JP2021518196A - 閉ループ医師フィードバックを介した放射線療法計画強化のための迅速で個人化された推奨システム - Google Patents
閉ループ医師フィードバックを介した放射線療法計画強化のための迅速で個人化された推奨システム Download PDFInfo
- Publication number
- JP2021518196A JP2021518196A JP2020550072A JP2020550072A JP2021518196A JP 2021518196 A JP2021518196 A JP 2021518196A JP 2020550072 A JP2020550072 A JP 2020550072A JP 2020550072 A JP2020550072 A JP 2020550072A JP 2021518196 A JP2021518196 A JP 2021518196A
- Authority
- JP
- Japan
- Prior art keywords
- patient
- radiotherapy
- plan
- proposed
- planning
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1038—Treatment planning systems taking into account previously administered plans applied to the same patient, i.e. adaptive radiotherapy
-
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Databases & Information Systems (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
非一時的なコンピュータ可読媒体が、好みデータベース(16)と、提案される放射線治療計画検討プロセス(100)を実行するために少なくとも1つの電子プロセッサ(20)によって読み取り可能であり且つ実行可能である命令であって、検討グラフィカルユーザインタフェース(GUI)(28)を介して、提案される放射線治療計画を検討者に提示すること、検討GUIを介して、(i)提案される放射線治療計画の受入れ又は(ii)検討者から拒否される放射線治療計画の注釈との組み合わせにおける提案される放射線治療計画の拒否のうちの1つを受信すること、及び提案される放射線治療計画の受入れに基づいて或いは拒否される提案される放射線治療計画の注釈に基づいて、好みデータベース内に格納される検討者の放射線治療計画の好みを更新することを含む、命令と、放射線治療計画プロセス(200)を実行するために少なくとも1つの電子プロセッサ(32)によって読み取り可能であり且つ実行可能である命令であって、線量目的に関して患者のための放射線治療パラメータを最適化し、患者の少なくとも1つの計画画像を用いて患者のための1つ又はそれよりも多くの候補放射線治療計画を生成すること、好みデータベースから計画GUI(40)に、患者と関連付けられる検討者の放射線治療計画の好みを検索すること、及び計画GUIで患者と関連付けられる検討者の放射線治療計画の好みを表示することを含む、命令とを格納する。
Description
以下は、一般的に、放射線治療技術、放射線学技術、放射線計画技術、適応放射線治療計画技術、及び関連技術に関する。
放射線治療は、特定の患者解剖学的構造、腫瘍、病変、又は他の悪性組織の、形状、大きさ、及び可能な他の特徴、並びに腫瘍に標的線量の放射線を送達する放射線治療計画を設計するための治療目標を考慮して、個々の患者ベースで計画される。トレードオフは、通常、例えば、腫瘍とリスク臓器(OAR)との境界で必要とされ、腫瘍組織への有益な放射線量は、OARへの有害な放射線曝露に対して均衡されなければならない。放射線治療計画ワークフローは、放射線物理士が患者の医師の目標を実質的に達成するために放射線送達デバイスパラメータ及び送達シーケンスを設計する、協働的な努力の成果である。
典型的には、医師は、関心領域についての所望の線量(dose)を処方する。これは、コンピュータ断層撮影(CT)スキャンの複数のスライスを特定の領域のための標的線量で注釈し、これらの領域を次の2つのカテゴリ、すなわち、(1)標的/目的(すなわち、我々が臨界線量(dosage)を送達したい患者の領域)、及び(2)リスク/制約のある臓器(すなわち、我々が線量値及び後続の軟組織損傷を最小にしたい患者の領域。この線量は、典型的には、各臓器についての範囲である。)に分類することを含む。放射線物理士は、この処方を受け取り、それを患者に送達する療法計画を生成しなければならない。このステップは、周囲の軟組織への線量を最小限に抑えながら、標的領域への線量を最大化するために、物理学ベースの最適化を実行することを含む。ひとたび最適化が完了すると、(20よりも多いことがあり得る)多くの実現可能な解決策生み出され、医師はそれらを観察し、1つの計画を医師に戻す。医師は、計画を受け入れるか拒否するかのいずれかである。計画が拒否されるならば、医師は、計画が何故拒否されたかについて対面で又は非公式/文書化されない書面で、何らかを提供する可能性が高い。この拒否にいての理論的根拠は、典型的には、組織化されたアーカイブデータ構造に格納されず、典型的には、後の計画作成のために正式に使用されない。計画が拒否されるならば、医師は、医師フィードバックに基づいて必要に応じてパラメータを調整して、最適化プロセスを再開する必要がある。これらの作業は、医師が患者について実施可能な線量計画を最終的に受け入れるまで繰り返される。
放射線治療計画の承認後、患者は、医師が新しい治療を処方する前に、一定の時間期間、しばしば、1カ月に亘って、放射線治療を受ける。分割放射線治療(fractionated radiation treatment)において、総放射線量は、計画に規定された一定数の分割(fractions)に亘って送達され、各分割は、治療的放射線送達セッションであり、分割は、日によって或いは週によってさえ時間内で離間させられる。分割放射線治療は、放射線に曝される健康な組織の分割間の治癒を促進することのような、特定の利益を有する。しかしながら、分割放射線治療の延長された時間枠は、承認された放射線治療計画において正確に説明されない変化が生じ得ることを意味する。例えば、腫瘍は、効果的な放射線療法の故に大きさが縮むことがあり、患者が体重を取得すると或いは損失すると(体重損失は放射線療法中に一般的である)、内臓がシフトし得る。
適応計画(例えば、適応放射線療法又はART)は、一部の市販の放射線治療計画ソフトウェアで提供される機能である。ARTは、治療処方が治療中の患者状態の変化に合うように更新されることを可能にする。しかしながら、ARTは、多くの臨床設定で十分に活用されない。ARTの実施は、患者の現在のCT画像を治療計画システム(TPS)に送り返すことを伴い、そこでは、現在のCT画像中に提示される更新された解剖学的構造を用いて、更なる物理学ベースの最適化が行われる。この時間集中的なコストのかかる処置は、それを行うことの有益性についての強力なエビデンスがない限り、正当化することが困難である。更に、他の要因に起因する放射線治療レジメンへの調整は、一般的に行われない。医師は治療の過程に亘って患者をモニタリングするが、バイオメトリクス結果測定値、出血のような副作用、食欲への影響、疼痛のような全体的な主観的感情、時間の経過に亘る腫瘍の大きさ/位置の変化、及び年齢、性別、遺伝学、病歴のような他の人口統計学的情報を、放射線治療計画の実施可能な調整に変換することは困難である。従って、個々の患者の必要性、状態、及び時間の経過に亘る疾患の進行に合わせた治療計画を処方することは、気力を挫くような業であり、医師に有意な認知的負担を課す。
加えて、計画生成は、数回の反復を要し、非常に時間がかかり、異なる医師は、異なる好みを有することがあり、しばしば、病院は、適応計画を実施するための限定的なスタッフ及び時間的リソースを有する。
以下は、これらの問題を克服するための新しい改良されたシステム及び方法を開示する。
1つの開示の態様では、非一時的なコンピュータ可読媒体が、好みデータベースと、提案される放射線治療計画検討プロセスを実行するために少なくとも1つの電子プロセッサによって読み取り可能であり且つ実行可能である命令であって、検討グラフィカルユーザインタフェース(GUI)を介して、提案される放射線治療計画を検討者に提示すること、前記検討GUIを介して、(i)提案される放射線治療計画の受入れ又は(ii)検討者から拒否される放射線治療計画の注釈との組み合わせにおける提案される放射線治療計画の拒否のうちの1つを受信すること、及び提案される放射線治療計画の受入れに基づいて或いは拒否される提案される放射線治療計画の注釈に基づいて、好みデータベース内に格納される検討者の放射線治療計画の好みを更新することを含む、命令と、放射線治療計画プロセスを実行するために少なくとも1つの電子プロセッサによって読み取り可能であり且つ実行可能である命令であって、線量目的に関して患者のための放射線治療パラメータを最適化し、患者の少なくとも1つの計画画像を用いて患者のための1つ又はそれよりも多くの候補放射線治療計画を生成すること、好みデータベースから計画GUIに、患者と関連付けられる検討者の放射線治療計画の好みを検索すること、及び計画GUIで患者と関連付けられる検討者の放射線治療計画の好みを表示することを含む、命令とを格納する。
