JP2022533353A - 線量誘導リアルタイム適応型放射線治療 - Google Patents
線量誘導リアルタイム適応型放射線治療 Download PDFInfo
- Publication number
- JP2022533353A JP2022533353A JP2021568253A JP2021568253A JP2022533353A JP 2022533353 A JP2022533353 A JP 2022533353A JP 2021568253 A JP2021568253 A JP 2021568253A JP 2021568253 A JP2021568253 A JP 2021568253A JP 2022533353 A JP2022533353 A JP 2022533353A
- Authority
- JP
- Japan
- Prior art keywords
- amount
- patient
- time
- dose
- fraction
- 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.)
- Granted
Links
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 343
- 230000003044 adaptive effect Effects 0.000 title description 24
- 210000003484 anatomy Anatomy 0.000 claims abstract description 136
- 238000000034 method Methods 0.000 claims abstract description 129
- 238000011282 treatment Methods 0.000 claims description 199
- 230000006870 function Effects 0.000 claims description 70
- 230000005855 radiation Effects 0.000 claims description 66
- 206010028980 Neoplasm Diseases 0.000 claims description 44
- 230000015654 memory Effects 0.000 claims description 32
- 210000000920 organ at risk Anatomy 0.000 claims description 21
- 230000001965 increasing effect Effects 0.000 claims description 18
- 210000000056 organ Anatomy 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000013439 planning Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 238000011287 therapeutic dose Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 100
- 238000012549 training Methods 0.000 description 74
- 230000008569 process Effects 0.000 description 34
- 238000010801 machine learning Methods 0.000 description 29
- 238000002560 therapeutic procedure Methods 0.000 description 29
- 230000006978 adaptation Effects 0.000 description 28
- 238000003384 imaging method Methods 0.000 description 18
- 238000002595 magnetic resonance imaging Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000002591 computed tomography Methods 0.000 description 12
- 230000002829 reductive effect Effects 0.000 description 8
- 238000012384 transportation and delivery Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012886 linear function Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000001225 therapeutic effect Effects 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000002786 image-guided radiation therapy Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007408 cone-beam computed tomography Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000002307 prostate Anatomy 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 210000000664 rectum Anatomy 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010011878 Deafness Diseases 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000012879 PET imaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- -1 carbon ions Chemical class 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013535 dynamic contrast enhanced MRI Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000001702 information therapy Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- 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
-
- 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
- A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
-
- 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
- A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
- A61N5/1045—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head using a multi-leaf collimator, e.g. for intensity modulated radiation therapy or IMRT
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
- A61N5/1065—Beam adjustment
- A61N5/1067—Beam adjustment in real time, i.e. during treatment
-
- 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
-
- 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
- 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
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1061—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source
- A61N2005/1062—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source using virtual X-ray images, e.g. digitally reconstructed radiographs [DRR]
-
- 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
- A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
- A61N2005/1087—Ions; Protons
-
- 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
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- 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
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
患者に対する放射線治療をリアルタイムに調整する技術が提供される。この技術は、放射線治療装置によって放射線治療の線量が照射された後の与えられた放射線治療フラクション内の第１の時間における患者の解剖学的状態を決定することと、放射線治療フラクション内で照射されるべき所定の線量パラメータを示す放射線治療フラクションの基準の患者の解剖学的情報を引き出すことと、第１の時間における患者の解剖学的構造を、与えられた放射線治療フラクション中の基準の患者の解剖学的構造と比較することと、第１の時間における患者の解剖学的構造と基準の患者の解剖学的構造との比較に基づいて、放射線治療装置のパラメータを調整して、与えられた放射線治療フラクション内で、第１の時間に続く第２の時間に照射される放射線治療の量を、与えられた放射線治療フラクション内で送達されるべき所定の線量パラメータに従って変更することを含む【選択図】図３
Description
（優先権の主張）
［０００１］
本特許出願は、２０１９年５月１５日に出願された米国出願番号第１６／４１３，５５５号の優先権の利益を主張するものであり、その内容全体が参照により本明細書に組み込まれる。
［０００１］
本特許出願は、２０１９年５月１５日に出願された米国出願番号第１６／４１３，５５５号の優先権の利益を主張するものであり、その内容全体が参照により本明細書に組み込まれる。
（技術分野）
［０００２］
本開示は、一般的に、放射線治療または放射線療法に関する。より詳細には、本開示は、放射線治療中に放射線治療装置のパラメータを調整するシステムおよび方法に関する。
［０００２］
本開示は、一般的に、放射線治療または放射線療法に関する。より詳細には、本開示は、放射線治療中に放射線治療装置のパラメータを調整するシステムおよび方法に関する。
［０００３］
放射線治療（radiotherapy）は、ほ乳類（例えば、ヒトや動物）の組織の癌（がん）やその他の病気を治療するために使用される。放射線治療は、放射線治療の線形粒子加速器（ＬＩＮＡＣ）と、円形粒子加速器（例えば、サイクロトロン、シンクロトロン、シンクロサイクロトロン）とを含む。粒子加速器は、荷電した素粒子やイオンを、外部の直線状のビームラインに沿って一連の振動電位を与えることで、高速に加速する。陽子や炭素イオンなどの重いイオンは、すべて円形加速器で加速される。放射線ビームの方向と形状は、腫瘍に所定の放射線を確実に照射するために正確に制御され、ビームの配置は、特に感受性の高い臓器を含む周囲の健康な組織（しばしば、リスク臓器（ＯＡＲｓ：Organ(s) at risk）と呼ばれる）へのダメージを最小限に抑えるようにされる。治療計画は、放射線ビームのパラメータを制御するために使用することができ、放射線治療装置は、治療計画に従って空間的に変化する線量分布を患者に照射することにより治療を実行する。
放射線治療（radiotherapy）は、ほ乳類（例えば、ヒトや動物）の組織の癌（がん）やその他の病気を治療するために使用される。放射線治療は、放射線治療の線形粒子加速器（ＬＩＮＡＣ）と、円形粒子加速器（例えば、サイクロトロン、シンクロトロン、シンクロサイクロトロン）とを含む。粒子加速器は、荷電した素粒子やイオンを、外部の直線状のビームラインに沿って一連の振動電位を与えることで、高速に加速する。陽子や炭素イオンなどの重いイオンは、すべて円形加速器で加速される。放射線ビームの方向と形状は、腫瘍に所定の放射線を確実に照射するために正確に制御され、ビームの配置は、特に感受性の高い臓器を含む周囲の健康な組織（しばしば、リスク臓器（ＯＡＲｓ：Organ(s) at risk）と呼ばれる）へのダメージを最小限に抑えるようにされる。治療計画は、放射線ビームのパラメータを制御するために使用することができ、放射線治療装置は、治療計画に従って空間的に変化する線量分布を患者に照射することにより治療を実行する。
（概要）
［０００１］
いくつかの実施形態では、患者に対する放射線治療をリアルタイムで調整するための、コンピュータに実装された方法と、非一時的コンピュータ可読媒体と、メモリとプロセッサを含むシステムが提供される。本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、放射線治療装置によって放射線治療の線量が照射された後の与えられた放射線治療フラクション内の第１の時間における患者の解剖学的状態を決定するステップと、前記放射線治療フラクション内で照射されるべき前記所定の線量パラメータを示す前記放射線治療フラクションの基準の患者の解剖学的情報を引き出すステップと、前記第１の時間における前記患者の解剖学的構造を、前記与えられた放射線治療フラクション中の前記基準の患者の解剖学的構造と比較するステップと、前記第１の時間における前記患者の解剖学的構造と前記基準の患者の解剖学的構造との前記比較に基づいて、前記放射線治療装置のパラメータを調整して、前記与えられた放射線治療フラクション内で、前記第１の時間に続く第２の時間に照射される放射線治療の量を、前記与えられた放射線治療フラクション内で送達されるべき前記所定の線量パラメータに従って変更するステップとを含む。
［０００１］
いくつかの実施形態では、患者に対する放射線治療をリアルタイムで調整するための、コンピュータに実装された方法と、非一時的コンピュータ可読媒体と、メモリとプロセッサを含むシステムが提供される。本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、放射線治療装置によって放射線治療の線量が照射された後の与えられた放射線治療フラクション内の第１の時間における患者の解剖学的状態を決定するステップと、前記放射線治療フラクション内で照射されるべき前記所定の線量パラメータを示す前記放射線治療フラクションの基準の患者の解剖学的情報を引き出すステップと、前記第１の時間における前記患者の解剖学的構造を、前記与えられた放射線治療フラクション中の前記基準の患者の解剖学的構造と比較するステップと、前記第１の時間における前記患者の解剖学的構造と前記基準の患者の解剖学的構造との前記比較に基づいて、前記放射線治療装置のパラメータを調整して、前記与えられた放射線治療フラクション内で、前記第１の時間に続く第２の時間に照射される放射線治療の量を、前記与えられた放射線治療フラクション内で送達されるべき前記所定の線量パラメータに従って変更するステップとを含む。
［０００２］
いくつかの実施形態では、前記放射線治療装置の前記パラメータは、前記与えられた放射線治療フラクション内で照射される前記所定の線量パラメータを維持したまま調整され、前記所定の線量パラメータは、前記与えられた放射線治療フラクション内のターゲットに照射されるべき所定のフラクション線量、前記与えられた放射線治療フラクション内のリスク臓器に照射される最大線量、または、前記リスク臓器の相対的な体積に照射される最大線量のうちの少なくとも１つを含み、前記与えられた放射線治療フラクション内の複数の時間に照射される放射線治療線量の総量が前記所定の線量パラメータに対応するように、前記与えられた放射線治療フラクションを通して前記放射線治療装置の前記パラメータを調整するステップを更に有する。
いくつかの実施形態では、前記放射線治療装置の前記パラメータは、前記与えられた放射線治療フラクション内で照射される前記所定の線量パラメータを維持したまま調整され、前記所定の線量パラメータは、前記与えられた放射線治療フラクション内のターゲットに照射されるべき所定のフラクション線量、前記与えられた放射線治療フラクション内のリスク臓器に照射される最大線量、または、前記リスク臓器の相対的な体積に照射される最大線量のうちの少なくとも１つを含み、前記与えられた放射線治療フラクション内の複数の時間に照射される放射線治療線量の総量が前記所定の線量パラメータに対応するように、前記与えられた放射線治療フラクションを通して前記放射線治療装置の前記パラメータを調整するステップを更に有する。
［０００３］
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍とリスク臓器との間の横方向または深さ方向の第１のオーバーラップ量を決定するステップであって、前記第１のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の第１の量を示すステップと、前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍と前記リスク臓器との間の横方向または深さ方向の基準のオーバーラップ量を決定するステップであって、前記基準のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の基準の量を示すステップとを含む。いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の量が前記基準の量よりも少ないと決定するステップと、前記第１の量が前記基準の量よりも少ないと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を増加させるステップとを含む。
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍とリスク臓器との間の横方向または深さ方向の第１のオーバーラップ量を決定するステップであって、前記第１のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の第１の量を示すステップと、前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍と前記リスク臓器との間の横方向または深さ方向の基準のオーバーラップ量を決定するステップであって、前記基準のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の基準の量を示すステップとを含む。いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の量が前記基準の量よりも少ないと決定するステップと、前記第１の量が前記基準の量よりも少ないと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を増加させるステップとを含む。
［０００４］
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の量が前記基準の量よりも多いと決定するステップと、前記第１の量が前記基準の量よりも多いと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を減少させるステップとを含む。いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の量の前記基準の量に対する関係（例えば、比率）を決定するステップと、前記第１の量の前記基準の量に対する関係（例えば、比率）の線形または二次の関数として、前記第２の時間において照射される前記放射線治療の量を修正するステップとを含む。
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の量が前記基準の量よりも多いと決定するステップと、前記第１の量が前記基準の量よりも多いと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を減少させるステップとを含む。いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の量の前記基準の量に対する関係（例えば、比率）を決定するステップと、前記第１の量の前記基準の量に対する関係（例えば、比率）の線形または二次の関数として、前記第２の時間において照射される前記放射線治療の量を修正するステップとを含む。
［０００５］
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍の境界とリスク臓器との間の第１の距離を決定するステップと、前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍の境界と前記リスク臓器との間の第２の距離を決定するステップと、前記第１の距離と前記第２の距離との偏差に基づいて、前記第２の時間において照射される前記放射線治療の量を増加させるステップとを含む。いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍の境界とリスク臓器との間の第１の距離を決定するステップと、前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍の境界と前記リスク臓器との間の第２の距離を決定するステップと、前記第１の距離と前記第２の距離との偏差に基づいて、前記第２の時間において照射される前記放射線治療の量を減少させるステップとを含む。
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍の境界とリスク臓器との間の第１の距離を決定するステップと、前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍の境界と前記リスク臓器との間の第２の距離を決定するステップと、前記第１の距離と前記第２の距離との偏差に基づいて、前記第２の時間において照射される前記放射線治療の量を増加させるステップとを含む。いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍の境界とリスク臓器との間の第１の距離を決定するステップと、前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍の境界と前記リスク臓器との間の第２の距離を決定するステップと、前記第１の距離と前記第２の距離との偏差に基づいて、前記第２の時間において照射される前記放射線治療の量を減少させるステップとを含む。
［０００６］
いくつかの実施形態では、放射線治療装置のパラメータは、前記所定の線量パラメータは、与えられた時間内の線量またはガントリの回転速度を有し、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、時間当たりの線量のパラメータとオーバーラップ量のパラメータの関数として、時間当たりの線量の係数を生成するステップと、前記線量または前記ガントリの回転速度を、前記時間当たりの線量の係数により調整するステップとを含む。いくつかの実施形態では、前記第１の時間における前記患者の解剖学的構造と前記基準の患者の解剖学的構造との比較の結果は、前記オーバーラップ量のパラメータと比較され、前記結果が前記オーバーラップ量のパラメータよりも大きい場合には。前記線量を増加させ、前記結果が前記オーバーラップ量のパラメータよりも小さい場合には、前記線量を減少させる。
いくつかの実施形態では、放射線治療装置のパラメータは、前記所定の線量パラメータは、与えられた時間内の線量またはガントリの回転速度を有し、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、時間当たりの線量のパラメータとオーバーラップ量のパラメータの関数として、時間当たりの線量の係数を生成するステップと、前記線量または前記ガントリの回転速度を、前記時間当たりの線量の係数により調整するステップとを含む。いくつかの実施形態では、前記第１の時間における前記患者の解剖学的構造と前記基準の患者の解剖学的構造との比較の結果は、前記オーバーラップ量のパラメータと比較され、前記結果が前記オーバーラップ量のパラメータよりも大きい場合には。前記線量を増加させ、前記結果が前記オーバーラップ量のパラメータよりも小さい場合には、前記線量を減少させる。
［０００７］
いくつかの実装では、前記時間当たりの線量の係数と前記オーバーラップ量のパラメータは、前記与えられた放射線治療を開始する前の計画中、または前記与えられた放射線治療中に最適化される。いくつかの実装では、前記時間当たりの線量の係数と前記オーバーラップ量のパラメータは、機械学習技術を用いて、複数の放射線治療シミュレーションに基づいて計算される。いくつかの実装では、マルチリーフコリメータ（ＭＬＣ）設定、ジョーコリメータ設定、前記時間当たりの線量のパラメータ、前記オーバーラップ量のパラメータの少なくとも１つが、腫瘍に照射する放射線治療の線量と、１つまたはそれ以上のリスク臓器に照射する放射線治療の線量または健康な組織に照射される放射線治療の線量の少なくとも１つとのバランスを考慮した最適化問題を解くことに基づいて計算される。
いくつかの実装では、前記時間当たりの線量の係数と前記オーバーラップ量のパラメータは、前記与えられた放射線治療を開始する前の計画中、または前記与えられた放射線治療中に最適化される。いくつかの実装では、前記時間当たりの線量の係数と前記オーバーラップ量のパラメータは、機械学習技術を用いて、複数の放射線治療シミュレーションに基づいて計算される。いくつかの実装では、マルチリーフコリメータ（ＭＬＣ）設定、ジョーコリメータ設定、前記時間当たりの線量のパラメータ、前記オーバーラップ量のパラメータの少なくとも１つが、腫瘍に照射する放射線治療の線量と、１つまたはそれ以上のリスク臓器に照射する放射線治療の線量または健康な組織に照射される放射線治療の線量の少なくとも１つとのバランスを考慮した最適化問題を解くことに基づいて計算される。
［０００８］
いくつかの実施形態では、前記パラメータは、マルチリーフコリメータ（ＭＬＣ）とジョーコリメータの設定を有し、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、ターゲットに照射される線量に対する健康な組織に照射される線量の割合の関数として計算されたオーバーラップ量に基づいてコリメータの調整量を生成するステップと、前記コリメータの調整量により前記放射線治療装置の前記ＭＬＣと前記ジョーの設定を調整するステップとを含む。いくつかの実装では、前記コリメータの設定を調整するステップは、前記ジョーと前記ＭＬＣのリーフの位置を修正して、前記コリメータの開口部の形状を変更するステップであって、前記位置はコリメータの調整量に基づいて変更されるステップを有し、前記ＭＬＣのリーフの１つの位置は、前記ＭＬＣのリーフの他の１つの位置と異なる量で調整される。
いくつかの実施形態では、前記パラメータは、マルチリーフコリメータ（ＭＬＣ）とジョーコリメータの設定を有し、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、ターゲットに照射される線量に対する健康な組織に照射される線量の割合の関数として計算されたオーバーラップ量に基づいてコリメータの調整量を生成するステップと、前記コリメータの調整量により前記放射線治療装置の前記ＭＬＣと前記ジョーの設定を調整するステップとを含む。いくつかの実装では、前記コリメータの設定を調整するステップは、前記ジョーと前記ＭＬＣのリーフの位置を修正して、前記コリメータの開口部の形状を変更するステップであって、前記位置はコリメータの調整量に基づいて変更されるステップを有し、前記ＭＬＣのリーフの１つの位置は、前記ＭＬＣのリーフの他の１つの位置と異なる量で調整される。
［０００９］
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間における前記決定された患者の解剖学的特徴の正確さのレベルを計算するステップと、前記計算された正確さのレベルに基づいて前記放射線治療装置のパラメータを修正するステップとを含む。いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記与えられた放射線治療フラクション内で照射されて残存する線量を推定するステップであって、前記放射線治療装置のパラメータは、前記照射されて残存する前記推定された線量に基づいて調整されるステップを含む。
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間における前記決定された患者の解剖学的特徴の正確さのレベルを計算するステップと、前記計算された正確さのレベルに基づいて前記放射線治療装置のパラメータを修正するステップとを含む。いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記与えられた放射線治療フラクション内で照射されて残存する線量を推定するステップであって、前記放射線治療装置のパラメータは、前記照射されて残存する前記推定された線量に基づいて調整されるステップを含む。
［００１０］
いくつかの実施形態では、前記放射線治療の治療量は、前記第１の時間における前記患者の解剖学的構造における与えられた領域に照射され、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記患者の解剖学的構造における前記与えられた領域が、前記与えられた放射線治療フラクション内の別の時間において前記放射線治療装置により照射されるかどうかを決定するステップと、前記患者の解剖学的構造における前記与えられた領域が、前記与えられた放射線治療フラクション内の別の時間において前記放射線治療装置により照射されるかどうかの決定の関数として、前記第２の時間において照射される前記放射線治療の線量を修正するステップとを含む。本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記別の時間が、前記放射線治療フラクションの開始により近いか、前記与えられた放射線治療フラクションの終了により近いかに基づいて、前記線量を修正するステップを含む。
