JP6215469B2 - 最適化された診断能のための境界条件を用いて血流をモデル化するための方法及びシステム - Google Patents

最適化された診断能のための境界条件を用いて血流をモデル化するための方法及びシステム Download PDF

Info

Publication number
JP6215469B2
JP6215469B2 JP2016531868A JP2016531868A JP6215469B2 JP 6215469 B2 JP6215469 B2 JP 6215469B2 JP 2016531868 A JP2016531868 A JP 2016531868A JP 2016531868 A JP2016531868 A JP 2016531868A JP 6215469 B2 JP6215469 B2 JP 6215469B2
Authority
JP
Japan
Prior art keywords
patient
model
blood flow
boundary condition
boundary
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.)
Active
Application number
JP2016531868A
Other languages
English (en)
Other versions
JP2016528975A (ja
Inventor
ティモシー エー． フォンテ，
ティモシー エー． フォンテ，
チャールズ エー． テイラー，
チャールズ エー． テイラー，
ヒョン ジン キム，
ヒョン ジン キム，
ソフィー ケム，
ソフィー ケム，
Original Assignee
ハートフロー， インコーポレイテッド
ハートフロー， インコーポレイテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ハートフロー， インコーポレイテッド, ハートフロー， インコーポレイテッド filed Critical ハートフロー， インコーポレイテッド
Publication of JP2016528975A publication Critical patent/JP2016528975A/ja
Application granted granted Critical
Publication of JP6215469B2 publication Critical patent/JP6215469B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0265—Measuring blood flow using electromagnetic means, e.g. electromagnetic flowmeter
    • A61B5/027—Measuring blood flow using electromagnetic means, e.g. electromagnetic flowmeter using catheters
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Optics & Photonics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Vascular Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Hematology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Pulmonology (AREA)
  • Theoretical Computer Science (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Description

優先権
本出願は、２０１３年７月３０日に出願された米国仮特許出願第６１／８６０，１３８号及び２０１４年７月３０日に出願された米国特許出願第１４／４４７，１９５号の優先権の利益を主張し、当該出願全体を参照により本明細書に援用する。
患者固有の血流推定値をモデル化するための方法及びシステム、より詳細には、診断能に関して最適化されている境界条件を作成するための方法及びシステムが実施形態に含まれる。
冠動脈疾患は、心臓に血液を供給する血管内に、狭窄（血管の異常狭小）などの冠状動脈病変をもたらし得る。その結果、心臓への血流が制限されることがある。冠動脈疾患に罹患している患者は、身体労作中の慢性安定狭心症または患者の安静時での不安定狭心症と称される胸痛を覚え得る。疾患が重症化すると、心筋梗塞または心臓発作につながるおそれがある。
冠状動脈病変に関連するより正確なデータ、例えば、大きさ、形状、位置、機能的有意性（例えば、病変が血流に影響を与えるかどうか）などを得る必要がある。胸痛を患う患者及び／または冠動脈疾患の徴候を示す患者は、冠状動脈病変に関連する何らかの間接的な証拠を提供し得る１つまたは複数の検査を受ける場合がある。例えば、非侵襲検査には、心電図、血液検査によるバイオマーカー評価、トレッドミル試験、心エコー検査、単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）及び陽電子放射断層撮影（ＰＥＴ）を挙げることができる。しかしながら、これらの非侵襲検査は、典型的に、冠状動脈病変の直接的な評価を与えるものではなく、血流量を評価するものでもない。非侵襲検査では、心臓の電気活動の変化（例えば、心電図検査（ＥＣＧ）を用いるもの）、心筋の動き（例えば、負荷心エコー検査を用いるもの）、心筋灌流（例えば、ＰＥＴもしくはＳＰＥＣＴを用いるもの）または代謝変化（例えば、バイオマーカーを用いるもの）を調べることにより、冠状動脈病変の間接的な証拠を得ることができる。
例えば、冠動脈コンピュータ断層血管造影（ＣＣＴＡ）を用いることにより、解剖学的データを非侵襲的に得ることができる。ＣＣＴＡは、胸痛を有する患者の撮像に用いることができ、コンピュータ断層撮影（ＣＴ）技術を用いて、造影剤を静脈内に注入した後、心臓及び冠状動脈を画像化することにより行われる。しかしながら、ＣＣＴＡでも同様に、冠状動脈病変の機能的有意性、例えば、病変が血流に影響を及ぼすかどうかについての直接的な情報を得ることができない。更に、ＣＣＴＡは、完全に診断的検査であることから、例えば、運動時などの他の生理学的状態における冠状動脈の血流、圧力または心筋灌流の変化を予想するために用いることはできず、インターベンションの転帰を予想することにも用いることができない。
