JP2018197651A

JP2018197651A - 疾患鑑別支援装置およびコンピュータプログラム

Info

Publication number: JP2018197651A
Application number: JP2017101224A
Authority: JP
Inventors: 悦子今林; Etsuko Imabayashi; 努相馬; Tsutomu Soma
Original assignee: Fujifilm RI Pharma Co Ltd
Current assignee: Fujifilm RI Pharma Co Ltd
Priority date: 2017-05-22
Filing date: 2017-05-22
Publication date: 2018-12-13
Anticipated expiration: 2037-05-22
Also published as: JP6910205B2

Abstract

【課題】複数の疾患を鑑別するのに有用な疾患特異的関心領域を提供し、当該関心領域に基づく、高い鑑別能を示す指標を提供する。【解決手段】疾患鑑別支援装置１は、健常者データと患者データとを比較して、脳における疾患特異的領域（ＡＤ領域、ＤＬＢ領域）を作成する変化領域作成部１４と、ＡＤ領域とＤＬＢ領域とを比較して、ＡＤ領域からＡＤ領域とＤＬＢ領域とが重なる領域を除いた残りの領域を、ＡＤ関心領域として、ＤＬＢ領域をそのままＤＬＢ関心領域として作成する関心領域作成部１６と、被験者データと健常者データおよび標準偏差データとを用いて、Ｚ値を算出するＺ値算出部２０と、ＡＤ関心領域およびＤＬＢ関心領域と重なる領域について、プラスの値を示すＺ値の合計値の比を指標として算出する指標算出部２２と、指標と所定の閾値を比較して、被験者がＡＤかＤＬＢかを鑑別する鑑別部２５とを備える。【選択図】図１

Description

本発明は、複数の疾患の鑑別を支援するための技術に関する。

認知症には、アルツハイマー型やレビー小体型等の多くの種類があり、アルツハイマー型認知症（ＡＤ）、レビー小体型認知症（ＤＬＢ）の順に患者数が多いが、両者は症状が類似している。

従来、複数患者の脳画像を統計処理することにより、疾患に特異的に血流低下を示す疾患特異的関心領域を作成し、これを被検者の脳に適用して、疾患特異的関心領域における血流状態に基づき診断を行っている。

例えば、ＡＤの疾患特異的関心領域を作成し、被験者の当該関心領域内の血流低下の指標を解析して、重症度や疾患の広がりを観ている。

しかし、ＡＤの疾患特異的関心領域を用いて、被験者がＡＤかＤＬＢかを鑑別することができなかった。

そこで、本発明の目的は、複数の疾患を鑑別するのに有用な疾患特異的関心領域を提供し、当該関心領域に基づく、高い鑑別能を示す指標を提供することである。

本発明の一の態様に従うコンピュータプログラムは、多数の健常者の所定部位の画像に関するデータである健常者データと、第１の疾患を有する多数の患者の前記所定部位の画像に関するデータである第１患者データと、第２の疾患を有する複数の患者の前記所定部位の画像に関するデータである第２患者データと、を記憶する記憶部を有する疾患鑑別支援装置に実行させるためのコンピュータプログラムであって、前記健常者データと、前記第１患者データとを比較して、前記所定部位における前記第１の疾患に関する第１疾患データを作成し、前記健常者データと、前記第２患者データとを比較して、前記所定部位における前記第２の疾患に関する第２疾患データを作成するステップと、前記第１疾患データを、前記第２疾患データに基づき補正して、前記第１の特定の疾患に関する疾患特異的関心領域を示す第１領域データを作成し、前記第２疾患データに基づき前記第２の特定の疾患に関する疾患特異的関心領域を示す第２領域データを作成するステップと、を前記疾患鑑別支援装置に実行させる。

好適な実施形態では、前記第１疾患データは、前記第１の疾患に関する疾患特異的領域を示すデータを、前記第２疾患データは、前記第２の疾患に関する疾患特異的領域を示すデータを有し、前記第１領域データを作成するステップでは、前記第１疾患データの疾患特異的領域から、前記第１疾患データの疾患特異的領域と前記第２疾患データの疾患特異的領域とが重なる領域を除いた残りの領域を、前記第１領域データとして作成してもよい。

好適な実施形態では、前記第１領域データの疾患特異的関心領域と、前記第２領域データの疾患特異的関心領域とは、互いに重ならずに一部が接してもよい。

好適な実施形態では、前記第２疾患データを作成するステップでは、前記第２患者データからなる疾患群と前記健常者データからなる健常者群とを群間比較して、画素毎に統計学的検定を行って、第１有意水準に基づく疾患特異的領域を示す第２−１疾患データと、第２有意水準に基づく疾患特異的領域を示す第２−２疾患データとを前記第２疾患データとして作成し、前記第１領域データおよび前記第２領域データを作成するステップでは、前記第１疾患データの疾患特異的領域から、前記第１疾患データの疾患特異的領域と前記第２−１疾患データの疾患特異的領域とが重なる領域を除いた残りの領域を、前記第１領域データとして作成し、前記第２−２領域データの疾患特異的領域を前記第２領域データとしてもよい。

好適な実施形態では、前記第２領域データを作成するステップでは、前記第２疾患データの疾患特異的領域から、前記第１疾患データの疾患特異的領域と前記第２疾患データの疾患特異的領域とが重なる領域を除いた残りの領域を、前記第２領域データとして作成してもよい。