いくつかの実施形態では、前記放射線治療の治療量は、前記第１の時間における前記患者の解剖学的構造における与えられた領域に照射され、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記患者の解剖学的構造における前記与えられた領域が、前記与えられた放射線治療フラクション内の別の時間において前記放射線治療装置により照射されるかどうかを決定するステップと、前記患者の解剖学的構造における前記与えられた領域が、前記与えられた放射線治療フラクション内の別の時間において前記放射線治療装置により照射されるかどうかの決定の関数として、前記第２の時間において照射される前記放射線治療の線量を修正するステップとを含む。本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記別の時間が、前記放射線治療フラクションの開始により近いか、前記与えられた放射線治療フラクションの終了により近いかに基づいて、前記線量を修正するステップを含む。
［００１１］
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、放射線治療計画におけるセグメントを再順序付けして、前記解剖学的構造の異なる領域が前記与えられた放射線治療フラクション内で照射される時間を変更するステップを含む。前記放射線治療計画は、前記与えられた放射線治療フラクション内の第３の時間に照射するための前記患者の解剖学的構造の第１の領域と、前記与えられた放射線治療フラクション内の第４の時間に照射するための前記患者の解剖学的構造の第２の領域を特定し、前記セグメントを再順序付けした後、前記放射線治療装置は、前記与えられた放射線治療フラクション内の第４の時間に前記患者の解剖学的構造の前記第１の領域を照射し、前記与えられた放射線治療フラクション内の第３の時間に前記患者の解剖学的構造の前記第２の領域を照射する本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、再スキャンを実行して、前記患者の解剖学的構造の１つまたはそれ以上の領域が、前記与えられた放射線治療フラクション内で照射される時間を増加させるため、または、追加で、かつ、前記放射線治療計画において照射されるように指定された領域とは異なる前記患者の解剖学的構造の領域を照射するために、放射線治療計画において１つまたはそれ以上のセグメントを追加するステップを含む。
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、放射線治療計画におけるセグメントを再順序付けして、前記解剖学的構造の異なる領域が前記与えられた放射線治療フラクション内で照射される時間を変更するステップを含む。前記放射線治療計画は、前記与えられた放射線治療フラクション内の第３の時間に照射するための前記患者の解剖学的構造の第１の領域と、前記与えられた放射線治療フラクション内の第４の時間に照射するための前記患者の解剖学的構造の第２の領域を特定し、前記セグメントを再順序付けした後、前記放射線治療装置は、前記与えられた放射線治療フラクション内の第４の時間に前記患者の解剖学的構造の前記第１の領域を照射し、前記与えられた放射線治療フラクション内の第３の時間に前記患者の解剖学的構造の前記第２の領域を照射する本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、再スキャンを実行して、前記患者の解剖学的構造の１つまたはそれ以上の領域が、前記与えられた放射線治療フラクション内で照射される時間を増加させるため、または、追加で、かつ、前記放射線治療計画において照射されるように指定された領域とは異なる前記患者の解剖学的構造の領域を照射するために、放射線治療計画において１つまたはそれ以上のセグメントを追加するステップを含む。
［００１２］
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間に前記患者の解剖学的構造を決定することに関連する不確実性を計算するステップと、前記計算された不確実性に基づいて前記放射線治療装置のパラメータを修正するステップを含む。
いくつかの実施形態では、本方法と、本コンピュータ可読媒体に格納された命令と、本プロセッサが実行するオペレーションは、前記第１の時間に前記患者の解剖学的構造を決定することに関連する不確実性を計算するステップと、前記計算された不確実性に基づいて前記放射線治療装置のパラメータを修正するステップを含む。
［００１３］
上記の概要は、本特許出願の主題の概要を示すことを目的としている。これは、本発明の排他的、網羅的な説明を意図したものではない。詳細な説明は、本特許出願についてのさらなる情報を提供するために含まれている。
上記の概要は、本特許出願の主題の概要を示すことを目的としている。これは、本発明の排他的、網羅的な説明を意図したものではない。詳細な説明は、本特許出願についてのさらなる情報を提供するために含まれている。
［００１４］
図面は必ずしも縮尺通りに描かれているわけではなく、同様な数字は、異なる図において同様の構成要素を表す。異なる文字の接尾辞を持つ同様の数字は、類似したコンポーネントの異なる例を表す。図面は、本明細書で議論されている様々な実施形態を、限定するものではなく、一般的な例示として示している。
図面は必ずしも縮尺通りに描かれているわけではなく、同様な数字は、異なる図において同様の構成要素を表す。異なる文字の接尾辞を持つ同様の数字は、類似したコンポーネントの異なる例を表す。図面は、本明細書で議論されている様々な実施形態を、限定するものではなく、一般的な例示として示している。
［００１５］
図１は、いくつかの実施例によるイントラフラクション放射線治療を行うために適応された例示的な放射線治療システムを示す。
［００１６］
［００１７］
図２は、本開示のいくつかの実施例による例示的な画像誘導放射線治療装置を示す。
［００１７］
［００１８］
図３は、本開示のいくつかの実施例による、デバイス適応モデルを生成するための機械学習技術のトレーニングおよび使用のための例示的なデータフローを示す。
［００１９］
図４乃至図６は、本開示のいくつかの実施例によ、イントラフラクション放射線治療を行うために機械学習技術をトレーニングして使用するための例示的なオペレーションのフローチャートを示す。
［００２０］
本開示は、与えられた治療フラクション内で放射線治療装置のパラメータをリアルタイムに調整することにより、放射線治療の改善および向上を図る様々な技術を含む。技術的な利点としては、放射線治療時間の短縮を含み、多くの明らかな医療上の利点（放射線治療の精度向上、意図しない放射線への被曝の低減を含む）をもたらすことができる。開示された技術は、様々な医療治療や診断の現場、あるいは放射線治療の機器や装置に適用することができる。
本開示は、与えられた治療フラクション内で放射線治療装置のパラメータをリアルタイムに調整することにより、放射線治療の改善および向上を図る様々な技術を含む。技術的な利点としては、放射線治療時間の短縮を含み、多くの明らかな医療上の利点（放射線治療の精度向上、意図しない放射線への被曝の低減を含む）をもたらすことができる。開示された技術は、様々な医療治療や診断の現場、あるいは放射線治療の機器や装置に適用することができる。
［００２１］
本開示は、治療計画で指定された所定の線量を維持する方法で、放射線治療の与えられたフラクション内で放射線治療装置のパラメータをリアルタイムに調整することに関するものである。放射線治療の治療フラクションとは、処方された全体の放射線量のフラクションである。例えば、放射線療法の治療は、１日１回、１ヶ月間で３０回の分割されたフラクションを行う。これに関連して、各放射線治療のフラクションは、後述するように、更新された放射線治療計画に基づいて行うことができる。
本開示は、治療計画で指定された所定の線量を維持する方法で、放射線治療の与えられたフラクション内で放射線治療装置のパラメータをリアルタイムに調整することに関するものである。放射線治療の治療フラクションとは、処方された全体の放射線量のフラクションである。例えば、放射線療法の治療は、１日１回、１ヶ月間で３０回の分割されたフラクションを行う。これに関連して、各放射線治療のフラクションは、後述するように、更新された放射線治療計画に基づいて行うことができる。
［００２２］
従来のアプローチは、治療計画パラメータや放射線治療装置のパラメータを治療フラクション間で変更する。具体的には、従来のアプローチによれば、与えられた治療フラクションが終了した後、治療情報が分析されて、数日後または数週間後に行われる次の治療フラクションに適用するための様々な修正を行っていた。いくつかの従来のアプローチは、通常、患者の動きをリアルタイムの追跡に基づいて放射線治療装置のパラメータを調整する。しかしながら、このようなアプローチは、全体の治療フラクションにおける放射線の総合的な影響（例えば、そのような一般的な調整に基づいて、全体の治療フラクションでターゲットまたはＯＡＲにどれだけの放射線が照射されるか）を考慮せずにパラメータを調整し、結局、腫瘍への放射線の照射量が過剰であったり不足したり、ＯＡＲに許容される線量を超えたりする。ターゲット（例えば、腫瘍）への放射線治療の線量照射を最適化したり、ＯＡＲに照射される放射線量を低減したりするために、数日または数週間待ったり、患者の動きに基づいてパラメータを通常のように調整したりするのではなく、開示された技術は、処方箋に従ったターゲット線量を維持しながら、同じフラクション中（すなわち、イントラフラクション）に放射線治療装置のパラメータの修正を実行するものである。
従来のアプローチは、治療計画パラメータや放射線治療装置のパラメータを治療フラクション間で変更する。具体的には、従来のアプローチによれば、与えられた治療フラクションが終了した後、治療情報が分析されて、数日後または数週間後に行われる次の治療フラクションに適用するための様々な修正を行っていた。いくつかの従来のアプローチは、通常、患者の動きをリアルタイムの追跡に基づいて放射線治療装置のパラメータを調整する。しかしながら、このようなアプローチは、全体の治療フラクションにおける放射線の総合的な影響（例えば、そのような一般的な調整に基づいて、全体の治療フラクションでターゲットまたはＯＡＲにどれだけの放射線が照射されるか）を考慮せずにパラメータを調整し、結局、腫瘍への放射線の照射量が過剰であったり不足したり、ＯＡＲに許容される線量を超えたりする。ターゲット（例えば、腫瘍）への放射線治療の線量照射を最適化したり、ＯＡＲに照射される放射線量を低減したりするために、数日または数週間待ったり、患者の動きに基づいてパラメータを通常のように調整したりするのではなく、開示された技術は、処方箋に従ったターゲット線量を維持しながら、同じフラクション中（すなわち、イントラフラクション）に放射線治療装置のパラメータの修正を実行するものである。
［００２３］
放射線治療装置のパラメータのイントラフラクション調整をリアルタイムで行うために、開示された技術は、放射線治療装置によって放射線治療の治療線量が照射された後の与えられた放射線治療フラクション内の第１の時間に患者の解剖学的構造を決定する。与えられた放射線治療フラクション内で照射される所定の線量パラメータを示す、与えられた放射線治療フラクションに対する基準の患者の解剖学的情報が検索される。第１の時間における患者の解剖学的特徴は、与えられた放射線治療の治療フラクション中の基準の患者の解剖学的特徴と比較される。第１の時間におけるその時の患者の解剖学的構造を、第１の時間における基準（または予測の）患者の解剖学的構造と比較した結果に基づいて、放射線治療装置の１つまたはそれ以上のパラメータが調整される。いくつかの実施形態では、パラメータは、与えられたフラクション内の第２の時間に放射される後続の線量を増加させるか減少させるか否かと、後続の線量を増加させるまたは減少させる量とを指定する関数に基づいて調整される。このようにして、放射線治療装置のパラメータが調整されて、を調整して、与えられた放射線治療フラクション内で照射される所定の線量パラメータを維持しつつ、与えられた放射線治療フラクション内で、第１の時間に続く第２の時間において照射される放射線治療の量を変化させる。
放射線治療装置のパラメータのイントラフラクション調整をリアルタイムで行うために、開示された技術は、放射線治療装置によって放射線治療の治療線量が照射された後の与えられた放射線治療フラクション内の第１の時間に患者の解剖学的構造を決定する。与えられた放射線治療フラクション内で照射される所定の線量パラメータを示す、与えられた放射線治療フラクションに対する基準の患者の解剖学的情報が検索される。第１の時間における患者の解剖学的特徴は、与えられた放射線治療の治療フラクション中の基準の患者の解剖学的特徴と比較される。第１の時間におけるその時の患者の解剖学的構造を、第１の時間における基準（または予測の）患者の解剖学的構造と比較した結果に基づいて、放射線治療装置の１つまたはそれ以上のパラメータが調整される。いくつかの実施形態では、パラメータは、与えられたフラクション内の第２の時間に放射される後続の線量を増加させるか減少させるか否かと、後続の線量を増加させるまたは減少させる量とを指定する関数に基づいて調整される。このようにして、放射線治療装置のパラメータが調整されて、を調整して、与えられた放射線治療フラクション内で照射される所定の線量パラメータを維持しつつ、与えられた放射線治療フラクション内で、第１の時間に続く第２の時間において照射される放射線治療の量を変化させる。
［００２４］
具体的には、所定の線量パラメータは、与えられた放射線治療フラクション内で照射される所定のフラクション線量、または与えられた放射線治療フラクション内でＯＡＲに照射される最大線量の少なくともひとつを含み、装置のパラメータは、与えられた放射線治療フラクション内の複数の時間で照射される放射線治療線量の総量が所定の線量パラメータに一致するように、与えられた放射線治療フラクションを通して調整される。ＯＡＲに照射される最大線量は、小さな体積に対する線量（例えば、ＯＡＲの２％が受ける線量）を表す。すなわち、ＯＡＲに照射される最大線量は、ＯＡＲのサイズまたは体積と、線量を受けるＯＡＲのサイズまたは体積の相対的な最大パーセンテージとの関数である。例えば、与えられた放射線治療の治療フラクション内で照射されるべき線量が推定され、放射線治療装置のパラメータが推定された照射されるべき線量に基づいて調整される。既に照射された患者の解剖学的領域内の与えられた領域が、与えられた放射線治療フラクション内の別の時間に放射線治療装置により照射される予定であるかどうかについての決定がなされる。第２の時間または別の時間に照射される放射線治療量は、患者の解剖学的構造における与えられた領域が、与えられた放射線治療フラクション内の別の時間に放射線治療装置によって照射されるかどうかの決定の関数として変更される。特に、同じ放射線治療フラクション中に所定の領域が再度照射されると判断された場合には、その後の時間に照射される放射線治療量を減少させるが、同じ放射線治療フラクション中に所定の領域が再度照射されないと判断された場合には、その後の時間に照射される放射線治療量を増加させる。
具体的には、所定の線量パラメータは、与えられた放射線治療フラクション内で照射される所定のフラクション線量、または与えられた放射線治療フラクション内でＯＡＲに照射される最大線量の少なくともひとつを含み、装置のパラメータは、与えられた放射線治療フラクション内の複数の時間で照射される放射線治療線量の総量が所定の線量パラメータに一致するように、与えられた放射線治療フラクションを通して調整される。ＯＡＲに照射される最大線量は、小さな体積に対する線量（例えば、ＯＡＲの２％が受ける線量）を表す。すなわち、ＯＡＲに照射される最大線量は、ＯＡＲのサイズまたは体積と、線量を受けるＯＡＲのサイズまたは体積の相対的な最大パーセンテージとの関数である。例えば、与えられた放射線治療の治療フラクション内で照射されるべき線量が推定され、放射線治療装置のパラメータが推定された照射されるべき線量に基づいて調整される。既に照射された患者の解剖学的領域内の与えられた領域が、与えられた放射線治療フラクション内の別の時間に放射線治療装置により照射される予定であるかどうかについての決定がなされる。第２の時間または別の時間に照射される放射線治療量は、患者の解剖学的構造における与えられた領域が、与えられた放射線治療フラクション内の別の時間に放射線治療装置によって照射されるかどうかの決定の関数として変更される。特に、同じ放射線治療フラクション中に所定の領域が再度照射されると判断された場合には、その後の時間に照射される放射線治療量を減少させるが、同じ放射線治療フラクション中に所定の領域が再度照射されないと判断された場合には、その後の時間に照射される放射線治療量を増加させる。
［００２５］
一実施例として、イントラフラクションの線量は、与えられたフラクション内の後続の時間に照射される線量の幾何学的な優位性の関数として変化させることができる。すなわち、その幾何学的形状が、基準となる治療計画で示された幾何学的形状と比較して有利な形状であれば、現在の方向、現在のセグメント、現在のパート、サブ治療、またはサブフラクションから、より多くまたはより少ない線量が照射される。すなわち、与えられた角度で、まず幾何学的形状がより有利になることができ、次に不利になり、その結果、治療計画と比較して、その方向からの線量が多くなったり少なくなったりする可能性がある。具体的には、所定のフラクション内の現在の時刻におけるＯＡＲとターゲットのオーバーラップ量が、治療計画において現在の時刻に期待されるオーバーラップ量よりも小さい場合には、次のイントラフラクションの時間に、治療計画で指定されたよりも多くの線量が照射される。別の実施例として、与えられたフラクション内の現在の時間におけるＯＡＲとターゲットの間の距離が、治療計画において現在の時間に予想される距離よりも大きい場合には、次のイントラフラクション内の時間において、治療計画で指定されたよりも多くの線量が照射される。線量を増加させる量は、与えられたフラクションに対する治療計画で指定された総線量に依存する。このように、治療フラクション内の与えられた時間に投与量が第１の量だけ増加している場合には、与えられた時間に続く治療フラクション内の後続の投与量における第１の量に等しい総量だけ投与量を減少させる。これにより、治療計画の治療フラクション内の与えられた時間に定められた線量よりも増加しているとしても、治療計画で予め定められた放射線治療の送料を維持することができる。いくつかの実施形態では、治療フラクション内の与えられた時間に送出された線量が、治療計画で計画された線量を超えた場合には、治療が中止される。
一実施例として、イントラフラクションの線量は、与えられたフラクション内の後続の時間に照射される線量の幾何学的な優位性の関数として変化させることができる。すなわち、その幾何学的形状が、基準となる治療計画で示された幾何学的形状と比較して有利な形状であれば、現在の方向、現在のセグメント、現在のパート、サブ治療、またはサブフラクションから、より多くまたはより少ない線量が照射される。すなわち、与えられた角度で、まず幾何学的形状がより有利になることができ、次に不利になり、その結果、治療計画と比較して、その方向からの線量が多くなったり少なくなったりする可能性がある。具体的には、所定のフラクション内の現在の時刻におけるＯＡＲとターゲットのオーバーラップ量が、治療計画において現在の時刻に期待されるオーバーラップ量よりも小さい場合には、次のイントラフラクションの時間に、治療計画で指定されたよりも多くの線量が照射される。別の実施例として、与えられたフラクション内の現在の時間におけるＯＡＲとターゲットの間の距離が、治療計画において現在の時間に予想される距離よりも大きい場合には、次のイントラフラクション内の時間において、治療計画で指定されたよりも多くの線量が照射される。線量を増加させる量は、与えられたフラクションに対する治療計画で指定された総線量に依存する。このように、治療フラクション内の与えられた時間に投与量が第１の量だけ増加している場合には、与えられた時間に続く治療フラクション内の後続の投与量における第１の量に等しい総量だけ投与量を減少させる。これにより、治療計画の治療フラクション内の与えられた時間に定められた線量よりも増加しているとしても、治療計画で予め定められた放射線治療の送料を維持することができる。いくつかの実施形態では、治療フラクション内の与えられた時間に送出された線量が、治療計画で計画された線量を超えた場合には、治療が中止される。
［００２６］
図１は、本明細書で述べたアプローチの１つまたはそれ以上を使用して放射線治療計画処理オペレーションを実行するように適合された、例示的な放射線治療システム１００を示す。これらの放射線治療計画処理のオペレーションは、放射線治療システム１００が、撮影された医用画像データと治療線量計算または放射線治療装置構成パラメータの特定の態様に基づいて、患者に放射線治療を提供できるようにして実行される。具体的には、以下の処理オペレーションは、治療処理ロジック１２０により実施される、イントラフラクション放射線治療ワークフロー１３０および放射線治療装置のパラメータ調整ワークフロー１４０の一部として実施される。しかしながら、以下のトレーニングされたモデルおよび治療処理ロジック１２０の多くのバリエーションおよび使用ケースが、データ検証、可視化、およびその他の医療評価および診断の場面を含めて提供され得ることが理解されるであろう。
図１は、本明細書で述べたアプローチの１つまたはそれ以上を使用して放射線治療計画処理オペレーションを実行するように適合された、例示的な放射線治療システム１００を示す。これらの放射線治療計画処理のオペレーションは、放射線治療システム１００が、撮影された医用画像データと治療線量計算または放射線治療装置構成パラメータの特定の態様に基づいて、患者に放射線治療を提供できるようにして実行される。具体的には、以下の処理オペレーションは、治療処理ロジック１２０により実施される、イントラフラクション放射線治療ワークフロー１３０および放射線治療装置のパラメータ調整ワークフロー１４０の一部として実施される。しかしながら、以下のトレーニングされたモデルおよび治療処理ロジック１２０の多くのバリエーションおよび使用ケースが、データ検証、可視化、およびその他の医療評価および診断の場面を含めて提供され得ることが理解されるであろう。
［００２７］
放射線治療システム１００は、治療処理ロジック１２０をホストする放射線治療処理計算システム１１０を含む。放射線治療処理計算システム１１０は、ネットワーク（図示せず）に接続され、そのようなネットワークはインターネットに接続される。例えば、ネットワークは、放射線治療処理計算システム１１０を、１つまたはそれ以上の医療情報ソース（例えば、放射線情報システム（ＲＩＳ））、医療記録システム（例えば、電子医療記録（ＥＭＲ）／電子健康記録（ＥＨＲ）システム）、腫瘍情報システム（ＯＩＳ））、１つまたはそれ以上の画像データソース１５０、画像取得装置１７０（例えば、撮像モダリティ）、治療装置１８０（例えば、放射線治療装置、本明細書では放射線治療装置とも呼ばれる）、および治療データソース１６０と接続することができる。一実施例として、放射線治療処理計算システム１１０は、現在の患者の形状を監視して、与えられたフラクション内の被検体への線量送出を（例えば、１つまたはそれ以上のＭＲ画像から）リアルタイムで計算し、治療処理ロジック１２０からの命令またはデータを実行することにより、計算された線量照射と治療計画で指定された予想される線量照射との比較に基づいて、同じフラクションで照射される後続の線量に対する放射線治療装置のパラメータを修正するように構成することができる。
放射線治療システム１００は、治療処理ロジック１２０をホストする放射線治療処理計算システム１１０を含む。放射線治療処理計算システム１１０は、ネットワーク（図示せず）に接続され、そのようなネットワークはインターネットに接続される。例えば、ネットワークは、放射線治療処理計算システム１１０を、１つまたはそれ以上の医療情報ソース（例えば、放射線情報システム（ＲＩＳ））、医療記録システム（例えば、電子医療記録（ＥＭＲ）／電子健康記録（ＥＨＲ）システム）、腫瘍情報システム（ＯＩＳ））、１つまたはそれ以上の画像データソース１５０、画像取得装置１７０（例えば、撮像モダリティ）、治療装置１８０（例えば、放射線治療装置、本明細書では放射線治療装置とも呼ばれる）、および治療データソース１６０と接続することができる。一実施例として、放射線治療処理計算システム１１０は、現在の患者の形状を監視して、与えられたフラクション内の被検体への線量送出を（例えば、１つまたはそれ以上のＭＲ画像から）リアルタイムで計算し、治療処理ロジック１２０からの命令またはデータを実行することにより、計算された線量照射と治療計画で指定された予想される線量照射との比較に基づいて、同じフラクションで照射される後続の線量に対する放射線治療装置のパラメータを修正するように構成することができる。
［００２８］
放射線治療処理計算システム１１０は、処理回路１１２と、メモリ１１４と、記憶装置１１６と、ユーザインターフェース１４２、通信インタフェース（図示せず）のような他のハードウェアおよびソフトウェアで動作可能な機能（feature）を含むことができる。記憶装置１１６は、オペレーティングシステム、放射線治療の治療計画（例えば、診断、処方、治療計画戦略、およびイントラフラクション放射線治療装置の適応戦略および装置調整量のようなペアになった先行患者データのようなトレーニングデータ）、ソフトウェアプログラム（例えば。画像処理ソフトウェア、画像または解剖学的視覚化ソフトウェア、ディープラーニングモデル、ＭＬモデル、およびニューラルネットワークによって提供されるような人工知能（ＡＩ）またはＭＬの実装およびアルゴリズムなど）、および処理回路１１２によって実行される他の任意のコンピュータ実行可能な命令のような、一時的または非一時的なコンピュータ実行可能な命令を記憶することができる。
放射線治療処理計算システム１１０は、処理回路１１２と、メモリ１１４と、記憶装置１１６と、ユーザインターフェース１４２、通信インタフェース（図示せず）のような他のハードウェアおよびソフトウェアで動作可能な機能（feature）を含むことができる。記憶装置１１６は、オペレーティングシステム、放射線治療の治療計画（例えば、診断、処方、治療計画戦略、およびイントラフラクション放射線治療装置の適応戦略および装置調整量のようなペアになった先行患者データのようなトレーニングデータ）、ソフトウェアプログラム（例えば。画像処理ソフトウェア、画像または解剖学的視覚化ソフトウェア、ディープラーニングモデル、ＭＬモデル、およびニューラルネットワークによって提供されるような人工知能（ＡＩ）またはＭＬの実装およびアルゴリズムなど）、および処理回路１１２によって実行される他の任意のコンピュータ実行可能な命令のような、一時的または非一時的なコンピュータ実行可能な命令を記憶することができる。
［００２９］
一実施例では、処理回路１１２は、マイクロプロセッサ、中央処理装置（ＣＰＵ）、グラフィック処理装置（ＧＰＵ）、加速処理装置（ＡＰＵ：Accelerated Processing Unit）のような１つまたはそれ以上の汎用処理装置のような処理装置を含むことができる。より具体的には、処理回路１１２は、ＣＩＳＣ（Complex Instruction Set Computing）マイクロプロセッサ、ＲＩＳＣ（Reduced Instruction Set Computing）マイクロプロセッサ、ＶＬＩＷ（Very Long Instruction Word）マイクロプロセッサ、他の命令セットを実装するプロセッサ、または命令セットの組み合わせを実装するプロセッサであり得る。また、処理回路１１２は、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Ｇate Array）、ＤＳＰ（Digital Signal Processor）、ＳｏＣ（System On a Chip）のような、１つまたはそれ以上の特殊用途の処理装置によって実装され得る。
一実施例では、処理回路１１２は、マイクロプロセッサ、中央処理装置（ＣＰＵ）、グラフィック処理装置（ＧＰＵ）、加速処理装置（ＡＰＵ：Accelerated Processing Unit）のような１つまたはそれ以上の汎用処理装置のような処理装置を含むことができる。より具体的には、処理回路１１２は、ＣＩＳＣ（Complex Instruction Set Computing）マイクロプロセッサ、ＲＩＳＣ（Reduced Instruction Set Computing）マイクロプロセッサ、ＶＬＩＷ（Very Long Instruction Word）マイクロプロセッサ、他の命令セットを実装するプロセッサ、または命令セットの組み合わせを実装するプロセッサであり得る。また、処理回路１１２は、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Ｇate Array）、ＤＳＰ（Digital Signal Processor）、ＳｏＣ（System On a Chip）のような、１つまたはそれ以上の特殊用途の処理装置によって実装され得る。
［００３０］
当業者に理解されるように、いくつかの実施形態では、処理回路１１２は、汎用プロセッサではなく、専用プロセッサであってもよい。処理回路１１２は、Ｉｎｔｅｌ（登録商標）によって製造されたＰｅｎｔｉｕｍ（登録商標）、Ｃｏｒｅ（登録商標）、Ｘｅｏｎ（登録商標）、またはＩｔａｎｉｕｍ（登録商標）ファミリー、ＡＭＤ（登録商標）によって製造されたＴｕｒｉｏｎ（登録商標）、Ａｔｈｌｏｎ（登録商標）、Ｓｅｍｐｒｏｎ（登録商標）、Ｏｐｔｅｒｏｎ（登録商標）、ＦＸ（登録商標）、Ｐｈｅｎｏｎ（登録商標）ファミリー、Ｓｕｎ Ｍｉｃｒｏｓｙｓｔｅｍｓによって製造された様々なプロセッサのいずれかのような、１つまたはそれ以上の既知の処理装置を含み得る。処理回路１１２は、また、Ｎｖｉｄｉａ（登録商標）によって製造されたＧｅＦｏｒｃｅ（登録商標）、Ｑｕａｄｒｏ（登録商標）、Ｔｅｓｌａ（登録商標）ファミリー、Ｉｎｔｅｌ（登録商標）によって製造されたＧＭＡ、Ｉｒｉｓ（登録商標）ファミリー、またはＡＭＤ（登録商標）によって製造されたＲａｄｅｏｎ（登録商標）ファミリーのＧＰＵのような、グラフィック処理ユニットを含み得る。処理回路１１２は、また、Ｉｎｔｅｌ（登録商標）によって製造されたＸｅｏｎ Ｐｈｉ（登録商標）ファミリーのユニットのような加速処理ユニットを含み得る。開示された実施形態は、いかなるタイプのプロセッサに限定されるものではなく、大量のデータを識別、分析、維持、生成、および／または、提供したり、本明細書で開示されている方法を実行するためにそのようなデータを操作したりするためのコンピューティング要求を満たすように構成され得るものである。さらに、「プロセッサ」という用語は、複数の物理的（回路ベース）またはソフトウェアベースのプロセッサ、例えば、マルチコア設計またはそれぞれがマルチコア設計を有する複数のプロセッサを含むことができる。処理回路１１２は、メモリ１１４に格納され、記憶装置１１６からアクセスされる一時的または非一時的なコンピュータプログラム命令のシーケンスを実行して、以下でより詳細に説明される様々なオペレーション、プロセス、および方法を実行することができる。システム１００内の任意のコンポーネントは、別々に実装されて独立した装置として動作してもよく、また、放射線治療システム１００内の任意の他のコンポーネントに結合されて、本開示で説明される技術を実行することができることを理解すべきである。
