JP5553972B2 - 電子医療記録影響データ取得、処理および表示システムおよび方法 - Google Patents

Description

本発明は一般に、医療画像化装置およびシステムの分野、ならびにそれらの制御に関する。より具体的には、本発明は、電子医療記録（ｅｌｅｃｔｒｏｎｉｃ ｍｅｄｉｃａｌ ｒｅｃｏｒｄ：ＥＭＲ）の参照に基づいて、医療画像データの取得、取得プロセス、画像データの処理、ならびに表示および可視化を立案する戦略の開発に関する。

医療画像化、特に診断画像化は、全ての分野の医療の基礎となっている。このような画像化は、診査手術などの介入プロセスに取って代わり、病態を検出、診断し、多くの異なる医学的な状態を治療する能力を大幅に向上させた。現在、位置を参照し、治療することに対して、磁気共鳴画像法（ＭＲＩ）、コンピュータ連動断層撮影（ＣＴ）、ディジタルＸ線、Ｘ線トモシンセシス（Ｘ−ｒａｙ ｔｏｍｏｓｙｎｔｈｅｓｉｓ）、陽電子断層撮影法（ＰＥＴ）などを含むある範囲の診断モダリティ（ｍｏｄａｌｉｔｙ）が使用可能である。多くの場合、これらのうちの１つ以上のモダリティが、正確な診断を下す際、および究極的には高品質の医療を提供する際に有用な、患者の特定の組織における障害の発達を理解する鍵となる。

しかし、このようなシステムの制御、ならびにそれらを使用するのかしないか、およびそれらをどのように使用するのかは一般に、非常に行き当たりばったりに決定されてきた。すなわち、画像化シーケンスを実行するのかしないのか、およびそれをどのように実行するのかは一般に、患者が経験する症状の専門知識、そのような症状に関係した可能な病態、および可能な診断に関係した情報を検出し、提供する画像化システムの能力に基づいて、医師、しばしば放射線医によって決定される。患者ファイルは保持されており、画像化セッションのパラメータ設定を定める技師または放射線医が、これらのファイルにアクセスすることができることもあるが、最も有用な画像化技法、あるいは画像化データを最も有用にしまたは比較可能にするパラメータが利用されることを保証するためのこのプロセスの自動化はほとんどまたは全く実施されていない。

したがって、画像化システムを、使用可能な以前の画像化セッションからのデータおよび非画像化データと統合する改良された技法が求められている。おそらく最も安いコストで、最も時間効率のよい方法で医学的な状態を認識し、診断するのに役立つ将来の画像化セッション、モダリティ、プロトコルおよび設定を推奨しまたはこれらをリファインする技法は特に興味深いであろう。推奨される診断画像化、ならびに医療画像の取得、処理、再構成、解析、表示および視覚化に使用される設定を検討する際に、患者の特性、好み、素因などの非画像化データを利用することができる技法も求められている。

本発明は、上記の必要性に答えるように設計された技法であって、医療診断画像化取得、解析、より一般的には処理に影響を与える新規の技法を提供する。この技法は、病院、診療所および研究施設において一般的に見られるモダリティのいずれか１つを含む広範囲の画像化モダリティとともに使用することができる。これらの技法はさらに、診断、予後、評価または治療に対して医療画像化または画像解析が有用である任意の身体状態または病態に対して使用することができる。

本発明は、医療画像化データおよび非画像化データから得られたデータが記憶されたＥＭＲを利用する。後のアクセスおよび解析のために情報が使用可能な限りにおいて、このＥＭＲは、単一の位置に格納し、またはネットワーク化された一連の装置に格納することができる。ＥＭＲは、広範囲の画像化関連データまたはこのようなデータから得られたデータを含むことができる。このＥＭＲには例えば、取得情報、画像再構成情報、画像処理情報、画像解析情報、表示および可視化情報、ならびにアルゴリズム、パラメータ、使用シーケンスなどに関するこれらの情報のメタデータを全て含めることができる。さらに、従来の適当な任意の手段によって、非画像化データを取得することができ、これらの全てまたは一部をＥＭＲに提供することができる。次いで、状態を診断しまたは診断を確認するため、および潜在的な候補診断を排除するために最も有用である可能性がある将来の画像化シーケンスを決定するために、ＥＭＲ内のデータの解析を実施することができる。この情報はさらに、画像化パラメータを直接または間接的に設定する、画像化モダリティを選択する、画像化システムを構成する、コンピュータ援用検出または処理アルゴリズムを構成するなどの目的に使用することができる。

本発明のこれらの特徴、態様および利点、ならびにその他の特徴、態様および利点は、添付図面を参照して以下の詳細な説明を読んだときにより理解されるであろう。添付図面の全体を通じて同様の符号は同様の部分を表す。

次に図面を参照する。最初に図１を参照すると、その全体が参照符号１０で示され、参照されるＥＭＲ影響医療画像化スキーム（ＥＭＲ−ｉｎｆｌｕｅｎｃｅｄ ｍｅｄｉｃａｌ ｉｍａｇｉｎｇ ｓｃｈｅｍｅ）が示されている。この技法は、全体が参照符号１２で示されたＥＭＲデータベースを作成し、それを維持することに基づく。このデータベースは１つの中央位置（ｃｅｎｔｒａｌ ｌｏｃａｔｉｏｎ）に保持してもよく、あるいは、いくつかのコンピュータ、サーバまたは他の装置に分散させてもよい。一般に、このデータベースは、後により詳細に説明する画像化推奨、画像化パラメータなどを決定するために個々の患者に関連づけることができる情報を含むことができる。このデータベースは、構造化データ、索引付きデータ、および画像の観察者、一般に医師が可視化のために再構成することができる実際の画像データを含むことができる。後により詳細に説明するように、このデータベースはさらに、画像化セッションから得られた情報（例えば個々の画像および画像の集合を含む情報、またはそれらに関係した情報）、ならびに臨床データなどの非画像化データを含むことができる。