別の開示の態様では、非一時的なコンピュータ可読媒体が、放射線治療計画及び承認方法を実行するために少なくとも1つの電子プロセッサによって読み取り可能であり且つ実行可能である命令を格納する。方法は、第1のアクセスポイントで、第2のアクセスポイントから提案される放射線治療計画を受信すること、第1のアクセスポイントで1つ又はそれよりも多くのユーザ入力デバイスを介して、提案される放射線治療計画の受入れ又は提案される放射線治療計画の注釈との組み合わせにおける提案される放射線治療計画の拒否のうちの少なくとも1つを示す1つ又はそれよりも多くのユーザ入力を受信すること、受入れ又は注釈との組み合わせにおける拒否を第2のアクセスポイントに送信して、第2のアクセスポイントで、受入れ又は注釈との組み合わせにおける拒否を表示すること、及び受入れ又は注釈との組み合わせにおける拒否を好みデータベースに格納することを含む。
別の開示の態様では、放射線治療計画に従って複数の放射線治療セッションに亘って患者に対して分割放射線療法を実行する適応放射線計画方法。方法は、分割放射線療法の連続的なセッションの間に、患者の現在の医療画像から導出される状態変数と患者の現在の医療画像とは異なる患者情報から導出される追加的な状態変数とで患者の現在の状態を構築すること、プロセッサによって、ニューラルネットワークを現在の状態に適用して、適応放射線療法(ART)推奨を生成すること、ART推奨をワークステーションに表示し、ワークステーションを介してARTを実行するかどうかについての決定を受信すること、決定がARTを実行することであるならば、プロセッサによって、ARTを実行して、放射線治療計画を調整すること、及びプロセッサによって、決定に基づいて強化学習を実行して、ニューラルネットワークを更新することを含む。
1つの利点は、医師が提案される放射線治療計画を選択するための時間の量と費用を削減することにある。
別の利点は、提案される治療計画を拒否する際に医師の理由を格納し、医師のために将来の計画を作成する際にこれらの理由を使用することにある。
別の利点は、医師による提案される治療計画の拒否率を低下させることにある。
別の利点は、提案される治療計画をより迅速かつ効率的に生成する適応学習にある。
別の利点は、計画の実行中に治療計画を適応的に更新することにある。
所与の実施形態は、前述の利点の1つ、2つ、それよりも多く、又は全てを提供することがあり、全く提供しないことがあり、且つ/或いは本開示を読んで理解した後に当業者に明らかになるような他の利点を提供することがある。
本開示は、様々なコンポーネント(構成要素)及びコンポーネントの配置ならびに様々なステップ及びステップの配置の形態を取ることがある。図面は、好ましい実施形態を例示する目的のためだけであり、本開示を限定するように解釈されてならない。
以下は、放射線療法計画プロセスをカスタマイズする/改良するためのアプローチを開示している。これらのプロセスには、少なくとも2人の参加者、すなわち、腫瘍医(又はより一般的には医師)及び放射線物医師である。腫瘍医は、医学的側面を扱い、腫瘍に送達される放射線量についての並びにリスク臓器(OAR)に達射される放射線量を最小限に抑えるための目的を開発する。次に、放射線物理士は、治療計画システム(TPS)を利用してシミュレーションを行って、これらの目的を(ほぼ)達成する物理的に実現可能な放射線量分布を決定する。これは、線形加速器(linear accelerator)(linac;より一般的には、放射線送達デバイス)のパラメータが調整され、結果として得られる線量分布が計算される、逆計画プロセスによって行われる。実際には、全ての目的を完全に達成する線量分布を生成する送達パラメータ値を特定することはしばしば不可能である。例えば、腫瘍がOARと接触する領域があることがあるので、腫瘍の縁までの処方線量を達成することと、OAR内のいずれかにある最大線量を超えないこととの間で、何らかのトレードオフが行われなければならない。放射線物理士は、腫瘍医の様々な目的を様々な程度まで達成する幾つかの候補放射線療法計画を作成するのが典型的であり、例えば、幾つかの候補計画は、OARへの過剰な放射線曝露を犠牲にして腫瘍に十分な投与することを支持することで誤るのに対し、他の候補計画は、腫瘍の一部への線量減少を犠牲にしてOARを十分に保護することを支持することで誤る。
放射線物理士は、「最良の」計画を選択し(これは主観的である)、電子メール又は他の手段で腫瘍医にそれを提案する。腫瘍医は、提案された計画を受け入れてよく、或いはそれを拒否してよい。これは、通常、例えば、電話又は対面会を介して、非公式に行われる。最初に提案された計画が拒否されるならば、放射線物理士は元に戻り、最初の提案に対する腫瘍医からのフィードバックを考慮に入れて更なる最適化を行う。これは、放射線計画を腫瘍医に提案すること、拒否/フィードバックを受けること、計画を更に最適化することなどの、複数の時間を要する反復をもたらし得る。
更なる問題は、異なる腫瘍医が異なる好みを有し、放射線物理士は、典型的には、多くの腫瘍医と共に働くことである。よって、放射線物理士は、各腫瘍医の個々の好みを学ばなければならず、放射線計画の最適化を実施するときに、それらの好みを考慮に入れることを覚えていなければならない。
本明細書に開示する幾つかの実施形態では、これらの問題に対処するために推奨システム(recommender system)が開示される。このシステムは、ユーザインタフェースを含み、腫瘍医は、ユーザインタフェースを介して、提案される放射線治療計画を受け入れるか或いは拒否し、拒否される計画について、望ましい改良を特定する注釈を加える。これらは、例えば、計画によって提供される線量分布が不満足である領域(例えば、OARに近接した腫瘍の過少線量縁)を特定するTPSの領域輪郭作成能力を用いることによって、並びに輪郭付けられた領域を新しい目的で注釈付けすることによって、入力されてよい。受入及び拒否並びに注釈は、医師の好みデータベースに格納される。このデータベースが発展すると、それは、新たな線量最適化を行うときに腫瘍医特異な推奨を放射線物理士に提供するために、TPSにいる放射線物理士によって参照されることができる。例えば、腫瘍医の同一性を条件として、システムは、現在の患者と類似するその腫瘍医の過去の患者を特定し(例えば、癌の同じ種類/ステージ/進行度、人口統計学的類似性など)、医師の好みデータベースを検索して、それらの類似する患者について拒否された計画のあらゆる注釈と共に、それらの類似する患者について受け入れられた計画を抽出してよい。この情報は、どの候補放射線治療を腫瘍医に提案するかを選択するときの放射線物理士による検討のための腫瘍医特異な推奨窓(recommendations window)に表示されてよい。
より進歩した実施形態において、システムは、データベースの受入/拒否及び注釈を候補計画と比較して、腫瘍医への提案のための1つの計画を直接的に推奨してよく、或いは候補計画の腫瘍医特異なランキングを生成してよい。
更なる変形では、線量最適化の間に推奨システムを利用して、例えば、最適化基準に対応する(複数の)目的を有する領域を追加することを、そのような領域を追加する過去の拒否された計画に関する注釈に基づいて推奨してよい。
本明細書に開示する幾つかの実施形態では、放射線療法の改良された適応が開示される。適応放射線療法(ART)は、分割放射線療法レジメン(fractionated radiation therapy regimen)の過程に亘る患者に対する変更に基づいて当初の放射線療法計画の調整を可能にする何らかのTPSを備える能力である。しかしながら、以下のような問題が生じる。多くの場合、そうすることが患者の転帰(outcome)を向上させるというエビデンスがないならば、当初の放射線療法レジメンを更新するインセンティブはない。よって、適応放射線療法は、現在のコンピュータ断層撮影(CT)又は磁気共鳴(MR)画像が適応の利点を直ちに明らかにする患者における実質的な変化を示すならば、適用されるに過ぎない。
開示の改良された適応アプローチでは、患者の状態が追跡され、その場合、その状態は、現在のCT又はMR画像の画像特徴を含むことがあるが、患者の人口統計学的情報、患者の体重変化、治療の過程を通じた患者状態の他の変化、患者が受けている他の治療、患者が処方されている薬剤、患者の生理学的状態などのような、他の潜在的に関連する情報も含むことがある、状態変数によって定義される。強化学習(RL)が適用され、そこでは、ニューラルネットワークを訓練して、放射線治療レジメンについての更新を提案する。RLでは、受け取った報酬(すなわちフィードバック)を最大化することによって、(例えば、ポリシー関数によって表されるような)理想的な挙動が、特定のコンテキスト(環境)内で学習される。1つの例示的なRL用途において、エージェントが現在の状態でアクションを行うとき、RLシステムは、即時報酬を受け取り、期待される長期報酬を更新し、状態は更新される。学習プロセスの目標は、時間の経過に亘って全体的な報酬を最大化することである。この機械学習アプローチは、探索空間が非常に大きくなり得る場合に上手く機能し、RLシステムは、小さなデータサイズから開始して順次的に(オンラインで)訓練されることができる。RLのこれらの特性は、それを個人化されたヘルスケアアプリケーションにおける使用に適したものにさせる。RLシステムは、Deep Qネットワーク(Deep Q Network)(DQN)と呼ばれる深層補強ネットワーク又は所与の状態についての最適動作を学習するよう訓練された他の適切なニューラルネットワークを使用して実装されることができる。本明細書に開示する実施形態は、放射線療法レジメンの過程に亘って行われるべきART又は他の調整を推奨するためにRLを適用するために、RLを定義された学習プロセス及び状態データと共に利用する。
