てんかん外科で「治せるのに、原因が見えない」——この壁の正体がMRI陰性てんかんです。発作の原因となる限局性皮質異形成（FCD）は微細で、熟練の放射線科医でも「異常なし」と読まれることが少なくありません。いま、この見えない病変をAI（人工知能）と画像後処理（morphometry）が拾い上げ始めています。本記事は、てんかん×AIシリーズ深掘り第4回として、FCD自動検出の最前線——MELDプロジェクト、MELD Graph、形態計測——を、PubMedで実在確認した一次文献の数字とともに、脳神経内科医の視点で解説します。
結論を先に言えば、「MRI陰性こそAIの主戦場。ただし論文の数字と実臨床は別物」。最新のMELD GraphはMRI陰性FCDでも感度63.7%で病変を拾いますが、外部検証では性能が落ち、偽陽性という代償もあります。光と影の両方を、誇張せず整理します。
監修：今村久司（脳神経内科専門医）
目次
- FCDとは・なぜ手術で重要か
- なぜMRIで見逃すのか
- 画像後処理・形態計測（morphometry）
- MELDプロジェクト
- MELD Graph（最新）
- MRI陰性でも見つける
- AIは放射線科医を上回るのか
- 限界と落とし穴（汎化の壁・偽陽性）
- PET/SPECT/MEGとの統合
- 規制・臨床実装
- よくある質問（FAQ）
※本記事はてんかん×AIシリーズ深掘り第4回です。あわせて総説回（全体像）・AIによる脳波自動判読（第2回）・発作検出と予測（第3回）もご覧ください。
FCDとは・なぜ手術で重要か
限局性皮質異形成（FCD）は、大脳皮質の局所的な形成異常で、薬剤抵抗性てんかんの代表的な原因です。重要なのは、FCDは「治せるてんかん」だという点。原因となる皮質を正確に同定して切除できれば、発作が止まる可能性が高くなります。だからこそ、病変をどれだけ正確に「見つけられるか」が、手術の成否を左右します。
なぜMRIで見逃すのか
FCDの見つけやすさは、その「型」によって大きく異なります。灰白質と白質の境界が不明瞭になるFCD IIb型は比較的見つけやすい一方、IIa型や軽微なI型は、通常のMRIではしばしば「異常なし」と読まれます。微細な皮質の肥厚や境界のぼやけは、スライス断面や読影者の経験に依存し、見落とされやすいのです。
| FCDの型 | MRIでの見え方 |
| IIb型 | 境界が不明瞭で比較的見やすい |
| IIa型 | 微細で見逃しやすい |
| I型 | 通常MRIではしばしば陰性 |
こうして「MRI陰性」とされた症例こそが課題です。MRIで病変が見える症例に比べ、MRI陰性のてんかんは術後の発作消失率が低いことが知られています。見えない病変を可視化することが、手術成績の改善に直結します。
画像後処理・形態計測（morphometry）
AI以前から、見えない病変を浮かび上がらせる工夫がありました。それが画像後処理・形態計測（morphometry）です。MRIから、灰白質と白質の境界の不明瞭さ（junction map）、異常な脳回の広がり（extension map）、皮質の厚み（thickness map）などを計算し、人の目では気づきにくい異常を強調表示します。
古典的な研究では、組織で確定したFCD II 91例で、形態計測（MAP）を熟練神経放射線科医の視覚読影に併用すると、検出率が98%（89/91例）に達しました（視覚単独ではIIa型で65%）1。「AIの前史」であるルールベースの後処理でも、読影に上乗せできることが示されていたのです。なお、これらの後処理には3D-T1とFLAIRの撮像が前提となります。
MELDプロジェクト
このアプローチを世界規模・AIへと発展させたのがMELD（Multicentre Epilepsy Lesion Detection）プロジェクトです。22施設・1,015例のデータを統合し、脳表面ベースの33個の特徴量から解釈可能な（なぜそう判断したかを示す）ニューラルネットを構築しました2。
検出感度は、組織確定・発作消失という好条件の亜群で85%に達する一方、全テスト群では感度59%（病変の周囲を許容して67%）でした2。この落差こそ重要で、「どの集団で測るかによって感度は大きく変わる」ことを示しています。MELDはオープンソースで、病変の位置・特徴を示す個別レポートを出力し、放射線科医の判断を補助するよう設計されています。
MELD Graph（最新）
旧MELDの最大の弱点は、偽陽性が多い＝陽性的中率（PPV）が低いことでした。2025年に登場したMELD Graphは、脳をグラフ構造として扱うグラフニューラルネットでこれを改善しました（23施設・FCD 703例＋対照482例）3。
| 指標 | MELD Graph | 従来アルゴリズム |
| 陽性的中率（PPV） | 67〜76% | 39〜46% |