本発明の他の態様に従うコンピュータプログラムは、被験者の所定部位の画像に関するデータである被験者データと、多数の健常者の所定部位の画像に関するデータである健常者データと、請求項１から請求項５のいずれか一項に記載のコンピュータプログラムにより作成された第１領域データおよび第２領域データと、を記憶する記憶部を有する疾患鑑別支援装置に実行させるコンピュータプログラムであって、前記被験者データと前記健常者データを比較して特徴量を算出するステップと、前記第１領域データの疾患特異的関心領域に関する前記特徴量に基づいて算出した第１特徴量と前記第２領域データの疾患特異的関心領域に関する前記特徴量に基づいて算出した第２特徴量とに基づく指標を算出するステップと、前記指標を出力するステップと、を前記疾患鑑別支援装置に実行させる。

好適な実施形態では、前記特徴量は、前記被験者データと前記健常者データとに基づき算出されるＺ値であってもよい。

好適な実施形態では、前記所定部位の画像は、脳のＳＰＥＣＴ（ＳｉｎｇｌｅＰｈｏｔｏｎＥｍｉｓｓｉｏｎＣｏｍｐｕｔｅｄＴｏｍｏｇｒａｐｈｙ）断層画像、または、ＰＥＴ（ＰｏｓｉｔｒｏｎＥｍｉｓｓｉｏｎＴｏｍｏｇｒａｐｈｙ）断層画像であってもよい。

好適な実施形態では、前記第１の疾患はアルツハイマー型認知症であり、前記第２の疾患はレビー小体型認知症であってもよい。

本発明の一の態様に従う疾患鑑別支援装置は、多数の健常者の所定部位の画像に関するデータである健常者データと、第１の疾患を有する多数の患者の前記所定部位の画像に関するデータである第１患者データと、第２の疾患を有する複数の患者の前記所定部位の画像に関するデータである第２患者データと、を記憶する記憶部と、前記健常者データと、前記第１患者データとを比較して、前記所定部位における前記第１の疾患に関する第１疾患データを作成し、前記健常者データと、前記第２患者データとを比較して、前記所定部位における前記第２の疾患に関する第２疾患データを作成する疾患別データ作成手段と、前記第１疾患データを、前記第２疾患データに基づき補正して、前記第１の特定の疾患に関する疾患特異的関心領域を示す第１領域データを作成し、前記第２疾患データに基づき前記第２の特定の疾患に関する疾患特異的関心領域を示す第２領域データを作成する疾患特異的関心領域作成手段とを備える。

本発明の他の態様に従う疾患鑑別支援装置は、被験者の所定部位の画像に関するデータである被験者データと、多数の健常者の所定部位の画像に関するデータである健常者データと、請求項１０に記載の疾患鑑別支援装置により作成された第３領域データおよび第４領域データと、を記憶する記憶部と、前記被験者データと前記健常者データを比較して特徴量を算出する特徴量算出手段と、前記第１領域データの疾患特異的関心領域に関する前記特徴量に基づいて算出した第１特徴量と前記第２領域データの疾患特異的関心領域に関する前記特徴量に基づいて算出した第２特徴量とに基づく指標を算出する指標算出手段と、前記指標を出力する出力手段とを備える。

本発明によれば、複数の疾患を鑑別するのに有用な疾患特異的関心領域を提供し、当該関心領域に基づく、高い鑑別能を示す指標を提供することができる。

本発明の実施形態に係る疾患鑑別支援装置の全体構成図を示す。健常者データ及び標準偏差データのデータ構造の一例を示す図である。統計学的検定の結果、患者データの全ボクセルをＡＤおよびＤＬＢに関して分類として分けた９つの領域Ｉ〜ＩＸについての説明図を示す。ＡＤ関心領域を作成するための説明図を示す。９つの領域Ｉ〜ＩＸを脳の領域として現した模式図を示す。疾患特異的関心領域を作成する手順を示すフローチャートである。被験者の鑑別を行う手順を示すフローチャートである。

以下、本発明の一実施形態に係る疾患鑑別支援装置およびコンピュータプログラムについて図面を用いて説明する。本実施形態に係る疾患鑑別支援装置およびコンピュータプログラムは、複数の疾患を鑑別するのに有用な疾患特異的関心領域を提供し、当該関心領域に基づく、高い鑑別能を示す指標を提供するものである。

図１に、本実施形態に係る疾患鑑別支援装置１の全体構成図を示す。

本実施形態に係る疾患鑑別支援装置１は、疾患鑑別支援装置本体１０と、疾患鑑別支援装置本体１０に接続された入力装置２、出力装置３及び入出力装置４の一つ以上が接続されている。疾患鑑別支援装置本体１０は、例えば、プロセッサおよびメモリを備えた汎用的なコンピュータシステムにより構成され、以下に説明する疾患鑑別支援装置本体１０内の個々の構成要素または機能は、例えば、コンピュータプログラムを実行することにより実現される。このコンピュータプログラムは、コンピュータが読み取り可能な記録媒体に格納することができる。入力装置２は、例えば、キーボード、ポインティングデバイスなどでよい。出力装置３は、例えば、ディスプレイ装置、プリンタなどでよい。入出力装置４は、例えば、大容量記憶装置あるいはネットワークインタフェース装置などでよい。

