背景：FDG-PET/CTにおける肉眼的腫瘍体積（GTV）—原発腫瘍（GTVp）およびリンパ節病変（GTVn）—の正確な輪郭描出は、頭頸部放射線治療計画における重要な手順である。軽量なカスタムネットワークと、自動設定されたnnU-Net v2との比較は通常、ネットワークそのものの寄与と、その上で適用される推論時後処理の寄与を混同したエンドツーエンドのパイプラインとして報告される。本研究ではそれらを分離した。
方法：MiniUNet3D（カスタム3D U-Net、パラメータ18.3 M）とnnU-Net v2（3d_fullres、パラメータ88.2 M）を、同一の578例のFDG-PET/CT症例（HECKTOR 2025 Task 1セットの85/15の著者定義分割、8施設）で学習し、同一の内部コホートで評価した。3つの腕をペアで比較した：固定0.5閾値でのMiniUNet3D生出力、固定された適応的後処理パイプラインを用いたMiniUNet3D、nnU-Net v2。比較には、ペア付きWilcoxon検定に加えてブートストラップ信頼区間、Bonferroni補正およびBenjamini-Hochberg補正、ならびにCohen’s dを用いた。致命的失敗（Dice < 0.01）の比較には厳密なMcNemar検定を用いた。特定のターゲットに参照が空である症例は、そのターゲットの解析から除外した（n = 98 GTVp、n = 93 GTVn）。
結果：後処理を一致させない場合、nnU-Net v2が優れていた。GTVpの中央値Diceは0.799であり、0.592との差（平均差 -0.244、95% CI -0.300〜-0.191、d = -0.88）であった。GTVnでは0.774対0.598で（d = -0.82）。後処理によりMiniUNet3Dは0.800（GTVp）および0.738（GTVn）まで引き上げられ、その差の79%を回復した。後処理後、MiniUNet3DはGTVp DiceでnnU-Net v2と一致した（p = 0.113）が、リンパ節疾患ではBonferroni補正後もなお劣っていた（Dice p = 0.041、surface Dice p = 0.049）。致命的なGTVp失敗は、生出力で25/98、後処理後で8/98、nnU-Net v2で1/98であった（McNemar p = 0.016）。推論時間は同一GPUで症例あたり34秒対78秒であった。
結論：後処理は2つのモデル間の差の大部分を回復したが、すべてではなく、頑健性も付与しなかった。小さな原発における空の輪郭の発生率が、8倍高いまま残った。これは計画の安全性においてより重要な差である。後処理のアブレーションを行わずに報告されたパイプライン比較は、後処理によって供給されるものまでネットワークの寄与として帰属してしまう危険がある。
https://doi.org/10.64898/2026.08.28.26361649