JP2023507742A - 組織の音速および硬度を使用した癌リスク評価のための方法およびシステム - Google Patents
組織の音速および硬度を使用した癌リスク評価のための方法およびシステム Download PDFInfo
- Publication number
- JP2023507742A JP2023507742A JP2022537014A JP2022537014A JP2023507742A JP 2023507742 A JP2023507742 A JP 2023507742A JP 2022537014 A JP2022537014 A JP 2022537014A JP 2022537014 A JP2022537014 A JP 2022537014A JP 2023507742 A JP2023507742 A JP 2023507742A
- Authority
- JP
- Japan
- Prior art keywords
- tissue
- volume
- breast
- image
- hardness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 188
- 206010028980 Neoplasm Diseases 0.000 title claims description 185
- 201000011510 cancer Diseases 0.000 title claims description 57
- 238000012502 risk assessment Methods 0.000 title description 12
- 210000000481 breast Anatomy 0.000 claims abstract description 256
- 206010006187 Breast cancer Diseases 0.000 claims abstract description 100
- 208000026310 Breast neoplasm Diseases 0.000 claims abstract description 97
- 230000004044 response Effects 0.000 claims abstract description 66
- 238000002604 ultrasonography Methods 0.000 claims abstract description 49
- 238000003325 tomography Methods 0.000 claims abstract description 32
- 238000011269 treatment regimen Methods 0.000 claims abstract description 16
- 239000002131 composite material Substances 0.000 claims abstract description 5
- 210000001519 tissue Anatomy 0.000 claims description 204
- 238000009826 distribution Methods 0.000 claims description 61
- 238000009607 mammography Methods 0.000 claims description 61
- 208000031513 cyst Diseases 0.000 claims description 56
- 238000011282 treatment Methods 0.000 claims description 55
- NKANXQFJJICGDU-QPLCGJKRSA-N Tamoxifen Chemical compound C=1C=CC=CC=1C(/CC)=C(C=1C=CC(OCCN(C)C)=CC=1)/C1=CC=CC=C1 NKANXQFJJICGDU-QPLCGJKRSA-N 0.000 claims description 46
- 208000007659 Fibroadenoma Diseases 0.000 claims description 32
- 206010011732 Cyst Diseases 0.000 claims description 26
- 238000011227 neoadjuvant chemotherapy Methods 0.000 claims description 26
- 229960001603 tamoxifen Drugs 0.000 claims description 21
- 230000036961 partial effect Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 206010001233 Adenoma benign Diseases 0.000 claims description 13
- 201000003149 breast fibroadenoma Diseases 0.000 claims description 13
- 238000002512 chemotherapy Methods 0.000 claims description 11
- 230000000977 initiatory effect Effects 0.000 claims description 9
- 239000002671 adjuvant Substances 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- GZUITABIAKMVPG-UHFFFAOYSA-N raloxifene Chemical compound C1=CC(O)=CC=C1C1=C(C(=O)C=2C=CC(OCCN3CCCCC3)=CC=2)C2=CC=C(O)C=C2S1 GZUITABIAKMVPG-UHFFFAOYSA-N 0.000 claims description 7
- 229960004622 raloxifene Drugs 0.000 claims description 7
- 210000000577 adipose tissue Anatomy 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000011321 prophylaxis Methods 0.000 claims description 6
- 238000009098 adjuvant therapy Methods 0.000 claims description 4
- 229940046836 anti-estrogen Drugs 0.000 claims description 4
- 230000001833 anti-estrogenic effect Effects 0.000 claims description 4
- 238000000315 cryotherapy Methods 0.000 claims description 4
- 235000005911 diet Nutrition 0.000 claims description 4
- 238000004520 electroporation Methods 0.000 claims description 4
- 239000000328 estrogen antagonist Substances 0.000 claims description 4
- 230000003054 hormonal effect Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000011297 radiofrequency ablation treatment Methods 0.000 claims description 4
- 238000001959 radiotherapy Methods 0.000 claims description 4
- 238000009210 therapy by ultrasound Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000002113 chemopreventative effect Effects 0.000 claims description 3
- 201000010260 leiomyoma Diseases 0.000 claims description 3
- 230000000069 prophylactic effect Effects 0.000 claims description 3
- 230000037213 diet Effects 0.000 claims description 2
- 230000000378 dietary effect Effects 0.000 claims description 2
- 235000021196 dietary intervention Nutrition 0.000 claims description 2
- 238000009099 neoadjuvant therapy Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 61
- 238000005259 measurement Methods 0.000 description 61
- 239000000306 component Substances 0.000 description 47
- 238000012216 screening Methods 0.000 description 30
- 238000003860 storage Methods 0.000 description 28
- 238000002595 magnetic resonance imaging Methods 0.000 description 26
- 230000000670 limiting effect Effects 0.000 description 24
- 230000015654 memory Effects 0.000 description 23
- 238000012545 processing Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 14
- 238000004590 computer program Methods 0.000 description 14
- 230000004927 fusion Effects 0.000 description 13
- 230000005855 radiation Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 238000013459 approach Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 10
- 230000006835 compression Effects 0.000 description 9
- 238000007906 compression Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 238000002560 therapeutic procedure Methods 0.000 description 9
- 238000012512 characterization method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000001575 pathological effect Effects 0.000 description 8
- 238000013439 planning Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 239000000090 biomarker Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000003064 k means clustering Methods 0.000 description 7
- 230000007774 longterm Effects 0.000 description 7
- 238000013517 stratification Methods 0.000 description 7
- 230000004807 localization Effects 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 238000001574 biopsy Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 230000007717 exclusion Effects 0.000 description 5
- 230000005865 ionizing radiation Effects 0.000 description 5
- 230000003211 malignant effect Effects 0.000 description 5
- 230000011514 reflex Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000012552 review Methods 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 206010006272 Breast mass Diseases 0.000 description 4
- 206010016654 Fibrosis Diseases 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 4
- 235000007164 Oryza sativa Nutrition 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000004761 fibrosis Effects 0.000 description 4
- 238000007542 hardness measurement Methods 0.000 description 4
- 238000001794 hormone therapy Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000002559 palpation Methods 0.000 description 4
- 230000007170 pathology Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000001850 reproductive effect Effects 0.000 description 4
- 235000009566 rice Nutrition 0.000 description 4
- 241000283157 Delphinus Species 0.000 description 3
- 208000037396 Intraductal Noninfiltrating Carcinoma Diseases 0.000 description 3
- 241000124008 Mammalia Species 0.000 description 3
- 238000000692 Student's t-test Methods 0.000 description 3
- 206010052428 Wound Diseases 0.000 description 3
- 238000000540 analysis of variance Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000001739 density measurement Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 208000028715 ductal breast carcinoma in situ Diseases 0.000 description 3
- 238000002091 elastography Methods 0.000 description 3
- 210000004907 gland Anatomy 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000012353 t test Methods 0.000 description 3
- 239000003826 tablet Substances 0.000 description 3
- 210000000779 thoracic wall Anatomy 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 201000009030 Carcinoma Diseases 0.000 description 2
- 102000008186 Collagen Human genes 0.000 description 2
- 108010035532 Collagen Proteins 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 2
- 241000283086 Equidae Species 0.000 description 2
- 208000002628 Granulomatous mastitis Diseases 0.000 description 2
- 206010073094 Intraductal proliferative breast lesion Diseases 0.000 description 2
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 206010033128 Ovarian cancer Diseases 0.000 description 2
- 206010061535 Ovarian neoplasm Diseases 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 2
- 241000288906 Primates Species 0.000 description 2
- 244000107946 Spondias cytherea Species 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 229920001436 collagen Polymers 0.000 description 2
- 238000004883 computer application Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000000326 densiometry Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000005750 disease progression Effects 0.000 description 2
- 231100000673 dose–response relationship Toxicity 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 201000007273 ductal carcinoma in situ Diseases 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000008241 heterogeneous mixture Substances 0.000 description 2
- 230000003581 hormone blood level Effects 0.000 description 2
- 230000002757 inflammatory effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009247 menarche Effects 0.000 description 2
- 230000009245 menopause Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 210000002445 nipple Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000009117 preventive therapy Methods 0.000 description 2
- 239000010979 ruby Substances 0.000 description 2
- 229910001750 ruby Inorganic materials 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000010454 slate Substances 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 206010003694 Atrophy Diseases 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 206010006256 Breast hyperplasia Diseases 0.000 description 1
- 241000282832 Camelidae Species 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 241000938605 Crocodylia Species 0.000 description 1
- 241000283074 Equus asinus Species 0.000 description 1
- 102000010834 Extracellular Matrix Proteins Human genes 0.000 description 1
- 108010037362 Extracellular Matrix Proteins Proteins 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 229910052688 Gadolinium Inorganic materials 0.000 description 1
- 241000272496 Galliformes Species 0.000 description 1
- 240000000594 Heliconia bihai Species 0.000 description 1
- 241000027036 Hippa Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000000265 Lobular Carcinoma Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 101100277637 Mus musculus Dffa gene Proteins 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 206010061309 Neoplasm progression Diseases 0.000 description 1
- 241000282579 Pan Species 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 208000007660 Residual Neoplasm Diseases 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 210000001099 axilla Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 201000008275 breast carcinoma Diseases 0.000 description 1
- 238000007475 c-index Methods 0.000 description 1
- 239000003560 cancer drug Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011257 definitive treatment Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000021045 dietary change Nutrition 0.000 description 1
- 238000002597 diffusion-weighted imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 1
- 210000002919 epithelial cell Anatomy 0.000 description 1
- 210000002744 extracellular matrix Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003176 fibrotic effect Effects 0.000 description 1
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229940116364 hard fat Drugs 0.000 description 1
- 230000002962 histologic effect Effects 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000002657 hormone replacement therapy Methods 0.000 description 1
- 206010020718 hyperplasia Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 208000030776 invasive breast carcinoma Diseases 0.000 description 1
- 206010073095 invasive ductal breast carcinoma Diseases 0.000 description 1
- 201000010985 invasive ductal carcinoma Diseases 0.000 description 1
- 206010073096 invasive lobular breast carcinoma Diseases 0.000 description 1
- 230000006651 lactation Effects 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000012533 medium component Substances 0.000 description 1
- 230000002175 menstrual effect Effects 0.000 description 1
- 230000005906 menstruation Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 229940127234 oral contraceptive Drugs 0.000 description 1
- 239000003539 oral contraceptive agent Substances 0.000 description 1
- 238000007427 paired t-test Methods 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000002488 pyknotic effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 230000004905 short-term response Effects 0.000 description 1
- 206010040872 skin infection Diseases 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 210000004003 subcutaneous fat Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000009121 systemic therapy Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- WZWYJBNHTWCXIM-UHFFFAOYSA-N tenoxicam Chemical compound O=C1C=2SC=CC=2S(=O)(=O)N(C)C1=C(O)NC1=CC=CC=N1 WZWYJBNHTWCXIM-UHFFFAOYSA-N 0.000 description 1
- 229960002871 tenoxicam Drugs 0.000 description 1
- 230000004797 therapeutic response Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000005751 tumor progression Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4312—Breast evaluation or disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
- A61B8/145—Echo-tomography characterised by scanning multiple planes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/40—Positioning of patients, e.g. means for holding or immobilising parts of the patient's body