ＥＭＲ内の記録は、従来の電子医療記録を作成するために使用される方法を含む適当な任意の方法で取得することができる。図１に示された配置では、例えば、画像化データまたは画像化データから得られたデータをＥＭＲに供給することができる。参照符号１４で示されているように、このようなデータは、取得情報、再構成情報、処理情報、解析情報、ならびに表示および可視化情報を含むことができる。当業者には理解されることだが、取得設定は一般に、画像化セッションにおいて使用される個々のモダリティに依存する。これらのモダリティには例えば、ＭＲＩシステム、ＣＴシステム、ＰＥＴシステム、ディジタルＸ線システム、超音波システム、ＳＰＥＣＴシステム、トモシンセシスシステムなどが含まれる。次第に、画像化セッション中にこれらのシステムのいくつかを組み合わせ、さらには手術介入中に使用することもできるようになっている。取得情報は普通、画像化された特定の解剖学的構造や、画像化セッション中に使用された設定およびパラメータ入力などに関する情報を含む。画像データフォーマッティングがＤＩＣＯＭ規格に準拠する場合、この情報の一部は、画像データセットに含まれる１つまたは複数のヘッダから得ることができる。

再構成情報は、実際のデータ、または画像の再構成において使用される鍵となる特定のアルゴリズム、パラメータおよび使用シーケンス（ｕｓａｇｅ ｓｅｑｕｅｎｃｅ）に対して使用されるメタデータを含むことができる。画像化モダリティによっては、いくつかの再構成技法が使用可能である。一例として、ＣＴ画像化では、有用な画像を生み出すために、逆投影、フィルタ補正逆投影、重み付け技法など、さまざまなタイプの技法が使用可能である。同様に、ＭＲＩ技術では、使用される画像化プロトコル（例えばパルスシーケンス記述）に応じて、Ｔ１、Ｔ２、ＴＥおよび他の重み付けなどの画像の再構成が使用可能である。

処理情報も、実際の処理パラメータ、および画像データの処理中に使用される鍵となるアルゴリズム、パラメータおよび使用シーケンスに関するメタデータを含むことができる。ある文脈では、やはり画像データ取得中に使用されるモダリティおよびパラメータに応じて、例えば特定の組織および状態を強調し、ある組織および構造を強調表示し、ある構造を隠しまたは強調しないように、処理パラメータを設定することができる。このような画像処理情報は、画像取得中に設定することができるが、多くの場合には、取得後のある段階において、画像を見、処理するときに決定される。

画像解析情報も同様に、１つまたは複数のコンピュータ援用アルゴリズムなどによって画像解析中に設定されたパラメータを含むことができる。この情報はさらに、解析に使用された特定のアルゴリズムの識別、使用シーケンス、ならびに空間、時間、定性および定量結果を含む解析結果を含むことができる。当業者には理解されることだが、広範囲のコンピュータ援用診断、処理およびセグメント化アルゴリズム、ならびに他のアルゴリズムが現在使用可能であり、極めて有用なアルゴリズムが今もなお開発中である。これらのアルゴリズムは、画像データ内の検出可能な特定の組織、異常、病態などを検出し、識別し、セグメント化し、定量化し、比較し、他の方法で解析するなどの解析目的に使用することができる。

最後に、さまざまな表示および可視化アルゴリズムを利用して、画像を表示することができ、さらに、３次元可視化技法、シネ（ｃｉｎｅ）技法などによってある組織を可視化することができる。このような情報が使用可能な場合、その情報自体、または鍵となるアルゴリズム、パラメータおよび使用シーケンスに関するメタデータを、ＥＭＲデータベースに記憶することができる。

画像化に関する全ての情報をＥＭＲデータベースに記憶する必要があるわけではないことを理解されたい。しかし、画像化データ中に存在する多くの詳細、または画像化データから得ることができる多くの詳細の中から、その後の画像化を推奨し、改良する極めて有用な情報を収集することができる。これらは、画像化に使用されたシステムの設定または識別だけでなく、画像化に影響を与え、あるいは画像化を困難にし、反対に画像化を容易にするかもしれない、患者の好み、条件および画像化空間に対する患者の感受性、患者の体重またはサイズ、患者の恐怖などの因子も含む。このような情報を捕捉し、ＥＭＲデータベースに記憶することができる場合、後述するプロセスは、これらの情報を、その後の画像化のために引き出すことができる。

前述のとおり、ＥＭＲデータベースにはさらに、広範囲の臨床データ１６を含めることができる。本明細書の文脈では、このような臨床データを、より一般化して、非画像化データと呼ぶこともある。臨床データは、患者との面談によって集める方法、患者によって記入された用紙から、保険会社から、集められた組織試料に対する検査室分析から、患者から集められた組織の遺伝分析から集める方法などを含む、従来の任意の方法で収集することができる。より一般的には、臨床データは、非画像化性の患者関連情報を含むことができる。このようなデータが使用可能な場合、このようなデータもＥＭＲデータベース１２に入力することができる。

一般に、全体が参照符号１８によって参照されるＥＭＲデータベース１２の作成は、長期にわたり複数の段階で進行することができる。実際、ＥＭＲデータベース１２の究極の作成、変更および更新は、既存のデータの上に立脚し、一般に個々の患者に医学的な注意を払うことによってデータが入手可能になったときにそのデータを追加する付加的または反復的なプロセスでありうる。ＥＭＲデータベースは、この情報を、その情報を共有することができ、同時に個々の患者の識別を無許可アクセスから保護できる方法で、収集することができる。したがって、データベースの変更と、後述する方法で合法的に使用することを目的とした情報へのアクセスの両方に関して、ＥＭＲデータベース、あるいはＥＭＲデータベースを含む１つまたは複数のコンピュータまたはサーバへのアクセスを制限することができる。

本発明の技法によれば、ＥＭＲデータベース１２に記憶されたデータは、患者に提供されるその後のケアに影響を与えるために利用され、特に医療画像化目的に利用される。例えば、さまざまなモダリティ画像化機器に設定されたパラメータに直接に関係する情報を、ＥＭＲデータベースから直接に引き出し、それを使用して、同じタイプまたは類似のタイプの画像化システムを構成することができる。さらに、このデータベースに存在する情報のある部分を、同様の目的に使用することができるが、この情報は、画像化シーケンスにおいて以前には使用されなかったものである。例えば、後により詳細に説明するように、非画像化資源から収集された画像化設備内の条件に対する患者の感受性、患者の恐怖、患者の体重およびサイズなどの因子を、その後の画像化機器の設定に使用して、画像データの取得を最適化することができる。同様の因子、実際にはＥＭＲデータベース１２に存在する一切の因子を、後に収集された画像データに基づくその後の画像再構成、処理、解析、表示および可視化に使用することができる。したがって、ＥＭＲデータベース１２は、図１の参照符号２０によって全般的に示されているように、その後の画像化に対するモダリティおよびプロトコルの選択、および画像化データの取扱いに直接に影響を及ぼすことができる。