疾患鑑別支援装置本体１０には、ＡＤ患者データ記憶部１１Ａと、ＤＬＢ患者データ記憶部１１Ｂと、健常者データ記憶部１２と、正規化処理部１３と、変化領域作成部１４と、疾患特異的領域データ記憶部１５と、関心領域作成部１６と、疾患特異的関心領域データ記憶部１７と、被験者データ記憶部１８と、正規化処理部１９、Ｚ値算出部２０と、Ｚ値データ記憶部２１と、指標算出部２２と、算出データ記憶部２３と、閾値データ記憶部２４と、鑑別部（出力部）２５とを備える。

ＡＤ患者データ記憶部１１Ａは、認知症におけるアルツハイマー型認知症（以下、ＡＤ（Ａｌｚｈｅｉｍｅｒ’ｓＤｉｓｅａｓｅ）という）の、多数の患者の頭部をＳＰＥＣＴ（ＳｉｎｇｌｅＰｈｏｔｏｎＥｍｉｓｓｉｏｎＣｏｍｐｕｔｅｄＴｏｍｏｇｒａｐｈｙ）撮影装置により撮影したＳＰＥＣＴ断層画像の画素毎のボクセル値と、標本数とをＡＤ患者データとして記憶している。本実施形態では、複数の疾患として、およびレビー小体型認知症（以下、ＤＬＢ（ＤｅｍｅｎｔｉａｗｉｔｈＬｅｗｙＢｏｄｉｅｓ）という）患者のそれぞれについて、多数の患者の頭部の患者データを記憶している。ＤＬＢ患者データ記憶部１１Ｂは、認知症におけるレビー小体型認知症（以下、ＤＬＢ（ＤｅｍｅｎｔｉａｗｉｔｈＬｅｗｙＢｏｄｉｅｓ）という）の、多数の患者の頭部のＳＰＥＣＴ断層画像の画素毎のボクセル値と、標本数とをＤＬＢ患者データとして記憶している。また、ＡＤ患者データおよびＤＬＢ患者データは、例えば、入力装置２または入出力装置４を介して取得してもよいし、ＳＰＥＣＴ撮影装置から直接取得してもよい。なお、本実施形態では、ＡＤ患者データは第１患者データに対応し、ＤＬＢ患者データは第２患者データに対応する。

健常者データ記憶部１２は、予め収集しておいた、多数の健常者の脳の断層画像の画素毎のボクセル値の平均値と、標本数とを健常者データとして記憶している。標準偏差データも同様に、正規化された健常者の標準脳の断層画像データを用いて標準偏差を求めたものである。健常者データは、例えば、入力装置２または入出力装置４を介して取得してもよい。

正規化処理部１３は、ＡＤ患者データ記憶部１１Ａに格納されているＡＤ患者データのボクセル値、ＤＬＢ患者データ記憶部１１Ｂに格納されているＤＬＢ患者データのボクセル値、健常者データ記憶部１２に格納されている健常者データのボクセル値を正規化する。ここでは、人の脳の形状及び大きさは、それぞれ個人差があるので、ボクセル値は、所定の形状及び大きさに正規化され、同一の構造に正規化されたＡＤ患者データおよびＤＬＢ患者データと健常者データとが比較される。また、正規化処理部１３は、正規化したＡＤ患者データ、ＤＬＢ患者データ、健常者データに基づき、画素毎にボクセル値の標準偏差を算出する。なお、ＡＤ患者データ記憶部１１Ａ、ＤＬＢ患者データ記憶部１１Ｂ、健常者データ記憶部１２に予め正規化したデータを記憶しておいてもよいし、正規化処理部１３による正規化後のデータをそれぞれＡＤ患者データ記憶部１１Ａ、ＤＬＢ患者データ記憶部１１Ｂ、健常者データ記憶部１２に格納してもよい。

図２は、正規化後の健常者データ及び標準偏差データのデータ構造の一例を示す図である。同図（ａ）の健常者データは、頭の左右方向をＸ軸、前後方向をＹ軸、上下方向をＺ軸としたとき、Ｚ軸方向にＮ枚のＸ−Ｙ断面の画像データからなる。各画像データに含まれるボクセル値は、各画像の画素値と対応する。同図（ｂ）の標準偏差データは、健常者データと同様の構造になっていて、多数の健常者データの平均値である健常者データを算出したときに同時に求めた標準偏差が格納されている。

変化領域作成部１４は、ＡＤ患者データおよびＤＬＢ患者データの脳全体の画素データに基づき、健常者よりも血流が有意に低下している領域を作成する。具体的には、変化領域作成部１４は、正規化処理部１３により正規化されたＡＤ患者データのボクセル値、ＤＬＢ患者データのボクセル値、ＡＤ患者およびＤＬＢ患者の標準偏差、ＡＤ患者およびＤＬＢ患者の標本数、正規化処理部１３により正規化された健常者データのボクセル値、健常者の標準偏差、および健常者の標本数に基づき、画素（ボクセル）毎に統計学的検定（例えば、ｔ検定（片側検定））を行って、ｐ値（有意確率）＜０．０５（または０．０１）の場合に統計学的有意差があるとし、有意差があると判定したボクセルを有意に血流が変化（低下）している領域とする。そして、変化領域作成部１４は、血流が低下しいる全ての領域に基づき、各疾患の疾患特異的領域（ＡＤ領域およびＤＬＢ領域）を示す疾患特異的領域データを作成する。このように、統計学的検定により疾患群と健常者群との群間比較を行い、疾患特異的領域（ＶＯＩ（ＶｏｌｕｍｅｏｆＩｎｔｅｒｅｓｔ））を作成する。なお、ＡＤ領域のデータが第１疾患データに対応し、ＤＬＢ領域のデータが第２疾患データに対応し、変化領域作成部１４は、疾患別データ作成手段に対応する。