- A61B8/406—Positioning of patients, e.g. means for holding or immobilising parts of the patient's body using means for diagnosing suspended breasts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
- A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
-
- 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
- A61N2005/1058—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using ultrasound imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Physiology (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
Description
相互参照
本願は、2019年12月17日に出願された米国仮特許出願第62/948,993号、2019年12月17日に出願された米国仮特許出願第62/949,004号および2019年12月20日に出願された米国仮特許出願第62/952,000号の優先権を主張し、その全内容は参照により本明細書中に組み込まれる。
本願は、2019年12月17日に出願された米国仮特許出願第62/948,993号、2019年12月17日に出願された米国仮特許出願第62/949,004号および2019年12月20日に出願された米国仮特許出願第62/952,000号の優先権を主張し、その全内容は参照により本明細書中に組み込まれる。
背景
本開示は、特に、癌リスク、検出および処置後の監視を含む、乳房組織などの組織を診断および監視するための医療システム、装置および方法に関する。
本開示は、特に、癌リスク、検出および処置後の監視を含む、乳房組織などの組織を診断および監視するための医療システム、装置および方法に関する。
医師は、特に乳癌検出のために、組織の硬度(stiffness:凝り、こわばり)の差を生じさせ得る病理学的変化を明確化するために数百年間にわたって触診を使用してきた。しかしながら、臨床的乳房検査には周知の欠点があり、その欠点には、乳癌検出に対する54%という限定的な感度が含まれる。硬度はまた、良性および悪性の腫瘤の違いの特徴付けを支援するために多くの組織において超音波(US)によって局所的に評価されているが、一般的には1次元の弾性特性に関連する。1次元応力のこれらの弾性特性は、軸方向および垂直なUS面における組織歪みに関連し、それによって標的組織の弾性率(すなわちヤング率)および剪断弾性率をそれぞれ近似する。しかしながら、軟性組織は単純な機械的性質を持たず、それにより、単一のパラメータでそれらの弾性挙動を特徴付けすることが困難になっている。
局所的に進行した乳癌は、困難な臨床的問題に相当する。局所的に進行した疾患を有する多くの患者は、再発を経験し、最終的にはその疾患により死亡する。National Cancer InstituteのSurveillance,Epidemiology,and End Results(SEER)プログラムからのデータは、およそ14,000名の女性が局所進行乳癌と診断されることを示す。ステージIII乳癌の女性に対する5年相対生存率は約55%である。
ネオアジュバント化学療法(NAC)は、局所進行乳癌腫を制御する能力を高め、乳房保存手術(BCS)を行い易くする。それは、局所的に進行し、炎症性である乳癌を有する患者、または米国でBCSを推進したい患者に対する標準ケアとなっている。患者の約60~90%が療法に対して臨床応答を達成し;患者のおよそ10~40%が無応答者であり、患者の約10~40%が病理学的完全奏効を達成する。
全ての患者が化学療法に応答するわけではなく、応答する場合、その応答は非常に多様であるため、NACに対する個々の患者の応答を正確に評価、監視および予測するために役立つ臨床テクノロジーまたは技術の普遍的で費用効果の高い採択はない。
超音波断層撮影(UST)は、乳癌を検出するためのマンモグラフィおよび磁気共鳴画像法を超える様々な長所を提供する。例えば、超音波断層撮影法は、電離放射線を使用しない、両方法に対する安価で安全な代替法を提供し得る。超音波断層撮影法およびシステムは、理想的には、少なくとも競合する方法と同様に、乳癌および/または乳癌に罹患するリスクを検出するはずである。
要旨
本開示は、特にリスク評価、癌検出および/または処置プロトコール中および/または処置プロトコール後の監視のために、乳房組織などの組織を特徴付ける、および/または診断するための、改善されたシステム、装置および方法に関する。
本開示は、特にリスク評価、癌検出および/または処置プロトコール中および/または処置プロトコール後の監視のために、乳房組織などの組織を特徴付ける、および/または診断するための、改善されたシステム、装置および方法に関する。
本開示のシステムおよび方法は、乳癌に対するリスク因子としての乳房音速の評価を提供する。音速は、乳房密度(BD)の代理尺度であり得、推論により、乳癌に対する潜在的リスク因子となり得る。本開示のシステムおよび方法は、音速と乳癌リスクとの間の直接的な関連を実証する。
本開示のシステムおよび方法は、体積平均音速(VASS)を使用し、これは、マンモグラフィ密度(MD)よりも強く乳癌(BC)リスクに依存し得、したがって、標準リスクモデル(例えば、GailまたはTyrer-Cuzick)の精度を高める可能性がある。VASS単独を超えて、初期密度の硬さ成分、線維腺、VASSの成分によってもさらにリスクが分類され得る。本開示が提供する可能性のある利益としては、(i)リスク軽減処置または予防療法に対する潜在的な候補である極めて高いリスクがある女性、(ii)スクリーニングの強化から利益を得る可能性がある中程度に向上したリスクがある女性および(iii)スクリーニング頻度を少なくすることを認めるために十分低リスクである女性を特定することが挙げられるが限定されない。さらに、本開示は、UST評価が放射線の懸念なくリスクに基づくスクリーニングを可能にする場合にはより若い女性に拡張され得るリスク層別化を提供する。本開示は、放射線を使用せず、より若い女性における乳房密度および検出パターンの理解に適用可能であり、それに関連する方法を提供する。したがって、UST法は、特に長期的な若年齢リスク層別化および長期監視の領域において、マンモグラフィよりも広い適用範囲を有し得る。
また、特に正常密度の乳房実質に対する、マルチパラメトリックな機械的組織特性に近似する組織の硬度の臨床的に実用的な全乳房評価も必要とされている。さらに、高密度乳房の女性におけるより大きな癌リスクは、マンモグラフィによって同様に高密度の疑わしい腫瘤を検出することがより困難であることによって複雑になる。
処置介入後、より早期に応答性が低いかまたは応答がない患者を特定することによって、異なるレジメンへの時宜を得た切り替えが可能になり、および/または手術を早めることになろう。これらのカテゴリーの患者は、疾患を安定化させるおよび/または回復の可能性があることによって利益を得、それによって罹患率および死亡率が低下する。
処置過程において早期に無応答者を特定する能力は、代替レジメンへの変更に対する重要である可能性がある指針を提供し、それによって不必要なNAC副作用に苦しむ患者を最小限に抑え、さらなる腫瘍進行を予防する。さらに、病理学的完全奏効(pCR)を予測することは、FDAが迅速な承認を支援するためのエンドポイントとしてpCRを受け入れていることを考えると、乳癌薬物開発にとって非常に有益であろう。応答を監視するための実用的な方法なしでは、画像支援化学療法における顕著な改善の可能性は低い。
本開示の態様によれば、腫瘍サイズ変化、腫瘍軟化および密度の測定結果は、超音波断層撮影(UST)で正確に測定および定量し得る。USTは、標準的なイメージングおよび手作業の触診よりも測定基準を改善し得る。
乳房組織のボリュームの画像を分析する方法が本明細書中で開示されており、この方法は、コンピュータシステムでボリュームの少なくとも1つの超音波断層撮影画像を受信することと、コンピュータシステムを使用してボリューム内の体積平均音速を決定することと、体積平均音速から乳癌を発症するリスクを判定することと、を含む。ボリュームは、乳房の体積全体の少なくとも30%を含み得る。乳房の画像は、癌性腫瘤を含み得ない。乳房の画像は、40歳未満の患者の乳房を含み得る。乳房の画像は、癌に罹患した乳房の反対側の乳房の画像を含み得る。本方法は、2D画像のスタック内の複数の2D画像の直接画素数によって組織のボリュームの体積(V)を決定することと、直接画素数内の各画素に対する音速を合計し、体積で除することによって、体積平均音速を決定することをさらに含み得る。本方法は、リスクに関連するパラメータをリスクモデルに組み込むことをさらに含み得る。リスクモデルは、GailモデルまたはTyrer-Cuzikモデルを含み得る。本方法は、ボリュームの少なくとも1つの超音波断層撮影画像から乳房の高音速組織のパーセントを決定することをさらに含み得る。高音速組織のパーセントを決定することは、高音速組織を含むマスクを作成することを含み得る。マスクは、音声反射画像から作成され得る。マスクは、k平均セグメンテーションアルゴリズムを使用して作成され得る。この方法は、体積平均音速または高音速組織のパーセントをマンモグラフィパーセント密度と比較することを含み得る。リスクはマンモグラフィデータなしで計算し得る。リスクはスコアを含み得る。スコアは、1~5のスケールの数字であり得る。乳癌を発症するリスクは、乳癌を再発症するリスクであり得る。本方法は、複数の時点にわたるボリューム内の体積平均音速を決定することをさらに含み得る。複数の時点は、処置が提供される持続時間の少なくとも一部を含み得る。持続時間は、予防期間またはアジュバント期間中であり得る。処置は、化学療法処置、放射線療法処置、凍結療法処置、高周波アブレーション処置、集束超音波処置およびエレクトロポレーション処置からなる群から選択される少なくとも1つの要素を含み得る。処置は予防的処置であり得る。処置は、タモキシフェン、ラロキシフェン、他の抗エストロゲン薬、食事療法および/または生活様式介入の使用を含み得る。ボリュームは、少なくとも20%の非癌性組織を含み得る。実行される際に本明細書中に記載の方法を実行する命令を含むコンピュータシステムが本明細書中で開示される。処置計画に対する応答を判定する方法が本明細書中で開示され、この方法は、乳房組織のボリュームから複数の画像を受信することであって、複数の画像が、超音波断層撮影画像を含み、複数の画像が複数の時点に対応する、受信することと、乳房組織のボリューム内の関心領域の、組織体積、体積平均音速および硬度を決定することと、複数の時点にわたる体積、体積平均音速および硬度から複合メトリックを生成することと、複数の時点にわたる複合メトリックに基づいて処置計画に対する非奏効、部分奏効または完全奏効のうち1つとして組織を特徴付けることと、を含む。特徴付けることは、処置計画の開始前および/または開始から30日以内に行われ得る。特徴付けることは、処置計画の開始前および/または開始から14日以内に行われ得る。処置計画は、ネオアジュバント化学療法を含み得る。複数の時点は、予防期間またはアジュバント期間中である。処置計画は、化学療法処置、放射線療法処置、凍結療法処置、高周波アブレーション処置、集束超音波処置およびエレクトロポレーション処置からなる群から選択される少なくとも1つの要素を含み得る。処置計画は予防的処置であり得る。処置は、タモキシフェン、ラロキシフェン、他の抗エストロゲン薬、食事療法および/または低生活様式介入(lifestyle interventions low)の使用を含み得る。実行される際に本明細書中に記載の方法を実行する命令を含むコンピュータシステムが本明細書中で開示される。
乳房組織のボリュームの画像を分析する方法が本明細書中で開示され、この方法は、コンピュータシステムでボリュームの少なくとも1つの超音波断層撮影画像を受信することと、少なくとも1つの超音波断層撮影画像から硬度マップを作成することと、コンピュータシステムを使用して、第1のタイプの組織および第2のタイプの組織の相対的硬度パーセンテージを定量化することと、を含む。本方法は、第1のタイプの組織および第2のタイプの組織、硬度またはその両方によって組織群を生成するために画像分割工程を適用することをさらに含み得る。第1のタイプの組織および第2のタイプの組織によって組織群を生成するための画像分割工程は、音速画像を使用することを含み得る。第1のタイプの組織は、線維腺組織であり得る。第2のタイプの組織は脂肪組織であり得る。硬度によって組織群を生成するための画像分割工程は、音速および減衰データを組み合わせることを含み得る。定量化することは、組織のボリューム内の関心領域に対して相対的硬度パーセンテージを定量化することを含み得る。定量化することは、組織のボリュームの少なくとも30%に対して、相対的硬度パーセンテージを定量化することを含み得る。本方法は、空間フィルタを除去し、フィルタリングされた画像をフィルタリングされていない画像と比較することをさらに含み得る。フィルタリングされた画像をフィルタリングされていない画像と比較することは、加算、減算、除算、乗算、平均化および重畳のうちの1またはそれを超えるものを含み得る。この方法は、フィルタリングされた画像を使用して、組織のボリューム内の関心領域の相対的硬度パーセンテージを定量化することをさらに含み得る。この方法は、フィルタリングされていない画像を使用して、組織のボリュームの少なくとも30%に対する相対的硬度パーセンテージを定量化することをさらに含み得る。本方法は、硬度分布を定量化するための硬度指標または別のパラメータによって、硬度分布を定量化することをさらに含み得る。同定することは、相対的硬度パーセンテージに基づいて、腫瘤を嚢胞、線維腺腫、癌、良性腫瘤または未同定の腫瘤のうちの少なくとも1つとして特徴付けることを含み得る。本方法は、組織のボリューム内の硬度の統計学的パターンを分析することをさらに含み得る。統計学的パターンは、2次統計量、3次統計量またはラジオミクスのうちの少なくとも1つを含み得る。分析することは、少なくとも部分的に機械学習システムを用いて実施され得る。分析することは、または硬度画像の質感を定量化するための均一性指標または別のパラメータの計算を含み得る。硬度画像の質感を定量化することは、2次統計量、3次統計量またはラジオミクスのうちの少なくとも1つを含み得る。硬度マップは、音速マップおよび音波減衰マップから導出され得る。アジュバント療法およびネオアジュバント療法に対する応答を監視するために、関心領域に対して相対的硬度パーセンテージを定量化することを使用し得る。化学的予防、食事療法介入およびタモキシフェン、ラロキシフェンまたは他のホルモン操作などのアジュバント療法を監視するために、組織のボリュームの少なくとも30%に対する相対的硬度パーセンテージを定量化することを使用し得る。この方法は、相対的硬度パーセンテージに基づいて乳癌のリスクを決定することをさらに含み得る。本方法は、リスクに関連するパラメータをリスクモデルに組み込むことをさらに含み得る。リスクモデルは、GailモデルまたはTyrer-Cuzikモデルを含み得る。本方法は、コンピュータシステムで少なくとも1つの超音波断層撮影画像に空間フィルタを適用することをさらに含み得る。硬度指標は、BI-RADSカテゴリーを含み得る。BI-RADSカテゴリーは、硬い、中間、または軟らかい、であり得る。本方法は、腫瘍周囲領域の位置を定量化することをさらに含み得る。本方法は、腫瘍周囲領域を癌または嚢胞として同定するために、腫瘍周囲領域の位置を使用することをさらに含み得る。腫瘍周囲領域は、脂肪組織と線維腺組織との境界の癌として同定され得る。腫瘍周囲領域は、線維腺組織により取り囲まれる嚢胞として同定され得る。実行される際に本明細書中に記載の方法を実行する命令を含むコンピュータシステムが本明細書中で開示される。
参照による組み込み
本明細書中で言及される全ての刊行物、特許および特許出願は、各個々の刊行物、特許または特許出願が参照により組み込まれることが具体的かつ個別に示されているのと同程度に、参照により本明細書中に組み込まれる。
本明細書中で言及される全ての刊行物、特許および特許出願は、各個々の刊行物、特許または特許出願が参照により組み込まれることが具体的かつ個別に示されているのと同程度に、参照により本明細書中に組み込まれる。
本発明の新規の特性は、添付の特許請求の範囲に詳細に記載されている。本発明の特徴および利点のより良い理解は、本発明の原理が利用される例示的な実施形態を説明する以下の詳細な説明、および添付の図面を参照することによって得られるであろう。
詳細な説明
ここで、様々な実施形態を詳細に参照し、その例が添付の図面で示される。以下の詳細な説明では、本開示および記載された実施形態の完全な理解を提供するために、多数の具体的な詳細が記載される。しかし、本発明の実施形態は、必要に応じて、これらの具体的な詳細なく実施される。他の例では、実施形態の態様を不必要に不明瞭にしないように、周知の方法、手順、構成要素および回路は詳細に説明していない。図面において、同様の参照番号は、同様または類似の段階または構成要素を示す。
ここで、様々な実施形態を詳細に参照し、その例が添付の図面で示される。以下の詳細な説明では、本開示および記載された実施形態の完全な理解を提供するために、多数の具体的な詳細が記載される。しかし、本発明の実施形態は、必要に応じて、これらの具体的な詳細なく実施される。他の例では、実施形態の態様を不必要に不明瞭にしないように、周知の方法、手順、構成要素および回路は詳細に説明していない。図面において、同様の参照番号は、同様または類似の段階または構成要素を示す。
本明細書中で使用される用語は、特定の実施形態のみを説明するためのものであり、特許請求の範囲を限定することを意図するものではない。実施形態および添付の特許請求の範囲の説明で使用される場合、単数形「a」、「an」および「the」は、文脈が明らかにそうでないことを示さない限り、複数形も含むことが意図される。本明細書中で使用される場合、「および/または」という用語は、関連する列挙された項目のうちの1またはそれを超えるもののありとあらゆる可能な組み合わせを指し、包含することも理解されよう。「含む(comprises)」および/または「含んでいる(comprising)」という用語は、本明細書中で使用される場合、記載された特性、整数、段階、動作、要素、および/または構成要素の存在を指定するが、1またはそれを超えるものの他の特性、整数、段階、動作、要素、構成要素および/またはそれらの群の存在または追加を排除するものではないことがさらに理解されよう。
本明細書で使用される場合、「もし(if)」という用語は、文脈に応じて、記載された前提条件が真であると「判定されたとき」または「判定時」または「判定に応答して」またはそうであるとした「判定に従い」またはそうであるという「検出に応答して」を意味するように必要に応じて解釈される。同様に、「[記載された条件の前提が真である]と判定された場合」または「[記載された条件の前提が真である]ならば」または「[記載された条件の前提が真である]場合」という語句は、必要に応じて、文脈に応じて、記載された条件の前提が真であることの「判定時に」または「判定に応答して」または「判定に応じて」または「検出時に」または「検出に応答して」を意味すると解釈される。
本明細書中で使用される場合、特に明記しない限り、「約」または「およそ」という用語は、当業者によって決定されるような特定の値に対する許容され得る誤差を意味し、これは、値がどのように測定または決定されるかに一部依存する。特定の実施形態では、「約」または「およそ」という用語は、1、2、3または4の標準偏差以内であることを意味する。特定の実施形態では、「約」または「およそ」という用語は、所与の値または範囲の30%、25%、20%、15%、10%、9%、8%、7%、6%、5%、4%、3%、2%、1%、0.5%、0.1%または0.05%以内であることを意味する。
本明細書中で使用される場合、「含む(comprises)」、「含むこと(comprising)」という用語、またはそれらの何らかの他の変形物は、非排他的な包含を網羅することを意図しており、その結果、要素のリストを含む工程、方法、物品または装置は、それらの要素のみを含むのではなく、明示的に列挙されていない、またはそのような工程、方法、物品もしくは装置に固有の他の要素を含み得る。
本明細書中で使用される場合、「対象」および「患者」という用語は互換的に使用される。本明細書中で使用される場合、「対象」および「(複数の)対象」という用語は、動物(例えば、鳥類、爬虫類および哺乳動物)、霊長類(例えばサル、チンパンジーおよびヒト)および非霊長類(例えばラクダ、ロバ、シマウマ、ウシ、ブタ、ウマ、ネコ、イヌ、ラットおよびマウス)を含む哺乳動物を指す。特定の実施形態では、哺乳動物は、0~6カ月齢、6~12カ月齢、1~5歳、5~10歳、10~15歳、15~20歳、20~25歳、25~30歳、30~35歳、35~40歳、40~45歳、45~50歳、50~55歳、55~60歳、60~65歳、65~70歳、70~75歳、75~80歳、80~85歳、85~90歳、90~95歳または95~100歳である。
本明細書で使用される場合、「乳房密度」という用語は、マンモグラフィ撮像中に乳房を貫通する際のX線の減衰を指し、マンモグラフィパーセント密度とも呼ばれる。マンモグラフィによるより高減衰のより高密度の組織は、線維腺組織および/または間質組織の組織学的相関を有するが、一方で低密度組織は主に脂肪を含む。したがって、それらの高密度組織の組織学的相関を表すイメージングモダリティは、依然として「乳房密度」という用語の元の使用を表すと考えられ得る。磁気共鳴画像法(MRI)の場合、線維腺組織および/または間質組織からのより明るい水シグナルは、マンモグラフィのより高密度の組織に相当し、線維腺組織の体積および/またはパーセンテージとしても表示される。超音波断層撮影(UST)の場合、これらの線維腺組織および/または間質組織の視覚化は、音波の速度および/または減衰のより高い測定値によって表され、線維腺組織の体積および/またはパーセンテージとしても表示される。
体積平均音速を使用した癌リスク評価
臨床的乳癌リスク評価は、家族歴、生殖およびライフサイクル因子、ならびに過去の放射線学的所見などの確立された乳癌リスク因子を含むモデルに基づく。GailモデルおよびTyrer-Cuzickモデルは、本開示のシステムおよび方法と組み合わせて使用され得る2つのツールの例である。例えば、Gail MHら(1989)Projecting individualized probabilities of developing breast cancer for white females who are being examined annually.Journal of the National Cancer Institute 81(24):1879-1886およびBrentnall,A.R.ら(2015年12月),Mammographic density adds accuracy to both the Tyrer-Cuzick and Gail breast cancer risk models in a prospective UK screening cohort.Breast Cancer Research 17(1)、147+を参照のこと(これらの各々は、参照によりその全体が本明細書中に組み込まれる)。そのようなモデルは、集団レベルで寿命リスクの正確な推定値を提供し得る一方で、個別化されたリスク予測は、少なくとも一部の例では不十分である。識別力の尺度の例は、受信者動作特性曲線下面積を表すコンコーダンス(c)統計量である。ほとんどの乳癌リスクモデルに対するC統計量は平均0.6前後であり、リスク予測モデルが正確であるのは60%の時間のみであることを示す。したがって、それらの識別精度を向上させることを期待して、現在のモデルに新しいリスク要因を追加することに関心が寄せられている。
臨床的乳癌リスク評価は、家族歴、生殖およびライフサイクル因子、ならびに過去の放射線学的所見などの確立された乳癌リスク因子を含むモデルに基づく。GailモデルおよびTyrer-Cuzickモデルは、本開示のシステムおよび方法と組み合わせて使用され得る2つのツールの例である。例えば、Gail MHら(1989)Projecting individualized probabilities of developing breast cancer for white females who are being examined annually.Journal of the National Cancer Institute 81(24):1879-1886およびBrentnall,A.R.ら(2015年12月),Mammographic density adds accuracy to both the Tyrer-Cuzick and Gail breast cancer risk models in a prospective UK screening cohort.Breast Cancer Research 17(1)、147+を参照のこと(これらの各々は、参照によりその全体が本明細書中に組み込まれる)。そのようなモデルは、集団レベルで寿命リスクの正確な推定値を提供し得る一方で、個別化されたリスク予測は、少なくとも一部の例では不十分である。識別力の尺度の例は、受信者動作特性曲線下面積を表すコンコーダンス(c)統計量である。ほとんどの乳癌リスクモデルに対するC統計量は平均0.6前後であり、リスク予測モデルが正確であるのは60%の時間のみであることを示す。したがって、それらの識別精度を向上させることを期待して、現在のモデルに新しいリスク要因を追加することに関心が寄せられている。
マンモグラフィ密度(MD)をGailモデルに追加することによって、乳癌リスク予測が改善され得、より新しいリスクモデルにおいてマンモグラフィ密度を組み込む努力が進んでいるが;しかしながら、C統計量の増加はわずかであり、0.01~0.06の範囲である。
マンモグラフィ(トモシンセシスを含む)を使用するBD測定の現在の方法は、乳房の完全な非圧縮体積ではなく、乳房の1またはそれを超える2次元投影面積に基づき得る。マンモグラムで体積乳房密度(BD)を測定する試みは、投影面積の測定と比較してリスク評価を改善していない。圧縮された乳房の厚さから体積情報を復元する試みが困難であることにより、リスクモデルに対するマンモグラフィパーセンテージ密度(MPD)の効果が制限され得る。
さらに、マンモグラフィ密度の上昇は、マンモグラフィスクリーニング年齢未満であるが予防的介入から利益を得る可能性がある若年女性の間で最も強い効果をもたらし得る。マンモグラフィが少数ではあるがかなりの数の癌を誘発するという懸念のために、若い女性を電離放射線に曝露することなく密度を評価することは有益であり得る。しかしながら、現在のところ、臨床診療においてそのようなアプローチは実施されていない。若い女性では密度の上昇が平均してより高くなり得、予防努力が最も影響力を持ち得る初期年齢ではリスク予測が特に重要であるため、これは残念である。
磁気共鳴画像法(MRI)は、乳房密度の類似値を測定し、これは、よりマンモグラフィ的な表現(すなわちMPD)であり、これにより、組織は、密度と同様に、線維腺組織および脂肪のパーセンテージの同等のカテゴリーに相当する2つの群にセグメント化され得る。磁気共鳴画像法(MRI)は、BDを測定するために、およびより若い女性で使用するために、マンモグラフィよりも優れている可能性があるが、(i)スクリーニングのために日常的に使用されておらず、BD評価には別個の検査が必要であること、(ii)MRIは依然として高価であり、したがって多くの施設にとって利用可能ではないこと、および(iii)マンモグラフィと比較して検査時間が長いことから、広く採用されていない。放射線を用いない体積イメージングの利点を低コストおよび短い検査時間と組み合わせる代替的なアプローチが非常に望ましいであろう。しかしながら、MRは、その3D体積表示ゆえに、マンモグラフィのパーセント密度よりも正確であり得る。
いくつかの態様では、線維腺組織および脂肪の体積パーセンテージのカテゴリーを表す点でMRIと同様である、超音波断層撮影(UST)に由来する乳房組織の音速測定に基づくBDの類似物が本明細書中で開示される。UST法は、真の体積測定値を使用し得、マンモグラフィとは異なり、測定値は定量的かつ非電離性である。
図1は、超音波断層撮影(UST)を使用して測定された音速測定値のスタックの例を示す。図1は、4つのBreast Imaging Reporting and Database System Score(BIRADS)乳房密度カテゴリーにわたる画像を示す:(a)乳房はほぼ完全に脂肪101;(b)線維腺濃度の散在領域が存在102;(c)乳房または不均一な密度であり、これが小さな腫瘤を遮り得る103;(d)乳房が非常に高密度104であり、マンモグラフィの感度を低下させる。この表現は、(a)<25%;(b)25~50%;(c)50~75%および;(d)75~100%の乳房密度パーセンテージを任意に推定した、前のBI-RADSバージョンよりも、マンモグラフィを使用する乳癌スクリーニングの関連工程に機能的に関連する。UST技術はまた、若年女性において乳房密度(BD)および乳癌(BC)リスクを研究するための機会も提供する。上記のように、マンモグラフィを使用するBDの測定は、若年女性を許容できない生涯レベルの放射線に曝露するので、これは代役が立てられる領域である。米国では、18歳~40歳の7000万人の女性がこのカテゴリーに入る。
さらに、放射線科医の推定またはコンピュータ支援測定のいずれかによるマンモグラフィに基づいてBDを測定する現在の方法は、リスクモデルにBDを含めることによって達成可能なリスク層別化を制限し得る。この研究の少なくとも1つの目的は、乳癌に対する潜在的な新規のUSTに基づくリスク因子としてVASSを評価することであった。乳房が高密度(すなわち、より大きなパーセンテージの線維腺組織および/または間質組織)であることは非常に一般的であり、患者は、女性スクリーニング集団(例えば40~80歳)の最大45%を含め、不均一または極めて高密度の乳房としてマンモグラフィ的に分類されており;したがって、リスク評価の精度の小さな改善でさえも、集団レベルでのリスク層別化のための音速の有用性に大きな影響を与え得る。