同様の方法で、ＥＭＲデータベース１２を使用して、追加の非画像化データを取得することができるかどうか、または追加の非画像化データを取得すべきかどうかを判定すること、および個々の患者に医学的な注意を払う際にどのタイプのデータが最も有用であるかを識別することができる。図１の参照符号２２によって示されているように、このようなデータ源の非網羅的なリストには、検査室分析、生理学的検査、組織病理学的検査、遺伝学的評価および解読、薬物動態学的検査、精神医学的検査などが含まれる。より一般的には、病歴において有用である可能性がある任意の情報を収集し、適当な場合には、続いてそれをＥＭＲに入力することができる。このような情報は例えば、特定の医学的条件および病態に対する素因、人口統計学的危険因子、家系的危険因子、遺伝学的危険因子などを指示することができる。後述するとおり、その後の画像化が、患者の状態を評価する際、ならびにこのような画像データ取得に使用されるモダリティ、プロトコルおよび設定を推奨する際に役立つかどうかを判定するために、このような情報を解析し、使用することができる。

図２は、図１に示された配置をやや詳細に示した図である。具体的には、ＥＭＲデータベース１２は、前述のある範囲の資源からの情報で占められている。図２では、これらの資源が、画像化資源２０および非画像化資源２２を含む。

画像化資源２０は、さまざまなモダリティ、物理特性、製造などのシステムを含む任意の範囲の画像化システムを含むことができる。さらに、画像化資源は、適当な任意の画像化プロトコルおよびパラメータを使用することができ、これらは全て、その後に使用することができるＥＭＲデータベースからの情報の質を向上させるために個々の画像化シーケンスに関連づけることができる。示された実施形態では、例えば、ＭＲＩシステム２６を含むこのようないくつかの画像化システムが符号によって示されている。システム２６は、当技術分野でよく知られた方法で、特定のパルスシーケンス記述に基づいて画像データを収集し、システム２６は、２Ｄ高速フーリエ変換、ならびに取得プロトコルが許す場合には他のある再構成技法によって、画像を再構成することができる。このシステムには一般に、画像パラメータを設定し、画像プロトコルを選択し、画像データを収集する画像データ取得コントローラまたはインタフェース２８が関連づけられる。

同様に、図２は、コントローラまたはインタフェース３２に関連づけられたＣＴシステム３０、およびそのコントローラまたはインタフェース３６に関連づけられたディジタル投影Ｘ線システム３４を示す。これらのシステムも、それらの固有の物理特性および使用可能な画像化プロトコルに従って画像シーケンスを実行するように構成されている。収集された画像化データ、画像取得用に設定されたパラメータ、およびこのようなパラメータに関係したメタデータをこれらのシステムから抽出し、ＥＭＲデータベースに含めるために提供することができる。図２に示された符号はもちろん、限定を意図したものではなく、そこからデータを収集することができる画像化資源のタイプの例に過ぎない。前述のとおり、画像化資源の他のモダリティには、ＰＥＴ画像化システム、超音波画像化システム、ＳＰＥＣＴ画像化システムなどが含まれる。

非画像化資源も同様に、患者に関する情報を取得する目的に使用可能な任意の範囲の技法を含むことができる。これらは一般に、参照符号４０によって全般的に示された臨床検査を含み、この検査は、参照符号４２によって示された適当なコンピュータインタフェースによってデータをコード化することができる。このようなコンピュータインタフェースは、入院記録、保険記録、患者問合せなどへのデータ入力と同じくらい単純なものとすることができる。現在、このような情報は、限定された電子医療記録の中に含まれていることがあるが、将来の画像取得、再構成、解析、表示および可視化を手引きする本発明の強化された目的に役立つであろう。同様に、参照符号４４で示されている検査室分析を実行することができ、このような分析の結果を、分析が実行される検査室などにあるインタフェース４６においてディジタル化することができる。参照符号４８は全体に、適当なインタフェース５０によって部分的にまたは完全にコンピュータ化することができる任意のタイプの病歴記録を表す。符号５２は全体に、実行することができるさまざまな診察、精神医学的検査などを示し、これらは、検査担当の医師またはサポートスタッフによって完成される適当なインタフェース５４によるコンピュータ化を受けることができる。前述のとおり、他の非画像化資源には、生理学的検査、組織病理学的検査、遺伝学的検査、薬物動態学的検査などが含まれる。

一般に、患者３８は、本発明および医療サービスプロセスの中心である。すなわち、患者３８は、画像化セッション、診察または他の任意の方法によって、画像化および非画像化資源のうちの任意の１つと対話することができる。例えば、ある文脈では、患者に通院モニタ、ホームモニタなどが提供される場合、患者は、診察なしに、このような資源と対話することができることに留意されたい。

画像化および非画像化資源から取得可能なデータをコンピュータ化し、または他の方法で使用可能にすることができる程度まで、全体が参照符号５６で示されたフィルタならびにデータ調整およびフォーマッティングモジュール（ｆｉｌｔｅｒ ａｎｄ ｄａｔａ ｃｏｎｄｉｔｉｏｎｉｎｇ ａｎｄ ｆｏｒｍａｔｔｉｎｇ ｍｏｄｕｌｅｓ）は、生データからのデータの抽出を提供することができる。すなわち、画像化および非画像化資源からデータを得、そのデータを整理して、その後の画像取得、再構成、処理、解析、表示および可視化の決定において最も有用な特定のタイプの情報またはフィールドを選択することができる。フィルタならびにデータ調整およびフォーマッティングモジュール５６は、それぞれの資源のインタフェースの中に存在することができ、またはこれらのモジュールは、提供されたデータをリファインし、提供されたデータから、ＥＭＲデータベース１２に含めるのに適したデータを得るように設計されたコンピュータコードとして、別個のコンピュータまたはサーバの中に存在することができる。ＥＭＲデータベースに提供されるデータは、生データあるいはほとんどまたは全くフィルタリングされずに受け取られたデータ自体を含むことができることに留意されたい。したがって、ＥＭＲデータベースは、再構成して有用な画像とすることができる実際の画像データ、および／またはパラメータ設定、プロトコル識別などの画像データから得られたデータを含むことができる。