RLシステムのニューラルネットワークは、肯定的又は否定的フィードバック、例えば、提案されたレジメン更新が腫瘍医によって受け入れられているか又は拒否されているか(或いは、より進歩した実施形態では、例えば、1〜5の間のような、腫瘍医によって割り当てられる更新評価に基づいて)、或いは、更新されたレジメンを実施した後に患者状態が改善しているか又は悪化しているか(或いは、改善/悪化が加速/遅延しているか)に基づいて、進行中の適応的な仕方で訓練される。フィードバックは、即時的(例えば、医師が更新を受け入れるか拒否するか)であることができ、或いは遅延的(例えば、提案された変更の実施に続く時間経過に亘って患者状態が改善しているか又は悪化しているか)であってよい。ニューラルネットワークは、それが即時フィードバックと遅延フィードバックの両方、例えば、深層Qネットワークで訓練されることができるようなものでなければならない。
図1を参照すると、例示的な放射線治療計画及び承認システム10が示されている。図1に示すように、システム10は、検討者(reviewer)又は医師(例えば、腫瘍医)によって操作可能な(本明細書では医師ワークステーション12と呼ぶことがある)第1のアクセスポイント12と、放射線物理士によって操作可能な第2のアクセスポイント14と、第1及び第2のワークステーションと動作的に接続される好みデータベース16とを含む。第1のアクセスポイント12は、少なくとも1つの電子プロセッサ20、少なくとも1つのユーザ入力デバイス(例えば、マウス、キーボード、トラックボール、及び/又は同等物)22、及びディスプレイデバイス24のような、典型的なコンポーネント(構成要素)を備える、コンピュータ、ワークステーション、タブレット、又は他の電子データ処理デバイス18を含む。これらのコンポーネントを様々に分散し得ることが留意されるべきである。例えば、電子プロセッサ20は、ワークステーション端末のローカルプロセッサと、ワークステーション端末によってアクセスされるサーバコンピュータのプロセッサとを含んでよい。幾つかの実施形態において、ディスプレイデバイス24は、コンピュータ18とは別個のコンポーネントであることができる。医師のワークステーション12は、1つ又はそれよりも多くのデータベース又は非一時的な記憶媒体26(磁気ディスク、RAID、又は他の磁気記憶媒体、ソリッドステートドライブ、フラッシュドライブ、電子的に消去可能な読出し専用記憶装置(EEROM)又は他の電子記憶装置、光ディスク又は他の光記憶装置、それらの様々な組み合わせなど)を含むこともできる。ディスプレイデバイス24は、ユーザ入力デバイス22からユーザ入力を受け取る1つ又はそれよりも多くのフィールドを含むグラフィカルユーザインタフェース(GUI)28を表示するように構成される。一般的に、腫瘍医は医師ワークステーション12にログインするので、医師ワークステーション12で取られる行為は腫瘍医(又はより一般的には医師)による行為であることが知られる。医師は、任意の適切な認証プロセスを使用して、例えば、ユーザ名/パスワードの組み合わせを入力することによって、或いは、生体認証ログイン(例えば、指紋リーダ、網膜リーダなど)、2段階認証ログインプロセスなどを使用することによって、ログインすることができる。
システム10は、治療計画システム(TPS)計画を生成するために、患者と関連付けられる放射線物理士又は別の検討者によって操作可能な第2のアクセスポイント14も含む。この通常の利用の脈絡によれば、第2のアクセスポイント14は、本明細書においてTPSアクセスポイント14と呼ばれることがある。TPSアクセスポイント14は、少なくとも1つの電子プロセッサ32、少なくとも1つのユーザ入力デバイス(例えば、マウス、キーボード、トラックボール、及び/又は同等物)34、及びディスプレイデバイス36のような、典型的なコンポーネントを備える、コンピュータ、ワークステーション、タブレット、又は他の電子データ処理デバイス30を含む。幾つかの実施形態において、ディスプレイデバイス36は、コンピュータ30とは別個のコンポーネントであることができる。ワークステーション14は、(磁気ディスク、RAID、又は他の磁気記憶媒体、ソリッドステートドライブ、フラッシュドライブ、電子的に消去可能な読出し専用記憶装置、又は他の電子記憶装置、光ディスク又は他の光記憶装置、それらの様々な組み合わせなどのような)1つ又はそれよりも多くのデータベース又は非一時な記憶媒体38を含むことができる。ディスプレイデバイス36は、ユーザ入力デバイス34からのユーザ入力を受け取る1つ又はそれよりも多くのフィールドを含む、グラフィカルユーザインタフェース(GUI)40を表示するように構成される。医師ワークステーション12及びTPSワークステーション14は、例えば、有線及び/又は無線病院電子データネットワーク、インターネット、それらの幾つかの組み合わせ、及び/又は同等物を介して、好みデータベース16に動作的に接続される。好みデータベース16は、放射線治療計画に関連するような個々の医師の好みに関する情報を格納するように構成される。この情報を様々な方法で格納することができる。1つのアプローチでは、承認又は拒否のために医師に提出された全ての候補放射線治療計画が、医師によって作成され且つ格納される提案された治療計画と関連付けられる注釈と共に、好みデータベース16に格納される。別の実施形態では、この情報の一部のみが、例えば、注釈が関連する提案された放射線治療計画に関する要約情報を備える注釈のみが、好みデータベース16に格納される。更に別のアプローチにおいて、好みデータベース16は、注釈のみを格納してよく、画像保護通信システム(Picture Archiving and Communication System)(PACS)データベース(図示せず)のような、別のデータベースに格納される放射線治療計画にリンクされてよい。
システム10は、提案される放射線治療計画検討方法又はプロセス100及び放射線治療計画プロセス200を実行するように構成される。これらのプロセスは、放射線治療計画プロセス200が提案される放射線治療計画を生成し、次に、提案される放射線治療計画が提案される放射線治療計画検討方法又はプロセス100を介して検討されるという点において、リンクされる。幾つかの実施形態において、医師ワークステーション12は、提案される放射線治療計画検討方法100を実行するように構成され、TPSワークステーション14は、放射線治療計画プロセス200を実行するように構成される。非一時的な記憶媒体は、(i)提案される放射線治療計画検討方法又はプロセス100を実行することを含む開示の操作を実行するよう第1のワークステーション12の少なくとも1つの電子プロセッサ20によって読み取り可能であり且つ実行可能である命令、及び(ii)提案される放射線治療計画プロセス200を実行することを含む開示の操作を実行するよう第2のワークステーション14の少なくとも1つの電子プロセッサ32によって読み取り可能であり且つ実行可能である命令を格納する。幾つかの例において、方法100及び/又は200は、少なくとも部分的に、クラウド処理によって実行されてよい。
図2を参照すると、提案される放射線治療計画検討方法100の例示的な実施形態がフローチャートとして図式的に示されている。102で、少なくとも1つの電子プロセッサ20は、例えば、第2ワークステーション14のGUI40から提案される放射線治療計画を受け取るよう、第1のワークステーション12のGUI28を制御又は操作するようにプログラムされる。例えば、医師は、医師ワークステーション12にログオンされ、提案される治療計画は、そのディスプレイデバイス24に表示される。
104で、少なくとも1つの電子プロセッサ20は、GUI28を介して、(i)提案される放射線治療計画の受入れ又は(ii)拒否される放射線治療計画の注釈との組み合わせにおける提案される放射線治療計画の拒否を示す1つ又はそれよりも多くのユーザ入力を受信するようにプログラムされる。例えば、医師は、第1のワークステーション12の少なくとも1つのユーザ入力デバイス22を使用して、提案される放射線治療計画を受け入れるか或いは提案される放射線治療計画を拒否するユーザ入力を入力し、そして、医師が提案される計画に見たい変更を示す1つ又はそれよりも多くの注釈を入力することができる。一例において、注釈は、治療のための新たな関心領域(ROI)、提案される治療計画において最初に提案されるROIの新しい寸法などを選択することを含むことができる。幾つかの実施形態において、ROIの選択は、TPSの領域輪郭形成モジュール(又は医師ワークステーション12にあるモジュールの重複インスタンス)を活用して(leverage)よい。