当業者に理解されるように、いくつかの実施形態では、処理回路１１２は、汎用プロセッサではなく、専用プロセッサであってもよい。処理回路１１２は、Ｉｎｔｅｌ（登録商標）によって製造されたＰｅｎｔｉｕｍ（登録商標）、Ｃｏｒｅ（登録商標）、Ｘｅｏｎ（登録商標）、またはＩｔａｎｉｕｍ（登録商標）ファミリー、ＡＭＤ（登録商標）によって製造されたＴｕｒｉｏｎ（登録商標）、Ａｔｈｌｏｎ（登録商標）、Ｓｅｍｐｒｏｎ（登録商標）、Ｏｐｔｅｒｏｎ（登録商標）、ＦＸ（登録商標）、Ｐｈｅｎｏｎ（登録商標）ファミリー、Ｓｕｎ Ｍｉｃｒｏｓｙｓｔｅｍｓによって製造された様々なプロセッサのいずれかのような、１つまたはそれ以上の既知の処理装置を含み得る。処理回路１１２は、また、Ｎｖｉｄｉａ（登録商標）によって製造されたＧｅＦｏｒｃｅ（登録商標）、Ｑｕａｄｒｏ（登録商標）、Ｔｅｓｌａ（登録商標）ファミリー、Ｉｎｔｅｌ（登録商標）によって製造されたＧＭＡ、Ｉｒｉｓ（登録商標）ファミリー、またはＡＭＤ（登録商標）によって製造されたＲａｄｅｏｎ（登録商標）ファミリーのＧＰＵのような、グラフィック処理ユニットを含み得る。処理回路１１２は、また、Ｉｎｔｅｌ（登録商標）によって製造されたＸｅｏｎ Ｐｈｉ（登録商標）ファミリーのユニットのような加速処理ユニットを含み得る。開示された実施形態は、いかなるタイプのプロセッサに限定されるものではなく、大量のデータを識別、分析、維持、生成、および／または、提供したり、本明細書で開示されている方法を実行するためにそのようなデータを操作したりするためのコンピューティング要求を満たすように構成され得るものである。さらに、「プロセッサ」という用語は、複数の物理的（回路ベース）またはソフトウェアベースのプロセッサ、例えば、マルチコア設計またはそれぞれがマルチコア設計を有する複数のプロセッサを含むことができる。処理回路１１２は、メモリ１１４に格納され、記憶装置１１６からアクセスされる一時的または非一時的なコンピュータプログラム命令のシーケンスを実行して、以下でより詳細に説明される様々なオペレーション、プロセス、および方法を実行することができる。システム１００内の任意のコンポーネントは、別々に実装されて独立した装置として動作してもよく、また、放射線治療システム１００内の任意の他のコンポーネントに結合されて、本開示で説明される技術を実行することができることを理解すべきである。
［００３１］
メモリ１１４は、読み取り専用メモリ（ＲＯＭ）、相変化ランダムアクセスメモリ（ＰＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、フラッシュメモリ、ランダムアクセスメモリ（ＲＡＭ）、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）のようなダイナミックランダムアクセスメモリ（ＤＲＡＭ）、電気的に消去可能なプログラム可能な読み取り専用メモリ（ＥＥＰＲＯＭ）、スタティックメモリ（例えば、フラッシュメモリ、フラッシュディスク、スタティックランダムアクセスメモリ）、および、キャッシュ、レジスタ、コンパクトディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、またはその他の光学式ストレージ、カセットテープ、他の磁気記憶装置のようなその他のタイプのランダムアクセスメモリ、または、処理回路１１２やその他のコンピュータデバイスによってアクセス可能な画像、トレーニングデータ、ＭＬ技術パラメータ、デバイス適応機能、データ、または一時的もしくは非一時的なコンピュータ実行可能な命令（例えば、任意のフォーマットで格納されている）を含む情報を格納するために使用可能なその他の非一時的な媒体であり得る。例えば、コンピュータプログラム命令は、処理回路１１２によってアクセスされ、ＲＯＭ、または任意の他の適切なメモリ位置から読み出され、処理回路１１２による実行のためにＲＡＭにロードされ得る。
メモリ１１４は、読み取り専用メモリ（ＲＯＭ）、相変化ランダムアクセスメモリ（ＰＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、フラッシュメモリ、ランダムアクセスメモリ（ＲＡＭ）、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）のようなダイナミックランダムアクセスメモリ（ＤＲＡＭ）、電気的に消去可能なプログラム可能な読み取り専用メモリ（ＥＥＰＲＯＭ）、スタティックメモリ（例えば、フラッシュメモリ、フラッシュディスク、スタティックランダムアクセスメモリ）、および、キャッシュ、レジスタ、コンパクトディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、またはその他の光学式ストレージ、カセットテープ、他の磁気記憶装置のようなその他のタイプのランダムアクセスメモリ、または、処理回路１１２やその他のコンピュータデバイスによってアクセス可能な画像、トレーニングデータ、ＭＬ技術パラメータ、デバイス適応機能、データ、または一時的もしくは非一時的なコンピュータ実行可能な命令（例えば、任意のフォーマットで格納されている）を含む情報を格納するために使用可能なその他の非一時的な媒体であり得る。例えば、コンピュータプログラム命令は、処理回路１１２によってアクセスされ、ＲＯＭ、または任意の他の適切なメモリ位置から読み出され、処理回路１１２による実行のためにＲＡＭにロードされ得る。
［００３２］
記憶装置１１６は、本明細書に記載されている方法論または機能（様々な実施例では、治療処理ロジック１２０およびユーザインターフェース１４２を含む）のいずれか１つまたはそれ以上を具現化するか、またはそれによって利用される１つまたはそれ以上のセットの一時的または非一時的な命令およびデータ構造（例えば、ソフトウェア）が格納されている一時的または非一時的な機械読み取り可能な媒体を含むドライブユニットを構成し得る。また、命令は、放射線治療処理計算システム１１０による命令の実行中に、完全にまたは少なくとも部分的に、メモリ１１４内および／または処理回路１１２内に存在することができ、メモリ１１４および処理回路１１２は、一時的または非一時的な機械読取可能な媒体を構成し得る。
記憶装置１１６は、本明細書に記載されている方法論または機能（様々な実施例では、治療処理ロジック１２０およびユーザインターフェース１４２を含む）のいずれか１つまたはそれ以上を具現化するか、またはそれによって利用される１つまたはそれ以上のセットの一時的または非一時的な命令およびデータ構造（例えば、ソフトウェア）が格納されている一時的または非一時的な機械読み取り可能な媒体を含むドライブユニットを構成し得る。また、命令は、放射線治療処理計算システム１１０による命令の実行中に、完全にまたは少なくとも部分的に、メモリ１１４内および／または処理回路１１２内に存在することができ、メモリ１１４および処理回路１１２は、一時的または非一時的な機械読取可能な媒体を構成し得る。
［００３３］
メモリ１１４および記憶装置１１６は、非一時的なコンピュータ読み取り可能な媒体を構成し得る。例えば、メモリ１１４および記憶装置１１６は、１つまたはそれ以上のソフトウェアアプリケーションの一時的または非一時的な命令をコンピュータ可読媒体に格納またはロードすることができる。メモリ１１４および記憶装置１１６に格納またはロードされたソフトウェアアプリケーションは、例えば、ソフトウェアで制御されたデバイスだけでなく、一般的なコンピュータシステム用のオペレーティングシステムを含み得る。また、放射線治療処理計算システム１１０は、治療処理ロジック１２０およびユーザインターフェース１４２を実装するためのソフトウェアコードからなる様々なソフトウェアプログラムを動作させることができる。さらに、メモリ１１４および記憶装置１１６は、処理回路１１２によって実行可能な、ソフトウェアアプリケーション全体、ソフトウェアアプリケーションの一部、またはソフトウェアアプリケーションに関連するコードもしくはデータを記憶またはロードすることができる。さらなる実施例では、メモリ１１４および記憶装置１１６は、１つまたはそれ以上の放射線治療の治療計画、撮像データ、セグメンテーションデータ、治療の可視化、ヒストグラムまたは測定値、ＡＩモデルデータ（例えば、重みおよびパラメータ）、トレーニングデータ、ラベルおよびマッピングデータなどを格納、ロード、および操作し得る。ソフトウェアプログラムは、記憶装置１１６およびメモリ１１４だけでなく、ハードドライブ、コンピュータディスク、ＣＤ－ＲＯＭ、ＤＶＤ、Ｂｌｕ－Ｒａｙ ＤＶＤ、ＵＳＢフラッシュドライブ、ＳＤカード、メモリスティック、またはその他の適切な媒体のような取り外し可能なコンピュータ媒体にも保存されてもよく、そのようなソフトウェアプログラムは、ネットワークを介して通信または受信されてもよい。
メモリ１１４および記憶装置１１６は、非一時的なコンピュータ読み取り可能な媒体を構成し得る。例えば、メモリ１１４および記憶装置１１６は、１つまたはそれ以上のソフトウェアアプリケーションの一時的または非一時的な命令をコンピュータ可読媒体に格納またはロードすることができる。メモリ１１４および記憶装置１１６に格納またはロードされたソフトウェアアプリケーションは、例えば、ソフトウェアで制御されたデバイスだけでなく、一般的なコンピュータシステム用のオペレーティングシステムを含み得る。また、放射線治療処理計算システム１１０は、治療処理ロジック１２０およびユーザインターフェース１４２を実装するためのソフトウェアコードからなる様々なソフトウェアプログラムを動作させることができる。さらに、メモリ１１４および記憶装置１１６は、処理回路１１２によって実行可能な、ソフトウェアアプリケーション全体、ソフトウェアアプリケーションの一部、またはソフトウェアアプリケーションに関連するコードもしくはデータを記憶またはロードすることができる。さらなる実施例では、メモリ１１４および記憶装置１１６は、１つまたはそれ以上の放射線治療の治療計画、撮像データ、セグメンテーションデータ、治療の可視化、ヒストグラムまたは測定値、ＡＩモデルデータ（例えば、重みおよびパラメータ）、トレーニングデータ、ラベルおよびマッピングデータなどを格納、ロード、および操作し得る。ソフトウェアプログラムは、記憶装置１１６およびメモリ１１４だけでなく、ハードドライブ、コンピュータディスク、ＣＤ－ＲＯＭ、ＤＶＤ、Ｂｌｕ－Ｒａｙ ＤＶＤ、ＵＳＢフラッシュドライブ、ＳＤカード、メモリスティック、またはその他の適切な媒体のような取り外し可能なコンピュータ媒体にも保存されてもよく、そのようなソフトウェアプログラムは、ネットワークを介して通信または受信されてもよい。
［００３４］
それらは図示されていないが、放射線治療処理計算システム１１０は、通信インターフェース、ネットワークインターフェースカード、および通信回路を含み得る。通信インターフェースの例としては、例えば、ネットワークアダプタ、ケーブルコネクタ、シリアルコネクタ、ＵＳＢコネクタ、パラレルコネクタ、高速データ伝送アダプタ（例えば、ファイバ、ＵＳＢ３．０、サンダーボルト、など）、無線ネットワークアダプタ（例えば、ＩＥＥＥ８０２．１１／Ｗｉ－Ｆｉアダプタのような）、電気通信アダプタ（例えば、３Ｇ、４Ｇ／ＬＴＥ、５Ｇネットワークなど）などを含み得る。このような通信インターフェースは、ネットワークを介して機械が他の機械や装置（遠隔地にあるコンポーネントなど）と通信することを可能にする１つまたはそれ以上のデジタルおよび／またはアナログ通信装置を含むことができる。ネットワークは、ローカルエリアネットワーク（ＬＡＮ）、ワイヤレスネットワーク、クラウドコンピューティング環境（例えば、サービスとしてのソフトウェア、サービスとしてのプラットフォーム、サービスとしてのインフラストラクチャ、など）、クライアントサーバ、広域ネットワーク（ＷＡＮ）など機能を提供することができる。例えば、ネットワークは、他のシステム（医療画像処理や放射線治療のオペレーションに関連付けられた追加の画像処理コンピューティングシステムや画像ベースのコンポーネントを含む）を含むＬＡＮまたはＷＡＮであってもよい。
それらは図示されていないが、放射線治療処理計算システム１１０は、通信インターフェース、ネットワークインターフェースカード、および通信回路を含み得る。通信インターフェースの例としては、例えば、ネットワークアダプタ、ケーブルコネクタ、シリアルコネクタ、ＵＳＢコネクタ、パラレルコネクタ、高速データ伝送アダプタ（例えば、ファイバ、ＵＳＢ３．０、サンダーボルト、など）、無線ネットワークアダプタ（例えば、ＩＥＥＥ８０２．１１／Ｗｉ－Ｆｉアダプタのような）、電気通信アダプタ（例えば、３Ｇ、４Ｇ／ＬＴＥ、５Ｇネットワークなど）などを含み得る。このような通信インターフェースは、ネットワークを介して機械が他の機械や装置（遠隔地にあるコンポーネントなど）と通信することを可能にする１つまたはそれ以上のデジタルおよび／またはアナログ通信装置を含むことができる。ネットワークは、ローカルエリアネットワーク（ＬＡＮ）、ワイヤレスネットワーク、クラウドコンピューティング環境（例えば、サービスとしてのソフトウェア、サービスとしてのプラットフォーム、サービスとしてのインフラストラクチャ、など）、クライアントサーバ、広域ネットワーク（ＷＡＮ）など機能を提供することができる。例えば、ネットワークは、他のシステム（医療画像処理や放射線治療のオペレーションに関連付けられた追加の画像処理コンピューティングシステムや画像ベースのコンポーネントを含む）を含むＬＡＮまたはＷＡＮであってもよい。
［００３５］
一実施例では、放射線治療処理計算システム１１０は、記憶装置１１６およびメモリ１１４にホスティングするために、画像データソース１５０（例えば、ＭＲ画像）から画像データ１５２を取得する。さらに別の実施例では、ソフトウェアプログラムは、符号付き距離関数のような患者画像の関数や、画像情報のある態様を強調する画像の処理バージョンを代用する。
一実施例では、放射線治療処理計算システム１１０は、記憶装置１１６およびメモリ１１４にホスティングするために、画像データソース１５０（例えば、ＭＲ画像）から画像データ１５２を取得する。さらに別の実施例では、ソフトウェアプログラムは、符号付き距離関数のような患者画像の関数や、画像情報のある態様を強調する画像の処理バージョンを代用する。
［００３６］
一実施例では、放射線治療処理計算システム１１０は、画像データソース１５０から画像データ１５２を取得する、または画像データソース１５０に画像データ１５２を通信する。さらなる実施例では、治療データソース１６０は、イントラフラクション放射線治療のワークフロー１３０によって生成された放射線治療装置のパラメータ調整の結果として、計画データ１６２を受取りまたは更新し、画像データソース１５０は、イントラフラクション放射線治療のワークフロー１４０で使用するための画像データ１５２を提供またはホストする。
一実施例では、放射線治療処理計算システム１１０は、画像データソース１５０から画像データ１５２を取得する、または画像データソース１５０に画像データ１５２を通信する。さらなる実施例では、治療データソース１６０は、イントラフラクション放射線治療のワークフロー１３０によって生成された放射線治療装置のパラメータ調整の結果として、計画データ１６２を受取りまたは更新し、画像データソース１５０は、イントラフラクション放射線治療のワークフロー１４０で使用するための画像データ１５２を提供またはホストする。
［００３７］
１３０。処理回路１１２は、メモリ１１４および記憶装置１１６に通信可能に結合されていてもよく、処理回路１１２は、メモリ１１４または記憶装置１１６のいずれかからその上に記憶されたコンピュータ実行可能な命令を実行するように構成されていてもよい。処理回路１１２は、画像データ１５２からの医用画像および／またはがん関連の治療情報を、メモリ１１４で受信または取得し、治療処理ロジック１２０を用いて処理させる命令を実行してもよい。
１３０。処理回路１１２は、メモリ１１４および記憶装置１１６に通信可能に結合されていてもよく、処理回路１１２は、メモリ１１４または記憶装置１１６のいずれかからその上に記憶されたコンピュータ実行可能な命令を実行するように構成されていてもよい。処理回路１１２は、画像データ１５２からの医用画像および／またはがん関連の治療情報を、メモリ１１４で受信または取得し、治療処理ロジック１２０を用いて処理させる命令を実行してもよい。
［００３８］
さらに、処理回路１１２は、ソフトウェアプログラムを利用して、例えば、ニューラルネットワークモデル、機械学習モデル、イントラフラクション放射線治療の治療ワークフロー１３０、または、本明細書で議論されるイントラフラクション装置パラメータ調整の生成に関わる他の態様により使用される、更新されたパラメータなどの中間データを生成する。さらに、そのようなソフトウェアプログラムは、治療処理ロジック１２０を利用して、イントラフラクション放射線治療の治療ワークフロー１３０を実施し、本明細書でさらに議論されている技術を用いて、与えられたフラクション内のターゲットに送出される線量を修正するために、および／または出力装置１４６に提示するために、治療データソース１６０に提供するための更新された放射線治療パラメータを生成する。処理回路１１２は、続いて、更新された放射線治療パラメータを、通信インターフェースおよびネットワークを介して治療装置１８０に送信し、更新されたパラメータは、ワークフロー１３０の結果と一致して、治療装置１８０を介して患者を放射線で治療するために使用される。ソフトウェアプログラムおよびワークフロー１３０の他の出力および使用は、放射線治療処理計算システム１１０の使用で発生することができる。放射線治療のパラメータは、ＭＬＣの位置と設定、ガントリの角度、放射線量の量（例えば、モニターユニット（ＭＵ）の量）、放射線治療ビームの方向、放射線ビームの大きさ、アークの配置、ビームのオンとオフの時間の長さ、機械のパラメータ、セグメント、ガントリの速度、ＭＲＩのパルスシーケンス、それらの任意の組み合わせなどを含む。
さらに、処理回路１１２は、ソフトウェアプログラムを利用して、例えば、ニューラルネットワークモデル、機械学習モデル、イントラフラクション放射線治療の治療ワークフロー１３０、または、本明細書で議論されるイントラフラクション装置パラメータ調整の生成に関わる他の態様により使用される、更新されたパラメータなどの中間データを生成する。さらに、そのようなソフトウェアプログラムは、治療処理ロジック１２０を利用して、イントラフラクション放射線治療の治療ワークフロー１３０を実施し、本明細書でさらに議論されている技術を用いて、与えられたフラクション内のターゲットに送出される線量を修正するために、および／または出力装置１４６に提示するために、治療データソース１６０に提供するための更新された放射線治療パラメータを生成する。処理回路１１２は、続いて、更新された放射線治療パラメータを、通信インターフェースおよびネットワークを介して治療装置１８０に送信し、更新されたパラメータは、ワークフロー１３０の結果と一致して、治療装置１８０を介して患者を放射線で治療するために使用される。ソフトウェアプログラムおよびワークフロー１３０の他の出力および使用は、放射線治療処理計算システム１１０の使用で発生することができる。放射線治療のパラメータは、ＭＬＣの位置と設定、ガントリの角度、放射線量の量（例えば、モニターユニット（ＭＵ）の量）、放射線治療ビームの方向、放射線ビームの大きさ、アークの配置、ビームのオンとオフの時間の長さ、機械のパラメータ、セグメント、ガントリの速度、ＭＲＩのパルスシーケンス、それらの任意の組み合わせなどを含む。
［００３９］
本明細書における実施例では、処理回路１１２は、治療処理ロジック１２０を呼び出すソフトウェアプログラムを実行して、与えられたフラクション内の（デバイス適応戦略および／またはパラメータ調整量を指定する）デバイス適応モデルに対する、ＭＬ、深層学習、ニューラルネットワーク、生成的機械学習モデル、生成的アドバーサリアネットワーク、および人工知能の他の態様の機能を実装する。例えば、処理回路１１２は、複数の患者の受信した治療情報から、装置適応モデルを学習、分析、予測、評価、生成するソフトウェアプログラムを実行することができる。
本明細書における実施例では、処理回路１１２は、治療処理ロジック１２０を呼び出すソフトウェアプログラムを実行して、与えられたフラクション内の（デバイス適応戦略および／またはパラメータ調整量を指定する）デバイス適応モデルに対する、ＭＬ、深層学習、ニューラルネットワーク、生成的機械学習モデル、生成的アドバーサリアネットワーク、および人工知能の他の態様の機能を実装する。例えば、処理回路１１２は、複数の患者の受信した治療情報から、装置適応モデルを学習、分析、予測、評価、生成するソフトウェアプログラムを実行することができる。
［００４０］
一実施例では、画像データ１５２は、１つまたはそれ以上のＭＲＩ画像（例えば、２Ｄの ＭＲＩ、３ＤのＭＲＩ、２ＤのストリーミングＭＲＩ、４ＤのＭＲＩ、４ＤのボルメトリックＭＲＩ、４ＤのシネＭＲＩなど）、機能的ＭＲＩ画像（例えば、ｆＭＲＩ、ＤＣＥ－ＭＲＩ、拡散ＭＲＩ）、コンピュータ断層撮影（ＣＴ）画像（例えば、２ＤのＣＴ、コーンビームＣＴ、３ＤのＣＴ、４ＤのＣＴ）、超音波画像（例えば、２Ｄの超音波、３Ｄの超音波、４Ｄの超音波）、ＰＥＴ（Positron Emission Tomography）画像、Ｘ線画像、透視画像、放射線治療ポータル画像、ＳＰＥＣＴ（Single-Photo Emission Computed Tomography）画像、コンピュータで作成した合成画像（擬似ＣＴ画像など）など、を含み得る。さらに、画像データ１５２は、例えば、トレーニング画像、グランドトゥルース画像、輪郭画像、線量画像のような医用画像処理データを含む、またはそれと関連付けられ得る。他の実施例では、解剖学的領域の同等の表現は、画像以外のフォーマット（例えば、座標、マッピングなど）で表され得る。
一実施例では、画像データ１５２は、１つまたはそれ以上のＭＲＩ画像（例えば、２Ｄの ＭＲＩ、３ＤのＭＲＩ、２ＤのストリーミングＭＲＩ、４ＤのＭＲＩ、４ＤのボルメトリックＭＲＩ、４ＤのシネＭＲＩなど）、機能的ＭＲＩ画像（例えば、ｆＭＲＩ、ＤＣＥ－ＭＲＩ、拡散ＭＲＩ）、コンピュータ断層撮影（ＣＴ）画像（例えば、２ＤのＣＴ、コーンビームＣＴ、３ＤのＣＴ、４ＤのＣＴ）、超音波画像（例えば、２Ｄの超音波、３Ｄの超音波、４Ｄの超音波）、ＰＥＴ（Positron Emission Tomography）画像、Ｘ線画像、透視画像、放射線治療ポータル画像、ＳＰＥＣＴ（Single-Photo Emission Computed Tomography）画像、コンピュータで作成した合成画像（擬似ＣＴ画像など）など、を含み得る。さらに、画像データ１５２は、例えば、トレーニング画像、グランドトゥルース画像、輪郭画像、線量画像のような医用画像処理データを含む、またはそれと関連付けられ得る。他の実施例では、解剖学的領域の同等の表現は、画像以外のフォーマット（例えば、座標、マッピングなど）で表され得る。
［００４１］
一実施例では、画像データ１５２は、画像取得装置１７０から受信され、１つまたはそれ以上の画像データソース１５０（例えば、ＰＡＣＳ（Picture Archiving and Communication System）、ＶＮＡ（Vendor Neutral Archive）、医療記録または情報システム、データウェアハウスなど）に格納され得る。したがって、画像取得装置１７０は、患者の医用画像を取得するために、ＭＲＩ撮像装置、ＣＴ撮像装置、ＰＥＴ撮像装置、超音波撮像装置、透視装置、ＳＰＥＣＴ撮像装置、線形加速器とＭＲＩの一体型撮像装置のような医用撮像装置で構成され得る。画像データ１５２は、画像取得装置１７０および放射線治療処理計算システム１１０が、開示された実施形態による操作を実行するために使用することができ、任意のタイプのデータまたは任意のタイプのフォーマット（例えば、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）フォーマット）で受信および格納され得る。さらに、いくつかの実施例では、本明細書で説明するモデルは、オリジナルの画像データフォーマットまたはその派生物を処理するようにトレーニングされ得る。
一実施例では、画像データ１５２は、画像取得装置１７０から受信され、１つまたはそれ以上の画像データソース１５０（例えば、ＰＡＣＳ（Picture Archiving and Communication System）、ＶＮＡ（Vendor Neutral Archive）、医療記録または情報システム、データウェアハウスなど）に格納され得る。したがって、画像取得装置１７０は、患者の医用画像を取得するために、ＭＲＩ撮像装置、ＣＴ撮像装置、ＰＥＴ撮像装置、超音波撮像装置、透視装置、ＳＰＥＣＴ撮像装置、線形加速器とＭＲＩの一体型撮像装置のような医用撮像装置で構成され得る。画像データ１５２は、画像取得装置１７０および放射線治療処理計算システム１１０が、開示された実施形態による操作を実行するために使用することができ、任意のタイプのデータまたは任意のタイプのフォーマット（例えば、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）フォーマット）で受信および格納され得る。さらに、いくつかの実施例では、本明細書で説明するモデルは、オリジナルの画像データフォーマットまたはその派生物を処理するようにトレーニングされ得る。
［００４２］
一実施例では、画像取得装置１７０は、単一の装置（例えば、「ＭＲＩ－Ｌｉｎａｃ」とも呼ばれる線形加速器と組み合わせたＭＲＩ装置）として治療装置１８０と統合され得る。このようなＭＲＩ－Ｌｉｎａｃは、例えば、患者のターゲットの位置を決定し、放射線治療の治療計画に基づいて、所定のターゲットに正確に直線または円形の放射線治療を行うために使用することができる。例えば、放射線治療の治療計画では、各患者に適用する特定の放射線量に関する情報を提供することができる。また、放射線治療の治療計画には、ビーム角度、線量－ヒストグラム－体積情報、治療中に使用する放射線ビームの数、ビーム１本あたりの線量など、他の放射線治療情報や放射線治療装置のパラメータが含まれ得る。
一実施例では、画像取得装置１７０は、単一の装置（例えば、「ＭＲＩ－Ｌｉｎａｃ」とも呼ばれる線形加速器と組み合わせたＭＲＩ装置）として治療装置１８０と統合され得る。このようなＭＲＩ－Ｌｉｎａｃは、例えば、患者のターゲットの位置を決定し、放射線治療の治療計画に基づいて、所定のターゲットに正確に直線または円形の放射線治療を行うために使用することができる。例えば、放射線治療の治療計画では、各患者に適用する特定の放射線量に関する情報を提供することができる。また、放射線治療の治療計画には、ビーム角度、線量－ヒストグラム－体積情報、治療中に使用する放射線ビームの数、ビーム１本あたりの線量など、他の放射線治療情報や放射線治療装置のパラメータが含まれ得る。
［００４３］
放射線治療処理計算システム１１０は、ネットワークを介して外部のデータベースと通信し、画像処理や放射線治療の操作に関連する複数の様々な種類のデータを送受信し得る。例えば、外部データベースは、治療装置１８０、画像取得装置１７０、または放射線治療や医療処置に関連する他の機械に関連付けられた情報を提供する機械データ（装置制約を含む）を含むことができる。機械データの情報には、放射線ビームのサイズ、アークの配置、ビームのオン／オフ時間、マシンパラメータ、セグメント、ＭＬＣの構成、ガントリの速度、ＭＲＩのパルスシーケンスなどが含まれる。外部データベースは、記憶装置であってもよく、適切なデータベース管理ソフトウェアプログラムを備えていてもよい。さらに、このようなデータベースやデータソースは、中央または分散して配置された複数のデバイスやシステムを含んでいてもよい。
放射線治療処理計算システム１１０は、ネットワークを介して外部のデータベースと通信し、画像処理や放射線治療の操作に関連する複数の様々な種類のデータを送受信し得る。例えば、外部データベースは、治療装置１８０、画像取得装置１７０、または放射線治療や医療処置に関連する他の機械に関連付けられた情報を提供する機械データ（装置制約を含む）を含むことができる。機械データの情報には、放射線ビームのサイズ、アークの配置、ビームのオン／オフ時間、マシンパラメータ、セグメント、ＭＬＣの構成、ガントリの速度、ＭＲＩのパルスシーケンスなどが含まれる。外部データベースは、記憶装置であってもよく、適切なデータベース管理ソフトウェアプログラムを備えていてもよい。さらに、このようなデータベースやデータソースは、中央または分散して配置された複数のデバイスやシステムを含んでいてもよい。
［００４４］
放射線治療処理計算システム１１０は、処理回路１１２およびメモリ１１４に通信可能に結合された１つまたはそれ以上の通信インターフェースを使用して、ネットワークを介して、データを収集および取得し、他のシステムと通信することができる。例えば、通信インターフェースは、放射線治療処理計算システム１１０と放射線治療システムコンポーネントとの間の通信接続を（例えば、外部装置とのデータ交換を可能にして）提供することができる。例えば、通信インターフェースは、いくつかの実施例では、出力装置１４６または入力装置１４８からの適切なインターフェース回路を有し、ユーザが放射線治療システムに情報を入力することができるハードウェアキーボード、キーパッド、またはタッチスクリーンであるユーザインターフェース１４２に接続することができる。
放射線治療処理計算システム１１０は、処理回路１１２およびメモリ１１４に通信可能に結合された１つまたはそれ以上の通信インターフェースを使用して、ネットワークを介して、データを収集および取得し、他のシステムと通信することができる。例えば、通信インターフェースは、放射線治療処理計算システム１１０と放射線治療システムコンポーネントとの間の通信接続を（例えば、外部装置とのデータ交換を可能にして）提供することができる。例えば、通信インターフェースは、いくつかの実施例では、出力装置１４６または入力装置１４８からの適切なインターフェース回路を有し、ユーザが放射線治療システムに情報を入力することができるハードウェアキーボード、キーパッド、またはタッチスクリーンであるユーザインターフェース１４２に接続することができる。
［００４５］
