CN112154514A - 用于癌症筛查的综合方法 - Google Patents
用于癌症筛查的综合方法 Download PDFInfo
- Publication number
- CN112154514A CN112154514A CN201980034129.5A CN201980034129A CN112154514A CN 112154514 A CN112154514 A CN 112154514A CN 201980034129 A CN201980034129 A CN 201980034129A CN 112154514 A CN112154514 A CN 112154514A
- Authority
- CN
- China
- Prior art keywords
- subsequent screening
- medical imaging
- patient
- parameters
- screening step
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012216 screening Methods 0.000 title claims abstract description 269
- 238000000034 method Methods 0.000 title claims abstract description 104
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 66
- 201000011510 cancer Diseases 0.000 title claims abstract description 60
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 208
- 238000004590 computer program Methods 0.000 claims abstract description 13
- 238000002591 computed tomography Methods 0.000 claims description 53
- 238000004458 analytical method Methods 0.000 claims description 48
- 239000012530 fluid Substances 0.000 claims description 22
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 10
- 239000003153 chemical reaction reagent Substances 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 5
- 238000011282 treatment Methods 0.000 abstract description 7
- 210000001519 tissue Anatomy 0.000 description 105
- 238000003745 diagnosis Methods 0.000 description 26
- 238000011528 liquid biopsy Methods 0.000 description 26
- 210000004369 blood Anatomy 0.000 description 22
- 239000008280 blood Substances 0.000 description 22
- 238000003384 imaging method Methods 0.000 description 17
- 210000002700 urine Anatomy 0.000 description 13
- 230000035945 sensitivity Effects 0.000 description 12
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 10
- 150000001875 compounds Chemical class 0.000 description 10
- 239000002872 contrast media Substances 0.000 description 10
- 201000005202 lung cancer Diseases 0.000 description 10
- 208000020816 lung neoplasm Diseases 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 206010006187 Breast cancer Diseases 0.000 description 7
- 208000026310 Breast neoplasm Diseases 0.000 description 7
- 210000003296 saliva Anatomy 0.000 description 7
- 238000001574 biopsy Methods 0.000 description 6
- 230000002068 genetic effect Effects 0.000 description 6
- 238000002600 positron emission tomography Methods 0.000 description 6
- 238000010561 standard procedure Methods 0.000 description 6
- 210000004072 lung Anatomy 0.000 description 5
- 230000003211 malignant effect Effects 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 230000000391 smoking effect Effects 0.000 description 5
- 208000007848 Alcoholism Diseases 0.000 description 4
- 206010013654 Drug abuse Diseases 0.000 description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 4
- 206010027476 Metastases Diseases 0.000 description 4
- 206010001584 alcohol abuse Diseases 0.000 description 4
- 208000025746 alcohol use disease Diseases 0.000 description 4
- 230000000172 allergic effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 208000010668 atopic eczema Diseases 0.000 description 4
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000008995 epigenetic change Effects 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 230000009401 metastasis Effects 0.000 description 4
- 208000011117 substance-related disease Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 208000005443 Circulating Neoplastic Cells Diseases 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 2
- 230000007067 DNA methylation Effects 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 2
- 208000026935 allergic disease Diseases 0.000 description 2
- 230000007815 allergy Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 210000001124 body fluid Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000001973 epigenetic effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007481 next generation sequencing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 241000938605 Crocodylia Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010061902 Pancreatic neoplasm Diseases 0.000 description 1
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 201000008211 brain sarcoma Diseases 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 108091092240 circulating cell-free DNA Proteins 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000012228 culture supernatant Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 description 1
- 201000002528 pancreatic cancer Diseases 0.000 description 1
- 208000008443 pancreatic carcinoma Diseases 0.000 description 1
- 210000002381 plasma Anatomy 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- High Energy & Nuclear Physics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及对患者进行癌症筛查的方法、对患者进行癌症筛查的综合方法、用于实施所述方法的计算机程序产品以及用于实施所述方法的医学成像设备。通过本发明，患者将可以从第一医学成像治疗中获得更可靠的结果。
