JP2019512351A - 適応放射線治療計画 - Google Patents

Abstract

本発明は、患者の身体の標的領域内の標的構造を治療するための放射線治療の治療計画を適応させるシステム及び方法に関するものであり、計画ユニット７は、前記治療計画を前記標的領域の解剖学的構成による単位強度放射当たりの該標的領域に対する放射線の影響を定量化する一群の影響パラメータに基づいて適応させる。記憶部８には、複数群の影響パラメータが記憶され、各群は前記標的領域の特定の解剖学的構成を表す前記身体の領域の画像に関連付けられる。前記計画ユニット７は、影響パラメータの群を前記記憶された複数の群から前記身体の領域のキャプチャされた画像と前記影響パラメータの複数の群に関連付けられた画像のうちの少なくとも１つとの間の比較に基づいて選択するよう構成される。

Description

本発明は、広くは、患者の外部ビーム放射線治療処置の計画に関する。更に詳細には、本発明は患者に対する放射線治療の治療計画を適応させるシステム、方法及びコンピュータプログラムに関する。

外部ビーム放射線治療においては、癌細胞の成長を制御し又は癌細胞を死滅させるために、患者体内の腫瘍等の標的構造にイオン化放射線が供給される。放射線治療は、通常、複数のセッション（当業技術においては、治療画分（treatment fractions）とも称される）で施される。所謂、強度変調放射線治療（ＩＭＲＴ）等の一層進化したタイプの放射線治療においては、患者身体の領域に正確な放射線量が供給される。この点に関し、標的構造に対しては十分に高い放射線量が供給される一方、該標的構造の近傍における敏感な構造（臓器等）は可能な限り免れさせることが典型的に目標となる。

放射線を供給すると共に放射線治療装置を制御するための治療パラメータは、治療計画において定められる。治療計画は計画システムにおいて発生され、斯かる計画システムは、特に、所謂逆方向計画手順を用いることができる。このような手順においては、標的構造及び免れるべき周囲の構造が識別されると共に、治療目標が指定される。このような治療目標は、患者の特定の領域に供給される放射線量に関する要件及び／又は特定の領域に供給される放射線量に関する制約を指定することができる目標を含む。次いで、指定された治療目標を充足する治療計画を見付けるために最適化処理が実行される。この最適化処理は、通常、操作者（例えば、医師）が当該治療計画から生じる線量分布を幾つかのステップで見直すと共に、最適な線量分布を見付けるために当該治療目標に対して変更を行うような操作者誘導型手順である。

従来、このような逆方向計画手順は、当該放射線治療の間に変化しないような、当該関心領域の静止した解剖学的構造に基づいて実行されている。しかしながら、斯かる関心領域の解剖学的構造は、通常、放射線治療の間に変化する。従って、腫瘍の形状は、自身の自然な進行により（通常、該腫瘍の成長となる）及び、とりわけ、当該放射線治療の効果により（当該腫瘍の（正味の）収縮となる）変化する。更に、腫瘍の位置は２つの治療画分の実施の間の期間において変化し得る（所謂、画分間移動）と共に、腫瘍の関連する移動は単一の治療画分の間においても生じ得る（所謂、画分内移動）。このような画分内移動の大きさは治療画分の持続時間によって変化し、通常、当該腫瘍を有する身体領域にも依存する。腫瘍の一層大きな画分内移動が生じ得る１つの身体領域は、前立腺である。

（静止した）解剖学的構造に基づいて発生されたオリジナルの治療計画が、標的構造の収縮及び／又は腫瘍の移動の後に用いられるとしたら、健康な組織に高い放射線量を供給することにより斯かる健康組織に影響を与えるという高いリンクが存在する。

この問題に対処するための１つのアプローチは、所謂適応放射線治療（adaptive radiation therapy）である。このアプローチによれば、変化した解剖学的構造を決定するために当該放射線治療の過程の間において関心領域の画像がキャプチャされる。次いで、治療計画を該変化した解剖学的構造に適応させるために再計画手順が実行される。しかしながら、該再計画手順は、通常、非常に高度の計算的複雑さを伴う。特に、該再計画手順は、キャプチャされた画像に対する所謂影響行列（influence matrix）の決定を含む。当該関心領域の各体積要素（ボクセル）に関して、該影響行列は、当該放射線ビームの全ての部分（所謂、ビームレット）からの単位強度放射毎の当該ボクセルにより吸収される線量を定量化する。特に該行列の計算に含まれる計算的複雑さにより、再計画手順は、通常、非常に低速である。

従って、適応放射線治療における再計画は、“オフラインで”即ち治療画分の間に実施されねばならない。結果として、２つの治療画分の間の標的構造の形状の変化及び標的構造の画分間移動等の、関心領域の解剖学的構造の画分間変化を考慮することのみが可能となる。しかしながら、関心領域の解剖学的構造の画分内変化を考慮に入れることは（過度の労力無しでは）不可能である。

ヨーロッパ特許出願公開第1977788号は、移動する関心領域に対して放射線治療を施すシステムを開示している。該システムは、関心領域の異なる呼吸軌道に対する一群の４Ｄ治療計画を発生し、各計画は１つの呼吸軌道に対して最適化される。治療の実施の間において、当該関心領域の決定された位置に基づいて適切な計画が特別に選択され、その場合において、該システムは特に当該関心領域の軌道を上記位置データから決定すると共に該決定された軌道に対応する計画を選択する。

本発明の目的は、患者身体の照射領域の解剖学的構造が治療の間において変化した場合において該放射線治療処置の余り計算的に複雑でない再計画を可能にすることである。

一態様において、本発明は、患者身体の標的領域内の標的構造を治療するための放射線治療の治療計画を適応させるシステムであって、該治療計画が前記標的領域への放射線の供給を制御するための照射パラメータを含むシステムを提案する。該システムは、（ｉ）前記治療計画を前記標的領域の解剖学的構成に従う単位強度放射当たりの前記標的領域に対する放射線の影響を定量化する一群の影響パラメータ（influence parameters）に基づいて適応させるよう構成された計画ユニットと、（ii）複数群の影響パラメータを記憶する記憶部であって、各群が前記標的領域の特定の解剖学的構成を表す前記身体領域の画像に関連付けられた記憶部と、（iii）前記身体の領域の画像を取得するよう構成された撮像ユニットと、を有する。前記計画ユニットは、前記影響パラメータの群を前記記憶された複数の群から前記取得（キャプチャ）された画像と前記影響パラメータの複数の群に関連付けられた画像のうちの少なくとも１つとの間の比較に基づいて選択するよう構成される。