一実施例として、出力装置１４６は、ユーザインターフェース１４２の表現と、医用画像、治療計画、およびそのような計画のトレーニング、生成、検証、または実施のステータスの１つまたはそれ以上の側面、視覚化、または表現を出力する表示装置を含み得る。出力装置１４６は、医用画像、インターフェース情報、治療計画パラメータ（例えば、輪郭、線量、ビーム角、ラベル、マップなど）、治療計画、ターゲット、ターゲットのローカライズおよび／またはターゲットのトラッキング、または関連する情報をユーザに表示する１つ以上の表示画面を含み得る。ユーザインターフェース１４２に接続された入力装置１４８は、キーボード、キーパッド、タッチスクリーン、またはユーザが放射線治療システム１００に情報を入力するために使用することができる任意のタイプの装置であり得る。あるいは、出力装置１４６、入力装置１４８、およびユーザインターフェース１４２の機能は、スマートフォンやタブレットコンピュータ（例えば、アップル社製のｉＰａｄ（登録商標）、Ｌｅｎｏｖｏ社製のＴｈｉｎｋｐａｄ（登録商標）、サムソン社製のＧａｌａｘｙ（登録商標）のような単一のデバイスに統合され得る。
一実施例として、出力装置１４６は、ユーザインターフェース１４２の表現と、医用画像、治療計画、およびそのような計画のトレーニング、生成、検証、または実施のステータスの１つまたはそれ以上の側面、視覚化、または表現を出力する表示装置を含み得る。出力装置１４６は、医用画像、インターフェース情報、治療計画パラメータ（例えば、輪郭、線量、ビーム角、ラベル、マップなど）、治療計画、ターゲット、ターゲットのローカライズおよび／またはターゲットのトラッキング、または関連する情報をユーザに表示する１つ以上の表示画面を含み得る。ユーザインターフェース１４２に接続された入力装置１４８は、キーボード、キーパッド、タッチスクリーン、またはユーザが放射線治療システム１００に情報を入力するために使用することができる任意のタイプの装置であり得る。あるいは、出力装置１４６、入力装置１４８、およびユーザインターフェース１４２の機能は、スマートフォンやタブレットコンピュータ（例えば、アップル社製のｉＰａｄ（登録商標）、Ｌｅｎｏｖｏ社製のＴｈｉｎｋｐａｄ（登録商標）、サムソン社製のＧａｌａｘｙ（登録商標）のような単一のデバイスに統合され得る。
［００４６］
さらに、放射線治療システム１００の任意およびすべてのコンポーネントは、仮想マシン（例えば、ＶＭＷａｒｅ、Ｈｙｐｅｒ－Ｖのような仮想化プラットフォームを介して）または独立したデバイスとして実装され得る。例えば、仮想マシンは、ハードウェアとして機能するソフトウェアである。したがって、仮想マシンには、少なくとも１つまたはそれ以上の仮想プロセッサ、１つまたはそれ以上の仮想メモリ、１つまたはそれ以上の仮想通信インターフェースが含まれ、それらが一体となってハードウェアとして機能することができる。例えば、放射線治療処理計算システム１１０、画像データソース１５０、または同様のコンポーネントは、仮想マシンとして、またはクラウドベースの仮想化環境内で実装され得る。
さらに、放射線治療システム１００の任意およびすべてのコンポーネントは、仮想マシン（例えば、ＶＭＷａｒｅ、Ｈｙｐｅｒ－Ｖのような仮想化プラットフォームを介して）または独立したデバイスとして実装され得る。例えば、仮想マシンは、ハードウェアとして機能するソフトウェアである。したがって、仮想マシンには、少なくとも１つまたはそれ以上の仮想プロセッサ、１つまたはそれ以上の仮想メモリ、１つまたはそれ以上の仮想通信インターフェースが含まれ、それらが一体となってハードウェアとして機能することができる。例えば、放射線治療処理計算システム１１０、画像データソース１５０、または同様のコンポーネントは、仮想マシンとして、またはクラウドベースの仮想化環境内で実装され得る。
［００４７］
画像取得装置１７０は、関心領域（例えば、ターゲット臓器、ターゲット腫瘍またはその両方）に対する患者の解剖学的構造の１つまたはそれ以上の画像を取得するように構成することができる。各画像、典型的には、２Ｄ画像またはスライスは、１つまたはそれ以上のパラメータ（例えば、２Ｄスライスの厚さ、方向、および位置など）を含むことができる。一実施例では、画像取得装置１７０は、任意の方向の２Ｄスライスを取得することができる。例えば、２Ｄスライスの方向は、サジタル方向（矢状方向：sagittal orientation）、コロナル方向（冠状方向：coronal orientation）、アキシャル方向（体軸方向：axial orientation）を含むことができる。処理回路１１２は、ターゲット臓器および／またはターゲット腫瘍を含むように、２Ｄスライスの厚さおよび／または向きなどの１つまたはそれ以上のパラメータを調整することができる。一実施例では、２Ｄスライスは、３ＤのＣＢＣＴまたはＣＴ、またはＭＲＩボリュームのような情報から決定することができる。このような２Ｄスライスは、例えば、治療装置１８０を使用しているときに、患者が放射線治療を受けている間に、「ほぼリアルタイム」で画像取得装置１７０によって取得することができる（「ほぼリアルタイム」とは、当技術分野で知られているように、画像取得と治療との間にラグ（lag）がなく（または最小限のラグで）データを取得することを意味する）。
画像取得装置１７０は、関心領域（例えば、ターゲット臓器、ターゲット腫瘍またはその両方）に対する患者の解剖学的構造の１つまたはそれ以上の画像を取得するように構成することができる。各画像、典型的には、２Ｄ画像またはスライスは、１つまたはそれ以上のパラメータ（例えば、２Ｄスライスの厚さ、方向、および位置など）を含むことができる。一実施例では、画像取得装置１７０は、任意の方向の２Ｄスライスを取得することができる。例えば、２Ｄスライスの方向は、サジタル方向（矢状方向：sagittal orientation）、コロナル方向（冠状方向：coronal orientation）、アキシャル方向（体軸方向：axial orientation）を含むことができる。処理回路１１２は、ターゲット臓器および／またはターゲット腫瘍を含むように、２Ｄスライスの厚さおよび／または向きなどの１つまたはそれ以上のパラメータを調整することができる。一実施例では、２Ｄスライスは、３ＤのＣＢＣＴまたはＣＴ、またはＭＲＩボリュームのような情報から決定することができる。このような２Ｄスライスは、例えば、治療装置１８０を使用しているときに、患者が放射線治療を受けている間に、「ほぼリアルタイム」で画像取得装置１７０によって取得することができる（「ほぼリアルタイム」とは、当技術分野で知られているように、画像取得と治療との間にラグ（lag）がなく（または最小限のラグで）データを取得することを意味する）。
［００４８］
機械学習（ＭＬ）のアルゴリズムまたは技術は、関数の近似性に集約される。ある種の入力と出力のペアからなるトレーニングデータ（例えば、リアルタイムの患者の解剖学的情報に基づいて調整される機械のパラメータ）は、例えば、専門の臨床医から入手され、関数は、このマッピングを近似するように「トレーニング」される。いくつかの方法は、ニューラルネットワークを使う。これらでは、パラメータ化された関数のセット、Ａθが選択され、ここで、θは、トレーニングデータ上の平均誤差を最小にすることにより選択されるパラメータのセット（例えば、コンボリューションカーネルおよびバイアス）である。入力と出力のペアを（ｘｍ，ｙｍ）と表すと、式１のような最小化問題を解くことで関数を定式化することができる。
機械学習（ＭＬ）のアルゴリズムまたは技術は、関数の近似性に集約される。ある種の入力と出力のペアからなるトレーニングデータ（例えば、リアルタイムの患者の解剖学的情報に基づいて調整される機械のパラメータ）は、例えば、専門の臨床医から入手され、関数は、このマッピングを近似するように「トレーニング」される。いくつかの方法は、ニューラルネットワークを使う。これらでは、パラメータ化された関数のセット、Ａθが選択され、ここで、θは、トレーニングデータ上の平均誤差を最小にすることにより選択されるパラメータのセット（例えば、コンボリューションカーネルおよびバイアス）である。入力と出力のペアを（ｘｍ，ｙｍ）と表すと、式１のような最小化問題を解くことで関数を定式化することができる。
［００４９］
いちどネットワークがトレーニングされると（例えば、θが選択されると）、関数Ａθは任意の新しい入力に適用することができる。例えば、上記のＣＴ画像のセグメンテーションのセットでは、今までみたことのないＣＴ画像がＡθに入力され、専門の臨床医が見た場合と同じようなセグメンテーションが推定される。
いちどネットワークがトレーニングされると（例えば、θが選択されると）、関数Ａθは任意の新しい入力に適用することができる。例えば、上記のＣＴ画像のセグメンテーションのセットでは、今までみたことのないＣＴ画像がＡθに入力され、専門の臨床医が見た場合と同じようなセグメンテーションが推定される。
［００５０］
単純なニューラルネットワークは、入力レイヤ、中間レイヤまたは隠れレイヤ）、出力レイヤで構成され、それぞれが計算ユニットまたはノードを含んでいる。隠れレイヤのノードは、すべての入力レイヤのノードから入力され、出力レイヤのすべてのノードに接続される。このようなネットワークは「完全連結された（fully connected）」と呼ばれる。各ノードは、それら入力の和の非線形関数に依存する出力ノードに信号を伝達する。分類器（classifier）に対しては、入力レイヤのノードの数は、典型的には、クラス（class）に分類されるオブジェクト（object）のセットのそれぞれの特徴（feature）の数に等しく、出力レイヤのノードの数はクラス（class）の数に等しい。ネットワークは、それを既知のクラスのオブジェクトの特徴で表し、バックプロパゲーションと呼ばれるアルゴリズムにより、学習誤差が小さくなるようにノードの重みを調整することによりトレーニングされる。したがって、トレーニングされたネットワークは、クラスが不明な新規のオブジェクトを分類することができる。
単純なニューラルネットワークは、入力レイヤ、中間レイヤまたは隠れレイヤ）、出力レイヤで構成され、それぞれが計算ユニットまたはノードを含んでいる。隠れレイヤのノードは、すべての入力レイヤのノードから入力され、出力レイヤのすべてのノードに接続される。このようなネットワークは「完全連結された（fully connected）」と呼ばれる。各ノードは、それら入力の和の非線形関数に依存する出力ノードに信号を伝達する。分類器（classifier）に対しては、入力レイヤのノードの数は、典型的には、クラス（class）に分類されるオブジェクト（object）のセットのそれぞれの特徴（feature）の数に等しく、出力レイヤのノードの数はクラス（class）の数に等しい。ネットワークは、それを既知のクラスのオブジェクトの特徴で表し、バックプロパゲーションと呼ばれるアルゴリズムにより、学習誤差が小さくなるようにノードの重みを調整することによりトレーニングされる。したがって、トレーニングされたネットワークは、クラスが不明な新規のオブジェクトを分類することができる。
［００５１］
ニューラルネットワークは、データとクラスまたは回帰値との間の関係を発見する能力を有し、ある条件の下では、非線形関数を含むあらゆる関数をエミュレートすることができる。ＭＬでは，トレーニングデータおよびテストデータの両方が、同一のデータ生成プロセスＰdataにより生成され、そこでは、各｛ｘｉ、ｙｉ｝サンプルが同一かつ独立に分布している（i.i.d.：identically and independently distributed）を前提としている。ＭＬでは、学習誤差を最小にし、かつ、トレーニング誤差とテスト誤差の差をできるだけ小さくすることが目標である。アンダーフィッティング（underfitting）は、トレーニング誤差（training error）が大きすぎる場合に発生し、オーバーフィッティング（overfitting）は、トレーニング誤差とテスト誤差のギャップ（train-test error gap）が大きすぎる場合に発生する。これらの性能低下の両方はモデルのキャパシティ（capacity）に関連し、大きなキャパシティはトレーニングデータに非常によくフィットするがオーバーフィッティングとなる可能性があり、小さなキャパシティはアンダーフィッティングとなる可能性がある。
ニューラルネットワークは、データとクラスまたは回帰値との間の関係を発見する能力を有し、ある条件の下では、非線形関数を含むあらゆる関数をエミュレートすることができる。ＭＬでは，トレーニングデータおよびテストデータの両方が、同一のデータ生成プロセスＰdataにより生成され、そこでは、各｛ｘｉ、ｙｉ｝サンプルが同一かつ独立に分布している（i.i.d.：identically and independently distributed）を前提としている。ＭＬでは、学習誤差を最小にし、かつ、トレーニング誤差とテスト誤差の差をできるだけ小さくすることが目標である。アンダーフィッティング（underfitting）は、トレーニング誤差（training error）が大きすぎる場合に発生し、オーバーフィッティング（overfitting）は、トレーニング誤差とテスト誤差のギャップ（train-test error gap）が大きすぎる場合に発生する。これらの性能低下の両方はモデルのキャパシティ（capacity）に関連し、大きなキャパシティはトレーニングデータに非常によくフィットするがオーバーフィッティングとなる可能性があり、小さなキャパシティはアンダーフィッティングとなる可能性がある。
［００５２］
イントラフラクション放射線治療のワークフロー１３０は、治療データソース１６０および／または画像データソース１５０と通信して、与えられたフラクション内で治療装置のパラメータをリアルタイムに修正する必要性を判断する。一実施形態では、イントラフラクション放射線治療ワークフロー１３０は、フラクション内の特定の時間に、現在の患者の解剖学的構造および／またはターゲットに照射される現在の線量を、比較関数ｆにより治療計画で指定された予想される解剖学的構造および／または線量と比較する。現在の解剖学的構造および／または量と、予想される解剖学的構造および／または量との間の偏差に基づいて、イントラフラクション放射線治療のワークフロー１３０は、関数により放射線治療装置のパラメータを修正する。関数は、偏差に基づいて放射線治療装置のパラメータを増加させるか、減少させるか、または調整しないかを示す、線形関数、二次関数、またはその他の適切な数学的表現であり得る。一実施例として、一般性を損なうことなく、比較関数ｆは式２で表される。
イントラフラクション放射線治療のワークフロー１３０は、治療データソース１６０および／または画像データソース１５０と通信して、与えられたフラクション内で治療装置のパラメータをリアルタイムに修正する必要性を判断する。一実施形態では、イントラフラクション放射線治療ワークフロー１３０は、フラクション内の特定の時間に、現在の患者の解剖学的構造および／またはターゲットに照射される現在の線量を、比較関数ｆにより治療計画で指定された予想される解剖学的構造および／または線量と比較する。現在の解剖学的構造および／または量と、予想される解剖学的構造および／または量との間の偏差に基づいて、イントラフラクション放射線治療のワークフロー１３０は、関数により放射線治療装置のパラメータを修正する。関数は、偏差に基づいて放射線治療装置のパラメータを増加させるか、減少させるか、または調整しないかを示す、線形関数、二次関数、またはその他の適切な数学的表現であり得る。一実施例として、一般性を損なうことなく、比較関数ｆは式２で表される。
ここで、ｔは、与えられた治療フラクションにおける現在の時刻を表し、ＩＲＴ（ｔ）は、与えられた治療フラクションにおける現在の時刻の患者解剖学を表し、ＭＵ（ｔ）は、与えられた治療フラクションにおける現在の時刻に照射されたモニタユニット（ＭＵ）を表し、Ｉｒｅｆ（ＭＵ）は、与えられた治療フラクションのＭＵモニタユニット後の基準治療計画の患者解剖学を表す。
［００５３］
放射線治療中（イントラフラクション：intra-fraction）の時刻ｔにおける機械の設定は、ベクトルτで定義できる。適応戦略は、パラメータベクトルμに基づいて、比較関数ｆの値を更新された機械の設定τ′に変換する。一実施例では、機械の設定は、式３で表すことができる。
放射線治療中（イントラフラクション：intra-fraction）の時刻ｔにおける機械の設定は、ベクトルτで定義できる。適応戦略は、パラメータベクトルμに基づいて、比較関数ｆの値を更新された機械の設定τ′に変換する。一実施例では、機械の設定は、式３で表すことができる。
適応戦略は、適応の度合いとタイプの観点から、τ′によって記述される。例えば、適応のタイプは、どのような放射線治療装置のパラメータ（例えば、時間あたりの投与量、コリメータの設定（例えば、ジョーとＭＬＣのリーフの位置）、ガントリの回転速度、および／またはそれらの組み合わせ）を調整するのかを指定でき、度合は、パラメータを調整する量を指定することができる。いくつか場合では、ＭＬＣのジョーとリーフの位置は、独立したパラメータとして扱われ、あるリーフおよび／またはジョーの位置は、第１の量で調整され、第２のリーフは、第２の量で調整される。パラメータμは、最適化、機械学習（マシーンラーニング）、ヒューリスティックによりチューニングの対象となる。ベクトルτ′は、すべての機械の設定を記述することができるが、選択されたスキームに適応する対象となる機械の設定のみを含むように簡略化することができる。ベクトルτ′の構成要素の数学的表現は、任意の線形または非線形の数学的表現であってもよく、ベクトルτ′の構成要素は、線形または非線形の最適化問題を解くことによって決定されてもよい。特定の実施形態では、式３の関数τ′（τ，ｆ，μ，ｔ）は、非線形システムまたは他の適切な数学的表現の形をとることができる。
［００５４］
パラメータμは、適応策を決定するために、治療計画プロセスの一部として、シミュレーション、最適化、機械学習、またはヒューリスティックにより調整される対象となる。パラメータμは、シミュレーション、最適化、機械学習、またはヒューリスティックの手段により、適応時に決定することもできる。
パラメータμは、適応策を決定するために、治療計画プロセスの一部として、シミュレーション、最適化、機械学習、またはヒューリスティックにより調整される対象となる。パラメータμは、シミュレーション、最適化、機械学習、またはヒューリスティックの手段により、適応時に決定することもできる。
［００５５］
一実施形態では、式３の関数τ′（τ，ｆ，μ，ｔ）は、ｉ＝１，．．．，Ｎと、更新された機械の設定τｉ′が、式４による線形関数γ１，ｉとγ２，ｉによって決定される、線形システムであり得る。
一実施形態では、式３の関数τ′（τ，ｆ，μ，ｔ）は、ｉ＝１，．．．，Ｎと、更新された機械の設定τｉ′が、式４による線形関数γ１，ｉとγ２，ｉによって決定される、線形システムであり得る。
式４によると、数５が成立する場合、このような区間は、ｉ番目の機械の設定に対して、適応が行われない区間であり、数６が成立する場合、同じ機械の設定に対して、適応がγ１，ｉとγ２，ｉにより支配される。
ここで、μは、すべてのｉ＝１，，Ｎに対する、関数γ１，ｉ、γ２，ｉにおけるすべてのパラメータと、定数α１，ｉとα２，ｉとからなる。α１，ｉの値は、異なるｉに対して異なり得る。
［００５６］
例えば、τの一部である放射線治療装置のコリメータの設定（例えば、ＭＬＣのジョーとリーフの位置や、それによりリーフの位置が変更される量）と、それらの適応策τ′とは、関数ｆの出力に関連付けることができる。すなわち、比較関数ｆは、式３または式４の出力と、必要であれば、コリメータの開口部の形状を変更するためのジョーおよびＭＬＣのリーフの位置の調整とに基づく結果を提供し得る。このように、τの構成要素により表されるコリメータの設定は、式３により適合される。別の実施例として、（τの構成要素で表される）ガントリの回転速度は、同様に関数ｆと関連付けることができる。このように、τ′の一部である適応されたガントリの回転速度は、式３に従って適合される。別の実施例として、（τの一部でもある）時間当たりの投与量（単位時間当たりの線量）は、同様に関数ｆで関連付けることができる。このように、時間ごとの更新された投与量（τ′の一部）は、式３を用いて決定される。
例えば、τの一部である放射線治療装置のコリメータの設定（例えば、ＭＬＣのジョーとリーフの位置や、それによりリーフの位置が変更される量）と、それらの適応策τ′とは、関数ｆの出力に関連付けることができる。すなわち、比較関数ｆは、式３または式４の出力と、必要であれば、コリメータの開口部の形状を変更するためのジョーおよびＭＬＣのリーフの位置の調整とに基づく結果を提供し得る。このように、τの構成要素により表されるコリメータの設定は、式３により適合される。別の実施例として、（τの構成要素で表される）ガントリの回転速度は、同様に関数ｆと関連付けることができる。このように、τ′の一部である適応されたガントリの回転速度は、式３に従って適合される。別の実施例として、（τの一部でもある）時間当たりの投与量（単位時間当たりの線量）は、同様に関数ｆで関連付けることができる。このように、時間ごとの更新された投与量（τ′の一部）は、式３を用いて決定される。
［００５７］
イントラフラクション放射線治療ワークフロー１３０は、与えられた治療フラクション全体で放射線治療装置のパラメータの調整量を追跡するように構成される。具体的には、イントラフラクション放射線治療ワークフロー１３０は、式３の関数が、放射線治療装置のパラメータに対する与えられた調整（例えば、線量の増加）を指定していることを検出する。これに応答して、治療データソース１６０に対して調整を行う前に、イントラフラクション放射線治療ワークフロー１３０は、治療フラクションの現在の時刻までに標的に照射された線量の総量が、治療計画における所定の線量を超えているか否かを判断する。現在の時刻までに照射された線量の総量が所定の線量を超えていない場合、イントラフラクション放射線治療ワークフロー１３０は、式３で規定される調整を行うことで、与えられた治療フラクションにおいて調整を行った後に、ターゲットに送出される線量の総量が所定の線量を超えることになるか否かを判断する。所定の線量を超えてしまう場合、イントラフラクション放射線治療ワークフロー１３０は、式３で規定された修正を一時停止、終了、低減、または実行しない。所定の線量を超えない場合、イントラフラクション放射線治療ワークフロー１３０は、式３で規定される調整を治療データソース１６０に伝達して、線量を増加（または変更）させる。
イントラフラクション放射線治療ワークフロー１３０は、与えられた治療フラクション全体で放射線治療装置のパラメータの調整量を追跡するように構成される。具体的には、イントラフラクション放射線治療ワークフロー１３０は、式３の関数が、放射線治療装置のパラメータに対する与えられた調整（例えば、線量の増加）を指定していることを検出する。これに応答して、治療データソース１６０に対して調整を行う前に、イントラフラクション放射線治療ワークフロー１３０は、治療フラクションの現在の時刻までに標的に照射された線量の総量が、治療計画における所定の線量を超えているか否かを判断する。現在の時刻までに照射された線量の総量が所定の線量を超えていない場合、イントラフラクション放射線治療ワークフロー１３０は、式３で規定される調整を行うことで、与えられた治療フラクションにおいて調整を行った後に、ターゲットに送出される線量の総量が所定の線量を超えることになるか否かを判断する。所定の線量を超えてしまう場合、イントラフラクション放射線治療ワークフロー１３０は、式３で規定された修正を一時停止、終了、低減、または実行しない。所定の線量を超えない場合、イントラフラクション放射線治療ワークフロー１３０は、式３で規定される調整を治療データソース１６０に伝達して、線量を増加（または変更）させる。
［００５８］
いくつかの実施形態では、イントラフラクション放射線治療のワークフロー１３０は、与えられた治療フラクション内の特定の時間に、式３が、治療計画で規定されているものと比較して、与えられた治療フラクション内の送出線量の増加を引き起こすパラメータを指定すると判断する。その結果、イントラフラクション放射線治療の治療ワークフロー１３０は、治療装置１８０に、特定の時間に増加した量の線量を照射させることができる。特定の時間の後、与えられた治療フラクションにおける後続の時間に対して、イントラフラクション放射線治療ワークフロー１３０は、後続の時間について、治療計画で定められた線量を取得する。イントラフラクション放射線治療ワークフロー１３０は、与えられたフラクションにおける後続の時間にターゲットに照射される総線量が、特定の時間での線量が増加した量と等しくなるように、後続の時間の線量のそれぞれを等しく、または等しくなく減少させる。これにより、ある治療フラクション内の特定の時間に、式３を適用した結果、線量が増加したとしても、その治療フラクション内でターゲットに照射される線量の総量は、治療計画で定められたものと同じであることが保証される。
いくつかの実施形態では、イントラフラクション放射線治療のワークフロー１３０は、与えられた治療フラクション内の特定の時間に、式３が、治療計画で規定されているものと比較して、与えられた治療フラクション内の送出線量の増加を引き起こすパラメータを指定すると判断する。その結果、イントラフラクション放射線治療の治療ワークフロー１３０は、治療装置１８０に、特定の時間に増加した量の線量を照射させることができる。特定の時間の後、与えられた治療フラクションにおける後続の時間に対して、イントラフラクション放射線治療ワークフロー１３０は、後続の時間について、治療計画で定められた線量を取得する。イントラフラクション放射線治療ワークフロー１３０は、与えられたフラクションにおける後続の時間にターゲットに照射される総線量が、特定の時間での線量が増加した量と等しくなるように、後続の時間の線量のそれぞれを等しく、または等しくなく減少させる。これにより、ある治療フラクション内の特定の時間に、式３を適用した結果、線量が増加したとしても、その治療フラクション内でターゲットに照射される線量の総量は、治療計画で定められたものと同じであることが保証される。
［００５９］
いくつかの実施形態では、イントラフラクション放射線治療のワークフロー１３０は、与えられた治療フラクション内の特定の時間に、式３が、治療計画で規定されているものと比較して、与えられた治療フラクション内の送出線量の減少を引き起こすパラメータを指定すると判断する。その結果、イントラフラクション放射線治療の治療ワークフロー１３０は、治療装置１８０に、特定の時間に減少した量の線量を照射させることができる。特定の時間の後、与えられた治療フラクションにおける後続の時間について、イントラフラクション放射線治療ワークフロー１３０は、後続の時間について、治療計画で定められた線量を取得する。イントラフラクション放射線治療ワークフロー１３０は、与えられたフラクションにおける後続の時間にターゲットの照射される総線量が、特定の時間での線量が減少した量と等しくなるように、後続の時間の線量のそれぞれを等しく、または等しくなく増加させる。これにより、ある治療フラクション内の特定の時間に、式３に従って線量が減少したとしても、その治療フラクション内でターゲットに照射される線量の総量は、治療計画で定められたものと同じであることが保証される。
いくつかの実施形態では、イントラフラクション放射線治療のワークフロー１３０は、与えられた治療フラクション内の特定の時間に、式３が、治療計画で規定されているものと比較して、与えられた治療フラクション内の送出線量の減少を引き起こすパラメータを指定すると判断する。その結果、イントラフラクション放射線治療の治療ワークフロー１３０は、治療装置１８０に、特定の時間に減少した量の線量を照射させることができる。特定の時間の後、与えられた治療フラクションにおける後続の時間について、イントラフラクション放射線治療ワークフロー１３０は、後続の時間について、治療計画で定められた線量を取得する。イントラフラクション放射線治療ワークフロー１３０は、与えられたフラクションにおける後続の時間にターゲットの照射される総線量が、特定の時間での線量が減少した量と等しくなるように、後続の時間の線量のそれぞれを等しく、または等しくなく増加させる。これにより、ある治療フラクション内の特定の時間に、式３に従って線量が減少したとしても、その治療フラクション内でターゲットに照射される線量の総量は、治療計画で定められたものと同じであることが保証される。
［００６０］
いくつかの実施形態では、イントラフラクション放射線治療のワークフロー１３０は、リアルタイムの患者の解剖学的構造の処理１３２を用いて、与えられた治療フラクションにおける現在の時間の患者の解剖学的構造を表すＩＲＴ（ｔ）を計算する。放射線療法治療（radiotherapy treatment）、放射線治療（radiation therapy）、放射線療法（radiotherapy）は、本明細書全体で互換的に使用されており、同じ意味を持つと理解すべきである。リアルタイムの患者の解剖学的構造の処理１３２は、画像取得装置１７０および／または治療装置１８０と通信して、与えられた治療フラクション、および／または放射線中に観察された処方学的な線量内で、患者の１つまたはそれ以上の画像をリアルタイムで受信する。リアルタイムの患者の解剖学的構造の処理１３２は、所定の患者運動モデルを利用して、画像取得装置１７０から受信した画像から現在の患者の解剖学的構造を計算する。リアルタイムの患者の解剖学的構造の処理１３２は、式２の結果（例えば、治療フラクション内の与えられた時間におけるＯＡＲとターゲット（例えば、腫瘍）のオーバーラップの量、ターゲットの境界とＯＡＲとの間の距離（例えば、前立腺と直腸との間の分離）、放射線照射中に観察される処方学的な線量、深さの関数としてのターゲットへの線量、および／または計算された患者の解剖学的構造に関連する不確実性）を決定する。ＯＡＲとターゲットのオーバーラップは、放射線ビームから見たオーバーラップの量のことであり、すなわち、ＯＡＲに対するターゲットに照射される放射線ビームの割合または量のことである。オーバーラップが大きいほど、ＯＡＲに照射される放射線量は多くなり、オーバーラップが小さいほど、ＯＡＲに照射される放射線量は少なくなる。
いくつかの実施形態では、イントラフラクション放射線治療のワークフロー１３０は、リアルタイムの患者の解剖学的構造の処理１３２を用いて、与えられた治療フラクションにおける現在の時間の患者の解剖学的構造を表すＩＲＴ（ｔ）を計算する。放射線療法治療（radiotherapy treatment）、放射線治療（radiation therapy）、放射線療法（radiotherapy）は、本明細書全体で互換的に使用されており、同じ意味を持つと理解すべきである。リアルタイムの患者の解剖学的構造の処理１３２は、画像取得装置１７０および／または治療装置１８０と通信して、与えられた治療フラクション、および／または放射線中に観察された処方学的な線量内で、患者の１つまたはそれ以上の画像をリアルタイムで受信する。リアルタイムの患者の解剖学的構造の処理１３２は、所定の患者運動モデルを利用して、画像取得装置１７０から受信した画像から現在の患者の解剖学的構造を計算する。リアルタイムの患者の解剖学的構造の処理１３２は、式２の結果（例えば、治療フラクション内の与えられた時間におけるＯＡＲとターゲット（例えば、腫瘍）のオーバーラップの量、ターゲットの境界とＯＡＲとの間の距離（例えば、前立腺と直腸との間の分離）、放射線照射中に観察される処方学的な線量、深さの関数としてのターゲットへの線量、および／または計算された患者の解剖学的構造に関連する不確実性）を決定する。ＯＡＲとターゲットのオーバーラップは、放射線ビームから見たオーバーラップの量のことであり、すなわち、ＯＡＲに対するターゲットに照射される放射線ビームの割合または量のことである。オーバーラップが大きいほど、ＯＡＲに照射される放射線量は多くなり、オーバーラップが小さいほど、ＯＡＲに照射される放射線量は少なくなる。
