはCohen's kappaを、定量的な脂肪率についてはクラス内相関係数を算出する。
   2. 研究評価の前に、最小、軽度、中等度、重度の脂肪浸潤をそれぞれ5例ずつ含む20例のトレーニングデータセットを使用する。独立した画像グレーディングを開始する前に、参照画像の確認、関心領域（ROI）の配置、閾値調整、および不一致解決の手順を確認するための校正セッションを実施する。
      注：観察者間Cohen's kappaが0.70を下回るか、クラス内相関係数が0.85を下回った場合は、解析を再開する前に再校正セッションを実施する。

6. リスク予測モデルの開発と適用

1. REDCapを使用して、すべての研究変数を構造化されたデータセットにまとめる。アウトカム変数を二値として定義する：1 = 硬膜外脂肪腫あり（ステップ3.5の4つの診断基準をすべて満たしている）、0 = 硬膜外脂肪腫なし。
   1. 予測変数を次のようにコード化する：年齢（歳）、性別（0 = 男性、1 = 女性）、BMI (kg/m²)、すべり分節（0 = L3/L4、1 = L5）、およびGoutallier grade（0 = Grade 0–2、1 = Grade 3–4：重度の脂肪浸潤を示す）。報告にあたっては、年齢は10年増加ごと、BMIは5 kg/m²増加ごとの効果として表記する。ベッドサイド予測式では、報告された増加ベースの係数と代数的に等価な生単位の係数を使用する。
   2. 欠損値の特定、外れ値の検証、およびすべての変数が想定範囲内にあることの確認を行い、データクリーニングを実施する。
   3. 原本記録を確認した後、必須のアウトカム変数または予測変数が欠損している患者を除外する。範囲チェックと散布図を用いて連続変数を確認し、原本記録に基づいて確認されたデータ入力エラーを修正し、生物学的に妥当な外れ値は保持し、必須のモデル変数については補完を行わない。
2. SPSSバージョン27.0を開き、再現性を確保するために乱数シードを42に設定する。連続変数にはStudentのt検定を、カテゴリ変数にはカイ二乗検定を用いて単変量スクリーニングを行う。
   1. P < 0.05の変数を選択して多変量解析を行う。赤池情報量基準（AIC）の最小化に基づく後向きステップワイズ法を用いて、多変量二項ロジスティック回帰モデルを適合させる。
   2. Hosmer-Lemeshow検定を用いてモデルの適合度を評価する。保持されたすべての予測変数について分散拡大係数（VIF）を算出し、すべてのVIF値が<5であることを確認する。
   3. 回帰係数を指数関数化し、95%信頼区間（CI）を伴う調整オッズ比（OR）を求める。Rのforestplotパッケージを使用してフォレストプロットを作成し、効果量を可視化する（図1）。年齢は10年増加ごと、BMIは5 kg/m²増加ごとの効果として報告する。
   4. 本単施設データセットにおける探索的なモデル構築戦略として、単変量スクリーニングに続く後向きステップワイズ選択を用いる。ステップワイズ選択は係数の推定値が不安定になり、モデル性能が楽観的に出ることがあるため、最終モデルは仮説生成のための臨床意思決定支援ツールとして解釈する。臨床実装の前に、外部妥当性検証を通じてモデル性能を確認すること。
   5. クリーニング済みのSPSSデータセットを、変数ラベルを削除しコードを保持した状態でカンマ区切り値（.csv）ファイルとして書き出す。Rバージョン4.3.1のforestplotパッケージを用いてフォレストプロットを作成する。プロット作成前に、Rでの変数コードがSPSSのコーディング辞書と一致していることを確認する。
3. モデリングコホートにおける受信者動作特性曲線下面積（AUC）を算出して、モデルの判別能を評価する。DeLongテストを用いて標準誤差を推定する。
   1. モデリングコホートと検証コホートの両方において、予測リスクの間隔ごとにグループ化した予測確率と観察確率を比較するキャリブレーションプロットを用いて、モデルのキャリブレーションを評価する（図2）。予測リスクの両極端では観察数が少なくなるため、検証コホートのキャリブレーション曲線は慎重に解釈すること。
   2. Rバージョン4.3.1のrmdaパッケージ（バージョン1.6）を用いて決定曲線分析を行う。一連の閾値確率において、予測モデルを「全員治療」および「誰も治療しない」戦略と比較する（図3）。
   3. 保留した内部検証コホート（n = 106）を用いて最終モデルを検証する。検証AUC、キャリブレーションプロット、および決定曲線を記述的に報告する。モデリングコホートと検証コホートの一致は、外部妥当性の証明ではなく、内部一貫性の証拠として解釈する。
   4. Rバージョン4.3.1にて、受信者動作特性分析、キャリブレーションプロット作成、および決定曲線分析を行う。Rスクリプト、パッケージバージョン、入力データセット、コーディング辞書、および出力図を統計解析記録とともにアーカイブする。
   5. AUCの差 ≤0.05やキャリブレーションスロープ 0.8–1.2などの固定的な閾値を、正式な検証基準として使用しない。これらの値を内部モデル安定性の指標として記述的に報告し、広範な臨床応用の前に多施設共同外部検証が必要である旨を明記する。
      注：モデルを外部の臨床データセットに適用する前に、内部検証を完了させること。
4. DLSの新規患者について、5つの予測変数（年齢（歳）、性別、BMI (kg/m²)、すべり分節（L3/L4またはL5）、およびすべりレベルでの多裂筋Goutallier grade）を収集する。
   1. 生の臨床単位で表現されたロジスティック回帰式を用いて、予測確率を算出する：
      