前記計画ユニットは当該システムの記憶部に記憶された影響パラメータを使用するので、治療計画を適応させる際に影響パラメータを計算する必要がない。このように、放射線治療の処置は標的領域の取得された画像に基づいて計画し直す（再計画する）ことができ、該再計画は余り計算的複雑さを伴わない。各群の影響パラメータは、影響行列（influence matrix）の要素を有することができる。これらの要素は、当該放射線治療に先立ち事前に計算することができ、当該システムの前記記憶部に前記各画像に関連付けて記憶することができる。

一実施態様において、前記放射線治療の治療は複数の期間において施され、前記計画ユニットはｋ番目の期間における前記標的構造への放射線の供給を制御するための更新された照射パラメータを決定するよう構成される。ここで、ｋ番目の期間とは、当該放射線治療の治療における如何なる期間とすることもできる。このように、前記計画ユニットは特定の期間のための照射パラメータを該期間の直前に取得され得る画像に基づいて決定することができる。

他の実施態様において、前記計画ユニットは、前記選択された群の影響パラメータに基づいて前記ｋ番目の期間に関する照射パラメータのみを決定するよう構成される。この実施態様においては、ｋ番目の期間に関する照射パラメータが、当該治療計画を適応させる場合に決定されるべき唯一の変数パラメータである。この構成は、治療計画の一層大きな部分（例えば、ｋ番目及び後続する期間）の更新を含む手順と比較して計算的複雑さを更に低減することを可能にする。

一実施態様において、放射線ビームと前記標的構造との間の相対的向きは前記放射線治療の間に変化し、前記期間の各々は放射線ビームと前記標的構造との間の一定の相対的向きを伴う期間に対応する。このような期間は、ビュー（view）とも称される。この実施態様において、前記計画ユニットは、事実上、当該治療計画の“単一ビュー最適化”を実行することができる（即ち、該計画ユニットは特に特定の（ｋ番目の）ビューに関して照射パラメータを最適化することができる）。

一実施態様において、前記計画ユニットは前記更新された照射パラメータを前記ｋ番目の期間の前の放射線治療の間に前記標的領域に供給された放射線線量分布に基づいて決定するよう構成される。特に、前に供給された放射線線量分布は、前に取得された画像及び関連する記憶された影響パラメータに基づいて決定された照射パラメータを用いて供給されたものとすることができる。この場合、前記計画ユニットは、上記前に供給された放射線線量分布を、これら照射パラメータ及びこれら照射パラメータを決定するために使用された記憶された影響パラメータの群に対応する放射されたフルエンス（fluence）に従って得ることができる。

更に、特定の期間のための最適化された照射パラメータを正確に決定するために、後続の期間において供給されるべき将来の線量分布を考慮に入れることができる。この点に関して、一実施態様は、当該システムが、更に、前記ｋ番目の期間に続く後の期間において前記標的領域に供給される放射線線量分布の推定を供給するように構成され、且つ、前記計画ユニットが前記ｋ番目の期間のための前記照射パラメータを該推定に基づいて決定するよう構成されるという構成を有する。

関連する実施態様において、前記推定は、前記放射線治療に先行して決定された初期治療計画から、特に前記初期治療計画において前記後の期間のために指定された放射されるフルエンスから導出される。他の関連する実施態様において、前記後に供給される放射線線量分布の推定は前記標的領域の１つの予め定められた解剖学的構成に基づくものである。この解剖学的構成は、当該放射線治療に先行して決定された解剖学的構成（例えば、前述した初期治療計画が発生された解剖学的構成等）に対応し得る。この方法は、後に供給される放射線線量分布を推定するための計算的複雑さを大幅に低減する。

他の実施態様において、当該システムは、更に、後の期間において前記標的領域に供給される放射線線量分布の複数の推定を供給するように構成され、これら推定の各々はｋ番目の期間及び１つの群の影響パラメータに関連付けられ、前記計画ユニットは前記治療計画を選択された群の影響パラメータに関連付けられた推定に基づいて決定するよう構成される。

影響パラメータの各群に関し、前記推定は、選択された群の影響パラメータを用いて、この群の影響パラメータは全ての後続の期間に対して有効であるとの仮定（即ち、前記標的領域の解剖学的構成は後続の期間の間に変化しないとの仮定）の下で決定することができる。この方法は、将来の線量分布の一層正確な推定を可能にする一方、相対的に低い計算的複雑さしか必要としない。

代替例として、前記推定は前記後続の期間における前記標的領域の解剖学的構成の予測に基づくものとすることができ、該予測は前記身体の前記解剖学的構成の時間の関数としての変化を定量化するモデルを用いてなされる。この方法は、将来の線量分布の更に一層正確な推定を可能にするが、一層高い計算的複雑さを伴う。

何れの場合においても、前記推定又は複数の推定は、当該放射線治療に先行して事前に計算することができ、当該システムの前記記憶部に事前に記憶することができる。このように、これら推定は放射線治療の間に計算する必要はなく、かくして、治療計画の素早い更新が可能となる。

一実施態様において、前記計画ユニットは、前記キャプチャされた画像に対し予め定められた類似性尺度により最大の類似性を有する画像と関連付けられた影響パラメータの群を選択するように構成される。原理的に、特に画像ベースの、解剖学ベースの及び／又は幾何学的類似性尺度等の、当業者により知られている如何なる好適な類似性尺度を用いることもできる。

他の態様において、本発明は患者の身体の標的領域内の標的構造を治療するための放射線治療の治療計画を適応させる方法であって、該治療計画が前記標的領域への放射線の供給を制御するための照射パラメータを含む方法を提案する。該方法は、
− 複数群の影響パラメータを計画ユニットに記憶するステップであって、前記影響パラメータは前記標的領域の解剖学的構成による単位強度放射当たりの前記標的領域に対する放射線の影響を定量化し、前記影響パラメータの各群が前記標的領域の特定の解剖学的構成を表す該標的領域の画像に関連付けられたステップと、
− 撮像ユニットにより取得された前記標的領域の画像を得るステップと、
− 前記計画ユニットが、前記影響パラメータの群を前記記憶された複数の群から前記取得された画像と前記影響パラメータの複数の群に関連付けられた画像のうちの少なくとも１つとの間の比較に基づいて選択するステップと、
− 前記計画ユニットが、前記治療計画を前記影響パラメータの選択された群に基づいて適応させるステップと、
を有する。

他の態様において、本発明は、少なくとも１つのプロセッサ上で実行された場合に、該プロセッサに前記方法を実行するよう命令するためのプログラムコード手段を有するコンピュータプログラムを提案する。