| 感度（組織確定・発作消失例） | 81.6% | — |
| 感度（MRI陰性FCD） | 63.7% | — |
PPVを従来の約2倍に改善したことで、臨床導入に最も近い「現行版MELD」となりました。オープンソースかつ解釈可能レポート付きである点も継承しています。
MRI陰性でも見つける
本記事の核心が、MRI陰性こそAIの主戦場だという点です。MELD GraphはMRI陰性FCDでも感度63.7%で病変を拾い3、別のディープラーニング（deepFCD）でも、当初MRI陰性とされた症例で感度85%という報告があります4。人が「異常なし」とした画像から、AIが候補を拾い上げる構図です。
小児コホートの外部検証では、MELDが指摘した部位を切除した4例全員が術後発作消失（Engel I）に至りました5。「病変検出 → 切除 → 発作消失」というストーリーが、現実に成立しつつあります。
AIは放射線科医を上回るのか
ここは慎重に語る必要があります。「AIが放射線科医を上回る」と断定できる、独立した直接比較の決定打はまだありません。確かなのは、形態計測やAIが視覚読影に「上乗せ」し、人が見逃した病変を拾うという補助効果です（前述の併用98%、MRI陰性例からの85%検出）1,4。AIは置き換えではなく、読影者の「もう一つの目」と理解するのが正確です。
限界と落とし穴（汎化の壁・偽陽性）
過信は禁物です。FCD検出AIを集めたメタ解析（41研究）は、内部検証では感度0.81・特異度0.92だったものが、外部検証では感度0.73・特異度0.66に低下することを示しました6。これが「汎化の壁」——論文の数字と実臨床は別物です。
公開3モデルを独立した4施設・329例で横断比較した研究では、あるモデル（deepFCD）は検出率は最高（82%）だが特異度0%＝偽陽性まみれになりました（MELDは施設間のばらつきが最も小さく安定）7。また、MRI陰性小児では「半数で何かを拾うが、実際の切除標的と一致したのは4%のみ」という抑制的なデータもあります8。検出率と偽陽性はトレードオフであり、偽陽性をどう臨床で扱うかが導入の鍵です。
PET/SPECT/MEGとの統合
AIは構造MRIだけのものではありません。薬剤抵抗性側頭葉てんかんで、2種類のPET（FDGとフルマゼニル）の特徴を機械学習で融合したモデルは、てんかん原性域の同定でAUC 0.86を達成し、患者の半数で偽陽性を完全に除去しました9。構造・代謝・電気生理（MEG）を組み合わせるマルチモーダル評価が、偽陽性を減らし精度を高める方向です。単独のAIで決めるのではなく、複数の情報を統合するのが現実的な姿です。
規制・臨床実装
MELD・deepFCD・MAP18などは、いずれもオープンソースの研究ツールとして公開され、誰でも検証できます。一方、独立した医療機器としての薬事承認の状況は明確でなく、現時点では「研究公開・臨床は施設研究／補助の段階」と理解するのが安全です。前向きの検証と、撮像プロトコルの標準化、ワークフローへの統合が、普及の鍵になります。
まとめ
FCDは「治せるてんかん」ですが、MRIで見逃されやすいことが手術の壁でした。画像後処理とAI——とりわけMELD Graph——は、MRI陰性FCDでも感度約64%で病変を拾い、偽陽性（PPV）も改善し、臨床導入に近づいています。しかし、外部検証での性能低下（汎化の壁）や偽陽性という代償があり、「AIは放射線科医を置き換えるのではなく、見逃しを拾う補助」と捉え、マルチモーダルで統合するのが現実的です。MRI陰性こそ、AIが最も価値を発揮する主戦場です。
次回は「LLM（生成AI）による診断支援の光と影」を深掘りします。▶ 関連：脳神経内科の鑑別診断ツール一覧を見る
よくある質問（FAQ）
Q1. MRIで「異常なし」でも、AIなら病変を見つけられますか？
可能性があります。MELD GraphはMRI陰性FCDでも感度63.7%、deepFCDでは当初MRI陰性とされた症例で感度85%という報告があります。ただし万能ではなく、外部検証では性能が落ち、偽陽性もあります。
Q2. 画像後処理（morphometry）とは何ですか？
MRIから灰白質と白質の境界の不明瞭さ・異常な脳回・皮質の厚みなどを計算し、人の目で気づきにくい異常を強調表示する手法です。3D-T1とFLAIRの撮像が前提で、視覚読影への併用で検出率が大きく上がります。
Q3. MELDは日本の病院で使えますか？
MELDはオープンソースの研究ツールとして公開されていますが、独立した医療機器承認の状況は明確ではありません。現時点では研究・補助の段階と考え、導入時は最新情報を確認してください。
Q4. AIは放射線科医より正確ですか？
「上回る」と断定できる直接比較はまだありません。確かなのは、AIや画像後処理が視覚読影に上乗せし、見逃された病変を拾う「補助効果」です。置き換えではなく、もう一つの目と考えるのが正確です。