本開示のシステムおよび方法は、乳癌に対するリスク因子としての乳房音速の評価を提供する。音速は、乳房密度(BD)の代理尺度であり得、推論により、乳癌に対する潜在的リスク因子となり得る。本開示のシステムおよび方法は、音速と乳癌リスクとの間の直接的な関連を実証する。
本開示のシステムおよび方法は、体積平均音速(VASS)を使用し、これは、マンモグラフィ密度(MD)よりも強く乳癌(BC)リスクに依存し得、したがって、標準リスクモデル(例えば、GailまたはTyrer-Cuzick)の精度を高める可能性がある。本開示が提供する可能性のある利益としては、(i)リスク軽減処置または予防療法に対する潜在的な候補である極めて高いリスクがある女性、(ii)スクリーニングの強化から利益を得る可能性がある中程度に向上したリスクがある女性および(iii)スクリーニング頻度を少なくすることを認めるために十分低リスクである女性を特定することが挙げられるが限定されない。さらに、本開示は、UST評価が放射線の懸念なくリスクに基づくスクリーニングを可能にする場合にはより若い女性に拡張され得るリスク層別化を提供する。本開示は、放射線を使用せず、より若い女性における乳房密度および検出パターンの理解に適用可能であり、それに関連する方法を提供する。したがって、UST法は、特に長期的な若年齢リスク層別化および長期監視の領域において、マンモグラフィよりも広い適用範囲を有し得る。
超音波断層撮影データとマンモグラフィとの比較
図2は、マンモグラム201の一例を、Volpara読み取り202後の出力と共に示す。示されるように、Volpara読み取り出力は、幾分かの乳房密度情報を出力する。マンモグラフィ乳房密度(BD)の上昇は、乳癌を発症するリスクを上昇させ得る。いくつかの態様では、BDのイメージングバイオマーカーとしての音速の実行可能性を評価するためのマンモグラフィ(Volpara)での密度判定のための確立された3D法に対する超音波断層撮影(UST)の直接比較が本明細書中で開示される。
図2は、マンモグラム201の一例を、Volpara読み取り202後の出力と共に示す。示されるように、Volpara読み取り出力は、幾分かの乳房密度情報を出力する。マンモグラフィ乳房密度(BD)の上昇は、乳癌を発症するリスクを上昇させ得る。いくつかの態様では、BDのイメージングバイオマーカーとしての音速の実行可能性を評価するためのマンモグラフィ(Volpara)での密度判定のための確立された3D法に対する超音波断層撮影(UST)の直接比較が本明細書中で開示される。
USTは非電離型なので、BDは、スクリーニング年齢未満の女性を含むより広い女性の集団で研究され得る。USTは、より正確なBD情報を提供する可能性を有する、圧縮および放射線なしで得られた定量的情報を提供し、これは、乳癌リスクのより良好な層別化につながる。体積硬度測定は、特により高密度の線維腺/間質組織について、このリスクをさらに層別化し得る。
マンモグラフィでの乳房密度が上昇すると、乳癌検出の感度が低下し得、乳房組織が高密度の女性では、最大35%の乳癌が検出されなくなる。さらに、乳房密度の上昇は、乳癌を発症するリスクが最大で6倍上昇する、非常に高密度の乳房を有する女性の乳癌発症に対する強い独立したリスク因子である。高密度乳房組織に関する著しい法的影響を含む、乳房密度の臨床的意義の認識が高まっている。36の州およびワシントンDCには、放射線科医が女性に書面で個々の乳房組織密度について知らせることを要求する法律があり、多くは、マンモグラフィでは見えない癌を検出するためのさらなる補助スクリーニングを議論する必要性を含んでいる。これらの努力の結果として、現在、高密度乳房通知を全国的に施行するための連邦法が検討されており、FDAは、マンモグラフィを受けている全女性に、自身の密度、ならびにマンモグラフィでは見えない乳癌を検出するための補助スクリーニングの能力を知らせることになる新しい規制を提案している。科学的証拠、社会的意識の高まりおよび求められる報告によって、女性に正確で実用的な乳房密度(BD)情報を提供する緊急の必要性が高まっている。
現在、相互作用的閾値処理に基づくコンピュータ支援測定方法(例えば、Cumulus、Libra、SXA、Quanta、iCAD、Volpara)は、マンモグラフィに基づくBD推定にとって最も正確である。臨床的リスク評価は、予防ストラテジーを促進し、臨床的意思決定を向上させる。これまでのところ、乳癌リスク評価は、家族歴、生殖およびライフサイクル因子、ならびに過去の放射線学的および病理学的所見などの確立された乳癌リスク因子を含むモデルに基づく。乳癌のリスクを評価する最も広く使用されている現在の方法は、GailモデルおよびTyrer-Cuzickモデルである。BDは、乳癌リスクに関連するバイオマーカーである。実際、GailモデルおよびTyrer-CuzickモデルにBDを追加すると、コンコーダンス統計量(concordance statistic)が上昇する。乳癌に対するほとんどの他のリスク因子とは異なり、BDは変更され得、予防的介入に対する標的であり得ることを示唆している。
しかしながら、アドボカシーの努力およびBDがリスクモデルにおける他の変数よりも乳癌リスクと強く関連しているという事実にもかかわらず、BDはリスク予測のために臨床現場で日常的に使用されていない。1つの潜在的な理由は、BDが集団ベースのリスク因子であり、特に放射線科医の定性的な四分位推定値のみを使用する場合、BD測定は個々のリスクを層別化するのに十分に正確ではないことである。標準的なBD測定の制限は、(後述するように)重要であり得る。BDの測定の精度の改善はまた、遺伝的変異体およびホルモンの血中レベルとの病因学的関連を強化し、BDの変化の測定の精度を改善し、日常的なスクリーニングマンモグラフィが開始される前の年齢でBDを使用したリスク評価を可能にする可能性がある。
乳房密度を測定する現在の方法の限界
マンモグラフィにおける乳房のX線写真の様相は、女性の間で異なり、乳房組織組成の変動、およびこれらの組織の異なるX線減衰特性を反映する。マンモグラフィにおけるBDの変動は、乳房におけるコラーゲンの量および上皮細胞および非上皮細胞の両方の細胞数の変動を反映する。マンモグラフィの主要な目標である乳癌の検出を支援するために、画像処理が最大化される。処理は空間的に変動性であり、処理が画像全体にわたって均一ではないことを意味する。さらに、各製造者は独自の処理を行う。処理された画像の生成における製造者間の相違および癌検出をさらに改善するための技術の予想される将来的な進化は、マンモグラフィがBDの測定のための「動く目標」のままである可能性が高いことを意味する。
マンモグラフィにおける乳房のX線写真の様相は、女性の間で異なり、乳房組織組成の変動、およびこれらの組織の異なるX線減衰特性を反映する。マンモグラフィにおけるBDの変動は、乳房におけるコラーゲンの量および上皮細胞および非上皮細胞の両方の細胞数の変動を反映する。マンモグラフィの主要な目標である乳癌の検出を支援するために、画像処理が最大化される。処理は空間的に変動性であり、処理が画像全体にわたって均一ではないことを意味する。さらに、各製造者は独自の処理を行う。処理された画像の生成における製造者間の相違および癌検出をさらに改善するための技術の予想される将来的な進化は、マンモグラフィがBDの測定のための「動く目標」のままである可能性が高いことを意味する。
マンモグラフィは乳房組織を圧迫するので、過去の測定方法の多くは、組織の3次元体積ではなく、乳房の2次元投影面積に基づいていた。VolparaおよびQuantaなどのソフトウェアは、圧縮された乳房の厚さを考慮することによって、および上記の「動く標的」効果を克服するために生データを使用することによって、マンモグラムから3D密度を推定するための方法として導入された。Volparaと組み合わせたマンモグラフィは、今日のBD測定に対するゴールドスタンダードに相当する。しかしながら、これらの方法は、操作者の独立性および自動計算のおかげでよりユーザフレンドリである一方、以前の2D法と比較してリスク推定を改善していない。
二重エネルギーX線吸収(DEXA)および単一X線吸収法(SXA)などのX線イメージングの代替形態は、リスク評価に関する利用可能な情報に影響を及ぼすことができなかった。これらの方法は低線量放射線を使用するが、電離放射線への曝露を最小限に抑えることが有用であるため、放射線を伴わない方法が目標である。正確なBD評価を改善するために、圧縮がない乳房の実際の体積測定に基づく放射線を伴わない方法が必要である。
磁気共鳴画像法(MRI)は、電離放射線を用いずに圧縮がない乳房の全ボリュームを画像化するという利点を有する。MRIはBDを測定するためにマンモグラフィよりも優れている可能性がある一方で、(i)スクリーニングのために日常的に使用されていないため、広く採用されておらず;(ii)MRIマストの高コストは、多くの女性および世界中の多くのセンターにとって利用不可能であり;(iii)マンモグラフィと比較して、検査時間が長く、静脈内造影剤の注入を必要とし、装置が埋め込まれている女性または身体的な癖によってMRIが実行不可能となっている女性では行われ得ない。最大20%の女性がMRI検査を受け得ないか、または受けない可能性がある。実質的に全女性において行われ得る、放射線を用いない、非侵襲的体積イメージングの利点を低コストおよび短い検査時間と組み合わせる代替的なアプローチが非常に望ましいであろう。
乳房密度を測定する方法としての超音波断層撮影(UST)
従来の乳房超音波全体は、放射線を使用せず、MRIと比較して低コストである。しかしながら、乳房は検査中に歪み、高密度組織を脂肪から分離する能力は制限され得る。発明者らは、透過撮像を使用する新しい超音波法を提案した。これは、USTの原理に基づいており、乳房組織の音速特性を測定する。この方法は、真の体積測定値を使用し、マンモグラフィとは異なり、密度測定値は定量的である。この研究では、乳房の体積音速特性を体積MPDと比較するために、USTからの乳房撮像データおよびマンモグラフィからのおよびVolparaデータを使用した。
従来の乳房超音波全体は、放射線を使用せず、MRIと比較して低コストである。しかしながら、乳房は検査中に歪み、高密度組織を脂肪から分離する能力は制限され得る。発明者らは、透過撮像を使用する新しい超音波法を提案した。これは、USTの原理に基づいており、乳房組織の音速特性を測定する。この方法は、真の体積測定値を使用し、マンモグラフィとは異なり、密度測定値は定量的である。この研究では、乳房の体積音速特性を体積MPDと比較するために、USTからの乳房撮像データおよびマンモグラフィからのおよびVolparaデータを使用した。
MRIおよびX線法とは対照的に、USTは、密度および圧縮率などの組織の生体力学的特性を測定する。超音波断層撮影で乳房密度を評価する主な方法は、音速の測定によるものである。ヒトの組織を通る平均音速は、sが(c/ρ)1/2に比例するので、組織密度および弾性に関係し、式中、(c)は弾性定数であり、(ρ)は音波が伝わる組織の物質密度である。ヒトの乳房組織では、cとしての弾性定数スケールはρ3に比例する。音速について上記の式に代入することにより、弾性への依存性を取り除くことが可能になり、それにより、弾性を交絡因子として排除するだけでなく、音速と組織密度との間の線形関係(sはρに比例する)を確立する。
本開示は、少なくとも3つの分野:USTとマンモグラフィとの直接的な体積比較を提供すること;乳房の高音速組織(PHSST)のパーセンテージと、Volparaを利用した体積MPDとの比較;およびより高い解像度の音速画像をもたらす新しいアルゴリズムの使用、においてこの研究分野を進歩させ得る。発明者らは、Volparaを利用する体積MPDとVASSを比較した。Volparaは、BDを体積的に測定する自動マンモグラフィ密度測定ソフトウェアツールであり、したがってUSTの体積音速測定と比較するためのより良好な外部標準を提供する。これは、本研究が実施された時点で発明者らの施設で利用可能な唯一の体積測定方法であったために選択された。体積PHSSTを初めてVolparaと比較し、あるパーセンテージ測定値を別のパーセンテージ測定値と比較することを可能にした。この進歩によって、発明者らの以前の研究と比較して、乳房音速分布のより正確な推定が可能になり得る。
BDの上昇は、乳癌を発症するリスクを上昇させ得るので、音速画像は、電離放射線を使用せずに乳房組織の測定値に対する新たな洞察を提供し得る可能性がある。研究の少なくとも1つの目的は、(i)BDの独立した尺度としてVASSおよびPHSSTの実行可能性を評価し、(ii)VASSおよびPHSSTが3D MPD測定対2D MPD測定で良好に相関するか否かを判定し、(iii)MPDに対する可能な補足または代替としてVASSおよびPHSSTを議論するために、USTで測定されたMPDとVolparaで測定されたMPDとの間の相関を定量化することであった。
リスク予測、ならびに臨床的意思決定および乳癌予防の関連する活動は、マンモグラフィによる測定の誤差およびばらつきの原因を排除することによって改善される可能性が高い。記載されているように、USTは、画像取得および処理の変動に比較的影響されず、乳房圧縮を伴わないかまたは乳房の厚さの知識を必要としないBDの客観的尺度であることを含む様々な非限定的な利点を有し、測定値は固定された物理的尺度、すなわち音速と呼ばれる。BDの測定の精度の改善はまた、遺伝的変異体およびホルモンの血中レベルとの病因学的関連を強化し、BDの変化の測定の精度を改善し、日常的なスクリーニングマンモグラフィが開始される前の年齢でBDを使用したリスク評価を可能にする可能性がある。USTは、より正確なBD情報を提供する可能性を有する、圧縮および放射線なしで得られた定量的情報を提供し、これは、乳癌リスクのより良好な層別化につながる。体積硬度測定は、特により高密度の線維腺/間質組織について、このリスクをさらに層別化し得る。
UST技術により、若年女性においてBDパターンを研究するための機会が与えられる。マンモグラフィを使用するBDの測定は、若年女性を許容できない生涯レベルの放射線に曝露するので、これは代役が立てられる領域である。米国では、18歳~40歳の1億人の女性がこのカテゴリーに入る。しかしながら、癌の発症の基礎となる可能性があるホルモン変化は、この年齢で起こる。乳房密度の変化を追跡し得る技術を有することは、後年の疾患発症の予測に非常に有益であり得る。
さらに、乳房密度は年齢に反比例するため、これらの若い女性は、USTでの乳房密度の評価から利益を得るであろう。これらの若い女性は、高い乳房密度を有する可能性がより高く、図8が示すように、「高密度」乳房を有する女性に対して広範囲の可能性のあるVASS値がある(カテゴリーcまたはd)。したがって、USTは、これらのより高い密度でも、マンモグラフィでは気付かれない可能性が高い乳房密度の変化を検出し得る。
ネオアジュバント化学療法(NAC)に対する応答の監視
臨床的意思決定を支援するイメージングデータも限られており、標準化された方法で日常的に使用されていない。ハンドヘルド超音波(HHUS)が腫瘍サイズを監視するために使用されることが多いが、このアプローチは固有の腫瘍特性を測定せず、したがって、処置の初期段階における応答の高感度の尺度とはならない。例えば、162名の乳癌患者からのインビボ腫瘍測定値を外科手術後の病理学的残存腫瘍サイズと比較し、Peintinger F,Kuerer HM,Anderson Kら、’’Accuracy of Combination of Mammography and Sonography in Predicting Tumor Response in BC Pts After Neoadjuvant Chemotherapy,’’Ann Surg.Oncol 2006 Nov;13:1443-9.Epub 2006 Sep 21に記載のように、標準的なマンモグラフィを乳房超音波と組み合わせた場合に、67%の最良の一致(ベンチマーク)が認められた。
しかしながら、副作用を最小限に抑え、処置および手術計画を最適化するために、療法に対する腫瘍の応答の正確な早期評価が必要とされる。
臨床的意思決定を支援するイメージングデータも限られており、標準化された方法で日常的に使用されていない。ハンドヘルド超音波(HHUS)が腫瘍サイズを監視するために使用されることが多いが、このアプローチは固有の腫瘍特性を測定せず、したがって、処置の初期段階における応答の高感度の尺度とはならない。例えば、162名の乳癌患者からのインビボ腫瘍測定値を外科手術後の病理学的残存腫瘍サイズと比較し、Peintinger F,Kuerer HM,Anderson Kら、’’Accuracy of Combination of Mammography and Sonography in Predicting Tumor Response in BC Pts After Neoadjuvant Chemotherapy,’’Ann Surg.Oncol 2006 Nov;13:1443-9.Epub 2006 Sep 21に記載のように、標準的なマンモグラフィを乳房超音波と組み合わせた場合に、67%の最良の一致(ベンチマーク)が認められた。
しかしながら、副作用を最小限に抑え、処置および手術計画を最適化するために、療法に対する腫瘍の応答の正確な早期評価が必要とされる。
MRIおよびPETイメージングは、処置開始後2週間という早期に応答を予測することが示されている。磁気共鳴イメージング(MRI)は、NACに対する乳癌の臨床応答を定量化するのを支援するために使用されてきた。拡散強調イメージング(DWI)および動的コントラスト増強(DCE)MRIの両者とも、NACに対する初期応答を評価する際に非常に有用である。同様に、陽電子放射断層撮影法(PET)は、臨床応答を定量化するのに役立ってきた。PETイメージングは、化学療法に対する早期応答の予測において大きな有望性を示しており、MRIによって見られるより高い腫瘍血流と直接相関を有し得る。両イメージングマーカーは、一致を評価し、術前計画についての可能性を向上させるための、外科病理所見との相関を可能にした。残念なことに、MRIおよびPETの両方に関連するイメージングのコストが高いことにより、これらのイメージングモダリティの成果および広範な受け入れを検証するために必要な研究が妨げられてきた。さらに、放射線および快適性の懸念、コスト、患者の体位に対するロジスティックな課題、操作者依存性(スキャンの再現性)、長い検査時間、長軸方向画像の再現性/レジストレーションの困難さ、および患者の不快感もまた、これらのイメージングモダリティの採用を妨げている。
本開示の態様は、NACを受けている女性における部分奏効者対完全奏効者の非侵襲的で迅速な特定を提供する。方法は、放射性トレーサーまたはガドリニウムのいずれも使用せずに実施され得る。臨床的意思決定は、無応答者を代替処置に迅速に移行させることによって、およびNACに対する効果的な応答を実証することによって改善され得る。
タモキシフェンに応答したマンモグラフィ乳房密度の低下は、予防的または補助的状況における好ましい応答を予測する。乳房密度の連続的変化の評価には、高精度の、理想的には非電離性のイメージングモダリティが必要である。現在、ラロキシフェンなどの複数の新興ホルモン療法は言うまでもなく、誰がタモキシフェンに反応するかを予測するための迅速な方法はない。乳房密度の変化は、タモキシフェンおよび/またはホルモン療法の有用なバイオセンサーであり得る。乳房密度の変化は、タモキシフェンおよび/または処置プロトコールの遵守および早期治療応答の有用なバイオセンサーであり得る。
乳房全体の硬度の特徴付け
本開示のシステムおよび方法はまた、良性および悪性の腫瘤における高密度実質パターン分布に関連して、超音波断層撮影(UST)による乳房全体の硬さの潜在的な役割を評価するために役立ち得る。本開示のシステムおよび方法は、USTの圧縮性イメージングの表示を改善する。診断情報の表示を改善するために、様々な画像モダリティが評価されている。既知の良性および悪性の腫瘤を有する患者について、相対的な乳房の硬度および実質分布の定量的および定性的両方の体積評価を本明細書中で評価する。改善されたイメージングモダリティは、高密度乳房スクリーニングおよび/または腫瘤の特徴付けのためのトレーニングおよび将来のUST適用を導くために役立ち得る。本明細書中で提供されるシステムおよび方法は、コンピュータ支援検出および/または診断のためのさらなる硬度体積パラメータを提供し得る。
本開示のシステムおよび方法はまた、良性および悪性の腫瘤における高密度実質パターン分布に関連して、超音波断層撮影(UST)による乳房全体の硬さの潜在的な役割を評価するために役立ち得る。本開示のシステムおよび方法は、USTの圧縮性イメージングの表示を改善する。診断情報の表示を改善するために、様々な画像モダリティが評価されている。既知の良性および悪性の腫瘤を有する患者について、相対的な乳房の硬度および実質分布の定量的および定性的両方の体積評価を本明細書中で評価する。改善されたイメージングモダリティは、高密度乳房スクリーニングおよび/または腫瘤の特徴付けのためのトレーニングおよび将来のUST適用を導くために役立ち得る。本明細書中で提供されるシステムおよび方法は、コンピュータ支援検出および/または診断のためのさらなる硬度体積パラメータを提供し得る。
本明細書中で使用される場合、超音波断層撮影(UST)は、音速(SS)および減衰(ATT)の定量的透過特性と円周方向反射を組み合わせた、リングアレイを用いた乳房全体および局限的な腫瘤評価を提供する。UST研究は、SS分解能の著しい改善を含む、マンモグラフィ乳房密度とSSとの優れた相関、ならびにMR実質分布とのさらに良好な相関を実証した。硬度融合(Stiffness Fusion)画像を使用する圧縮性イメージングは元来、対応する反射画像上に重ね合わせられた閾値化SSおよびATT画像として定義されていた。嚢胞内の減衰の相対的な欠如を説明するために、圧縮性イメージング(または硬度)は、関連するフィルタリングオプションと共に、SSおよびATTの積として最近定められた。USTによる現在の圧縮性イメージング評価は、乳房全体の高SS実質内の軟らかい成分から硬い成分のスペクトルを判定する可能性を高める。乳房全体にわたる硬い実質の相対的分布を理解することにより、スクリーニング中の高SS高密度実質からの疑いのある硬い領域の明瞭性が改善される可能性があり得る。USTによる相対的硬度の乳房全体評価はまた、現在の局限的な乳房USエラストグラフィと同様に、鑑別を改善するために基礎にある乳房腫瘤にも拡張し得る。硬度の相対的パーセンテージおよび分布を理解することによって、USTによる乳房全体および腫瘤評価の両方が改善され得る。
乳房全体の硬さは、乳房密度とは別に、独立した乳癌リスク因子であると思われる。しかし、これは局所性にマッピングされておらず、高密度の実質のより硬い成分も描写されていない。標準的なハンドヘルドUSの操作者依存性および/または乳房磁気共鳴(MR)イメージングの利用が限られ、高価であることによって、高密度乳房スクリーニングへの関心は抑えられてきた。乳房全体の硬度は、局所エラストグラフィを使用して標準的なUSによって適切に実行することができず、乳房MRについて限られた基準でしか報告されていない。数カ所の研究施設でしか行われたことがないが、乳房MRエラストグラフィ(MRE)もまた、標準的な乳房MRと比較して時間がかかり、および/または労働集約的であった。高密度乳房を有する患者のMREによる乳房の硬度は、より低密度のカテゴリーの患者よりも高いが、高密度乳房実質の相対的硬度は、患者ごとに評価されていない。
触診の多次元応力は、体積弾性率の3D歪みパラメータに対してより類似し得る。したがって、体積弾性率によって表される組織特性は、均一な圧縮および関連する体積変化に対する材料抵抗を表す。また、体積弾性率は、ヤング率または剪断弾性率のいずれかよりも大きなダイナミックレンジを有し、組織鑑別の可能性を高めることが可能となる。さらに、動物モデルにおける乳癌の転移能は、腫瘍塊の硬度との強い逆相関を示しており、これは細胞外マトリクスの周囲組織反応および、硬い腫瘍ほどその中に大きいコラーゲンがあることに関連すると思われる。さらに、音速、減衰および後方散乱係数の多パラメータの使用によって、インビトロで肝線維症のより良好な分類がもたらされたが、臨床応用には至っていない。
図27は、乳房全体のイメージングおよび腫瘤評価の両方のための硬度画像工程を示す。段階2701において、K平均クラスタリング、閾値処理および/または機械学習などの画像分離/区分工程を使用して、より高密度の乳房組織2703(すなわち実質および腫瘤)を脂肪2702から分離するために、音速(SS)画像を使用し得る。段階2704において、音速(SS)および減衰(ATT)画像を組み合わせて、硬度画像を生成させ、次いでこれを、BI-RADSの第5版(Mendelson,EB,Bohm-Velez M,Berg WAら、ACR BI-RADS Ultrasound,Reston,VA;American College of Radiology,2013年)と同様に、硬い(2705)、中間的な硬さ(2706)および/または軟らかい高密度組織(2707)(これは脂肪組織にも当てはまるが、示されない)の3つの群に任意に同様に分割し得る。次いで、これらの硬度画像は、いくつかの腫瘤の視覚化を潜在的に促進するためにさらなる画像解析が行われ得(例えば空間フィルタリング)、機械学習し、および/または>5mm(すなわち、評価に対する潜在的な腫瘤に相当する)のより分類された硬度の領域を選択的に同定するためにマスクを使用して、硬度のパターンを類型化し得る(例えば、質感解析、2次/3次統計またはラジオミクス)。
組織の特徴付けは、組織を高密度組織(すなわち、実質/間質および全ての一般的な乳房腫瘤)と非高密度組織(すなわち脂肪)とに分離し、次いで音速および減衰画像を適用して硬度画像(SS+ATT)を生成させる2つの工程によって実行され得る。
いくつかの例では、乳房全体の硬度または圧縮性のマップを作成し得、これは、腫瘤が同定されたら、より小さな領域レベルでも検討され得る。いくつかの例では、本明細書中の方法およびシステムは、腫瘤を最初に検出するために領域を視覚化し、腫瘤が見つかれば、その特徴付けを行い得る。偽陽性の領域を限定し、したがって特異度を改善しながら(すなわち、腫瘤を特徴付けながら)、放射線科医の感度(すなわち疑わしい可能性がある腫瘤を発見すること)を改善することを支援し得る一連の後処理分析が本明細書中で開示される。
プロセッサ
いくつかの実施形態では、本明細書中に記載のプラットフォーム、システム、媒体および方法は、デジタル処理装置または同等物のプロセッサを含む。さらなる実施形態では、プロセッサは、装置の機能を実行する1またはそれを超えるハードウェア中央処理装置(CPU)または汎用グラフィックス処理装置(GPGPU)を含む。またさらなる実施形態では、デジタル処理装置は、実行可能な命令を実行するように構成されたオペレーティングシステムをさらに含む。いくつかの実施形態では、デジタル処理装置は、必要に応じてコンピュータネットワークに接続される。さらなる実施形態では、デジタル処理装置は、必要に応じて、ワールドワイドウェブにアクセスするようにインターネットに接続される。またさらなる実施形態では、デジタル処理装置は、必要に応じてクラウドコンピューティングインフラストラクチャに接続される。他の実施形態では、デジタル処理装置は、必要に応じてイントラネットに接続される。他の実施形態では、デジタル処理装置は、必要に応じてデータ記憶装置に接続される。
いくつかの実施形態では、本明細書中に記載のプラットフォーム、システム、媒体および方法は、デジタル処理装置または同等物のプロセッサを含む。さらなる実施形態では、プロセッサは、装置の機能を実行する1またはそれを超えるハードウェア中央処理装置(CPU)または汎用グラフィックス処理装置(GPGPU)を含む。またさらなる実施形態では、デジタル処理装置は、実行可能な命令を実行するように構成されたオペレーティングシステムをさらに含む。いくつかの実施形態では、デジタル処理装置は、必要に応じてコンピュータネットワークに接続される。さらなる実施形態では、デジタル処理装置は、必要に応じて、ワールドワイドウェブにアクセスするようにインターネットに接続される。またさらなる実施形態では、デジタル処理装置は、必要に応じてクラウドコンピューティングインフラストラクチャに接続される。他の実施形態では、デジタル処理装置は、必要に応じてイントラネットに接続される。他の実施形態では、デジタル処理装置は、必要に応じてデータ記憶装置に接続される。
本明細書中の説明によれば、適切なデジタル処理装置は、非限定例として、サーバコンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、ノートブックコンピュータ、サブノートブックコンピュータ、ネットブックコンピュータ、ネットパッドコンピュータ、セットトップコンピュータ、メディアストリーミング装置、ハンドヘルドコンピュータ、インターネットアプライアンス、モバイルスマートフォン、タブレットコンピュータ、パーソナルデジタルアシスタント、ビデオゲームコンソールおよび通信手段を含む。当業者は、多くのスマートフォンが本明細書中に記載のシステムでの使用に適していることを認識するであろう。当業者はまた、選択されたテレビ、ビデオプレーヤ、および必要に応じたコンピュータネットワーク接続を有するデジタル音楽プレーヤが、本明細書中に記載のシステムにおける使用に適していることも認識するであろう。適切なタブレットコンピュータには、当業者にとって公知の、ブックレット、スレートおよびコンバーチブル構成を有するものが含まれる。
いくつかの実施形態では、プロセッサは、実行可能な命令を実行するように構成されたオペレーティングシステムを含む。オペレーティングシステムは、例えば、プログラムおよびデータを含むソフトウェアであり、装置のハードウェアを管理し、アプリケーションの実行のためのサービスを提供する。当業者であれば、適切なサーバオペレーティングシステムには、非限定例として、FreeBSD、OpenBSD、NetBSD(登録商標)、Linux(登録商標)、Apple(登録商標)Mac OS X Server(登録商標)、Oracle(登録商標)Solaris(登録商標)、Windows(登録商標) Server(登録商標)およびNovell(登録商標)NetWare(登録商標)が含まれることを認識するであろう。当業者であれば、適切なパーソナルコンピュータオペレーティングシステムには、非限定例として、Microsoft(登録商標)Windows(登録商標)、Apple(登録商標)Mac OS X(登録商標)、UNIX(登録商標)およびGNU/Linux(登録商標)などのUNIX(登録商標)系オペレーティングシステムが含まれることを認識するであろう。いくつかの実施形態では、オペレーティングシステムはクラウドコンピューティングによって提供される。当業者であれば、適切なモバイルスマートフォンオペレーティングシステムには、非限定例として、Nokia(登録商標)Symbian(登録商標)OS、Apple(登録商標)iOS(登録商標)、Research In Motion(登録商標)BlackBerry(登録商標) OS(登録商標)、Google(登録商標)Android(登録商標)、Microsoft(登録商標)Windows(登録商標) Phone(登録商標)OS、Microsoft(登録商標)Windows(登録商標) Mobile(登録商標)OS、Linux(登録商標)およびPalm(登録商標)WebOS(登録商標)が含まれることも認識するであろう。当業者はまた、適切なメディアストリーミング装置のオペレーティングシステムが、非限定例として、Apple TV(登録商標)、Roku(登録商標)、Boxee(登録商標)、Google TV(登録商標)、Google Chromecast(登録商標)を含むことも認識するであろう。
Amazon Fire(登録商標)およびSamsung(登録商標)HomeSync(登録商標)。当業者はまた、適切なビデオゲームコンソールオペレーティングシステムが、非限定例として、Sony(登録商標)PS3(登録商標)、Sony(登録商標)PS4(登録商標)、Microsoft(登録商標)Xbox 360(登録商標)、Microsoft Xbox One、Nintendo(登録商標)Wii(登録商標)、Nintendo(登録商標)Wii U(登録商標)およびOuya(登録商標)を含むことを認識するであろう。
いくつかの実施形態では、プロセッサは、記憶装置および/またはメモリ装置を含む。記憶装置および/またはメモリ装置は、一時的または永続的にデータまたはプログラムを記憶するために使用される1またはそれを超える物理器械である。いくつかの実施形態では、装置は揮発性メモリであり、記憶された情報を維持するために電力を必要とする。いくつかの実施形態では、装置は不揮発性メモリであり、プロセッサに電力が供給されていないときに記憶された情報を保持する。さらなる実施形態では、不揮発性メモリはフラッシュメモリを含む。いくつかの実施形態では、不揮発性メモリは、ダイナミックランダムアクセスメモリ(DRAM)を含む。いくつかの実施形態では、不揮発性メモリは、強誘電体ランダムアクセスメモリ(FRAM(登録商標))を含む。いくつかの実施形態では、不揮発性メモリは、相変化ランダムアクセスメモリ(PRAM)を含む。他の実施形態では、装置は、非限定例として、CD-ROM、DVD、フラッシュメモリ装置、磁気ディスクドライブ、磁気テープドライブ、光ディスクドライブおよびクラウドコンピューティングベースの記憶装置を含む記憶装置である。さらなる実施形態では、ストレージおよび/またはメモリ装置は、本明細書中で開示されているものなどの装置の組み合わせである。
いくつかの実施形態では、プロセッサは、視覚情報をユーザに送信するためのディスプレイを含む。いくつかの実施形態では、ディスプレイは液晶ディスプレイ(LCD)である。さらなる実施形態では、ディスプレイは薄膜トランジスタ液晶ディスプレイ(TFT-LCD)である。いくつかの実施形態では、ディスプレイは有機発光ダイオード(OLED)ディスプレイである。様々なさらなる実施形態では、OLEDディスプレイは、パッシブマトリクスOLED(PMOLED)またはアクティブマトリクスOLED(AMOLED)ディスプレイである。いくつかの実施形態では、ディスプレイはプラズマディスプレイである。他の実施形態では、ディスプレイはビデオプロジェクタである。また他の実施形態では、ディスプレイは、VRヘッドセットなどのプロセッサと通信するヘッドマウントディスプレイである。さらなる実施形態では、適切なVRヘッドセットとしては、非限定的な例として、HTC Vive、Oculus Rift、Samsung Gear VR、Microsoft HoloLens、Razer OSVR、FOVE VR、Zeiss VR One、Avegant Glyph、Freefly VRヘッドセットなどが挙げられる。またさらなる実施形態では、ディスプレイは、本明細書中で開示されているものなどの装置の組み合わせである。
いくつかの実施形態では、プロセッサは、ユーザから情報を受信するための入力装置を含む。いくつかの実施形態では、入力装置はキーボードである。いくつかの実施形態では、入力装置は、非限定的な例として、マウス、トラックボール、トラックパッド、ジョイスティック、ゲームコントローラ、またはスタイラスを含むポインティング装置である。いくつかの実施形態では、入力装置はタッチスクリーンまたはマルチタッチスクリーンである。他の実施形態では、入力装置は、音声または他の音声入力を捕捉するためのマイクロフォンである。他の実施形態では、入力装置は、動きまたは視覚入力を捕捉するためのビデオカメラまたは他のセンサである。さらなる実施形態では、入力装置はKinect、Leap Motionなどである。またさらなる実施形態では、入力装置は、本明細書中で開示されているものなどの装置の組み合わせである。
図28を参照すると、特定の実施形態では、例示的なプロセッサ110は、ROIの生成、特性抽出、特性選択、分類器モデルの生成またはフィッティング、モデル精度の評価、モデルのオンライン使用などを可能にするようにプログラムされるかまたはそうでなければ構成される。プロセッサ110は、例えば、特性選択、ROI生成、特性抽出など、本開示の様々な態様を調節し得る。この実施形態では、プロセッサ110は、シングルコアもしくはマルチコアプロセッサ、または並列処理用の複数のプロセッサであり得る中央処理ユニット(CPU、本明細書中ではまた「プロセッサ」および「コンピュータプロセッサ」)2805を含む。プロセッサ110はまた、メモリまたはメモリ位置2810(例えば、ランダムアクセスメモリ、読み出し専用メモリ、フラッシュメモリ)と、電子記憶ユニット2815(例えばハードディスク)、1またはそれを超える他のシステムと通信するための通信インターフェース2820(例えば、ネットワークアダプタ、ネットワークインターフェース)と、キャッシュ、他のメモリ、データ記憶装置および/または電子ディスプレイアダプタなどの周辺機器も含む。周辺装置は、記憶インターフェースを介して装置の残りの部分と通信する記憶装置または記憶媒体を含み得る。メモリ2810、記憶ユニット2815、インターフェース2820および周辺装置は、マザーボードなどの通信バス2825を通じてCPU 2805と通信する。記憶ユニット2815は、データを保管するためのデータ記憶ユニット(またはデータリポジトリ)であり得る。プロセッサ110は、通信インターフェース2820の支援によりコンピュータネットワーク(「ネットワーク」)2830に動作可能に連結され得る。ネットワーク2830は、インターネット、インターネットおよび/またはエクストラネット、またはインターネットと通信するイントラネットおよび/もしくはエクストラネットであり得る。ネットワーク2830は、いくつかの場合において、電気通信および/またはデータネットワークである。ネットワーク2830は、クラウドコンピューティングなどの分散コンピューティングを可能にし得る1またはそれを超えるコンピュータサーバを含み得る。ネットワーク2830は、いくつかの場合において、装置110の支援により、装置110に連結された装置がクライアントまたはサーバとして動作することを可能にし得るピアツーピアネットワークを実装し得る。
引き続き図28を参照すると、プロセッサ110は、ユーザから情報を受信するための入力装置を含み、入力装置は、入力インターフェースを介して装置の他の要素と通信する。プロセッサ110は、出力インターフェースを介して装置の他の要素と通信する出力装置を含み得る。
引き続き図28を参照すると、メモリ2810は、ランダムアクセスメモリ構成要素(例えばRAM)(例えばスタティックRAM「SRAM」、ダイナミックRAM DRAMなど)、または読み出し専用構成要素(例えばROM)を含むが限定されない様々な構成要素(例えば、機械可読媒体)を含み得る。メモリ110はまた、装置起動中などにプロセッサ内の要素間で情報を転送するのを助ける基本ルーチンを含む基本入力/出力システム(BIOS)も含み得、メモリ2810に格納され得る。
引き続き図28を参照すると、CPU2805は、プログラムまたはソフトウェアで具現化され得る一連の機械可読命令を実行し得る。命令は、メモリ2810などのメモリ位置に格納され得る。命令は、CPU2805を対象とし得、その後、本開示の方法を実施するようにCPU2805をプログラムし得るかまたはそうでなければ構成し得る。CPU2805によって実行される動作の例は、フェッチ、デコード、実行およびライトバックを含み得る。CPU2805は、集積回路などの回路の一部であり得る。装置110の1またはそれを超える他の構成要素が回路に含まれ得る。いくつかの場合において、回路は、特定用途向け集積回路(ASIC)またはフィールドプログラマブルゲートアレイ(FPGA)である。
引き続き図28を参照すると、記憶ユニット2815は、ドライバ、ライブラリおよび保存されたプログラムなどのファイルを格納し得る。記憶ユニット2815は、ユーザデータ、例えば、ユーザプレファレンスおよびユーザプログラムを格納し得る。いくつかの場合において、プロセッサ110は、イントラネットまたはインターネットを通じて通信しているリモートサーバ上に位置するなど、外部にある1またはそれを超えるさらなるデータ記憶ユニットを含み得る。記憶ユニット2815は、オペレーティングシステム、アプリケーションプログラムなどを格納するためにも使用され得る。必要に応じて、記憶ユニット2815は、(例えば、外部ポートコネクタ(図示せず)を介して)プロセッサと取り外し可能にインターフェース接続され得、および/または記憶ユニットインターフェースを介してインターフェース接続され得る。ソフトウェアは、完全にまたは部分的に、記憶ユニット2815の内部または外部のコンピュータ可読記憶媒体内に存在し得る。別の例では、ソフトウェアは、完全にまたは部分的に、プロセッサ2805内に存在し得る。
引き続き図28を参照すると、プロセッサ110は、ネットワーク2830を通じて1またはそれを超えるリモートコンピュータシステムと通信し得る。例えば、装置110は、ユーザのリモートコンピュータシステムと通信し得る。リモートコンピュータシステムの例としては、パーソナルコンピュータ(例えばポータブルPC)、スレートもしくはタブレットPC(例えば、Apple(登録商標)iPad(登録商標)、Samsung(登録商標)Galaxyタブ)、電話、スマートフォン(例えば、Apple(登録商標)iPhone(登録商標)、Android(登録商標)対応装置、Blackberry(登録商標))または携帯情報端末が挙げられる。
引き続き図28を参照すると、情報およびデータは、ディスプレイ2835を通じてユーザに表示され得る。ディスプレイは、インターフェース190を介してバス2825に接続され、ディスプレイと装置110の他の要素の間のデータの転送は、インターフェース190を介して制御され得る。
本明細書中に記載のような方法は、例えばメモリ2810または電子記憶ユニット2815上などのプロセッサ110の電子記憶場所に格納された機械(例えば、コンピュータプロセッサ)実行可能コードによって実施され得る。機械実行可能コードまたは機械可読コードは、ソフトウェアの形態で提供され得る。使用中、コードはプロセッサ2805によって実行され得る。いくつかの場合において、コードは、記憶ユニット2815から取得され、プロセッサ2805による迅速なアクセスのためにメモリ2810に格納され得る。いくつかの状況では、電子記憶ユニット2815を除外し得、機械実行可能命令がメモリ2810に格納される。
非一時的コンピュータ可読記憶媒体
いくつかの実施形態では、本明細書中で開示されるプラットフォーム、システム、媒体および方法は、必要に応じてネットワーク化されたプロセッサのオペレーティングシステムによって実行可能な命令を含むプログラムでコードされた1またはそれを超える非一時的コンピュータ可読記憶媒体を含む。さらなる実施形態では、コンピュータ可読記憶媒体は、プロセッサの有形構成要素である。またさらなる実施形態では、コンピュータ可読記憶媒体は、必要に応じてプロセッサから取り外し可能である。いくつかの実施形態では、コンピュータ可読記憶媒体は、非限定例として、CD-ROM、DVD、フラッシュメモリ装置、ソリッドステートメモリ、磁気ディスクドライブ、磁気テープドライブ、光ディスクドライブ、クラウドコンピュータシステムおよびサービスなどを含む。いくつかの場合において、プログラムおよび命令は、媒体上に永続的に、実質的に永続的に、半永久的に、または非一時的にコードされる。
コンピュータプログラム
いくつかの実施形態では、本明細書中で開示されるプラットフォーム、システム、媒体および方法は、少なくとも1つのコンピュータプログラムまたはその使用を含む。コンピュータプログラムは、指定されたタスクを実行するように書かれた、プロセッサのCPUで実行可能な一連の命令を含む。コンピュータ可読命令は、特定のタスクを実行する、または特定の抽象データ型を実装する、関数、オブジェクト、アプリケーションプログラミングインターフェース(API)、データ構造などのプログラムモジュールとして実装され得る。本明細書中で提供される開示に照らして、当業者は、コンピュータプログラムが様々な言語の様々なバージョンで書かれ得ることを認識するであろう。
いくつかの実施形態では、本明細書中で開示されるプラットフォーム、システム、媒体および方法は、少なくとも1つのコンピュータプログラムまたはその使用を含む。コンピュータプログラムは、指定されたタスクを実行するように書かれた、プロセッサのCPUで実行可能な一連の命令を含む。コンピュータ可読命令は、特定のタスクを実行する、または特定の抽象データ型を実装する、関数、オブジェクト、アプリケーションプログラミングインターフェース(API)、データ構造などのプログラムモジュールとして実装され得る。本明細書中で提供される開示に照らして、当業者は、コンピュータプログラムが様々な言語の様々なバージョンで書かれ得ることを認識するであろう。
コンピュータ可読命令の機能は、様々な環境において所望に応じて組み合わされ、または分配され得る。いくつかの実施形態では、コンピュータプログラムは一連の命令を含む。いくつかの実施形態では、コンピュータプログラムは一連の命令を複数含む。いくつかの実施形態では、コンピュータプログラムは1つの場所から提供される。他の実施形態では、コンピュータプログラムは複数の場所から提供される。様々な実施形態では、コンピュータプログラムは、1またはそれを超えるソフトウェアモジュールを含む。様々な実施形態では、コンピュータプログラムは、部分的または全体的に、1またはそれを超えるウェブアプリケーション、1またはそれを超えるモバイルアプリケーション、1またはそれを超えるスタンドアロンアプリケーション、1またはそれを超えるウェブブラウザプラグイン、拡張機能、アドイン、もしくはアドオン、またはそれらの組み合わせを含む。
ウェブアプリケーション
いくつかの実施形態では、コンピュータプログラムはウェブアプリケーションを含む。本明細書中で提供される開示に照らして、当業者は、ウェブアプリケーションが、様々な実施形態において、1またはそれを超えるソフトウェアフレームワークおよび1またはそれを超えるデータベースシステムを利用することを認識するであろう。いくつかの実施形態では、ウェブアプリケーションは、Microsoft(登録商標).NETまたはRuby on Rails(RoR)などのソフトウェアフレームワーク上に作成される。いくつかの実施形態では、ウェブアプリケーションは、非限定例として、リレーショナル、非リレーショナル、オブジェクト指向、連想およびXMLデータベースシステムを含む1またはそれを超えるデータベースシステムを利用する。さらなる実施形態では、適切なリレーショナルデータベースシステムは、非限定例として、Microsoft(登録商標)SQL Server、mySQL(商標)およびOracle(登録商標)を含む。当業者はまた、ウェブアプリケーションが、様々な実施形態において、1またはそれを超える言語の1またはそれを超えるバージョンで書かれていることも認識するであろう。ウェブアプリケーションは、1またはそれを超えるマークアップ言語、プレゼンテーション記述言語、クライアントサイドスクリプト言語、サーバサイドコーディング言語、データベース照会言語またはそれらの組み合わせで書かれ得る。いくつかの実施形態では、ウェブアプリケーションは、ハイパーテキストマークアップ言語(HTML)、拡張可能なハイパーテキストマークアップ言語(XHTML)または拡張可能マークアップ言語(XML)などのマークアップ言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、カスケーディングスタイルシート(CSS)などのプレゼンテーション定義言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、非同期Javascript(登録商標)およびXML(AJAX)、Flash(登録商標)Actionscript、Javascript(登録商標)またはSilverlight(登録商標)などのクライアントサイドスクリプト言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、アクティブサーバページ(ASP)、ColdFusion(登録商標)、Perl、Java(登録商標)、Java(登録商標)Server Pages(JSP)、ハイパーテキストプリプロセッサ(PHP)、Python(商標)、Ruby、Tel、Smalltalk、WebDNA(登録商標)またはGroovyなどのサーバサイドコーディング言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、構造化照会原語(SQL)などのデータベース照会言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、IBM(商標)Lotus Domino(商標)などの企業サーバ製品を統合する。いくつかの実施形態では、ウェブアプリケーションはメディアプレーヤ要素を含む。様々なさらなる実施形態では、メディアプレーヤ要素は、非限定例として、Adobe(登録商標)Flash(登録商標)、HTML5、Apple(登録商標)QuickTime(登録商標)、Microsoft(登録商標)Silverlight(登録商標)、Java(登録商標)およびUnity(登録商標)を含む多くの適切なマルチメディア技術のうちの1またはそれを超えるものを利用する。
いくつかの実施形態では、コンピュータプログラムはウェブアプリケーションを含む。本明細書中で提供される開示に照らして、当業者は、ウェブアプリケーションが、様々な実施形態において、1またはそれを超えるソフトウェアフレームワークおよび1またはそれを超えるデータベースシステムを利用することを認識するであろう。いくつかの実施形態では、ウェブアプリケーションは、Microsoft(登録商標).NETまたはRuby on Rails(RoR)などのソフトウェアフレームワーク上に作成される。いくつかの実施形態では、ウェブアプリケーションは、非限定例として、リレーショナル、非リレーショナル、オブジェクト指向、連想およびXMLデータベースシステムを含む1またはそれを超えるデータベースシステムを利用する。さらなる実施形態では、適切なリレーショナルデータベースシステムは、非限定例として、Microsoft(登録商標)SQL Server、mySQL(商標)およびOracle(登録商標)を含む。当業者はまた、ウェブアプリケーションが、様々な実施形態において、1またはそれを超える言語の1またはそれを超えるバージョンで書かれていることも認識するであろう。ウェブアプリケーションは、1またはそれを超えるマークアップ言語、プレゼンテーション記述言語、クライアントサイドスクリプト言語、サーバサイドコーディング言語、データベース照会言語またはそれらの組み合わせで書かれ得る。いくつかの実施形態では、ウェブアプリケーションは、ハイパーテキストマークアップ言語(HTML)、拡張可能なハイパーテキストマークアップ言語(XHTML)または拡張可能マークアップ言語(XML)などのマークアップ言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、カスケーディングスタイルシート(CSS)などのプレゼンテーション定義言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、非同期Javascript(登録商標)およびXML(AJAX)、Flash(登録商標)Actionscript、Javascript(登録商標)またはSilverlight(登録商標)などのクライアントサイドスクリプト言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、アクティブサーバページ(ASP)、ColdFusion(登録商標)、Perl、Java(登録商標)、Java(登録商標)Server Pages(JSP)、ハイパーテキストプリプロセッサ(PHP)、Python(商標)、Ruby、Tel、Smalltalk、WebDNA(登録商標)またはGroovyなどのサーバサイドコーディング言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、構造化照会原語(SQL)などのデータベース照会言語である程度書かれる。いくつかの実施形態では、ウェブアプリケーションは、IBM(商標)Lotus Domino(商標)などの企業サーバ製品を統合する。いくつかの実施形態では、ウェブアプリケーションはメディアプレーヤ要素を含む。様々なさらなる実施形態では、メディアプレーヤ要素は、非限定例として、Adobe(登録商標)Flash(登録商標)、HTML5、Apple(登録商標)QuickTime(登録商標)、Microsoft(登録商標)Silverlight(登録商標)、Java(登録商標)およびUnity(登録商標)を含む多くの適切なマルチメディア技術のうちの1またはそれを超えるものを利用する。
図29を参照すると、特定の実施形態では、アプリケーション提供システムは、リレーショナルデータベース管理システム(RDBMS)2910によってアクセスされる1またはそれを超えるデータベース2900を含む。適切なRDBMSとしては、Firebird、MySQL、PostgreSQL、SQLite、Oracle Database、Microsoft SQL Server、IBM DB 2、IBM Informix、SAP Sybase、SAP Sybase、Teradataなどが挙げられる。この実施形態では、アプリケーション提供システムは、1またはそれを超えるアプリケーションサーバ2920(Java(登録商標)サーバ、.NETサーバ、PHPサーバなど)および1またはそれを超えるウェブサーバ2930(例えばApache、IIS、GWSなど)をさらに含む。ウェブサーバは、必要に応じて、appアプリケーションプログラミングインターフェース(API)2940を介して1またはそれを超えるウェブサービスをエクスポーズする。インターネットなどのネットワークを介して、システムは、ブラウザベースおよび/またはモバイルネイティブユーザインターフェースを提供する。
図30を参照すると、特定の実施形態では、アプリケーション提供システムは、代替的に、分散型クラウドベースのアーキテクチャ3000を有し、弾性的に負荷分散された自動スケーリングウェブサーバリソース3010およびアプリケーションサーバリソース3020、ならびに同期的に複製されるデータベース3030を含む。
モバイルアプリケーション
いくつかの実施形態では、コンピュータプログラムは、モバイルプロセッサに提供されるモバイルアプリケーションを含む。いくつかの実施形態では、モバイルアプリケーションは、製造時にモバイルプロセッサに提供される。他の実施形態では、モバイルアプリケーションは、本明細書中に記載のコンピュータネットワークを介してモバイルプロセッサに提供される。
いくつかの実施形態では、コンピュータプログラムは、モバイルプロセッサに提供されるモバイルアプリケーションを含む。いくつかの実施形態では、モバイルアプリケーションは、製造時にモバイルプロセッサに提供される。他の実施形態では、モバイルアプリケーションは、本明細書中に記載のコンピュータネットワークを介してモバイルプロセッサに提供される。
本明細書中で提供される開示を考慮して、モバイルアプリケーションは、当業者にとって公知のハードウェア、言語および開発環境を使用して、当業者にとって公知の技術によって作成される。当業者は、モバイルアプリケーションがいくつかの言語で書かれていることを認識するであろう。適切なプログラミング言語としては、非限定例として、C、C++、C#、Objective-C、Java(登録商標)、Javascript(登録商標)、Pascal、Object Pascal、Python(商標)、Ruby、VB.NET、WMLおよび、CSSを含むもしくは含まないXHTML/HTML、またはそれらの組み合わせが挙げられる。
適切なモバイルアプリケーション開発環境は、いくつかのソースから利用可能である。市販の開発環境としては、非限定例として、AirplaySDK、alcheMo、Appcelerator(登録商標)、Celsius、Bedrock、Flash(登録商標) Lite、.NET Compact Framework、RhomobileおよびWorkLight Mobile Platformが挙げられる。非限定例として、Lazarus、MobiFlex、MoSyncおよびPhonegapを含め、費用なしで他の開発環境が利用可能である。また、モバイル装置製造業者は、非限定例として、iPhone(登録商標)およびiPad(登録商標)(iOS)SDK、Android(登録商標)SDK、BlackBerry(登録商標)SDK、BREW SDK、Palm(登録商標)OS SDK、Symbian SDK、webOS SDKおよびWindows(登録商標)Mobile SDKを含むソフトウェア開発者キットを配布する。
当業者は、非限定例として、Apple(登録商標)App Store、Google(登録商標)Play、Chrome WebStore、BlackBerry(登録商標)App World、Palmデバイス用App Store、webOS用App Catalog、Windows(登録商標)Marketplace for Mobile、Ovi Store for Nokia(登録商標)デバイス、Samsung(登録商標)App、およびNintendo(登録商標)DSi Shopを含む、いくつかの商用フォーラムがモバイルアプリケーションの配布に利用可能であることを認識するであろう。
ソフトウェアモジュール
いくつかの実施形態では、本明細書中で開示されるプラットフォーム、システム、媒体および方法は、ソフトウェア、サーバおよび/またはデータベースモジュールまたはその使用を含む。本明細書中で提供される開示を考慮して、ソフトウェアモジュールは、当業者にとって公知のマシン、ソフトウェアおよび言語を使用して、当業者にとって公知の技術によって作成される。本明細書中で開示されるソフトウェアモジュールは、多数の方法で実装される。様々な実施形態では、ソフトウェアモジュールは、ファイル、コードセクション、プログラミングオブジェクト、プログラミング構造またはそれらの組み合わせを含む。さらに様々な実施形態では、ソフトウェアモジュールは、複数のファイル、複数のコードセクション、複数のプログラミングオブジェクト、複数のプログラミング構造またはそれらの組み合わせを含む。様々な実施形態では、1またはそれを超えるソフトウェアモジュールは、非限定例として、ウェブアプリケーション、モバイルアプリケーションおよびスタンドアロンアプリケーションを含む。いくつかの実施形態では、ソフトウェアモジュールは、1つのコンピュータプログラムまたはアプリケーション内にある。他の実施形態では、ソフトウェアモジュールは、複数のコンピュータプログラムまたはアプリケーション内にある。いくつかの実施形態では、ソフトウェアモジュールは1つのマシン上でホストされる。他の実施形態では、ソフトウェアモジュールは複数のマシン上でホストされる。さらなる実施形態では、ソフトウェアモジュールはクラウドコンピューティングプラットフォーム上でホストされる。いくつかの実施形態では、ソフトウェアモジュールは、1つの場所で、1またはそれを超えるマシン上でホストされる。他の実施形態では、ソフトウェアモジュールは、1またはそれを超える場所で、1またはそれを超えるマシン上でホストされる。
いくつかの実施形態では、本明細書中で開示されるプラットフォーム、システム、媒体および方法は、ソフトウェア、サーバおよび/またはデータベースモジュールまたはその使用を含む。本明細書中で提供される開示を考慮して、ソフトウェアモジュールは、当業者にとって公知のマシン、ソフトウェアおよび言語を使用して、当業者にとって公知の技術によって作成される。本明細書中で開示されるソフトウェアモジュールは、多数の方法で実装される。様々な実施形態では、ソフトウェアモジュールは、ファイル、コードセクション、プログラミングオブジェクト、プログラミング構造またはそれらの組み合わせを含む。さらに様々な実施形態では、ソフトウェアモジュールは、複数のファイル、複数のコードセクション、複数のプログラミングオブジェクト、複数のプログラミング構造またはそれらの組み合わせを含む。様々な実施形態では、1またはそれを超えるソフトウェアモジュールは、非限定例として、ウェブアプリケーション、モバイルアプリケーションおよびスタンドアロンアプリケーションを含む。いくつかの実施形態では、ソフトウェアモジュールは、1つのコンピュータプログラムまたはアプリケーション内にある。他の実施形態では、ソフトウェアモジュールは、複数のコンピュータプログラムまたはアプリケーション内にある。いくつかの実施形態では、ソフトウェアモジュールは1つのマシン上でホストされる。他の実施形態では、ソフトウェアモジュールは複数のマシン上でホストされる。さらなる実施形態では、ソフトウェアモジュールはクラウドコンピューティングプラットフォーム上でホストされる。いくつかの実施形態では、ソフトウェアモジュールは、1つの場所で、1またはそれを超えるマシン上でホストされる。他の実施形態では、ソフトウェアモジュールは、1またはそれを超える場所で、1またはそれを超えるマシン上でホストされる。
データベース
いくつかの実施形態では、本明細書中で開示されるプラットフォーム、システム、媒体および方法は、1またはそれを超えるデータベースまたはその使用を含む。本明細書中で提供される開示を考慮して、当業者は、多くのデータベースが生画像データ、再構築画像データ、ROI、訓練データ、ラベルまたは分類、特性、特性のサブカテゴリー、機械学習アルゴリズムなどの記憶および検索に適していることを認識するであろう。様々な実施形態では、適切なデータベースは、非限定例として、リレーショナルデータベース、非リレーショナルデータベース、オブジェクト指向データベース、オブジェクトデータベース、エンティティ・リレーションシップモデルデータベース、連想データベースおよびXMLデータベースを含む。さらなる非限定例としては、SQL、PostgreSQL、MySQL、Oracle、DB 2およびSybaseが挙げられる。いくつかの実施形態では、データベースはインターネットベースである。さらなる実施形態では、データベースはウェブベースである。またさらなる実施形態では、データベースはクラウドコンピューティングベースである。他の実施形態では、データベースは、1またはそれを超えるローカルコンピュータ記憶装置に基づく。
いくつかの実施形態では、本明細書中で開示されるプラットフォーム、システム、媒体および方法は、1またはそれを超えるデータベースまたはその使用を含む。本明細書中で提供される開示を考慮して、当業者は、多くのデータベースが生画像データ、再構築画像データ、ROI、訓練データ、ラベルまたは分類、特性、特性のサブカテゴリー、機械学習アルゴリズムなどの記憶および検索に適していることを認識するであろう。様々な実施形態では、適切なデータベースは、非限定例として、リレーショナルデータベース、非リレーショナルデータベース、オブジェクト指向データベース、オブジェクトデータベース、エンティティ・リレーションシップモデルデータベース、連想データベースおよびXMLデータベースを含む。さらなる非限定例としては、SQL、PostgreSQL、MySQL、Oracle、DB 2およびSybaseが挙げられる。いくつかの実施形態では、データベースはインターネットベースである。さらなる実施形態では、データベースはウェブベースである。またさらなる実施形態では、データベースはクラウドコンピューティングベースである。他の実施形態では、データベースは、1またはそれを超えるローカルコンピュータ記憶装置に基づく。
実施例1
体積平均音速を使用した癌リスク評価
音速およびMPDに関連する乳癌リスクを、最近乳癌と診断された61名の参加者(症例)および乳癌の病歴がない165名の参加者(対照)を含む症例対照研究で試験した。MPDおよび音速の四分位数と乳癌リスクとの関係について、マッチング因子に対して調整されたオッズ比(OR)および95%信頼区間(CI)を計算した。MPDは、対照と比較して乳癌リスクの上昇に関連していたが、この傾向は統計学的有意性に達しなかった(p=0.10)。それに対して、音速の上昇は、用量反応方式で乳癌リスクと有意に関連していた(p=0.0003)。症例対照研究は、全乳房音速がMPDよりも乳癌リスクとより強く関連することを示した。
体積平均音速を使用した癌リスク評価
音速およびMPDに関連する乳癌リスクを、最近乳癌と診断された61名の参加者(症例)および乳癌の病歴がない165名の参加者(対照)を含む症例対照研究で試験した。MPDおよび音速の四分位数と乳癌リスクとの関係について、マッチング因子に対して調整されたオッズ比(OR)および95%信頼区間(CI)を計算した。MPDは、対照と比較して乳癌リスクの上昇に関連していたが、この傾向は統計学的有意性に達しなかった(p=0.10)。それに対して、音速の上昇は、用量反応方式で乳癌リスクと有意に関連していた(p=0.0003)。症例対照研究は、全乳房音速がMPDよりも乳癌リスクとより強く関連することを示した。
Delphinus Medical Technologies(Novi,MI,USA)によって製造され、臨床使用に対してFDAによって認可されたSoftVueシステムを用いて、Karmanos Cancer Institute(KICI)において、UST試験を実施した。マンモグラムは、Karmanos Cancer Instituteでスクリーニングまたはフォローアップを受けている患者から得た。
各参加者のマンモグラムをUSTスキャンと比較したため、女性は、スクリーン陰性のマンモグラムの日付のおよそ1カ月以内にUST来院について計画した。1カ月という期間は、乳房密度が年齢と共に年間1~2%の割合で低下することに基づいて正当であるとされ、これは月あたり<0.2%に相当し、いずれかの方法によるBD測定の発明者らの不確実性をはるかに下回る。人種/民族を以下のように分類した:白色、非ヒスパニック系またはアフリカ系アメリカ人。
症例の特定および選定
定期的なスクリーニング後の乳癌の最近の診断に基づいて症例を特定した。除外基準は以下の通りであった:1)妊娠;2)授乳;3)イメージングタンク中の水との界面が開いているため、活動性皮膚感染症または開放性胸部創傷を有すること;4)直径22cm超の乳房サイズ(リング超音波トランスデューサのサイズの限界)および5)体重350ポンド(lb)超)(台の製造者によって指定された体重制限)。さらに、発明者らは、6)両側性同期乳癌(癌の放射線学的徴候のないマンモグラムが入手可能ではない)を有する症例;7)乳癌に対する何らかの全身療法を受けたことがある対象;および8)乳房インプラントを有するかまたは縮小乳房形成術を受けた対象を除外した。
定期的なスクリーニング後の乳癌の最近の診断に基づいて症例を特定した。除外基準は以下の通りであった:1)妊娠;2)授乳;3)イメージングタンク中の水との界面が開いているため、活動性皮膚感染症または開放性胸部創傷を有すること;4)直径22cm超の乳房サイズ(リング超音波トランスデューサのサイズの限界)および5)体重350ポンド(lb)超)(台の製造者によって指定された体重制限)。さらに、発明者らは、6)両側性同期乳癌(癌の放射線学的徴候のないマンモグラムが入手可能ではない)を有する症例;7)乳癌に対する何らかの全身療法を受けたことがある対象;および8)乳房インプラントを有するかまたは縮小乳房形成術を受けた対象を除外した。
対照の特定および選定
対照は、マンモグラフィまたはSoftVueのいずれかで良性または悪性の所見がなかった参加者から選択した。さらに、適格対照は、乳癌の既往歴または現在の病歴がなく、症例について上に与えられた除外基準がなかった。発明者らはまた、乳房密度を調節し得るので、内因性ホルモンを現在服用している(すなわち、経口避妊薬および閉経期ホルモン療法)スクリーニング陰性女性も除外した。
対照は、マンモグラフィまたはSoftVueのいずれかで良性または悪性の所見がなかった参加者から選択した。さらに、適格対照は、乳癌の既往歴または現在の病歴がなく、症例について上に与えられた除外基準がなかった。発明者らはまた、乳房密度を調節し得るので、内因性ホルモンを現在服用している(すなわち、経口避妊薬および閉経期ホルモン療法)スクリーニング陰性女性も除外した。
音速のUSTイメージング
USTによって収集された生データからデータを再構成し、標準的なディスプレイワークステーションで見られたDICOM画像として出力した。本明細書で要約した技術を使用して、乳房の体積平均音速(VASS)を計算した。
・ 発明者らの以前に開発された自動化スクリプトを使用して、直接画素数を通じて乳房の体積Vを計算する。
・ 全ての画素値を合計し、発明者らの自動化スクリプトを使用して上記で決定された体積で除することによって、各スタックに対して体積平均音速(VASS)を計算する。
・ この計算を全ての症例および対照の画像スタックに適用する。
USTによって収集された生データからデータを再構成し、標準的なディスプレイワークステーションで見られたDICOM画像として出力した。本明細書で要約した技術を使用して、乳房の体積平均音速(VASS)を計算した。
・ 発明者らの以前に開発された自動化スクリプトを使用して、直接画素数を通じて乳房の体積Vを計算する。
・ 全ての画素値を合計し、発明者らの自動化スクリプトを使用して上記で決定された体積で除することによって、各スタックに対して体積平均音速(VASS)を計算する。
・ この計算を全ての症例および対照の画像スタックに適用する。
マンモグラフィによって定義されたBD測定
マンモグラフィのBDパーセントの推定値を生成させるために、Cumulusソフトウェアパッケージを使用してマンモグラムを分析した。Boyd NFら(2007)Mammographic density and the risk and detection of breast cancer.The New England journal of medicine 356(3):227-236.doi:10.1056/NEJMoa062790およびBoyd,N.F.ら(2014).Evidence that breast tissue stiffness is associated with risk of breast cancer.PloS one,9(7),p.e100937(それぞれ参照により本明細書中に組み込まれる)を参照のこと。
マンモグラフィのBDパーセントの推定値を生成させるために、Cumulusソフトウェアパッケージを使用してマンモグラムを分析した。Boyd NFら(2007)Mammographic density and the risk and detection of breast cancer.The New England journal of medicine 356(3):227-236.doi:10.1056/NEJMoa062790およびBoyd,N.F.ら(2014).Evidence that breast tissue stiffness is associated with risk of breast cancer.PloS one,9(7),p.e100937(それぞれ参照により本明細書中に組み込まれる)を参照のこと。
疫学的データ
人口統計(年齢、人種、教育)、身長、体重、スクリーニングおよび乳癌の病歴、閉経状態、未経産および授乳(今まで/一度も)を、全ての研究参加者によって記入された質問票から得た。VASSおよびMDの傾向をBCリスクと比較する前に、症例を対照と照合し、データを調整するために、これらを使用した。
人口統計(年齢、人種、教育)、身長、体重、スクリーニングおよび乳癌の病歴、閉経状態、未経産および授乳(今まで/一度も)を、全ての研究参加者によって記入された質問票から得た。VASSおよびMDの傾向をBCリスクと比較する前に、症例を対照と照合し、データを調整するために、これらを使用した。
症例対照研究:
乳癌に対するリスク因子としてのUST測定とマンモグラフィによるBDとの比較のためのデータは、症例対照画像から構成された。観察者を症例または対照状態について「分からない」ようにするために、発明者らは、測定のために、症例(反対側の乳房)および対照(無作為に選択された偏側性)からのマンモグラムおよびUST画像スタックのラベルなしの対を選択した。この研究はHIPPAに準拠しており、発明者らの地域IRBによって承認された。
乳癌に対するリスク因子としてのUST測定とマンモグラフィによるBDとの比較のためのデータは、症例対照画像から構成された。観察者を症例または対照状態について「分からない」ようにするために、発明者らは、測定のために、症例(反対側の乳房)および対照(無作為に選択された偏側性)からのマンモグラムおよびUST画像スタックのラベルなしの対を選択した。この研究はHIPPAに準拠しており、発明者らの地域IRBによって承認された。
発明者らは、体積平均音速(VASS)およびMDに関連する乳癌リスクを、最近乳癌と診断された61名の参加者(症例、30~70歳)および乳癌の病歴がない165名の参加者(対照)を含むこの症例対照研究で評価し、これらの対照は、年齢、人種および閉経状態に対して症例と頻度を一致させた。場合により、MPDまたは音速に対する腫瘍関連変化の潜在的な影響を回避するために、対側乳房において処置前に乳房密度を測定した。対照については、同じ個体からの左右の乳房の同時マンモグラフィ密度測定が高度に相関することが報告されているので、発明者らはUST評価のために乳房をランダムに選択した。MPDおよび音速の四分位数と乳癌リスクとの関係について、マッチング因子に対して調整されたオッズ比(OR)および95%信頼区間(CI)を計算した。ブートストラップアプローチを使用してOR差を試験した。
統計分析:
VASSと月経(初経年齢および閉経年齢)および生殖変数(経産回数および出生数)、乳癌および卵巣癌の両方についての、罹患した血縁者の数および種類ならびにその発症年齢を含む家族歴、体格指数(BMI)、ホルモン療法の使用および面接時の年齢のリスク因子との間の関連性は、必要に応じ、t検定、ピアソン相関係数または分散分析(ANOVA)を用いて評価した。VASSと乳癌との関連の統計的評価は、条件なしロジスティック回帰を使用した。未調整解析および調整解析を行った。調整解析は、月経(初経年齢および閉経年齢)および生殖変数(経産回数および出生数)、乳癌および卵巣癌の両方について、罹患した血縁者の数および種類ならびにその発症年齢を含む家族歴、体格指数(BMI)、ホルモン療法の使用および面接時の年齢のリスク因子を含んだ。VASSおよびBDの四分位数は、対照におけるこれらの変数の分布に基づいて計算した。
VASSと月経(初経年齢および閉経年齢)および生殖変数(経産回数および出生数)、乳癌および卵巣癌の両方についての、罹患した血縁者の数および種類ならびにその発症年齢を含む家族歴、体格指数(BMI)、ホルモン療法の使用および面接時の年齢のリスク因子との間の関連性は、必要に応じ、t検定、ピアソン相関係数または分散分析(ANOVA)を用いて評価した。VASSと乳癌との関連の統計的評価は、条件なしロジスティック回帰を使用した。未調整解析および調整解析を行った。調整解析は、月経(初経年齢および閉経年齢)および生殖変数(経産回数および出生数)、乳癌および卵巣癌の両方について、罹患した血縁者の数および種類ならびにその発症年齢を含む家族歴、体格指数(BMI)、ホルモン療法の使用および面接時の年齢のリスク因子を含んだ。VASSおよびBDの四分位数は、対照におけるこれらの変数の分布に基づいて計算した。
年齢、BMIおよびそれらと有意に関連する他の変数について調整した線形回帰モデルを使用して、これらの尺度の相関を評価した。正規性の仮定のために必要な場合は変換を適用した。発明者らはまた、適切な交絡因子について調整する条件なしのロジスティック回帰モデルにおいて、これらの尺度と乳癌リスクとの間の関係を調べた。これらの分析における多数の比較を考慮して、偽発見率(FDR)法を使用して多重試験に対して調整し、FDR補正p値<0.05を統計学的に有意とみなした。
結果-患者の特徴:
症例および対照の疫学的属性を表1に要約する。表2では、これらの特徴を音速の四分位数に従って分類している。これらの四分位数は、対照を4つの等しく投入されたビンに分配することによって決定した。
症例および対照の疫学的属性を表1に要約する。表2では、これらの特徴を音速の四分位数に従って分類している。これらの四分位数は、対照を4つの等しく投入されたビンに分配することによって決定した。
MPDは、対照と比較して乳癌リスクの上昇に関連し、以前の研究と一致したが、この傾向は統計学的有意性に達しなかった(四分位ごとのOR=1.27,95%CI:0.95,1.70;p=0.10)。対照的に、音速の上昇は、用量反応方式で乳癌リスク上昇と有意に関連していた(四分位当たりのOR=1.83,95%CI:1.32,2.54;p=0.0003)(表1~2、図3)。音速についてのOR傾向は、MPDについて観察されたものと統計学的に有意に異なっていた(p<0.01)。これらのデータは、限られたサンプルサイズでのこのパイロット研究からの予備的所見に基づいていたが、発明者らは、超音波断層撮影音速の四分位数の上昇と乳癌リスクの上昇との間に統計学的に有意な傾向を依然として観察した。
表1は、対照によって定義された四分位における症例および対照の生の分布を示す。この生データを用いても、VASS四分位にわたる症例の分布は、上位四分位に向かう強い傾向を有する対照とははっきり鑑別されることが明らかである。実際、Q4の症例の頻度はQ1の10倍である。MD四分位の場合、Q4/Q1比はわずか2であり、癌の頻度は、MDと対比して、VASSが増加するにつれてより強く傾向を示すことを示唆する。
表2は、OR分析に基づくその傾向の正式な評価をまとめる。この場合、Q4対Q1 ORは、VASSについては8.3であり、BDについては1.76である。VASSに対するORの大きさは、BDのORのほぼ5倍であり、これは、BDと比較して、VASSが癌の発生とはるかに強く関連していることを示唆している。しかしながら、この大きな改善の有意性は、これらの測定と関連する大きいCIにより弱められる。Q4対Q1 ORが大きい一方で、実際の値は2.3程度の低い値または31.7程度の高い値であり得る。同様に、BDの場合、実際の値は、0.7程度の低い値または4.4程度の高い値であり得る。
図3は、MPD(上)およびVASS(下)の四分位数と乳癌リスクとの関係についての多変量オッズ比(OR)および95%信頼区間(CI)を示す。モデルは、年齢、人種および閉経状態について調整された。
図4および図5は、それぞれ表1および表2の補足データを示す。
しかしながら、2つの関連付けのより良い比較は、2つの関連の傾向(四分位当たりのOR)を比較することであり得る。そのような分析は、比較の精度を高める4つの四分位全てからの情報を利用する。実際、表2が示すように、MDに対する傾向は1.27/四分位であり、p=0.1であり、統計学的に有意ではない。一方、VASSに対する傾向は1.83/四分位であり、p=0.0003であり、統計学的に非常に有意である。さらに、2つの傾向間の差も統計学的に有意であり(p<0.01)、VASSがMDよりもBCリスクに強く依存する可能性が高いことを示している。
実施例2
患者の募集およびデータ収集
100名の女性の群が、UST乳房スキャンおよび発明者らの地域の癌センターでのマンモグラムのVolpara読み取りの両方を受けた。スピアマン相関係数を計算して、乳房密度のVolpara評価とUST評価との間の相関の強さを決定した。Volpara体積パーセント密度とUST全乳房音速値との間には相関(rS=0.85)がある。この相関は、以前の2D研究からの相関よりも有意に強い(それぞれrS=0.85対rS=0.7)。強い相関は、UST音速がBDを測定するための実行可能なイメージングバイオマーカーであることを示唆する。この結果は、BDのバイオマーカーとしての音速の潜在的な役割を強化する。
患者の募集およびデータ収集
100名の女性の群が、UST乳房スキャンおよび発明者らの地域の癌センターでのマンモグラムのVolpara読み取りの両方を受けた。スピアマン相関係数を計算して、乳房密度のVolpara評価とUST評価との間の相関の強さを決定した。Volpara体積パーセント密度とUST全乳房音速値との間には相関(rS=0.85)がある。この相関は、以前の2D研究からの相関よりも有意に強い(それぞれrS=0.85対rS=0.7)。強い相関は、UST音速がBDを測定するための実行可能なイメージングバイオマーカーであることを示唆する。この結果は、BDのバイオマーカーとしての音速の潜在的な役割を強化する。
100名の女性の群が、UST乳房スキャンおよびKarmanos Cancer Institute(KCI)(Detroit,MI)でのマンモグラムのVolpara読み取りの両方を受けた。乳房密度の時間的変化を制限するために、Volparaマンモグラムの読み取りに対して365日間以内にUSTスキャンを受けた患者のみを選択した。USTスキャンは、Volparaのように2014年5月から2016年2月の範囲の期間にわたって行われた。全てのイメージング手順は、Health Insurance Portability and Accountability Actを遵守し、インフォームドコンセントを全ての患者から得て、Institutional Review Boardが承認したプロトコールの下で実施した。
まず、乳癌診断研究のために対象を募集し、その研究の結果、関連するマンモグラムと共に罹患乳房のUSTスキャンのデータベースが提供された。ここに提示される乳房密度研究は、診断研究からの保管データの後向き分析に基づく。これらのデータを使用して、発明者らは、USTデータからVASSおよびマンモグラフィデータからMPDを計算した。最初の診断研究は罹患した乳房のみをスキャンすることに重点的に取り組んでいたため、対側乳房のUSTデータはこのアーカイブでは利用可能ではなかったことに留意すべきである。その結果、BD測定値は腫瘤の存在によって影響を受けた。しかしながら、腫瘤はUST研究およびVolpara研究の両方に存在し、したがって、2つのモダリティの比較におけるバイアスにはならない。
Volpara測定
通常のスクリーニングプロトコールの一部として、2015年のほとんどの間に、マンモグラムを受けた患者はVolpara分析も受けた。総高密度体積、総乳房体積、パーセント密度および密度グレードの測定値を、USTでまたスキャンした乳房から記録した(図2)。
通常のスクリーニングプロトコールの一部として、2015年のほとんどの間に、マンモグラムを受けた患者はVolpara分析も受けた。総高密度体積、総乳房体積、パーセント密度および密度グレードの測定値を、USTでまたスキャンした乳房から記録した(図2)。
UST測定
図6は、USTデータの分析を示す一連の画像を示す。図6は、次のことを示す:(上:左から右)-Waferバスが容易に閾値処理され得るWafer画像、601;形態学的演算子が閾値処理に適用された後の得られたマスク、602;元の音速画像、603;およびその後の全ての測定が行われたマスクされた音速画像604および(下:左から右)-元の音速画像605およびマスクされたUST画像であって、高密度組織および非高密度組織のセグメンテーションが重ね合わされた画像606。1時00分の方向にある高密度組織の小さな塊に注目されたい。
図6は、USTデータの分析を示す一連の画像を示す。図6は、次のことを示す:(上:左から右)-Waferバスが容易に閾値処理され得るWafer画像、601;形態学的演算子が閾値処理に適用された後の得られたマスク、602;元の音速画像、603;およびその後の全ての測定が行われたマスクされた音速画像604および(下:左から右)-元の音速画像605およびマスクされたUST画像であって、高密度組織および非高密度組織のセグメンテーションが重ね合わされた画像606。1時00分の方向にある高密度組織の小さな塊に注目されたい。
UST測定は、SoftVue(図1)、(Delphinus Medical Technologies Novi,MI,USA)を用いて行った。BD測定方法として、USTは、マンモグラフィのいくつかの欠点を克服する可能性があり、例えば、音速(SS)は、物理的組織密度の定量的かつ直接的な尺度であり;USTは、SS画像のスタックを生成させることによって3次元乳房組織体積を測定し、SS分布の3Dレンダリングを得て(図6);SS画像の画素値はkm/sの単位であり、これはスキャン間で変化せず、ファントム較正を必要としない絶対スケールを表し;USTは、標準的なマンモグラフィ法とは異なり、検査側と分析側の両方でオペレータから独立している。
患者はテーブル上でうつ伏せに寝て、乳房をテーブル下の温水で満たされた撮像タンクに吊り下げられるようにする。リング形状の超音波センサが乳房を取り囲み、電動ガントリにおいて、乳頭から胸壁に移動し、2mm間隔でデータを収集する。典型的な全乳房スキャンは、実行するのに約2~4分かかる。SoftVueシステムは、トランスデューサの各位置で画像を生成し、バイラテラル画像スタックを生成する。SS画像(図1)は、サブmmの空間分解能をもたらす波形断層撮影アルゴリズムから生成される。比較により、発明者らの以前の研究では、サブcmの解像度をもたらすベントレイ(bent ray)アルゴリズムからSS画像を生成させた。
音速は、トランスデューサの一部分によって放射され、別の部分で受信される信号の到達時間を決定することによって得られる尺度である。トランスデューサの形状およびサイズの物理的パラメータは製造時に正確に決定されるため、音の絶対速度は正確に計算され得る。したがって、選択された単位km/sは、現在の機械と将来の機械との間で容易に再現され得る絶対スケールを表す。
音速画像に対する密度統計値の計算は、最初に、バックグラウンドの水浴から画像をセグメント化する必要がある。より高解像度の音速画像を作成することに加えて、波形再構成はまた、Wafer(波形増強反射(Waveform enhanced reflection))として知られるわずかに異なる反射画像も生成させた。この画像は、乳房組織水浴境界におけるコントラストを強調するために、音速情報を使用した。したがって、Wafer画像は、乳房組織をセグメント化するために閾値を設定するのがはるかに容易である。セグメンテーションマスクは、最初にWafer画像を閾値処理し、次いでバイナリ演算子を適用して各スライスの最終マスクを作成することによって作成された(図6)。音速画像がマスクされると、平均音速、組織の総体積が、他の基本的な統計と共に、各スキャンに対する定量的画像から容易に引き出された。
SS画像スタックから2つのパラメータを計算した。VASSは、メートル/秒の単位で表される乳房の平均SSである。PHSSTは、マンモグラフィのパーセント密度に類似しており、0%~100%の範囲のパーセンテージとして表される。VASSは、全ての音速画素値を合計し、乳房境界内でカウントされた画素の総数で除するアルゴリズムを用いて計算される。この工程は、乳房の体積平均音速をもたらす。PHSSTは、音速画像を高密度領域および非高密度領域に分離するk平均セグメンテーションアルゴリズムを使用して決定される(図6)。次いで、セグメント化された高密度組織の体積を計算した。乳房の全体積(VASS計算から)で除して、PHHSTパラメータを決定した。
VASSおよびPHSST対MPDの比較
対応のあるt検定をUST測定とVolpara測定との間で行った。スピアマン相関係数を計算して、BDのVolpara MPDとUST(VASSおよびPHSST)測定との間の相関の強さを決定した。
対応のあるt検定をUST測定とVolpara測定との間で行った。スピアマン相関係数を計算して、BDのVolpara MPDとUST(VASSおよびPHSST)測定との間の相関の強さを決定した。
誤差推定
この研究で使用されたUSTスキャンデータは、最初に、マンモグラム後に疑いを有することに基づいて患者を選択した並行研究から取得された。その結果、ほとんどの対象は、乳房密度とは無関係に、乳房内に、VASS測定に寄与する腫瘤があった。線維腺腫または癌などの1cm3の病変は、高密度線維腺組織に類似した音速を有する。体積が1000cm3である典型的な乳房の場合、これは、乳房の体積上の0.1%の揺らぎおよび平均音速の1.5m/sの揺らぎに相当する。後に示すように、上記の不確実性は、UST測定値とMPD測定値との間の観測された相関における散乱をはるかに下回る。
この研究で使用されたUSTスキャンデータは、最初に、マンモグラム後に疑いを有することに基づいて患者を選択した並行研究から取得された。その結果、ほとんどの対象は、乳房密度とは無関係に、乳房内に、VASS測定に寄与する腫瘤があった。線維腺腫または癌などの1cm3の病変は、高密度線維腺組織に類似した音速を有する。体積が1000cm3である典型的な乳房の場合、これは、乳房の体積上の0.1%の揺らぎおよび平均音速の1.5m/sの揺らぎに相当する。後に示すように、上記の不確実性は、UST測定値とMPD測定値との間の観測された相関における散乱をはるかに下回る。
結果-患者の特徴
USTスキャンとマンモグラフィとの間の平均遅延は27日であった。66名の患者については、マンモグラムの後にUSTスキャンが行われ、32名の患者は最初にUSTスキャンを受け、4名の患者が同じ日に両方を受けた。患者の平均年齢、身長、体重およびBMIは、USTスキャン時にそれぞれ、51.2歳、179.7ポンド、64.7インチおよび30.2kg/m2であった。参加者の74%がアフリカ系アメリカ人であり、19%が白人であり、7%がその他であった。
結果-マンモグラフィによる体積とUST体積との比較
USTスキャンとマンモグラフィとの間の平均遅延は27日であった。66名の患者については、マンモグラムの後にUSTスキャンが行われ、32名の患者は最初にUSTスキャンを受け、4名の患者が同じ日に両方を受けた。患者の平均年齢、身長、体重およびBMIは、USTスキャン時にそれぞれ、51.2歳、179.7ポンド、64.7インチおよび30.2kg/m2であった。参加者の74%がアフリカ系アメリカ人であり、19%が白人であり、7%がその他であった。
結果-マンモグラフィによる体積とUST体積との比較
マンモグラフィおよびUSTの両方で測定された乳房組織の平均体積を比較し、結果を以下の1に示す。USTで見出された総乳房体積および脂肪体積はより小さいが、高密度組織の体積はより大きく、したがって、その結果、より大きいパーセント密度値となった。全ての測定がp<0.001で平均値の統計学的に有意な差を示した。
Volpara体積測定値とUST体積測定値との間でスピアマン相関も調べた。その結果も表3で示す。VolparaとUSTの総体積と脂肪体積との間で非常に強い相関が見られた。しかしながら、高密度組織のVolpara体積とUST体積との間には中程度の相関しかない。
結果-マンモグラフィとUST密度測定比較
図7は、(左)Volparaの体積測定と比較したVAS、および(右)Volparaと比較したPHSSTを示す。次いで、平均音のUST乳房密度測定値と乳房密度のVolpara測定でのパーセント密度との間の比較を行った。図7は、パーセント密度比較を示し、VASS対MPDとPHSST対MPDとの間の強い相関を示す。
図7は、(左)Volparaの体積測定と比較したVAS、および(右)Volparaと比較したPHSSTを示す。次いで、平均音のUST乳房密度測定値と乳房密度のVolpara測定でのパーセント密度との間の比較を行った。図7は、パーセント密度比較を示し、VASS対MPDとPHSST対MPDとの間の強い相関を示す。
結果-Volpara密度グレード比較
図8は、Volpara密度のグレードによって分類された場合のVASS(左)およびPHSST(右)の箱ひげ図を示す。Volparaはまた、そのパーセント密度測定値に基づいて4点スケールで各乳房の密度をスコア化する。各群について、音速データから、平均音速、パーセント密度および高密度体積測定値を計算した。結果の箱ひげ図を図8に示す。Volpara密度スコアはVolparaグレードと最も強く相関しているが、PHSSTも群分けと強い相関を示す。UST体積は、Volparaによって測定されたものよりもわずかに低かった。高密度組織の総体積は、乳房が非常に高密度になるまで密度が増加するにつれて上昇し、プラトーがある。USTは、Volparaよりも多くの組織を高密度組織として分類する。