疾患特異的領域データ記憶部１５は、変化領域作成部１４により作成された疾患特異的領域データを記憶する。

上記の統計学的検定の結果、ＡＤ患者データおよびＤＬＢ患者データの全ボクセルは、図３に示すように、ＡＤおよびＤＬＢに関して、分類として９つの領域に分けることができる。

図３は、統計学的検定の結果、ＡＤ患者データおよびＤＬＢ患者データの全ボクセルをＡＤおよびＤＬＢに関して分類として分けた９つの領域Ｉ〜ＩＸについての説明図を示している。

図３に示すように、ＡＤについて「正常」、「僅かに低下」、「有意に低下」の３つの分類と、ＤＬＢについて「正常」、「僅かに低下」、「有意に低下」の３つの分類とを掛け合わせることにより、９つの領域Ｉ〜ＩＸに分けている。「正常」および「僅かに低下」は、統計学的検定により有意差がないと判定された区分である。「僅かに低下」は、血流が「有意に低下」ではないが、「正常」よりも低下している区分を示しており、統計学的検定により判定される区分ではなく、「正常」との境界は明確ではないため、「正常」との境界を点線で示している。また、図中の領域Ｉ〜ＩＸは、以下のような内容を示している。
Ｉ：ＤＬＢでは有意に低下し、ＡＤでは正常な領域
ＩＩ：ＤＬＢでは有意に低下し、ＡＤでは僅かに低下している領域
ＩＩＩ：ＤＬＢでは有意に低下し、ＡＤでは有意に低下している領域
ＩＶ：ＤＬＢでは僅かに低下し、ＡＤでは正常な領域
Ｖ：ＤＬＢでは僅かに低下し、ＡＤでは僅かに低下している領域
ＶＩ：ＤＬＢでは僅かに低下し、ＡＤでは有意に低下している領域
ＶＩＩ：ＤＬＢでは正常であり、ＡＤでは正常な領域
ＶＩＩＩ：ＤＬＢでは正常であり、ＡＤでは僅かに低下している領域
ＩＸ：ＤＬＢでは正常であり、ＡＤでは有意に低下している領域

そして、図４（ａ）、（ｂ）に示すように、変化領域作成部１４により作成されたＡＤ領域は、領域ＩＩＩ、ＶＩ、ＩＸに相当し、ＤＬＢ領域は、領域Ｉ、ＩＩ、ＩＩＩに相当する。

また、領域Ｉ〜ＩＸを脳Ｂの領域として模式的に現すと図５のようになる。

図５は、９つの領域Ｉ〜ＩＸを脳の領域として現した模式図を示している。図５に示すように、ＡＤ領域が領域ＩＩＩ、ＶＩ、ＩＸとして、ＤＬＢ領域が領域Ｉ、ＩＩ、ＩＩＩとして現される。

関心領域作成部１６は、ＡＤについての疾患特異的関心領域と、ＤＬＢについての疾患特異的関心領域を作成する。具体的には、関心領域作成部１６は、疾患特異的領域データ記憶部１５に記憶された、各疾患に疾患特異的領域であるＡＤ領域とＤＬＢ領域とを比較して、ＡＤ領域からＡＤ領域とＤＬＢ領域とが重なる領域を除いた残りの領域を、ＡＤ関心領域として作成する。

すなわち、図４（ａ）、（ｂ）、図５に示すように、ＡＤ領域と、ＤＬＢ領域とでは、領域ＩＩＩが互いに重なる領域である。よって、関心領域作成部１６は、ＡＤ領域から領域ＩＩＩを除いた領域ＶＩ、ＩＸをＡＤ関心領域（ＡＤ−ＶＯＩ）として作成する。また、関心領域作成部１６は、ＤＬＢ領域に対しては処理を行わずに、同じ領域Ｉ、ＩＩ、ＩＩＩをＤＬＢ関心領域（ＤＬＢ−ＶＯＩ）とする。このように、関心領域作成部１６は、各疾患の疾患特異的関心領域（ＡＤ関心領域、ＤＬＢ関心領域）を示す疾患特異的関心領域データを作成する。なお、ＡＤ関心領域のデータが第１領域データに対応し、ＤＬＢ関心領域のデータが第２領域データに対応する。また、ＡＤ領域を補正するＤＬＢ領域と、ＤＬＢ関心領域となるＤＬＢ領域との有意水準が同じ場合には、図５に示すように、ＡＤ関心領域とＤＬＢ関心領域とは、互いに重ならず一部が接する領域となる。関心領域作成部１６は、疾患特異的関心領域作成手段に対応する。

疾患特異的関心領域データ記憶部１７は、関心領域作成部１６で作成された疾患特異的関心領域データを記憶する。

被験者データ記憶部１８は、被験者の頭部のＳＰＥＣＴ断層画像の画素毎のボクセル値（以下、被験者データという）をデータとして記憶している。被験者データは、例えば、入力装置２または入出力装置４を介して取得してもよい。