Description
本发明涉及对患者进行癌症筛查的方法、对患者进行癌症筛查的综合方法、用于实施所述方法的计算机程序产品以及用于实施所述方法的医学成像设备。通过本发明，患者将可以从第一医学成像治疗中获得更可靠的结果。
当今的癌症筛查方法遭受灵敏度和/或特异性有限的问题，导致假阴性结果(患有癌症的人没有被检查出来)或假阳性结果(健康的人经受不必要的后续手术)。
筛查候选者通常是基于某些风险因素(如吸烟年数、年龄)预先选择的，并且接受容忍将其他人排除于筛查程序以限制不必要的后续手术的成本或者——替选地——成本和副作用。
这些限制导致筛查程序的接受度低。
因此，需要改进的对患者进行癌症筛查的方法，该方法具有改进的灵敏度和特异性，并且特别地，可以在短的一段时间内进行。
发明内容
本发明人发现，将若干种诊断方法与自动的基于计算机的分析和用于选择并仅执行那些必要的诊断步骤的实时决策支持相结合，向医师提供了执行可靠诊断所需的所有信息。
在第一方面中，本发明涉及一种对患者进行癌症筛查的方法，包括：
-在第一步骤中获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像；
-根据所述至少一个第一图像自动确定第一组参数；
-基于第一组参数自动确定是否应该进行后续筛查步骤；以及
-自动显示关于是否应该进行后续筛查步骤的建议，优选地在第一显示单元中显示，
其中，在获得或提供患者的组织的至少一个第一图像的步骤之后的15分钟内，自动显示关于是否应该进行后续筛查步骤的建议。
此外，在第二方面中公开了一种对患者进行癌症筛查的方法，特别是对患者进行癌症筛查的综合方法，该方法包括：
-在第一步骤中获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像；
-根据所述至少一个第一图像自动确定第一组参数；
-基于第一组参数自动选择建议的后续筛查步骤；
自动显示建议的后续筛查步骤；以及可选地
-进行建议的后续筛查步骤。
本发明的另一个方面涉及一种包括计算机可执行指令的计算机程序产品，计算机可执行指令在被执行时，执行根据第一方面和/或第二方面的方法。
还公开了一种医学成像设备，包括：
-用于获得患者的组织的至少一个第一图像的装置；以及
-用于分析患者的组织的至少一个图像的装置，该分析包括根据所述至少一个第一图像自动确定第一组参数，其中，还进行基于第一组参数对是否应该进行后续筛查步骤的自动确定；以及
-用于显示患者的组织的至少一个图像的分析结果的装置；
还包括：
-用于显示基于第一组参数对是否应该进行后续筛查步骤的自动确定的结果的装置。
本发明的另外的方面和实施方式在从属权利要求中公开，并且可以从以下说明书、附图和示例中得到，但是不限于此。
附图说明
附图应示出本发明的实施方式并且传达对这些实施方式的进一步理解。与描述相结合，附图用作对本发明的构思和原理的说明。可以关于附图得到其他的实施方式和许多所述的优点。附图中的元件不一定彼此按比例绘制。除非另有说明，否则附图图形中相同的、在功能上等同的和作用相同的特征和部件用相同的附图标记表示。
图1至图4示意性地示出了本发明的第一方面的方法中的步骤。
图5至图7示意性地示出了本发明的第二方面的方法中的步骤。
在图8中示意性地描绘了本发明的医学成像设备的示例。
具体实施方式
定义
除非另有定义，否则本文使用的技术和科学术语与本发明所属技术领域的普通技术人员通常理解的含义相同。
在本发明的上下文中，患者的“样本”没有特别限制，只要该样本能够被进一步分析即可。样本的示例为：细胞、组织、活检标本、体液，例如血液、尿液、唾液、唾液、血浆、血清、细胞培养上清液、拭子样本等。在本发明中，优选的是像体液，特别地为血液这样的流体样本。
根据某些实施方式，本方法中的患者是脊椎动物，更优选地为哺乳动物，最优选地为人类患者。
本发明内的脊椎动物是指具有脊椎骨的动物，脊椎动物包括哺乳动物——包括人类、鸟类、爬行类、两栖类和鱼类。因此，本发明不仅适用于人类医学，而且也适用于兽医学。
计算机断层(CT)扫描将X射线成像与复杂的计算机分析相结合，以通常产生多个截面图像，例如患者身体的部分的或整个的内部的截面图像。低剂量CT或LDCT使用比传统CT扫描少的电离辐射。因此，剂量可以取决于例如要扫描的组织、组织的位置等。例如，肺部的低剂量CT可以以约1mSv至3mSv，例如约2mSv进行每次扫描，相比之下，在普通CT中以约6mSv进行每次扫描。
本申请中癌症的类型没有特别限制，而是包括可以存在于患者体内的任何类型的癌症。优选地，该癌症是可以使用第一医学成像设备容易地可视化和/或定位的癌症，例如肺癌、乳腺癌、肝癌、前列腺癌、胰腺癌、脑瘤、肉瘤等。
在本发明中，获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像的第一步骤在下文中也被称为第一医学成像步骤(或第一成像步骤)。
在示例性地详细描述本发明之前，要理解的是，本发明不限于本文所述的方法的处理步骤的特定组成部分，因为这样的方法可以改变。还应理解的是，本文中使用的术语仅是为了描述特定的实施方式，而不是意在进行限制。必须注意的是，如在说明书和所附权利要求书中使用的，单数形式“一”、“一种”和“该”包括单数和/或复数指称对象，除非上下文另外清楚地指出。例如，本文使用的术语“一”可理解为一个单一实体或者“一个或更多个”实体的含义。还应理解的是，复数形式包括单数和/或复数指称对象，除非上下文另外清楚地指出。此外，应该理解的是，在给出了由数值界定的参数范围的情况下，该范围被认为包括这些限制值。
本发明的第一方面涉及对患者进行癌症筛查的方法，包括：
-在第一步骤中获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像；
-根据所述至少一个第一图像自动确定第一组参数；
-基于第一组参数自动确定是否应该进行后续筛查步骤；以及
-自动显示关于是否应该进行后续筛查步骤的建议，优选地在第一显示单元中显示，
其中，在获得或提供患者的组织的至少一个第一图像的步骤之后的15分钟内，自动显示关于是否应该进行后续筛查步骤的建议。
根据某些实施方式，步骤按给出的顺序进行。
特别地，利用这种方法，可以及早确定是否需要进行后续筛查步骤以及后续诊断，使得可以在患者仍然处在以下设施处时，如果需要的话则进行后续筛查步骤，其中在所述设施处，获得在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像。这为分析该信息的人员(例如医生)提供了用于决定是否需要这样的后续筛查步骤、而无需让患者等待在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像的最终诊断的工具。
这样可以减少早期不明确诊断甚至误诊的数量，并且同时也可以在必要的情况下根据后续筛查步骤获得快速诊断，使得患者将更快地获得最终诊断。
当然，也有可能不需要后续的筛查步骤。在这种情况下，第一方面的方法仍然为给出最终诊断的人员(例如医生)提供了在早期阶段澄清这个结果的可能性，因此，可能不需要患者返回进行后续筛查或以后与医生会面，同时即使整个数据没有被做出最终诊断的人员(例如医生)完全分析/或读取，也为患者提供了具有足够灵敏度和规范性的早期诊断，其中整个数据来自在第一步骤在第一医学成像设备中使用医学成像对所述患者的疑似患癌的组织的至少一个第一图像的获得或提供。
在第一步骤中获得或提供在医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像不受特别限制。特别地，该步骤是非侵入性的。在本方法中，也可以在第一步骤中获得多于一个图像，例如，获得大量图像。
其中医学成像设备不受特别限制，并且可以应用用于医学成像的医学成像设备，例如计算机断层扫描(CT)装置，例如计算机断层扫描仪，例如低剂量计算机断层扫描、磁共振成像(MRI)装置(比如磁共振断层扫描(MRT)装置、正电子发射断层扫描(PET)装置)，例如PET/CT或PET/MRT装置，其可以用于扫描患者身体的一部分或用于全身筛查。医学成像设备以及利用该医学成像设备获得或提供至少一个第一图像的方法可以由此适于特定的诊断或预期的诊断，例如使用CT进行肺癌筛查、使用MRI进行乳腺癌筛查等。另外，不排除例如在创伤成像期间、例如在事故后等由出于不同目的进行的测量提供第一图像。
根据某些实施方式，使用计算机断层扫描和/或使用磁共振成像，特别是低剂量计算机断层扫描或甚至超低剂量计算机断层扫描，获得在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像。同样，剂量可以取决于例如要扫描的组织、组织的位置等。例如，肺部的低剂量CT可以以每次扫描约1mSv至3mSv，例如约2mSv进行，相比之下，在普通CT中一般普通的每次扫描约6mSv。肺部的超低剂量CT甚至可以以约0.5mSv或更少，特别地小于0.5mSv来进行。
特别地，本方法适合于具有降低的灵敏度和/或特异性的低成本医学成像方法。例如，针对例如肺癌可以进行CT测量作为第一医学成像步骤，而针对例如乳腺癌可以使用基于MRI的方法。因此，本方法可以例如针对肺癌筛查，其中，在第一步骤中使用CT测量装置；以及/或者本方法针对乳腺癌筛查，其中，在第一步骤中使用基于MRI的测量装置。
此外，根据所述至少一个第一图像对第一组参数的自动确定不受特别限制，只要其自动进行即可。在这方面，任何合适的装置都可以用于自动确定，例如，对至少一个第一图像进行分析的适合的计算装置，该装置可以被集成在第一医学成像设备中和/或可以位于外部。优选地，用于对患者的组织的至少一个图像进行分析——包括根据所述至少一个第一图像自动确定第一组参数，其中，还进行基于第一组参数的对于是否应该进行后续筛查步骤的自动确定——的装置位于第一医学成像设备中。这些装置，尤其计算装置，不受特别限制，并且可以包含用于分析和评估患者的组织的至少一个第一图像的合适算法。根据某些实施方式，该装置可以包括机器学习工具，例如神经网络、深度学习等。
在自动确定第一组参数时对图像的分析不受特别限制。对于图像的分析可以考虑若干因素，例如，疑似致癌的组织的位置和/或大小、这种组织的形状、组织的纹理、其他疑似组织的存在(例如转移)、组织中特征的存在(例如边缘)等。例如，这样的参数对于研究肺癌是公知的，其中，常规地考虑诸如圆度、作为示例性纹理参数的边缘的存在、大小等因素。
此外，可以使用另外的参考数据来进行对第一组参数的自动确定，所述参考数据例如来自用产生可比较结果(例如具有同一类型)的同一第一医学成像设备和/或其他医学成像设备记录的其他可比较图像(例如，其他个体的同一身体部位的图像)。参考数据可以来自被筛查的患者(如果可获得的话)，并且包括如下数据：年龄、吸烟状态的数据、关于酒精和/或药物滥用的数据、身高、体重、遗传风险等，以及来自其他患者的数据，诸如类似的观察结构、类似的风险组等，并且这些数据可以例如从合适的数据库提供。针对能够基于至少一个第一图像分辨患者体内是否可能存在癌症的这样的第一组参数的合适的确定方法可以由技术人员基于所提供的图像的类型、所筛查的癌症等来选择，并且可以根据要筛查的组织、所应用的第一医学成像设备等而不同。在自动确定第一组参数时，可以进行一般的统计分析方法，如ROC(受试者工作特征)曲线确定等。