106で、少なくとも1つの電子プロセッサ20は、提案される放射線治療計画の受入れに基づいて、又は拒否される提案される放射線治療計画の注釈に基づいて、好みデータベース16に格納される検討者の放射線治療計画の好みを格納及び更新するようにプログラムされる。これらの好みは、提案される治療計画の追加的な反復を生成するために使用されることができる。加えて、これらの好みは、初期的な将来の提案される放射線治療計画を作成するために使用されることができる。
108で、少なくとも1つの電子プロセッサ20は、第2のワークステーション14への注釈との組み合わせにおいて受入れ又は拒否を送信するようにプログラムされる。受入れ又は拒否/注釈は、第2のワークステーション14のディスプレイデバイス36に表示されることができる。操作102〜108は、医師が提案される治療計画を受け入れるまで、検討のために医師に送付される1つ又はそれよりも多くの後続の提案される放射線治療計画について繰り返されることができる。
図3を参照すると、放射線治療計画方法200の例示的な実施形態が、フローチャートとして図式的に示されている。202で、TPSワークステーション14の少なくとも1つの電子プロセッサ32は、GUI40を介して、候補放射線治療計画を生成するようにプログラムされる。これは、典型的には、放射線治療計画が開発されている特定の患者の計画画像をロードすることを伴う。TPSワークステーション14は、放射線物理士が、その放射線被曝が制限されるべき1つ又はそれよりも多くのリスク臓器(OAR)と共に、腫瘍又は病変又は他の放射線標的の輪郭を描く、領域輪郭形成モジュールを提供する。腫瘍医は、典型的には、標的についての処方線量及びOARについての制限的な線量を提供してきた。これらは、例えば、総線量、線量体積ヒストグラム(DVH)パラメータ、及び/又は同等物のように、様々に特定されてよい。TPSで、これらは一連の目的又は目標として策定される。放射線物理士は、初期的な放射線送達デバイス構成(例えば、マルチリーフコリメータ又はMLC設定、線形加速器回転速度など)を設定し、計画画像によって表されるように、この構成を使用して患者に送達される線量分布をシミュレートする。TPSは、このシミュレートされる線量分布についての目的又は目標の測定基準(メトリック)を計算し、送達デバイス構成を調整し、目的又は目標に関して放射線送達デバイスの構成を最適化するために線量分布シミュレーションなどを反復的に繰り返す。このプロセスは、例えば、異なる初期的な放射線送達デバイス構成、異なる及び/又は異なって策定される目標又は目的、又は候補放射線治療計画のセット、例えば、5個の候補治療計画、10個の候補治療計画、又は20個の候補治療計画などを開発するための他の調整を使用して、数回繰り返されてよい。1つの非限定的な例示的な例において、放射線治療計画最適化プロセス202は、Koninklijke Philips N.V.から入手可能なPinnacle3 Treatment Planning Systemによって実施されてよい。
操作202において生成される候補治療計画のうちのどれが主観的であるかの選択。殆どの場合、候補治療計画のいずれも、腫瘍医によって処方される全ての目的又は目標を完全に満たさない。例えば、1つの候補治療計画は、腫瘍中のあらゆる場所で単位体積当たりの所望の最小線量を達成することがあるが、隣接するOARの一部に送達される処方されるよりも高い線量(higher-than-prescribed dosage)を犠牲にする。他方、別の候補治療計画は、OARにおいて処方される線量を満たすことがあるが、腫瘍の一部に対する処方されるよりも少ない線量(less-than-prescribed dose)を犠牲にする。一方、他の候補治療計画は、これらの2つの競合する目的又は目標を様々に均衡させることがある。異なる腫瘍医は、これらの競合する目的又は目標を均衡させる最適な方法について異なる好みを有することがある。患者を治療する腫瘍医にどの候補放射線治療計画を提案するかについての主観的決定を行う際に放射線物理士を支援するために、放射線物理士は医師の好みデータベース16を参照してよい。そうするために、操作204において、患者と関連付けられる検討者の好みは、データベース16からGUI40に検索され、操作206において、これらの好みは、GUIで表示される。操作208において、放射線物理士は、図2の方法100を介した腫瘍医への提案のために、候補放射線治療計画のうちの1つを選択する。好ましくは、放射線物理士は、この選択を行う際に、206で表示される腫瘍医の好みを考慮する。次に、選択された候補放射線治療計画は、提案される放射線治療計画検討方法100の実行による受入れ又は拒否/注釈のために、提案される放射線治療計画として医師ワークステーション12に送られる。
(提案される放射線治療計画検討方法100の操作が実行された後に)210で、提案される放射線治療計画が拒否されるならば、拒否は、TPSワークステーション14での注釈との組み合わせにおいて第2のワークステーション14で表示される。任意的に、方法100の操作104(図2)において、腫瘍医が、医師ワークステーション12で稼動する領域輪郭形成モジュール(のインスタンス)を用いて、注釈プロセスの一部として新しい領域を輪郭形成したならば、操作210は、腫瘍医の注釈に示されるように、その追加された領域についての1つ又はそれよりも多くの目的又は目標と共に、その輪郭を放射線治療計画に自動的にインポートすることを含んでよい。計画へのあらゆるそのような(複数の)追加は、好ましくは、放射線物理士がこれらの(複数の)追加を認識していることを保証するために、赤色又は別の色又は何らかの他の強調表示メカニズムを用いて強調表示される。次に、プロセスフローは、線量最適化プロセス202に戻るが、医師の注釈に従って更新された輪郭形成された領域及び/又は目標について今や実行される。
検索ステップ206において、検索される情報は、患者に関連する治療する腫瘍医の放射線治療計画の好みを含む。操作206は、好ましくは、治療が計画されている現在の患者に類似する場合のためにデータベース16に格納された好みを検索する。幾つかの実施形態において、治療する腫瘍医又は医師の以前の患者の放射線治療計画の受入れ又はそのような放射線治療計画への注釈を含む情報は、202で生成される患者についての1つ又はそれよりも多くの候補放射線治療計画との類似性に基づいて、データベース16から選択的に検索される。例えば、好みデータベース16からの検索情報は、(i)提案される治療計画が準備された腫瘍医によって作られた以前の注釈、(ii)治療のために類似のROIを有する患者のために腫瘍医によって受け入れられた以前の治療計画、及び/又は(iii)新しいROIのための注釈が腫瘍医によって拒否されて注釈付された以前の治療計画を含むことができる。治療計画は、この検索された情報を用いて更新されることができ、医師による受入れ又は拒否のために第1のワークステーション12に送信される。好み表示操作208は、様々に実施されることができる。この情報は、どの放射線治療計画の候補を腫瘍医に提案するかを選択するときに、放射線物理士による検討のための腫瘍医特異な推奨窓内に表示されてよい。別のアプローチでは、204でデータベースから検索される受入れ/拒否及び注釈は、202で生成される候補計画と定量的に比較されて、腫瘍医への提案のために1つの候補計画を直接的に推奨するか、或いは候補計画の腫瘍医特異な固有のランキングを生成する。定量的な比較は、腫瘍についての目標が満たされる程度とOARについての目標が達成される程度とを比較する比率のような測定基準(メトリック)を用いて、各治療計画(候補又はデータベースから)の定量的な評価を提供することがある。この測定基準は、攻撃性に関する医師の好みを特徴付ける。すなわち、OARを犠牲にして腫瘍目標を達成することは、OARをより良く保存するために腫瘍目標を犠牲にすることと比較して、より攻撃的な戦略である。候補計画のためのこの測定基準の値を検索されて受け入れられた以前の計画のためのこの測定基準の値と比較することによって、推薦者システムは、その攻撃性が、データベース16から医師によって承認された以前の計画の典型的な攻撃性に最も合致する、候補プランを推奨することができる。
更なる変形において、推奨システムは、例えば、そのような領域を追加する過去の拒否された計画に関する注釈に基づいて、最適化基準に対応する目的を有する領域を追加することを推奨するために、線量最適化ステップ202の間に利用されてよい。この変形において、検索操作204は、線量最適化202の間に実行されなければならず、承認された以前の計画のために定義された領域は、ステップ202で放射線物理士によって定義された領域と比較される。
(図2の方法100からの)提案される計画に関する注釈が表示されるステップ210は、様々な表示アプローチを同様に利用することができる。簡単な方法は、注釈を窓内にテキストとして表示することである。前述のように、注釈が腫瘍医によって新たに定義された領域を含むならば、その注釈は、適切な強調表示でこの領域輪郭を追加することを含んでよい。他の例では、受信する注釈に基づいて、少なくとも1つの電子プロセッサ32は、候補治療計画が注釈変更にどれぐらい上手く合致するかに基づいて、ステップ202から候補治療計画のランク付けされたリストを生成するようにプログラムされる。(この実施形態は、操作202で生成される全ての候補放射線治療計画が、少なくとも、方法100によって生成される注釈がTPSワークステーション14で受信されるまで、格納されると推定する)。