正規化処理部１９は、被験者データ記憶部１８に格納されている被験者の被験者データ（ボクセル値データ）を正規化する。ここでは、正規化後の被験者データを健常者データと比較するので、正規化処理部１９は健常者データと同一の構造に正規化する。なお、被験者データ記憶部１８に予め正規化した被験者データを記憶しておいてもよいし、正規化処理部１９による正規化後の被験者データを被験者データ記憶部１８に格納してもよい。

Ｚ値算出部２０は、被験者データおよび健常者データのそれぞれ対応する画素（同一部位の画素）を対比させてＺ値（特徴量）を算出する。すなわち、Ｚ値算出部２０は、正規化処理部１９で正規化された被験者データのボクセル値と正規化処理部１３で正規化された健常者データのボクセル値（平均値および標準偏差）とを用いて、Ｚ値を算出する。Ｚ値算出部２０は、正規化された被験者データの有効な全画素（つまり、全ボクセル値）について、以下の式を用いてＺ値を算出する。
Ｚ値＝｛（健常者データのボクセル値）−（被験者データのボクセル値）｝／標準偏差

Ｚ値データ記憶部２１は、Ｚ値算出部２０で算出されたＺ値をデータとして記憶する。

指標算出部２２は、疾患特異的関心領域（ＡＤ関心領域、ＤＬＢ関心領域）について、疾患毎にプラスの値を示すＺ値の合計値を算出し、それらの比を指標（ＣＩＳ（ＣｉｎｇｕｌａｔｅＩｓｌａｎｄＳｉｇｎ））として算出する。すなわち、指標算出部２２は、疾患特異的関心領域データ記憶部１７に記憶されたＡＤ関心領域およびＤＬＢ関心領域のそれぞれについて、Ｚ値データ記憶部２１に記憶されたＺ値のうち、プラスの値を示すＺ値の合計値（ＡＤ−ＳＵＭ（第１特徴量）、ＤＬＢ−ＳＵＭ（第２特徴量））をそれぞれ算出し、合計値の比（ＡＤ−ＳＵＭ／ＤＬＢ−ＳＵＭ）をＣＩＳとして算出する。また、Ｚ値算出部２０において、Ｚ値を計算する際に、疾患特異的関心領域データ記憶部１７に記憶されたＡＤ、ＤＬＢ関心領域内のボクセル値（代表値）を求め、その値に対してＺ値を計算し、その値に基づき特徴量（第１特徴量、第２特徴量）を算出してもよい。この場合、Ｚ値データ記憶部２１には、当該特徴量（第１特徴量、第２特徴量）が記憶され、指標算出部２２では、Ｚ値データ記憶部２１に記憶された特徴量に基づき、特徴量の比がＣＩＳとして算出される。

算出データ記憶部２３は、指標算出部２２で算出された算出データである合計値（ＡＤ−ＳＵＭ、ＤＬＢ−ＳＵＭ）およびＣＩＳを記憶する。

閾値データ記憶部２４は、被験者がＡＤ患者かＤＬＢ患者かを鑑別するための所定の閾値を示す閾値データを記憶している。閾値データは、例えば、入力装置２または入出力装置４を介して取得してもよい。

閾値は、作成したＡＤ関心領域およびＤＬＢ関心領域を用いて、ＡＤ患者群およびＤＬＢ患者群についてＣＩＳを算出して、閾値を変化させてＡＤ患者かＤＬＢ患者かを鑑別し、各閾値における真陽性数および真陰性数と、ＡＤ患者数およびＤＬＢ患者数とに基づき感度および特異度を算出して、ＲＯＣ解析（ＲｅｃｅｉｖｅｒＯｐｅｒａｔｉｎｇＣｈａｒａｃｔｅｒｉｓｔｉｃａｎａｌｙｓｉｓ）を行い、感度と特異度との和が最も大きくなる時の閾値を所定の閾値としてもよい。

鑑別部２５は、算出データ記憶部２３に記憶されたＣＩＳと、閾値データ記憶部２４に記憶された閾値とを比較して、被験者がＡＤ患者かＤＬＢ患者かを鑑別し、鑑別結果を出力装置３に出力する。

上記のような構成を備える本実施形態の疾患鑑別支援装置１は、以下に説明する手順で疾患特異的関心領域の作成処理及び被験者の鑑別処理を行う。

図６は、疾患特異的関心領域を作成する手順を示すフローチャートである。

ＡＤ患者データおよびＤＬＢ患者データをそれぞれＡＤ患者データ記憶部１１ＡおよびＤＬＢ患者データ記憶部１１Ｂに保存する（Ｓ１１）。なお、ＡＤ、ＤＬＢ患者データについては、ステップＳ１３で行う正規化された患者データであってもよく、この場合には、ステップＳ１３を省略する。

次に、正規化処理部１３が、記憶されているＡＤ患者データのボクセル値およびＤＬＢ患者データのボクセル値を正規化し、正規化したボクセル値に基づき、画素毎にボクセル値の標準偏差を算出する（Ｓ１３）。

健常者データを健常者データ記憶部１２に保存する（Ｓ１５）。なお、ステップＳ１１、Ｓ１５において保存されるデータが既に準備されているときには、それぞれ対応するステップを省略してもよい。その後、正規化処理部１３が、記憶されている健常者データを正規化し、正規化した健常者データに基づき、画素毎にボクセル値の標準偏差を算出する（Ｓ１６）。