根据某些实施方式，根据所述至少一个第一图像对第一组参数的自动确定在第一医学成像设备中或者在第一医学成像设备附近进行。
第一组参数不受特别限制，并且可以取决于所筛查的癌症类型。第一组参数可以涉及可以从对患者的组织的至少一个第一图像的分析中获得的任何数据，其不受特别限制。其示例包括疑似患癌的组织的位置、大小、形状、纹理等。
另外，基于第一组参数对是否应该进行后续的筛查步骤的自动确定不受特别限制。同样，可以将第一组参数在其中与参考数据进行比较，该参考数据例如来自进行癌症筛查的同一患者，例如来自较早的筛查，以及/或者来自例如在被筛查的同一组织中患有和/或未患有癌症的其他患者。
根据某些实施方式，基于第一组参数对是否应该进行后续筛查步骤的自动确定可以基于在患者的组织的至少一个第一图像中存在癌症(例如恶性肿瘤)的一定概率，其中，概率可以通过合适的方法来确定，例如统计分析、与参考数据进行比较等。为了确定高到足以给出应该进行后续筛查步骤的建议的概率值，可以考虑不同的方面，例如患者数据、来自其他患者的数据、使用第一医学成像设备的第一步骤的通常特异性和/或灵敏度等。癌症存在的概率可以例如在根据所述至少一个第一图像确定第一组参数时基于图像中的不同参数被计算，并且可以例如取决于癌症的类型，其中不同参数例如为疑似恶性的组织的大小、其位置、组织的纹理等。
此外，对是否应该进行后续筛查步骤的建议的自动显示不受特别限制，其中自动显示优选地在第一显示单元中进行。该自动显示可以发生在第一医学成像设备的一部分、单独的装置、合适的显示单元等中。根据某些实施方式，对是否应该进行后续筛查步骤的建议自动显示发生在第一显示单元中，该第一显示单元可以连接到第一医学成像设备，或者可以与是第一医学成像设备分离。如果该建议被显示在单独的显示装置(例如单独的第一显示单元)中，和/或被转发到下述单独的装置，则这是特别有用的：在该单独的装置处，能够或应该分析患者的组织的至少一个第一图像的医生可以迅速地(例如甚至不需要进入第一医学成像设备所在的房间)获得建议的结果，使得医生可以迅速地决定是否应该进行后续筛查步骤。
在这方面，也可以通过对建议的自动显示来通知与医生不同的人，该人反过来可以通知能够或者应该分析患者的组织的至少一个第一图像的医生，使得医生然后可以决定是否建议后续筛查步骤。当然，对于该建议，医生也可以考虑本方法中提供的第一组参数以及/或者获得或提供的至少一个第一图像。
因此，根据某些实施方式，本方法还包括：自动显示患者的组织的至少一个第一图像和/或冷杉自动显示患者的组织的至少一个第一图像和/或自动确定的第一组参数。可以将对患者的组织的至少一个第一图像和/或自动确定的第一组参数的自动显示与对是否应该进行后续筛查步骤的建议的自动显示相结合。
在第一方面的本方法中，对是否应该进行后续筛查步骤的建议的自动显示发生在获得或提供患者的组织的至少一个第一图像的步骤之后的15分钟内，优选地为10分钟内，进一步优选地为5分钟内，甚至进一步优选地为2分钟内，特别优选地为1分钟内。在这方面，特别优选的是，尽可能快地提供是否进行后续筛查步骤的建议，使得医生或具有类似职责的另一个人可以随后决定是否实际进行后续筛查步骤，使得能够在获得或提供至少一个第一图像之后快速进行后续筛查步骤，即，优选地在被筛查的患者仍在医生办公室和/或医院时进行后续筛查步骤，使得如果需要的话，则可以在之后直接进行后续筛查步骤。
根据某些方面，该方法还包括：
-基于第一组参数自动选择建议的后续筛查步骤；
-自动显示建议的后续筛查步骤；以及可选地
-进行建议的后续筛查步骤。
在这些方面中，基于第一组参数对建议的后续筛查步骤的自动选择和/或对建议的后续筛查步骤的自动显示不受特别限制。
在本文中，基于第一组参数对建议的后续筛查步骤的自动选择不受特别限制。虽然也可以建议多于一个后续筛查步骤，但是根据某些实施方式，基于第一组参数只建议一个后续筛查步骤。特别地，后续筛查步骤也可以例如基于患者数据被适当地调整以适应于患者。
后续筛查步骤不受特别限制，只要该后续筛查步骤使得能够进一步明确患者体内的癌症。在此阶段，也可以查找多于一种癌症，例如，如果第一组参数给出了这方面的建议的话。示例性的后续筛查步骤将在下面给出，并且可以涉及例如在液体活检中对例如要获得的或者之前已经获得的来自患者的样本(例如血液样本)进行分析，以及/或者在第二医学成像设备中进行第二医学成像步骤，该第二医学成像设备可以与第一医学成像设备相同或不同。
另外，建议的后续筛查步骤的自动显示可以与对患者的组织的至少一个第一图像和/或自动确定第一组参数以及/或者关于是否应该进行后续筛查步骤的建议的自动显示一起进行，但是建议的后续筛查步骤当然应该是基于进行后续筛查步骤的建议。然而，自动显示建议的后续筛查步骤也可以与这些其他显示中的任何一个或者所有这些其他显示分开。
对建议的后续筛查步骤的自动显示优选地在与对是否应该进行后续筛查步骤的建议的自动显示大致相同的一段时间内发生，或者至少在不特别长的一段时间内发生。优选地，对建议的后续筛查步骤的自动显示发生在获得或提供患者的组织的至少一个第一图像的步骤之后的15分钟内，优选地在10分钟内，进一步优选地在5分钟内，甚至进一步优选地在2分钟内，特别优选地在1分钟内发生。同样，特别优选的是，如果进行后续筛查步骤，则尽可能快地提出进行后续筛查步骤的建议，使得医生或具有类似职责的另一个人能够随后决定是否实际进行该后续筛查步骤，使得能够在获得或提供至少一个第一图像之后快速进行后续筛查步骤，即优选地在被筛查的患者仍在医生的办公室和/或医院时进行后续筛查步骤，使得如果必要的话，能够直接在之后进行后续筛查步骤。
然而，也有可能的是，对建议的后续筛查步骤的自动显示并不导致在此后不久进行该后续筛查步骤。也有可能的是，建议的后续筛查步骤实际上是根据所怀疑的癌症类型在足够的时间(例如几天、几周或几个月)之后例如再次用第一医学成像设备对组织进行进一步监测。
如果在建议进行后续筛查步骤之后不久就进行该后续筛查步骤，则优选的是在获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像之后的同一天或至少几天内进行后续筛查步骤。然后，在获得或提供第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像之后，优选地在4小时内，优选地小于3小时、优选地在2小时内、进一步优选地在1小时内、进一步优选地在小于1小时内、更优选地在30分钟内，进行至少部分后续筛查步骤，例如在第二医学成像设备中例如采集样本和/或采集至少一个第二图像，第二医学成像设备可以与第一医学成像设备相同或不同。根据某些实施方式，建议的后续筛查步骤在第一步骤之后的4小时内，优选地小于3小时，优选地在2小时内，进一步优选地在1小时内，进一步优选地小于1小时，更优选地在30分钟内进行。
特别地，这对于下述情况有用：如果要求与患者的进一步交互，例如通过获得或提供样本，优选地为液体样本，例如血液样本，以及/或者如果进行使用第二医学成像设备(其可以与第一医学成像设备相同或不同)的进一步筛查，其中，甚至有可能患者可能必须服用诸如对比剂的化合物以改进成像。
可选的进行建议的后续筛查步骤不受特别限制，但优选为基本非侵入性的，进一步优选为非侵入性的。但是进行建议的后续筛查步骤可以包括从患者身上采集样本，这可以通过可以在没有医生在场的情况下进行的常规措施(例如采集血液样本、采集尿液样本等的标准方法)来完成，以及/或者包括患者服用用于在后续筛查步骤中改进成像的一种或更多种化合物(例如用于改进成像的对比剂)，化合物可以被适当地选择并且不受特别限制。关于后续筛查步骤的选择，还可以考虑到另外的数据(例如另外的患者数据)，例如患者是否对要服用的某种化合物过敏和/或患者是否不适合特定筛查方法。
根据某些实施方式，该方法还包括：
-使用第一组参数自动生成针对建议的后续筛查步骤的第一组标准；以及可选地
-使用第一组标准进行建议的后续筛查步骤。
此外，在这方面，使用第一组参数进行的对针对建议的后续筛查步骤的第一组标准的自动生成不受特别限制，并且同样可以涉及使用合适的计算装置(例如包括机器学习工具)，以及使用另外的数据，例如患者数据和/或另外的参考数据。然后，第一组标准可以同样被自动显示和/或自动应用于后续筛查步骤中，并且可以涉及诸如分析步骤和/或要对患者的样本使用的试剂的数据，以及/或者用于随后的第二医学成像步骤的设置。
在这方面，同样可以根据要获得的灵敏度和/或特异性、还考虑到在第一医学成像步骤中获得的结果来调整后续筛查步骤(例如液体活检和/或另外的第二医学成像步骤)和/或第一组标准。
此外，可选的使用第一组标准进行建议的后续筛查步骤不受特别限制，但是优选为基本非侵入性的，进一步优选为非侵入性的。这同样可以包括从患者身上采集样本，这可以通过可以在医生不在场的情况下进行的常规措施(例如采集血液样本、采集尿液样本等的标准方法)来完成，和/或包括患者服用用于在后续筛查步骤中改进成像的一种或更多种化合物(例如用于改进成像的对比剂)，化合物可以被适当地选择并且不受特别限制。关于后续筛查步骤的选择，同样可以考虑到另外的数据(例如另外的患者数据)，例如患者是否对要服用的某种化合物过敏和/或患者是否不适合特定筛查方法。
根据某些实施方式，进行后续筛查步骤，并且该后续筛查步骤涉及对其中获得的数据进行分析。这些数据与在第一步骤中获得的数据(例如至少一个图像和/或第一组参数)的结合使得能够在以下情况下以提高的灵敏度和/或特异性提供对患者的快速诊断，例如，假设后续筛查步骤是液体活检和/或具有经调整的参数的进一步医学成像步骤和/或例如通过给患者提供对比剂来完成患者准备。通过后续筛查步骤，可以使第一步骤的结果(即，第一医学成像设备中的医学成像)得到进一步确认，从而实现提高的诊断确定性，或者使诊断得到修正，在这种情况下，患者不一定必须面临第一个癌症阳性结果，因为后续筛查步骤可以在第一医学成像步骤之后足够短的时间内进行。
根据某些实施方式，第一组标准包括用于在建议的后续筛查步骤中确定特定样本(优选为流体样本)的数据，其中，建议的后续筛查步骤包括确定特定样本(优选为流体样本)。因此，该标准可以基于特定癌症的可能性和/或用于确定某种癌症的容易和/或足够特异的方法，提供对要采集的样本的特定预选择，该样本可以是血液、尿液、唾液、活检标本等。如前所述，也可以在后续筛查步骤中筛查多种癌症，因此，显然也不排除第一组标准中包含多于一个特定样本的数据。
根据某些实施方式，建议的后续筛查步骤包括：
-获得或提供所述患者的样本，该样本优选地为流体样本，特别地为特定样本并且优选地为使用第一组标准确定的流体样本；以及
-使用第一组标准对所述样本进行分析，所述样本优选为流体样本。
可选地，其中，第一组标准包括列表，该列表包含要向样本添加的至少一种试剂，该样本优选为流体样本。
再次地，样本的获得或提供不受特别限制，但是优选地为基本非侵入性的，进一步优选地为非侵入性的。样本的获得或提供同样可以包括：从患者身上采集样本，这可以通过可以在医生不在场的情况下进行的常规措施(例如采集血液样本、采集尿液样本等的标准方法)完成。