図3を続けて参照して、図1を再び参照すると、幾つかの例において、システム10は、適応動作を実行することができる。例えば、第1のワークステーション12の少なくとも1つの電子プロセッサ20及び/又は第2のワークステーション14の少なくとも1つの電子プロセッサ32は、治療オプションを推奨するために訓練されたニューラルネットワーク42(NN42)を適用するようにプログラムされることができる。任意的な操作212において、少なくとも1つの電子プロセッサ32は、訓練されたNN42を使用して治療オプションを推奨して提案される治療計画を生成するようにプログラムされる。次に、少なくとも1つの電子プロセッサ32は、受入れ及び/又は拒否と注釈との組み合わせを示すユーザ入力を使用して、推奨される治療オプションを更新するようにプログラムされる。
任意的な操作214で、少なくとも1つの電子プロセッサ32は、受入れ及び/又は拒否と注釈との組み合わせを示すユーザ入力を使用して、訓練されたNN42の1つ又はそれよりも多くの状態変数を更新するようにプログラムされる。状態変数は、例えば、患者の撮像セッションからの特徴、患者の人口統計学的情報、患者の体重変化、及び患者の状態変化を含むことができる。
図4を参照すると、適応放射線療法方法300の例示的な実施形態がフローチャートとして図式的に示されている。302で、放射線療法デバイス(図示せず)を用いて、分割放射線療法が、放射線治療計画に従って、複数の放射線治療セッションに亘って患者に対して実行される。後続の操作304〜312は、分割放射線療法の連続的なセッション(すなわち、連続的な分割)の間に実行されることができる。304で、患者の現在の状態が、患者の現在の医療画像から導出される状態変数及び患者の現在の医療画像以外の患者情報を含むか或いはそれから導出される追加的な状態変数で構築される。幾つかの例において、追加的な状態変数は、患者の人口統計学的情報、患者の体重変化、及び患者の状態変化のうちの少なくとも1つを含むか或いはそれらから導出される。
306で、プロセッサ20又は32を用いて、ニューラルネットワーク42が現在の状態に適用されて、適応放射線療法(ART)推奨を生成する。幾つかの例において、ニューラルネットワーク42は、Qネットワークを含む。
308で、ディスプレイデバイス24又は36は、ワークステーション12又は14上でART推奨を表示して、ワークステーションを介してARTを実行するかどうかの決定を受信するように構成される。幾つかの例において、受信する決定は、ART推奨の受信スコアとして定式化され(formulated)、スコアが閾値を超えるならば、決定は、ARTを実行することであり、強化学習が、スコアに基づいて実行される。
310で、プロセッサ20又は32を用いて、ARTが実行されて、ARTを実行する決定の後に、放射線治療計画が調整される。
312で、プロセッサ20又は32を用いて、ニューラルネットワーク42を更新する決定に基づいて、強化学習が実行される。幾つかの例では、放射線治療計画を調整するために、強化学習は、患者の状態がARTの以前の実行に続いて改良されたか或いは悪化したかに基づいて、更に実行される。
(例1)
全ての以前の計画及び対応する注釈は、受け入れられたにせよ、拒否されたにせよ、システム10によって迅速に問い合わせられるよう、好みデータベース16に格納される。好みデータベース16は、最適な放射線治療計画を学習するために活用されることができる、時間の経過に亘る各医師の計画履歴のライブラリとして機能する。
全ての以前の計画及び対応する注釈は、受け入れられたにせよ、拒否されたにせよ、システム10によって迅速に問い合わせられるよう、好みデータベース16に格納される。好みデータベース16は、最適な放射線治療計画を学習するために活用されることができる、時間の経過に亘る各医師の計画履歴のライブラリとして機能する。
注釈も、好みデータベース16に格納されてよい。注釈は、例えば、3D空間におけるROIの境界(例えば、x、y、z座標)、正しい/改良された線量範囲、局所テキストフィードバック、一般テキストフィードバック、計画の品質評価(例えば、0〜100スケール)などを含むことができる。次に、この注釈フィードバックデータは、各医師のためにライブラリに追加するために、好みデータベース16に格納される。
本明細書に開示する実施形態において、注釈は、提案される治療計画を最適化するために用いられる。幾つかの例では、特定の医師の計画ライブラリは、類似性の何らかの閾値の範囲内で、現在の患者に類似する以前の患者について問い合わされる。伝統的に、2人の患者間の類似性は、患者を表す特徴のセット間の適切な距離測定基準を計算することによって定量化され、距離を計算する前に異なるカーネルを用いて特徴を変換することは珍しくない。しかしながら、臨床的脈絡において患者の類似性を推定することは主観的な作業であり、類似性についての特徴の相対的な重要性並びにカーネル及び距離測定基準の選択を決定することは極めて困難である。データ駆動型アプローチが、患者の類似性を定量化するために用いられる。変分オートエンコーダ(variational Autoencoder)(VAE)のような一般モデルを用いて、臨床的に類似する患者が互いに近い潜在空間(latent space)を作り出す。
患者類似性アルゴリズムは、以下のように記述される。
a.X={x1,x2,...}とする。
b.VAEモデルを訓練して、元の患者データxを潜在空間内のデータポイントにマッピングするマッピング関数Tを学習させるx’;x’=T(x),X’={x’1,x’2,...}。
c.新しい患者x0が与えられると、それを潜在空間にマッピングするx’0=T(x0)。
d.患者x0に対する患者xkの類似性スコアは、x’kとx’0との間のユークリッド距離の逆数であり、S(xk,x0)=1/euclidean_distance(xk,x0)であり、類似性スコアは、ジャカール類似性(Jaccard similarity)のような他の類似性測定基準であることができる。
e.類似性スコアSに基づいて上位の類似する患者を選択する。
a.X={x1,x2,...}とする。
b.VAEモデルを訓練して、元の患者データxを潜在空間内のデータポイントにマッピングするマッピング関数Tを学習させるx’;x’=T(x),X’={x’1,x’2,...}。
c.新しい患者x0が与えられると、それを潜在空間にマッピングするx’0=T(x0)。
d.患者x0に対する患者xkの類似性スコアは、x’kとx’0との間のユークリッド距離の逆数であり、S(xk,x0)=1/euclidean_distance(xk,x0)であり、類似性スコアは、ジャカール類似性(Jaccard similarity)のような他の類似性測定基準であることができる。
e.類似性スコアSに基づいて上位の類似する患者を選択する。
物理士によって設定される関連性のレベル及び特定の特徴のセットに基づいて類似の患者を問い合わせることができる、ジャカール類似性、K−Meansクラスタリング、又はランキングアルゴリズムのような、物理士が関連性のレベルに対する制御を有する、「クラス最高の(best in class)」患者類似性アルゴリズムが用いられる。この問い合わせについて2つの可能な場合、すなわち、(1)(後に使用されるべき)この問い合わせのために幾らかの患者が存在する場合、(2)この問い合わせのために患者が存在しない場合あり、その場合、現在の患者に類似する以前の患者についての他の医師ライブラリ又はデフォルトのグローバルライブラリ(global library)を問い合わせることを含む、協調的アプローチが用いられる。
類似する患者の幾つかのセットを用いて、我々はセットから2つの構造、すなわち(1)次元(dimensionality)を減らすためにフィルタリングされた、拒否された患者計画についての注釈、及び(2)現在の患者に最も類似する患者からの承認された計画を抽出する。
注釈は、関連する特徴を抽出するためにロジスティック回帰又は他の機械学習アルゴリズムを通じて給送される。最適化アルゴリズムの目的及び制約は、抽出された関連する特徴によって補強される。最適化プロセスは、類似性スコアの順序によって列挙される患者のために受け入れられた以前の類似する最適な計画から初期化され、物理士は、それらの中からの1つを選択することができる。
最適化プロセスは、新しい計画を生成するために実行され、それらのうちの1つは、承認のために提出される。ここで、物理士は、最初の数Nの計画が生成されるときにプロセスを停止することを選択することができる(Nは、物理士によって指定されることができる)。その理論的根拠は、新規患者について、同じ患者又は類似する計画から学習された計画も受け入れられるべきであり、最適化アルゴリズムは、先ず、類似する解(solutions)を特定しなければならないということである。
(例2)