変化領域作成部１４は、正規化されたＡＤ患者データおよびＤＬＢ患者データのボクセル値、ＡＤ患者およびＤＬＢ患者の標準偏差、ＡＤ患者およびＤＬＢ患者の標本数、健常者データ記憶部１２に記憶されている健常者データのボクセル値、健常者の標準偏差、および健常者の標本数に基づき、画素（ボクセル）毎に統計学的検定を行って、ｐ値＜０．０５（または０．０１）の場合に統計学的有意差があるとし、有意差があると判定したボクセルを有意に血流が変化（低下）している変化領域として作成する（Ｓ１７）。作成された領域は、各疾患の疾患特異的領域（ＡＤ領域およびＤＬＢ領域）であり、当該領域は疾患特異的領域データ記憶部１５に記憶される。なお、変化領域作成部１４は、ＤＬＢ領域の作成に関し、第１有意水準および第２有意水準（０．０５、０．０１）を用いて、２つの変化領域のデータ（第２−１領域データ、第２−２領域データ）を作成してもよい。

関心領域作成部１６は、疾患特異的領域データ記憶部１５に記憶されたＡＤ領域とＤＬＢ領域とを比較して、ＡＤ領域からＡＤ領域とＤＬＢ領域とが重なる領域を除いた残りの領域を、ＡＤ関心領域として、ＤＬＢ領域をそのままＤＬＢ関心領域として作成する（Ｓ１９）。また、作成されたＡＤ関心領域およびＤＬＢ関心領域は、疾患特異的関心領域データ記憶部１７に記憶される。なお、変化領域作成部１４で、ＤＬＢ領域の作成に関し、第１有意水準および第２有意水準（０．０５、０．０１）を用いて２つの変化領域を作成した場合には、一方の変化領域をＡＤ関心領域を作成するのに用い、他方の変化領域をＤＬＢ関心領域としてもよい。

そして、ステップＳ１９の後、疾患特異的関心領域作成処理が終了する。

次に、被験者の鑑別処理について説明する。

図７は、被験者の鑑別を行う手順を示すフローチャートである。

まず、被験者データを被験者データ記憶部１８に保存する（Ｓ２１）。

次に、正規化処理部１９が、被験者データ記憶部１８に記憶されている被験者データを正規化する（Ｓ２３）。

Ｚ値算出部２０は、正規化処理部１９で正規化された被験者データと正規化処理部１３で正規化された健常者データのボクセル値（平均値および標準偏差）を用いて、Ｚ値を算出する（Ｓ２５）。算出されたＺ値は、Ｚ値データ記憶部２１に記憶される。

指標算出部２２は、疾患特異的関心領域データ記憶部１７に記憶されたＡＤ関心領域およびＤＬＢ関心領域のそれぞれについて、Ｚ値データ記憶部２１に記憶されているＺ値に関し、疾患毎にプラスの値を示すＺ値の合計値（ＡＤ−ＳＵＭ（第１特徴量）、ＤＬＢ−ＳＵＭ（第２特徴量））を算出し、それらの比を指標（ＣＩＳ：ＡＤ−ＳＵＭ／ＤＬＢ−ＳＵＭ）として算出する（Ｓ２７）。算出されたＣＩＳは、算出データ記憶部２３に記憶される。

次に、本実施形態の方法により作成したＡＤ関心領域およびＤＬＢ関心領域を用いて算出したＣＩＳによる、ＡＤとＤＬＢの鑑別能を評価した結果について説明する。。

ＡＤ関心領域およびＤＬＢ関心領域は、以下に示す領域を用いた。
・ＡＤ関心領域
Ｎ１：ｐ値（有意確率）＜０．０１（有意水準）で作成したＡＤ領域から、ｐ値＜０．０１で作成したＤＬＢ領域と重なる領域を除いて作成したＡＤ関心領域
Ｎ２：ｐ値＜０．０１で作成したＡＤ領域から、ｐ値＜０．０５で作成したＤＬＢ領域と重なる領域を除いて作成したＡＤ関心領域
・ＤＬＢ関心領域
Ｄ１：ｐ値＜０．０１で作成したＤＬＢ関心領域
Ｄ２：ｐ値＜０．０５で作成したＤＬＢ関心領域

ＡＤ患者１３例およびＤＬＢ患者１３例を鑑別対象とした。当該鑑別対象について、上記のＡＤ、ＤＬＢ関心領域を用いてＺ値を求めてＣＩＳを算出し、閾値を変化させて、ＡＤ患者かＤＬＢ患者かを鑑別し、各閾値における真陽性数および真陰性数と、ＡＤ患者数およびＤＬＢ患者数とに基づき感度および特異度を算出して、ＲＯＣ解析を行って、ＡＵＣ（Ａｒｅａｕｎｄｅｒｔｈｅｃｕｒｖｅ）により評価を行った。当該評価結果を以下の表１に示す。
（表１）

表１に示すように、ＡＵＣは０．８５２〜０．８８２の値を示し、総じて高い鑑別能が得られた。なお、Ｎ２／Ｄ１の組み合わせが最も高い鑑別能が得られた。

このように、ＡＤで有意な血流低下を示す領域であって、ＤＬＢで有意な血流低下が認められない領域をＡＤ関心領域（疾患特異的関心領域）とし、ＤＬＢで有意な血流低下が認められる領域をＤＬＢ関心領域（疾患特異的関心領域）として、被験者データおよび健常者データに基づきＺ値を算出し、ＡＤ関心領域およびＤＬＢ関心領域におけるプラスのＺ値の合計の比をＣＩＳとすることにより、高い鑑別能を示すＣＩＳを提供することができる。