      ここで、z = -5.521 + (0.0412 × 年齢) + (0.856 × 性別) + (0.1256 × BMI) + (1.326 × すべり分節) + (1.158 × Goutallier grade) である。年齢は歳で入力し、性別は 0 = 男性、1 = 女性、BMIは kg/m²で入力し、すべり分節は 0 = L3/L4、1 = L5、Goutallier gradeは 0 = Grade 0–2、1 = Grade 3–4としてコード化する。年齢とBMIの生単位の係数は、それぞれ10年および5 kg/m²増加あたりの係数と代数的に等価である。
   2. 予測確率を次のように記述的に解釈する：<20%は推定確率が低い、20%–50%は推定確率が中間、>50%は硬膜外脂肪腫の推定確率が高いことを示す。これらのカテゴリーは、治療法の選択ではなく、リスク伝達およびワークフローの優先順位付けに使用する。
      注：予測モデルは臨床意思決定支援ツールとしてのみ使用すること。モデルを臨床的判断や放射線学的解釈の代わりに使用してはならない。追加の検証なしに、峡部脊椎すべり症、術後の脊椎状態、またはステロイド誘発性硬膜外脂肪腫の患者を含む、導出コホート以外の集団にモデルを適用しないこと。
   3. 生の値の年齢とBMIを予測式に直接入力する。年齢およびBMI係数の代数的な再スケール化は、式の表記を変更するだけであり、予測確率、オッズ比、受信者動作特性曲線、キャリブレーションプロット、または決定曲線分析の結果を変更するものではない。
   4. オッズ比は、一貫して次のように報告する：年齢は10年増加ごと、BMIは5 kg/m²増加ごと、性別は女性対男性、すべり分節はL5対L3/L4、Goutallier gradeはGrade 3–4対Grade 0–2。
   5. 低・中・高確率のカテゴリーを、モデル予測確率分布と決定曲線分析から導出された実用的な臨床伝達グループとして使用する。最適な決定閾値を確立するには前向き外部検証が必要であるため、これらのカテゴリーを検証済みの治療閾値として解釈しないこと。