適応放射線療法方法300は、訓練されたNN42を用いて実行される。NN42は、患者医療、医師及び画像データベースから患者状態情報を読み取る。担当医師は、医師への個人化された推奨を生成する状態とも見なされる。1人又はそれよりも多くの医師が、時系列の疾患進行転帰(time series disease progression outcomes)(例えば、30日間の腫瘍の大きさの変化、副作用、及び全般的な健康評価)のような一連の結果測定値に同意し、報酬目標を作成するために重みを正常化して割り当てる。NN42(例えば、Qネットワーク)は、状態入力に基づいて、一連の行為及び予測される報酬を推奨する。患者が治療を開始し、医師によって決定されることができる報酬目標スコアが以前のスコアよりも大差で高いならば、システムは、予想される転帰測定値を用いて適応計画検討を医師に推奨する。新規患者の場合、比較のためのベースラインスコアは利用可能でないので、Qネットワークは、期待される報酬を最大化する行動を単に推奨する。計画が選ばれ、生成され、実行される。医師が患者状態を検討し、データベースにフィードバック/更新を提供する。患者は画像及び他の生理学的読取値を有してもよい。フィードバック及び患者生成医療画像及び読取値は新しい状態になり、行動からの転帰の確率行列が更新される。これらの操作は、治療計画が生成されるまで繰り返される。
適応放射線療法方法300は、訓練されたNN42を用いて実行される。NN42は、患者医療、医師及び画像データベースから患者状態情報を読み取る。担当医師は、医師への個人化された推奨を生成する状態とも見なされる。1人又はそれよりも多くの医師が、時系列の疾患進行転帰(time series disease progression outcomes)(例えば、30日間の腫瘍の大きさの変化、副作用、及び全般的な健康評価)のような一連の結果測定値に同意し、報酬目標を作成するために重みを正常化して割り当てる。NN42(例えば、Qネットワーク)は、状態入力に基づいて、一連の行為及び予測される報酬を推奨する。患者が治療を開始し、医師によって決定されることができる報酬目標スコアが以前のスコアよりも大差で高いならば、システムは、予想される転帰測定値を用いて適応計画検討を医師に推奨する。新規患者の場合、比較のためのベースラインスコアは利用可能でないので、Qネットワークは、期待される報酬を最大化する行動を単に推奨する。計画が選ばれ、生成され、実行される。医師が患者状態を検討し、データベースにフィードバック/更新を提供する。患者は画像及び他の生理学的読取値を有してもよい。フィードバック及び患者生成医療画像及び読取値は新しい状態になり、行動からの転帰の確率行列が更新される。これらの操作は、治療計画が生成されるまで繰り返される。
NN42は、2つの異なるタイプのフィードバック、すなわち、1)推奨される適応計画及び品質評価フィードバックの受入れ/拒否のような即時フィードバック、及び2)時間の経過に亘る患者状態の変化のような遅延フィードバックから学習する。即時学習プロセスでは、計画受入れのような入力(例えば、0/1バイナリインジケータ、0=拒否、1=受入れ、グローバル品質評価及びフィードバックなど)がNN42に入力される。NN42は、現在の計画と医師によって提案される計画との間の損失、例えば、予測値と目標線量値との間の平均二乗誤差損失を最小化するよう、標準的な逆伝搬(back-propagation)で訓練される。次に、NN42は、新しい提案される計画の質と、それが医師によって受け入れられる可能性とを予測する。遅延学習プロセスは、最終的に受け入れられた治療計画が送達された後に生じる。副作用/全身感覚の患者調査、標的ROIの新しいCT画像、患者のバイタルサイン、及び他の患者転帰要素(patient outcome members)のような入力が、NN42に入力される。NN42は、現在の患者状態から可能な次の状態への条件付き移行行列を更新するように訓練される。次に、NN42は、将来の計画生成のためにデータベース16を更新する。
本開示は、好ましい実施形態を参照して記載されている。先行する詳細な記述を読んで理解した後に、修正及び変更が、他者に思い浮かぶことがある。本発明は、それらが添付の請求項及びその均等物の範囲内に入る限り、全てのそのような修正及び変更を含むように構成されることが意図されている。
Claims (20)
- 好みデータベースと、
提案される放射線治療計画検討プロセスを実行するために少なくとも1つの電子プロセッサによって読み取り可能であり且つ実行可能である命令であって、
検討グラフィカルユーザインタフェース(GUI)を介して、提案される放射線治療計画を検討者に提示すること、
前記検討GUIを介して、(i)前記提案される放射線治療計画の受入れ又は(ii)前記検討者から拒否される放射線治療計画の注釈との組み合わせにおける前記提案される放射線治療計画の拒否のうちの1つを受信すること、及び
前記提案される放射線治療計画の前記受入れに基づいて或いは前記拒否される提案される放射線治療計画の前記注釈に基づいて、前記好みデータベースに格納される前記検討者の放射線治療計画の好みを更新することを含む、
命令と、
放射線治療計画プロセスを実行するために少なくとも1つの電子プロセッサによって読み取り可能であり且つ実行可能である命令であって、
線量目的に関して患者のための放射線治療パラメータを最適化し、患者の少なくとも1つの計画画像を用いて前記患者のための1つ又はそれよりも多くの候補放射線治療計画を生成すること、
前記好みデータベースから計画GUIに、前記患者と関連付けられる検討者の放射線治療計画の好みを検索すること、及び
前記計画GUIで前記患者と関連付けられる前記検討者の前記放射線治療計画の好みを表示することを含む、
命令とを格納する、
非一時的なコンピュータ可読媒体。 - 前記放射線治療計画プロセスは、前記計画GUIで、前記提案される放射線治療計画検討プロセスによる前記患者と関連付けられる前記検討者への提案のための前記1つ又はそれよりも多くの候補放射線治療計画のうちの1つの候補放射線治療計画の選択を受信することを更に含む、請求項1に記載の非一時的なコンピュータ可読媒体。
- 前記計画GUIで前記患者と関連付けられる前記検討者の前記放射線治療計画の好みを表示することは、前記放射線治療計画の好みを前記患者のための前記1つ又はそれよりも多くの候補放射線治療計画に対する1つ又はそれよりも多くの推奨される修正として表示することを含む、請求項1又は2に記載の非一時的なコンピュータ可読媒体。
- 前記計画GUIで前記患者と関連付けられる前記検討者の前記放射線治療計画の好みを表示することは、
前記患者のための前記1つ又はそれよりも多くの候補放射線治療計画を前記患者と関連付けられる前記検討者の前記放射線治療計画の好みと比較すること、及び
該比較に基づいて、前記患者のための前記1つ又はそれよりも多くの候補放射線治療計画のうちの1つの候補放射線治療計画の推奨を、前記患者と関連付けられる前記検討者の前記放射線治療計画の好みに最も密接に適合するものとして表示することを含む、
請求項1乃至3のうちのいずれか1項に記載の非一時的なコンピュータ可読媒体。 - 前記好みデータベースから前記計画GUIに、前記患者と関連付けられる前記検討者の前記放射線治療計画の好みを検索することは、前記患者のための前記1つ又はそれよりも多くの候補放射線治療計画に対する類似性に基づいて、前記患者と関連付けられる前記検討者の以前の患者の放射線治療計画の受入れ又はそのような放射線治療計画への注釈を選択すること、及び該選択される受入れ又は注釈に対する前記患者と関連付けられる前記検討者の好みを検索することを含む、請求項1乃至4のうちのいずれか1項に記載の非一時的なコンピュータ可読媒体。
- 前記最適化することは、
前記患者に類似する以前の患者について医者の計画ライブラリのために前記好みデータベースに問い合わせること、
関連性のレベル及び特徴の特定のセットに基づいて類似する患者に問い合わせるよう前記計画ライブラリを処理すること、
前記患者に最も類似する以前の患者から拒否される患者計画及び承認される計画についての注釈を抽出することを含む、
請求項1乃至5のうちのいずれか1項に記載の非一時的なコンピュータ可読媒体。 - 放射線治療計画及び承認方法を実行するために少なくとも1つの電子プロセッサによって読み取り可能であり且つ実行可能である命令を格納する非一時的なコンピュータ可読媒体であって、前記方法は、
第1のアクセスポイントで、第2のアクセスポイントから提案される放射線治療計画を受信すること、
前記第1のアクセスポイントで1つ又はそれよりも多くのユーザ入力デバイスを介して、前記提案される放射線治療計画の受入れ又は前記提案される放射線治療計画の注釈との組み合わせにおける前記提案される放射線治療計画の拒否のうちの少なくとも1つを示す1つ又はそれよりも多くのユーザ入力を受信すること、
前記受入れ又は前記注釈との組み合わせにおける前記拒否を前記第2のアクセスポイントに送信して、前記第2のアクセスポイントで、前記受入れ又は前記注釈との組み合わせにおける前記拒否を表示すること、及び
前記受入れ又は前記注釈との組み合わせにおける前記拒否を好みデータベースに格納することを含む、
非一時的なコンピュータ可読媒体。 - 前記方法は、
前記第2のアクセスポイントで前記提案される放射線治療計画を生成すること、
前記提案される放射線治療計画が拒否され、前記第2のアクセスポイントで、前記注釈との組み合わせにおける前記拒否を表示するならば、前記注釈に基づいて前記提案される放射線治療計画を更新し、前記治療計画の受入れを示すユーザ入力が前記第2のアクセスポイントで受信されるまで、前記受信する操作、前記送信する操作、及び前記格納する操作を繰り返すことを更に含む、
請求項7に記載の非一時的なコンピュータ可読媒体。 - 前記方法は、