図8は、Volpara密度のグレードによって分類された場合のVASS(左)およびPHSST(右)の箱ひげ図を示す。Volparaはまた、そのパーセント密度測定値に基づいて4点スケールで各乳房の密度をスコア化する。各群について、音速データから、平均音速、パーセント密度および高密度体積測定値を計算した。結果の箱ひげ図を図8に示す。Volpara密度スコアはVolparaグレードと最も強く相関しているが、PHSSTも群分けと強い相関を示す。UST体積は、Volparaによって測定されたものよりもわずかに低かった。高密度組織の総体積は、乳房が非常に高密度になるまで密度が増加するにつれて上昇し、プラトーがある。USTは、Volparaよりも多くの組織を高密度組織として分類する。
考察
平均UST乳房体積は、Volparaによって測定されたものよりもわずかに低かった。この違いは、乳房の位置決めが、UST画像の場合、マンモグラムの場合とは異なるという事実ならびに異なるセグメンテーション方法が使用されることによって説明されると思われる。
平均UST乳房体積は、Volparaによって測定されたものよりもわずかに低かった。この違いは、乳房の位置決めが、UST画像の場合、マンモグラムの場合とは異なるという事実ならびに異なるセグメンテーション方法が使用されることによって説明されると思われる。
表3はまた、USTが有意により多くの組織を高密度として分類し、Volparaと比較してはるかに高いパーセント密度につながることを示す。この差は、いくつかの要因:(i)UST音速は(方法に記載されているように)物理的密度の尺度であり、一方でX線吸収は密度および組成の両方から生じること;(ii)PHSST推定に使用されるk平均クラスタリングが、独自のVolpara推定とは異なる可能性が高く、異なる有効閾値につながること;(iii)Volparaは、USTによって使用される真の3D推定と比較して、ランダムおよび系統誤差の両方につながる可能性が高い圧縮された体積から3D情報を復元しようと試みることなどに起因し得る。Volparaによって決定された乳房密度は、上記の要因のために真の密度を過小評価し得る。
VASSおよびPHSSTは、MPDと強く相関する(図7)。VASS測定値は、PHSSTよりもMPDとわずかに相関が低いようであり、これはおそらく、パーセンテージと比較して、VASS対MPDが、定量的な値を比較するという事実に起因する。逆に、PHSST対MRIは、あるパーセンテージ対別のパーセンテージを比較し、それゆえに、より類似した比較を行い、小さく、統計的に有意でない差を示す。
MPDとのVASSおよびPHSSTの傾向は、それぞれ0.85および0.86の相関係数で強く相関する(図8)。この比較は、前述の高密度組織の分類には限界があるにもかかわらず、二次元マンモグラムから体積特性を決定するVolparaの能力が、二次元測定のみに依存するよりも効果的であることを示唆する。
VASSおよびPHSTとMPDとの関連を特徴付ける一般的な所見は、低値から高値までのこれらのパラメータ間の関連における散乱の挙動である。散乱は、VASSおよびMPDの低値で最小であり、より高い値に向かって着実に増加する。この効果は、以前の研究ではさらにより強く、2D投影画像(マンモグラム)を3D UST画像と比較する状況で理解され得る。低密度では、乳房は、均一に分布した脂肪組織が多くを占める。乳房圧縮は乳房体積を維持するので、単一構成要素体積と単一構成要素面積(同じ体積の圧縮)との間の強い相関関係が予想される。同様に、高密度組織の散乱領域のみを有する乳房では、圧縮された乳房は、何らかの体積画像と同様の数の局所的な高密度領域を示し、相関関係が保持される。しかしながら、高密度領域の数が増加し、乳房の全体的な密度が増加するにつれて、乳房の圧縮は常に投影画像における高密度組織の重なりにつながる。高密度組織の領域は互いに閉塞し得、それによってMPDを過小評価し、閉塞の程度は、高密度組織の特定の3D分布に応じて、MPD値が変動し易くなり得る。VASSは圧縮された量を測定しないので、これらの効果は、MPDとVASSとの比較においてより大きな変動を取り込む。現在の結果では、散乱も密度の上昇と共に増加するが、効果はそれほど顕著ではなく、このことから、Volparaの体積推定は低下するが、このタイプの散乱を排除しないことが示唆される。図8に示すように、USTデータは、Volpara乳房密度グレードに基づいて4つの密度カテゴリーに分類され得る。これは、相関における分散が乳房密度の上昇と共に上昇するという以前の観察を確認する。
最後に、UST法を、漸進的により正確な体積測定値を生成するモダリティ(表4)と比較すると、USTに対する相関係数が着実に上昇することが分かる。この結果は、USTが何らかのマンモグラフィ法と比較してBDのより体積的な測定値であることと一致している。MRIと2-Dおよび3-D MPDとの比較は、MRI対VolparaおよびUST対Volparaを比較した場合に、著しく類似した傾向を示し、r値は0.85である。これらの類似性は、BDを測定するUST法が、MRI測定に対する効果的で低コストの代用物となり得ることを示唆する。実際に、以前の研究では、発明者らは、USTが0.96という高い相関係数で非造影MRIと相関することを示した。USTが将来的にスクリーニングモダリティとして受け入れられる場合、MRIが有効な代替物になることを妨げた障壁を取り除くことによって、BDのマンモグラフィ測定に対する実行可能でより正確な代替物になる可能性がある。さらに、乳房密度とバックグラウンド実質増強(BPE)との相関に関する文献における食い違いに対処することが可能であり得、一部の文献は、BPEが乳房密度とは無関係にリスクのバイオマーカーであることを示唆する。
実施例3
発明者らは、症例対照研究において、タモキシフェン療法に応答した体積平均音速(VASS)バイオマーカーの反復測定を評価した。発明者らは、タモキシフェン療法を受けることを医療専門家によって言及された74名の参加者(症例)およびDetroit,MIの乳癌歴のない150名の対照を募集した。対照は、年齢、人種および閉経状態において症例と一致させた。タモキシフェン開始後、ベースライン、3カ月、6カ月および12カ月で症例の画像を得た。対照は、ベースラインおよび12カ月で画像を得た。
発明者らは、症例対照研究において、タモキシフェン療法に応答した体積平均音速(VASS)バイオマーカーの反復測定を評価した。発明者らは、タモキシフェン療法を受けることを医療専門家によって言及された74名の参加者(症例)およびDetroit,MIの乳癌歴のない150名の対照を募集した。対照は、年齢、人種および閉経状態において症例と一致させた。タモキシフェン開始後、ベースライン、3カ月、6カ月および12カ月で症例の画像を得た。対照は、ベースラインおよび12カ月で画像を得た。
図9は、症例対照研究の結果を示す。症例および対照における体積平均音速の変化は、時間の関数として示される。
図10は、タモキシフェン代謝産物と体積平均音速の12カ月変化との間の相関の要約を示す。VASSは、タモキシフェン療法の開始後12カ月の期間にわたって急速かつ統計学的に有意な減少を示す。VASSは、対応対照において同じ期間にわたって安定であった。VASSの変化は、処置応答の潜在的な代理マーカーであり得る。この実験は、タモキシフェン応答者を無応答者から識別するための臨床管理におけるVASSのモニタリングに対する役割を実証する。
ネオアジュバント化学療法に対する応答の監視
実施例4
DetroitのKarmanos Cancer InstituteのAlexander J.Walt Comprehensive Breast Centerの患者を、Wayne State University Institutional Review Board(IRB)が承認したプロトコール(#056707MP4F)の下で募集した。患者は最初に、電子医療記録(EMR)のHIPAA準拠検査を通じて、有望なNAC患者として特定された。NACを受ける可能性があると思われ、この試験に参加することを承諾した患者を、参加に適格である可能性があるものとして特定した。適格基準は以下の通りである:a)≧18歳;b)局所進行乳癌の確定診断;c)NACに適格であるが、NACをまだ受けていない;d)英語の読み書き能力;e)UST装置上に横たわる能力を妨げる身体的または精神症状がないこと。ベースライン測定値(第0日)は、最初の試験来院として定義され、USTスキャンは同じ日および最初の化学療法来院の直前に実施された。患者に対してその最初の医師ミーティング時にスキャンが行われ、およびその日にスキャンされた場合、患者には負の日数が割り当てられた(例えば、-10日間とは、最初の化学療法来院の10日前にスキャンが行われたことを意味する)。
実施例4
DetroitのKarmanos Cancer InstituteのAlexander J.Walt Comprehensive Breast Centerの患者を、Wayne State University Institutional Review Board(IRB)が承認したプロトコール(#056707MP4F)の下で募集した。患者は最初に、電子医療記録(EMR)のHIPAA準拠検査を通じて、有望なNAC患者として特定された。NACを受ける可能性があると思われ、この試験に参加することを承諾した患者を、参加に適格である可能性があるものとして特定した。適格基準は以下の通りである:a)≧18歳;b)局所進行乳癌の確定診断;c)NACに適格であるが、NACをまだ受けていない;d)英語の読み書き能力;e)UST装置上に横たわる能力を妨げる身体的または精神症状がないこと。ベースライン測定値(第0日)は、最初の試験来院として定義され、USTスキャンは同じ日および最初の化学療法来院の直前に実施された。患者に対してその最初の医師ミーティング時にスキャンが行われ、およびその日にスキャンされた場合、患者には負の日数が割り当てられた(例えば、-10日間とは、最初の化学療法来院の10日前にスキャンが行われたことを意味する)。
この試験に登録された患者に対してまた、USTに基づく乳房イメージングシステムであるプロトタイプスキャナ1101(図11)でスキャンを行った。USTをネオアジュバント化学療法(NAC療法)1202の過程にわたって使用し、各患者について複数の時点1201を得た(図12に概略的に示す。)。NACを投与するたびに(毎週または隔週のいずれか)、患者をUSTでスキャンした。
外科病理報告を使用して、患者が病理学的完全奏効(pCR)を達成したか否かを評価した。少数の患者が意義のある統計学的分析を不可能にしていたため、応答の程度を評価するための試みは行わなかった。
最初に、21名の患者を研究のために募集した。ベントレイ(bent-ray)断層撮影の技術を使用して、断面音速画像のスタックを生成させるためにUSTを使用した。これらの画像を使用して、3-Dにおける癌の全ての病巣の体積および音速を定量化し、経時的に変化を決定した。この研究からの最初の結果は、光線ベースの音速画像の空間分解能が比較的低い(分解能5mm)ことによって制限された。発明者らのグループは、ほぼ1桁(0.7mm)空間分解能を改善した波形断層撮影に基づく再構成方法を開発した。これらの改善により、発明者らは、元の研究から保存された生データから、新しい画像を再構成しようと試みた。大部分は成功した一方で、21名の患者のうち7名に対する再構成は、信号の質が低いために使用可能な画像が得られなかった(再構成する画素が小さいほど、含有するシグナルエネルギーが低くなるので、波形再構成方法は、シグナルの質に対してより感度が高い)。前述の理由により、研究は、182件の患者検査(患者あたり平均13の検査)に対応する合計14の患者データセットで進めた。
研究の完了時に、データを患者ごとに時系列の音速画像スタックにまとめた。専門委員会により認定された乳房撮影装置(PL)は、データセットを検査して、各時点における画像スタック内の癌の位置および程度を判定した。
相対音速測定。(1)腫瘍の体積は、セグメント化された腫瘍画像の画素数によって自動的に計算され;2)内側境界が腫瘍を取り囲み、外側境界が腫瘍周囲領域の範囲を画定する環状領域を画定するために各画像スライスにおいて楕円形の関心領域1301を使用して薄い環状部(幅1cm)を画定することによって腫瘍周囲体積を計算し(図13)、セグメント化された腫瘍における画素音速値を合計し、腫瘍体積で除することによって、平均腫瘍音速を自動的に計算し;4)腫瘍周囲領域を同様に評価し;5)体積平均腫瘍音速とその腫瘍周囲領域との間の差を使用して、腫瘍の相対音速1302を決定した。経時的な腫瘍の監視は、左側の図1303で見ることができる。
時間依存性変化の特徴付け:1)腫瘍の体積および相対音速を各患者に対する時間の関数として決定し;2)V~exp(-t/τ)の形式の指数関数をフィットさせることによって、これらの時間依存性応答曲線を各患者に対して個別に特徴付けた。指数関数的減衰時間τは、腫瘍が、1/eの係数によってそのV/VASSを変化させるのにかかる時間を表す(すなわちその初期値の37%まで)。これは、全てのデータをフィットさせることによって長期(処置の全経過)応答を定量化するために最良適合指数曲線から抽出したが、一方で短期応答は、処置の最初の60日間のみに指数関数をフィットさせることによって評価した。個々の患者の応答曲線の特徴付けを行うことに加えて、群応答も評価した。病理学的完全奏効(pCR)を達成したか否かに基づいて、患者を部分奏効者対完全奏効者として分割した。
群平均減衰時間を音速および体積の両方について決定した。t検定を用いて群値のあらゆる差の有意性を評価した。
同様に、体積および相対音速についての群平均応答曲線を計算した。最初に個々の患者データを10日間の等間隔の増分に補間し、次いでpCR群および部分奏効者群のそれぞれにおいてこれらの時点で全患者からのデータを平均することによって、曲線を生成させた。エラーバーは、各群内の特定の時点での全患者データの平均からの平均の標準誤差として計算した。
応答曲線の差を決定するために、コルモゴロフ-スミルノフ(KS)検定を使用した。p<0.05で2つの異なる傾向を形成した場合、差は有意であるとみなした。
この研究においてデータ取得から応答の予測まで続く基本的な段階を図14で概略的に示す。段階1401において、患者はUSTスキャン1402を受け得る。次に、段階1403において、USTスキャンをアーカイブに格納する。段階1404において、医師は、音速画像スタックをアーカイブから閲覧ワークステーションにインポートし得る。段階1405において、音速画像スタックがセグメント化される。段階1406において、腫瘍のない画像スライスが削除される。段階1407において、残りの画像を使用して、腫瘍の3-D画像を形成する。段階1408において、腫瘍の体積および平均音速が計算される。段階1403において、腫瘍の体積および平均音速がアーカイブに格納される。段階1409において、計算された腫瘍の体積および平均音速は、excelなどのプログラムにエクスポートされる。段階1410において、プログラムを使用して、腫瘍体積および音速の時間プロットを生成させる。段階1411において、生成されたプロットが曲線フィッティングアルゴリズムパッケージにエクスポートされる。段階1412において、プログラムを使用して、応答曲線1412の特徴付けを行う。
体積および音速の時間曲線の例を図15Aおよび図15Bに示す。各時間曲線は、各化学療法および/またはクリニック来院に対する時間(横軸に日数で示す)の関数としての相対体積(体積をベースライン体積で除したもの-縦軸)および相対音速(相対音速をベースライン音速で除したもの)を示す。相対音速データに対する結果を同様に示す。図15Bはまた、フィットさせた指数関数および日数での減衰時間を示す。表5は、(i)その処置の全経過および(ii)処置の最初の60日間にわたる研究における全ての患者に対する体積および音速応答に対する指数関数的減衰時間をまとめる。各患者に対する個々の減衰時間に加えて、表6はまた、部分奏効者および完全奏効者それぞれに対する群平均減衰時間を示す。また、腫瘍が成長および/または硬化した場合、負の減衰時間を示した症例の数も記される。
指数関数を処置の全過程からのデータにフィットさせると、全ての患者が腫瘍縮小を示し、平均減衰時間は、部分奏効者については146+103日、完全奏効者については147+123日であり、これらの間に統計学的な差がないことが示された。音速の場合、9名の部分奏効者のうち3名が音速の上昇を示し、一方で5名の完全奏効者のうち1名が上昇を示した。腫瘍音速が低下している患者のうち、平均低下時間は、部分奏効者では351+449日、完全奏効者では544+971日であった(p=0.4)。これらの結果は、音速の低下が極めて大きな値の範囲を示す2つの群間の低下時間に有意差がないことを示唆する。
この研究の主な目的は処置サイクルの早期に変化を見分けることであったため、処置の最初の60日間に対応するデータにのみ指数関数をフィットさせることによって分析を繰り返した。表5の検査は、実際に、減少時間が異なる挙動を示したことを示す。9名の部分奏効者のうち2名が最初の60日間に腫瘍体積の増加を示し、一方で完全奏効者はいずれも示さなかった。体積が減少している患者については、腫瘍縮小は、部分奏効者では187+179日および完全奏効者では89+73日の平均縮小時間を特徴とし、わずかに有意差があった(p=0.1)。図16Aおよび図16Bの箱ひげ図は、2つの分布を示す。音速の場合、9名の部分奏効者のうち5名が音速の増加を示し、一方で5名の完全奏効者のうち増加を示した者はいなかった。腫瘍音速が低下している患者のうち、平均低下時間は、部分奏効者では214+110日、完全奏効者では53+41日であり、統計学的に有意な差があった(p<0.05)。図16Aおよび図16Bの箱ひげ図は、2つの分布を示す。正および負の腫瘍変化の組み合わせを表6および表7でまとめる。表5~7の検査は、音速が体積よりも大きな識別力をもたらし、両方が低下する場合、完全奏効者が部分奏効者から十分に鑑別されることを示唆する。
体積データに対する群平均応答曲線を図17Aに示す。薄灰色のデータ点は、pCRを達成しなかった全ての患者についてのベースラインに対する平均腫瘍体積を表す。濃灰色のデータ点は完全奏効者を表す。同様に、群平均腫瘍音速データを図17Bに示す。応答における上記の差の統計学的有意性を評価するために、発明者らはKS検定を行った(参照により本明細書中に組み込まれるhttp://www.physics.csbsju.edu/stats/KS-test.htmlを参照)。完全奏効群および部分奏効群は統計学的に異なると判定された。体積分布はp=0.047で明確に異なり、音速データはp=0.003で明確に異なった。
提示された結果は、ほぼ全ての患者が、腫瘍体積の減少および/または腫瘍音速の低下によって測定されるようにある程度の応答を示したことを実証する。長期データ(表5)とは対照的に、短期データは、部分奏効群と完全(compete)奏効群との間の有意差を示す。後者の結果は、体積および音速の両方において迅速な初期応答を有する患者がpCRを達成した群に属する可能性がより高いことを示唆する。
経験的に観察された腫瘍音速の低下は、化学療法に対する応答における腫瘍の生体力学的特性の変化に関連すると思われる。音速cおよび乳房組織密度ρは、線形的に相関しており、c(km/s)=1.12ρ(g/cm3)+0.39である。この関係が腫瘍に当てはまる場合、測定された音速の変化が、触診による腫瘍評価に類似する腫瘍密度の変化によって決定され得ることは生物学的に妥当である。
図17Aおよび図17Bに示す2つの独立した体積および音速の傾向の検査から、両方の傾向の組み合わせが2つの群の鑑別を向上させ得ることが示唆される。発明者らは、体積と音速の値の掛け算を表す新しいパラメータ(UST-c)を定義した。結果を図18に示す。完全奏効者は、部分奏効者と比較してより速い初期応答を示す。差は処置の初期段階(最初の2週間)で急速に生じ、30日で横ばいになり始め、50日前後でピークに達する。この2群の応答は有意に異なる(p=0.012)。
KCI腫瘍専門医からのコメントは、無応答の早期予測が、(1)腫瘍がNACに応答していない場合、より決定的な処置のために患者を手術に送り出すこと、および(2)レジメンを迅速に変更するため、または患者をすぐに手術に送るために、疾患進行を早期に特定することを可能にすることを示唆している。したがって、無応答または腫瘍進行は、腫瘍科医が代替のNACレジメンを採用するか、または何らかのさらなる疾患進行が起こる前に手術時期を早めるかのいずれかにつながる。このような考察を求めて、発明者らは、腫瘍体積の減少率および音速の低下率を合わせると、処置過程の早期に無応答(進行を含む)を予測し得るという仮説を立てる(図18)。この仮説は、発明者らの有望な予備的結果、ならびに発明者らおよび他のグループによって文献に記載されるようなMRIおよびPETからの結果が動機となっている。この仮説は、患者の転帰を群分けし、ROC分析を使用して、どの程度早く、どの程度正確に無応答が予測され得るかを判定することによって、将来の研究で試験されよう。
長期目標は、ネオアジュバント化学療法(NAC)に対する局所進行性乳房腫瘍応答を測定し、処置過程の早期に臨床的および病理学的奏効(pCR)を予測するための安全で費用効果が高く快適なイメージングストラテジーを提供することである。エンドユーザのためのこの新しいリソースは、臨床的意思決定を通知するための実用的で低コストの方法を提供する安全(非放射線)で、迅速で、反復可能および頻繁な測定によって可能になる。
実施例5
発明者らは、症例対照研究において、タモキシフェン療法に応答した体積平均音速(VASS)バイオマーカーの反復測定を評価した。発明者らは、タモキシフェン療法を受けることを医療専門家によって言及された74名の参加者(症例)およびDetroit,MIの乳癌歴のない150名の対照を募集した。対照は、年齢、人種および閉経状態において症例と一致させた。タモキシフェン開始後、ベースライン、3カ月、6カ月および12カ月で症例の画像を得た。対照は、ベースラインおよび12カ月で画像を得た。
発明者らは、症例対照研究において、タモキシフェン療法に応答した体積平均音速(VASS)バイオマーカーの反復測定を評価した。発明者らは、タモキシフェン療法を受けることを医療専門家によって言及された74名の参加者(症例)およびDetroit,MIの乳癌歴のない150名の対照を募集した。対照は、年齢、人種および閉経状態において症例と一致させた。タモキシフェン開始後、ベースライン、3カ月、6カ月および12カ月で症例の画像を得た。対照は、ベースラインおよび12カ月で画像を得た。
図19は、症例対照研究の結果を示す。症例および対照における体積平均音速の変化は、時間の関数として示される。
図20は、タモキシフェン代謝産物と体積平均音速の12カ月変化との間の相関の要約を示す。VASSは、タモキシフェン療法の開始後12カ月の期間にわたって急速かつ統計学的に有意な減少を示す。VASSは、対応対照において同じ期間にわたって安定であった。VASSの変化は、処置応答の潜在的な代理マーカーであり得る。この実験は、タモキシフェン応答者を無応答者から識別するための臨床管理におけるVASSのモニタリングに対する役割を実証する。
乳房全体の硬度の特徴付け
実施例6
材料および方法の概要-2017年1月~2018年11月の期間中のマンモグラフィでの所見を有する患者をSoftVueでスキャンした。生検前の標準的な乳房イメージング評価によって、触知可能または視認可能な腫瘤のいずれかを有することに基づいて患者を選択した。注目すべき除外基準は、年齢<18歳、体重>350ポンド(すなわち、SoftVueスキャニング台の予測される限界(projected limit))、インフォームドコンセントの提出不能、USTテーブル上での伏臥位不能および、患者自身の安全のために(すなわち、消毒された水は各患者間でシステムによって交換される)、乳房においてUST水浴への浸漬を妨げる何らかの開放創または創傷があること。サイズが<1.5cmの240個の腫瘤(79例が癌、88例が線維腺腫、52例が嚢胞および21例が他の良性所見)を含んだ病変タイプを検証するためのグランドトゥルースとして、病理学および/または放射線学の報告を使用した。病変の局在化およびUST評価は、専門委員会により認定された乳房放射線科医によって提供された。SoftVueによるUST硬度測定は、組織体積弾性率に関する情報を抽出し、次いでこれを相対的な組織の硬度指標(0=非常に軟らかい~1=非常に硬い)に変換し、K平均クラスタリングによって3つのパーセンテージ群(すなわち、軟らかい、中間および硬い)に分類した。さらに、グレーレベル同時発生行列(GLCM)アプローチを使用して各腫瘤に対して硬度の平均均一性を計算した。
実施例6
材料および方法の概要-2017年1月~2018年11月の期間中のマンモグラフィでの所見を有する患者をSoftVueでスキャンした。生検前の標準的な乳房イメージング評価によって、触知可能または視認可能な腫瘤のいずれかを有することに基づいて患者を選択した。注目すべき除外基準は、年齢<18歳、体重>350ポンド(すなわち、SoftVueスキャニング台の予測される限界(projected limit))、インフォームドコンセントの提出不能、USTテーブル上での伏臥位不能および、患者自身の安全のために(すなわち、消毒された水は各患者間でシステムによって交換される)、乳房においてUST水浴への浸漬を妨げる何らかの開放創または創傷があること。サイズが<1.5cmの240個の腫瘤(79例が癌、88例が線維腺腫、52例が嚢胞および21例が他の良性所見)を含んだ病変タイプを検証するためのグランドトゥルースとして、病理学および/または放射線学の報告を使用した。病変の局在化およびUST評価は、専門委員会により認定された乳房放射線科医によって提供された。SoftVueによるUST硬度測定は、組織体積弾性率に関する情報を抽出し、次いでこれを相対的な組織の硬度指標(0=非常に軟らかい~1=非常に硬い)に変換し、K平均クラスタリングによって3つのパーセンテージ群(すなわち、軟らかい、中間および硬い)に分類した。さらに、グレーレベル同時発生行列(GLCM)アプローチを使用して各腫瘤に対して硬度の平均均一性を計算した。
最初に全乳房分布に対する影響を評価するために、各患者に対する総乳房体積は最初、その後総体積から差し引かれた基礎にある腫瘤ならびにそれらの腫瘤の硬い部分のサブ体積(mass stiffness sub-volumes)を含んだ。その後のグラフィック解析において、腫瘤はこのシリーズの全乳房体積と比較してそれらの腫瘤体積が小さいために全乳房体積硬度分布に対して示す寄与が最小限であったので、全乳房体積から腫瘤を除外しなかった(すなわち、平均腫瘍体積=1.1ccと比較して、平均乳房体積=737cc)。腫瘤表面積の体積への変換は、各腫瘤の関心領域について記録した。腫瘤体積推定値は、トレースされたRO1の腫瘤サイズ測定値d1およびd2から導出され、次いで、回転楕円体体積計算を仮定した:
式中、Lは、ROI直径の平均であった。面積測定体積技術(すなわち、サブミリメートル冠状面解像度を使用するのではなく、~2.5mmの複数の接合部空間に関連する各スライスでのハンドトレース表面積輪郭の合計)の潜在的な不正確さを回避するために、この体積的アプローチを使用した。SoftVue UST作動パラメータは、表11に見られ得るとおりであった。
画像取得は、表11の臨床的に関連する性能パラメータを用いて冠状面で行った。図33に見られ得るように、患者は、乳房3301を水浴3302中で伸ばして伏臥位になり、同時にリングアレイ3303が胸壁から乳頭まで走査し、反射3304、音速3305および減衰3306データが冠状断で取得されるようにする。臨床レビューのための再構成により、反射時に重ね合わせられた硬度測定値のマッピングからなる硬度融合(stiffness fusion)画像スタックで、4つのSoftVue画像スタック:反射、音速、波形増強反射(waveform enhanced reflection)(Wafer;脂肪からのコントラストが低減された音速補正反射画像)が生成された。
全ての患者は、多施設高密度乳房スクリーニング試験の臨床アームにおける参加のためのインフォームドコンセントを受け取った。スクリーニングアームとは別の臨床的乳房所見(すなわち、触知可能またはマンモグラフィでの異常)を有する208名の患者を全乳房UST(すなわち、Delphinus Medical Technologies,Inc.によるSoftVue;Novi Michigan)によって評価した。206名の患者からの239の個々の乳房内に合計298個の腫瘤が認められた。298個の乳房腫瘤は、78個の癌、105個の線維腺腫、91個の嚢胞および24個の他の良性所見からなった。24個の他の良性所見は、限局性線維症(N=5)、線維嚢胞性変化(N=4)、異型乳管過形成(N=2)、乳腺偽血管腫様過形成(N=2)および他の特異な所見の混合された組織学的所見を含有した。平均腫瘍直径は、癌に対して、線維腺腫および嚢胞と比較してより大きかった(それぞれ1.3cm、1.1cmおよび1.0cm、p=0.007 ANOVA)。標準的な超音波(US)評価によって特徴的な嚢胞とみなされない限り、その後または以前の組織学によって全ての腫瘤を生検で確認し、次いで、サイズ(1.5cm)に従って分けた(表8)。大部分の患者は、マンモグラフィによって認められる不均一な高密度乳房(N=133または64.6%)または非常に高密度の乳房(N=55または26.7%)を有していた。腫瘤の特徴付けのために癌をより良好に標本抽出するために、散在性乳房密度を有すると認められた女性(N=18または8.7%)から疑わしい腫瘤を有する患者を含めた。78個の癌から入手可能なデータは、それらの内訳を以下のように示した:浸潤性乳管癌[IDC;1例の粘液性、1例の乳頭状、2例の乳管上皮内癌(DCIS)を含め、N=60]、浸潤性小葉癌腫(N=10)、浸潤性乳房(N=2)およびDCIS単独(N=2)。ホルモンマーカーなどのさらなる病理学的特徴の多施設コンセンサスレビュー(consensus review)は、試験データベースでは現在利用可能ではなかった。比較的少数の癌サブタイプは、有意なサブ解析が不可能であった。
定性的な腫瘍位置
四象限の解剖学的分布(表13)は、他の象限と比較して、外側上部象限内で43.6%(34/78)の有意に大きい癌発生を示した(カイ二乗、p=0.001)。同様に、線維腺腫の37.1%(39/05)および嚢胞の42.9%(39/91)もまた、外側上部象限で好発し(それぞれカイ二乗p=0.003およびp=1x10-5)、外側上部象限で腫瘍タイプを分離する有意な傾向は認められなかった(p=0.66)。全ての腫瘍が、内側下部象限に位置することは極めてまれ(wer eat least commonly located)であった。
四象限の解剖学的分布(表13)は、他の象限と比較して、外側上部象限内で43.6%(34/78)の有意に大きい癌発生を示した(カイ二乗、p=0.001)。同様に、線維腺腫の37.1%(39/05)および嚢胞の42.9%(39/91)もまた、外側上部象限で好発し(それぞれカイ二乗p=0.003およびp=1x10-5)、外側上部象限で腫瘍タイプを分離する有意な傾向は認められなかった(p=0.66)。全ての腫瘍が、内側下部象限に位置することは極めてまれ(wer eat least commonly located)であった。
癌はFGIで症例の94.9%(74/78)で視認により分類され、これは脂肪または線維腺組織によって完全に囲まれていることと比較して非常に有意であった(カイ二乗、p=1.2x10-29)。FGIにおける良性腫瘤については、線維腺腫の62.9%(66/105)および嚢胞の36.3%(33/91)がそこで発生した(それぞれp=1.8x10-13およびp=7.6x10-13)。さらに、嚢胞の63.7%(58/91)および線維腺腫の25.0%(37/105)が高密度組織によって完全に取り囲まれており、これは癌(0%=0/78)よりもはるかに多く、これらの反対の傾向は図37で最もよく視覚化されている。脂肪によって完全に取り囲まれた癌、線維腺腫または嚢胞は少ししかなかった(すなわち、それぞれ5.1%、1.9%および0%)。全体として、癌は、良性組織と比較して、FGIの位置に対して異なる分布を有していた(p=2.7x10-16)。可能性のある試験性能基準(表13)に対して癌の位置を使用すると、FGIが~95%の感度(すなわち、TP/(TP+FN)=74/78)および~38%の正の予測値(すなわち、PPV=TP/(TP+FP)=74/120)を有することが示され、これらは両方とも、~44%の感度(34/78)および29%のPPV(34/85)を有する外側上部象限よりも高かった。任意の特定の解剖学的位置に対して、優先されるFGIの位置はなかった(p=0.19)。
図21は、高密度乳房組織を有する患者の様々な画像モダリティを示す。硬度融合(stiffness fusion)-非常に高密度の組織を有する患者の組み合わせ値は、明るい線維腺組織の相対度を示し、音速画像2101(左)をほぼ満たす。高SS高密度実質の大部分は、非常にわずかな減衰2102(左中央)を示し、それらの複合効果を評価することが困難になった。しかしながら、フィルタリングされていない硬度融合(Stiffness Fusion)画像2103(中央右)およびフィルタリングされた硬度融合画像(Stiffness Fusion)2104(右)は、それぞれ空間フィルタリングなしおよび空間フィルタリングありで音速および減衰を組み合わせ、相対的な組織硬度の単純化された局在の確認を可能にする。すなわち、限られた量の硬い線維腺組織は、脂肪および線維腺組織2105/2106の8時の方向の接合部における解剖学的なクーパーのピーク(Cooper’s peak)に対応し、反対に、高SS実質2101(左)の大部分は、低「水位」ATT 2102(中央左)に対応し、したがって低リスク2104(すなわち、右;濃い灰色)の軟性の実質に対応する。ほとんどのより小さな癌は、実質および脂肪の接合部付近の連続した硬度融合(stiffness fusion)画像において赤く見え、それにより、高密度実質の評価の大部分を除外する。8:00の方向の局限的な硬い部分は、SSまたは反射において関連する疑わしい腫瘤を示さなかった。
USTの原理は、フィルタリングされたおよび/またはフィルタリングされていない硬度融合(Stiffness Fusion)画像を使用して、反射、SS、ATTおよび圧縮性イメージングと呼ばれる体積弾性率の代用物から代表的なデータを生成するアルゴリズムから導出された画像スタックのマルチパラメトリック比較を可能にする。図21は、極めて高密度の乳房実質を有する患者を示す。硬度を視覚化するために、SS画像とATT画像との間の視覚的比較のみが問題となるが、一方で、圧縮性イメージングでは、高密度実質内の局限性の硬い部分の迅速な視覚化が浮上する。図21はまた、硬度画像の2つのバージョン(2103/2104および2103/2104)も示す。高密度実質のうちより高い硬度の範囲(すなわち赤色)に達するものがどれだけ少ないかが印象的である一方、このこの(this this)見え方はまた、周辺の高減衰皮膚および脂肪層の緩和も可能にする。
図35は、UST音速(上段)および反射(下段)画像を用いて、癌、線維腺腫および嚢胞の定性的な位置を示す。矢印は脂肪組織と線維腺組織(FGI)の界面を示し、腫瘤を白矢印で示す。A列は、音速画像で最もよく見られ(左上;矢印)、反射画像では明確に画定されない(左下;矢印)、FGIで右内側上部象限において不均一に高密度の乳房実質および軽度に針骨状の0.7cmの癌を有する45歳の女性の乳房の音速および反射画像を示す。B列は、FGI(白い矢印は小さな周縁部-上部中央における隣接する脂肪を示す)で非常に高密度の乳房実質および左内側下部象限において1.6cmの線維腺腫を有する52歳の女性の乳房の音速および反射画像を示し、これは反射画像(下部中央)でより顕著である。黒い矢印は、実質に囲まれた脂肪小葉を示す(上部中央)。C列は、非常に高密度の乳房実質および左1.5cmの単純な嚢胞を有する40歳の女性の音速および反射画像を示し、反射画像(右下)で最もよく見え、音速画像(右上)では散在する白色の実質によって不明瞭になっている。上側の音速画像は、反射画像(右下)においてより厚い皮膚ラインとしてのみ見られる、乳房が腋窩に向かって延びるときのその後方レベルに適合する、上側および外側の皮膚縁をぼやけさせる屈折アーチファクトを示す。
癌の腫瘍周囲領域は、最低平均音速およびパーセント線維腺組織(1477m/sおよび47.1%)を有し、一方で、嚢胞は最大値(1518m/sおよび84.0%)を有し、線維腺腫は中間であった(1496m/sおよび65.3%)。これらの定量的結果は、定性的位置の結果を裏付け、FGIにおける癌が脂肪組織および高密度組織の両方によって取り囲まれていることを示し、一方で嚢胞は高密度組織によって取り囲まれていることがより多かった。全ての腫瘤を考慮すると、FGIに位置するものは、高密度組織に位置する腫瘤よりも平均腫瘍周囲音速および線維腺組織パーセントが低かった(それぞれ、1484m/s対1524m/s、p=2.1x10-26;および53.3%対90.7%、p=1.4x10-23)。腫瘤タイプによって分類された腫瘍周囲音速および線維腺組織パーセントの箱ひげ図を図38に示す。癌と線維腺腫との間には重複があるが、特に嚢胞および癌に対する腫瘍周囲の線維腺組織パーセントの中央値は、それぞれ98.5%および44.7%である。したがって、嚢胞の大部分は高密度組織によってほぼ完全に取り囲まれているが、一方で癌は脂肪によってより多く取り囲まれる。
結果
高密度組織成分および非高密度組織成分の全乳房体積を定量化するUSTの詳細が記載されている。しかしながら、それらの硬さのサブ成分の相対分布は、これまで評価されていない。このシリーズは異なる腫瘤タイプを含むため、各腫瘤の体積分布の有無で全体の体積硬度分布を考慮した。腫瘤の割合を総硬度体積分布から減算した時点で、以下のように、実質パターン内の異なる腫瘤タイプのさらなる出現を考慮した。嚢胞は乳房全体にわたって多数である可能性がより高かったが、少数のみが腫瘤評価の代表とみなされ、全ての嚢胞の硬さの寄与が全体積から差し引かれたわけではなかった。これは、総体積に対して、嚢胞が有するより高い硬さの寄与が最小限であったため、妥当であると考えられた。
高密度組織成分および非高密度組織成分の全乳房体積を定量化するUSTの詳細が記載されている。しかしながら、それらの硬さのサブ成分の相対分布は、これまで評価されていない。このシリーズは異なる腫瘤タイプを含むため、各腫瘤の体積分布の有無で全体の体積硬度分布を考慮した。腫瘤の割合を総硬度体積分布から減算した時点で、以下のように、実質パターン内の異なる腫瘤タイプのさらなる出現を考慮した。嚢胞は乳房全体にわたって多数である可能性がより高かったが、少数のみが腫瘤評価の代表とみなされ、全ての嚢胞の硬さの寄与が全体積から差し引かれたわけではなかった。これは、総体積に対して、嚢胞が有するより高い硬さの寄与が最小限であったため、妥当であると考えられた。
この臨床アームで遭遇する腫瘤を含め、乳房全体を包含し、全ての患者について、圧縮性イメージング(すなわち硬度融合(stiffness fusion))画像セットを検討した(すなわちFood and Drug Administration ref)。SoftVueによるUST硬度測定は、組織体積弾性率に関する情報を抽出し、これを相対的な組織の硬度の指標(0=非常に軟らかい~1=非常に硬い)に変換した。UST硬度は定量的尺度である一方で、絶対値(すなわち、パスカルまたはm/sなどの実際の硬度の単位はない)は不必要な不確実性を導入し、これにより、各患者の乳房内の相対的硬度が、相対的硬度のカテゴリーの位置を特定するためにより適切なものになった。相対的硬度の3つのレベル(すなわち、硬い、中程度および軟らかい)に対する閾値を、体積平均音速に対するK平均クラスタリング技術によって選択し、次いで乳房画像スタック全体に適用した。
次いで、体積平均音速(VASS)の程度および分布に関して、3つのレベルの硬度をそれらの関連体積に従って分析し、平均の硬い(VAStiff)、中間(VAInter)および軟らかい組織(VASoft)の体積を生成させた。これらの硬度分布を各患者について計算し、次いで全患者に対する平均パーセンテージとして報告した。
各患者に対する総乳房体積は最初、総体積から差し引かれた基礎にある関連腫瘤ならびにそれらの腫瘤の硬い部分のサブ体積(mass stiffness sub-volumes)を含んだ。以下に述べる腫瘤の同様の体積分布に従って、それらの個々の別個の体積を、総乳房体積内のそれらの対応する分布から差し引いた。表面積の体積への変換は、各腫瘤の関心領域に対して以下で述べる。次いで、高密度および非高密度の両方の全乳房組織内での、硬い、中間および軟らかいという分布の6つの異なる非腫瘤乳房ボリューム内で、異なる乳房腫瘤の相対的発生を評価した。
高密度および非高密度乳房組織(すなわち、線維腺/間質および脂肪)の硬さの割合を評価した。また、乳房放射線科医による組織のタイプおよび位置の定性的な観察が述べられ、それにより、この論文の焦点である単純な相対体積分布よりも多くの解剖学的状況が提供された。これらの観察は、特に、乳房全体およびそれらの関連する標的腫瘤の位置の両方に対する硬度分布に関する場合、脂肪/実質パターンの解剖学的な位置決定を提供することが認められた(脂肪腺界面、Kim WH,Li M,Han W,Ryu HS,Moon WK.The spatial relationship of malignant and benign breast lesions with respect to the fat-gland interface on magnetic resonance imaging.Nature Sci Rep.2016 Dec 14;6:39085およびZhu W,Harvey S,Macura KJ,Euhus DM,Artemov D.Invasive breast cancer preferably and predominantly occurs at the interface between fibroglandular and adipose tissue.Clin Breast Cancer 2017;17(1):e11-e18を参照)。音速閾値処理を使用して、腫瘍周囲領域が線維腺/間質組織および脂肪にセグメント化され得、それによって脂肪-腺界面でより頻繁に生じる癌の位置も定量化し、一方で嚢胞は線維腺組織によって取り囲まれる可能性がはるかに高かった。乳房全体を通じた硬い巣およびそれらの基礎にある腫瘤の相対的な硬度体積、分布および位置に特に注目した。
USTによって全ての検出された腫瘤を取り囲む関心領域(ROI)を生成させるために、図36で見られ得るように、MIMソフトウェア(MIM Software Inc.,Cleveland,Ohio)を使用して、乳房イメージング認定放射線科医によって腫瘤境界が手動でトレースされた。音速と反射画像スタックの組み合わせにおいて単一の最良の視覚化/代表画像上で腫瘤周縁部を定めて、それらの輪郭をトレースし、体積ではなく表面積を生成させた。腫瘍周縁部をトレースしたら、対称的な腫瘍周囲「バンド」に相当する平均腫瘍直径の20%だけ腫瘍周縁部を拡張することによって、腫瘍周囲ROAをコンピュータにより生成させた。20%の直径拡大は、あらゆる腫瘍に対して比例するように任意に選択した。腫瘤が線維腺組織によって取り囲まれているが、脂肪の小縁に隣接している場合、または逆に、腫瘤が、隣接している近接線維腺組織によって脂肪により取り囲まれている場合、腫瘤は脂肪組織と線維腺組織(FGI)との界面にあるとみなされ得る。
トレースされたROIの平均直径から腫瘤体積推定値を導出し、次いで、球状体積計算(すなわち、
、式中、LはROI直径の平均であった)を仮定した。潜在的に、面積測定体積技術(すなわち、非冠状面におけるUSTのより低い解像度に関連する表面積の輪郭の合計)の不正確さを回避するために、この体積的なアプローチを使用した。
通常のバックグラウンドに対する圧縮性イメージング圧縮性イメージング(compressibility imaging compressibility imaging)による腫瘤の明瞭性の推定値を生成させるために、腫瘤ROIの平均硬度指標を、K平均クラスタリングによって決定されたVASS、VAStiff、VAInterおよびVASoftの割合と比較した。最初に、3つの主要な腫瘤タイプ(すなわち、癌、線維腺腫、嚢胞)の各々に対する平均相対硬度分布を各患者の腫瘤について導出し、次いで、上記のようにそれらの個々の総乳房体積硬度分布から減算した。高密度および非高密度の腫瘤成分に対するこれらの硬性成分のパーセンテージもグラフで比較した。
全乳房体積評価と同様に、腫瘤硬性成分の定性的観察も認められた。腫瘤内の硬度分布のこれらの観察はまた、定量的体積データに臨床状況も提供し、それによって腫瘤内の硬さの質感評価の領域に入る。腫瘤内容物および/またはその周縁部に関する相対的硬度分布に特に注目した。絶対的硬度の値に対する定量的質感評価の将来の可能性を比較するために、グレーレベル同時生起行列(GLCM)アプローチを使用して各腫瘤に対して硬度の平均均一性を計算した。
SoftVueは、乳房全体の組織の硬度を測定し、206名の患者全てにおける腫瘤の硬度の特徴付けを行う能力を実証した。全乳房評価によって、11.2%の総硬度が示され、80%が高密度実質に限定されることが示された。腫瘤は硬度のサイズ依存性を示し、それにより<1.5cmの全ての腫瘤は、>1.5cmの腫瘤よりも硬い成分のパーセンテージが大きかった。癌は、線維腺腫または嚢胞よりも有意に大きいパーセンテージ硬度を有した。腫瘤タイプ間の硬度指標および均一性の質感の差は、それぞれフィルタリングされた硬度画像とフィルタリングされていない硬度画像の両方に対して有意であった(p=0.035)。
図22は、K平均クラスタリングによる高密度組織対硬い成分の相対体積パーセンテージの散布図を示す。図22は、左乳房のみについての硬い高密度組織の体積パーセント対USTPDスコア(硬度セグメンテーション対SSセグメンテーション)の散布図である。相関係数は0.0048で、乳房全体VASS(すなわちUSTPD)による組織密度は、硬度体積分布とは独立であると思われる。高密度組織および非高密度組織による3つの硬度カテゴリーの分布を、基礎にある腫瘤の有無にかかわらず、表9に示す。
表9は、全乳房体積のK平均クラスタリング分離によって判定された場合の、およそ11%が硬い、33%が中間、55%が軟らかいものとしての、総乳房硬度体積分布を示す。しかしながら、VASS閾値は、基本的に、脂肪(すなわち非高密度)を、基礎にある腫瘤を含むかまたは除く全ての他の組織から分離する。硬い組織の体積の大部分は、高密度の乳房実質(すなわち80%=9.0/11.2)に付随していたが、一方で少量の硬い脂肪(すなわち非高密度=2.2%)が隣接する実質に付随して生じていた。さらに、高密度実質の30.9%のみが硬い成分を有していた(すなわち9.0%/29.1%)。次いで、乳房全体にわたるそれらの潜在的な相対分布の定性的な観察を評価した。
平均乳房体積が725mL(すなわち、乳房当たり平均44スライスを超える)であるとすると、乳房当たりの硬い組織の平均総体積は~65mL(すなわち、725*9.0%)に減少し、これは一般に高密度組織(すなわち、実質/線維腺組織)の周囲に沿って分布していた。定性的評価において以下にも述べるように、円周方向評価は、USTの生来の冠状イメージング面によって迅速に処理される。表9の個々の腫瘤の寄与を差し引いた後の平均の個々の乳房体積分布は、腫瘤除外のわずかな影響を示した。非腫瘤乳房組織の全体体積がはるかに大きい(すなわち~725ccの平均乳房体積)ことにより、それが癌、線維腺腫または嚢胞であるか否かにかかわらず、それらの関連する硬い部分のサブ体積は言うまでもなく、直径1.24cmの平均腫瘤サイズ(または~1.0ccの平均腫瘤体積)は小さく見えた。定性的な一般化もまた、これらの相対分布の位置特定を促進した。
定性的な解剖学的組織評価から、乳房全体の複数のスライス上でこれらの硬組織体積の拡散または散在した分布が示唆された。~1cmまでの直径の硬い組織(すなわち~0.52cc)がクーパーのピーク(Cooper’s peak)で頻繁に見られ、これは付随する線維帯/靭帯のより高い減衰に関連していると思われるが、これは部分的に硬さを付与した。USTの一次冠状イメージング面では、クーパーのピーク(Cooper’s peak)(2105/2106)は、脂肪-線維腺境界の末梢皮下脂肪への硬い尖った拡張部として容易に認識された(図21)。
加齢に伴う特定の領域における実質の退縮または萎縮があっても、脂肪-線維腺組織の以前の境界は、依然として、外周に沿ってSS上の白い線維帯として見られ得、そのうちのいくつかは、依然として、いくつかのクーパーのピーク(Cooper’s peak)において残存する実質に付随していた。非常に高密度の乳房全体のほとんどの画像(例えば~40個/乳房)が少なくとも1個の硬いクーパーのピーク(Cooper’s peak)を有し得ることを考慮すると、~20ccの平均硬度体積は、理論的には、40個の小さな硬い巣(例えば0.5cc~0.8cmの平均直径)の間に均一に分布し得る。後に論じる硬い腫瘤とは対照的に、硬いクーパーのピーク(Cooper’s peak)は、基礎にある実質の連続的なスライス間伸長、または画像にわたる正常組織の「流れ」に注目することによって、正常な非腫瘤組織として最もよく認識された(すなわち、SSおよび/または反射画像スタック上)。この一般化されたアプローチはまた、ほとんどの実質組織の最小硬度を強調したが、一方でクーパーのピーク(Cooper’s peak)は、唯一の好発する非腫瘤性の硬い巣ではなかった。
クーパーのピーク(Cooper’s peak)に付随しない実質の硬い巣が、最大直径~0.5から3cmの範囲で時折認められた。標的腫瘤を硬い高密度組織のこれらのクラスターとは別個のものとして同定するには、最初に、基礎にある組織が正常であり、それによって、SSおよび/または反射上でスライスからスライスへとそれが流れるか否かを認識することが必要であった。したがって、局限的なマスエフェクトが、それらの滑らかな良性に見える周縁部、またはそれらの不規則な非対称性のいずれかによって同定された。疑わしい非対称性は、やはりSSおよび/または反射のいずれかにおいて、脂肪-線維腺界面に沿って最も頻繁に同定された。
図23Aおよび図23Bは、それぞれ1.5cm未満および1.5cm超の腫瘤サイズに従って分離された、各腫瘤タイプに対する相対的硬度分布を示す。図23Aおよび図23Bは、<1.5cmおよび>1.5cmの腫瘤に対する相対的硬さ成分(%)のグラフ分布である。より小さい腫瘤は全て、硬い成分、特に癌のパーセンテージがより高かった(67%)。逆に、腫瘤が大きいほど、より軟らかい成分の割合が著しく高くなった。
一般に、より小さい腫瘤(すなわち、<1.5cm)は全て、腫瘍タイプにかかわらず、硬い成分のパーセンテージがより高かった。逆に、腫瘤が大きいほど(すなわち>1.5cm)、より軟らかい成分のパーセンテージが著しく高くなった。
図24Aおよび図24Bは、第2の画像モダリティを使用して、それぞれ1.5cm未満および1.5cm超の腫瘤サイズに従って分離された、各腫瘤タイプに対する相対的硬度の分布を示す。
図25Aおよび図25Bは、第1の画像モダリティ(図5A)および第2の画像モダリティ(図25B)について、腫瘤タイプによって分けられた乳房全体に対する相対的硬度の分布を示す。
図26A、図26B、図26Cおよび図26Dは、第1の画像モダリティ(図26Aおよび図26C)および第2の画像モダリティ(図26Bおよび図26D)を使用した、1.5cmより上(図26Aおよび図26B)および1.5cmより下(図26Cおよび図26D)の腫瘤サイズについての硬い成分のパーセント値に対する信頼区間を示す。以下のリストは、FAに対する癌についての信頼区間およびP値を提供する。
信頼区間:
フィルタリングされた小さな腫瘤5%-95%信頼区間
癌:0.1247-0.6967
FA:0.1704-0.5303
嚢胞:0.001-0.3618
フィルタリングされた大きな腫瘤5%-95%信頼区間
癌:0.0826-0.8104
FA:0.0197-0.4830
嚢胞:0.00005-0.0691
元の小さな腫瘤5%-95%信頼区間
癌:0.1256-0.8585
FA:0.0021-0.8634
嚢胞:0.00012-0.6499
元の大きな腫瘤5%-95%信頼区間
癌:0.1916-0.8288
FA:0.036-0.7005
嚢胞:0.00034-0.2364
P値:
元の小さい:
癌対嚢胞:0.000000001
癌対FA:0.08
嚢胞対FA:0.0000017
元の大きい:
癌対嚢胞:0.0000000002
癌対FA:0.037
嚢胞対FA:0.00013
フィルタリングされた小さい:
癌対嚢胞:0.00000000006
癌対FA:0.000036
嚢胞対FA:0.00028
フィルタリングされた大きい:
癌対嚢胞:0.00000021
癌対FA:0.127
嚢胞対FA:0.000025
信頼区間:
フィルタリングされた小さな腫瘤5%-95%信頼区間
癌:0.1247-0.6967
FA:0.1704-0.5303
嚢胞:0.001-0.3618
フィルタリングされた大きな腫瘤5%-95%信頼区間
癌:0.0826-0.8104
FA:0.0197-0.4830
嚢胞:0.00005-0.0691
元の小さな腫瘤5%-95%信頼区間
癌:0.1256-0.8585
FA:0.0021-0.8634
嚢胞:0.00012-0.6499
元の大きな腫瘤5%-95%信頼区間
癌:0.1916-0.8288
FA:0.036-0.7005
嚢胞:0.00034-0.2364
P値:
元の小さい:
癌対嚢胞:0.000000001
癌対FA:0.08
嚢胞対FA:0.0000017
元の大きい:
癌対嚢胞:0.0000000002
癌対FA:0.037
嚢胞対FA:0.00013
フィルタリングされた小さい:
癌対嚢胞:0.00000000006
癌対FA:0.000036
嚢胞対FA:0.00028
フィルタリングされた大きい:
癌対嚢胞:0.00000021
癌対FA:0.127
嚢胞対FA:0.000025
p値は、フィルタリングされた硬度画像が1.5cmより小さい腫瘤に対してはるかに良好な鑑別力(癌対FAのp値:0.000036対0.08)を有し、その一方で、元の硬度はより大きい腫瘤(>1.5cm)に対して中程度に良好な鑑別力(癌対FAに対するp値:0.037対0.127)を有することを示す。
組織型を考慮すると、より硬い成分を含有するより小さい嚢胞は、一般に複合嚢胞内容物に付随しており(すなわち、標準的なハンドヘルドUSによる)、吸引/生検が行われ、一方で、より大きい嚢胞は単純であった。線維腺腫内の硬さは、一般に、腫瘤周辺部、特に後部に沿った硬い成分の不均一な混合を付随していた(すなわち、人工的により大きいSS/ATTを有する面外伝送アーチファクトは、腫瘤の後面に沿って投影されることが多い)。
癌は、硬い成分の最大パーセンテージを示し、それにより、より小さい癌は、より大きい癌と比較して主に硬いものである(すなわち、それぞれ67%対38%)。より小さい癌は、多くの場合、それらの硬い成分が中心にあり、一方でより大きい癌は、線維腺腫に対して認められる不均一な混合物ではなく、非対称のクラスター化部分を有することが多い。「良性」の第4の組織学的カテゴリーを代表するものはより少なく(すなわちN=24)、3つのより大きな腫瘤のみが嚢胞に類似した硬度パターンを示し、そのうち2つは組織学的に線維嚢胞性変化であり、1つは肉芽腫性乳腺炎であった。逆に、より小さな良性カテゴリーの大部分は、基礎にある線維症を一般的に示す組織学的結果(すなわち、生検レポートの説明)を有する癌カテゴリーと同様の硬度分布を示唆した。
表10は、腫瘤の各タイプに対する絶対的硬度指標およびそれらの質感の均一性を列挙する。嚢胞、線維腺腫および癌は、平均硬度指標において非常に有意な差があることが分かった(p<0.0005)。腫瘤タイプのさらにより大きな分離がGLCMの均一性に対して認められ(p<0.0001)、線維腺腫または嚢胞よりも癌の硬さの質感における大きな不規則性と適合した。
SoftVue USTは、腫瘤を含む、乳房全体の組織の硬度の分布を示す能力において比類のないものである。本明細書中で開示される方法およびシステムは、利用可能な腫瘤に対する組織の組織学への洞察を提供しながら、胸壁から乳頭までの高密度組織および非高密度組織(すなわち、それぞれ線維腺/間質および脂肪)の相対的硬度パーセンテージを定量化する。高密度乳房の女性に対する進行中のFDA PMAスクリーニング試験に対する臨床アームの一部として、UST腫瘤評価の臨床シリーズからの硬度のデータが本明細書中で提供される。硬度分布の定性的な側面は、学習および将来の定量的分析を容易にし得る初期の臨床的洞察に寄与した。
USTによる乳房全体の硬度から、基礎にある高密度組織内に大部分の硬い巣が存在するが、この高密度組織の大部分は硬くないことが示された(すなわち、76%が軟らかいかまたは中間の硬さ)。基礎にある腫瘤を除いて、正常の硬い領域は、クーパーのピーク(Cooper’s peak)で頻繁に見られたか、または脂肪-線維腺接合部に沿って高密度実質内で一緒にクラスター化していた。より大きな硬い巣(すなわち、直径>0.7 mm)の比較的ランダムなおよび/または拡散した分布は、乳房ボリューム内の腫瘤の視認性または明瞭性に影響を与える(すなわち、早期の検出/スクリーニングに対して)。したがって、放射線科医の評価には、実際の基礎にある腫瘤から正常組織を定性的に識別することが必要であった。
圧縮性イメージング(すなわち硬度融合(stiffness fusion))画像スタックによる腫瘤の評価は、最初に、同等の連続的な反射およびSS画像上の同様の解剖学的位置との相関を必要とした。基礎にある正常組織から生じる硬い領域は、反射および/またはSS画像スタック上の画像間からの実質組織の平滑/連続的な3D運動または「流れ」を示した。逆に、実際の基礎にある腫瘤は、主に反射および/またはSS上でより分離している周縁部によって同定された。
全乳房体積:独自の全乳房イメージングシーケンスとして、圧縮性イメージング(すなわち硬度融合(Stiffness Fusion))シーケンスは、高密度乳房評価のための新しい洞察をもたらした。図22は、音速(SS)が硬度計算の一部を含むにもかかわらず、パーセント体積硬度が音速(SS)のみとは比較的独立して見えることを確認した。したがって、圧縮性イメージング画像(すなわち硬度融合(stiffness fusion))上の軟性領域の大部分は、基礎にある反射画像およびスライス間の正常組織の流れに対して実質的に透明であった。マンモグラフィと同様にSS上の高密度腫瘤を不明瞭にし得る乳房ボリューム全体にわたる非常に高密度の乳房組織にもかかわらず(すなわち、このシリーズの患者の~27%)、その高密度ボリュームの~9%のみが硬く、その高密度ボリュームの周囲にほぼ完全に存在していた。さらに、その限られた硬さの多くは、クーパーのピーク(Cooper’s peak)など、正常組織が占め得る。これにより、SSおよび反射上のスライスからスライスへの基礎にある流れる正常組織の慎重な確認を必要とする、より大きな硬い巣(例えば直径>7mm)はあまり残っていなかった。予備的ではあるが、バックグラウンドの全乳房ボリュームからの硬い巣の相対的な明瞭性は、疑わしい腫瘤に対する高密度乳房スクリーニングにとって定量的および定性的の両方の意味を有し得る。
乳房密度および乳房組織全体の硬度は、乳癌(参照物)に対する独立したリスク因子であることが既に示されているが、一緒には局在していない。基礎にある実質に対してほぼ全ての硬い部分の位置を決定するUSTの能力は、将来のリスク分析およびタモキシフェンなどの潜在的な関連化学予防手段および/または食事の変更に対してより細かい詳細を提供し得る。
腫瘤体積:より小さい癌は、最も硬い成分のパーセンテージが最大であったが、全ての腫瘤タイプはパーセント硬度のサイズ依存性を示し、それにより、<1.5cmの全ての腫瘤タイプは、それらのより大きい腫瘤対応物よりも著しく高い硬度を有した。より大きな癌は、全体的な腫瘤のより大きな柔軟性を付与するより多くの中心的な壊死成分を有し得るが、より大きな線維腺腫または嚢胞は、他の考慮事項を必要とする。これらの良性のより大きな腫瘤については、内部組織学に対するより大きな周囲組織の容積弾性係数が考慮され得る。すなわち、線維腺腫は、より多くの硬性成分を有し得るが、生検病理報告で日常的に言及されておらず、この論文の範囲外である。同様に、より大きい嚢胞は、より小さい嚢胞よりも相対内圧が低くなり得、再充填されるかまたは複雑である可能性が低い。良性組織の組織学の小グループが、より小さい腫瘤についてはより大きな限局性線維症のパターンを示唆し、より大きい腫瘤についてはより線維嚢胞性または炎症性の変化を示唆したことに注目することは興味深い。