図 1. 退行性腰椎すべり症患者における硬膜外脂肪腫の独立した予測因子のフォレストプロット。多変数二項ロジスティック回帰分析によって特定された5つの独立した予測因子の調整オッズ比（OR）および95%信頼区間（CI）を示すフォレストプロット。赤色の正方形は調整ORを示し、青色の水平線は対応する95% CIを表し、垂直の破線はヌル値（OR = 1）を示す。年齢の影響は10歳増加ごと、ボディマス指数（BMI）の影響は5 kg/m²増加ごとに報告されている。こちらのリンクをクリックして、この図の拡大版を表示してください。

図 2. ロジスティック回帰予測モデルのキャリブレーション曲線。 (A) モデリングコホート（n = 248）のキャリブレーション曲線。 (B) バリデーションコホート（n = 106）のキャリブレーション曲線。x軸は硬膜外脂肪腫の予測確率を、y軸は観測頻度を表す。黒色の実線は理想的なキャリブレーションを示し、記号付きのカラー線はモデルの見かけ上の性能を、網掛け領域は 95% 信頼区間（C.I.）を示す。 こちらをクリックして、この図の拡大版を表示してください。

Figure 3. 予測モデルの受信者動作特性曲線および決定曲線分析。 (A) モデル構築コホート（曲面下面積 [AUC] = 0.834）および検証コホート（AUC = 0.815）の受信者動作特性（ROC）曲線。灰色の対角線は、判別能のない分類器の基準線を示す。(B) 閾値確率における予測モデルの正味の便益（net benefit）を示す決定曲線分析。赤色の実線はモデル構築コホートを、青色の破線は検証コホートを、黒色の一点鎖線は「全員治療（treat-all）」戦略を、灰色の点線は「誰も治療しない（treat-none）」戦略を示す。ここをクリックして、この図の拡大版を表示してください。

結果

本プロトコルをDLS患者354名に連続して適用した。ランダム割り付けにより、モデリングコホート（n = 248）と検証コホート（n = 106）を作成した。ベースラインの人口統計学的、臨床的、放射線学的、およびMRI特性を比較した結果、コホート間に統計的な有意差は認められず、その後のモデル構築および内部検証において患者分布が同等であることが示された（表1）。

モデリングコホートにおいて、標準化されたMRIプロトコルに基づき、87人の患者が硬膜外脂肪組織過剰（epidural lipomatosis）ありに、161人の患者が硬膜外脂肪組織過剰なしに分類されました。単変量解析の結果、年齢（P = 0.014）、BMI（P < 0.001）、すべり椎部位（P = 0.010）、およびGoutallierグレード（P = 0.024）において、群間に差があることが示されました。女性であることは、名目上の有意水準に達していました（P = 0.050）。Pfirrmannグレード、およびその他の脊椎骨盤および椎間関節のパラメータについては、統計的に有意な差は認められませんでした（表2）。

変数	脂肪腫症群 (n = 87)	非脂肪腫症群 (n = 161)	t/χ2	P 値
年齢 (years)	70.28 ± 10.84	66.57 ± 11.50	2.47	0.014
性別, n (%)			3.844	0.05
男性	26 (29.89)	70 (43.48)
女性	61 (70.11)	91 (56.52)
ボディマス指数 (kg/m²)	26.84 ± 3.68	23.82 ± 3.12	6.815	<0.001
すべり切除椎間, n (%)			9.304	0.01
L3	6 (6.90)	25 (15.53)
L4	48 (55.17)	101 (62.73)
L5	33 (37.93)	35 (21.74)
Pfirrmann分類, n (%)			0.99	0.804
Grade II	5 (5.75)	13 (8.07)
Grade III	24 (27.59)	50 (31.06)
Grade IV	34 (39.08)	59 (36.65)
Grade V	24 (27.59)	39 (24.22)
Goutallier分類, n (%)			9.446	0.024
Grade 1	22 (25.29)	56 (34.78)
Grade 2	26 (29.89)	60 (37.27)
Grade 3	21 (24.14)	31 (19.25)
Grade 4	18 (20.69)	14 (8.70)
遠位 facet joint angle (°)	55.38 ± 6.52	55.20 ± 6.39	0.208	0.835
遠位 facet joint effusion (mm)	0.96 ± 0.22	0.93 ± 0.20	1.091	0.277
遠位椎間板高 (mm)	9.08 ± 1.96	9.20 ± 1.90	0.469	0.64
近位 facet joint angle (°)	49.82 ± 6.17	50.02 ± 5.97	0.252	0.802
近位 facet joint effusion (mm)	0.85 ± 0.27	0.83 ± 0.25	0.584	0.56
近位椎間板高 (mm)	8.02 ± 1.56	8.07 ± 1.50	0.247	0.805
骨盤入射角 (PI, °)	52.46 ± 8.12	52.03 ± 7.86	0.404	0.687
骨盤傾斜角 (PT, °)	24.58 ± 7.33	24.22 ± 7.10	0.375	0.708
仙骨傾斜角 (SS, °)	44.78 ± 6.91	44.98 ± 6.80	0.224	0.823
胸椎後弯角 (TK, °)	21.08 ± 7.79	21.24 ± 7.62	0.158	0.875