請求項１のシステム、請求項１４の方法及び請求項１５のコンピュータプログラムは、特に従属請求項に定義されるような同様の及び／又は同一の好ましい実施態様を有すると理解されるべきである。

本発明の好ましい実施態様は、従属請求項又は上述した実施態様の各独立請求項との如何なる組み合わせとすることもできると理解されるべきである。

本発明の上記及び他の態様は、後述する実施態様から明らかとなり、斯かる実施態様を参照して解説されるであろう。

図１は、放射線治療処置のための治療計画を適応させるためのシステムを概略的且つ例示的に示す。 図２は、放射線治療のｋ番目のビュー、先行する及び後続するビュー、これらビューの間の関連性並びに異なる線量分布を概略的且つ例示的に示す。

図１は、人又は動物の患者身体内の腫瘍又は他の罹患標的に放射線治療を施すための放射線治療システムの一実施態様を概略的且つ例示的に示す。

図示された実施態様において、当該放射線治療システムは放射線源１を有し、該放射線源は患者身体の標的構造を含む領域に供給されるべきイオン化放射線を放出するように動作することができる。放射線を供給するために、当該患者身体は、患者テーブルとして構成することができる支持体上の治療ゾーン２内に配置される。

放射線源１は１以上のイオン化放射線ビーム（又は複数のビーム）を生成するためのＸ線管又は直線粒子加速器を含むことができる。放射線源１は、放射線ビームの強度及び／又はエネルギを変化させるために制御可能である。更に、放射線源１には放射線ビームを整形するためのコリメータ３を設けることができる。コリメータ３は、特に、当該放射線ビームに跨がる放射線強度を定められた態様で変化させることを可能にすることができる。この目的のために、コリメータ３は、所謂多葉（多分割）コリメータとして構成することができる。該コリメータも、好ましくは、治療の間において放射線ビームの形状を変化させるために制御可能とする。

更に、身体若しくは標的構造に対する放射線源１の相対的な位置及び／又は向きは、放射線ビームが身体表面に入射する位置及び／又は該ビームが身体に入射する角度を変更するために変化させることができる。この目的のために、放射線源１は回転可能なガントリ４に、該放射線源１を治療ゾーン又は身体の周りにおいて特定の角度範囲（３６０°以下とすることができる）内で回転することができるように取り付けることができる。更に、ガントリ４及び／又は前記患者テーブルは、該ガントリ４の回転軸に平行な方向において前後に移動可能とすることができる。加えて、上記患者テーブルはガントリ４の回転軸に対して垂直な軸の回りに回転させることもできる。

特定のビーム構成を設定するために放射線源１及びコリメータ３を制御すると共に、患者身体の標的領域と放射線源１との間の相対位置を調整すべくガントリ４及び患者テーブルを制御するために、当該システムは制御ユニット５を含んでいる。好ましくは、制御ユニット５は、該制御ユニット５により実行される制御ルーチンを含んだソフトウェアプログラムを実行するためのマイクロプロセッサを含むプロセッサユニットとして構成される。

放射線治療の間において、放射線源１と患者身体の標的領域との間の相対位置及び／又は向きは変化され、その場合において、各相対位置及び向きは特定の時間間隔（期間）にわたり使用される。ここで、標的領域に対する放射線ビームの特定の角度方向、即ち放射線源１と標的領域との間の接続線の特定の向きは、“ビュー”とも称される。言い換えると、ビューは、放射線源１及び標的領域の特定の相対位置に対応する。各ビューに対して、特定のビーム構成（特定のビーム形状及び特定のビーム強度を有する）が設けられ、かくして、標的構造に対して十分な放射線強度が供給されると共に周囲の組織が可能な限り免れるようにする。更に、当該放射線治療は複数の画分（fractions）で実行することができ、これら画分は連続した日で又は他の周期で施すことができる。各画分に対して、ビュー及び関連するビーム構成を定める照射パラメータが当該治療計画において指定され、該治療計画は制御ユニット５に供給されると共に該制御ユニット５により該放射線治療の実施を制御するために使用される。

治療計画は、標的領域の三次元画像に基づき、これら画像に示される該標的領域の解剖学的構成に従って発生される。これら画像は、例えばコンピュータ断層（ＣＴ）撮影又は磁気共鳴（ＭＲ）撮像等の適切な撮像方式を用いて取得される。当該放射線治療に先立ち、１つの画像（ここでは、基準計画画像とも称される）がキャプチャされる。この画像に基づいて、初期治療計画が、この画像に示される標的領域の解剖学的構造に従って発生される。この初期治療計画は、当該放射線治療が開始する際に該治療を制御するために使用される。本発明によれば、当該治療計画は、当該標的構造の形状の変化及び／又は該標的構造の動きによる当該標的領域の解剖学的構造の変化を考慮に入れるために当該放射線治療の間において更新される。このような更新版は、治療画分の間において及び／又は１つの治療画分の間に“オンラインで”発生することができる。

治療計画の更新版は、標的領域の更なる三次元画像を用いて発生される。このような画像を取得するために、当該システムは撮像装置６を有する。撮像装置６は、例えば（本質的に）リアルタイムな診断を可能にする超音波装置又はＭＲ装置とすることができる。同様に、撮像装置６はＣＴ装置とすることもでき、又は如何なる他の撮像技術を用いることもできる。放射線治療の間において標的領域の画像をキャプチャするために、撮像装置６は、患者身体が治療ゾーン２内に位置されている際に標的領域の画像を取得するように配置及び構成される。撮像装置６により取得された画像は、以下に説明する方法で治療計画を更新するように構成された計画ユニット７に供給される。計画ユニット７は、治療計画を更新するためのアルゴリズムを構成するソフトウェアプログラムを実行するためのマイクロプロセッサを含んだプロセッサユニットとして構成することもできる。この点に関し、該計画ユニット７は前記制御ユニット５と同一の処理ユニット内で又は別の処理ユニット内で実施化することができる。

治療計画を発生及び更新するために、異なる手順を用いることができる。以下では、フルエンスマップ最適化（ＦＭＯ）を参照する。しかしながら、本発明は、この手順に限定されるものではなく、当業者であれば本発明は同様のやり方で他の手順に関しても適用することができることを認識するであろう。

ＦＭＯにおいて、治療計画の発生は、一般的に、処方された放射線量が標的構造に供給され、且つ、周囲の組織（特に、ＯＡＲ）が最小限の放射線量しか受けないことを保証する三次元線量分布d(x)の決定を含む。該線量分布d(x)は、影響行列Ｍ及びフルエンスベクトル（fluence vector）φからd(x)=M・φと計算することができる。このように、ボクセルｉにより吸収される放射線量ｄ_ｉは、

