米国マサチューセッツ工科大学（MIT）のコンピュータサイエンスと人工知能研究所（CSAIL）、ボストン児童病院（BCH）、ハーバード医学部の研究チームが、胎児の健康状態をより正確に可視化するための機械学習技術「Fetal SMPL」を開発した。従来の超音波検査は2次元画像に限られ、詳細な評価にはMRIが使われるが、MRIで得られる3次元データは人間の視覚では解釈が難しく、診断の精度に課題があった。この問題を解決するために、研究チームはコンピュータグラフィックスで使われる「SMPL（Skinned Multi-Person Linear model）」を基に、胎児の体形と動きを再現する新しいモデルを構築した。 Fetal SMPLは2万件の実際の胎児MRIデータを学習し、胎児の体形、位置、関節の動きをリアルに再現。モデル内部には23個の関節を持つ「運動学的木構造（kinematic tree）」を内蔵し、訓練データで見られた胎児の動きを再現可能にしている。テストでは、未見のMRIデータに対しても平均3.1ミリメートルの誤差で正確な位置とサイズを推定。これは1粒の米よりも小さな誤差であり、極めて高い精度を示している。 この技術により、医師は胎児の頭囲や腹部の大きさを正確に測定し、同月齢の健常胎児と比較可能になる。早期の臨床試験でも高い整合性が確認されており、胎児の発育状態や運動パターンの評価が飛躍的に進むと期待されている。MITの博士課程学生で研究の主導者である劉英誠氏は、「胎児は子宮内に狭く閉じ込められており、形と姿勢の推定が難しいが、このシステムは内部の骨格構造と最適化アルゴリズムでそれを克服した」と説明する。 現在のFetal SMPLは皮膚下の骨構造のみをモデル化しているが、今後は肝臓、肺、筋肉などの内部臓器を含む「体積モデル」への拡張が計画されている。ハーバード医学部のキホ・イム教授は、この技術が胎児の脳機能発達と身体運動の関係を解明する手がかりになると評価。また、グランブルグ大学のセルジ・プハーデス教授は、成人や乳児モデルと統合可能な点が画期的であり、人間の体形と運動の発達を長期にわたって研究する新たな機会を創出すると指摘した。 Fetal SMPLは、胎児MRIの診断力を飛躍的に高める画期的な技術であり、今後の妊娠診断と胎児発達研究に大きな影響を与えると期待されている。