上述した本発明の実施形態は、本発明の説明のための例示であり、本発明の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。

例えば、本実施形態では、ＳＰＥＣＴによる断層画像を用いたが、ＳＰＥＣＴ以外にもＰＥＴ（ＰｏｓｉｔｒｏｎＥｍｉｓｓｉｏｎＴｏｍｏｇｒａｐｈｙ）、Ｘ線ＣＴ、ＭＲＩによる断層画像を用いてもよい。疾患は、ＡＤおよびＤＬＢ以外の他の疾患であってもよい。

また、上記の実施形態では、ＡＤで有意な血流低下を示す領域であって、ＤＬＢで有意な血流低下が認められない領域をＡＤ関心領域（疾患特異的関心領域）とし、ＤＬＢで有意な血流低下が認められる領域をＤＬＢ関心領域（疾患特異的関心領域）として、被験者データおよび健常者データに基づきＺ値を算出し、ＡＤ関心領域およびＤＬＢ関心領域におけるプラスのＺ値の合計の比をＣＩＳとした。しかし、ＡＤで有意な血流低下が認められる領域をＡＤ関心領域（疾患特異的関心領域）とし、ＤＬＢで有意な血流低下を示す領域であって、ＡＤで有意な血流低下が認められない領域をＤＬＢ関心領域（疾患特異的関心領域）とし、被験者データおよび健常者データに基づきＺ値を算出し、ＡＤ関心領域およびＤＬＢ関心領域におけるプラスのＺ値の合計の比をＣＩＳとしてもよい。すなわち、ＤＬＢ領域から、ＤＬＢ領域とＡＤ領域とが重なる領域を除いた残りの領域を、ＤＬＢ関心領域とし、ＡＤ領域をそのままＡＤ関心領域としてもよい。

また、上記の実施形態では、ＳＰＥＣＴによる脳の血流の変化に基づき疾患の鑑別を行ったが、ＰＥＴによる糖の代謝の変化に基づき疾患の鑑別を行ってもよい。この場合、変化領域作成部１４では代謝の変化に基づきＡＤ領域等が作成され、当該領域に基づきＡＤ関心領域等が作成され、疾患の鑑別が行われる。

また、上記の実施形態では、関心領域作成部１６は、ＤＬＢ領域をそのままＤＬＢ関心領域として作成したが、ＤＬＢ領域からＡＤ領域とＤＬＢ領域とが重なる領域を除いた残りの領域を、ＤＬＢ関心領域（図４（ｂ）における領域Ｉ、ＩＩ）として作成してもよい。また、鑑別部２５は、鑑別結果を出力装置に出力したが、鑑別結果に加え又は替えて、指標であるＣＩＳを出力してもよいし、ＣＩＳと閾値とを出力してもよい。

また、上記の実施形態は、変化領域作成部１４において、血流が低下しいる全ての領域に基づき、各疾患の疾患特異的領域（ＡＤ領域およびＤＬＢ領域）を示す疾患特異的領域データを作成し、疾患特異的領域データ記憶部１５は、疾患特異的領域データを記憶し、関心領域作成部１６は、ＡＤ領域とＤＬＢ領域とを比較して、ＡＤ領域からＡＤ領域とＤＬＢ領域とが重なる領域を除いた残りの領域を、ＡＤ関心領域として作成したが、これに限らない。例えば、変化領域作成部１４は、各疾患の疾患特異的領域（ＡＤ領域およびＤＬＢ領域）を作成した後、各領域内の全画素について、ＡＤ患者データおよびＤＬＢ患者データと、健常者データとを群間比較して、ＡＤ患者、ＤＬＢ患者毎に統計値を算出し、当該統計値と各領域内の全画素の座標を、疾患特異的領域データ記憶部１５に記憶させてもよい。そして、関心領域作成部１６は、ＡＤ領域内の画素のうち、同じ座標であるＤＬＢ領域内の画素の統計値同士を比較し、比較結果に基づき、ＡＤ関心領域を作成するようにしてもよい。例えば、統計値がＺ値であり、同じ座標の画素におけるＡＤ患者のＺ値とＤＬＢ患者のＺ値とを差分して、その値が所定の値より小さければ、その座標のデータをＡＤ関心領域から除外するようにしてもよい。

１疾患鑑別支援装置、２入力装置、３表示装置、４入出力装置、１０疾患鑑別支援装置本体、１１患者データ記憶部、１２健常者データ記憶部、１３正規化処理部、１４変化領域作成部、１５疾患特異的領域データ記憶部、１６関心領域作成部、１７疾患特異的関心領域データ記憶部、１８被験者データ記憶部、１９正規化処理部、２０Ｚ値算出部、２１Ｚ値データ記憶部、２２指標算出部、２３算出データ記憶部、２４閾値データ記憶部、２５識別部