［００６１］
いくつかの実施形態では、イントラフラクション放射線治療ワークフロー１３０は、基準の患者の解剖学的構造の処理１３４を用いて、与えられた治療フラクションにおける現在の時間の治療計画で指定された基準の患者の解剖学的構造を表すＩｒｅｆ（ＭＵ（ｔ））をメモリから取得する。基準の患者の解剖学的構造の処理１３４は、治療フラクション内の与えられた時間における予想されるＯＡＲとターゲット（例えば、腫瘍）のオーバーラップの量、ターゲットの境界とＯＡＲとの間の予想される距離（例えば、前立腺と直腸との間の分離）、放射線照射中に観察される予想される処方学的な線量、深さの関数としてのターゲットへの予想される線量、および／または計算された患者の解剖学的構造に関連する予想される不確実性を提供する。
いくつかの実施形態では、イントラフラクション放射線治療ワークフロー１３０は、基準の患者の解剖学的構造の処理１３４を用いて、与えられた治療フラクションにおける現在の時間の治療計画で指定された基準の患者の解剖学的構造を表すＩｒｅｆ（ＭＵ（ｔ））をメモリから取得する。基準の患者の解剖学的構造の処理１３４は、治療フラクション内の与えられた時間における予想されるＯＡＲとターゲット（例えば、腫瘍）のオーバーラップの量、ターゲットの境界とＯＡＲとの間の予想される距離（例えば、前立腺と直腸との間の分離）、放射線照射中に観察される予想される処方学的な線量、深さの関数としてのターゲットへの予想される線量、および／または計算された患者の解剖学的構造に関連する予想される不確実性を提供する。
［００６２］
いくつかの実施形態では、イントラフラクション放射線治療ワークフロー１３０は、放射線治療装置のパラメータ調整ワークフロー１４０を用いて、式２の関数ｆの出力と、（もしあれば）式３によって指定される調整とを計算する。具体的には、放射線治療装置のパラメータ調整ワークフロー１４０は、リアルタイムの患者の解剖学的構造の処理１３２の出力と、基準の患者の解剖学的構造の処理１３４の出力とを比較する。一実施例では、放射線治療装置のパラメータ調整ワークフロー１４０は、治療フラクション内の与えられた時間におけるターゲット（例えば、腫瘍）のＯＡＲとのオーバーラップ量を、現在の時間の予想された量と比較する。放射線治療装置のパラメータ調整ワークフロー１４０は、リアルタイムの患者の解剖学的構造の処理１３２によって提供される現在の患者の解剖学構造が、基準の患者の解剖学的構造の処理１３４によって提供された患者の解剖学的構造よりも好ましいことを比較結果が示しているかどうかを判断する。具体的には、放射線治療装置のパラメータ調整ワークフロー１４０は、式２に従って、与えられた時間におけるＯＡＲとターゲット（例えば、腫瘍）のオーバーラップの量が、式３のパラメータμの１つまたはそれ以上によって規定される量だけ、予想されるオーバーラップよりも小さく、それによってより好ましいと判断する。そのような状況では、式２の関数ｆの出力は、０より大きい値になる。放射線治療装置のパラメータ調整ワークフロー１４０は、与えられた時間におけるＯＡＲとターゲット（例えば、腫瘍）のオーバーラップの量が、予想されるオーバーラップの量よりも多く、それによってより好ましくないと判断する。そのような状況では、式２の関数ｆの出力は、０より小さい値になる。
いくつかの実施形態では、イントラフラクション放射線治療ワークフロー１３０は、放射線治療装置のパラメータ調整ワークフロー１４０を用いて、式２の関数ｆの出力と、（もしあれば）式３によって指定される調整とを計算する。具体的には、放射線治療装置のパラメータ調整ワークフロー１４０は、リアルタイムの患者の解剖学的構造の処理１３２の出力と、基準の患者の解剖学的構造の処理１３４の出力とを比較する。一実施例では、放射線治療装置のパラメータ調整ワークフロー１４０は、治療フラクション内の与えられた時間におけるターゲット（例えば、腫瘍）のＯＡＲとのオーバーラップ量を、現在の時間の予想された量と比較する。放射線治療装置のパラメータ調整ワークフロー１４０は、リアルタイムの患者の解剖学的構造の処理１３２によって提供される現在の患者の解剖学構造が、基準の患者の解剖学的構造の処理１３４によって提供された患者の解剖学的構造よりも好ましいことを比較結果が示しているかどうかを判断する。具体的には、放射線治療装置のパラメータ調整ワークフロー１４０は、式２に従って、与えられた時間におけるＯＡＲとターゲット（例えば、腫瘍）のオーバーラップの量が、式３のパラメータμの１つまたはそれ以上によって規定される量だけ、予想されるオーバーラップよりも小さく、それによってより好ましいと判断する。そのような状況では、式２の関数ｆの出力は、０より大きい値になる。放射線治療装置のパラメータ調整ワークフロー１４０は、与えられた時間におけるＯＡＲとターゲット（例えば、腫瘍）のオーバーラップの量が、予想されるオーバーラップの量よりも多く、それによってより好ましくないと判断する。そのような状況では、式２の関数ｆの出力は、０より小さい値になる。
［００６３］
調整選択ワークフロー１３６は、関数ｆが対応する治療装置１８０の、式３で指定されるパラメータを選択する。治療装置１８０のパラメータは、放射線治療装置のパラメータ調整ワークフロー１４０によって得られ、かつ比較される患者の解剖学的構造の種類に基づいている。例えば、調整選択ワークフロー１３６は、比較対象となる患者の解剖学的構造のタイプが、ＯＡＲとターゲット（例えば、腫瘍）のオーバーラップ量である場合に、パラメータとして線量を選択する。このような場合、関数ｆの出力は、治療装置１８０によって照射される線量に対応する。このような場合、放射線治療装置のパラメータ調整ワークフロー１４０は、式３のパラメータμの１つまたはそれ以上を取得して、同じ治療フラクション内の後続の時間に線量を増減させる量を決定する。
調整選択ワークフロー１３６は、関数ｆが対応する治療装置１８０の、式３で指定されるパラメータを選択する。治療装置１８０のパラメータは、放射線治療装置のパラメータ調整ワークフロー１４０によって得られ、かつ比較される患者の解剖学的構造の種類に基づいている。例えば、調整選択ワークフロー１３６は、比較対象となる患者の解剖学的構造のタイプが、ＯＡＲとターゲット（例えば、腫瘍）のオーバーラップ量である場合に、パラメータとして線量を選択する。このような場合、関数ｆの出力は、治療装置１８０によって照射される線量に対応する。このような場合、放射線治療装置のパラメータ調整ワークフロー１４０は、式３のパラメータμの１つまたはそれ以上を取得して、同じ治療フラクション内の後続の時間に線量を増減させる量を決定する。
［００６４］
別の実施例として、調整選択ワークフロー１３６は、比較される患者の解剖学構造の種類が、ターゲットとＯＡＲの相対的な３次元位置である（例えば、ＯＡＲがビーム方向においてターゲットに対してより近くにまたは遠くに移動したかどうか）場合に、ビーム軸に沿った深さの関数として線量を選択する。すなわち、調整選択ワークフロー１３６は、放射線と組織との相互作用に起因して、深さの関数として線量がどのように変化するかを考慮する。例えば、ターゲットとＯＡＲとの間の深さの分離が変化した場合、それらに対する相対的な線量が変化する。このような場合には、リアルタイムの患者の解剖学的構造の処理は、放射線源からターゲットおよび／またはＯＡＲに当たるまでの光線追跡、またはターゲットの表面からのユークリッド距離を測定する距離変換を利用する。その他の場合には、線量の変化を計算するために、ターゲットとＯＡＲの相対的な深さを決定する。具体的には、ＯＡＲのすべての点からの距離がアイソセンタに投影するか、ある注目点の距離のみがアイソセンタに投影するか、どちらか一方である。関数ｆの出力は、深さの関数として治療装置１８０によって提供される線量の変化に対応する。このような場合には、放射線治療装置のパラメータ調整ワークフロー１４０は、式３のμから１つまたはそれ以上のパラメータを取得して、同じ治療フラクション内の後続の時間に深さの関数として線量を増加または減少させる量を決定する。
別の実施例として、調整選択ワークフロー１３６は、比較される患者の解剖学構造の種類が、ターゲットとＯＡＲの相対的な３次元位置である（例えば、ＯＡＲがビーム方向においてターゲットに対してより近くにまたは遠くに移動したかどうか）場合に、ビーム軸に沿った深さの関数として線量を選択する。すなわち、調整選択ワークフロー１３６は、放射線と組織との相互作用に起因して、深さの関数として線量がどのように変化するかを考慮する。例えば、ターゲットとＯＡＲとの間の深さの分離が変化した場合、それらに対する相対的な線量が変化する。このような場合には、リアルタイムの患者の解剖学的構造の処理は、放射線源からターゲットおよび／またはＯＡＲに当たるまでの光線追跡、またはターゲットの表面からのユークリッド距離を測定する距離変換を利用する。その他の場合には、線量の変化を計算するために、ターゲットとＯＡＲの相対的な深さを決定する。具体的には、ＯＡＲのすべての点からの距離がアイソセンタに投影するか、ある注目点の距離のみがアイソセンタに投影するか、どちらか一方である。関数ｆの出力は、深さの関数として治療装置１８０によって提供される線量の変化に対応する。このような場合には、放射線治療装置のパラメータ調整ワークフロー１４０は、式３のμから１つまたはそれ以上のパラメータを取得して、同じ治療フラクション内の後続の時間に深さの関数として線量を増加または減少させる量を決定する。
［００６５］
別の実施例として、調整選択ワークフロー１３６は、比較される患者の解剖学的構造の種類が、（基準患者解剖学処理１３４によって提供される）予想される線量に対する（リアルタイムの患者の解剖学的構造の処理１３２によって提供される）現在の線量である場合に、照射を一時停止するか、治療計画の別のセグメント（例えば、与えられたフラクション内の治療の一部）に切り替えるかをパラメータとして選択する。このような場合では、関数τ′の出力は、放射線を一時停止するかどうか、および／または、フラクション内のどのセグメントまたは時間にスキップするかの決定に対応する。放射線が一時停止された場合、式３の出力は、一時停止された放射線を、そのフラクションにおける後の時間または後のセグメントの時（例えば、治療計画で予想されるもの、またはフラクション終了時に比べて状況がより良好な時）に再開することを指定する。この実施例によれば、与えられたフラクションに対する治療計画で指定された照射の順序は、現在の患者の形状に関して並び替えて、ターゲットへの放射線の照射を最大化し、ＯＡＲへの照射を最小化する最も有利で最適な方法で治療計画を提供する。いくつかの実装において、照射の順序を変更する代わりに、またはそれに加えて、調整選択ワークフロー１３６は、治療計画で規定された照射をｎ回にわたって分割することを選択し、そこでは、毎回、部分セグメントのＭＵがＭＵｓｅｇｍｅｎｔ／ｎに設定される。ＭＵｓｅｇｍｅｎｔは、フラクション内の与えられたセグメントにおけるＭＵの量を指定する。すなわち、治療計画で指定された各セグメントの放射線量は、そのセグメントが繰り返される回数ｎに対応する量だけ減少する。このようにして、治療計画で指定されたターゲットに照射される放射線量が維持される。具体的には、治療計画では、特定のセグメントで照射する放射線量ＭＵを指定し、この量を総繰返し回数ｎで割る。同じセグメントが分割された放射線量をｎ回受けることになるので、フラクションの終了時にセグメントは指定された放射線量ＭＵを受けることになる。さらに、調整選択ワークフロー１３６は、放射線治療計画に１つまたはそれ以上のセグメントを追加して、患者の解剖学的構造の１つまたはそれ以上の領域が与えられた放射線治療フラクション内で照射される時に、再スキャンを実行して時間を増加させたり、放射線治療計画において照射されるように指定された領域とは異なる追加の患者の解剖学的構造の領域を照射したりする。
別の実施例として、調整選択ワークフロー１３６は、比較される患者の解剖学的構造の種類が、（基準患者解剖学処理１３４によって提供される）予想される線量に対する（リアルタイムの患者の解剖学的構造の処理１３２によって提供される）現在の線量である場合に、照射を一時停止するか、治療計画の別のセグメント（例えば、与えられたフラクション内の治療の一部）に切り替えるかをパラメータとして選択する。このような場合では、関数τ′の出力は、放射線を一時停止するかどうか、および／または、フラクション内のどのセグメントまたは時間にスキップするかの決定に対応する。放射線が一時停止された場合、式３の出力は、一時停止された放射線を、そのフラクションにおける後の時間または後のセグメントの時（例えば、治療計画で予想されるもの、またはフラクション終了時に比べて状況がより良好な時）に再開することを指定する。この実施例によれば、与えられたフラクションに対する治療計画で指定された照射の順序は、現在の患者の形状に関して並び替えて、ターゲットへの放射線の照射を最大化し、ＯＡＲへの照射を最小化する最も有利で最適な方法で治療計画を提供する。いくつかの実装において、照射の順序を変更する代わりに、またはそれに加えて、調整選択ワークフロー１３６は、治療計画で規定された照射をｎ回にわたって分割することを選択し、そこでは、毎回、部分セグメントのＭＵがＭＵｓｅｇｍｅｎｔ／ｎに設定される。ＭＵｓｅｇｍｅｎｔは、フラクション内の与えられたセグメントにおけるＭＵの量を指定する。すなわち、治療計画で指定された各セグメントの放射線量は、そのセグメントが繰り返される回数ｎに対応する量だけ減少する。このようにして、治療計画で指定されたターゲットに照射される放射線量が維持される。具体的には、治療計画では、特定のセグメントで照射する放射線量ＭＵを指定し、この量を総繰返し回数ｎで割る。同じセグメントが分割された放射線量をｎ回受けることになるので、フラクションの終了時にセグメントは指定された放射線量ＭＵを受けることになる。さらに、調整選択ワークフロー１３６は、放射線治療計画に１つまたはそれ以上のセグメントを追加して、患者の解剖学的構造の１つまたはそれ以上の領域が与えられた放射線治療フラクション内で照射される時に、再スキャンを実行して時間を増加させたり、放射線治療計画において照射されるように指定された領域とは異なる追加の患者の解剖学的構造の領域を照射したりする。
［００６６］
別の実施例として、調整選択ワークフロー１３６は、既に照射された特定の領域または別の領域に、与えられたフラクション内で照射されるべき線量が残っている量の推定値の関数として、フラクション内の次の隣接する時間、または隣接しない時間に照射する線量を選択する。すなわち、調整選択ワークフロー１３６は、与えられたフラクションに対する治療計画において、どれだけの総線量が残っているべきであるかを考慮し、その線量を、与えられたフラクション内でどれだけの線量が既に提供されたかと比較する。調整選択ワークフロー１３６は、その領域に照射されて残っている推定残存線量が閾値より少ないいとの判断に応答して、そのフラクションにおける次の隣接する時間、または隣接しない時間に照射する線量を増加させたり、その領域に照射されて残っている推定残存線量が閾値より多いとの判断に応答して、そのフラクションにおける次の隣接する時間、または隣接しない時間に照射する線量を減少させたりする。また、調整選択ワークフロー１３６は、調整を行う際に、フラクション内の次の隣接する時間または隣接しない時間が、フラクションの開始に近いか、またはフラクションの終了に近いか（例えば、フラクションの開始／終了の指定された照射インターバル数内であるか）も考慮する。例えば、放射線治療の線量は、第１の時間に患者の解剖学的構造内の与えられた領域に照射され、調整選択ワークフロー１３６は、患者の解剖学的構造における与えられた領域が、与えられた放射線治療のフラクション内の別の時間に、放射線治療装置によって照射されるかどうかを決定する。調整選択ワークフロー１３６は、患者の解剖学的構造における与えられた領域が、与えられた放射線治療フラクション内の別の時間に放射線治療装置によって照射されるかどうかの決定の関数として、第２の時間に照射される放射線治療の線量を修正する。
別の実施例として、調整選択ワークフロー１３６は、既に照射された特定の領域または別の領域に、与えられたフラクション内で照射されるべき線量が残っている量の推定値の関数として、フラクション内の次の隣接する時間、または隣接しない時間に照射する線量を選択する。すなわち、調整選択ワークフロー１３６は、与えられたフラクションに対する治療計画において、どれだけの総線量が残っているべきであるかを考慮し、その線量を、与えられたフラクション内でどれだけの線量が既に提供されたかと比較する。調整選択ワークフロー１３６は、その領域に照射されて残っている推定残存線量が閾値より少ないいとの判断に応答して、そのフラクションにおける次の隣接する時間、または隣接しない時間に照射する線量を増加させたり、その領域に照射されて残っている推定残存線量が閾値より多いとの判断に応答して、そのフラクションにおける次の隣接する時間、または隣接しない時間に照射する線量を減少させたりする。また、調整選択ワークフロー１３６は、調整を行う際に、フラクション内の次の隣接する時間または隣接しない時間が、フラクションの開始に近いか、またはフラクションの終了に近いか（例えば、フラクションの開始／終了の指定された照射インターバル数内であるか）も考慮する。例えば、放射線治療の線量は、第１の時間に患者の解剖学的構造内の与えられた領域に照射され、調整選択ワークフロー１３６は、患者の解剖学的構造における与えられた領域が、与えられた放射線治療のフラクション内の別の時間に、放射線治療装置によって照射されるかどうかを決定する。調整選択ワークフロー１３６は、患者の解剖学的構造における与えられた領域が、与えられた放射線治療フラクション内の別の時間に放射線治療装置によって照射されるかどうかの決定の関数として、第２の時間に照射される放射線治療の線量を修正する。
［００６７］
いくつかの実施形態では、後続の時間（例えば、後続のセグメントの時間）における線量が低減されるべきであると決定することに応答して、放射線治療装置のパラメータ調整ワークフロー１４０は、後続の時間に続いて、治療計画における治療フラクションの残りのセグメントのセットが、ターゲットに線量を照射するかどうかを決定する。そうでない場合には、ＯＡＲを被曝させる危険性が高いにもかかわらず、線量を下げることができない。このようにして、治療計画の現在のセグメントで治療された腫瘍の一部が、その後の照射による線量を受け取らない場合、ＯＡＲが照射されても、その部分が放射線の照射から遮断されることはない（または、時間当たりの線量が式３で規定されるほど減少することはない）。治療フラクションにおけるその後の照射による線量の推定値は、治療装置１８０が出力するビーム形状が腫瘍の考慮された部分に重なっているかどうかを分析することによって決定することができる。
いくつかの実施形態では、後続の時間（例えば、後続のセグメントの時間）における線量が低減されるべきであると決定することに応答して、放射線治療装置のパラメータ調整ワークフロー１４０は、後続の時間に続いて、治療計画における治療フラクションの残りのセグメントのセットが、ターゲットに線量を照射するかどうかを決定する。そうでない場合には、ＯＡＲを被曝させる危険性が高いにもかかわらず、線量を下げることができない。このようにして、治療計画の現在のセグメントで治療された腫瘍の一部が、その後の照射による線量を受け取らない場合、ＯＡＲが照射されても、その部分が放射線の照射から遮断されることはない（または、時間当たりの線量が式３で規定されるほど減少することはない）。治療フラクションにおけるその後の照射による線量の推定値は、治療装置１８０が出力するビーム形状が腫瘍の考慮された部分に重なっているかどうかを分析することによって決定することができる。
［００６８］
別の実施例として、調整選択ワークフロー１３６は、比較される患者の解剖学的構造の種類が、ＯＡＲとターゲット（例えば、腫瘍）とのオーバーラップ量である場合に、調整パラメータとしてＭＬＣの設定を選択する。このような場合には、式３の関数τ′の出力の１つは、治療装置１８０のコリメータ設定調整（例えば、ＭＬＣのジョーとリーフの位置によって定義されるコリメータ開口部の形状）に対応する。このような場合、放射線治療装置のパラメータ調整ワークフロー１４０は、式３のμの１つまたはそれ以上のパラメータから、そのパラメータを取得して、同じ治療フラクション内の後続の時間にＭＬＣ設定の個々のものまたはリーフの集合体の位置を移動または変更する量を決定する。
別の実施例として、調整選択ワークフロー１３６は、比較される患者の解剖学的構造の種類が、ＯＡＲとターゲット（例えば、腫瘍）とのオーバーラップ量である場合に、調整パラメータとしてＭＬＣの設定を選択する。このような場合には、式３の関数τ′の出力の１つは、治療装置１８０のコリメータ設定調整（例えば、ＭＬＣのジョーとリーフの位置によって定義されるコリメータ開口部の形状）に対応する。このような場合、放射線治療装置のパラメータ調整ワークフロー１４０は、式３のμの１つまたはそれ以上のパラメータから、そのパラメータを取得して、同じ治療フラクション内の後続の時間にＭＬＣ設定の個々のものまたはリーフの集合体の位置を移動または変更する量を決定する。
［００６９］
別の実施例として、調整選択ワークフロー１３６は、比較される患者の解剖学的構造の種類が、リアルタイムの患者の解剖学的構造の処理１３２によって提供される患者の解剖学的構造の不確実性である場合に、時間当たりの線量（または、式３の他の放射線治療パラメータ）を適応パラメータとして選択する。具体的には、リアルタイムの患者の解剖学的構造の処理１３２は、２ＤのＭＲ、２ＤのＸ線またはＸ線投影、Ｘ線で見えるマーカー、またはトランスポンダ（transponder）から現在の患者の解剖学的構造を決定するが、それらはいずれもある程度の不確実性を伴う。このような場合には、式３の関数τ′の出力は、基準の患者の解剖学的構造の処理１３４によって指定された予想される不確実性のレベルに対する現在の不確実性のレベルに基づいて、治療装置１８０の１回あたりの線量に対応する。このような場合には、放射線治療装置のパラメータ調整ワークフロー１４０は、式３のμから１つまたはそれ以上のパラメータを取得して、同じ治療フラクションにおける後続の時間で、１度あたりの線量を増加または減少させる量を決定する。この実施例によれば、ターゲットの構造が不確かな場合、式３で計算される調整をより制限的にして、パラメータの調整を減らしたり、調整を完全に回避したりして、照射線量の不足を引き起こさないようにする。不確実性が高い場合には、式３に対してより保守的な調節応策を適用する。
別の実施例として、調整選択ワークフロー１３６は、比較される患者の解剖学的構造の種類が、リアルタイムの患者の解剖学的構造の処理１３２によって提供される患者の解剖学的構造の不確実性である場合に、時間当たりの線量（または、式３の他の放射線治療パラメータ）を適応パラメータとして選択する。具体的には、リアルタイムの患者の解剖学的構造の処理１３２は、２ＤのＭＲ、２ＤのＸ線またはＸ線投影、Ｘ線で見えるマーカー、またはトランスポンダ（transponder）から現在の患者の解剖学的構造を決定するが、それらはいずれもある程度の不確実性を伴う。このような場合には、式３の関数τ′の出力は、基準の患者の解剖学的構造の処理１３４によって指定された予想される不確実性のレベルに対する現在の不確実性のレベルに基づいて、治療装置１８０の１回あたりの線量に対応する。このような場合には、放射線治療装置のパラメータ調整ワークフロー１４０は、式３のμから１つまたはそれ以上のパラメータを取得して、同じ治療フラクションにおける後続の時間で、１度あたりの線量を増加または減少させる量を決定する。この実施例によれば、ターゲットの構造が不確かな場合、式３で計算される調整をより制限的にして、パラメータの調整を減らしたり、調整を完全に回避したりして、照射線量の不足を引き起こさないようにする。不確実性が高い場合には、式３に対してより保守的な調節応策を適用する。
［００７０］
調整選択ワークフロー１３６は、ＭＬ技術を利用して、式２および／または式３の関数の様々なパラメータを計算する。そのような技術については、以下の図３に関連して説明する。具体的には、調整選択ワークフロー１３６は、式２および式３のパラメータ、具体的にはパラメータμを決定するために、いくつかのヒューリスティックを利用したり、複数の治療シミュレーションによる網羅的な探索を行ったり、最適化問題を解いたりする。最適化問題は、放射線治療のトレードオフ（例えば、ターゲットへの線量とＯＡＲへの線量）のバランスをとるように設定することができる。
調整選択ワークフロー１３６は、ＭＬ技術を利用して、式２および／または式３の関数の様々なパラメータを計算する。そのような技術については、以下の図３に関連して説明する。具体的には、調整選択ワークフロー１３６は、式２および式３のパラメータ、具体的にはパラメータμを決定するために、いくつかのヒューリスティックを利用したり、複数の治療シミュレーションによる網羅的な探索を行ったり、最適化問題を解いたりする。最適化問題は、放射線治療のトレードオフ（例えば、ターゲットへの線量とＯＡＲへの線量）のバランスをとるように設定することができる。
［００７１］
図２は、Ｘ線源や線形加速器のような放射線源と、カウチ２１６と、撮像検出器２１４と、放射線治療出力２０４とを含む、例示的な画像誘導型放射線治療装置２０２を示している。放射線治療装置２０２は、患者に治療を施すために放射線治療ビーム２０８を照射するように構成されている。放射線治療出力２０４は、マルチリーフコリメータ（ＭＬＣ）のような１つまたはそれ以上の減衰器またはコリメータを含むことができる。
図２は、Ｘ線源や線形加速器のような放射線源と、カウチ２１６と、撮像検出器２１４と、放射線治療出力２０４とを含む、例示的な画像誘導型放射線治療装置２０２を示している。放射線治療装置２０２は、患者に治療を施すために放射線治療ビーム２０８を照射するように構成されている。放射線治療出力２０４は、マルチリーフコリメータ（ＭＬＣ）のような１つまたはそれ以上の減衰器またはコリメータを含むことができる。
［００７２］
一実施例として、患者は、治療カウチ２１６に支持された領域２１２に配置され、放射線治療の治療計画に従って放射線治療量を受けることができる。放射線治療出力２０４は、ガントリ２０６または他の機械的支持体に取り付け。または装着することができる。１つまたはそれ以上のシャーシモータ（図示せず）は、カウチ２１６が治療領域に挿入されたときに、ガントリ２０６および放射線治療出力２０４をカウチ２１６の周りに回転させることができる。一実施例では、ガントリ２０６は、カウチ２１６が治療領域に挿入されるときに、カウチ２１６の周りを連続的に回転可能である。別の実施例では、ガントリ２０６は、カウチ２１６が治療領域に挿入されると、所定の位置まで回転する。例えば、ガントリ２０６は、軸（「Ａ」）を中心に治療出力２０４を回転させるように構成することができる。カウチ２１６と放射線治療出力２０４の両方は、横方向（「Ｔ」）に移動可能、横方向（「Ｌ」）に移動可能、または横軸（「Ｒ」で示す）を中心とした回転のように、１つまたはそれ以上の他の軸を中心とした回転として、患者の周りの他の位置に独立して移動可能である。１つまたはそれ以上のアクチュエータ（図示せず）に通信可能に接続されたコントローラは、放射線治療の治療計画に従って患者を放射線治療ビーム２０８の中または外に適切に配置するために、カウチ２１６の動きまたは回転を制御することができる。カウチ２１６とガントリ２０６の両方が、互いに独立して複数の自由度で移動可能であるため、放射線治療ビーム２０８が正確に腫瘍を標的とすることができるよう患者を配置することができる。
一実施例として、患者は、治療カウチ２１６に支持された領域２１２に配置され、放射線治療の治療計画に従って放射線治療量を受けることができる。放射線治療出力２０４は、ガントリ２０６または他の機械的支持体に取り付け。または装着することができる。１つまたはそれ以上のシャーシモータ（図示せず）は、カウチ２１６が治療領域に挿入されたときに、ガントリ２０６および放射線治療出力２０４をカウチ２１６の周りに回転させることができる。一実施例では、ガントリ２０６は、カウチ２１６が治療領域に挿入されるときに、カウチ２１６の周りを連続的に回転可能である。別の実施例では、ガントリ２０６は、カウチ２１６が治療領域に挿入されると、所定の位置まで回転する。例えば、ガントリ２０６は、軸（「Ａ」）を中心に治療出力２０４を回転させるように構成することができる。カウチ２１６と放射線治療出力２０４の両方は、横方向（「Ｔ」）に移動可能、横方向（「Ｌ」）に移動可能、または横軸（「Ｒ」で示す）を中心とした回転のように、１つまたはそれ以上の他の軸を中心とした回転として、患者の周りの他の位置に独立して移動可能である。１つまたはそれ以上のアクチュエータ（図示せず）に通信可能に接続されたコントローラは、放射線治療の治療計画に従って患者を放射線治療ビーム２０８の中または外に適切に配置するために、カウチ２１６の動きまたは回転を制御することができる。カウチ２１６とガントリ２０６の両方が、互いに独立して複数の自由度で移動可能であるため、放射線治療ビーム２０８が正確に腫瘍を標的とすることができるよう患者を配置することができる。
［００７３］
座標系（軸Ａ、Ｔ、Ｌを含む）は、アイソセンタ２１０に位置する原点を持つ。アイソセンタ２１０は、患者上または患者内のある場所に所定の放射線量を照射するためなど、放射線治療ビーム２０８の中心軸が座標軸の原点と交差する位置と定義することができる。あるいは、アイソセンタ２１０は、ガントリ２０６によって軸Ａの周りに配置された放射線治療出力２０４の様々な回転位置に対して、放射線治療ビーム２０８の中心軸が患者と交差する位置として定義することができる。
座標系（軸Ａ、Ｔ、Ｌを含む）は、アイソセンタ２１０に位置する原点を持つ。アイソセンタ２１０は、患者上または患者内のある場所に所定の放射線量を照射するためなど、放射線治療ビーム２０８の中心軸が座標軸の原点と交差する位置と定義することができる。あるいは、アイソセンタ２１０は、ガントリ２０６によって軸Ａの周りに配置された放射線治療出力２０４の様々な回転位置に対して、放射線治療ビーム２０８の中心軸が患者と交差する位置として定義することができる。
［００７４］
また、ガントリ２０６は、付属の撮像検出器２１４を有することができる。撮像検出器２１４は、好ましくは放射線源（出力２０４）の反対側に配置され、一実施例では、撮像検出器２１４は、放射線治療ビーム２０８のフィールド内に配置することができる。撮像検出器２１４は、放射線治療ビーム２０８との整合性を維持するように、好ましくは放射線治療出力２０４の反対側のガントリ２０６に取り付けることができる。撮像検出器２１４は、ガントリ２０６の回転に伴い、回転軸を中心に回転する。一実施例では、撮像検出器２１４は、フラットパネル検出器（例えば、直接検出器またはシンチレータ検出器）とすることができる。このようにして、撮像検出器２１４は、治療ビーム２０８をモニタするために使用することができ、あるいは、撮像検出器２１４は、ポータル画像など、患者の解剖学的構造を画像化するために使用することができる。放射線治療装置２０２の制御回路は、放射線治療システム１００内に組み込まれていてもよいし、離れていてもよい。
