筑波大学医学医疗系教授新井哲明、该校研究生院人间综合科学学术院研究生中山显次郎、量子科学技术研究开发机构（QST）脑功能成像研究中心主任樋口真人等人组成的研究团队于10月2日宣布，开发出了用于自动解析脑内异常蓄积tau蛋白的PET图像的软件“TAME-Q”。该软件可将PET图像解析流程一体化，使研究者能够以共通步骤开展可再现性解析，从而减轻研究者负担并为研究发展做出贡献。相关成果于9月9日发表于《BMC Medical Imaging》。
图1 TAME-Q执行的处理流程概览
输入用于调查异常tau蓄积的PET图像（左下）和显示脑结构的MRI图像（左上）后，软件会自动进行两幅图像的位置配准、半定量化基准值推定、脑各部位定量指标的算出。（供图：筑波大学新井哲明教授，改编自原著论文附图）
在阿尔茨海默病和进行性核上性麻痹等神经退行性疾病中，稳定神经细胞内微管、支撑物质运输的tau蛋白会在脑内异常蓄积（tau蓄积）。查明这种异常tau蓄积出现在脑中的位置与沉积程度，对诊疗至关重要。
PET是向体内投予微量放射性药物，检测药物产生的放射线，从而将体内分子可视化成像的方法。使用与tau结合的放射性药物（18F）的PET图像，能够可视化tau在脑内的异常蓄积。18F由QST开发。
本次开发的软件“TAME-Q”可从PET和MRI（磁共振成像）图像中自动算出显示大脑各区域18F聚集程度的指标。
研究团队利用该软件分析了37名阿尔茨海默病患者、46名进行性核上性麻痹理查森综合征患者、50名健康人，共计133人的数据。
结果显示，在阿尔茨海默病中，下颞回（参与视觉信息处理和物体识别的脑区域）；在进行性核上性麻痹中，苍白球（参与运动调节的脑区域）——这些各自疾病中已知出现tau蓄积的脑区域，均观察到SUVR（显示PET信号强度的指标）上升，获得了与先行研究一致的结果。
此外，使用机器学习从多个脑区域SUVR算出的指标（tau评分）与既往研究获得的指标显示出高度相关。
“TAME-Q”已于在线平台GitHub上公开，运行环境也通过平台Docker发布，可在通用的解析环境中进行PET图像解析。
期待通过积累tau相关各种疾病的见解，推动神经退行性疾病病理机制的阐明。
中山表示：“随着生成式AI的普及，复杂程序的编写也变得更加容易。但与此同时，我认为将解析方法标准化、让研究者能够按照通用步骤开展分析，是一个重要的研究课题。我们将以本次成果为基础，持续优化软件，争取让更多研究者使用，为认知症研究贡献力量。”
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
期刊：BMC Medical Imaging
论文：TAME-Q: An Open-Source Preprocessing Pipeline for Reproducible Semi-Quantification of Florzolotau (18F) PET
DOI：10.1186/s12880-026-02775-5