フィルタならびにデータ調整およびフォーマッティングモジュール５６からの情報は、ＥＭＲデータベース１２に直接に提供し、またはデータ解析モジュール５８によってさらに解析することができる。このようなモジュールは例えば、データを構造化し、データベースに含める有用データを識別し、他のデータを排除することができる。さらに、解析は、ランク、危険、相関などを決定するために、提供されたデータからの値またはその他のデータを計算することを含むことができる。

最後に、ＥＭＲデータベース１２から有用情報を抽出し、この情報を、その後の画像化シーケンスを推奨する、画像化機器上にパラメータを設定し、それを調整する、画像の再構成、処理、解析、表示および可視化用のパラメータを設定するなどの目的に使用するように、データマイニングおよび推奨ソフトウェア６０が設計される。このような目的に対するＥＭＲデータベースデータの使用の例については後に示す。一般に、マイニングおよび推奨ソフトウェア６０は、ＥＭＲデータベースが位置するのと同じコンピュータまたはコンピュータセット上で機能することができ、あるいは、このソフトウェアの別個の構成要素が、他のコンピュータまたは画像化システム自体に存在することができる。例えば、確かな診断を下したい、診断を除外したい放射線医、専門医、治療している医師、または参照している医師は、患者に医療を提供する最も有用な次のステップを決定するために、このようなソフトウェアを利用して、既知情報を評価し、ＥＭＲデータベースから情報を引き出すことができる。このソフトウェアは、エキスパートシステム、ニューラルネットワーク、特定の分野、身体系および病態に対する専用ソフトウェアなどの使用を含む、この目的を達成するのに適当な任意の方法を利用することができる。

図３は、ＥＭＲデータベースの構築、変更または更新を実現し、ＥＭＲデータベースを前述のように使用する例示的な論理を示す。一般に、参照符号６２によって示されたこの論理は、画像データを取得、処理する参照符号６４によって示されたステップ群と、非画像データを取得する参照符号６６によって示されたステップ群とを含む。

画像データが、処理し、ＥＭＲデータベースに含める目的に使用可能である場合、最初に、ステップ６８に示されているように、このような画像データが取得される。前述のとおり、画像データの取得は、使用される特定の画像化モダリティ、特定のプロトコル、設定などに依存する。当業者には理解されることだが、ある画像化システムは、患者の好み、取得することができる画像タイプの変動、治療している医師および放射線医によって記載された処方に従うための変動に適合するための広範囲の調整を備えている。プロトコルの識別および画像データ取得中に利用される任意の設定を含むこれらのパラメータは、ＥＭＲに直接に含めるため、または前述のように単純なメタデータとしてＥＭＲに含めるために、書きとめ、記憶することができる。

ステップ７０に示されているように、画像データはある時点で処理され、ステップ７２に示されているように解析される。画像データの最初の処理は一般に、画像化システム自体の上で実行され、その後の処理は、同じまたは他のシステム上で実行することができる。最初の画像データの処理は一般に、ダイナミックレンジの調整、アナログディジタル変換、フィルタリングなどを含む。その後の処理は、それよりもずっと精密であり、特異的であることがあり、ステップ７２で実行される解析も同様である。例えば、このような解析は、画像データ中にコード化された特定の構造を識別し、ある構造を強化し、他の構造を強調しないように実行することができる。一例として、処理および解析は、心臓の特定の組織、脈管組織、肺組織、腫瘍の成長および病理の抽出またはセグメント化を含むことができる。

参照符号７４に示されているように、この画像化プロセスは一般に、画像データの中の有用な画像の再構成を含む。前述のとおり、いくつかの再構成技法が知られており、多くの場合には、画像取得中に利用されるプロトコルおよびパラメータに応じて、それぞれの画像化モダリティに対していくつかの技法が使用可能である。ステップ７６で、再構成された画像を表示し、可視化を実施することができる。これらの可視化および表示も、例えば好み、画像が表示される方法、特定の組織が指定され、強調表示され、それらの組織に注釈が付けられる方法の変動を受けやすい。ステップ７８で、放射線医による従来の「読取り」など、画像の追加の解析を実行することができる。特定の組織、特に病態を示している可能性がある組織の検出、セグメント化および識別を実施するためのコンピュータアルゴリズムによって、同様の解析技法および読取りを実行することができる。

図３の参照符号８０によって全般的に示されているように、上記のステップからの使用可能な情報の一部または全てを、ＥＭＲに含めることができる。前述のとおり、ＥＭＲは、生の、処理された、または注釈が付けられた形態の画像データ自体を含むことができる。さらに、ＥＭＲは、メタデータ、バイオグラフデータ（ｂｉｏｇｒａｈｉｃａｌ ｄａｔａ）、ならびに取得、処理、解析、再構成、表示および可視化ステップのうちの一部または全部の間に使用されたパラメータ設定を示すデータを含むことができる。

画像化関連データ、またはこのような画像化データから得られたデータの他に、ＥＭＲは、非画像データまたはこのようなデータから得られたデータを含むことが好ましい。参照符号６６によって全般的に示されているように、このようなデータをＥＭＲに含める操作は一般に、ステップ８２に示された非画像データの取得から始まる。前述のとおり、非画像データは、広範囲の資源に由来することがあり、多くの異なる方法で収集することができるため、このような取得は、面談または診察中に書かれた覚え書きから、検査室検査の結果、遺伝子配列決定および診断検査の結果などに至るまで、多岐にわたることがある。一般に、この取得は、情報をコンピュータ可読媒体に記憶することができる方法で、情報をディジタル化し、または要約することによって実施される。ステップ８４で、このデータを処理することができる。この処理はデータ入力を含むことができるが、その他に、データの要約、データに対する注釈および更新、データの構造化なども含むことができる。ステップ８６で、例えばデータの要素を互いに関連づけるため、潜在的にはデータの要素を、個々の患者に厳密には関連していない他のデータに関連づけるために、データの解析を実行することができる。したがって、この解析は、患者集団に対する追加データ、状態および病態に関する既知情報、医学的状態に対する危険因子に関する既知情報などの検討を含むことができる。次いで、やはりステップ８０で示されているように、生データと処理された（得られた）データの両方をＥＭＲに追加することができる。

新しい、より最近のまたは改良されたデータが使用可能になったときには、ＥＭＲデータを変更し、更新することができることに留意されたい。ＥＭＲはしたがって、その関連性および有用性を時間とともに連続的に改良することができる動的ツールと考えることができる。