したがって、患者は、冠状動脈病変を視覚化するために、診断的心臓カテーテル法などの侵襲性検査を必要とする場合もある。診断的心臓カテーテル法は、従来の冠動脈血管造影（ＣＣＡ）を実施して、動脈の大きさ及び形状の画像を医師に提供することにより、冠状動脈病変に関する解剖学的データを集めることを含み得る。しかしながら、ＣＣＡは、冠状動脈病変の機能的有意性を評価するためのデータを提供しない。例えば、医師は、冠状動脈病変が機能的に有意であるかどうかが明確でなければ、その病変が有害であるかどうかを診断し得ない。このため、ＣＣＡは、病変が機能的に有意であるかどうかに関わらず、ＣＣＡで認められたあらゆる病変にステントを挿入する「狭窄の反射的拡張（ｏｃｕｌｏｓｔｅｎｏｔｉｃ ｒｅｆｌｅｘ）」と呼ばれている、一部のインターベンション心臓専門医の行為につながっている。その結果、ＣＣＡは、患者への不必要な手術につながる可能性があり、これにより患者に新たなリスクを課し得、また患者にとって必要のない医療費用を生むおそれがある。
治療的心臓カテーテル法では、観察された病変の冠血流予備量比（ＦＦＲ）を測定することにより、冠状動脈病変の機能的有意性を侵襲的に評価することができる。ＦＦＲは、例えばアデノシンの静脈内投与により誘発した冠動脈血流の増加条件下における病変下流の平均血圧を病変上流の平均血圧、例えば大動脈圧で除算した比として定義される。血圧は、患者にプレッシャーワイヤーを挿入することにより測定することができる。したがって、測定したＦＦＲに基づいた病変治療の決定は、初期費用後になされ、治療的心臓カテーテル法のリスクがすでに生じている。
冠動脈疾患の疑いのある患者に対する診断及び治療計画を改善するための既存の技術は、冠状動脈の解剖学的形態、心筋灌流及び冠動脈血流を非侵襲的に評価するものである。これらの技術は、画像データから構築される解剖学的モデルの境界における血流の生理学的モデルを確立することに依存している。この解剖学的モデルの範囲内で血流、圧力及びＦＦＲなどの他のメトリクスを計算することができる。これらの結果を医師が臨床的に用いて患者の診断及び治療計画に役立てる場合、その診断能が極めて重要である。境界条件は、精度に大きな影響を与えるものであり、以前は十分に設計されておらず、性能が向上するようにまたは感度及び特異性などの様々なメトリクスのバランスが最適化されるように調整されていなかった。したがって、境界条件が最適な診断能を達成することができるシステム及び方法が必要とされている。
上述の一般的な説明及び以下の詳細な説明は、どちらも例示的かつ説明的なものにすぎず、本開示を限定するものではないことを理解されたい。
一実施形態によれば、患者の心血管情報を明らかにするためのシステムは、患者の心臓の幾何学的形状に関する患者固有のデータを受信し、患者固有のデータに基づいて患者の心臓の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。当該少なくとも１つのコンピュータシステムは、患者の心臓の血流の特徴に関連する物理学的モデルを作成し、三次元モデル及び物理学的モデルに基づいて患者の心臓内の冠血流予備量比を明らかにするように更に構成される。
別の実施形態によれば、患者固有の心血管情報を少なくとも１つのコンピュータシステムを用いて明らかにするための方法は、少なくとも１つのコンピュータシステムに、患者の心臓の幾何学的形状に関する患者固有のデータを入力することと、少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づいて患者の心臓の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、少なくとも１つのコンピュータシステムを用いて、患者の心臓の血流の特徴に関連する物理学的モデルを作成することと、少なくとも１つのコンピュータシステムを用いて、三次元モデル及び物理学的モデルに基づいて患者の心臓内の冠血流予備量比を明らかにすることとを更に含む。
別の実施形態によれば、患者固有の心血管情報を明らかにするための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、少なくとも１つのコンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、患者の心臓の幾何学的形状に関する患者固有のデータを受信することと、患者固有のデータに基づいて患者の心臓の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、患者の心臓の血流の特徴に関連する物理学的モデルを作成することと、三次元モデル及び物理学的モデルに基づいて患者の心臓内の冠血流予備量比を明らかにすることとを更に含む。
別の実施形態によれば、患者の治療を計画するためのシステムは、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。当該少なくとも１つのコンピュータシステムは、三次元モデル及び患者の解剖学的構造体に関連する物理学的モデルに基づいて患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにし、三次元モデルを修正し、修正した三次元モデルに基づいて患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにするように更に構成される。
別の実施形態によれば、患者の治療を計画するための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、三次元モデル及び患者の解剖学的構造体に関連する物理学的モデルに基づいて患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることと、患者の解剖学的構造体内の幾何学的形状における所望の変化に基づいて患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにすることとを更に含む。
別の実施形態によれば、コンピュータシステムを用いて患者の治療を計画するための方法は、少なくとも１つのコンピュータシステムに患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力することと、少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、少なくとも１つのコンピュータシステムを用いて、三次元モデル及び患者の解剖学的構造体に関連する物理学的モデルに基づいて患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることを更に含む。本方法はまた、少なくとも１つのコンピュータシステムを用いて、三次元モデルを修正することと、少なくとも１つのコンピュータシステムを用いて、修正した三次元モデルに基づいて患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにすることとを含む。