また、ガントリ２０６は、付属の撮像検出器２１４を有することができる。撮像検出器２１４は、好ましくは放射線源（出力２０４）の反対側に配置され、一実施例では、撮像検出器２１４は、放射線治療ビーム２０８のフィールド内に配置することができる。撮像検出器２１４は、放射線治療ビーム２０８との整合性を維持するように、好ましくは放射線治療出力２０４の反対側のガントリ２０６に取り付けることができる。撮像検出器２１４は、ガントリ２０６の回転に伴い、回転軸を中心に回転する。一実施例では、撮像検出器２１４は、フラットパネル検出器（例えば、直接検出器またはシンチレータ検出器）とすることができる。このようにして、撮像検出器２１４は、治療ビーム２０８をモニタするために使用することができ、あるいは、撮像検出器２１４は、ポータル画像など、患者の解剖学的構造を画像化するために使用することができる。放射線治療装置２０２の制御回路は、放射線治療システム１００内に組み込まれていてもよいし、離れていてもよい。
［００７５］
例示的な例では、カウチ２１６、治療出力２０４、またはガントリ２０６のうちの１つまたはそれ以上を自動的に位置決めすることができ、治療出力２０４は、特定の治療提供インスタンスのための指定された線量に従って、放射線治療ビーム２０８を確立することができる。ガントリ２０６、カウチ２１６、または治療出力２０４の１つまたはそれ以上の異なる向き、または位置を使用するなど、放射線治療の治療計画に応じて、治療提供のシーケンスを指定することができる。治療の提供は順次行われますが、アイソセンタ２１０など、患者上または患者内の所望の治療軌跡で交差させることができる。これにより、所定の累積線量の放射線治療を治療部位に行うことができる一方で、治療部位付近の組織へのダメージを軽減または回避することができる。
例示的な例では、カウチ２１６、治療出力２０４、またはガントリ２０６のうちの１つまたはそれ以上を自動的に位置決めすることができ、治療出力２０４は、特定の治療提供インスタンスのための指定された線量に従って、放射線治療ビーム２０８を確立することができる。ガントリ２０６、カウチ２１６、または治療出力２０４の１つまたはそれ以上の異なる向き、または位置を使用するなど、放射線治療の治療計画に応じて、治療提供のシーケンスを指定することができる。治療の提供は順次行われますが、アイソセンタ２１０など、患者上または患者内の所望の治療軌跡で交差させることができる。これにより、所定の累積線量の放射線治療を治療部位に行うことができる一方で、治療部位付近の組織へのダメージを軽減または回避することができる。
［００７６］
したがって、図２は、放射線治療出力が中心軸（例えば、軸「Ａ」）を中心に回転できる構成で、与えられたフラクション内で調整された放射線治療計画および装置のパラメータに一致する、またはそれに従って患者に放射線治療を提供するように動作可能な放射線治療装置２０２の一実施例を具体的に示している。その他の放射線治療用の出力構成も可能である。例えば、放射線治療用の出力は、複数の自由度を持つロボットアームやマニピュレーターに取り付けることができる。さらに別の実施例では、治療出力を患者から横方向に離れた領域に配置するなどして固定し、患者を支持するプラットフォームを使用して、放射線治療のアイソセンタを患者内の指定されたターゲット軌跡に合わせることができる。別の実施例では、放射線治療装置は、線形加速器と画像収集装置の組み合わせとすることができる。いくつかの例では、画像取得装置は、当業者に認識されるように、ＭＲＩ、Ｘ線、ＣＴ、ＣＢＣＴ、スパイラルＣＴ、ＰＥＴ、ＳＰＥＣＴ、光トモグラフィー、蛍光イメージング、超音波イメージング、または放射線治療ポータルイメージング装置などであってもよい。
したがって、図２は、放射線治療出力が中心軸（例えば、軸「Ａ」）を中心に回転できる構成で、与えられたフラクション内で調整された放射線治療計画および装置のパラメータに一致する、またはそれに従って患者に放射線治療を提供するように動作可能な放射線治療装置２０２の一実施例を具体的に示している。その他の放射線治療用の出力構成も可能である。例えば、放射線治療用の出力は、複数の自由度を持つロボットアームやマニピュレーターに取り付けることができる。さらに別の実施例では、治療出力を患者から横方向に離れた領域に配置するなどして固定し、患者を支持するプラットフォームを使用して、放射線治療のアイソセンタを患者内の指定されたターゲット軌跡に合わせることができる。別の実施例では、放射線治療装置は、線形加速器と画像収集装置の組み合わせとすることができる。いくつかの例では、画像取得装置は、当業者に認識されるように、ＭＲＩ、Ｘ線、ＣＴ、ＣＢＣＴ、スパイラルＣＴ、ＰＥＴ、ＳＰＥＣＴ、光トモグラフィー、蛍光イメージング、超音波イメージング、または放射線治療ポータルイメージング装置などであってもよい。
［００７７］
図３は、最適化問題に従ったパラメータの計算を含む本開示のいくつかの実施例による装置適応モデルおよび／または放射線治療装置パラメータの決定を生成するための機械学習技術のトレーニングおよび使用のための例示的なデータフローを示す。データフローは、トレーニング入力３１０、デバイス適応モデルトレーニング３３０、デバイス適応モデル使用３５０を含む。トレーニングされたデバイスパラメータ適応モデル３６０は、式２および式３の関数の１つまたはそれ以上のパラメータを提供する。例えば、トレーニングされたデバイスパラメータ適応モデル３６０は、パラメータμを提供し、調整のために出力される放射線治療装置パラメータ（τ′）を提供する。
図３は、最適化問題に従ったパラメータの計算を含む本開示のいくつかの実施例による装置適応モデルおよび／または放射線治療装置パラメータの決定を生成するための機械学習技術のトレーニングおよび使用のための例示的なデータフローを示す。データフローは、トレーニング入力３１０、デバイス適応モデルトレーニング３３０、デバイス適応モデル使用３５０を含む。トレーニングされたデバイスパラメータ適応モデル３６０は、式２および式３の関数の１つまたはそれ以上のパラメータを提供する。例えば、トレーニングされたデバイスパラメータ適応モデル３６０は、パラメータμを提供し、調整のために出力される放射線治療装置パラメータ（τ′）を提供する。
［００７８］
トレーニング入力３１０は、デバイス適応モデルパラメータ３１２およびトレーニングデータ３２０を含み、これは、ペアのトレーニングデータセット３２２（例えば、入出力トレーニングペア（input-output training pairs））および制約条件３２６を含み得る。デバイス適応モデルパラメータ３１２は、与えられた患者のパラメータμを計算して提供するために使用される機械学習技術Ａθのパラメータまたは係数を格納または提供する。トレーニング中、これらのパラメータ３１２は、トレーニングデータセット３２２の入出力トレーニングペアに基づく最適化問題に従って適応または計算される。パラメータ３１２が適応された後（トレーニング後）、パラメータ３１２は、トレーニングされたデバイスパラメータ適応モデル３６０によって使用され、トレーニングされた機械学習技術Ａθを新たな治療データ３７０のセット（例えば、新たな患者の患者情報のセット）に実装する。ペアのデータセット３２２は、各患者の治療情報と、所定の患者を治療するために利用される対応するイントラフラクション放射線治療パラメータ適応戦略および／またはパラメータ調整量との関係ペアを指定することができる。例えば、ペアのデータセット３２２は、ターゲットとＯＡＲのオーバーラップが一定量以内（例えば、適応戦略）であった場合に、特定の患者の治療フラクション内の与えられた時間に増加または減少される線量（例えば、パラメータ調整量）を指定することができる。
トレーニング入力３１０は、デバイス適応モデルパラメータ３１２およびトレーニングデータ３２０を含み、これは、ペアのトレーニングデータセット３２２（例えば、入出力トレーニングペア（input-output training pairs））および制約条件３２６を含み得る。デバイス適応モデルパラメータ３１２は、与えられた患者のパラメータμを計算して提供するために使用される機械学習技術Ａθのパラメータまたは係数を格納または提供する。トレーニング中、これらのパラメータ３１２は、トレーニングデータセット３２２の入出力トレーニングペアに基づく最適化問題に従って適応または計算される。パラメータ３１２が適応された後（トレーニング後）、パラメータ３１２は、トレーニングされたデバイスパラメータ適応モデル３６０によって使用され、トレーニングされた機械学習技術Ａθを新たな治療データ３７０のセット（例えば、新たな患者の患者情報のセット）に実装する。ペアのデータセット３２２は、各患者の治療情報と、所定の患者を治療するために利用される対応するイントラフラクション放射線治療パラメータ適応戦略および／またはパラメータ調整量との関係ペアを指定することができる。例えば、ペアのデータセット３２２は、ターゲットとＯＡＲのオーバーラップが一定量以内（例えば、適応戦略）であった場合に、特定の患者の治療フラクション内の与えられた時間に増加または減少される線量（例えば、パラメータ調整量）を指定することができる。
［００７９］
トレーニングデータ３２０は、制約条件３２６を含み、これは、所定の放射線治療装置の物理的制約を定義する。これらの制約条件３２６は、最適化問題に従って、推定されたイントラフラクション放射線治療モデルパラメータを、与えられたシミュレーション、または与えられた患者もしくは患者のセットで使用される実際の対応するパラメータに適合させるために使用される。ペアのデータセット３２２は、事前の患者の入力パラメータ（例えば、ＭＲ画像）の与えられたセットと、イントラフラクション放射線治療パラメータのタイプおよび調整量を定義する、対応するイントラフラクション放射線治療パラメータ適応戦略μのような入出力ペアの第１のセットを含むことができる。
トレーニングデータ３２０は、制約条件３２６を含み、これは、所定の放射線治療装置の物理的制約を定義する。これらの制約条件３２６は、最適化問題に従って、推定されたイントラフラクション放射線治療モデルパラメータを、与えられたシミュレーション、または与えられた患者もしくは患者のセットで使用される実際の対応するパラメータに適合させるために使用される。ペアのデータセット３２２は、事前の患者の入力パラメータ（例えば、ＭＲ画像）の与えられたセットと、イントラフラクション放射線治療パラメータのタイプおよび調整量を定義する、対応するイントラフラクション放射線治療パラメータ適応戦略μのような入出力ペアの第１のセットを含むことができる。
［００８０］
デバイス適応モデルトレーニング３３０は、ペアのデータセット３２２の入出力ペアに基づいて、最適化問題にしたがって機械学習技術Ａθをトレーニングする。例えば、デバイス適応モデルトレーニング３３０は、訓練患者入力データと、複数の患者のイントラフラクション放射線治療パラメータ適応戦略を表す式２または式３のパラメータの関数とに基づいて、第１の損失関数を最小化することにより、デバイス適応モデルパラメータ３１２をトレーニングする。例えば、パラメータ適応戦略は、ターゲットとＯＡＲのオーバーラップ（target-to-OAR overlap）に基づいて線量を修正することに対応する。このような場合には、パラメータ適応戦略は、与えられたフラクションの後続の時間またはセグメントにおいて対応する線量を増加させるまたは減少させるかを制御するために、μのパラメータを推定する。デバイス適応モデルトレーニング３３０は、トレーニングの患者の入力データと、複数の患者のイントラフラクション放射線治療パラメータ調整量を表す式２または式３のパラメータの関数とに基づいて、第２の損失関数を最小化することにより、デバイス適応モデルパラメータ３１２をトレーニングする。例えば、パラメータ適応戦略は、腫瘍の境界線とＯＡＲとの間の距離に基づいて線量を変更することに対応する。このような場合には、パラメータ適応戦略は、与えられたフラクションの後続の時間またはセグメントにおいて対応する線量を増加させるまたは減少させる量を制御するために、μのパラメータの値を推定する。複数のトレーニングデータセットについてこれらの損失関数を最小化した結果、デバイス適応モデルパラメータ３１２をトレーニングし、適応させ、または最適化する。このようにして、機械学習技術は、特定のタイプの入力パラメータとイントラフラクションの関数のパラメータとの間の関係を確立するようにトレーニングされる。
デバイス適応モデルトレーニング３３０は、ペアのデータセット３２２の入出力ペアに基づいて、最適化問題にしたがって機械学習技術Ａθをトレーニングする。例えば、デバイス適応モデルトレーニング３３０は、訓練患者入力データと、複数の患者のイントラフラクション放射線治療パラメータ適応戦略を表す式２または式３のパラメータの関数とに基づいて、第１の損失関数を最小化することにより、デバイス適応モデルパラメータ３１２をトレーニングする。例えば、パラメータ適応戦略は、ターゲットとＯＡＲのオーバーラップ（target-to-OAR overlap）に基づいて線量を修正することに対応する。このような場合には、パラメータ適応戦略は、与えられたフラクションの後続の時間またはセグメントにおいて対応する線量を増加させるまたは減少させるかを制御するために、μのパラメータを推定する。デバイス適応モデルトレーニング３３０は、トレーニングの患者の入力データと、複数の患者のイントラフラクション放射線治療パラメータ調整量を表す式２または式３のパラメータの関数とに基づいて、第２の損失関数を最小化することにより、デバイス適応モデルパラメータ３１２をトレーニングする。例えば、パラメータ適応戦略は、腫瘍の境界線とＯＡＲとの間の距離に基づいて線量を変更することに対応する。このような場合には、パラメータ適応戦略は、与えられたフラクションの後続の時間またはセグメントにおいて対応する線量を増加させるまたは減少させる量を制御するために、μのパラメータの値を推定する。複数のトレーニングデータセットについてこれらの損失関数を最小化した結果、デバイス適応モデルパラメータ３１２をトレーニングし、適応させ、または最適化する。このようにして、機械学習技術は、特定のタイプの入力パラメータとイントラフラクションの関数のパラメータとの間の関係を確立するようにトレーニングされる。
［００８１］
いくつかの実施形態では、デバイス適応モデルトレーニング３３０は、トレーニング放射線治療のフラクション中に、トレーニング画像情報が複数の患者の解剖を表すトレーニング患者のトレーニング画像情報を検索することにより、機械学習技術をトレーニングする。トレーニング用放射線治療の治療フラクションの基準となるトレーニング用患者の解剖学的特徴を検索する。トレーニング用画像情報で表現された複数の患者の解剖学的特徴のそれぞれは、基準となるトレーニング用患者の解剖学的特徴と対になっている。デバイス適応モデルトレーニング３３０は、トレーニングの放射線治療のフラクションについて、トレーニングの放射線治療フラクション全体でトレーニングされている患者に照射される線量をシミュレートすることで、機能上のグランドトゥルースなイントラフラクション放射線治療パラメータを確立する。デバイス適応モデルトレーニング３３０は、トレーニングの放射線治療の治療フラクションの与えられた時点で、複数の患者の解剖学的構造のうちの与えられた１つと、基準のトレーニング患者の解剖学的構造との間の偏差を決定する。デバイス適応モデルトレーニング３３０は、与えられた時点における決定された偏差の存在の下で、トレーニングの放射線治療のフラクションで使用される１つまたはそれ以上のイントラフラクション放射線治療パラメータの所与のセットを特定する。デバイス適応モデルトレーニング３３０は、識別された与えられた１つまたはそれ以上のイントラフラクション放射線治療パラメータのセットと、グランドトゥルースのイントラフラクション放射線治療パラメータとの間の偏差に基づいて、機械学習技術をトレーニングする。
いくつかの実施形態では、デバイス適応モデルトレーニング３３０は、トレーニング放射線治療のフラクション中に、トレーニング画像情報が複数の患者の解剖を表すトレーニング患者のトレーニング画像情報を検索することにより、機械学習技術をトレーニングする。トレーニング用放射線治療の治療フラクションの基準となるトレーニング用患者の解剖学的特徴を検索する。トレーニング用画像情報で表現された複数の患者の解剖学的特徴のそれぞれは、基準となるトレーニング用患者の解剖学的特徴と対になっている。デバイス適応モデルトレーニング３３０は、トレーニングの放射線治療のフラクションについて、トレーニングの放射線治療フラクション全体でトレーニングされている患者に照射される線量をシミュレートすることで、機能上のグランドトゥルースなイントラフラクション放射線治療パラメータを確立する。デバイス適応モデルトレーニング３３０は、トレーニングの放射線治療の治療フラクションの与えられた時点で、複数の患者の解剖学的構造のうちの与えられた１つと、基準のトレーニング患者の解剖学的構造との間の偏差を決定する。デバイス適応モデルトレーニング３３０は、与えられた時点における決定された偏差の存在の下で、トレーニングの放射線治療のフラクションで使用される１つまたはそれ以上のイントラフラクション放射線治療パラメータの所与のセットを特定する。デバイス適応モデルトレーニング３３０は、識別された与えられた１つまたはそれ以上のイントラフラクション放射線治療パラメータのセットと、グランドトゥルースのイントラフラクション放射線治療パラメータとの間の偏差に基づいて、機械学習技術をトレーニングする。
［００８２］
機械学習技術Ａθがトレーニングされた後、１つまたはそれ以上の患者入力パラメータ（例えば、ＭＲ画像、医用画像、患者に関連する関心対象のセグメンテーション情報、診断、または用量処方情報）を含む新たな治療データ３７０が受信される。トレーニングされた機械学習技術Ａθは、新しい治療データ３７０に適用されて、イントラフラクション放射線治療関数パラメータ（例えば、式２及び式３の）の１つまたはそれ以上のパラメータを含む生成された結果３８０を生成する。このようにして、同じ診断、処方、治療計画の戦略、式２と式３のパラメータの選択を行った多くの患者を治療した後、結果として得られた式３の分布を分析し、同じような状態や状況にある新しい患者の治療に使用することができる。一実施形態では、デバイス適応モデルは、同じグループのほとんどの患者に適合するクラスソリューションを（例えば、ＭＬ技術または他の適切なプロセスを使用して）見つけるようにトレーニングすることができ、これにより、個々の患者に合わせてパラメータを調整することを回避することが可能になる。また、式２および式３のパラメータは、現在の患者の情報を過去に治療を受けた患者と比較し、それらの患者の治療に使用された式２および式３の対応するパラメータを抽出することによって決定することができる。
機械学習技術Ａθがトレーニングされた後、１つまたはそれ以上の患者入力パラメータ（例えば、ＭＲ画像、医用画像、患者に関連する関心対象のセグメンテーション情報、診断、または用量処方情報）を含む新たな治療データ３７０が受信される。トレーニングされた機械学習技術Ａθは、新しい治療データ３７０に適用されて、イントラフラクション放射線治療関数パラメータ（例えば、式２及び式３の）の１つまたはそれ以上のパラメータを含む生成された結果３８０を生成する。このようにして、同じ診断、処方、治療計画の戦略、式２と式３のパラメータの選択を行った多くの患者を治療した後、結果として得られた式３の分布を分析し、同じような状態や状況にある新しい患者の治療に使用することができる。一実施形態では、デバイス適応モデルは、同じグループのほとんどの患者に適合するクラスソリューションを（例えば、ＭＬ技術または他の適切なプロセスを使用して）見つけるようにトレーニングすることができ、これにより、個々の患者に合わせてパラメータを調整することを回避することが可能になる。また、式２および式３のパラメータは、現在の患者の情報を過去に治療を受けた患者と比較し、それらの患者の治療に使用された式２および式３の対応するパラメータを抽出することによって決定することができる。
［００８３］
図４は、例示的な実施形態による、プロセス４００を実行する際の治療処理ロジック１２０の動作例を示すフローチャートである。プロセス４００は、プロセス４００のオペレーションが治療処理ロジック１２０の機能コンポーネントによって部分的または全体的に実行されるように、１つまたはそれ以上のプロセッサによって実行するためのコンピュータ読み取り可能な命令で具現化されてもよく、したがって、プロセス４００は、それを参照して例示的に以下で説明される。しかし、他の実施形態では、プロセス４００のオペレーションの少なくとも一部は、他の様々なハードウェア構成で展開されてもよい。したがって、プロセス４００は、治療処理ロジック１２０に限定されることを意図するものではなく、他の任意のコンポーネントによって全体または一部を実装することができる。プロセス４００のオペレーションの一部または全部は、並行して行うことも、順序を変えて行うことも、完全に省略することもできる。
図４は、例示的な実施形態による、プロセス４００を実行する際の治療処理ロジック１２０の動作例を示すフローチャートである。プロセス４００は、プロセス４００のオペレーションが治療処理ロジック１２０の機能コンポーネントによって部分的または全体的に実行されるように、１つまたはそれ以上のプロセッサによって実行するためのコンピュータ読み取り可能な命令で具現化されてもよく、したがって、プロセス４００は、それを参照して例示的に以下で説明される。しかし、他の実施形態では、プロセス４００のオペレーションの少なくとも一部は、他の様々なハードウェア構成で展開されてもよい。したがって、プロセス４００は、治療処理ロジック１２０に限定されることを意図するものではなく、他の任意のコンポーネントによって全体または一部を実装することができる。プロセス４００のオペレーションの一部または全部は、並行して行うことも、順序を変えて行うことも、完全に省略することもできる。
［００８４］
オペレーション４１０において、治療処理ロジック１２０は、トレーニングデータを受け取る。例えば、治療処理ロジック１２０は、ペアのトレーニングデータセット３２２（例えば、入出力トレーニングペア（input-output training pair））を含み得るトレーニングデータ３２０を受け取る。
オペレーション４１０において、治療処理ロジック１２０は、トレーニングデータを受け取る。例えば、治療処理ロジック１２０は、ペアのトレーニングデータセット３２２（例えば、入出力トレーニングペア（input-output training pair））を含み得るトレーニングデータ３２０を受け取る。
［００８５］
オペレーション４２０において、治療処理ロジック１２０は、モデルをトレーニングするための制約条件を受け取る。例えば、治療処理ロジック１２０は、制約条件３２６を受け取る。
オペレーション４２０において、治療処理ロジック１２０は、モデルをトレーニングするための制約条件を受け取る。例えば、治療処理ロジック１２０は、制約条件３２６を受け取る。
［００８６］
オペレーション４３０において、治療処理ロジック１２０は、デバイス適応モデルトレーニング３３０に従って、モデルのトレーニングを実行する。
オペレーション４３０において、治療処理ロジック１２０は、デバイス適応モデルトレーニング３３０に従って、モデルのトレーニングを実行する。
［００８７］
オペレーション４５０において、治療処理ロジック１２０は、トレーニングされたモデルを出力する。例えば、治療処理ロジック１２０は、トレーニングされたデバイスパラメータ適応モデル３６０を出力して、新しい治療データ３７０に作用させ、イントラフラクション放射線治療装置パラメータ調整を行う。
オペレーション４５０において、治療処理ロジック１２０は、トレーニングされたモデルを出力する。例えば、治療処理ロジック１２０は、トレーニングされたデバイスパラメータ適応モデル３６０を出力して、新しい治療データ３７０に作用させ、イントラフラクション放射線治療装置パラメータ調整を行う。
［００８８］
オペレーション４６０において、治療処理ロジック１２０は、トレーニングされたモデルを利用して、デバイス適応パラメータを生成する。
オペレーション４６０において、治療処理ロジック１２０は、トレーニングされたモデルを利用して、デバイス適応パラメータを生成する。
［００８９］
図５は、例示的な実施形態による、プロセス５００を実行する際の治療処理ロジック１２０のオペレーション例を示すフローチャートである。プロセス５００は、プロセス５００のオペレーションが治療処理ロジック１２０の機能コンポーネントによって一部または全部を実行することができるように、１つまたはそれ以上のプロセッサによって実行するためのコンピュータ読み取り可能な命令で具現化されてもよく、したがって、プロセス５００は、それを参照して例示的に以下で説明される。しかし、他の実施形態では、プロセス５００のオペレーションの少なくとも一部は、他の様々なハードウェア構成で展開されてもよい。したがって、プロセス５００は、治療処理ロジック１２０に限定されることを意図するものではなく、他の任意のコンポーネントによって全体的または部分的に実施することができる。プロセス５００のオペレーションの一部または全部は、並行して行うことも、順序を変えて行うことも、完全に省略することもできる。
図５は、例示的な実施形態による、プロセス５００を実行する際の治療処理ロジック１２０のオペレーション例を示すフローチャートである。プロセス５００は、プロセス５００のオペレーションが治療処理ロジック１２０の機能コンポーネントによって一部または全部を実行することができるように、１つまたはそれ以上のプロセッサによって実行するためのコンピュータ読み取り可能な命令で具現化されてもよく、したがって、プロセス５００は、それを参照して例示的に以下で説明される。しかし、他の実施形態では、プロセス５００のオペレーションの少なくとも一部は、他の様々なハードウェア構成で展開されてもよい。したがって、プロセス５００は、治療処理ロジック１２０に限定されることを意図するものではなく、他の任意のコンポーネントによって全体的または部分的に実施することができる。プロセス５００のオペレーションの一部または全部は、並行して行うことも、順序を変えて行うことも、完全に省略することもできる。
［００９０］
オペレーション５３０において、治療処理ロジック１２０は、放射線治療装置によって放射線治療の治療量が放射された後の所定の放射線治療フラクション内の第１の時間に、患者の解剖学的構造を決定する。
オペレーション５３０において、治療処理ロジック１２０は、放射線治療装置によって放射線治療の治療量が放射された後の所定の放射線治療フラクション内の第１の時間に、患者の解剖学的構造を決定する。
［００９１］
オペレーション５５０において、治療処理ロジック１２０は、与えられた放射線治療のフラクション内で照射されるべき所定の線量パラメータを示す、与えられた放射線治療フラクションに対する基準の患者の解剖学的構造を引き出す。
オペレーション５５０において、治療処理ロジック１２０は、与えられた放射線治療のフラクション内で照射されるべき所定の線量パラメータを示す、与えられた放射線治療フラクションに対する基準の患者の解剖学的構造を引き出す。
［００９２］
オペレーション５６０において、治療処理ロジック１２０は、第１の時間における患者の解剖学的構造を、与えられた放射線治療の治療フラクション中の基準の患者の解剖学的構造と比較する。
オペレーション５６０において、治療処理ロジック１２０は、第１の時間における患者の解剖学的構造を、与えられた放射線治療の治療フラクション中の基準の患者の解剖学的構造と比較する。
［００９３］
オペレーション５７０において、治療処理ロジック１２０は、第１の時間における患者の解剖学的構造と基準の患者の解剖学的構造との比較に基づいて、放射線治療装置のパラメータを調整して、与えられた放射線治療フラクション内で、第１の時間に続く第２の時間に照射される放射線治療の量を、与えられた放射線治療フラクション内で送達されるべき所定の線量パラメータに従って変更する
［００９４］
図６は、例示的な実施形態による、プロセス６００を実行する際の治療処理ロジック１２０のオペレーション例を示すフローチャートである。プロセス６００は、プロセス６００のオペレーションが治療処理ロジック１２０の機能コンポーネントによって部分的または全体的に実行されるように、１つまたはそれ以上のプロセッサによって実行するためのコンピュータ読み取り可能な命令で具現化されてもよく、したがって、プロセス６００は、それを参照して例示的に以下で説明される。しかし、他の実施形態では、プロセス６００のオペレーションの少なくとも一部は、他の様々なハードウェア構成で展開されてもよい。したがって、プロセス６００は、治療処理ロジック１２０に限定されることを意図するものではなく、他の任意のコンポーネントによって全体または部分的に実施することができる。プロセス６００のオペレーションの一部または全部は、並行して行うことも、順序を変えて行うことも、完全に省略することもできる。
オペレーション５７０において、治療処理ロジック１２０は、第１の時間における患者の解剖学的構造と基準の患者の解剖学的構造との比較に基づいて、放射線治療装置のパラメータを調整して、与えられた放射線治療フラクション内で、第１の時間に続く第２の時間に照射される放射線治療の量を、与えられた放射線治療フラクション内で送達されるべき所定の線量パラメータに従って変更する
［００９４］
図６は、例示的な実施形態による、プロセス６００を実行する際の治療処理ロジック１２０のオペレーション例を示すフローチャートである。プロセス６００は、プロセス６００のオペレーションが治療処理ロジック１２０の機能コンポーネントによって部分的または全体的に実行されるように、１つまたはそれ以上のプロセッサによって実行するためのコンピュータ読み取り可能な命令で具現化されてもよく、したがって、プロセス６００は、それを参照して例示的に以下で説明される。しかし、他の実施形態では、プロセス６００のオペレーションの少なくとも一部は、他の様々なハードウェア構成で展開されてもよい。したがって、プロセス６００は、治療処理ロジック１２０に限定されることを意図するものではなく、他の任意のコンポーネントによって全体または部分的に実施することができる。プロセス６００のオペレーションの一部または全部は、並行して行うことも、順序を変えて行うことも、完全に省略することもできる。
［００９５］
オペレーション６３０で、治療処理ロジック１２０は、複数の患者に対するイントラフラクション放射線治療パラメータ適応戦略および量を表す関数の入力パラメータを受け取る。例えば、治療処理ロジック１２０は、１人またはそれ以上の患者またはシミュレーションに対する式２および式３のパラメータを含むデバイストレーニングデータ３２０と、各患者の治療情報とを受け取る。ペアデータは、各患者の治療情報と、その患者の治療に用いられた対応するイントラフラクション放射線治療パラメータ適応戦略および／またはパラメータ調整量の関係のペアを特定する。一実施例として、放射線治療装置によってトレーニングの放射線治療の線量が照射された後、トレーニングの放射線治療フラクション内の第１の時間にトレーニングの患者の解剖学的構造が得られ、第１の時間におけるトレーニングの患者の解剖学的構造とトレーニングの放射線治療フラクション内の基準のトレーニングの患者の解剖学的構造との間の偏差が計算される。計算された偏差は、例えば、トレーニングされた患者の腫瘍とトレーニングされた患者のリスク臓器との間のオーバーラップの量、およびトレーニング患者の腫瘍の境界とトレーニング患者のリスク臓器との間の距離を表す。基準のトレーニングの患者解剖学的構造は、トレーニングの放射線治療のフラクション内で提供されるべき所定の訓練線量パラメータを示す。