前記好みデータベースから、前記提案される治療計画が誰のために準備されるかについて腫瘍医によって作られた以前の注釈を検索すること、及び
前記第2のアクセスポイントで、前記提案される治療計画を前記検索される以前の注釈で更新することを更に含む、
請求項8に記載の非一時的なコンピュータ可読媒体。 - 前記検索することは、
前記好みデータベースから、治療についての類似の関心領域を有する患者について前記腫瘍医によって受け入れられた以前の治療計画を検索すること、及び
前記第2のアクセスポイントで、前記提案される治療計画を前記検索される以前の受け入れられた治療計画で更新することを含む、
請求項9に記載の非一時的なコンピュータ可読媒体。 - 前記方法は、
前記好みデータベースから、新しい関心領域についての注釈が追加された前記腫瘍医によって拒否されて注釈付けられた以前の治療計画を検索すること、
前記第2のアクセスポイントで、前記検索される注釈を用いて前記提案される治療計画を更新することを更に含む、
請求項8乃至10のうちのいずれか1項に記載の非一時的なコンピュータ可読媒体。 - 前記方法は、
前記第2のアクセスポイントで、前記検索される以前の注釈及び前記受け入れられる治療計画に基づいて前記提案される治療計画のランク付けされたリストを生成すること、及び
前記提案される治療計画のランク付けされたリストを前記第1のアクセスポイントに送信することを更に含む、
請求項9乃至11のうちのいずれか1項に記載の非一時的なコンピュータ可読媒体。 - 前記方法は、
訓練されたニューラルネットワーク(NN)を用いて治療オプションを推奨して前記提案される治療計画を生成すること、及び
受入れ、拒否、及び注釈を示す前記ユーザ入力を用いて、前記推奨される治療オプションを更新することを更に含む、
請求項7乃至12のうちのいずれか1項に記載の非一時的なコンピュータ可読媒体。 - 前記方法は、
受入れ、拒否、及び注釈を示す前記ユーザ入力を用いて、前記訓練されたNNNの1つ又はそれよりも多くの状態変数を更新することを更に含む、
請求項13に記載の非一時的なコンピュータ可読媒体。 - 前記状態変数は、
前記患者の撮像セッションからの特徴、患者の人口統計学的情報、患者の体重変化、患者の状態変化のうちの少なくとも1つを含む、
請求項14に記載の非一時的なコンピュータ可読媒体。 - 放射線治療計画に従って複数の放射線治療セッションに亘って患者に対して分割放射線療法を実行する適応放射線計画方法であって、
当該方法は、前記分割放射線療法の連続的なセッションの間に、
前記患者の現在の医療画像から導出される状態変数と前記患者の前記現在の医療画像とは異なる患者情報から導出される追加的な状態変数とで前記患者の現在の状態を構築すること、
プロセッサによって、ニューラルネットワークを前記現在の状態に適用して、適応放射線療法(ART)推奨を生成すること、
該ART推奨をワークステーションに表示し、該ワークステーションを介してARTを実行するかどうかについての決定を受信すること、
前記決定がARTを実行することであるならば、前記プロセッサによって、ARTを実行して、前記放射線治療計画を調整すること、及び
前記プロセッサによって、前記決定に基づいて強化学習を実行して、前記ニューラルネットワークを更新することを含む、
適応放射線計画方法。 - 前記追加的な状態変数は、患者の人口統計学的情報、患者の体重変化、及び患者の状態変化のうちの少なくとも1つを含み、或いはそれらのうちの少なくとも1つから導出される、請求項16に記載の適応用車線計画方法。
- 前記受信する決定は、受信する前記ART推奨のスコアとして定式化され、前記決定は、前記スコアが閾値を超えるならば、ARTを実行することであり、前記強化学習は、前記スコアに基づいて実行される、請求項16に記載の適応用車線計画方法。
- 前記強化学習は、ARTの以前の実行に続いて患者状態が改善したか或いは悪化したかに更に基づいて実行されて、前記放射線治療計画を調整する、請求項16に記載の適応用車線計画方法。
- 前記ニューラルネットワークは、Qネットワークを含む、請求項16に記載の適応用車線計画方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862646957P | 2018-03-23 | 2018-03-23 | |
US62/646,957 | 2018-03-23 | ||
PCT/EP2019/056364 WO2019179857A1 (en) | 2018-03-23 | 2019-03-14 | Fast and personalized recommender system for radiation therapy planning enhancement via closed loop physician feedback |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021518196A true JP2021518196A (ja) | 2021-08-02 |
Family
ID=65861265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020550072A Withdrawn JP2021518196A (ja) | 2018-03-23 | 2019-03-14 | 閉ループ医師フィードバックを介した放射線療法計画強化のための迅速で個人化された推奨システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210027878A1 (ja) |
EP (1) | EP3769317A1 (ja) |
JP (1) | JP2021518196A (ja) |
CN (1) | CN111989749A (ja) |
WO (1) | WO2019179857A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11410110B2 (en) * | 2019-08-06 | 2022-08-09 | International Business Machines Corporation | Alert generation based on a cognitive state and a physical state |
US11651848B2 (en) * | 2020-03-27 | 2023-05-16 | Siemens Healthineers International Ag | Methods and apparatus for controlling treatment delivery using reinforcement learning |
US11545267B2 (en) | 2020-08-04 | 2023-01-03 | Signalpet, Llc | Methods and apparatus for the application of reinforcement learning to animal medical diagnostics |
US20220415472A1 (en) * | 2021-06-28 | 2022-12-29 | Varian Medical Systems, Inc. | Artificial intelligence modeling to suggest field geometry templates |
US20230087944A1 (en) * | 2021-09-20 | 2023-03-23 | Varian Medical Systems, Inc. | Machine learning modeling to predict heuristic parameters for radiation therapy treatment planning |
EP4180088A1 (en) * | 2021-11-16 | 2023-05-17 | Koninklijke Philips N.V. | A machine learning based system for generating objective functions for radiation therapy treatment planning |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003076003A2 (en) * | 2002-03-06 | 2003-09-18 | Tomotherapy Incorporated | Method for modification of radiotherapy treatment delivery |
EP2656307B1 (en) * | 2010-12-20 | 2017-07-05 | Koninklijke Philips N.V. | System and method for automatic generation of initial radiation treatment plans |
CN110075426A (zh) * | 2011-11-30 | 2019-08-02 | 皇家飞利浦有限公司 | 用于在辐射治疗中多患者处置计划访问的自动算法与构架 |