Q5. AIの検出を信じて手術していいのですか？
AI単独では決められません。偽陽性があり、MRI陰性例では検出部位と実際の切除標的が一致しないこともあります。PET・SPECT・MEG・脳波などと統合し、総合的に判断します。
Q6. なぜFCDの手術は重要なのですか？
FCDは薬剤抵抗性てんかんの代表的原因ですが、原因の皮質を正確に切除できれば発作が止まる可能性が高い「治せるてんかん」だからです。病変の正確な同定が手術成績を左右します。
参考文献
- Wagner J, et al. Morphometric MRI analysis improves detection of focal cortical dysplasia type II. Brain 2011;134(Pt 10):2844-2854. PMID 21893591. DOI
- Spitzer H, Ripart M, et al. Interpretable surface-based detection of focal cortical dysplasias: a MELD study. Brain 2022;145(11):3859-3871. PMID 35953082. DOI
- Ripart M, Spitzer H, et al. Detection of epileptogenic focal cortical dysplasia using graph neural networks: A MELD study. JAMA Neurol 2025;82(4):397-406. PMID 39992650. DOI
- Gill RS, et al. Multicenter validation of a deep learning detection algorithm for focal cortical dysplasia. Neurology 2021;97(16):e1571-e1582. PMID 34521691. DOI
- Hom KL, et al. Application of preoperative MRI lesion identification algorithm in pediatric and young adult FCD-related epilepsy. Seizure 2024;122:64-70. PMID 39368329. DOI
- Dashtkoohi M, et al. Focal cortical dysplasia detection by artificial intelligence using MRI: A systematic review and meta-analysis. Epilepsy Behav 2025;167:110403. PMID 40158413. DOI
- Kersting LN, et al. Detection of focal cortical dysplasia: Development and multicentric evaluation of artificial intelligence models. Epilepsia 2024;66(4):1165-1176. PMID 39739580. DOI
- Goel A, et al. The utility of MELD algorithm in MRI lesion-negative paediatric patients. Epilepsy Res 2024;206:107429. PMID 39151325. DOI
- Cai B, et al. Fusion of FDG and FMZ PET reduces false-positives in predicting epileptogenic zone. AJNR Am J Neuroradiol 2025;46(7):1493-1500. PMID 39794135. DOI
- Bücheler L, et al. Comparison of volume- and surface-based MRI morphometry algorithms in the detection of focal cortical dysplasia. Epilepsia 2026. PMID 42233975. DOI
- Tortora D, et al. Advanced neuroimaging in pediatric epilepsy surgery: state of the art and future perspectives. Neuroradiology 2025;68(1):5-22. PMID 41317206. DOI