表2: モデリングコホートにおける硬膜外脂肪腫に関連する因子の単変量解析。 連続変数は平均値 ± 標準偏差 (SD) で、カテゴリー変数は件数 (%) で表記している。多変量ロジスティック回帰分析の候補変数を特定するため、脂肪腫群 (n = 87) と非脂肪腫群 (n = 161) の間で比較を行った。略語：BMI, 体格指数; PI, 骨盤入射角; PT, 骨盤傾斜角; SS, 仙骨傾斜角; TK, 胸椎後弯角。

多変量二項ロジスティック回帰分析により、硬膜外脂肪腫の5つの独立した予測因子が特定されました：年齢（10歳増加あたりのオッズ比 [OR] = 1.510）、女性（OR = 2.354）、BMI（5 kg/m²増加あたり OR = 1.874）、L5滑脱椎（OR = 3.766）、およびGoutallier Grade 3–4（OR = 3.184）。対応する回帰係数、標準誤差、ウォルド統計量、OR、および95% CIを表3にまとめます。抽出された予測因子の相対的な効果量とCIをフォレストプロット（図1）に示します。

変数	β	SE	Wald χ²2	P値	または	95%信頼区間
年齢	0.412	0.156	6.975	0.008	1.51	1.112-2.050
性別（雌）	0.856	0.368	5.408	0.02	2.354	1.144-4.842
ボディマス指数	0.628	0.184	11.648	0.001	1.874	1.307-2.688
すべり椎（L5）	1.326	0.342	15.034	<0.001	3.766	1.926-7.362
Goutallier分類（グレード3-4）	1.158	0.316	13.421	<0.001	3.184	1.714-5.915
定数	-5.521	1.248	19.574	<0.001	0.004	—

表3: 硬膜外脂肪組織蓄積症の独立した予測因子の多変数二項ロジスティック回帰分析。結果は、最終的な多変数二項ロジスティック回帰モデルに残った独立した予測因子の回帰係数（β）、標準誤差（SE）、Wald χ²統計量、オッズ比（OR）、および対応する95%信頼区間（CI）として示されている。報告された年齢の係数は10歳増加に対応し、報告されたボディマス指数（BMI）の係数は5 kg/m²の増加に対応する。予測式に生の臨床値を直接入力する場合の等価係数は、年齢1年あたり0.0412、BMI 1 kg/m²あたり0.1256である。略語：β、回帰係数；SE、標準誤差；OR、オッズ比；CI、信頼区間。

キャリブレーションプロットでは、モデリングコホートおよび検証コホートにおいて、予測確率と観察確率がおおむね一致していましたが、検証コホートでは予測確率が高くなるにつれて不確実性が増大しました（図 2A,B）。