ＥＭＲ内のデータをいくつかの用途に利用して、その後の画像化に影響を与えることができる。このような３つの用途が図３に示されている。例えば、ステップ８８に示されているように、ＥＭＲ内のデータを利用して、その後の画像データ取得を推奨することができる。このような推奨を実施する方法の例については、図４を参照して後に説明する。さらに、ステップ９０に示されているように、取得パラメータを、ＥＭＲから直接に抽出し、またはＥＭＲ内の情報から導き出すことができる。例えば、以前のＣＴスキャンにおいて、例えば患者の特定の解剖学的構造および患者の体重またはサイズに基づいて、特定のパラメータが利用された場合、これらのパラメータをその後の検査で再び利用することができ、その後の検査中にこれらのパラメータをＣＴスキャナに直接に設定し、またはＥＭＲからアクセスして、手動または半自動で設定することができる。利用された特定のモダリティおよび画像化プロトコルに従って、以前の検査シーケンスに基づく他の多くのパラメータを、ＥＭＲから直接に抽出することができる。Ｘ線システムパラメータを設定する際に患者のサイズまたは体重の例を再び使用することによって、非画像化パラメータが画像化設定に影響を及ぼすことがあることにも留意されたい。ステップ９２に示されているように、他のパラメータをＥＭＲから同様に抽出し、またはそれらをＥＭＲ内の情報から導き出すことができる。後により詳細に論じるが、これらのパラメータは、その後の画像化において別々に処理することができる関心領域の識別、以前の画像シーケンス中にコード化された潜在的な解剖学的構造または異常の指示などを含むことができる。ステップ９２で抽出されたパラメータは、画像データ取得に厳密には関係していないが、より一般的には収集された画像データに基づく再構成、処理、解析、表示および可視化などの画像データ処理段階に関係したパラメータを含むことができることに留意されたい。これらのうちの任意の１つまたは全部が後に、ＥＭＲに記憶された情報に基づく可能性がある。一例として、このＥＭＲ情報が、時間が決定的に重要である外来ＥＲ医療に対して特に有用であることがあり、さまざまな資源からのさまざまなタイプのデータをさまざまな目的に対して使用可能にするＥＭＲの能力は、より効果的で、より時間効率のよい患者管理に通じる可能性がある。

図４は、ＥＭＲに含まれる情報に基づいてその後の画像化セッションを推奨する例示的な論理を示す。その後の画像化セッションの推奨は、特定のモダリティの推奨、ならびに高品質の医療を提供する際に役立つ可能性があるこれらのモダリティ内の特定のプロトコルの推奨を含むことができることに留意されたい。

この特定の例では、図４の論理が、さまざまな候補診断を得るためにＥＭＲが解析されるステップ９４から始まる。この特定の例では、潜在的な診断をリファインし、候補診断のうちのいくつかを排除する、あるいは１つまたは少数の候補診断の確実性のレベルを高めることに集中するその後の画像化セッションが推奨される。現在企図されている一実施形態では、図４の論理が、候補診断間の識別可能性を向上させる可能性がある取得、再構成または表示パラメータ、あるいはこれらの組合せを決定するために使用される例示的なアルゴリズムを実現する。このタイプの例示的なアルゴリズムは、「ミニマムエントロピー（ｍｉｎｉｍｕｍ ｅｎｔｒｏｐｙ）」アルゴリズムと考えることができる。取得、再構成および表示パラメータの全体論的（ｈｏｌｉｓｔｉｃ）最適化のための他の基準を企図することもできるが、本明細書では、ミニマムエントロピー法だけを詳細に説明する。この方法は、ＥＭＲに統合し、またはＥＭＲとともに使用することができ、患者状態の潜在的ないくつかの診断を与えたかもしれないさまざまなコンピュータ援用診断ツールまたは処理ツールに特に適している。

ステップ９４の結果として、この例について、ＥＭＲが残った潜在的診断のリストを含み、医師がこれらの診断を識別しまたはリファインしたいと仮定する。単なる一例として、胸部痛の症状に関係したこのような診断が、肺動脈塞栓症、心筋梗塞、冠状動脈疾患などを含む可能ないくつかの臨床状態を指示するとする。これらのうちどれが最も適当な診断であるのかを識別するように、ＣＴ検査が処方される。ステップ９６に示されているように、このプロセスは、例えばコンピュータ援用診断または処理アルゴリズムの出力に基づく、あるいは医師、放射線医または他の専門医による入力による、それぞれの候補診断の可能性に基づく等級分けを含むことができる。

ステップ９８に示されているように、このアルゴリズムは次いで、ＥＭＲ内でその情報が使用可能な場合に、どのモダリティおよび／または画像化技法が、残りの診断間の最も良好な区別を提供するかを評価することができる。例えば、残りの複数の診断を区別するのに、理論的にはＣＴベースの取得技法が良好だが、以前のＸ線取得がすでに、このようなモダリティから入手可能な大部分の診断値を与えているとする。これに応じて、より適当な次のステップは、ＣＴ画像化をやめて、磁気共鳴画像化、またはＰＥＴ／ＣＴ、ＳＰＥＣＴなどの機能モダリティを介した画像化を実行することであろう。

さらに、このアルゴリズムは、画像化、画像処理、再構成、解析、表示または可視化に関する可能な次の診断ステップに相関した可能な診断のマトリックスを生み出すことができる。このマトリックス中のそれぞれの要素は、特定の病気機構に対する診断のいまだ残っているありそうな確実性または不確実性を示すことができる（すなわち明らかな残留または明らかな排除は不確実性ゼロである）。それぞれのモダリティまたは画像化技法後のありそうな状態に対して、情報品質またはエントロピー測定基準（例えば不確実性の自然対数の合計）をとることができる。最も低いエントロピースコアを有する（すなわち、最も低い不確実性または最も大きな情報を提供する）モダリティまたは技法が、最も大きな値を受け取り、推奨に対して選択されるであろう。