当然，在本方法的样本的获得或提供中，也不排除之前已经采集过样本，并考虑或重新考虑将样本用于在后续筛查步骤中进行分析。
在这方面，第一组标准于是可以包含给出关于如何分析样本的指示的数据。例如，第一组标准可以包含关于要在样本中获得特定的遗传和/或表观遗传信息的信息，并且甚至可以包含建议要使用的用于分析样本的特定分析步骤和/或试剂的数据，使得可以通过常规措施有效地进行分析。当然，这些可以适于第一医学成像步骤中的结果，使得可以以适当的方式检查并可能验证其结果。
根据某些实施方式，后续筛查步骤包括液体活检或者是液体活检，这不受特别限制。例如，在已经进行CT扫描作为第一医学成像步骤的情况下，后续筛查步骤可以是液体活检。
液体活检(也被称为流体活检)可以针对患者的合适的液体样本，例如血液、尿液、唾液等进行，并且可以根据样本的类型和要进行的分析以常规的方式进行。
在这方面，第一组标准可以包括在液体活检中要进行的合适步骤的列表以及要考虑的因素，例如要采集的样本的类型(例如血液、尿液、唾液，优选地为血液)、样本中分析的靶的类型(例如循环肿瘤细胞、循环DNA)、样本中评估的变化(例如浓度差异、突变、表观遗传变化如DNA甲基化)等等。在这方面，用于测量和/或分析样本的参数可以适于第一医学成像步骤(即第一步骤)中获得的结果。另外，液体活检中的分析方法可以以第一组标准来适当地确定，例如PCR、下一代测序、质谱分析等。
例如，在CT成像作为第一医学成像步骤的情况下，液体活检中的问题可以是，在仅有小的组织部位被认为包含癌症时该组织是否实际为恶性的，而在液体活检中，在观测到可能是恶性的较大的组织部位时，可以评估哪些治疗可能是合适的。当然，也可以在液体活检中进行多于一种分析，例如进行检查以获得肿瘤标记物以及合适的治疗方法。
根据某些实施方式，第一组标准包括用于在第二医学成像设备中进行第二医学成像步骤的第二组参数，优选地，其中，建议的后续筛查步骤还包括将第二组参数自动输入到第二医学成像设备中，可选地，其中，建议的后续筛查步骤包括在第二医学成像步骤中获得第二医学图像。
当然，也可以除了对从患者采集的样本的分析之外(例如除了液体活检之外)还进行该第二医学成像步骤。
因此，用于在第二医学成像设备中进行第二医学成像步骤的第二组参数不受特别限制，并且可以包含例如对医学成像设备的设置，如照射剂量、分辨率、照射角度、图像采集的精确位置等。在这方面，第二医学成像设备也可以是第一医学成像设备，其中，第二医学成像步骤以不同的参数进行。
因此，根据某些实施方式，第一组标准包括用于在第一医学成像设备中进行第二医学成像步骤的第二组参数，优选地，其中，建议的后续筛查步骤还包括将第二组参数自动输入到第一医学成像设备中，可选地，其中，建议的后续筛查步骤包括在第二医学成像步骤中获得第二医学图像。
特别地，如果第一医学成像设备用于第一医学成像步骤和第二医学成像步骤两者，则优选第二医学成像步骤在第一医学成像步骤之后的短时间内进行。尤其优选的是，患者此时仍处在进行第一医学成像步骤的位置处。例如，作为第二医学成像步骤的低剂量CT扫描可以在作为第一医学成像步骤的超低剂量CT扫描之后进行，其中，可以不要求患者改变位置，并且其中，足够早地作出关于进行第二扫描的决定以在患者没有移动太多的情况下进行该后续成像步骤，例如，在获得或提供患者的组织的至少一个第一图像的步骤之后15分钟内，优选地在10分钟内，进一步优选地在5分钟内，甚至进一步优选地在2分钟内，特别优选地在1分钟内。
将第二组参数自动输入到第一医学成像设备或第二医学成像设备中以用于建议的后续筛查步骤也不受特别限制，并且其可以涉及图像获取参数的自动设置等。另外，在第二医学成像步骤中获得第二医学图像也不受特别限制，并且同样可以取决于医学成像设备的类型、要筛查的癌症等。
根据某些实施方式，该方法还包括：获得来自建议的后续筛查步骤的结果，并且优选地将在第一步骤中获得的第一组参数和/或从中获得的结果以及来自建议的后续筛查步骤的结果以组合呈现的方式进行呈现。其中，呈现的类型不受特别限制。不排除还以从业者(例如医生)易于就最终诊断作出决定的方式将第一步骤和后续筛查步骤的数据组合起来，例如通过显示彼此相邻的两个步骤中的癌症诊断的概率。
此外，还可以获得基于第一步骤和后续筛查步骤的各个结果的癌症总体风险。
根据某些实施方式，将来自建议的后续筛查步骤的结果用于对至少一个第一图像的进一步分析。例如，可以将来自作为后续筛查步骤的液体活检的结果用于对患者的组织的至少一个第一图像进行例如侧重于某些参数、区域等的重复分析。另外，如果在第一步骤中例如在全身扫描期间扫描了多于一个组织并且侧重于一个区域，而在后续筛查步骤中获得了指示癌症的多个结果例如多个突变和/或表观遗传改变，那么也可以对所述至少一个第一图像再次进行分析以检查第一步骤中关注的组织以外的组织中可能的癌症和/或转移。
根据某些实施方式，使用机器学习工具来进行根据所述至少一个第一图像对第一组参数的自动确定，并且优选地进行基于第一组参数对建议的后续筛查步骤的自动选择。
其中机器学习工具不受特别限制，并且可以包括例如使用神经网络、深度学习工具等。
根据某些实施方式，另外，在基于第一组参数自动确定是否应该进行建议的后续筛查步骤时，并且优选地在基于第一组参数自动选择建议的后续筛查步骤时，附加地使用第一组患者数据和/或第二组一般健康相关数据。如前所述，其中患者数据可以包括一般患者数据，如年龄、性别、遗传信息、前期条件、吸烟行为、酒精和/或药物滥用、另外的身体状况、过敏史等。一般健康相关数据可以包括国家和/或地区特定数据，例如建议以及类似体质的患者的比较数据等。
图1至图4示意性地示出了本发明的第一方面的方法的不同实施方式中的示例性步骤序列。
其中图1示意性地示出了第一方面的示例性方法，其中，在步骤1中，获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像。在步骤2中，根据所述至少一个第一图像自动确定第一组参数，并且在步骤3中，基于第一组参数来自动确定是否应该进行后续筛查步骤。在步骤4中，自动显示关于是否应该进行后续筛查步骤的建议。
在图2所示的实施方式中，在如图1中的实施方式所示的步骤1至4之后，另外还进行了下述步骤：步骤5，基于第一组参数自动选择建议的后续筛查步骤；以及步骤6，自动显示建议的后续筛查步骤。
图3的实施方式与图2的实施方式相对应，其中，在步骤6之后发生步骤8，执行建议的后续筛查步骤。
图4中示意性示出的实施方式对应于图3中的实施方式，其中，在步骤6与步骤8之间进行步骤7，使用第一组参数自动生成用于建议的后续筛查步骤的第一组标准，然后该第一组标准可以应用于步骤8。
本发明的第二方面涉及对患者进行癌症筛查的方法，特别地，涉及对患者进行癌症筛查的综合方法，该方法包括：
-在第一步骤中获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像；
-根据所述至少一个第一图像自动确定第一组参数；
-基于第一组参数自动选择建议的后续筛查步骤；
自动显示建议的后续筛查步骤；以及可选地
-进行建议的后续筛查步骤。
在第二方面的方法中，应用了已经针对第一方面的方法描述过的步骤，因此，关于这些步骤的描述也适用于第二方面的该方法。然而，为了完整起见，将根据需要再次详细描述这些步骤。
第二方面的方法特别地是一种综合方法，其将来自第一医学成像设备中的第一步骤(即，第一医学成像步骤)的结果与根据第一医学成像步骤的结果产生的关于后续筛查步骤的建议结合起来。
根据某些实施方式，第二方面的方法中的步骤按给出的顺序进行。
特别地，利用这种方法，可以及早确定对于后续诊断的后续筛查步骤以及在这些后续筛查步骤中使用的参数，从而可以在患者仍处于在第一医学成像设备中使用医学成像获得所述患者的疑似患癌的组织的至少一个第一图像的设施中时进行后续筛查步骤。这为分析这些信息的人员(例如医生)提供了用于决定需要何种后续筛查步骤以得出具有足够的灵敏度和/或特异性的诊断而无需使患者等待最终诊断的工具。
这样可以减少早期不明确诊断甚至误诊的数量，并且同时也可以根据后续筛查步骤获得快速诊断，从而使患者更快地获得最终诊断。
在第一步骤中获得或提供在医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像不受特别限制。特别地，该步骤是非侵入性的。在本方法中，也可以在第一步骤中获得多于一个图像，例如，获得大量图像。
其中的医学成像设备不受特别限制，并且可以应用能够用于扫描患者身体的一部分或用于全身筛查的用于医学成像的设备，例如计算机断层扫描(CT)装置，例如计算机断层扫描仪，例如低剂量计算机断层扫描、磁共振成像(MRI)装置(比如磁共振断层扫描(MRT)装置、正电子发射断层扫描(PET)装置)，例如PET/CT或PET/MRT装置。医学成像设备以及利用该医学成像设备获得或提供至少一个第一图像的方法可以由此适于特定的诊断或预期的诊断，例如使用CT进行肺癌筛查、使用MRI进行乳腺癌筛查等。另外，不排除例如在创伤成像期间、例如在事故后等由出于不同目的的测量提供第一图像。
根据某些实施方式，使用计算机断层扫描和/或使用磁共振成像，特别是低剂量计算机断层扫描或甚至超低剂量计算机断层扫描，获得在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像。同样，剂量可以取决于例如要扫描的组织、组织的位置等。例如，肺部的低剂量CT可以以每次扫描约1mSv至3mSv，例如约2mSv进行，相比之下，在普通CT中一般每次扫描约6mSv。肺部的超低剂量CT甚至可以以约0.5mSv或更少，特别地小于0.5mSv来进行。
特别地，本方法适合于具有降低的灵敏度和/或特异性的低成本医学成像方法。例如，针对例如肺癌可以进行CT测量作为第一医学成像步骤，而针对例如乳腺癌可以使用基于MRI的方法。因此，本方法可以例如针对肺癌筛查，其中，在第一步骤中使用CT测量装置，和/或本方法针对乳腺癌筛查，其中，在第一步骤中使用基于MRI的测量装置。
此外，根据所述至少一个第一图像自动确定第一组参数不受特别限制，只要其自动进行即可。在这方面，任何合适的装置都可以用于自动确定，例如，对至少一个第一图像进行分析的适合的计算装置，该装置可以被集成在第一医学成像设备中和/或可以位于外部。优选地，用于对患者的组织的至少一个图像进行分析(包括根据所述至少一个第一图像自动确定第一组参数)的装置位于第一医学成像设备中，其中，还进行基于第一组参数的对于是否应该进行后续筛查步骤的自动确定。这些装置，尤其计算装置，不受特别限制，并且可以包含用于分析和评估患者的组织的至少一个第一图像的合适算法。根据某些实施方式，该装置可以包括机器学习工具，例如神经网络、深度学习等。
在自动确定第一组参数时对图像的分析不受特别限制。对于图像的分析可以考虑若干因素，例如，疑似患癌的组织的位置和/或大小、这种组织的形状、组织的纹理、其他疑似组织的存在(例如转移)、组织中特征的存在(例如边缘)等。例如，这样的参数对于研究肺癌是公知的，其中，常规地考虑诸如圆度、作为示例性纹理参数的边缘的存在、大小等因素。