モデルの判別能は、受信者動作特性（ROC）解析を用いて評価した。予測モデルは、モデリングコホートで0.834、検証コホートで0.815のAUCを達成した（図 3A）。決定曲線分析の結果、「全員治療」および「誰も治療しない」戦略と比較して、選択した閾値確率範囲において潜在的なネットベネフィットがあることが示唆された（図 3B）。検証コホートは単一施設から内部的に除外されたものであるため、これらの知見は内部的な整合性を示すものであり、広範な外部への汎用性の根拠として解釈されるべきではない。

本研究で生成および分析されたデータセットは、責任著者（R.T.）への妥当な要求に応じて提供可能です。患者のプライバシーおよび機関のデータガバナンスポリシーのため、個人レベルの臨床データおよび画像データは公開できません。非識別化された要約データ、回帰係数、予測式、コーディングシートの例、および統計解析コードは、天津 Union Medical Center の機関審査委員会（IRB）および倫理委員会の承認、ならびにデータ利用合意書の締結を条件として、資格を有する研究者に共有される場合があります。

ディスカッション

本プロトコルでは、標準化されたMRI撮像、構造化された画像解釈、および定量的なリスクモデリングを統合し、DLS患者における硬膜外脂肪腫を特定するためのまとまりのある臨床意思決定支援ツールを構築します。ワークフローは、人口統計学的および人体測定学的変数を含む体系的な患者特性の記述、硬膜外脂肪の可視化に最適化された標準的な矢状断T1強調MRI撮像、事前定義された診断基準を用いた硬膜外脂肪沈着および脊柱傍筋の脂肪浸潤の構造化定性的評価、そして個別化された確率推定値を算出するための多変数予測式の適用の、4つの連続的な構成要素で成り立っています。プロトコルの再現性を担保する重要なステップには、主要な診断シーケンスとしての矢状断T1強調像の使用、再現性のあるすべりレベルの硬膜外脂肪沈着を定義するための同一平面上での頭尾方向への5 mm以上の範囲という閾値、硬膜嚢の圧迫の軸位断による確認、多裂筋の脂肪浸潤に対する脊椎適応Goutallier分類による体系的なグレーディング、およびこれらのパラメータの定量的なリスクスコアへの統合が含まれます。

本プロトコルは、臨床環境や画像診断プラットフォームに合わせて調整可能です。3.0 Tシステムでは、より薄いスライス厚が適用できる可能性がありますが、高磁場強度でより顕著になりやすいT1シャインスルーアーチファクトを最小限に抑えるため、エコー時間を慎重に調整する必要があります。1.5 Tシステムでは、標準的な撮像パラメータで十分な診断能が得られます。画像ノイズが過度な場合は、励起回数を2回から3回に増やすか、2以下となるパラレルイメージング加速係数を使用してください。背側ではなく円周状の分布や、帯状ではなく斑状の沈着など、非典型的な脂肪分布パターンの場合は、同一正中矢状断平面上の最大連続または半連続の沈着に対して≥5 mmの基準を適用し、軸位T2強調画像でその所見を確認してください。病的な硬膜外脂肪腫と生理的な硬膜外脂肪の判別が困難な場合は、軸位画像において脂肪沈着量と硬膜嚢の前後径および断面積を比較してください。本プロトコルでは、軸位の定量測定は、元のモデル結果を再定義するための独立した基準としてではなく、確認および記録を補完するために使用されます。Goutallier分類における読影者間のばらつきを最小限にするため、関心領域（ROI）の配置は、脱出した椎間盤スペースの中点にある軸位スライスに標準化してください。2名の独立した読影者の間で意見が不一致となった場合は、3人目の上級読影者との合意によって解決してください。