腫瘤内の硬度分布も定性的な差を有し、それにより、いくつかの線維腺腫内で硬度分布がより混じり合っていることと比較すると、癌は、より中心部に硬い部分があるかまたは硬い部分がクラスター化していた。これらの内部腫瘤硬度の相対的分布からまた、これらが質感の差に寄与し得ることが示唆される。腫瘤内の硬さの初期の質感評価はまた、線維腺腫および嚢胞よりも、癌の硬さの質感の不規則性が大きいことを示唆した(表10)。
初期設定のフィルタリングされていない硬度アルゴリズムおよび単一の空間フィルタリングされた硬度アルゴリズムの両方について調査した場合の、腫瘤の鑑別のための硬度の最適な視覚化(すなわち、<1.5cm)。マンモグラフィでは見えない癌の選択された画像を図34に示す。初期設定のフィルタリングされていない硬度画像(c)は、隣接する実質の構造的硬さがより大きいため、基礎にあるマスエフェクトを部分的に不明瞭にする。基礎にある小さい癌は、音速および空間的にフィルタリングされた硬度画像(それぞれb、d)でより明確に画定され、後者は、隣接する線維腺組織および皮膚などのより大きな硬い構造からのノイズ寄与を抑制した。癌はまた、脂肪-腺界面に沿っており、この特徴は、乳癌MRIによって癌の94~99%で認められており、USTの生来の冠状面で視覚化された場合に特に顕著である。
フィルタリングされていない硬度分布およびフィルタリングされた硬度分布を、図31の腫瘤サイズおよびタイプに従って分離した。一般に、腫瘍タイプまたはフィルタリングアルゴリズムにかかわらず、全てのより小さな腫瘤は、最も硬い成分のパーセンテージが有意に高かった(すなわち濃い灰色)。逆に、腫瘤が大きいほど、より軟らかい成分のパーセンテージが有意に高くなった(カイ二乗;p=0.001)。フィルタリングされたアルゴリズムについては、小さい癌は、線維腺腫と比較して、最も硬い成分のパーセンテージに関してより大きな統計学的有意性に達した(t検定、p=0.001)。予想通り、空間フィルタリングする、より大きな腫瘤(図31の右図)は、最も硬い成分のパーセンテージがより低かった。腫瘤硬度分布からのさらなるデータも、それらの外観に対する洞察を与えた。すなわち、より小さい癌(図31のグラフbの丸で囲った部分)に対する視覚化向上への移行を説明するための別の方法であり、線維腺腫が硬さの最もよく見られる画素パーセンテージの平均を使用した。小さな癌のみが空間フィルタリングによって顕著に変化し、フィルタリングされていない硬い成分および中間成分の61.5%および30.8%の画素平均から、空間フィルタリングの場合はそれぞれ84.6%および11.5%になった(p<0.001)。
フィルタリングされたレンダリングによって、線維腺腫からのより小さな癌の識別が有意により明確になった(すなわち、p=0.00036対p=0.080)。逆に、フィルタリングされていない硬度画像は、線維腺腫からより大きな癌をより良好に分離した(p=0.037対p=0.127)。腫瘤タイプ間の硬度指標および均一性の質感の差は、それぞれフィルタリングされた硬度画像とフィルタリングされていない硬度画像の両方に対して有意であった(p=0.035)。
空間的にフィルタリングされた硬度画像の例は、より小さい嚢胞およびより大きい嚢胞の両方、線維腺腫および癌の拡大した切り取り画像(cropped view)を使用して、図32で示す。良性腫瘤を最初に考えると、単純嚢胞は、大きさにかかわらず、内部に硬さがほとんどまたは全くない軟らかい外観(黒色)を有していた。左上部および下部。より硬い成分を含有するより小さい嚢胞は、一般に濃縮嚢胞に付随しており(すなわち標準的なUS)、吸引/生検を行った。線維腺腫は、図31に記される定量的硬さ成分を反映して、均一または軽度に不均一な内部の様子のいずれかを有しており、中央上部および下部、これは硬さ成分のより均一な混合に付随し得る、中央上部および下部。「その他の良性」の第4の組織学的カテゴリーを代表するものはより少なく(表8;すなわちN=24)、3つのより大きな腫瘤は嚢胞に類似したより軟らかいパターンを示し、そのうち2つは組織学的に線維嚢胞性変化であり、1つは肉芽腫性乳腺炎(mastisis)であった。逆に、小さな他の良性カテゴリー(すなわちN-21)の大部分は、癌に類似した硬度を示唆し、一般に線維症が基礎にあることを示した(すなわち、生検レポートの説明)。
図32の右上および下の癌は、最も硬い成分の最大パーセンテージを示し、それにより、図31のように、小さい癌は、より大きい癌と比較して主に硬かった。定性的には、より小さい癌は、それらの硬い成分が中央に位置することが多く(図32、右上)、一方、より大きい癌は、ほとんどが軟らかかったが、硬い部分がクラスター化した非対称の周縁を有し得る(図32、右下)。より小さい癌はまた、より暗く見える良性腫瘤およびより大きい癌よりも、等エコーの従来の米国の専門用語に対応して、反射におけるコントラストがより少ない不規則な周縁部を有していた(すなわち、中間またはグレー)。癌サブタイプの数が限られていることを考慮すると、7つの小葉癌腫、2つのより小さい乳頭状/粘液性IDCおよび2つのより小さいDCISは全て硬く見え、周縁部が十分に取り囲まれていなかった。
本発明の好ましい実施形態を本明細書に示し説明してきたが、そのような実施形態が例としてのみ提供されることは当業者には明らかであろう。本発明から逸脱することなく、当業者には多数の変形、変更および置換が想到されるであろう。本明細書中に記載の本発明の実施形態に対する様々な代替形態が、本発明を実施する際に使用され得ることを理解されたい。以下の特許請求の範囲が本発明の範囲を定義し、これらの特許請求の範囲内の方法および構造ならびにそれらの均等物がそれによって包含されることが意図される。
Claims (67)
- 乳房組織のボリュームの画像を分析する方法であって、
コンピュータシステムで前記ボリュームの少なくとも1つの超音波断層撮影画像を受信することと、
前記コンピュータシステムを使用して前記ボリューム内の体積平均音速を決定することと、
前記体積平均音速から乳癌を発症するリスクを判定することと、
を含む、方法。 - 前記ボリュームが、前記乳房の体積全体の少なくとも30%を含む、請求項1に記載の方法。
- 前記乳房の前記画像が癌性腫瘤を含まない、請求項1に記載の方法。
- 前記乳房の前記画像が、40歳未満の患者の乳房を含む、請求項1に記載の方法。
- 前記乳房の前記画像が、癌に罹患した乳房の反対側の乳房の画像を含む、請求項1に記載の方法。
- 2D画像のスタック内の複数の2D画像の直接画素数によって組織の前記ボリュームの体積(V)を決定することと、前記直接画素数内の各画素に対する音速を合計し、前記体積で除することによって、前記体積平均音速を決定することと、をさらに含む、請求項1に記載の方法。
- 前記リスクに関連するパラメータをリスクモデルに組み込むことをさらに含む、請求項1に記載の方法。
- 前記リスクモデルが、GailモデルまたはTyrer-Cuzikモデルを含む、請求項7に記載の方法。
- 前記ボリュームの少なくとも1つの超音波断層撮影画像から前記乳房の高音速組織のパーセントを決定することをさらに含む、請求項1に記載の方法。
- 前記高音速組織のパーセントを決定することが、前記高音速組織を含むマスクを作成することを含む、請求項9に記載の方法。
- 前記マスクが、音声反射画像から作成される、請求項10に記載の方法。
- 前記マスクが、k平均セグメンテーションアルゴリズムを使用して作成される、請求項10に記載の方法。
- 体積平均音速または高音速組織のパーセントをマンモグラフィパーセント密度と比較することをさらに含む、請求項1に記載の方法。
- 前記リスクがマンモグラフィデータなしで計算される、請求項1に記載の方法。
- 前記リスクがスコアを含む、請求項1に記載の方法。
- 前記スコアが1~5のスケールの数字である、請求項15に記載の方法。
- 乳癌を発症する前記リスクが、乳癌を再発症するリスクである、請求項1に記載の方法。
- 複数の時点にわたる前記ボリューム内の前記体積平均音速を決定することをさらに含む、請求項1に記載の方法。
- 前記複数の時点が、処置が提供される持続時間の少なくとも一部を含む、請求項18に記載の方法。
- 前記持続時間が、予防期間またはアジュバント期間中である、請求項19に記載の方法。
- 前記処置が、化学療法処置、放射線療法処置、凍結療法処置、高周波アブレーション処置、集束超音波処置およびエレクトロポレーション処置からなる群から選択される少なくとも1つの要素を含む、請求項19に記載の方法。
- 前記処置が予防的処置である、請求項19に記載の方法。
- 前記処置が、タモキシフェン、ラロキシフェン、他の抗エストロゲン薬、食事療法および/または生活様式介入の使用を含む、請求項22に記載の方法。
- 前記ボリュームが、少なくとも20%の非癌性組織を含む、請求項1に記載の方法。
- 実行される際に請求項1~24のいずれか1項に記載の方法を実行する命令を含む、コンピュータシステム。
- 処置計画に対する応答を判定する方法であって、
乳房組織のボリュームから複数の画像を受信することであって、前記複数の画像が、超音波断層撮影画像を含み、前記複数の画像が複数の時点に対応することと、
乳房組織の前記ボリューム内の関心領域の、組織体積、体積平均音速および硬度を決定することと、
前記複数の時点にわたる前記体積、前記体積平均音速および硬度から複合メトリックを生成することと、
前記複数の時点にわたる前記複合メトリックに基づいて処置計画に対する非奏効、部分奏効または完全奏効のうち1つとして前記組織を特徴付けることと、
を含む、方法。 - 前記特徴付けることが、処置計画の開始前および/または開始から30日以内に行われる、請求項26に記載の方法。
- 前記特徴付けることが、処置計画の開始前および/または開始から14日以内に行われ
る、請求項27に記載の方法。 - 前記処置計画が、ネオアジュバント化学療法を含む、請求項26に記載の方法。
- 前記複数の時点が、予防期間またはアジュバント期間中である、請求項26に記載の方法。
- 前記処置計画が、化学療法処置、放射線療法処置、凍結療法処置、高周波アブレーション処置、集束超音波処置およびエレクトロポレーション処置からなる群から選択される少なくとも1つの要素を含む、請求項26に記載の方法。
- 前記処置計画が、予防的処置である、請求項26に記載の方法。
- 前記処置計画が、タモキシフェン、ラロキシフェン、他の抗エストロゲン薬、食事療法および/または低生活様式介入の使用を含む、請求項26に記載の方法。
- 実行される際に請求項26~33のいずれか1項に記載の方法を実行する命令を含む、コンピュータシステム。
- 乳房組織のボリュームの画像を分析する方法であって、
コンピュータシステムで前記ボリュームの少なくとも1つの超音波断層撮影画像を受信することと、
前記少なくとも1つの超音波断層撮影画像から硬度マップを作成することと、
前記コンピュータシステムを使用して、第1のタイプの組織および第2のタイプの組織の相対的硬度パーセンテージを定量化することと、
を含む、方法。 - 前記第1のタイプの組織が線維腺組織である、請求項35に記載の方法。
- 前記第2のタイプの組織が脂肪組織である、請求項35に記載の方法。
- 前記方法が、組織、硬度またはその両方のタイプによって組織群を生成するために画像分割工程を適用することをさらに含む、請求項35に記載の方法。
- 組織のタイプによって組織群を生成するための前記画像分割工程が、音速画像を使用することを含む、請求項38に記載の方法。
- 硬度によって組織群を生成するための前記画像分割工程が、音速および減衰データを組み合わせることを含む、請求項38に記載の方法。
- 前記定量化することが、組織の前記ボリューム内の関心領域に対して前記相対的硬度パーセンテージを定量化することを含む、請求項35に記載の方法。
- 前記定量化することが、組織の前記ボリュームの少なくとも30%に対して前記相対的硬度パーセンテージを定量化することを含む、請求項35に記載の方法。
- 前記方法が、空間フィルタを除去し、フィルタリングされた画像をフィルタリングされていない画像と比較することをさらに含む、請求項35に記載の方法。
- 前記フィルタリングされた画像を前記フィルタリングされていない画像と前記比較することが、加算、減算、除算、乗算、平均化および重畳のうちの1またはそれを超えるものを含む、請求項43に記載の方法。
- 前記方法が、前記フィルタリングされた画像を使用して、組織の前記ボリューム内の関心領域の前記相対的硬度パーセンテージを定量化することをさらに含む、請求項43に記載の方法。
- 前記方法が、前記フィルタリングされていない画像を使用して、組織の前記ボリュームの少なくとも30%に対して前記相対的硬度パーセンテージを定量化することをさらに含む、請求項43に記載の方法。
- 前記方法が、硬度分布を定量化するための硬度指標または別のパラメータによって前記硬度分布を定量化することをさらに含む、請求項43に記載の方法。
- 同定することが、相対的硬度パーセンテージに基づいて、腫瘤を嚢胞、線維腺腫、癌、良性腫瘤または未同定の腫瘤のうちの少なくとも1つとして特徴付けることを含む、請求項35に記載の方法。
- 前記方法が、組織の前記ボリューム内の硬度の統計学的パターンを分析することをさらに含む、請求項35に記載の方法。
- 前記統計学的パターンが、2次統計量、3次統計量またはラジオミクスのうちの少なくとも1つを含む、請求項49に記載の方法。
- 前記分析することが、少なくとも部分的に機械学習システムを用いて実施される、請求項49に記載の方法。
- 前記分析することが、硬度画像の質感を定量化するための均一性指標または別のパラメータの計算を含む、請求項49に記載の方法。
- 前記硬度画像の質感を前記定量化することが、2次統計量、3次統計量またはラジオミクスのうちの少なくとも1つを含む、請求項52に記載の方法。
- 前記硬度マップが、音速マップおよび音波減衰マップから導出される、請求項35に記載の方法。
- アジュバント療法およびネオアジュバント療法に対する応答を監視するために、前記関心領域に対して前記相対的硬度パーセンテージを定量化することが使用される、請求項42に記載の方法。
- 化学的予防、食事療法介入およびタモキシフェン、ラロキシフェンまたは他のホルモン操作などのアジュバント療法を監視するために、組織の前記ボリュームの少なくとも30%に対する前記相対的硬度パーセンテージを前記定量化することが使用される、請求項43に記載の方法。
- 前記相対的硬度パーセンテージに基づいて乳癌のリスクを決定することをさらに含む、請求項35に記載の方法。
- 前記リスクに関連するパラメータをリスクモデルに組み込むことをさらに含む、請求項57に記載の方法。
- 前記リスクモデルが、GailモデルまたはTyrer-Cuzikモデルを含む、請求項58に記載の方法。
- 前記コンピュータシステムで少なくとも1つの超音波断層撮影画像に空間フィルタを適用することをさらに含む、請求項35に記載の方法。
- 前記硬度指標がBI-RADSカテゴリーを含む、請求項47に記載の方法。
- 前記BI-RADSカテゴリーが、硬い、中間、または軟らかい、を含む、請求項61に記載の方法。
- 腫瘍周囲領域の位置を定量化することをさらに含む、請求項35に記載の方法。
- 前記腫瘍周囲領域を癌または嚢胞として同定するために、前記腫瘍周囲領域の位置を使用することをさらに含む、請求項63に記載の方法。
- 前記腫瘍周囲領域が、脂肪組織と線維腺組織との境界の癌として同定される、請求項64に記載の方法。
- 前記腫瘍周囲領域が、線維腺組織により取り囲まれる嚢胞として同定される、請求項64に記載の方法。
- 実行される際に請求項35~66のいずれか1項に記載の方法を実行する命令を含む、コンピュータシステム。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962949004P | 2019-12-17 | 2019-12-17 | |
US201962948993P | 2019-12-17 | 2019-12-17 | |
US62/948,993 | 2019-12-17 | ||
US62/949,004 | 2019-12-17 | ||
US201962952000P | 2019-12-20 | 2019-12-20 | |
US62/952,000 | 2019-12-20 | ||
PCT/US2020/065432 WO2021127056A1 (en) | 2019-12-17 | 2020-12-16 | Methods and systems for cancer risk assessment using tissue sound speed and stiffness |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023507742A true JP2023507742A (ja) | 2023-02-27 |
JPWO2021127056A5 JPWO2021127056A5 (ja) | 2023-12-25 |
Family
ID=76478124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022537014A Pending JP2023507742A (ja) | 2019-12-17 | 2020-12-16 | 組織の音速および硬度を使用した癌リスク評価のための方法およびシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220323043A1 (ja) |
EP (1) | EP4076158A4 (ja) |
JP (1) | JP2023507742A (ja) |
CN (1) | CN115135230A (ja) |
CA (1) | CA3161457A1 (ja) |
WO (1) | WO2021127056A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AR116125A1 (es) * | 2018-12-17 | 2021-04-07 | Consejo Nacional De Investigaciones Cientificas Y Tecn Conicet | Mamógrafo óptico que utiliza infrarrojo cercano en geometría de reflectancia difusa |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8870771B2 (en) * | 2007-05-04 | 2014-10-28 | Barbara Ann Karmanos Cancer Institute | Method and apparatus for categorizing breast density and assessing cancer risk utilizing acoustic parameters |
US10201324B2 (en) * | 2007-05-04 | 2019-02-12 | Delphinus Medical Technologies, Inc. | Patient interface system |
JP5199690B2 (ja) * | 2008-02-07 | 2013-05-15 | 株式会社日立メディコ | 超音波診断装置 |
ES2637021T3 (es) * | 2009-03-04 | 2017-10-10 | Sensible Medical Innovations Ltd. | Sistema para monitorizar tejidos intracorporales |
WO2011100691A1 (en) * | 2010-02-12 | 2011-08-18 | Delphinus Medical Technologies, Inc. | Method of characterizing the pathological response of tissue to a treatmant plan |
US10143443B2 (en) * | 2014-05-05 | 2018-12-04 | Delphinus Medical Technologies, Inc. | Method for representing tissue stiffness |
US10743837B2 (en) * | 2014-08-04 | 2020-08-18 | Delphinus Medical Technologies, Inc. | Ultrasound waveform tomography method and system |
US10285667B2 (en) * | 2014-08-05 | 2019-05-14 | Delphinus Medical Technologies, Inc. | Method for generating an enhanced image of a volume of tissue |
US10743791B2 (en) * | 2015-12-28 | 2020-08-18 | Wisconsin Alumni Research Foundation | System and method for assessing tissue properties using magnetic resonance imaging |
JP2020501648A (ja) * | 2016-12-02 | 2020-01-23 | デルフィヌス メディカル テクノロジーズ, インコーポレイテッド | 超音波トモグラフィのための波形強化反射およびマージン境界特徴付け |
KR20210005699A (ko) * | 2018-04-27 | 2021-01-14 | 델피누스 메디컬 테크놀로지스, 인크. | 초음파 단층 촬영 이미지에 대한 특징 추출 및 분류를 위한 시스템 및 방법 |
-
2020
- 2020-12-16 WO PCT/US2020/065432 patent/WO2021127056A1/en unknown
- 2020-12-16 JP JP2022537014A patent/JP2023507742A/ja active Pending
- 2020-12-16 CN CN202080096727.8A patent/CN115135230A/zh active Pending
- 2020-12-16 EP EP20901406.7A patent/EP4076158A4/en active Pending
- 2020-12-16 CA CA3161457A patent/CA3161457A1/en active Pending
-
2022
- 2022-06-14 US US17/840,121 patent/US20220323043A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220323043A1 (en) | 2022-10-13 |
CN115135230A (zh) | 2022-09-30 |
CA3161457A1 (en) | 2021-06-24 |
EP4076158A1 (en) | 2022-10-26 |
WO2021127056A1 (en) | 2021-06-24 |
EP4076158A4 (en) | 2023-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mannil et al. | Texture analysis and machine learning for detecting myocardial infarction in noncontrast low-dose computed tomography: unveiling the invisible | |
Kolb et al. | Comparison of the performance of screening mammography, physical examination, and breast US and evaluation of factors that influence them: an analysis of 27,825 patient evaluations | |
Shepherd et al. | Volume of mammographic density and risk of breast cancer | |
Nelson et al. | Factors associated with rates of false-positive and false-negative results from digital mammography screening: an analysis of registry data | |
Burnside et al. | Differentiating benign from malignant solid breast masses with US strain imaging | |
Stolzmann et al. | Left ventricular and left atrial dimensions and volumes: comparison between dual-source CT and echocardiography | |
Duric et al. | Breast density measurements with ultrasound tomography: A comparison with film and digital mammography | |
Dialani et al. | Prediction of low versus high recurrence scores in estrogen receptor–positive, lymph node–negative invasive breast cancer on the basis of radiologic-pathologic features: comparison with oncotype DX test recurrence scores | |
CN111247592B (zh) | 用于随时间量化组织的系统和方法 | |
Jeffreys et al. | Initial experiences of using an automated volumetric measure of breast density: the standard mammogram form | |
Youk et al. | Comparison of visual assessment of breast density in BI-RADS 4th and 5th editions with automated volumetric measurement | |
Highnam et al. | Comparing measurements of breast density | |
Gipson et al. | Diagnostic accuracy of a commercially available deep-learning algorithm in supine chest radiographs following trauma | |
JP7108715B2 (ja) | 乳房障害の治療をモニターするための組成物および方法 | |
Chen et al. | High‐frequency ultrasound for differentiation between high‐risk basal cell carcinoma and cutaneous squamous cell carcinoma | |
Inoue et al. | Lung cancer screening using clinical photon-counting detector computed tomography and energy-integrating-detector computed tomography: a prospective patient study | |
Garcia et al. | Evolution of imaging in breast cancer | |
Bureau et al. | Diagnostic Accuracy of Echo Envelope Statistical Modeling Compared to B‐Mode and Power Doppler Ultrasound Imaging in Patients With Clinically Diagnosed Lateral Epicondylosis of the Elbow | |
Michail et al. | Texture analysis of perimenopausal and post-menopausal endometrial tissue in grayscale transvaginal ultrasonography | |
US20220323043A1 (en) | Methods and systems for cancer risk assessment using tissue sound speed and stiffness | |
Naser et al. | Deep learning auto-segmentation of cervical skeletal muscle for sarcopenia analysis in patients with head and neck cancer | |
Zhang et al. | Predicting malignancy of thyroid micronodules: radiomics analysis based on two types of ultrasound elastography images | |
US20160210774A1 (en) | Breast density estimation | |
Miyamura et al. | Bone density measurements from CT scans may predict the healing capacity of scaphoid waist fractures | |
Shetty | Screening for breast cancer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220712 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231215 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231215 |