此外，可以使用另外的参考数据来进行对第一组参数的自动确定，所述参考数据例如来自用产生可比结果(例如具有同一类型)的同一第一医学成像设备和/或其他医学成像设备记录的其他可比图像(例如，其他个体的同一身体部位的图像)。参考数据可以来自被筛查的患者(如果可获得的话)，并且包括如下数据：年龄、吸烟状态的数据、关于酒精和/或药物滥用的数据、身高、体重、遗传风险等，以及来自其他患者的数据，诸如类似的观察结果、类似的风险组等，并且这些数据可以例如从合适的数据库提供。针对能够基于至少一个第一图像分辨患者体内是否可能存在癌症的这样的第一组参数的合适的确定方法可以由技术人员基于所提供的图像的类型、所筛查的癌症等来选择，并且可以根据要筛查的组织、所应用的第一医学成像设备等而不同。在自动确定第一组参数时，可以进行一般的统计分析方法，如ROC(受试者工作特征)曲线确定等。
根据某些实施方式，根据所述至少一个第一图像的对第一组参数的自动确定在第一医学成像设备中或者在第一医学成像设备附近进行。
第一组参数不受特别限制，并且可以取决于所筛查的癌症类型。第一组参数可以涉及可以根据对患者的组织的至少一个第一图像的分析获得的任何数据，其不受特别限制。其示例包括疑似患癌的组织的位置、大小、形状、纹理等。
此外，基于第一组参数自动选择建议的后续筛查步骤和/或自动显示建议的后续筛查步骤不受特别限制。
在本文中，基于第一组参数对建议的后续筛查步骤的自动选择不受特别限制。虽然也可以建议多于一个后续筛查步骤，但是根据某些实施方式，基于第一组参数只建议一个后续筛查步骤。特别地，后续筛查步骤也可以适当地适于患者，例如基于患者数据。
后续筛查步骤不受特别限制，只要该后续筛查步骤能够进一步明确患者体内的癌症。在此阶段，例如，如果第一组参数给出了相关建议，也可以寻找多于一种癌症。示例性的后续筛查步骤将在下面给出，并且可以涉及例如在液体活检中对例如要获得或者之前已经获得的患者的样本(例如血液样本)进行分析，和/或在第二医学成像设备中进行第二医学成像步骤，第二医学成像设备可以与第一医学成像设备相同或不同。
建议的后续筛查步骤的自动显示可以与对患者的组织的至少一个第一图像和/或自动确定的第一组参数的自动显示一起进行。然而，对建议的后续筛查步骤的自动显示也可以与这些其他显示中的任一者或所有这些其他显示分开。
对建议的后续筛查步骤的自动显示优选地发生在获得或提供患者的组织的至少一个第一图像的步骤之后的15分钟内，优选地在10分钟内，进一步优选地在5分钟内，甚至进一步优选地在2分钟内，特别优选地在1分钟内。特别优选的是，使得能够尽可能快地获得对于后续筛查步骤的建议，以便从业者例如医生或具有类似功能的其他人员可以随后决定是否实际执行该后续筛查步骤，从而可以在获得或提供至少一个第一图像之后迅速进行后续筛查步骤，即，优选地在被筛查的患者仍处于医生办公室和/或医院时进行，以便随后可以直接执行后续筛查步骤。
然而，也可能存在对建议的后续筛查步骤的自动显示并不导致在此后不久进行该后续筛查步骤。也有可能的是，建议的后续筛查步骤实际上是根据所怀疑的癌症类型在足够的时间(例如几天、几周或几个月)之后例如再次用第一医学成像设备对组织进行进一步监测。
如果在建议后续筛查步骤之后不久就进行该后续筛查步骤，则优选地在获得或提供第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像之后的同一天或至少几天内进行后续筛查步骤。然后，在获得或提供第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像之后，优选地在4小时内，优选地小于3小时、优选地在2小时内、进一步优选地在1小时内、进一步优选地在小于1小时内、更优选地在30分钟内，进行至少部分后续筛查步骤，例如在第二医学成像设备中例如采集样本和/或采集至少一个第二图像，第二医学成像设备可以与第一医学成像设备相同或不同。根据某些实施方式，建议的后续筛查步骤在第一步骤之后的4小时内，优选地小于3小时，优选地在2小时内，进一步优选地在1小时内，进一步优选地小于1小时，更优选地在30分钟内进行。
特别地，这对于下述情况有用：如果要求与患者的进一步交互，例如获得或提供样本，优选地为液体样本，例如血液样本，和/或如果进行使用第二医学成像设备(其可以与第一医学成像设备相同或不同)的进一步筛查，其中，甚至有可能患者可能必须服用诸如对比剂的化合物以改进成像。
可选的进行建议的后续筛查步骤不受特别限制，但优选为基本非侵入性的，进一步优选为非侵入性的。但是进行建议的后续筛查步骤可以包括从患者身上采集样本，这可以通过可以在没有医生在场的情况下进行的常规措施(例如采集血液样本、采集尿液样本等的标准方法)来完成，和/或包括患者服用用于在后续筛查步骤中改进成像的一种或更多种化合物(例如用于改进成像的对比剂)，化合物可以被适当地选择并且不受特别限制。关于后续筛查步骤的选择，还可以考虑到另外的数据(例如另外的患者数据)，例如患者是否对要服用的某种化合物过敏和/或患者是否不适合特定筛查方法。
根据某些实施方式，该方法还包括：
-使用第一组参数自动生成针对建议的后续筛查步骤的第一组标准；以及可选地
-使用第一组标准进行建议的后续筛查步骤。
使用第一组参数进行的对用于建议的后续筛查步骤的第一组标准的自动生成不受特别限制，并且同样可以涉及使用合适的计算装置(例如，包括机器学习工具)，以及使用其他数据，例如患者数据和/或其他参考数据。然后，第一组标准可以同样被自动显示和/或自动应用于后续筛查步骤中，并且可以涉及诸如分析步骤和/或要对患者的样本使用的试剂的数据，和/或用于随后的第二医学成像步骤的设置。
在这方面，同样可以根据要获得的灵敏度和/或特异性、还考虑到在第一医学成像步骤中获得的结果来调整后续筛查步骤(例如液体活检和/或进一步的第二医学成像步骤)和/或第一组标准。
此外，可选的使用第一组标准进行建议的后续筛查步骤不受特别限制，但是优选为基本非侵入性的，进一步优选为非侵入性的。这同样可以包括从患者身上采集样本，这可以通过可以在医生不在场的情况下进行的常规措施(例如采集血液样本、采集尿液样本等的标准方法)来完成，和/或包括患者服用用于在后续筛查步骤中改进成像的一种或更多种化合物(例如用于改进成像的对比剂)，化合物可以被适当地选择并且不受特别限制。关于后续筛查步骤的选择，同样可以考虑到另外的数据(例如另外的患者数据)，例如患者是否对要服用的某种化合物过敏和/或患者是否不适合特定筛查方法。
根据某些实施方式，进行后续筛查步骤，并且该后续筛查步骤涉及对其中获得的数据进行分析。这些数据与在第一步骤中获得的数据(例如至少一个图像和/或第一组参数)相结合使得能够以提高的灵敏度和/或特异性提供对患者的快速诊断，例如，假设后续筛查步骤是液体活检和/或具有经调整的参数的进一步医学成像步骤和/或例如通过给患者提供对比剂来进行患者准备。通过后续筛查步骤，可以使第一步骤的结果(即，第一医学成像设备中的医学成像)得到进一步确认，从而实现提高的诊断确定性，或者使诊断得到修正，在这种情况下，患者不一定面临第一个癌症阳性结果，因为后续筛查步骤可以在第一医学成像步骤之后足够短的时间内进行。
根据某些实施方式，第一组标准包括用于在建议的后续筛查步骤中确定特定样本(优选为流体样本)的数据，其中，建议的后续筛查步骤包括确定特定样本(优选为流体样本)。因此，该标准可以基于特定癌症的可能性和/或用于确定某种癌症的容易且/或足够具体的方法，提供对要采集的样本的特定预选择，该样本可以是血液、尿液、唾液、活检标本等。如前所述，也可以在后续筛查步骤中筛查多种癌症，因此，显然也不排除第一组标准中包含多于一个特定样本的数据。
根据某些实施方式，建议的后续筛查步骤包括：
-获得或提供使用第一组标准确定的所述患者的样本，该样本优选地为流体样本，特别地为特定样本并且优选地为流体样本；以及
-使用第一组标准对所述样本进行分析，所述样本优选为流体样本。
可选地，其中，第一组标准包括列表，该列表包含要向样本添加的至少一种试剂，该样本优选为流体样本。
再次说明，样本的获得或提供不受特别限制，但是优选地为基本非侵入性的，进一步优选地为非侵入性的。样本的获得或提供同样可以包括：从患者身上采集样本，这可以通过可以在医生不在场的情况下进行的常规措施(例如采集血液样本、采集尿液样本等的标准方法)完成。
当然，在本方法的样本的获得或提供中，也不排除之前已经采集过样本，并考虑或重新考虑用于在后续筛查步骤中进行分析。
在这方面，第一组标准于是可以包含给出如何分析样本的指示的数据。例如，第一组标准可以包含要在样本中获得特定的遗传和/或表观遗传信息的信息，甚至可以包含建议要使用的用于分析样本的特定分析步骤和/或试剂的数据，以使得可以通过常规措施有效地进行分析。当然，这些可以适于第一医学成像步骤中的结果，从而可以以适当的方式检查并可能验证其结果。
根据某些实施方式，后续筛查步骤包括液体活检或者是液体活检，这不受特别限制。例如，在已经进行CT扫描作为第一医学成像步骤的情况下，后续筛查步骤可以是液体活检。
液体活检(也称为流体活检)可以针对患者的合适的液体样本，例如血液、尿液、唾液等进行，并且可以根据样本的类型和要进行的分析以常规的方式进行。
在这方面，第一组标准可以包括关于液体活检中要进行的合适步骤的列表以及要考虑的因素，例如要采集的样本的类型(例如血液、尿液、唾液，优选地为血液)、样本中分析的目标类型(例如循环肿瘤细胞、循环DNA)、样本中评估的变化(例如浓度差异、突变、表观遗传变化如DNA甲基化)等等。在这方面，用于测量和/或分析样本的参数可以适于第一医学成像步骤(即第一步骤)中获得的结果。另外，液体活检中的分析方法可以在第一组标准中被适当地确定，例如PCR、下一代测序、质谱等。
例如，在CT成像作为第一医学成像步骤的情况下，液体活检中的问题可以是，在仅有小的组织部位被认为包含癌症时该组织是否实际为恶性的，而在液体活检中，在观测到可能是恶性的较大的组织部位时，可以评估哪些治疗可能是合适的。当然，也可以在液体活检中进行多于一种分析，例如进行检查以获得肿瘤标记物以及合适的治疗方法。
根据某些实施方式，第一组标准包括用于在第二医学成像设备中进行第二医学成像步骤的第二组参数，优选地，其中，建议的后续筛查步骤还包括将第二组参数自动输入到第二医学成像设备中，可选地，其中，建议的后续筛查步骤包括在第二医学成像步骤中获得第二医学图像。
当然，也可以除了对从患者采集的样本的分析之外(例如除了液体活检之外)还进行该第二医学成像步骤。
因此，用于在第二医学成像设备中进行第二医学成像步骤的第二组参数不受特别限制，并且可以包含例如对医学成像设备的设置，如照射剂量、分辨率、照射角度、图像采集的精确位置等。在这方面，第二医学成像设备也可以是第一医学成像设备，其中，第二医学成像步骤以不同的参数进行。
因此，根据某些实施方式，第一组标准包括用于在第一医学成像设备中进行第二医学成像步骤的第二组参数，优选地，其中，建议的后续筛查步骤还包括将第二组参数自动输入到第一医学成像设备中，可选地，其中，建议的后续筛查步骤包括在第二医学成像步骤中获得第二医学图像。
特别地，如果第一医学成像设备用于第一医学成像步骤和第二医学成像步骤两者，则优选第二医学成像步骤在第一医学成像步骤之后的短时间内进行。尤其优选的是，患者此时仍在进行第一医学成像步骤的位置处。例如，作为第二医学成像步骤的低剂量CT扫描可以在作为第一医学成像步骤的超低剂量CT扫描之后进行，其中，可以不要求患者改变位置，并且其中，足够早地作出第二扫描的决定以在患者没有移动太多的情况下进行该后续成像步骤，例如，在获得或提供患者的组织的至少一个第一图像的步骤之后15分钟内，优选地在10分钟内，进一步优选地在5分钟内，甚至进一步优选地在2分钟内，特别优选地在1分钟内。