いくつかの方法論的な限界を考慮する必要があります。第一に、診断は定量的な体積測定ではなく、MRI信号特性および頭尾方向の範囲の定性的な視覚的評価に基づいています。このアプローチは実用的で広く適用可能ですが、症状の重症度や手術の緊急性とより直接的に相関する可能性のある、三次元的な硬膜外脂肪量までは捉えられません。硬膜外脂肪と硬膜嚢の比率に基づく手法やManjila局所領域グレーディングシステムを含む既存のMRIグレーディングアプローチは、軸方向の管腔狭窄、矢状方向の範囲、および背側、腹側、あるいは全周性の脂肪分布に関する補完的な情報を提供します^13,14。これらの特徴は、脊柱管の形状や外側陥凹の解剖学的構造が他の腰椎レベルとは異なるL5-S1において、特に重要である可能性があります。本プロトコルでは、軸方向の圧迫と脂肪分布を前向きに記録していますが、元の研究が基準標準診断精度研究として設計されていなかったため、これらのグレーディングシステムを独立した基準標準としては使用していません。その結果、感度、特異度、および手法間の zgodność（一致度）は再計算されず、これにより元の研究結果の後付け的な再分類を回避しています。Dixon法に基づく脂肪・水分離や体積セグメンテーションを含む高度な定量MRI技術は、より精密な脂肪定量を可能にする可能性がありますが、専用のソフトウェアと追加の撮像時間を必要とします。第二に、Goutallierグレーディングシステムは依然として半定量的であり、観察者間変動の影響を受けます。5段階の評価スキームは実用的な臨床分類を提供しますが、脂肪浸潤の連続的な測定は行っておらず、この浸潤は筋肉や硬膜外脂肪組織における炎症性サイトキンの発現²¹や、多裂筋の受動的な力学的特性の変化^22,23に関連しているとされています。本研究では、Goutallierの概念を脊椎に適応させた手法を用い、モデルの簡潔さを維持しつつ、重度ではない脂肪置換と重度の脂肪置換を区別するために、グレード0-2とグレード3-4を別々にグループ化しました。第三に、予測モデルには臨床変数と画像変数のみが組み込まれており、血清脂質プロファイル、炎症マーカー、またはアジポカインなどの生化学的マーカーは含まれていません。これらは代謝的な要因が強い症例において予測性能を向上させる可能性があります。第四に、単変量スクリーニングに続いてステップワイズ回帰分析を行うことで、変数選択バイアスや係数の不安定性が導入される可能性があります。したがって、本モデルは探索的なものであり、内部妥当性確認のみが行われたものとみなされるべきです。最後に、広範な臨床実装の前には、多様な臨床設定、画像プラットフォーム、および患者集団にわたる外部妥当性確認が必要です。妥当性確認は単一施設コホートを用いて行われたため、今後の多施設共同前向き研究により、モデルの性能を確認し、臨床的に有用な確率閾値を確立する必要があります。

本プロトコルは、構造化されていない臨床実務に対していくつかの利点をもたらします。従来の診療では、標準的な診断基準がないまま放射線科医が偶然に硬膜外脂肪腫を認識することに依存している場合が多く、検出に一貫性がありません。対照的に、本プロトコルでは明確な診断基準と構造化された読影ワークフローを提供しており、読影者や施設を問わず一貫して適用することが可能です。高度な画像診断や侵襲的な診断手法を組み込んだより複雑なマルチモーダル評価戦略と比較して、本アプローチは標準的な腰椎MRIシーケンスと日常的に入手可能な臨床データを使用するため、運用上の実用性が高いと言えます。本プロトコルの主な貢献は、多裂筋の脂肪浸潤に対する脊椎適応Goutallier評価を、DLS関連硬膜外脂肪腫のリスク予測フレームワークに統合した点にあります。椎間盤変性の評価については、Pfirrmann分類が実用的で広く受け入れられている形態学的MRI分類であり続けています¹⁸。MRエラストグラフィは、変性の進行に伴い椎間盤の剛性が増加することから、補完的な定量的手法として台頭しており、順序尺度であるPfirrmannグレードを超えた客観的なバイオメカニクス情報を提供できる可能性があります²⁴。本プロトコルでは、ルーチンの腰椎MRI検査で容易に適用できるためPfirrmann分類を採用していますが、今後のバージョンでは、技術の普及に合わせてMRエラストグラフィを組み込む可能性があります。