Claims

多数の健常者の所定部位の画像に関するデータである健常者データと、第１の疾患を有する多数の患者の前記所定部位の画像に関するデータである第１患者データと、第２の疾患を有する複数の患者の前記所定部位の画像に関するデータである第２患者データと、を記憶する記憶部を有する疾患鑑別支援装置に実行させるためのコンピュータプログラムであって、
前記健常者データと、前記第１患者データとを比較して、前記所定部位における前記第１の疾患に関する第１疾患データを作成し、前記健常者データと、前記第２患者データとを比較して、前記所定部位における前記第２の疾患に関する第２疾患データを作成するステップと、
前記第１疾患データを、前記第２疾患データに基づき補正して、前記第１の特定の疾患に関する疾患特異的関心領域を示す第１領域データを作成し、前記第２疾患データに基づき前記第２の特定の疾患に関する疾患特異的関心領域を示す第２領域データを作成するステップと、を前記疾患鑑別支援装置に実行させるためのコンピュータプログラム。
前記第１疾患データは、前記第１の疾患に関する疾患特異的領域を示すデータを、前記第２疾患データは、前記第２の疾患に関する疾患特異的領域を示すデータを有し、
前記第１領域データを作成するステップでは、
前記第１疾患データの疾患特異的領域から、前記第１疾患データの疾患特異的領域と前記第２疾患データの疾患特異的領域とが重なる領域を除いた残りの領域を、前記第１領域データとして作成する、請求項１に記載のコンピュータプログラム。
前記第１領域データの疾患特異的関心領域と、前記第２領域データの疾患特異的関心領域とは、互いに重ならずに一部が接している、請求項１または請求項２に記載のコンピュータプログラム。
前記第２疾患データを作成するステップでは、
前記第２患者データからなる疾患群と前記健常者データからなる健常者群とを群間比較して、画素毎に統計学的検定を行って、第１有意水準に基づく疾患特異的領域を示す第２−１疾患データと、第２有意水準に基づく疾患特異的領域を示す第２−２疾患データとを前記第２疾患データとして作成し、
前記第１領域データおよび前記第２領域データを作成するステップでは、
前記第１疾患データの疾患特異的領域から、前記第１疾患データの疾患特異的領域と前記第２−１疾患データの疾患特異的領域とが重なる領域を除いた残りの領域を、前記第１領域データとして作成し、前記第２−２領域データの疾患特異的領域を前記第２領域データとする、請求項２に記載のコンピュータプログラム。
前記第２領域データを作成するステップでは、
前記第２疾患データの疾患特異的領域から、前記第１疾患データの疾患特異的領域と前記第２疾患データの疾患特異的領域とが重なる領域を除いた残りの領域を、前記第２領域データとして作成する、請求項２に記載のコンピュータプログラム。
被験者の所定部位の画像に関するデータである被験者データと、多数の健常者の所定部位の画像に関するデータである健常者データと、請求項１から請求項５のいずれか一項に記載のコンピュータプログラムにより作成された第１領域データおよび第２領域データと、を記憶する記憶部を有する疾患鑑別支援装置に実行させるコンピュータプログラムであって、
前記被験者データと前記健常者データを比較して特徴量を算出するステップと、
前記第１領域データの疾患特異的関心領域に関する前記特徴量に基づいて算出した第１特徴量と前記第２領域データの疾患特異的関心領域に関する前記特徴量に基づいて算出した第２特徴量とに基づく指標を算出するステップと、
前記指標を出力するステップと、を前記疾患鑑別支援装置に実行させるためのコンピュータプログラム。
前記特徴量は、前記被験者データと前記健常者データとに基づき算出されるＺ値である、請求項６に記載のコンピュータプログラム。
前記所定部位の画像は、脳のＳＰＥＣＴ（ＳｉｎｇｌｅＰｈｏｔｏｎＥｍｉｓｓｉｏｎＣｏｍｐｕｔｅｄＴｏｍｏｇｒａｐｈｙ）断層画像、または、ＰＥＴ（ＰｏｓｉｔｒｏｎＥｍｉｓｓｉｏｎＴｏｍｏｇｒａｐｈｙ）断層画像である、請求項１から請求項７のいずれか一項に記載のコンピュータプログラム。
前記第１の疾患はアルツハイマー型認知症であり、前記第２の疾患はレビー小体型認知症である、請求項１から請求項８のいずれか一項に記載のコンピュータプログラム。
多数の健常者の所定部位の画像に関するデータである健常者データと、第１の疾患を有する多数の患者の前記所定部位の画像に関するデータである第１患者データと、第２の疾患を有する複数の患者の前記所定部位の画像に関するデータである第２患者データと、を記憶する記憶部と、
前記健常者データと、前記第１患者データとを比較して、前記所定部位における前記第１の疾患に関する第１疾患データを作成し、前記健常者データと、前記第２患者データとを比較して、前記所定部位における前記第２の疾患に関する第２疾患データを作成する疾患別データ作成手段と、
前記第１疾患データを、前記第２疾患データに基づき補正して、前記第１の特定の疾患に関する疾患特異的関心領域を示す第１領域データを作成し、前記第２疾患データに基づき前記第２の特定の疾患に関する疾患特異的関心領域を示す第２領域データを作成する疾患特異的関心領域作成手段と、を備える疾患鑑別支援装置。
被験者の所定部位の画像に関するデータである被験者データと、多数の健常者の所定部位の画像に関するデータである健常者データと、請求項１０に記載の疾患鑑別支援装置により作成された第３領域データおよび第４領域データと、を記憶する記憶部と、
前記被験者データと前記健常者データを比較して特徴量を算出する特徴量算出手段と、
前記第１領域データの疾患特異的関心領域に関する前記特徴量に基づいて算出した第１特徴量と前記第２領域データの疾患特異的関心領域に関する前記特徴量に基づいて算出した第２特徴量とに基づく指標を算出する指標算出手段と、
前記指標を出力する出力手段と、を備える疾患鑑別支援装置。