オペレーション６３０で、治療処理ロジック１２０は、複数の患者に対するイントラフラクション放射線治療パラメータ適応戦略および量を表す関数の入力パラメータを受け取る。例えば、治療処理ロジック１２０は、１人またはそれ以上の患者またはシミュレーションに対する式２および式３のパラメータを含むデバイストレーニングデータ３２０と、各患者の治療情報とを受け取る。ペアデータは、各患者の治療情報と、その患者の治療に用いられた対応するイントラフラクション放射線治療パラメータ適応戦略および／またはパラメータ調整量の関係のペアを特定する。一実施例として、放射線治療装置によってトレーニングの放射線治療の線量が照射された後、トレーニングの放射線治療フラクション内の第１の時間にトレーニングの患者の解剖学的構造が得られ、第１の時間におけるトレーニングの患者の解剖学的構造とトレーニングの放射線治療フラクション内の基準のトレーニングの患者の解剖学的構造との間の偏差が計算される。計算された偏差は、例えば、トレーニングされた患者の腫瘍とトレーニングされた患者のリスク臓器との間のオーバーラップの量、およびトレーニング患者の腫瘍の境界とトレーニング患者のリスク臓器との間の距離を表す。基準のトレーニングの患者解剖学的構造は、トレーニングの放射線治療のフラクション内で提供されるべき所定の訓練線量パラメータを示す。
［００９６］
オペレーション６５０において、治療処理ロジック１２０は、機械設定τ′の適応のパラメータμを推定するために、機械学習技術で入力パラメータを処理する。例えば、治療処理ロジック１２０は、トレーニングの患者入力データと、複数の患者のイントラフラクション放射線治療パラメータ適応戦略を表す式２または式３のパラメータの関数とに基づいて、第１の損失関数を最小化することにより、デバイス適応モデルパラメータ３１２をトレーニングする。デバイス適応モデルトレーニング３３０は、トレーニングの患者の入力データと、複数の患者のイントラフラクション放射線治療パラメータ調整量を表す式２または式３のパラメータの関数とに基づいて、第２の損失関数を最小化することにより、デバイス適応モデルパラメータ３１２をトレーニングする。一実施例として、計算された偏差は、１つまたはそれ以上のイントラフラクション放射線治療パラメータ（例えば、パラメータμ）に基づいて放射線治療装置のパラメータ調整を提供する関数（例えば、機械設定の適応τ′のパラメータμ）の１つまたはそれ以上のイントラフラクション放射線治療パラメータを推定するために機械学習モデルに適用され、機械学習モデルは、計算された偏差と１つまたはそれ以上のイントラフラクション放射線治療パラメータとの間の関係を確立するようにトレーニングされる。
オペレーション６５０において、治療処理ロジック１２０は、機械設定τ′の適応のパラメータμを推定するために、機械学習技術で入力パラメータを処理する。例えば、治療処理ロジック１２０は、トレーニングの患者入力データと、複数の患者のイントラフラクション放射線治療パラメータ適応戦略を表す式２または式３のパラメータの関数とに基づいて、第１の損失関数を最小化することにより、デバイス適応モデルパラメータ３１２をトレーニングする。デバイス適応モデルトレーニング３３０は、トレーニングの患者の入力データと、複数の患者のイントラフラクション放射線治療パラメータ調整量を表す式２または式３のパラメータの関数とに基づいて、第２の損失関数を最小化することにより、デバイス適応モデルパラメータ３１２をトレーニングする。一実施例として、計算された偏差は、１つまたはそれ以上のイントラフラクション放射線治療パラメータ（例えば、パラメータμ）に基づいて放射線治療装置のパラメータ調整を提供する関数（例えば、機械設定の適応τ′のパラメータμ）の１つまたはそれ以上のイントラフラクション放射線治療パラメータを推定するために機械学習モデルに適用され、機械学習モデルは、計算された偏差と１つまたはそれ以上のイントラフラクション放射線治療パラメータとの間の関係を確立するようにトレーニングされる。
［００９７］
オペレーション６６０において、治療処理ロジック１２０は、新たな患者に対するイントラフラクション放射線治療装置パラメータ調整用の関数の推定パラメータを提供する。例えば、デバイス適応モデルパラメータ３１２は、新たな患者に対して与えられたフラクション内の放射線治療装置パラメータのリアルタイム調整を行うために、式２または式３のパラメータとして適用するためのトレーニングされたデバイスパラメータ適応モデル３６０として提供される。
オペレーション６６０において、治療処理ロジック１２０は、新たな患者に対するイントラフラクション放射線治療装置パラメータ調整用の関数の推定パラメータを提供する。例えば、デバイス適応モデルパラメータ３１２は、新たな患者に対して与えられたフラクション内の放射線治療装置パラメータのリアルタイム調整を行うために、式２または式３のパラメータとして適用するためのトレーニングされたデバイスパラメータ適応モデル３６０として提供される。
［００９８］
先に述べたように、それぞれの電子計算機システムまたはデバイスは、本明細書で述べたような１つまたはそれ以上の方法または機能動作を実装することができる。１つまたはそれ以上の実施形態において、放射線治療処理計算システム１１０は、画像誘導型放射線治療装置２０２を制御または操作すること、モデル３００からのトレーニングまたは予測操作を実行または実施すること、トレーニングされたデバイス適応モデル３６０を操作すること、フローチャート４００－６００の操作を実行または実施すること、または本明細書で議論される他の方法論のいずれか１つまたはそれ以上を実行すること（例えば、治療処理ロジック１２０およびワークフロー１３０の一部として）に構成、適応、または使用される。様々な実施形態において、そのような電子計算システムまたはデバイスは、スタンドアロンデバイスとして動作し、または他のマシンに接続（例えば、ネットワーク接続）されてもよい。例えば、このような計算システムまたはデバイスは、サーバー・クライアントネットワーク環境（server-client network environment）ではサーバーまたはクライアントマシンの能力で動作し、ピアツーピア（または分散型）ネットワーク環境（peer-to-peer (or distributed) network environment）ではピアマシン（peer machine）として動作する。計算システムまたはデバイスの機能は、パーソナルコンピュータ（ＰＣ）、タブレットＰＣ、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、ウェブアプライアンス、またはそのマシンが実行するアクションを指定する命令（シーケンシャルまたはその他）を実行することができる任意のマシンによって具現化される。
先に述べたように、それぞれの電子計算機システムまたはデバイスは、本明細書で述べたような１つまたはそれ以上の方法または機能動作を実装することができる。１つまたはそれ以上の実施形態において、放射線治療処理計算システム１１０は、画像誘導型放射線治療装置２０２を制御または操作すること、モデル３００からのトレーニングまたは予測操作を実行または実施すること、トレーニングされたデバイス適応モデル３６０を操作すること、フローチャート４００－６００の操作を実行または実施すること、または本明細書で議論される他の方法論のいずれか１つまたはそれ以上を実行すること（例えば、治療処理ロジック１２０およびワークフロー１３０の一部として）に構成、適応、または使用される。様々な実施形態において、そのような電子計算システムまたはデバイスは、スタンドアロンデバイスとして動作し、または他のマシンに接続（例えば、ネットワーク接続）されてもよい。例えば、このような計算システムまたはデバイスは、サーバー・クライアントネットワーク環境（server-client network environment）ではサーバーまたはクライアントマシンの能力で動作し、ピアツーピア（または分散型）ネットワーク環境（peer-to-peer (or distributed) network environment）ではピアマシン（peer machine）として動作する。計算システムまたはデバイスの機能は、パーソナルコンピュータ（ＰＣ）、タブレットＰＣ、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、ウェブアプライアンス、またはそのマシンが実行するアクションを指定する命令（シーケンシャルまたはその他）を実行することができる任意のマシンによって具現化される。
［００９９］
上述したように、上述した機能は、機械可読媒体に格納された命令、論理、またはその他の情報によって実装することができる。機械可読媒体は、様々な実施例で単一の媒体であると説明されたが、「機械可読媒体」という用語は、１つまたはそれ以上の一過性または非一過性の命令またはデータ構造を格納する単一の媒体または複数の媒体（例えば、集中型または分散型のデータベース、および／または関連するキャッシュおよびサーバー）を含み得る。また、「機械可読媒体」という用語は、機械が実行するための一過性または非一過性の命令であって、本発明の主題の方法論のいずれか１つまたはそれ以上を機械に実行させるものを記憶、符号化、または担持することができる、あるいは、そのような命令によって利用される、またはそのような命令に関連するデータ構造を記憶、符号化、または担持することができる、任意の有形媒体を含むとみなされる。
上述したように、上述した機能は、機械可読媒体に格納された命令、論理、またはその他の情報によって実装することができる。機械可読媒体は、様々な実施例で単一の媒体であると説明されたが、「機械可読媒体」という用語は、１つまたはそれ以上の一過性または非一過性の命令またはデータ構造を格納する単一の媒体または複数の媒体（例えば、集中型または分散型のデータベース、および／または関連するキャッシュおよびサーバー）を含み得る。また、「機械可読媒体」という用語は、機械が実行するための一過性または非一過性の命令であって、本発明の主題の方法論のいずれか１つまたはそれ以上を機械に実行させるものを記憶、符号化、または担持することができる、あるいは、そのような命令によって利用される、またはそのような命令に関連するデータ構造を記憶、符号化、または担持することができる、任意の有形媒体を含むとみなされる。
［０１００］
上記の詳細な説明には、詳細な説明の一部を構成する添付の図面への参照が含まれる。図面は、説明のために、本発明の主題を実施することができる特定の実施形態を示しているが、それに限定するものではない。これらの実施形態は、本明細書では「実施例」とも呼ばれる。このような実施例は、図示または説明されたものに加えて、要素を含むことができる。しかし、本開示は、図示されたまたは説明された要素のみが提供される実施例も予期している。さらに、本開示は、特定の実施例（または、その１つまたはそれ以上の態様）に関して、または本明細書に示され記載されている他の実施例（または、その１つまたはそれ以上の態様）に関して、図示され記載されているそれらの要素（または、その１つまたは以上の態様）の任意の組み合わせまたは順列を使用する実施例も予期している。
上記の詳細な説明には、詳細な説明の一部を構成する添付の図面への参照が含まれる。図面は、説明のために、本発明の主題を実施することができる特定の実施形態を示しているが、それに限定するものではない。これらの実施形態は、本明細書では「実施例」とも呼ばれる。このような実施例は、図示または説明されたものに加えて、要素を含むことができる。しかし、本開示は、図示されたまたは説明された要素のみが提供される実施例も予期している。さらに、本開示は、特定の実施例（または、その１つまたはそれ以上の態様）に関して、または本明細書に示され記載されている他の実施例（または、その１つまたはそれ以上の態様）に関して、図示され記載されているそれらの要素（または、その１つまたは以上の態様）の任意の組み合わせまたは順列を使用する実施例も予期している。
［０１０１］
本明細書で言及されているすべての出版物、特許、および特許文書は、参照により個別に組み込まれるように、その全体が本書に組み込まれている。本明細書と参照により組み込まれた文書との間で使用方法が一致しない場合、組み込まれた参照された文書の使用方法は本明細書の使用方法を補足するものとみなされる。
本明細書で言及されているすべての出版物、特許、および特許文書は、参照により個別に組み込まれるように、その全体が本書に組み込まれている。本明細書と参照により組み込まれた文書との間で使用方法が一致しない場合、組み込まれた参照された文書の使用方法は本明細書の使用方法を補足するものとみなされる。
［０１０２］
本明細書では、特許文書で一般的なように、本発明の主題の態様またはその実施形態の要素を紹介する際に、「ａ」、「ａｎ」、「ｔｈｅ」、「ｓａｉｄ」という用語を使用して、「少なくとも１つ」または「１つまたはそれ以上」の他の実施例や用法とは無関係に、１つまたはそれ以上の要素を含む。本明細書では、「または」という用語は、他に示されていない限り、「ＡまたはＢ」が「ＡであるがＢではない」、「ＢであるがＡではない」、「ＡおよびＢ」を含むように、非排他的な「または」を指すために使用される。
本明細書では、特許文書で一般的なように、本発明の主題の態様またはその実施形態の要素を紹介する際に、「ａ」、「ａｎ」、「ｔｈｅ」、「ｓａｉｄ」という用語を使用して、「少なくとも１つ」または「１つまたはそれ以上」の他の実施例や用法とは無関係に、１つまたはそれ以上の要素を含む。本明細書では、「または」という用語は、他に示されていない限り、「ＡまたはＢ」が「ＡであるがＢではない」、「ＢであるがＡではない」、「ＡおよびＢ」を含むように、非排他的な「または」を指すために使用される。
［０１０３］
添付された特許請求の範囲において、「ｉｎｃｌｕｄｉｎｇ」および「ｉｎ ｗｈｉｃｈ」という用語は、「ｃｏｍｐｌｉｓｉｎｇ」および「ｗｈｅｒｅｉｎ」というそれぞれの用語の平易な英語の等価物として使用されている。また、以下の特許請求の範囲において、「ｃｏｍｐｒｉｓｉｎｇ」、「ｉｎｃｌｕｄｉｎｇ」、「ｈａｖｉｎｇ」という用語は、記載された要素以外にも追加の要素が存在する可能性があることを意味するオープンエンドのものであり、このような用語（例えば、「ｃｏｍｐｒｉｓｉｎｇ」、「ｉｎｃｌｕｄｉｎｇ」、「ｈａｖｉｎｇ」）が請求項に記載された以外のものも、その請求項の範囲に含まれるものとみなされる。さらに、以下の請求項において、「第１」、「第２」、「第３」などの用語は、単なるラベルとして使用されており、その対象に数値的な要件を課すことを意図したものではない。
添付された特許請求の範囲において、「ｉｎｃｌｕｄｉｎｇ」および「ｉｎ ｗｈｉｃｈ」という用語は、「ｃｏｍｐｌｉｓｉｎｇ」および「ｗｈｅｒｅｉｎ」というそれぞれの用語の平易な英語の等価物として使用されている。また、以下の特許請求の範囲において、「ｃｏｍｐｒｉｓｉｎｇ」、「ｉｎｃｌｕｄｉｎｇ」、「ｈａｖｉｎｇ」という用語は、記載された要素以外にも追加の要素が存在する可能性があることを意味するオープンエンドのものであり、このような用語（例えば、「ｃｏｍｐｒｉｓｉｎｇ」、「ｉｎｃｌｕｄｉｎｇ」、「ｈａｖｉｎｇ」）が請求項に記載された以外のものも、その請求項の範囲に含まれるものとみなされる。さらに、以下の請求項において、「第１」、「第２」、「第３」などの用語は、単なるラベルとして使用されており、その対象に数値的な要件を課すことを意図したものではない。
［０１０４］
また、本発明の主題は、本明細書の操作を実行するために適応、構成、または操作される計算システムに関するものである。このシステムは、必要な目的のために特別に構築されたものであってもよいし、コンピュータに格納されたコンピュータプログラム（例えば、命令、コードなど）によって選択的に起動または再構成される汎用コンピュータで構成されていてもよい。本明細書で図示および説明されている本発明の実施形態における操作の実行または遂行の順序は、特に指定されない限り、必須ではない。すなわち、特に指定のない限り、どのような順序で操作を行ってもよく、本発明の実施形態は、ここで開示されたものよりも追加または少ない操作を含んでいてもよい。例えば、特定の操作を別の操作の前、同時期、または後に実行することは、本発明の態様の範囲内であると考えられる。
また、本発明の主題は、本明細書の操作を実行するために適応、構成、または操作される計算システムに関するものである。このシステムは、必要な目的のために特別に構築されたものであってもよいし、コンピュータに格納されたコンピュータプログラム（例えば、命令、コードなど）によって選択的に起動または再構成される汎用コンピュータで構成されていてもよい。本明細書で図示および説明されている本発明の実施形態における操作の実行または遂行の順序は、特に指定されない限り、必須ではない。すなわち、特に指定のない限り、どのような順序で操作を行ってもよく、本発明の実施形態は、ここで開示されたものよりも追加または少ない操作を含んでいてもよい。例えば、特定の操作を別の操作の前、同時期、または後に実行することは、本発明の態様の範囲内であると考えられる。
［０１０５］
発明性のある主題。以上のことから、本発明の主題のいくつかの目的が達成され、他の有益な結果が得られることがわかるだろう。本発明の主題の態様を詳細に説明してきたが、添付の特許請求の範囲で定義された本発明の主題の態様の範囲から逸脱することなく、修正および変形が可能であることは明らかであろう。本発明の主題の態様の範囲を逸脱することなく、上記の構造、製品、および方法に様々な変更を加えることができ、上記の説明に含まれ、添付の図面に示されているすべての事項は、限定的な意味ではなく例示として解釈されることが意図されている。
発明性のある主題。以上のことから、本発明の主題のいくつかの目的が達成され、他の有益な結果が得られることがわかるだろう。本発明の主題の態様を詳細に説明してきたが、添付の特許請求の範囲で定義された本発明の主題の態様の範囲から逸脱することなく、修正および変形が可能であることは明らかであろう。本発明の主題の態様の範囲を逸脱することなく、上記の構造、製品、および方法に様々な変更を加えることができ、上記の説明に含まれ、添付の図面に示されているすべての事項は、限定的な意味ではなく例示として解釈されることが意図されている。
［０１０６］
本明細書で説明した例は、さまざまな実施形態で実施することができる。例えば、ある実施形態では、処理ハードウェア（例えば、プロセッサまたは他の処理回路）と、その上に具現化された命令を含むメモリハードウェア（例えば、記憶装置または揮発性メモリ）を含むコンピューティングデバイスを含み、その命令は、処理ハードウェアによって実行されると、コンピューティングデバイスに、これらの技術およびシステム構成のための電子操作を実施、実行、または調整させる。本明細書で説明する別の実施形態には、機械読み取り可能な媒体または他の記憶装置によって具現化され得るような、コンピュータプログラム製品が含まれ、これは、これらの技術およびシステム構成のための電子操作を実施、実行、または調整するための一過性または非一過性の命令を提供する。本明細書で説明する別の実施形態には、コンピューティングデバイスの処理ハードウェア上で動作可能な方法が含まれ、これらの技術やシステム構成のための電子操作を実装、実行、または調整する。
本明細書で説明した例は、さまざまな実施形態で実施することができる。例えば、ある実施形態では、処理ハードウェア（例えば、プロセッサまたは他の処理回路）と、その上に具現化された命令を含むメモリハードウェア（例えば、記憶装置または揮発性メモリ）を含むコンピューティングデバイスを含み、その命令は、処理ハードウェアによって実行されると、コンピューティングデバイスに、これらの技術およびシステム構成のための電子操作を実施、実行、または調整させる。本明細書で説明する別の実施形態には、機械読み取り可能な媒体または他の記憶装置によって具現化され得るような、コンピュータプログラム製品が含まれ、これは、これらの技術およびシステム構成のための電子操作を実施、実行、または調整するための一過性または非一過性の命令を提供する。本明細書で説明する別の実施形態には、コンピューティングデバイスの処理ハードウェア上で動作可能な方法が含まれ、これらの技術やシステム構成のための電子操作を実装、実行、または調整する。
［０１０７］
さらなる実施形態では、上述の電子操作の態様を実装する論理、コマンド、または一過性もしくは非一過性の命令は、デスクトップまたはノートブックのパーソナルコンピュータ、タブレット、ネットブック、スマートフォンなどのモバイルデバイス、クライアント端末およびサーバーホストのマシンインスタンス（machine instance）など、コンピューティングシステムのための任意の数のフォームファクタを含む、分散型または集中型のコンピューティングシステムで提供することができる。本明細書で議論されている別の実施形態には、本明細書で議論されている技術を、プログラムされた論理、ハードウェア構成、または特殊なコンポーネントやモジュールなどの他の形態に組み込むことが含まれており、そのような技術の機能を実行するためのそれぞれの手段を備えた装置を含む。そのような技術の機能を実装するために使用されるそれぞれのアルゴリズムは、上述の電子操作の一部または全部のシーケンス、または添付の図面や以下の詳細な説明に描かれている他の態様を含むことができる。
さらなる実施形態では、上述の電子操作の態様を実装する論理、コマンド、または一過性もしくは非一過性の命令は、デスクトップまたはノートブックのパーソナルコンピュータ、タブレット、ネットブック、スマートフォンなどのモバイルデバイス、クライアント端末およびサーバーホストのマシンインスタンス（machine instance）など、コンピューティングシステムのための任意の数のフォームファクタを含む、分散型または集中型のコンピューティングシステムで提供することができる。本明細書で議論されている別の実施形態には、本明細書で議論されている技術を、プログラムされた論理、ハードウェア構成、または特殊なコンポーネントやモジュールなどの他の形態に組み込むことが含まれており、そのような技術の機能を実行するためのそれぞれの手段を備えた装置を含む。そのような技術の機能を実装するために使用されるそれぞれのアルゴリズムは、上述の電子操作の一部または全部のシーケンス、または添付の図面や以下の詳細な説明に描かれている他の態様を含むことができる。
［０１０８］
上記の説明は、例示を目的としたものであり、制限的なものではない。例えば、上述した実施例（または、１つまたはそれ以上の態様）は、互いに組み合わせて使用することができる。さらに、本開示の範囲から逸脱することなく、特定の状況や材料に適応させるために、多くの修正を行うことができる。本明細書に記載されている寸法、材料の種類、および例示的なパラメータ、機能、および実装は、本発明の主題のパラメータを定義することを意図している、決して限定するものではなく、例示的な実施形態である。上記の説明を読めば、多くの他の実施形態が当業者には明らかになるであろう。したがって、本発明の主題の範囲は、添付の特許請求の範囲を参照して決定されるべきであり、また、そのような特許請求の範囲に含まれる均等物の全範囲も参照すべきである。
上記の説明は、例示を目的としたものであり、制限的なものではない。例えば、上述した実施例（または、１つまたはそれ以上の態様）は、互いに組み合わせて使用することができる。さらに、本開示の範囲から逸脱することなく、特定の状況や材料に適応させるために、多くの修正を行うことができる。本明細書に記載されている寸法、材料の種類、および例示的なパラメータ、機能、および実装は、本発明の主題のパラメータを定義することを意図している、決して限定するものではなく、例示的な実施形態である。上記の説明を読めば、多くの他の実施形態が当業者には明らかになるであろう。したがって、本発明の主題の範囲は、添付の特許請求の範囲を参照して決定されるべきであり、また、そのような特許請求の範囲に含まれる均等物の全範囲も参照すべきである。
［０１０９］
また、上記の詳細な説明では、開示を効率化するために様々な特徴をまとめている場合がある。これは、請求されていない開示された特徴が、いかなる請求にも必須であることを意図していると解釈すべきではない。むしろ、発明的な主題は、開示された特定の実施形態のすべての特徴ではないところにある可能性がある。したがって、以下の請求項は、各請求項が個別の実施形態として独立している状態で、詳細な説明に組み込まれる。本発明の主題の範囲は、添付の特許請求の範囲を参照して決定されるべきであり、また、そのような特許請求の範囲が有する均等物の全範囲も参照する必要がある。
また、上記の詳細な説明では、開示を効率化するために様々な特徴をまとめている場合がある。これは、請求されていない開示された特徴が、いかなる請求にも必須であることを意図していると解釈すべきではない。むしろ、発明的な主題は、開示された特定の実施形態のすべての特徴ではないところにある可能性がある。したがって、以下の請求項は、各請求項が個別の実施形態として独立している状態で、詳細な説明に組み込まれる。本発明の主題の範囲は、添付の特許請求の範囲を参照して決定されるべきであり、また、そのような特許請求の範囲が有する均等物の全範囲も参照する必要がある。
Claims (28)
- 患者に対する放射線治療をリアルタイムで調整する方法であって、
前記方法は、
プロセッサ回路により、放射線治療装置によって放射線治療の線量が照射された後の与えられた放射線治療フラクション内の第１の時間における患者の解剖学的状態を決定するステップと、
前記プロセッサ回路により、前記放射線治療フラクション内で照射されるべき前記所定の線量パラメータを示す前記放射線治療フラクションの基準の患者の解剖学的情報を引き出すステップと、
前記プロセッサ回路により、前記第１の時間における前記患者の解剖学的構造を、前記与えられた放射線治療フラクション中の前記基準の患者の解剖学的構造と比較するステップと、
前記プロセッサ回路により、前記第１の時間における前記患者の解剖学的構造と前記基準の患者の解剖学的構造との前記比較に基づいて、前記放射線治療装置のパラメータを調整して、前記与えられた放射線治療フラクション内で、前記第１の時間に続く第２の時間に照射される放射線治療の量を、前記与えられた放射線治療フラクション内で送達されるべき前記所定の線量パラメータに従って変更するステップと
を有する
ことを特徴とする方法。 - 請求項１記載の方法において、
前記放射線治療装置の前記パラメータは、前記与えられた放射線治療フラクション内で照射される前記所定の線量パラメータを維持したまま調整され、
前記所定の線量パラメータは、前記与えられた放射線治療フラクション内のターゲットに照射されるべき所定のフラクション線量、前記与えられた放射線治療フラクション内のリスク臓器に照射される最大線量、または、前記リスク臓器の相対的な体積に照射される最大線量のうちの少なくとも１つを含み、
前記方法は、
前記与えられた放射線治療フラクション内の複数の時間に照射される放射線治療線量の総量が前記所定の線量パラメータに対応するように、前記与えられた放射線治療フラクションを通して前記放射線治療装置の前記パラメータを調整するステップと
を更に有する
ことを特徴とする方法。 - 請求項１記載の方法において、
前記方法は、
前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍とリスク臓器との間の横方向または深さ方向の第１のオーバーラップ量を決定するステップであって、前記第１のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の第１の量を示すステップと、
前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍と前記リスク臓器との間の横方向または深さ方向の基準のオーバーラップ量を決定するステップであって、前記基準のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の基準の量を示すステップと
を更に有する
ことを特徴とする方法。 - 請求項３記載の方法において、
前記方法は、
前記第１の量が前記基準の量よりも少ないと決定するステップと、
前記第１の量が前記基準の量よりも少ないと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を増加させるステップと
を更に有する
ことを特徴とする方法。 - 請求項３記載の方法において、
前記方法は、
前記第１の量が前記基準の量よりも多いと決定するステップと、
前記第１の量が前記基準の量よりも多いと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を減少させるステップと
を更に有する
ことを特徴とする方法。 - 請求項３記載の方法において、
前記方法は、
前記第１の量の前記基準の量に対する関係を決定するステップと、
前記第１の量の前記基準の量に対する関係の関数として、前記第２の時間において照射される前記放射線治療の量を修正するステップと
を更に有する
ことを特徴とする方法。 - 請求項１記載の方法において、
前記方法は、
前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍の境界とリスク臓器との間の第１の距離を決定するステップと、
前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍の境界と前記リスク臓器との間の第２の距離を決定するステップと、
前記第１の距離と前記第２の距離との偏差に基づいて、前記第２の時間において照射される前記放射線治療の量を増加させるステップと
を更に有する
ことを特徴とする方法。 - 請求項１記載の方法において、
前記方法は、
前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍の境界とリスク臓器との間の第１の距離を決定するステップと、
前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍の境界と前記リスク臓器との間の第２の距離を決定するステップと、
前記第１の距離と前記第２の距離との偏差に基づいて、前記第２の時間において照射される前記放射線治療の量を減少させるステップと
を更に有する
ことを特徴とする方法。 - 請求項１記載の方法において、
前記所定の線量パラメータは、与えられた時間内の線量またはガントリの回転速度を有し、
前記放射線治療装置のパラメータを調整するステップは、
時間当たりの線量のパラメータとオーバーラップ量のパラメータの関数として、時間当たりの線量の係数を生成するステップと、