EP3007771B1 (en) * | 2013-06-12 | 2017-09-06 | University Health Network | Method and system for automated quality assurance and automated treatment planning in radiation therapy |
WO2014205128A1 (en) * | 2013-06-18 | 2014-12-24 | Duke University | Systems and methods for specifying treatment criteria and treatment parameters for patient specific radiation therapy planning |
EP3441114B1 (en) * | 2013-06-21 | 2020-09-16 | Siris Medical, Inc. | Multi-objective radiation therapy selection system and method |
US20160239621A1 (en) * | 2013-10-23 | 2016-08-18 | Koninklijke Philips N.V. | System and method enabling the efficient management of treatment plans and their revisions and updates |
-
2019
- 2019-03-14 CN CN201980021521.6A patent/CN111989749A/zh active Pending
- 2019-03-14 WO PCT/EP2019/056364 patent/WO2019179857A1/en active Application Filing
- 2019-03-14 JP JP2020550072A patent/JP2021518196A/ja not_active Withdrawn
- 2019-03-14 US US17/040,119 patent/US20210027878A1/en not_active Abandoned
- 2019-03-14 EP EP19712542.0A patent/EP3769317A1/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
CN111989749A (zh) | 2020-11-24 |
EP3769317A1 (en) | 2021-01-27 |
US20210027878A1 (en) | 2021-01-28 |
WO2019179857A1 (en) | 2019-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021518196A (ja) | 閉ループ医師フィードバックを介した放射線療法計画強化のための迅速で個人化された推奨システム | |
US11734629B2 (en) | Medical scan labeling quality assurance system and methods for use therewith | |
Oktay et al. | Evaluation of deep learning to augment image-guided radiotherapy for head and neck and prostate cancers | |
JP2021519120A (ja) | Ct/linacコンソールにおける適応放射線療法のための決定支援ツール | |
JP5771006B2 (ja) | ケースベースの意思決定支援のための方法及び装置 | |
US20110046979A1 (en) | Method and system for personalized guideline-based therapy augmented by imaging information | |
US20090083075A1 (en) | System and method for analyzing medical data to determine diagnosis and treatment | |
US20090234628A1 (en) | Prediction of complete response given treatment data | |
US11679274B2 (en) | Artificial intelligence modeling for radiation therapy dose distribution analysis | |
US20220296924A1 (en) | Artificial intelligence modeling for radiation therapy dose distribution analysis | |
US11710572B2 (en) | Experience engine-method and apparatus of learning from similar patients | |
Smith et al. | Can the student outperform the master? A plan comparison between pinnacle auto-planning and eclipse knowledge-based RapidPlan following a prostate-bed plan competition | |
US20180293353A1 (en) | System and method for decision-making for determining initiation and type of treatment for patients with a progressive illness | |
US20240115883A1 (en) | Neural network calibration for radiotherapy | |
Guberina et al. | Comparison of online-onboard adaptive intensity-modulated radiation therapy or volumetric-modulated arc radiotherapy with image-guided radiotherapy for patients with gynecologic tumors in dependence on fractionation and the planning target volume margin | |
Zheng et al. | Radiotherapy treatment planning in the age of AI: Are we ready yet? | |
EP4364158A1 (en) | Artificial intelligence modeling to suggest field geometry templates | |
US11612761B2 (en) | Training artificial intelligence models for radiation therapy | |
El Naqa et al. | Machine Learning in Radiation Oncology | |
US11710558B2 (en) | Computer modeling for field geometry selection | |
US20240169543A1 (en) | Patient-specific auto-segmentation in online adaptive radiotherapy | |
US20220414525A1 (en) | Machine learning approach for solving beam angle optimization | |
Hurkmans et al. | A joint ESTRO and AAPM guideline for development, clinical validation and reporting of artificial intelligence models in radiation therapy | |
Ersoy et al. | Nursing Strategies for Diabetic Patient Management: Predicting Parameter Values Post-Exenatide Treatment with Machine Learning Algorithm | |
WO2023278180A2 (en) | Artificial intelligence enabled preference learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200925 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220310 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20221122 |