図４のステップ１００に示されているコストおよび他の緊急性の考慮など、他の考慮事項をこの評価に含めることができ、これらは、選択された画像化モダリティまたは画像化技法に影響を与え、またはこれらを変更することができる。例えば、ある値を、患者固有の「コスト」に対して重み付けすることができる。一例として、小児科の患者では、より年齢の高い患者よりも放射線量に重きを置くことができる。また、特にそれが患者管理または保険給付の敏感な側面である場合には、特定の検査の経済的コストに重きを置くこともできる。時間コストを考慮することもできる。例えば、患者のいる施設または地域においてある画像化モダリティの予約が埋まっており、その診断が時間に特に敏感な場合には、このような因子を推奨に含めることができる（例えばＭＲＩまたはＰＥＴ／ＣＴのほうがより良好な情報を提供するかもしれないが、待ち時間が長い場合には、診断の１つを確認しまたは排除するのに重要な迅速な応答のために、使用可能なＣＴシステムがより良好な選択である可能性がある）。また、推奨を実施する際に使用される追加情報が、人口統計学データベースに記憶された人口統計学的情報を含むかもしれない。例えば、このような情報が、（ＥＭＲが構築され、維持された）特定の患者が、特定の状態に関して危険な状態にあることを指示している場合には、推奨された画像化、処理、解析または処置を、このデータに基づいて変更することができる。一例として、このような情報が、ある特定のやり方は一般には推奨されないか、または優先度が低いが、地理的区域または集団おいて同様の状態が検出されたことによって、特定の推奨を実施することができることを指示するかもしれない。

最後に、ステップ１０２で、その後の画像化データ取得の推奨を実施することができる。この場合にも、ステップ１０２で取得が特に呼び出されるが、特定のプロトコル、モダリティ、あるいは画像化システムのタイプまたはメーカに対する推奨を実施することができることに留意されたい。同様に、既存のデータまたは後に取得されるデータに対して使用することができる特定の再構成技法に対して推奨を実施することもできる。この推奨はさらに、既存の画像データまたは後に取得される画像データの推奨された処理、あるいは既存の画像データまたは後に取得される画像データの解析を含むことができる。この推奨はさらに、診断をリファインするのに役立つ可能性がある１つまたは複数のコンピュータ援用診断、処理またはセグメント化アルゴリズム、あるいは他のアルゴリズムの識別を含むことができる。最後に、この推奨はさらに、特定の表示または可視化技法の指示を含むことができる。

図５は、既存の画像データまたは後に取得される画像データおよびＥＭＲから使用可能な情報に基づく再構成、処理、解析、表示および可視化に影響を与えるために実行することができる例示的な論理を示す。図５に示された例示的な論理では、いくつかの問合せを、並行してまたは逐次的に実施することができる。一例として、問合せ１０４で、以前の画像化セッションおよび既存の画像データのＥＭＲの中で、ある関心領域が識別されたかどうかが判定される。このような関心の画像は、手動で、あるいは自動化または半自動化されたコンピュータ援用ツールによって識別することができ、異常、腫瘍、あるいは他の関心の解剖学的特徴または領域を識別することができる。ステップ１０６で、この論理は、過去の検査シーケンスに対して特定のコンピュータ援用診断、解析、論理もしくは識別ツール、またはその他のツールが使用されたかどうか、あるいは、このようなアルゴリズムがその後の解析に対して有用かどうかを判定することができる。ステップ１０８で、この論理は、特定のモダリティおよび／または画像データ取得プロトコルに関するＥＭＲの中で、ある取得パラメータが識別されるかどうかを識別することができる。ステップ１１０で、この論理は、患者のサイズ、体重、好み、恐怖（例えば閉ざされた環境、騒音に対する感受性）、障害、知られている病態または身体状態などのある患者データをＥＭＲから入手可能かどうかを判定することができる。

これらの問合せのうちのいずれか１つ、または実際にはこの段階で実行することができる他の問合せにおいて、このような情報が識別された場合、この情報を使用して、その後の画像化を実行する際に使用するデータをＥＭＲから抽出し、またはそのようなデータをＥＭＲから導き出すことができる。このような情報が使用可能でなく、または問合せにおいて識別されない場合、その後の画像化は従来の方法で進めることができる。ステップ１１２は、その後の画像化において使用するためのＥＭＲからのデータの抽出および導出を要約する。例えば、ＣＴなどの線量集約的な検査では、関心領域においてより多くの線量集約的情報を取得することによって、組織、特に病気が疑われる組織の画像化、セグメント化、識別および区別のために分解能を高めることができる。このような関心領域は、ＥＭＲに含まれるコンピュータ援用診断、セグメント化および解析アルゴリズム、およびその他のアルゴリズムの結果から自動的にインポートすることができる。線量を費やした品質向上の例は、１つまたは複数の関心領域のより低い画素またはボクセルピッチ、より高い分解能、あるいは単により低い雑音のスキャンである。同様に、ＭＲＩなどの非線量集約的検査では、スキャナが、ＥＭＲから識別された関心領域に対する最適化されたスキャンを取得することができる。これらのスキャンを、関心領域の取得回数を多くする（これは例えばより高いコントラストまたは空間分解能につながる）ように選択しまたは調整する（例えばスキャンされたパラメータを設定する）ことができ、または、特定の状態を確認しまたは除外するために特定の関心領域に対して異なるタイプの画像化（例えばＭＲＩに対する異なるパルスシーケンス）を使用することができる。さらに、特に設計されたコイルを用いて、特定の関心領域に集中することによって、体組織加熱（ＳＡＲ）または神経刺激（ＰＮＳ）を回避し、または最小化することができる。さらに、特定のスライス方向および間隔がＥＭＲデータに基づくことができる。

ステップ１０６で特定のコンピュータ援用アルゴリズムが指示された場合、このようなアルゴリズムの実行を強化するデータを特に取得することができる。例えば、反復研究では、そのコンピュータ援用アルゴリズム（例えば検出、セグメント化または識別アルゴリズム）によって生成された以前に取得されたデータに対する正確な減算または比較の確率を最適化するために、ＥＭＲに記憶された従来の検査から特定の取得パラメータをインポートすることができる。特定の診断または鍵となる候補診断に応じて、提案されたコンピュータ援用解析アルゴリズムは、均一な空間分解能、高い時間分解能、高い空間分解能、均一なＣＴ値正確度（ＣＴの場合）などのために最適化された入力データを用いて、より効果的に機能することができる。異なる取得は異なる最適化を有することができ、これらの取得を、選択された特定のアルゴリズムに対して適合させることができる（例えば２重エネルギーＣＴ検査は、改善されたまたは非常に正確なＣＴ値を提供することができるが、時間分解能および線量の影響が欠点である）。他の例として、ＭＲＩスキャナは、さまざまな組織間の画像コントラストを生み出すようにそれぞれが最適化された多くの異なるパルスシーケンスからの選択を提供する。さらに、これらの多くのシーケンスはそれぞれ、いくつかのパラメータを有するように構成することができる。これは、オペレータに大きな柔軟性を提供するが、同時に大きな複雑さも提供する。ＥＭＲに含まれる診断から選択することができる提案されたコンピュータ援用検出、診断、解析またはセグメント化アルゴリズム、あるいはその他のアルゴリズムを使用して、ＭＲＩパルスシーケンスおよびそれらのパラメータに対して提案された設定を駆動することができる。例えば、脳のセグメント化を必要とするコンピュータ援用アルゴリズムは、ある組織間のコントラストを最適化するいくつかのシーケンスを指示することができ、これらは次いで、マルチチャネルセグメント化システムへの入力として使用されることになる。１つの画像は、脳脊髄液と脳組織の間のコントラストを最大化することができ、他の画像は、白質と灰白質の間のコントラストを最適化することができる。