将第二组参数自动输入到第一医学成像设备或第二医学成像设备中以用于建议的后续筛查步骤也不受特别限制，并且其可以涉及图像获取参数的自动设置等。另外，在第二医学成像步骤中获得第二医学图像也不受特别限制，并且同样可以取决于医学成像设备的类型、要筛查的癌症等。
根据某些实施方式，该方法还包括：获得来自建议的后续筛查步骤的结果，并且优选地将在第一步骤中获得的第一组参数和/或从中获得的结果以及来自建议的后续筛查步骤的结果以组合呈现的方式进行呈现。其中，表示类型不受特别限制。不排除还以从业者(例如医生)易于就最终诊断作出决定的方式将第一步骤和后续筛查步骤的数据结合起来，例如通过显示彼此相邻的两个步骤中的癌症诊断的概率。
此外，还可以获得基于第一步骤和后续筛查步骤的各个结果的癌症总体风险。
根据某些实施方式，建议的后续筛查步骤的结果被用于对至少一个第一图像的进一步分析。例如，作为后续筛查步骤的液体活检的结果可以用于对患者的组织的至少一个第一图像进行例如侧重于某些参数、区域等的重复分析。另外，如果在第一步骤中例如在全身扫描期间扫描了多于一个组织并且侧重于一个区域，而在后续筛查步骤中获得了指示癌症的多个结果例如多个突变和/或表观遗传改变，那么也可以对所述至少一个第一图像再次进行分析以检查第一步骤中关注的组织以外的组织中可能的癌症和/或转移。
根据某些实施方式，使用机器学习工具来进行根据所述至少一个第一图像自动确定第一组参数，并且优选地基于第一组参数自动选择建议的后续筛查步骤。
其中的机器学习工具不受特别限制，并且可以包括例如使用神经网络、深度学习工具等。
根据某些实施方式，另外，在基于第一组参数自动确定是否应该进行建议的后续筛查步骤时，并且优选地在基于第一组参数自动选择建议的后续筛查步骤时，还附加地使用第一组患者数据和/或第二组一般健康相关数据。如前所述，其中的患者数据可以包括一般患者数据，如年龄、性别、遗传信息、前期条件、吸烟行为、酒精和/或药物滥用、其他身体状况、过敏史等。一般健康相关数据可以包括国家和/或地区特定的数据，例如建议以及类似体质的患者的比较数据等。
图5至图7示意性地示出了本发明的第二方面的方法的不同实施方式中的示例性步骤序列。
其中图5示意性地示出了第二方面的示例性方法，其中，在步骤1中，获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像。在步骤2中，发生根据所述至少一个第一图像自动确定第一组参数。此后还另外进行下述步骤：步骤5，基于第一组参数自动选择建议的后续筛查步骤；以及步骤6，自动显示建议的后续筛查步骤。
图6的实施方式与图5的实施方式相对应，其中，在步骤6之后发生步骤8，执行建议的后续筛查步骤。
图7中示意性示出的实施方式与图6的实施方式相对应，其中，在步骤6与步骤8之间进行了步骤7：使用第一组参数自动生成用于建议的后续筛查步骤的第一组标准，该第一组标准然后可以应用于步骤8。
还公开了一种计算机程序产品，其包括计算机可执行指令，该指令在被执行时实现根据第一方面和/或第二方面的方法。
在某些实施方式中，计算机程序产品是其上存储有用于执行所述方法的计算机程序的程序命令或程序代码的产品。根据某些实施方式，计算机程序产品是存储介质。根据某些实施方式，计算机程序产品被存储在医学成像设备中，并且连接至该医学成像设备中的其他硬件，例如输入和输出屏幕以及用于设置医学成像设备中的测量参数的硬件。
其中的计算机程序产品可以包括机器学习工具。
本发明还涉及本发明的第一方法和/或第二方法中对该计算机程序产品的使用。
此外，公开了第四方面的医学成像设备，包括：
-用于获得患者的组织的至少一个第一图像的装置；以及
-用于对患者的组织的至少一个图像进行分析的装置，分析包括根据所述至少一个第一图像自动确定第一组参数，其中还进行：基于第一组参数自动确定是否应该进行后续筛查步骤；以及
-用于显示对患者的组织的至少一个图像的分析结果的装置；
还包括：
-用于显示基于第一组参数对是否应该进行后续筛查步骤的自动确定的结果的装置。
利用本发明的该医学成像设备，可以进行本发明的第一方面和/或第二方面特别是第一方面的方法。因此特别关于第一方面的方法的描述也适用于第四方面的医学成像设备。
用于获得患者的组织的至少一个第一图像的装置不受特别限制，但是优选为非侵入性的。所述装置可以例如包括计算机断层图和/或MRI(磁共振成像)扫描仪。
另外，用于对患者的组织的至少一个图像进行分析(包括根据所述至少一个第一图像自动确定第一组参数，其中，还进行基于第一组参数自动确定是否应该进行后续筛查步骤)的装置不受特别限制。所述装置可以包括本发明的计算机程序产品。
此外，用于显示对患者的组织的至少一个图像的分析结果的装置不受特别限制，并且可以包括例如屏幕、显示器、手持式装置如平板电脑、等。
此外，用于显示基于第一组参数对是否应该进行后续筛查步骤的自动确定的结果的装置不受特别限制。可以包括任何形式的显示或者显示的部分，例如，用于显示对患者的组织的至少一个图像的分析结果的装置的一部分。例如，可以包括用于显示对患者的组织的至少一个图像的分析结果的装置上的额外域，其中，该域可以指示基于第一组参数是否应该进行后续筛查步骤的建议。这样的域或显示不受特别限制，并且可以例如是以下形式：具有变化的颜色还可以开始闪烁的按钮、给出更详细建议的文本域、给出声响信号作为应该进行后续筛查步骤的指示的信令单元、上述形式的混合形式等。然而，由于在用于显示基于第一组参数自动确定是否应该进行后续筛查步骤的结果的显示装置实际显示是否应该进行后续筛查步骤时，患者通常仍应在场，因此为了不惊动患者，优选地采用非声响显示。
此外，医学成像设备可以包括用于显示关于后续步骤的建议的装置，这些装置也不受特别限制。可以包括任何形式的显示或者显示的部分，例如，用于显示对患者的组织的至少一个图像的分析结果的装置和/或用于显示基于第一组参数对是否应该进行后续筛查步骤的自动确定的结果的装置的一部分。例如，可以包括在用于显示对患者的组织的至少一个图像的分析结果的装置上的额外域。这样的域或显示不受特别限制，并且可以是给出更详细的建议的文本域的形式等。
在医学成像设备中，用于显示对患者的组织的至少一个图像的分析结果的装置、用于显示基于第一组参数对是否应该进行后续筛查步骤的自动确定的结果的装置，和/或可选地，用于显示关于后续步骤的建议的装置可以结合在第一显示单元中，该第一显示单元不受特别限制，并且可以是连接到医学成像设备的手持式装置，也可以例如是无线连接的屏幕、显示器等。
除了上述特征外，本医学成像设备还可以包括通常存在于医学成像设备中的部件。
图8中示意性地示出了形式为CT装置的示例性医学成像设备9。
在图8中示出了机架14以及供患者13躺在上面的固定装置10，固定装置10包括固定台11和可移动传输板12。
机架14包括：可移动传输板12可以移动通过的隧道状开口19、固定的支承框架15、旋转16、放射源17(特别地用于X射线，从该放射源发出放射18(例如X射线))和检测器20。
利用医学成像设备9，可以以常规方式进行图像获取以及图像分析。
分析结果可以展示在例如手持设备形式的第一显示单元21中(未按比例示出)，第一显示单元21包括：用于显示利用机架14记录的患者的组织的至少一个图像的分析结果的装置22；用于显示基于第一组参数对是否应该进行后续筛查步骤的自动确定的结果的装置24，第一组参数通过对患者组织的至少一个图像进行分析而获得；以及可选地用于显示基于第一组参数的关于后续步骤的建议的装置23。
此外，公开了第五方面的医学成像设备，包括：
-用于获得患者的组织的至少一个第一图像的装置；以及
-用于对患者的组织的至少一个图像进行分析的装置，该分析包括根据所述至少一个第一图像自动确定第一组参数，其中还进行：基于第一组参数自动确定是否应该进行后续筛查步骤；以及
-用于显示对患者的组织的至少一个图像的分析结果的装置；
还包括：
-用于显示基于第一组参数的关于后续筛查步骤的建议的装置。
利用本发明的该医学成像设备，可以进行本发明的第一方面和/或第二方面特别是第二方面的方法。因此特别关于第二方面的方法的描述也适用于第五方面的医学成像设备。
用于获得患者的组织的至少一个第一图像的装置不受特别限制，但是优选为非侵入性的。所述装置可以例如包括计算机断层图和/或MRI(磁共振成像)扫描仪。
另外，用于对患者的组织的至少一个图像进行分析(包括根据所述至少一个第一图像自动确定第一组参数，其中，还进行基于第一组参数自动确定是否应该进行后续筛查步骤)的装置不受特别限制。所述装置可以包括本发明的计算机程序产品。
此外，用于显示对患者的组织的至少一个图像的分析结果的装置不受特别限制，并且可以包括例如屏幕、显示器、手持式装置如平板电脑、等。
此外，医学成像设备包括用于显示关于后续筛查步骤的建议的装置，这些装置也不受特别限制。可以包括任何形式的显示或者显示的部分，例如，用于显示对患者的组织的至少一个图像的分析结果的装置的一部分。例如，可以包括用于显示对患者的组织的至少一个图像的分析结果的装置上的额外域。这样的域或显示不受特别限制，并且可以是例如给出更详细的建议的文本域的形式等。
在医学成像设备中，用于显示对患者的组织的至少一个图像的分析结果的装置以及用于显示关于后续步骤的建议的装置可以结合在第一显示单元中，该第一显示单元不受特别限制，并且可以是连接到医学成像设备的手持式装置，也可以例如是无线连接的屏幕、显示器等。
除了上述特征外，本医学成像设备还可以包括通常存在于医学成像设备中的部件。
在适当的情况下，上述实施方式可以任意组合。本发明的其他可能的实施方式和实现方式还包括前文或下文关于本发明的实施方式中未明确提及的特征的组合。特别地，本领域普通技术人员还将增加个别方面作为对本发明的各个基本形式的改进或补充。
示例
现在将参照其中的几个示例详细描述本发明。然而，这些示例是说明性的，而并不限制本发明的范围。
实现方式示例：肺癌筛查：
在本发明的方法的第一示例性步骤中，执行非常低剂量的筛查性CT，并且通过CAD(计算机辅助诊断；计算机辅助检测)算法对其进行实时分析；为了实时地实现分析，可能需要在集成在CT扫描仪中的处理器上直接运行CAD算法，以避免通过医院网络传输大量数据集的耗时，但是这当然不是对该第一步骤的限制。如果CAD算法检测到可疑病变，则可以趁患者还在诊断单元中、甚至还在CT扫描仪的患者台上时立即触发后续步骤。这些立即的后续步骤可以包括(以增加的剂量进行)具有完整诊断质量的第二次CT扫描和/或抽取血液样本，例如用于液体活检，例如通过搜索循环的细胞游离DNA中的肿瘤特异性突变，以及进行对潜在肿瘤的分子谱分析。
对最初的低剂量CT的CAD分析之后的这些后续步骤可以完全自动执行，或者可以按照法律要求由系统向医师建议这些步骤，并且医生决定和放弃这些接下来的步骤，因此该方法代表了一类临床决策支持系统。
另外，可以包括以下附加步骤：执行POC(point of care，定点照护)实验室测试以了解患者是否能耐受造影剂并利用造影剂执行诊断性CT。
可以基于诊断性CT的放射学结果来触发对该次初始阶段中收集的血液样本执行全面的分子谱分析，以避免不必要的成本。
获得了以下优势。如果筛查性CT为阴性，则患者仅暴露于最小剂量而且没有针对任何附加步骤的费用。CAD算法的结果可以在未来几天内由放射科医师离线验证。另一方面，如果筛查性CT显示出可疑病变，则可以在患者离开机构之前自动触发下一步骤。这避免了假设患者离开而必须联系患者安排新的预约情况下将会产生的延误、费用和不合规问题。医师可以在第一阶段后获得所有相关的诊断数据，包括例如筛查性CT、诊断性CT、分子谱分析等并且可以基于综合数据不拖延地决定治疗方案。
对于健康人来说，与传统的方法相比，使用本方法的费用和副作用不会增加。对于癌症患者来说，可以以最大的速度和准确性并且以个性化方式实现诊断。这可能由于更快地开始精确治疗而改善患者的结果。
通过应用本方法，可以改进筛查程序的准确性。可以优化灵敏度(例如通过CAD算法的参数)以避免遗漏小的病变。可以提高特异性，例如，通过在初始筛查阶段中直接包括来自成像以及分子诊断的附加信息，而不是传达可能造成患者焦虑、可避免的费用和副作用的假阳性发现。
根据第一医学成像学步骤自动确定第一组参数(例如使用自动算法)，并非意在取代医师，而是在与适用标准相当的情况下帮助改进和加快关于下一步诊断和治疗步骤的决策。
本发明实现了取决于先前的筛查和诊断步骤的结果的涵盖不同模式的各种诊断步骤的自动化且个体化实现方式。
Claims (16)
1.一种对患者进行癌症筛查的方法，包括：
-在第一步骤中获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像；
-根据所述至少一个第一图像自动确定第一组参数；
-基于所述第一组参数自动确定是否应该进行后续筛查步骤；以及
-自动显示关于是否应该进行所述后续筛查步骤的建议，优选地在第一显示单元中显示，
其中，在获得或提供所述患者的组织的所述至少一个第一图像的步骤之后的15分钟内，自动显示关于是否应该进行所述后续筛查步骤的建议。
2.根据权利要求1所述的方法，还包括：
-基于所述第一组参数自动选择建议的后续筛查步骤；
-自动显示所述建议的后续筛查步骤；以及可选地
-进行所述建议的后续筛查步骤。
3.根据权利要求2所述的方法，还包括：
-使用所述第一组参数自动生成针对所述建议的后续筛查步骤的第一组标准；以及可选地
-使用所述第一组标准进行所述建议的后续筛查步骤。
4.根据权利要求3所述的方法，其中，所述第一组标准包括用于在所述建议的后续筛查步骤中确定优选地是流体样本的特定样本的数据，其中，所述建议的后续筛查步骤包括确定优选地是流体样本的特定样本。
5.根据权利要求3或4所述的方法，其中，所述建议的后续筛查步骤包括：
-获得或提供所述患者的样本，优选地是流体样本，特别地是根据权利要求4确定的优选地是流体样本的特定样本；以及
-使用所述第一组标准对优选地是流体样本的所述样本进行分析，
可选地，其中，所述第一组标准包括包含要添加到优选地为流体样本的所述样本的至少一种试剂的列表。
6.根据权利要求5所述的方法，其中，所述第一组标准包括用于在第二医学成像设备中进行第二医学成像步骤的第二组参数，优选地，其中，所述建议的后续筛查步骤还包括将所述第二组参数自动输入到所述第二医学成像设备中，可选地，其中，所述建议的后续筛查步骤包括在所述第二医学成像步骤中获得第二医学图像。
7.根据权利要求3或4所述的方法，其中，所述第一组标准包括用于在第二医学成像设备中进行第二医学成像步骤的第二组参数，优选地，其中，所述建议的后续筛查步骤包括将所述第二组参数自动输入到所述第二医学成像设备中，可选地，其中，所述建议的后续筛查步骤包括在所述第二医学成像步骤中获得第二医学图像。
8.根据权利要求2至7中任一项所述的方法，还包括获得来自所述建议的后续筛查步骤的结果，并且优选地，将在所述第一步骤中获得的所述第一组参数和/或从中获得的结果以及来自所述建议的后续筛查步骤的结果以组合呈现的方式进行呈现。
9.根据权利要求8所述的方法，其中，将来自所述建议的后续筛查步骤的结果用于对所述至少一个第一图像的进一步分析。
10.根据前述权利要求中任一项所述的方法，其中，使用计算机断层扫描和/或使用磁共振成像来获得在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的所述至少一个第一图像。
11.根据权利要求2至10中任一项所述的方法，其中，在所述第一步骤之后小于3小时内，优选地小于1小时内进行所述建议的后续筛查步骤。
12.根据前述权利要求中任一项所述的方法，其中，使用机器学习工具来根据所述至少一个第一图像自动确定第一组参数并且优选地基于所述第一组参数来自动选择建议的后续筛查步骤。
13.根据前述权利要求中任一项所述的方法，其中，另外地，在基于所述第一组参数自动确定是否应该进行后续筛查步骤时，并且优选地，在基于所述第一组参数自动选择建议的后续筛查步骤时，另外使用第一组患者数据和/或第二组一般健康相关数据。
14.一种对患者进行癌症筛查的综合方法，包括：
-在第一步骤中获得或提供在第一医学成像设备中使用医学成像得到的所述患者的疑似患癌的组织的至少一个第一图像；
-根据所述至少一个第一图像自动确定第一组参数；
-基于所述第一组参数自动选择建议的后续筛查步骤；
自动显示所述建议的后续筛查步骤；以及可选地
-进行所述建议的后续筛查步骤。
15.一种包括计算机可执行指令的计算机程序产品，所述计算机可执行指令在被执行时，执行根据权利要求1至4、或6至14中任一项所述的方法。
16.一种医学成像设备，包括：
-用于获得患者的组织的至少一个第一图像的装置；以及
-用于分析患者的组织的所述至少一个图像的装置，所述分析包括：根据所述至少一个第一图像自动确定第一组参数，其中，还进行基于所述第一组参数对是否应该进行后续筛查步骤的自动确定；以及
-用于显示患者的组织的所述至少一个图像的分析结果的装置；
还包括：
-用于显示基于所述第一组参数对是否应该进行后续筛查步骤的自动确定的结果的装置。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP18167453.2 | 2018-04-16 | ||
| EP18167453.2A EP3557588A1 (en) | 2018-04-16 | 2018-04-16 | Integrated method for cancer screening |
| PCT/EP2019/055643 WO2019201505A1 (en) | 2018-04-16 | 2019-03-07 | Integrated method for cancer screening |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112154514A true CN112154514A (zh) | 2020-12-29 |
Family
ID=62116177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980034129.5A Pending CN112154514A (zh) | 2018-04-16 | 2019-03-07 | 用于癌症筛查的综合方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11798160B2 (zh) |
| EP (1) | EP3557588A1 (zh) |
| CN (1) | CN112154514A (zh) |
| WO (1) | WO2019201505A1 (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1839391A (zh) * | 2003-06-25 | 2006-09-27 | 美国西门子医疗解决公司 | 用于乳房成像的自动诊断和决策支持的系统和方法 |
| CN101014983A (zh) * | 2004-06-23 | 2007-08-08 | 皇家飞利浦电子股份有限公司 | 虚拟内窥镜检查 |
| US20070239491A1 (en) * | 2002-09-09 | 2007-10-11 | Rao R B | Patient Data Mining for Lung Cancer Screening |
| CN101578630A (zh) * | 2007-01-03 | 2009-11-11 | 皇家飞利浦电子股份有限公司 | 计算机辅助治疗监测 |
| CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪（厦门）医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6560480B1 (en) * | 1994-10-24 | 2003-05-06 | Transscan Medical Ltd. | Localization of anomalies in tissue and guidance of invasive tools based on impedance imaging |
| US20050010098A1 (en) * | 2003-04-11 | 2005-01-13 | Sigmund Frigstad | Method and apparatus for knowledge based diagnostic imaging |
| US8335694B2 (en) * | 2004-07-09 | 2012-12-18 | Bruce Reiner | Gesture-based communication and reporting system |
| US20070021977A1 (en) * | 2005-07-19 | 2007-01-25 | Witt Biomedical Corporation | Automated system for capturing and archiving information to verify medical necessity of performing medical procedure |
| RU2008110491A (ru) * | 2005-08-19 | 2009-09-27 | Конинклейке Филипс Электроникс Н.В. (Nl) | Система управления данными здравоохранения |
| US20080113440A1 (en) * | 2006-10-06 | 2008-05-15 | Leica Biosystems Melbourne Pty Ltd | Method and Apparatus for Tissue Sample Processing |
| US8529446B2 (en) * | 2007-02-09 | 2013-09-10 | Siemens Aktiengesellschaft | Methods for determining parameters and planning clinical studies in automatic study and data management systems |