に従って計算することができる。

フルエンスベクトルφの成分φ_ｊはビームレットｊのフルエンス値を指定し、ここで、各ビームレットは放射線ビームの一部に対応し、ビームレットのフルエンスは該ビームレットの時間にわたり積分されたエネルギに対応する。影響行列Ｍの各成分Ｍ_ijはビームレットｊの単位強度放射当たりのボクセルｉにより吸収される線量を定量化するものである。

各ビューに関して、１つのフルエンスベクトルφ_ｋを決定することができ、Ｎ個の全てのビューのフルエンスベクトルをフルエンスベクトルφ_ｋを積み重ねることにより１つのベクトルとして表すことができる。このように、全体のフルエンスベクトルは、φ＝(φ_０,φ_１,…,φ_N-1)として与えられる。同様に、全てのビューに対する全体の影響行列を全影響行列内に積み重ねることができ、かくして、該全影響行列ＭはＭ＝(Ｍ^０Ｍ^１…Ｍ^N-1)の形態を有する。当該ビューに対する影響行列Ｍ^ｋは互いに等しいものであり得る。このことは、標的領域の解剖学的構造の変化が当該計画手順において考慮に入れられない場合に、特にそうである。

影響行列Ｍは、当該標的領域の解剖学的構造の関数である。原理的に、影響行列Ｍは、全てのビームレットに関する光線追跡（ray tracing）により計算することができ、その場合において、付与されたエネルギは、当該光線経路内に含まれるボクセルに対して、当該放射線との相互作用に関するそれらの物理的特性に従って推定される。これらの特性は、特に、質量減衰係数を用いて定量化することができる。影響行列を計算するためには、当業者により既知の如何なる手順も用いることができる。例えば、影響行列を計算するためのアプローチは、T. Bortfeld, W. Schlegel, B. Rheinによる文献“Decomposition of pencil beam kernels for fast dose calculations in three-dimensional treatment planning” Med. Phys., 20(2), 311 (1993)、T.R. McNutt, T.R. Mackie, Paul Reckwerdt及びBhudatt R. Paliwalによる文献“Modeling Dose Distributions from Portal Dose Images using the Convolution/Superposition Method” Med. Phys. 1996; 23-28並びにT.R. Mackieの他の研究に記載されている。更に、影響行列を計算するためのアルゴリズムは、フィリップス社による“Pinnacle³”なるソフトウェア等の市販の治療計画ソフトウェアでも実施化される。

ＦＭＯにおいて、治療計画は、最適な線量分布となるフルエンスベクトルを標的領域の解剖学的構造に対する所与の影響行列Ｍに基づいて決定することにより見付けられる。該影響行列Ｍは、先行するステップにおいて当該標的領域の解剖学的構造を示す三次元画像に基づいて別途決定される。当該放射線治療の間において使用されるビューは治療計画が発生される前に決定することができ、かくして、治療計画は指定されたビューに基づいて発生される。

所望のフルエンスベクトルを決定するために、目的汎関数f(d(φ))を最小化することができ、これは処方された線量目標に基づいて生成されると共に、個々の線量目標に対応する個々の目的汎関数ｆ_nの加重和とすることができる。例えば、これらの線量目標は、標的構造のボクセルに供給されるべき最小線量ｄ_min又はＯＡＲのボクセルに供給されるべき最大線量ｄ_maxを指定することができる。このような目標は、

なる形の区分二次コスト汎関数により表すことができ、ここで、和は関連する構造を含む体積の全ボクセルｉにわたって計算され、Ｈ(x)は、

として定義されるヘヴィサイド関数である。

更に、目的汎関数を最小にする場合に、処方された制約を考慮に入れることができる。このような制約は、ＯＡＲにおいて必要とされる最大線量及び／又は標的構造における最小線量を規定することができる。

線量の目標及び制約は、治療計画者によりグラフィックユーザインターフェースを介して指定することができる。線量の目標及び制約を指定する前に、標的構造及び関連するＯＡＲは、自動、半自動又は手動描画手順により標的領域の三次元画像で描くことができる。該描画に基づいて、治療計画者は線量の目標及び制約を参照するボクセル（即ち、標的領域の関連する解剖学的構造のボクセル）と一緒に指定することができる。

前記目的汎関数は、適切な数値最小化アルゴリズムを用いて自動的に、又はユーザ誘導対話手順で最小化することができる。この手順の各ステップにおいて、当該目的汎関数を最小化する線量分布が近似され、次いで治療計画者により吟味される。算出された線量分布に治療計画者が満足しない場合、該治療計画者は当該計算の１以上のパラメータを修正することができる（例えば、該計画者は１以上の目標及び／又は制約を修正することができる）。次いで、新たな線量分布が次の反復ステップにおいて計算され、斯かる処理は、治療計画者が算出された線量分布を許容するまで繰り返される。

算出された最適化された線量分布は、式（１）による最適化されたフルエンスベクトルに対応する。この最適化されたフルエンスベクトルに基づいて、当該計画システムは放射線源１及びコリメータ３の機械パラメータを決定し、該最適化フルエンスベクトルが概ね達成されるようにする。このような機械パラメータは、前記多葉コリメータの構成（例えば、各葉部の位置）及び各ビューのビーム強度を含む。本発明の一実施態様において、当該放射線治療システムの計画ユニット７又は別の計画システムは、放射線治療の前に通常のＦＭＯを用いて初期治療計画を発生する。治療計画は、以下では初期計画画像と称される標的領域の画像を用いて発生される。この画像は、当該放射線治療システムの撮像装置６により又は他の撮像装置により取得することができる。前述したように、標的構造の形状は、特に、この画像内で決定され、該画像は影響行列Ｍ_０を計算するために使用される。この影響行列は、一実施態様では、初期計画手順において全てのビューに対して使用することができる。

他の実施態様において、標的領域の解剖学的構成の変化は各ビューに関するモデルに基づいて推定することができ、該推定される変化した解剖学的構成に対して影響行列を発生することができる。初期治療計画は、初期計画画像に基づいて発生された影響行列の代わりに、各ビューに関する此等の影響行列を用いて発生することができる。

標的領域の解剖学的構成の変化を推定するために、特に、標的構造の形状の変化を適切な腫瘍進行モデルを用いて推定することができる。原理的に、この目的のために、当業者により既知の如何なる腫瘍進行モデルも用いることができる。腫瘍進行モデルの例は、S. Nawrocki, B. Zubik-Kowalによる文献“Clinical study and numerical simulation of brain cancer dynamics under radiotherapy”, Commun Nonlinear Sci Numer Simulat 22 (2015) 564-573 (doi: 10.1016/j.cnsns.2014.08.001)、G. G. Powathil他による文献“Towards Predicting the Response of a Solid Tumour to Chemotherapy and Radiotherapy Treatments: Clinical Insights from a Computational Model”, PLoS Comput Biol 9(7): e1003120 (doi:10.1371/journal.pcbi.1003120)、Y. Liu他による文献“Patient Specific Tumor Growth Prediction Using Multimodal Images”, Med Image Anal. 2014 April; 18(3): 555-566 (doi: 10.1016/j.media.2014.02.005)、及びA. D. Yock他による文献“Forecasting longitudinal changes in oropharyngeal tumor morphology throughout the course of head and neck radiation therapy”, Medical Physics, 2014 41(8):119-129に記載されている。更に、標的構造の移動経路は、可能なら、該標的構造の動きのモデルを用いて予測することができ、解剖学的構成は各ビューに対する当該標的構造の予測された位置に基づいて発生することができる。

上述した実施態様のうちの１つ又は他の技術による初期治療計画の発生に加えて、且つ、好ましくは当該放射線治療に先立ち、当該計画システムは、放射線治療の間に当該標的が有し得る、可能性のある変化された解剖学的構成を決定する。各々の可能性のある変化された解剖学的構成に対して、該計画システムは、更に、画像及び該画像に関連する影響行列を発生する。このように、該計画システムは、標的領域の可能性のある解剖学的構成を表す一群の画像及び関連する影響行列Ｍ_ｎを発生する。これらの画像の表現及び関連する影響行列Ｍｎは、次いで、当該放射線治療システムの計画ユニット７の記憶部８に記憶される。上記画像の表現は、画像データを適切なフォーマット又は他の表現で含むことができる。

前記可能性のある変化された解剖学的構成は任意の好適なやり方によっても発生することができ、任意の数の斯様な構成を生成することもできる。一般的に、解剖学的構成の可能性のある変化は、標的構造及びＯＡＲの成長及び収縮による形状の変化、並びに標的構造及びＯＡＲの斯かる標的構造及びＯＡＲの変位及び回転による相対位置の変化を含む。可能性のある解剖学的構成を生成する際に、これら変化の全て又は部分組のみを考慮に入れることができる。更に、解剖学的構成は、可能性のある変化に関する幾何学的考察によってのみ生成することができる。代替例として、もっと有りそうな変化を前述したような好適なモデルを用いて予測することができ、このような予測された変化のみを考慮することができる。

選択されたモデルを用いて、放射線治療の間における連続した時点に関する推定された形状を含む一連の解剖学的構成を発生することができる。これらの時点は、放射線治療のビュー及び／又は画分に対する計画された時間に対応し得る。このことは、初期治療計画を発生するためになされた解剖学的構成の変化の推定の結果を再使用することも可能にする（初期治療計画が斯様な推定を用いて生成される場合）。

更に、標的構造の移動経路を該標的構造の動きに関するモデルを用いて予測することができ、該標的構造が該予測された移動経路に沿う特定の位置に配置された解剖学的構成を発生することができる。これら位置は、隣接する位置の間に所定の距離が存在するように選択することができる。当該標的構造の位置及び形状の各々の可能性のある組み合わせに対して、１つの解剖学的構成を発生することができる。該発生される解剖学的構成には、当該標的構造の近傍のＯＡＲの位置及び／又は形状の変化を含めることもできる。

幾つかの可能性のある標的構造（前立腺等）に関し、最近の研究は斯様な標的構造の動きはランダムウォーク（乱歩）に従うことを暗示している。標的構造の斯かるランダムな動きの場合、一実施態様において、可能性のある位置の規則的三次元格子を確立することができる。各位置に対し、当該標的構造が関連する位置に配置されると共に幾つかの可能性のある形状を有するような一連の解剖学的構成を発生することができる。また、この実施態様において、当該標的構造の近傍のＯＡＲの位置及び／又は形状の変化を、該発生される解剖学的構成に含めることもできる。

可能性のある変化した解剖学的構成に対応する標的領域の画像は、初期計画画像に基づいて発生することができる。各々の変化した解剖学的構成に関して、当該計画システムは、初期計画画像を標的構造の解剖学的構成を示す画像に変換するための変形場を決定することができる。特に、該変形場は、各ボクセルに対して変化した解剖学的構成を示す画像に到るために当該ボクセルをどの様に変換するかを指定する変換ベクトルを指定することができる。

可能性のある変化した解剖学的構成に対応する影響行列は、初期計画画像に示された様な標的領域のオリジナルの解剖学的構成に対応する影響行列と同様にして決定することができる。

発生された画像の表現及び関連する影響行列を計画ユニット７の記憶部８に記憶したら、当該放射線治療を開始することができる。このことは初期計画画像に基づいて発生された治療計画に基づいて実施することができ、この目的のために該治療計画は制御ユニット５に供給される。放射線治療の間において、計画ユニット７は所定の時点において更新手順を実行する。該更新手順において、計画ユニット７は標的領域の解剖学的構成の変化により当該治療計画が更新されることを要するかをチェックし、該計画ユニット７が当該治療計画を更新する必要があると判定した場合、該計画ユニットは改訂された治療計画を発生し、該改訂された治療計画を制御ユニット５に供給する。次いで、当該放射線治療は、計画ユニット７が前記所定の時点の１つにおいて当該治療計画を再び更新するまで又は当該放射線治療が完了されるまで、該改訂された治療計画に基づいて継続される。

一実施態様において、計画ユニット７は前記更新手順を規則的な所定の時間間隔で実行することができる。他の実施態様において、更新手順は、当該放射線治療の特定の部分（画分及び／又はビュー等）の前に実行することができる。以下では、更新手順を、該更新手順が当該放射線治療の各ビューに対して実行されるような実施態様に関連して詳細に説明する。この実施態様において、計画ユニット７は各ビューに対する最適化治療を、事実上、このビューに関する標的領域の解剖学的構成に基づいて決定する。この点に関し、ここでは、ｋ番目のビューに対して当該更新手順がどの様に実行されるかが以下に説明され、ここで、ｋは１と当該放射線治療のビューの全数との間の任意の数とすることもできる。

ｋ番目のビューに関する更新手順を実行するために、当該標的領域の画像が撮像装置６により取得される。好ましくは、当該画像はｋ番目のビューの直前に取得され、ｋ番目のビューにおける標的領域の実際の解剖学的構成を示す該標的領域の現画像に基づいて更新手続きが実行されるようにする。更に、計画ユニット７は該取得された画像を該計画ユニットの記憶部８に記憶された画像と比較して、予め定められた類似性尺度に従って該取得された画像に対し最大の類似性を持つ記憶画像を決定する。記憶された画像が標的構造及び／又はＯＡＲの変化を予測するモデルに基づいて発生されていた場合、ｋ番目のビューに関する予測画像は、上記の取得された画像に対し最大の類似性を有し得る。しかしながら、使用されたモデルにより考慮に入れられていない効果により、このことは必ずしも当てはまらず、計画ユニット７は、前記取得された画像との比較の結果として他の記憶画像を選択し得る。

当該画像を比較するために、画像を比較するための当業者により知られた如何なる類似性尺度を用いることもできる。特に、画像ベースの、幾何学ベースの及び／又は解剖学ベースの類似性尺度を用いることができる。一例示的実施態様において、計画ユニット７は、取得された画像における標的構造の及び好ましくはＯＡＲの形状の１以上のパラメータを決定することができ、これらパラメータを記憶された画像における対応するパラメータと比較する。このようなパラメータの例は、標的構造若しくはＯＡＲの最大直径、標的構造若しくはＯＡＲの体積、又は標的構造若しくはＯＡＲの位置を含む。他の例示的実施態様においては、取得された画像における及び記憶された画像における標的構造の形状及び、好ましくは、危険に曝される構造の形状に目印が付与され、結果的な目印パターンが互いに比較される。この目的のために、各画像における当該目印パターンに関して類似性パラメータを計算することができ、この類似性パラメータを当該標的構造の推定された形状に関して決定された対応する類似性パラメータと比較することができる。例えば、類似性パラメータは各目印パターンに関する特徴ベクトル（feature vector）に基づいて計算することができる。各目印点に関して、当該特徴ベクトルは当該目印点と予め定められたアンカ点との間の距離を有することができる。更に、特徴ベクトルは標的構造及び／又は関連するＯＡＲの前述したパラメータ（例えば、最大距離、体積及び／又は位置）を含むことができる。この場合、類似性パラメータは特徴ベクトルの成分の関数として計算することができ、これらは、当該標的構造に関係する成分及び別の危険に曝される構造に関係する成分に関して異なる重みを含むことができる。

前述した実施態様における取得された画像及び記憶された画像に関する目印パターンを決定するために、前記初期画像に関して目印点を指定することができる。記憶された画像の場合、目印パターンは、初期計画画像の目印パターンを該初期計画画像と記憶された画像との間の変換を指定する前述した変形場を用いて変換することにより決定することができる。このようにして、記憶された画像に関する目印パターンは、放射線治療の前に既に決定することができ、計画ユニット７の記憶部８に当該画像と一緒に記憶することができる。更に、計画ユニット７は、目印パターンを含む初期計画画像を取得された画像に位置合わせして、該取得された画像に関する目印パターンを決定することができる。

他の実施態様においては、画像を比較するために画像ベースの類似性尺度を用いることができる。このような類似性尺度は、画像におけるボクセル輝度から導出することができる。一例において、このような類似性尺度は差分二乗和（ＳＳＤ）に基づいて計算することができる。この場合、各ボクセルに関して１つの画像におけるボクセルの輝度と他の画像の対応するボクセルの輝度との間の差分が計算され、二乗された差分の和が類似性尺度として算出される。画像ベースの類似性尺度の他の例は、画像の正規化された相互相関及び画像のエントロピに関する相互情報量を含む。

最大の類似性を持つ記憶画像を決定したなら、計画ユニット７は、該選択された画像に従って更新された治療計画を決定する（選択された画像が、現治療計画が発生された画像とは相違する場合）。この目的のために、計画ユニット７は上記選択された画像に関連する影響行列（以下、Ｍ_n(k)と称する）を決定する。更に、計画ユニット７は、特に（ｋ−１）番目のビューにおける治療を制御するために、更新された治療計画を前に使用された治療計画に基づいて発生する。更に、計画ユニット７は、オプションとして、新たな治療計画を初期計画画像に基づいて発生されたオリジナルの治療計画に基づいて計算する。当該更新された治療計画は、ｋ番目のビューにおける放射線治療を制御するために発生され、好ましくは当該放射線治療の後続のビューのための照射パラメータも指定する。後者は、当該計画手順が如何なるビューに対する適切な線量分布も計算するために一般的に完全な放射線治療を考慮に入れなければならない故に、好ましい。

更に詳細には、計画ユニット７は原則として更新された治療計画を線量目的汎関数：

を最小化することにより、新たな治療計画が計算されるフルエンスベクトルφ_ｋを決定することができ、ここで、ｄ^ｋはｋ番目のビューに関する線量分布を示し、d^p(k)及びd^f(k)は以前の及び将来のビューに関する累積された線量分布を示す（即ち、

である）。

これが図２にも図示されており、放射線治療のビュー２０１及び関連する線量分布を概略的に示している。

線量目的汎関数ｆは、初期治療計画を決定するために使用された線量目的関数に対応し得る。この汎関数を最小化する線量分布は、初期治療計画が発生された際に既に決定されているので、計画ユニット７は更新された治療計画を、以前に発生された線量分布と更新された線量分布d^p(k)＋d^k＋d^f(k)との間の差分を適切な差分尺度に従って最小化することにより決定することもできる。特に、最小二乗差分尺度を使用することができる。このように、更新された治療計画を決定するためのフルエンスベクトルφ_ｋは、

として算出することができ、ここで、d^planは初期治療計画を発生するために使用された目的汎関数を最小化する線量分布である。このようにしてフルエンスベクトルφ_kが計算される場合、計算的複雑さは式（２）に基づく計算と比較して減少され得る。更に、治療計画者により吟味され且つ承認されたものであり得る、初期治療計画において発生された線量分布と類似した新たな線量分布を決定することができる。

式（２）及び（３）における線量分布d^p(k)を決定するために、計画ユニット７は以前のビューに関して決定された線量分布dⁱを記憶することができ、又は該計画ユニット７は以前のビューのフルエンスベクトルφ_ｉ及び此等のフルエンスベクトルを計算するために使用された影響行列Ｍ^ｉから：

により線量分布d^p(k)を計算することができる。

当該分布からd^p(k)を式（３）に従って計算する場合、線量分布は初期計画画像（d^planの元となる）に示された解剖学的構造と比較した当該標的領域の解剖学的構造の変化を反映する変換を用いて変換することができる。この変換は、初期計画画像を以前のビューに関する治療計画更新のために選択された画像へ変換するための変形場の逆数に対して実行することができる。これらの逆変形場は、当該放射線治療の前に計算することができ、当該計画ユニットの記憶部８に画像と関連させて記憶することができる。

式（２）及び（３）における線量分布ｄ^ｋは、決定されるべきフルエンスベクトルφ_ｋと選択された記憶画像に関連する影響行列Ｍ_ｎとの積により与えられる（即ち、ｄ^ｋ＝Ｍ_ｎ・φ_ｋ）。この影響行列Ｍ_ｎは、計画ユニット７により記憶部８から読み出され、記憶画像を選択した際に更新された治療計画を決定するために使用される。

将来の線量分布d^f(k)は、初期治療計画手順において決定された、将来のビューに関するフルエンスベクトルφ_i ^Oに基づいて計算することができる。このことは、以下に更に詳細に説明するように将来の線量分布d^f(k)を事前に計算することを特に可能にし、かくして、治療計画を更新するための計算的複雑さを大幅に低減する。更に、標的領域の幾つかの解剖学的構成を、将来の線量分布d^f(k)を決定するための基礎として使用することができる。以下に、静的アプローチ、準静的アプローチ及び動的アプローチと称される３つの可能性のあるアプローチを説明する。

静的アプローチによれば、線量分布d^f(k)は、将来のビューにおける標的領域の解剖学的構造が初期計画画像に示された解剖学的構造と一致するとの仮定の下で計算される。このように、線量分布d^f(k)は、

と計算される。

このように、選択された記憶画像とは独立に、各ビューに対して１つの将来の線量分布d^f(k)が存在する。各ビューに関して、この線量分布は当該放射線治療の前に計算し、計画ユニット７の記憶部８に記憶することができる。

この静的アプローチは計算的複雑さを大いに低減するが、線量分布d^f(k)の不正確な推定しか提供しない。しかしながら、これらの推定値は各ビューにおいて計画ユニット７により補正されるであろうことに注意すべきである。従って、該静的アプローチも、治療計画にとり満足のゆく結果につながり得る。

準静的アプローチによれば、線量分布d^f(k)は、将来のビューにおける標的領域の解剖学的構造が選択された画像に示される解剖学的構造に一致するとの仮定の下で計算される。従って、線量分布d^f(k)は、選択された画像に関連する影響行列Ｍ_n(k)を用いて、

と計算される。

該準静的アプローチは、前記静的アプローチと比較して将来の線量分布の一層正確な推定を提供する。このアプローチにおいては、各ビューに対して及び各選択画像に対して１つの将来の線量分布d^f(k)が存在する。静的アプローチにおけるのと同様に、これらの線量分布は当該放射線治療に先立ち事前に計算することができ、各画像に対して異なるビューに関する線量分布を計画ユニット７の記憶部８に当該画像に関連させて記憶することができる。

動的アプローチによれば、線量分布d^f(k)は将来の各ビューに関する標的領域の解剖学的構造の予測（predication）に基づいて推定される。これらの予測は、既述したような適切なモデルに基づいて決定することができる。このアプローチにおいては、将来の各ビューに関して固有の影響行列が使用される。これらのビューの影響行列がＭ_n(i)、ｉ＝k+1,…,N-1と表される場合、線量分布d^f(k)は、

により計算される。

このアプローチは、前記記憶画像が前述したような予測モデルに基づいて発生される場合において特に使用することができる。更に、このアプローチは将来の線量分布の更に一層正確な推定を可能にする。しかしながら、該アプローチは、影響行列Ｍ_n(i)及び将来の線量分布を決定するための一層高い計算的複雑さも伴う。準静的アプローチにおけるのと同様に、該動的アプローチにおいては各ビューに対して及び選択された各画像に対して１つの将来の線量分布d^f(k)が存在する一方、可能性のある将来の線量分布は、当該放射線治療に先立ち事前に計算することができ、各画像に関し、異なるビューに関する線量分布は計画ユニット７の記憶部８に当該画像と関連させて記憶することができる。

上述した手順の１つにより計算された将来の線量分布は、選択された手順に依存して或る程度不正確であり得る。しかしながら、将来の線量分布の可能性のある不正確さは、当該治療計画のための後続の更新ステップにおいて補正される。更に、当該治療計画に対して不正確に算出された将来の線量分布の影響は、将来の線量が各ステップにおいて低減されるので、各更新ステップにおいて減少する。このように、将来の線量分布の計算の如何なる不正確さも、当該放射線治療の品質を悪化させることはない。上述した実施態様によれば、前記計画ユニットは当該放射線治療のｋ番目のビューに関するフルエンスベクトルφ_ｋを式（２）又は（３）に規定された汎関数を最小化することにより決定することができる。該フルエンスベクトルに基づいて、計画ユニット７は、更新された治療計画に含めることができるｋ番目のビューに関する対応する機械又は照射パラメータを決定することができる。後続のビューに対して、初期治療計画からの照射パラメータは維持することができる。記載された実施態様において、ｋ番目のビューに関するフルエンスベクトルφ_ｋは、計画ユニット７において関連する汎関数を最小化する場合にのみ利用可能である。このように、ｋ番目のビューに関する治療計画の更新は、相対的に小さな計算的複雑さしか伴わない。

記載した実施態様によれば、計画ユニット７は、標的領域の解剖学的構成の変化を考慮するために当該放射線治療の各ビューに関して治療計画を更新することができる。このように、当該治療の“単一ビュー最適化”が事実上もたらされ、このことは、標的領域の取得された画像に基づいて各ビューに関する最適化された照射パラメータを実質的にリアルタイムに提供する。

通常、計画ユニット７は上述した更新手順を各ビューに先立ち実行することができ、かくして、照射パラメータは各ビューに対して最適化することができる。

しかしながら、撮像装置６の生来の待ち時間（レイテンシ）により、標的領域の現画像は各ビューに先行して利用可能でない可能性がある。画像が利用可能でない場合、計画ユニット７は当該更新手順を標的領域の最後に取得された画像に基づいて実行することができる。更に、将来のビューに関する最適化の劣化を最小にするために、当該計画ユニットは、標的領域の一層最近の画像が利用可能になった場合、上述した更新手順に従って関連するビューに関するフルエンスベクトルの追加の決定を実行することができる。次いで、このフルエンスベクトルは、後続のビューのための照射パラメータを最適化する場合に過去の線量分布ｄ^ｐを決定するために使用される。

更に、上述した実施態様はＦＭＯに関するものであるが、治療計画を更新するための同様の手順を、他の最適化技術との関連で使用することもできる。

１つの斯様な技術は、直接機械パラメータ最適化（ＤＭＰＯ）である。ＤＭＰＯにおいて、放射線源１及びコリメータ３の機械パラメータは、フルエンスベクトルを最適化する代わりに直接的に最適化される。これにより、フルエンスベクトルの機械パラメータへの変換による可能性のある劣化を回避することができる。機械パラメータを決定するために、機械パラメータの目的汎関数が最小化され、これはフルエンスベクトルの上述した関数と同様の方法で決定することができる。当業者であれば理解するように、このように、上述した更新手続きはＤＰＭＯに関連するのと同様のやり方で実行することができる。

更に、当該更新手順は、強度変調回転放射線治療（ＶＭＡＴ）にも同様に適用することができ、その場合、放射線源１は標的領域の周りに回転され、ビーム構成は回転の間において連続的に変化される。当該手順をＶＭＡＴに適用する場合、治療計画の更新は、前述したビューに対応する当該放射線源の特定の数の角度位置において実行される。これら位置の間の距離は、各ステップに所要の計算を実行するための十分な時間が存在するように、選択することができる。

開示された実施態様に対する他の変形は、請求項に記載された本発明を実施するに際して図面、本開示及び添付請求項の精査から理解し、実施することができる。

尚、請求項において“有する”なる文言は他の要素又はステップを除外するものではなく、単数形は複数を除外するものではない。

また、単一のユニット又は装置は、請求項に記載された複数の項目の機能を満たすことができる。また、特定の手段が互いに異なる従属請求項に記載されているという単なる事実は、これら手段の組み合わせを有利に使用することができないということを示すものではない。

コンピュータプログラムは、光記憶媒体又は他のハードウェアと一緒に若しくは他のハードウェアの一部として供給される固体媒体等の適切な媒体により記憶／分配することができるのみならず、インターネット又は他の有線若しくは無線通信システムを介して等のように他の形態で分配することもできる。

請求項における如何なる符号も、当該範囲を限定するものと見なしてはならない。

Claims (15)

1. 患者の身体の標的領域内の標的構造を治療するための放射線治療の治療計画を適応させるシステムであって、該治療計画は前記標的領域への放射線の供給を制御するための照射パラメータを含み、該システムは、
   前記治療計画を前記標的領域の解剖学的構成による単位強度放射当たりの前記標的領域に対する放射線の影響を定量化する一群の影響パラメータに基づいて適応させる計画ユニットと、
   複数群の影響パラメータを記憶する記憶部であって、各群が前記標的領域の特定の解剖学的構成を表す前記身体の領域の画像に関連付けられた記憶部と、
   前記身体の領域の画像を取得する撮像ユニットと、
   を有し、
   前記計画ユニットは、前記影響パラメータの群を前記記憶された複数の群から前記取得された画像と前記影響パラメータの複数の群に関連付けられた画像のうちの少なくとも１つとの間の比較に基づいて選択する、
   システム。
2. 前記放射線治療の治療が複数の期間において施され、前記計画ユニットがｋ番目の期間における前記標的構造への放射線の供給を制御するための更新された照射パラメータを決定する、請求項１に記載のシステム。
3. 前記計画ユニットが前記選択された群の影響パラメータに基づいて前記ｋ番目の期間に関する照射パラメータのみを決定する、請求項２に記載のシステム。
4. 放射線ビームと前記標的構造との間の相対的向きが前記放射線治療の間に変化し、前記期間の各々が放射線ビームと前記標的構造との間の一定の相対的向きを伴う期間に対応する、請求項２に記載のシステム。
5. 前記計画ユニットが前記照射パラメータを前記ｋ番目の期間の前に前記標的領域に供給された放射線線量分布に基づいて決定する、請求項２に記載のシステム。
6. 当該システムは、更に、前記ｋ番目の期間に続く後の期間において前記標的領域に供給される放射線線量分布の推定を供給し、前記計画ユニットが前記ｋ番目の期間のための前記照射パラメータを前記推定に基づいて決定する、請求項２に記載のシステム。
7. 前記推定が前記放射線治療に先行して決定された初期治療計画から、特に前記初期治療計画において前記後の期間のために指定された放射されるフルエンスから導出される、請求項６に記載のシステム。
8. 前記放射線線量分布の推定が前記標的領域の１つの予め定められた解剖学的構成に基づくものである、請求項６に記載のシステム。
9. 当該システムは、更に、後の期間において前記標的領域に供給される放射線線量分布の複数の推定を供給し、これら推定の各々は前記ｋ番目の期間及び１つの群の影響パラメータに関連付けられ、前記計画ユニットが前記治療計画を選択された群の影響パラメータに関連付けられた推定に基づいて決定する、請求項６に記載のシステム。
10. 前記推定は前記後の期間における前記標的領域の前記解剖学的構成の予測に基づくものであり、該予測が前記身体の前記解剖学的構成の時間の関数としての変化を定量化するモデルを用いてなされる、請求項９に記載のシステム。
11. 前記推定又は前記複数の推定が前記記憶部に事前に記憶される、請求項６又は請求項９に記載のシステム。
12. 前記計画ユニットが、前記取得された画像に対し予め定められた類似性尺度により最大の類似性を有する画像と関連付けられた前記影響パラメータの群を選択する、請求項１に記載のシステム。
13. 前記影響パラメータの群の各々が影響行列の要素を有する、請求項１に記載のシステム。
14. 患者の身体の標的領域内の標的構造を治療するための放射線治療の治療計画を適応させる方法であって、該治療計画は前記標的領域への放射線の供給を制御するための照射パラメータを含み、該方法が、
    複数群の影響パラメータを計画ユニットに記憶するステップであって、前記影響パラメータは前記標的領域の解剖学的構成による単位強度放射当たりの前記標的領域に対する放射線の影響を定量化し、前記影響パラメータの各群が前記標的領域の特定の解剖学的構成を表す前記標的領域の画像に関連付けられたステップと、
    撮像ユニットにより取得された前記標的領域の画像を得るステップと、
    前記計画ユニットが、前記影響パラメータの群を前記記憶された複数の群から前記取得された画像と前記影響パラメータの複数の群に関連付けられた画像のうちの少なくとも１つとの間の比較に基づいて選択するステップと、
    前記計画ユニットが、前記治療計画を前記影響パラメータの選択された群に基づいて適応させるステップと、
    を有する、方法。
15. 少なくとも１つのプロセッサ上で実行された場合に、該プロセッサに請求項１４に記載の方法を実行するよう命令するためのプログラムコード手段を有する、コンピュータプログラム。

Images