臨床的に、確率推定値はリスクへの認識、画像診断の再検討、手術計画の検討、および患者へのカウンセリングに役立つ可能性があります。先行研究では、除圧術後の硬膜外脂肪腫と退行性狭窄症の間で、2年後の転帰が同等であることが示されています^25,26。しかし、本プロトコルは治療転帰を評価したり、除圧戦略を比較したりするものではなく、開創的、低侵襲的、または内視鏡的除圧術を強制するために使用されるべきではありません。むしろ、本モデルは、臨床的に意味のある硬膜外脂肪の蓄積の可能性を臨床医に警告し、軸方向の圧迫、背側または腹側の脂肪分布、および硬膜嚢の圧迫を注意深く検討することを促すことを目的としています。L5椎体の形成不全およびL5-S1偽試験en擬似的なすべり症は、L5椎体の前後径が相対的に小さく、後方の脂肪・線維組織が存在することで、見かけ上の椎体すべりを模倣する可能性があるため、潜在的な発達的または解剖学的模倣因子となります。この誤分類の原因を減らすため、本プロトコルでは、非退行性および発達性の脊椎すべり症を除外しています。また、立位レントゲン写真を用いてDLSを確認し、椎弓Therefore、椎弓切痕の欠損がないことを確認し、さらに矢状面MRIと軸方向MRIの間で、すべりレベルの相関を必要としています。患者へのカウンセリングにおいては、個別の確率推定値により、画像所見および予想される術中検討事項についての話し合いが促進される可能性があります。術後においては、より綿密なフォローアップが必要な患者の特定に役立つ可能性がありますが、この適用についてはさらなる検証が必要です。DLS以外にも、このフレームワークは、腰部脊柱管狭窄症やすべり症を伴わない腰部脊椎症など、硬膜外脂肪の蓄積が症状に寄与する他の退行性脊椎疾患に適応できる可能性があります。

結論として、本プロトコルは、DLS患者における硬膜外脂肪組織増殖症を評価するための、構造化された臨床的に実用的なアプローチを提供します。標準化されたMRI解釈、系統的な脊柱傍筋評価、硬膜嚢圧迫の prospective な軸方向確認、および多変数リスクモデリングを統合することで、本プロトコルは、特殊な機器を必要としない標準的な臨床MRIを用いて、再現性のある画像レビュー、リスク伝達、手術計画の検討、および患者へのカウンセリングを支援します。改訂中も、元の診断結果の定義および報告されたモデル性能は維持されました。本モデルは、診断の基準（リファレンススタンダード）や手術決定ルールとしてではなく、内部検証済みの臨床意思決定支援ツールとして解釈されるべきです。今後の研究では、確立されたMRIリファレンススタンダードとの比較、多施設共同による外部検証、自動画像解析、およびDixon法やMRエラストグラフィなどの高度な定量的MRI技術を含めるべきです。

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
1.5 Tesla 磁気共鳴画像装置（MRIスキャナー）	装置	Siemens Healthineers	Magnetom Aera
16チャンネル脊髄表面コイル	装置	Siemens Healthineers	標準構成
DICOM Part 14準拠 診断用モニター (3メガピクセル)	装置	Barco NV	Nio Color 3MP, MDNC-3421CN; Barco QAWeb EnterpriseによるDICOMキャリブレーション
forestplot Rパッケージ	ソフトウェア	R Foundation for Statistical Computing	Version 3.1.3
ImageJ	ソフトウェア	National Institutes of Health	Version 1.53t
PACSワークステーション	装置	Dell Inc.	Precision 3660 Tower Workstation; Windows 10, 64ビットオペレーティングシステム
医用画像アーカイブ通信システム (PACS)	ソフトウェア	INFINITT Healthcare Co., Ltd.	INFINITT PACS 7.0
R	ソフトウェア	R Foundation for Statistical Computing	Version 4.3.1
REDCap	ソフトウェア	Vanderbilt University	Version 13.1
rmda Rパッケージ	ソフトウェア	R Foundation for Statistical Computing	Version 1.6
SPSS Statistics	ソフトウェア	IBM	Version 27.0