同様に、ステップ１０８で、特定の取得パラメータが識別された場合、これらを、ＥＭＲに記憶されたデータに基づいて以前の検査から使用することができる。一例として、ＣＴおよびコントラストインジェクション（ｃｏｎｔｒａｓｔ ｉｎｊｅｃｔｉｏｎ）の場合、Ｇｅｎｅｒａｌ Ｅｌｅｃｔｒｉｃ Ｈｅａｌｔｈｃａｒｅ社によって販売されているＳｍａｒｔＰｒｅｐ（商標）として知られているプロトコルなどのプロトコルを使用して、遅延を使用するようにスキャナを最適化することができる。コントラストダイナミックスにおけるこのような遅延は、従来のスキャンからインポートすることができる。他の例として、ゲート検査の場合、将来の画像化セッション検査のゲーティング性能を最適化するために、呼吸ゲーティングおよびＥＫＧゲーティングを、インポートされた従来の検査から抽出された平均または異常パターンとともに使用することができる。他の例として、先に指摘したように、一般的な患者モルフォロジ（ｍｏｒｐｈｏｌｏｇｙ）を使用して、取得プロトコルを最適化することができる。例えば、従来の患者検査基づいて、ＣＴスキャンに対して使用される電流を最適化することができる。再び、ＣＴ画像化の場合、従来の検査から抽出された解剖学的パラメータに基づいて、単一エネルギーｋＶ選択または２重エネルギースキャンを最適化することができる。これらのパラメータは、従来の検査からのデータに基づくことができ、あるいは患者アトラスまたは解剖模型のパラメータとして記憶することができる。さらに、患者の体重、脂肪の量および位置、心臓シーケンスの規則性および不規則性などの抽出された生理学的なパラメータに基づいて、ＭＲ補正または特別なパルスシーケンスを選択することができる。

取得パラメータ設定のこれらの全ての例では、提案された取得パラメータを同様の画像化システム上に直接に設定することができ、またはこれらを使用者に提示することができる。この提示は、デフォルトのオプションとして使用される、ＥＭＲから入手可能な情報に基づいて記入されたインタフェースページの形態をとることができる。あるいは、色、フォントなどのグラフィック待ち行列を使用して、このようなオプションを強調表示することもできる。ＥＭＲから抽出して、取得パラメータおよび設定に影響を与えることができる情報の他の例には、血行力学データ、灌流データ、コントラストダイナミックスデータおよび心機能情報が含まれる。同様に、取得パラメータは、その情報がＥＭＲに記憶された以前の臨床、病歴、検査室および病理学検査に基づくことができる。例えば検査室データは、現在の解剖学的構造または表現型に基づく単純な最適化ではなく、病気の可能性に基づく個人ごとの処方につながる可能性がある以前のゲノムまたはプロテオームデータを含むことができる。

同様に、図５の問合せ１１０では、ＥＭＲから識別された他の患者関連データが、後の画像取得、処理、解析、再構成、表示または可視化中に使用される設定に影響を与えることができる。一例として、ここでもやはり、ＥＭＲに記憶された診断画像化検査の他にゲノム検査（例えば臨床検査）に基づいて、取得を制御することができる。次第に、いくつかの病気が、特定の遺伝学的な相関関係に関係づけられるようになっており、将来には、より多くの病気が、このような相関関係により密接に関係づけられるであろう。例えば、ＢＲＡＣ１またはＢＲＡＣ２遺伝子を有する人には、伝統的なＸ線ベースのマンモグラフィ取得ではなく、ＭＲベースのマンモグラフィ取得を自動的に処方することができる。

やはり先に述べたとおり、図５に要約されたＥＭＲからの情報の抽出および使用は、画像取得パラメータを設定することに限定されず、取得後の目的のために使用することもできる。一例として、取得の間または後に、このような情報に基づいて画像処理を制御することができる。データ（例えば画像）の後処理がより高速になり、より自動化されるにつれて、この処理を、「インライン」で、またはコンピュータコンソール上に最初に表示する前に、実行することができる。例えば、セグメント化アルゴリズムはしばしば、確率分布（例えば平均および標準偏差）パラメータなどの統計的事前確率を必要とする。このようなパラメータの適応計算のための初期条件をＥＭＲから抽出することができる。同様に、ＥＭＲ情報に基づいて、表示および可視化パラメータを設定し、または提案することができる。取得中に画像を表示するために使用される設定を、ＥＭＲ内の画像データから抽出することができる。手動でまたは長いオフライン処理によって計算されるあらゆる設定は、ＥＭＲ内の情報の恩恵を受けるであろう。このようなパラメータの例には、ウィンドウおよびレベル設定、背景の抑制、ボリュームレンダリングのための不透明度および伝達関数、ならびにボリュームレンダリングのための妨害背景構造の選別などが含まれる。

このような情報がＥＭＲ内で識別されると、この論理は、ステップ１１４に示されているように、画像または設定の調整を可能にする。前述のとおり、これは直接に実行することができ、あるいは過去の設定を、将来の画像化検査のための提案のまたはデフォルトのオプションとして臨床医または放射線医に提供することができる。最後に、ステップ１１６で、後の画像化データ取得が、その後の処理、解析、再構成、表示および可視化とともに実行される。