前記線量または前記ガントリの回転速度を、前記時間当たりの線量の係数により調整するステップと
を有する
ことを特徴とする方法。 - 請求項９記載の方法において、
前記方法は、
前記第１の時間における前記患者の解剖学的構造と前記基準の患者の解剖学的構造との比較の結果を、前記オーバーラップ量のパラメータと比較するステップであって、前記結果が前記オーバーラップ量のパラメータよりも大きい場合には。前記線量を増加させ、前記結果が前記オーバーラップ量のパラメータよりも小さい場合には、前記線量を減少させるステップ
を更に有する
ことを特徴とする方法。 - 請求項９記載の方法において、
前記時間当たりの線量の係数と前記オーバーラップ量のパラメータは、前記与えられた放射線治療を開始する前の計画中、または前記与えられた放射線治療中に最適化される
ことを特徴とする方法。 - 請求項１０記載の方法において、
マルチリーフコリメータ（ＭＬＣ）設定、ジョーコリメータ設定、前記時間当たりの線量のパラメータ、前記オーバーラップ量のパラメータの少なくとも１つが、腫瘍に照射する放射線治療の線量と、リスク臓器に照射する放射線治療の線量または健康な組織に照射される放射線治療の線量の少なくとも１つとのバランスを考慮した最適化問題を解くことに基づいて計算される
ことを特徴とする方法。 - 請求項１記載の方法において、
前記放射線治療装置のパラメータは、マルチリーフコリメータ（ＭＬＣ）とジョーコリメータの設定を有し、
前記パラメータを調整するステップは、
ターゲットに照射される線量に対する健康な組織に照射される線量の割合の関数として計算されたオーバーラップ量に基づいてコリメータの調整量を生成するステップと、
前記コリメータの調整量により前記放射線治療装置の前記ＭＬＣと前記ジョーの設定を調整するステップと
を有する
ことを特徴とする方法。 - 請求項１３記載の方法において、
前記コリメータの設定を調整するステップは、前記ジョーと前記ＭＬＣのリーフの位置を修正して、前記コリメータの開口部の形状を変更するステップであって、前記位置はコリメータの調整量に基づいて変更されるステップを有し、
前記ＭＬＣのリーフの１つの位置は、前記ＭＬＣのリーフの他の１つの位置と異なる量で調整される
ことを特徴とする方法。 - 請求項１記載の方法において、
前記方法は、
前記第１の時間における前記決定された患者の解剖学的特徴の正確さのレベルを計算するステップと、
前記計算された正確さのレベルに基づいて前記放射線治療装置のパラメータを修正するステップと
を更に有する
ことを特徴とする方法。 - 請求項１記載の方法において、
前記方法は、
前記与えられた放射線治療フラクション内で照射されて残存する線量を推定するステップであって、前記放射線治療装置のパラメータは、前記照射されて残存する前記推定された線量に基づいて調整されるステップ
を更に有する
ことを特徴とする方法。 - 請求項１６記載の方法において、
前記放射線治療の治療量は、前記第１の時間における前記患者の解剖学的構造における与えられた領域に照射され、
前記方法は、
前記患者の解剖学的構造における前記与えられた領域が、前記与えられた放射線治療フラクション内の別の時間において前記放射線治療装置により照射されるかどうかを決定するステップと、
前記患者の解剖学的構造における前記与えられた領域が、前記与えられた放射線治療フラクション内の別の時間において前記放射線治療装置により照射されるかどうかの決定の関数として、前記第２の時間において照射される前記放射線治療の線量を修正するステップと
を更に有する
ことを特徴とする方法。 - 請求項１７記載の方法において、
前記方法は、
前記別の時間が、前記放射線治療フラクションの開始により近いか、前記与えられた放射線治療フラクションの終了により近いかに基づいて、前記線量を修正するステップを
を更に有する
ことを特徴とする方法。 - 請求項１記載の方法において、
前記方法は、
放射線治療計画におけるセグメントを再順序付けして、前記解剖学的構造の異なる領域が前記与えられた放射線治療フラクション内で照射される時間を変更するステップ
を更に有し、
前記放射線治療計画は、前記与えられた放射線治療フラクション内の第３の時間に照射するための前記患者の解剖学的構造の第１の領域と、前記与えられた放射線治療フラクション内の第４の時間に照射するための前記患者の解剖学的構造の第２の領域を特定し、
前記セグメントを再順序付けした後、前記放射線治療装置は、前記与えられた放射線治療フラクション内の第４の時間に前記患者の解剖学的構造の前記第１の領域を照射し、前記与えられた放射線治療フラクション内の第３の時間に前記患者の解剖学的構造の前記第２の領域を照射する
ことを特徴とする方法。 - 請求項１記載の方法において、
前記方法は、
再スキャンを実行して、前記患者の解剖学的構造の１つまたはそれ以上の領域が、前記与えられた放射線治療フラクション内で照射される時間を増加させるため、または、追加で、かつ、前記放射線治療計画において照射されるように指定された領域とは異なる前記患者の解剖学的構造の領域を照射するために、放射線治療計画において１つまたはそれ以上のセグメントを追加するステップを
を更に有する
ことを特徴とする方法。 - 非一時的なコンピュータ可読命令を含む非一時的コンピュータ可読媒体であって、
前記コンピュータ可読命令は、オペレーションを実行するための命令を含み、
前記オペレーションは、
放射線治療装置によって放射線治療の線量が照射された後の与えられた放射線治療フラクション内の第１の時間における患者の解剖学的状態を決定するオペレーションと、
前記放射線治療フラクション内で照射されるべき前記所定の線量パラメータを示す前記放射線治療フラクションの基準の患者の解剖学的情報を引き出すオペレーションと、
前記第１の時間における前記患者の解剖学的構造を、前記与えられた放射線治療フラクション中の前記基準の患者の解剖学的構造と比較するオペレーションと、
前記第１の時間における前記患者の解剖学的構造と前記基準の患者の解剖学的構造との前記比較に基づいて、前記放射線治療装置のパラメータを調整して、前記与えられた放射線治療フラクション内で、前記第１の時間に続く第２の時間に照射される放射線治療の量を、前記与えられた放射線治療フラクション内で送達されるべき前記所定の線量パラメータに従って変更するオペレーションと
を含む
ことを特徴とする非一時的コンピュータ可読媒体。 - 請求項２１記載の非一時的コンピュータ可読媒体において、
前記オペレーションは、
前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍とリスク臓器との間の横方向または深さ方向の第１のオーバーラップ量を決定するオペレーションであって、前記第１のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の第１の量を示すオペレーションと、
前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍と前記リスク臓器との間の横方向または深さ方向の基準のオーバーラップ量を決定するオペレーションであって、前記基準のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の基準の量を示すオペレーションと
を更に有する
ことを特徴とする非一時的コンピュータ可読媒体。 - 請求項２２記載の非一時的コンピュータ可読媒体において、
前記オペレーションは、
前記第１の量が前記基準の量よりも少ないと決定するオペレーションと、
前記第１の量が前記基準の量よりも少ないと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を増加させるオペレーションと
を更に有する
ことを特徴とする非一時的コンピュータ可読媒体。 - 請求項２２記載の非一時的コンピュータ可読媒体において、
前記オペレーションは、
前記第１の量が前記基準の量よりも多いと決定するオペレーションと、
前記第１の量が前記基準の量よりも多いと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を減少させるオペレーションと
を更に有する
ことを特徴とする非一時的コンピュータ可読媒体。 - 命令を格納するメモリと、
オペレーションを実行するために前記メモリに格納された命令を実行する１つまたはそれ以上のプロセッサを有するシステムであって、
前記オペレーションは、
放射線治療装置によって放射線治療の線量が照射された後の与えられた放射線治療フラクション内の第１の時間における患者の解剖学的状態を決定するオペレーションと、
前記放射線治療フラクション内で照射されるべき前記所定の線量パラメータを示す前記放射線治療フラクションの基準の患者の解剖学的情報を引き出すオペレーションと、
前記第１の時間における前記患者の解剖学的構造を、前記与えられた放射線治療フラクション中の前記基準の患者の解剖学的構造と比較するオペレーションと、
前記第１の時間における前記患者の解剖学的構造と前記基準の患者の解剖学的構造との前記比較に基づいて、前記放射線治療装置のパラメータを調整して、前記与えられた放射線治療フラクション内で、前記第１の時間に続く第２の時間に照射される放射線治療の量を、前記与えられた放射線治療フラクション内で送達されるべき前記所定の線量パラメータに従って変更するオペレーションと
を含む
ことを特徴とするシステム。 - 請求項２５記載のシステムにおいて、
前記オペレーションは、
前記第１の時間における前記決定された患者の解剖学的構造に基づいて、前記患者の腫瘍とリスク臓器との間の横方向または深さ方向の第１のオーバーラップ量を決定するオペレーションであって、前記第１のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の第１の量を示すオペレーションと、
前記基準の患者の解剖学的構造に基づいて、前記患者の腫瘍と前記リスク臓器との間の横方向または深さ方向の基準のオーバーラップ量を決定するオペレーションであって、前記基準のオーバーラップ量は、前記リスク臓器に対する前記腫瘍への放射線被曝の基準の量を示すオペレーションと
を更に有する
ことを特徴とするシステム。 - 請求項２６記載のシステムにおいて、
前記オペレーションは、
前記第１の量が前記基準の量よりも少ないと決定するオペレーションと、
前記第１の量が前記基準の量よりも少ないと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を増加させるオペレーションと
を更に有する
ことを特徴とするシステム。 - 請求項２６記載のシステムにおいて、
前記オペレーションは、
前記第１の量が前記基準の量よりも多いと決定するオペレーションと、
前記第１の量が前記基準の量よりも多いと決定されたことに応じて、前記第２の時間において照射される前記放射線治療の量を減少させるオペレーションと
を更に有する
ことを特徴とするシステム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/413,555 US11141609B2 (en) | 2019-05-15 | 2019-05-15 | Dose guided real-time adaptive radiotherapy |
| US16/413,555 | 2019-05-15 | ||
| PCT/EP2020/063199 WO2020229473A1 (en) | 2019-05-15 | 2020-05-12 | Dose guided real-time adaptive radiotherapy |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022533353A true JP2022533353A (ja) | 2022-07-22 |
| JP7325541B2 JP7325541B2 (ja) | 2023-08-14 |
Family
ID=70740595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021568253A Active JP7325541B2 (ja) | 2019-05-15 | 2020-05-12 | 線量誘導リアルタイム適応型放射線治療 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11141609B2 (ja) |
| EP (1) | EP3969108A1 (ja) |
| JP (1) | JP7325541B2 (ja) |
| CN (1) | CN114126708A (ja) |
| AU (1) | AU2020274863B2 (ja) |
| WO (1) | WO2020229473A1 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11724126B2 (en) * | 2019-06-21 | 2023-08-15 | Varian Medical Systems, Inc. | Methods and systems for quality-aware continuous learning for radiotherapy treatment planning |
| US20230222659A1 (en) * | 2022-01-13 | 2023-07-13 | University Of Connecticut | Conjoined twin network for treatment and analysis |
| JP2023161447A (ja) * | 2022-04-25 | 2023-11-07 | 株式会社日立製作所 | 治療計画評価システム、治療計画評価方法および治療計画評価システムを備える放射線治療システム |
| CN117438062B (zh) * | 2023-12-21 | 2024-04-19 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 剂量信息确定装置、电子设备及计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009534135A (ja) * | 2006-04-27 | 2009-09-24 | エレクタ、アクチボラグ | 放射線治療装置 |
| US20120069962A1 (en) * | 2005-10-17 | 2012-03-22 | Alberta Health Services | Real-time dose reconstruction using dynamic simulation and image guided adaptive radiotherapy |
| JP2015536783A (ja) * | 2012-12-17 | 2015-12-24 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | リアルタイム適応的線量計算による放射線治療 |
| US20180369611A1 (en) * | 2017-06-22 | 2018-12-27 | Reflexion Medical, Inc. | Systems and methods for biological adaptive radiotherapy |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6240161B1 (en) | 1997-09-25 | 2001-05-29 | Siemens Medical Systems, Inc. | Multi-leaf collimator constrained optimization of intensity modulated treatments |
| US6128366A (en) * | 1998-07-08 | 2000-10-03 | Siemens Medical Systems, Inc. | Dosimetry error reduction for optimized static intensity modulation |
| AU2003228757A1 (en) | 2002-04-29 | 2003-11-17 | University Of Miami | Intensity modulated radiotherapy inverse planning algorithm |
| US7513861B2 (en) * | 2003-06-18 | 2009-04-07 | Xoft, Inc. | Real time verification in radiation treatment |
| WO2005081842A2 (en) | 2004-02-20 | 2005-09-09 | University Of Florida Research Foundation, Inc. | System for delivering conformal radiation therapy while simultaneously imaging soft tissue |
| US8095203B2 (en) | 2004-07-23 | 2012-01-10 | Varian Medical Systems, Inc. | Data processing for real-time tracking of a target in radiation therapy |
| KR20080044249A (ko) | 2005-07-22 | 2008-05-20 | 토모테라피 인코포레이티드 | 방사선량 전달을 예측하는 방법 및 시스템 |
| WO2008013598A2 (en) | 2006-05-25 | 2008-01-31 | William Beaumont Hospital | Real-time, on-line and offline treatment dose tracking and feedback process for volumetric image guided adaptive radiotherapy |
| US8699664B2 (en) | 2006-07-27 | 2014-04-15 | British Columbia Center Agency Branch | Systems and methods for optimization of on-line adaptive radiation therapy |
| US7505559B2 (en) | 2006-08-25 | 2009-03-17 | Accuray Incorporated | Determining a target-to-surface distance and using it for real time absorbed dose calculation and compensation |
| US7469035B2 (en) | 2006-12-11 | 2008-12-23 | The Board Of Trustees Of The Leland Stanford Junior University | Method to track three-dimensional target motion with a dynamical multi-leaf collimator |
| JP2011502010A (ja) | 2007-10-25 | 2011-01-20 | トモセラピー・インコーポレーテッド | 放射線療法送達の運動適応最適化のためのシステム及び方法 |
| US8467497B2 (en) * | 2007-10-25 | 2013-06-18 | Tomotherapy Incorporated | System and method for motion adaptive optimization for radiation therapy delivery |
| WO2009055775A2 (en) | 2007-10-25 | 2009-04-30 | Tomotherapy Incorporated | Method for adapting fractionation of a radiation therapy dose |
| EP2231277B1 (en) | 2007-12-23 | 2017-08-30 | Carl Zeiss Meditec, Inc. | Devices for detecting, controlling, and predicting radiation delivery |
| US10363437B2 (en) | 2008-12-11 | 2019-07-30 | Varian Medical Systems International Ag | Real time treatment parameter algorithm for moving targets |
| US8027431B2 (en) * | 2009-06-23 | 2011-09-27 | Siemens Medical Solutions Usa, Inc. | System and method for dynamic strobe arc therapy |
| US9314160B2 (en) | 2011-12-01 | 2016-04-19 | Varian Medical Systems, Inc. | Systems and methods for real-time target validation for image-guided radiation therapy |
| US9468776B2 (en) | 2012-06-01 | 2016-10-18 | Raysearch Laboratories Ab | Method and a system for optimizing a radiation treatment plan based on a reference dose distribution |
| US9950192B2 (en) | 2013-04-22 | 2018-04-24 | Xiaodong Wu | Method for fiducialless real-time tracking in radiation treatment of abdominal tumors |
| US20150065777A1 (en) | 2013-08-29 | 2015-03-05 | Naser Darwish | Radiation therapy machine with real-time ebt imaging |
| US9652871B2 (en) | 2015-01-28 | 2017-05-16 | Impac Medical Systems, Inc. | Three dimensional localization of a moving target for adaptive radiation therapy |
| RU2719028C1 (ru) | 2016-09-07 | 2020-04-16 | Электа, Инк. | Система и способ для обучающихся моделей планов радиотерапевтического лечения с прогнозированием распределений дозы радиотерапии |
| US20180235554A1 (en) | 2017-02-16 | 2018-08-23 | Eric A Burgett | Patient-Specific Restraining Device and Integrated Dosimetry System |
| EP3391940A1 (en) | 2017-04-21 | 2018-10-24 | Koninklijke Philips N.V. | Planning system for adaptive radiation therapy |
| US10668301B2 (en) | 2017-07-11 | 2020-06-02 | Vincent Vinh-Hung | Calibration of radiation therapy treatment plans for a system |
| US10092774B1 (en) | 2017-07-21 | 2018-10-09 | Varian Medical Systems International, AG | Dose aspects of radiation therapy planning and treatment |
| WO2019099551A1 (en) * | 2017-11-14 | 2019-05-23 | Reflexion Medical, Inc. | Systems and methods for patient monitoring for radiotherapy |
| US11475991B2 (en) * | 2018-09-28 | 2022-10-18 | Varian Medical Systems International Ag | Methods and systems for adaptive radiotherapy treatment planning using deep learning engines |
-
2019
- 2019-05-15 US US16/413,555 patent/US11141609B2/en active Active
-
2020
- 2020-05-12 WO PCT/EP2020/063199 patent/WO2020229473A1/en unknown
- 2020-05-12 EP EP20726340.1A patent/EP3969108A1/en active Pending
- 2020-05-12 AU AU2020274863A patent/AU2020274863B2/en active Active
- 2020-05-12 CN CN202080051370.1A patent/CN114126708A/zh active Pending
- 2020-05-12 JP JP2021568253A patent/JP7325541B2/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120069962A1 (en) * | 2005-10-17 | 2012-03-22 | Alberta Health Services | Real-time dose reconstruction using dynamic simulation and image guided adaptive radiotherapy |
| JP2009534135A (ja) * | 2006-04-27 | 2009-09-24 | エレクタ、アクチボラグ | 放射線治療装置 |
| JP2015536783A (ja) * | 2012-12-17 | 2015-12-24 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | リアルタイム適応的線量計算による放射線治療 |
| US20180369611A1 (en) * | 2017-06-22 | 2018-12-27 | Reflexion Medical, Inc. | Systems and methods for biological adaptive radiotherapy |
Also Published As
| Publication number | Publication date |
|---|---|
| AU2020274863A1 (en) | 2022-01-20 |
| WO2020229473A1 (en) | 2020-11-19 |
| EP3969108A1 (en) | 2022-03-23 |
| JP7325541B2 (ja) | 2023-08-14 |
| CN114126708A (zh) | 2022-03-01 |
| AU2020274863B2 (en) | 2022-10-20 |
| US20200360731A1 (en) | 2020-11-19 |
| US11141609B2 (en) | 2021-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11547874B2 (en) | Machine learning approach to real-time patient motion monitoring | |
| US20210046327A1 (en) | Real-time patient motion monitoring using a magnetic resonance linear accelerator (mrlinac) | |
| AU2018331365B2 (en) | Radiotherapy treatment plan optimization workflow | |
| JP7142415B2 (ja) | 微分可能な線量関数を用いた放射線治療計画 | |
| JP7325541B2 (ja) | 線量誘導リアルタイム適応型放射線治療 | |
| AU2020312643B2 (en) | Radiotherapy treatment plan optimization using machine learning | |
| US11358003B2 (en) | Generation of realizable radiotherapy plans | |
| US20200360728A1 (en) | Machine learning based dose guided real-time adaptive radiotherapy | |
| EP4078607A1 (en) | Adaptive dose accumulation algorithm | |
| JP2022540081A (ja) | ジオメトリベースのリアルタイム適応型放射線治療 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220107 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221223 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230124 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230324 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230704 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230801 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7325541 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |