筑波大學醫學醫療系教授新井哲明、該校研究生院人間綜合科學學術院研究生中山顯次郎、量子科學技術研究開發機構（QST）腦功能成像研究中心主任樋口真人等人組成的研究團隊於10月2日宣布，開發出了用於自動解析腦內異常蓄積tau蛋白的PET圖像的軟體「TAME-Q」。該軟體可將PET圖像解析流程一體化，使研究者能夠以共通步驟進行可再現性解析，從而減輕研究者負擔並為研究發展做出貢獻。相關成果於9月9日發表於《BMC Medical Imaging》。
圖1 TAME-Q執行的處理流程概覽
輸入用於調查異常tau蓄積的PET圖像（左下）和顯示腦結構的MRI圖像（左上）後，軟體會自動進行兩幅圖像的位置配準、半定量化基值推定、腦各部位定量指標的算出。（圖片提供：筑波大學新井哲明教授，改編自原著論文附圖）
在阿茲海默症和進行性核上性麻痹等神經退行性疾病中，穩定神經細胞內微管、支撐物質運輸的tau蛋白會在腦內異常蓄積（tau蓄積）。查明這種異常tau蓄積出現在腦中的位置與沉積程度，對診療至關重要。
PET是向體內投予微量放射性藥品，檢測藥物產生的放射線，從而將體內分子可視化成像的方法。使用與tau結合的放射性藥品（18F）的PET圖像，能夠可視化tau在腦內的異常蓄積。18F由QST開發。
本次開發的軟體「TAME-Q」可從PET和MRI（磁振造影）圖像中自動算出顯示大腦各區域18F聚集程度的指標。
研究團隊利用該軟體分析了37名阿茲海默症患者、46名進行性核上性麻痹理查森症候群患者、50名健康人，共計133人的資料。
結果顯示，在阿茲海默症中，下顳回（參與視覺資訊處理和物體識別的腦區）；在進行性核上性麻痹中，蒼白球（參與運動調節的腦區）——這些各自疾病中已知出現tau蓄積的腦區，均觀察到SUVR（顯示PET信號強度的指標）上升，獲得了與先行研究一致的結果。
此外，使用機器學習從多個腦區SUVR算出的指標（tau評分）與先前研究獲得的指標顯示出高度相關。
「TAME-Q」已於線上平台GitHub上公開，運行環境也透過平台Docker發布，可在通用的解析環境中進行PET圖像解析。
期待透過累積tau相關各種疾病的見解，推動神經退行性疾病病理機制的闡明。
中山表示：「隨著生成式AI的普及，複雜程式的編寫也變得更加容易。但與此同時，我認為將解析方法標準化、讓研究者能夠按照通用步驟進行分析，是一個重要的研究課題。我們將以本次成果為基礎，持續優化軟體，爭取讓更多研究者使用，為失智症研究貢獻力量。」
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：BMC Medical Imaging
論文：TAME-Q: An Open-Source Preprocessing Pipeline for Reproducible Semi-Quantification of Florzolotau (18F) PET
DOI：10.1186/s12880-026-02775-5