本明細書では、本発明のある特徴だけを示し、説明したが、多くの修正および変更が当業者には明白であろう。したがって、添付の特許請求の範囲は、本発明の真の趣旨に含まれるこのような修正および変更の全てをカバーすることを意図したものであることを理解されたい。また、図面の符号に対応する特許請求の範囲中の符号は、単に本願発明の理解をより容易にするために用いられているものであり、本願発明の範囲を狭める意図で用いられたものではない。そして、本願の特許請求の範囲に記載した事項は、明細書に組み込まれ、明細書の記載事項の一部となる。

本発明の諸態様に基づくＥＭＲベースの医療画像手順立案／制御スキームの概要を示す図である。 図１のスキームをより詳細に示す図であって、ＥＭＲに貢献することができ、画像化セッションの推奨または構成、あるいは画像化データの処理または解析に使用することができるさまざまな画像化および非画像化資源を示す図である。 将来の画像化に影響を与える、ＥＭＲの作成および使用における例示的な論理を示す流れ図である。 ＥＭＲからの情報に基づいて将来の画像化セッションを推奨する例示的な論理を示す流れ図である。 ＥＭＲからの情報に基づいて画像化または画像処理システムのパラメータを設定する例示的な論理を示す流れ図である。

符号の説明

１０ 画像化スキーム
１２ ＥＭＲデータベース
１４ 画像化データ
１６ 臨床データ
１８ ＥＭＲの作成／変更／更新
２０ 画像化データ取得資源
２２ 非画像化データ取得資源
２４ ＥＭＲベースの全体論的取得制御
２６ ＭＲＩシステム
２８ 画像データ取得コントローラ／インタフェース
３０ ＣＴシステム
３２ コントローラ／インタフェース
３４ ディジタル投影Ｘ線システム
３６ コントローラ／インタフェース
３８ 患者
４０ 臨床検査
４２ コンピュータインタフェース
４４ 検査室検査
４６ インタフェース
４８ 病歴記録
５０ インタフェース
５２ 診察／検査結果
５４ インタフェース
５６ フィルタ／データ調整フォーマッティング
５８ データ解析モジュール
６０ マイニング／推奨ソフトウェア
６２ 論理
６４ 画像データ取得および処理ステップ
６６ 非画像データ取得ステップ
６８ 画像データを取得する
７０ 画像データを処理する
７２ 画像データを解析する
７４ 画像を再構成する
７６ 画像を表示し／可視化を生成する
７８ 画像を解析する
８０ ＥＭＲにデータを追加する
８２ 非画像データを取得する
８４ データを処理する
８６ データを解析する
８８ 取得を推奨する
９０ 取得パラメータを抽出する
９２ 他のパラメータを抽出する
９４ 候補診断を得るためにＥＭＲを解析する
９６ 診断を等級分けする
９８ 不確実性を低下させるためにモダリティ／技法を選択する
１００ コスト／緊急性を評価する
１０２ 取得を推奨する
１０４ ＲＯＩは識別された？
１０６ ＣＡＸアルゴリズムは選択された？
１０８ 取得パラメータは識別された？
１１０ 患者データは入手可能？
１１２ ＥＭＲからデータを抽出し／データを導き出す
１１４ 画像設定を調節する
１１６ 画像データを取得する

Claims (10)

1. 患者の医療診断画像化取得セッションから得られた画像化関連データ（１４）、および患者固有の電子医療記録に記憶された前記患者の非画像化関連データ（１６）から得られたデータにコンピュータが電子的にアクセスすること（６４、６６）、
   前記電子医療記録に記憶された前記患者の非画像化関連データ（１６）から得られたデータ及び、前記画像化関連データ（１４）をコンピュータが電子的に解析すること（９４）、ならびに
   前記解析に基づいてデータの取得をコンピュータが電子的に推奨すること（８８、１０２）
   を含み、
   前記推奨されたデータの取得が、関心領域の取得回数を多くする推奨を含み、
   前記推奨が、診断をリファインする可能性が最も高い画像化関連データを提供する画像化モダリティ又は画像化プロトコルの決定（９８）に基づいて実施され、
   前記推奨が、複数のそれぞれの画像化モダリティおよび／または画像化プロトコルに関連した相対コスト（１００）に基づいて実施され、
   前記相対コスト（１００）が、患者特有のコスト、経済的コスト、時間コスト、又はこれらの組み合わせを含む、
   医療画像化法。
2. 患者の医療診断画像化取得セッションから得られた画像化関連データ（１４）、および患者固有の電子医療記録に記憶された前記患者の非画像化関連データ（１６）から得られたデータにコンピュータが電子的にアクセスすること（６４、６６）、
   前記電子医療記録に記憶された前記患者の非画像化関連データ（１６）から得られたデータ及び、前記画像化関連データ（１４）をコンピュータが電子的に解析すること（１１４）、ならびに
   前記解析に基づいて画像化システムパラメータをコンピュータが自動的に電子的に設定すること（１１４）
   ことを含み、
   前記画像化システムパラメータの設定が、関心領域の取得回数を多くする推奨を含む医療画像化法。
3. 前記画像化関連データ（１４）が、前記画像化セッション中に利用された画像化システムパラメータを表すデータを含む、請求項１又は２に記載の方法。
4. 前記画像化関連データ（１４）が、前記画像化関連データに基づいてなされた１つまたは複数の候補診断を含む、請求項１乃至３のいずれかに記載の方法。
5. 前記非画像化データ（１６）が、診察データ、精神医学的データ、生理学的データ、組織病理学的データ、遺伝学的データ、薬物動態学的データ、またはこれらの組合せを含む、請求項１乃至４のいずれかに記載の方法。
6. 前記推奨が、診断をリファインする可能性が最も高い画像化関連データを提供する画像化モダリティの決定（９８）に基づいて実施される、請求項１乃至５のいずれかに記載の方法。
7. 前記推奨が、診断をリファインする可能性が最も高い画像化関連データを提供する画像化プロトコルの決定（９８）に基づいて実施される、請求項１乃至５のいずれかに記載の方法。
8. 前記画像化システムパラメータが、前記画像化関連データ（１４）で特定された関心領域に基づく、請求項２記載の方法。
9. 前記画像化システムパラメータが、ウィンドウおよびレベル設定、背景の抑制、ボリュームレンダリングのための不透明度および伝達関数に基づく、請求項２または８に記載の方法。
10. コンピュータに請求項１乃至９のいずれかに記載の方法を実行させるためのプログラム。
    

Images