| US8331636B2 (en) * | 2007-09-11 | 2012-12-11 | Siemens Medical Solutions Usa, Inc. | Automatic calibration of computer aided diagnosis based on retrospective examination |
| WO2009050676A1 (en) * | 2007-10-17 | 2009-04-23 | Koninklijke Philips Electronics N.V. | Pathology-related magnetic resonance imaging |
| US8355928B2 (en) * | 2007-12-05 | 2013-01-15 | Siemens Medical Solutions Usa, Inc. | Medical user interface and workflow management system |
| US20120016691A1 (en) * | 2008-09-30 | 2012-01-19 | Crispian Sievenpiper | Automated patient care resource allocation and scheduling |
| US20110071850A1 (en) * | 2009-09-23 | 2011-03-24 | General Electric Company | Method and system for managing healthcare resources |
| CN105956398A (zh) * | 2010-11-01 | 2016-09-21 | 皇家飞利浦电子股份有限公司 | 包括专有测试的特许使用费的自动化代理的体外诊断测试 |
| EP2856165A4 (en) * | 2012-05-25 | 2016-05-11 | Metavi Labs Inc | AUTOMATIC DETECTION, MONITORING AND ANALYSIS OF CELL MIGRATION IN A 3D MATRIX SYSTEM |
| EP3139222B1 (en) * | 2015-09-04 | 2022-04-13 | F. Hoffmann-La Roche AG | Analytical test management system and method |
| US20190071795A1 (en) * | 2016-03-09 | 2019-03-07 | Molecular Stethoscope, Inc. | Methods and systems for detecting tissue conditions |
| WO2018109556A1 (en) * | 2016-12-12 | 2018-06-21 | Medicrea International | Systems and methods for patient-specific spinal implants |
| US20180190384A1 (en) * | 2017-01-05 | 2018-07-05 | Clear Genetics, Inc. | Automated genetic test counseling |
| US10176896B2 (en) * | 2017-03-01 | 2019-01-08 | Siemens Healthcare Gmbh | Coronary computed tomography clinical decision support system |
| CN107403062B (zh) * | 2017-07-25 | 2021-03-26 | 上海联影医疗科技股份有限公司 | 一种信息处理的方法、装置及电子终端 |
| US10892049B2 (en) * | 2017-12-15 | 2021-01-12 | International Business Machines Corporation | Triage of patient medical condition based on cognitive classification of medical images |
-
2018
- 2018-04-16 EP EP18167453.2A patent/EP3557588A1/en not_active Ceased
-
2019
- 2019-03-07 WO PCT/EP2019/055643 patent/WO2019201505A1/en active Application Filing
- 2019-03-07 US US17/047,115 patent/US11798160B2/en active Active
- 2019-03-07 CN CN201980034129.5A patent/CN112154514A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070239491A1 (en) * | 2002-09-09 | 2007-10-11 | Rao R B | Patient Data Mining for Lung Cancer Screening |
| CN1839391A (zh) * | 2003-06-25 | 2006-09-27 | 美国西门子医疗解决公司 | 用于乳房成像的自动诊断和决策支持的系统和方法 |
| CN101014983A (zh) * | 2004-06-23 | 2007-08-08 | 皇家飞利浦电子股份有限公司 | 虚拟内窥镜检查 |
| CN101578630A (zh) * | 2007-01-03 | 2009-11-11 | 皇家飞利浦电子股份有限公司 | 计算机辅助治疗监测 |
| CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪（厦门）医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11798160B2 (en) | 2023-10-24 |
| WO2019201505A1 (en) | 2019-10-24 |
| US20210201480A1 (en) | 2021-07-01 |
| EP3557588A1 (en) | 2019-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yildirim et al. | Deep learning model for automated kidney stone detection using coronal CT images | |
| US9424644B2 (en) | Methods and systems for evaluating bone lesions | |
| JP5785184B2 (ja) | 画像の医療データ及び非画像の医療データの両者の連続的な記憶及び統合された分析のための診断技術 | |
| CN106880900B (zh) | 用于自动确定造影剂注射方案的方法 | |
| JP7080932B2 (ja) | ワークフロー管理のための方法およびシステム | |
| JP5676269B2 (ja) | 脳画像データの画像解析 | |
| JP2009011829A (ja) | 電子医療記録影響データ取得、処理および表示システムおよび方法 | |
| EP2116974B1 (en) | Statistics collection for lesion segmentation | |
| US20190340751A1 (en) | Method for increasing reading efficiency in medical image reading process using gaze information of user and apparatus using the same | |
| KR20150106491A (ko) | 이종데이터를 이용한 통합진단 및 유사환자 검색 시스템 | |
| US20230196573A1 (en) | Image scanning methods and systems for medical devices | |
| EP3362925B1 (en) | Systems and methods for generating correct radiological recommendations | |
| JP2009009396A (ja) | 検診情報管理システム及び管理方法 | |
| JP7330744B2 (ja) | 医用情報処理装置、オーダリングシステム及びプログラム | |
| US11798160B2 (en) | Integrated method for cancer screening | |
| CN100471446C (zh) | 早期生理突变预测系统 | |
| JP6128383B2 (ja) | ３次元画像解析表示制御装置および方法並びにプログラム | |
| JP2010029659A (ja) | 患者の前立腺に関係するパラメータを求める方法および装置 | |
| JP2023173693A (ja) | 診断支援装置、診断支援方法及びプログラム | |
| US20180032681A1 (en) | Biological feature analysis technique | |
| Mastrodonato et al. | Study on the adoption of an artificial intelligence algorithm for the automatic segmentation of visceral organs. | |
| Zhang et al. | Deep learning-based automated high-accuracy location and identification of fresh vertebral compression fractures from spinal radiographs: a multicenter cohort study | |
| Wang | Reliability study | |
| Yin | Machine learning for non-invasive tissue characterization in body imaging | |
| JP2022118792A (ja) | 読影支援装置及び読影支援方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201229 |