別の実施形態によれば、患者の治療を計画するためのシステムは、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。当該少なくとも１つのコンピュータシステムはまた、三次元モデル及び患者の生理学的状態に関する情報に基づいて患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにし、患者の生理学的状態を修正し、修正した患者の生理学的状態に基づいて患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにするようにも構成される。
別の実施形態によれば、患者の治療を計画するための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、三次元モデル及び患者の生理学的状態に関する情報に基づいて患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることと、患者の生理学的状態における所望の変化に基づいて患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにすることとを更に含む。
別の実施形態によれば、少なくとも１つのコンピュータシステムを用いて患者の治療を計画するための方法は、少なくとも１つのコンピュータシステムに患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力することと、少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法はまた、少なくとも１つのコンピュータシステムを用いて、三次元モデル及び患者の生理学的状態に関する情報に基づいて患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることを含む。本方法は、少なくとも１つのコンピュータシステムを用いて、患者の生理学的状態を修正することと、少なくとも１つのコンピュータシステムを用いて、修正した患者の生理学的状態に基づいて患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにすることとを更に含む。
別の実施形態によれば、患者固有の心血管情報を明らかにするためのシステムは、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。当該少なくとも１つのコンピュータシステムはまた、患者の解剖学的構造体の一部を通る総流動に関連する全抵抗を特定し、三次元モデル、患者の解剖学的構造体に関連する物理学的モデル及び特定された全抵抗に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにするようにも構成される。
別の実施形態によれば、患者固有の心血管情報を少なくとも１つのコンピュータシステムを用いて明らかにするための方法は、少なくとも１つのコンピュータシステムに患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力することと、少なくとも１つのコンピュータを用いて、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法はまた、少なくとも１つのコンピュータを用いて、患者の解剖学的構造体の一部を通る総流動に関連する全抵抗を特定することと、少なくとも１つのコンピュータを用いて、三次元モデル、患者の解剖学的構造体に関連する物理学的モデル及び特定された全抵抗に基づいて患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることとを含む。
別の実施形態によれば、患者固有の心血管情報を明らかにするための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法はまた、患者の解剖学的構造体の一部を通る総流動に関連する全抵抗を特定することと、三次元モデル、患者の解剖学的構造体に関連する物理学的モデル及び特定された全抵抗に基づいて患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることとを含む。
別の実施形態によれば、ウェブサイトを用いて患者固有の心血管情報を提供するためのシステムは、遠隔ユーザによるウェブサイトへのアクセスを可能にし、患者の解剖学的構造体の幾何学的形状の少なくとも一部に関する患者固有のデータを受信し、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成し、三次元モデル及び患者の生理学的状態に基づいて患者の解剖学的構造体内の血流の特徴に関する情報を明らかにするように構成された少なくとも１つのコンピュータシステムを含む。当該少なくとも１つのコンピュータシステムはまた、患者の解剖学的構造体の少なくとも一部の第１の三次元のシミュレーションに関する表示情報をウェブサイトを用いて遠隔ユーザに伝達するようにも構成される。この三次元シミュレーションは、血流の特徴に関して明らかにされた情報を含む。
別の実施形態によれば、ウェブサイトを用いて患者固有の心血管情報を提供するための方法は、少なくとも１つのコンピュータシステムを用いて、遠隔ユーザによるウェブサイトへのアクセスを可能にすることと、少なくとも１つのコンピュータシステムを用いて、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することとを含む。本方法はまた、少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、少なくとも１つのコンピュータシステムを用いて、三次元モデル及び患者の生理学的状態に基づいて患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることとを含む。本方法は、少なくとも１つのコンピュータシステムを用いて、患者の解剖学的構造体の少なくとも一部の第１の三次元のシミュレーションに関する表示情報をウェブサイトを用いて遠隔ユーザに伝達することを更に含む。この三次元シミュレーションは、血流の特徴に関して明らかにされた情報を含む。
別の実施形態によれば、ウェブサイトを用いて患者固有の心血管情報を提供するための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、遠隔ユーザによるウェブサイトへのアクセスを可能にすることと、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法はまた、三次元モデル及び患者の解剖学的構造体に関連する物理学的モデルに基づいて患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることと、患者の解剖学的構造体の少なくとも一部の第１の三次元のシミュレーションに関する表示情報をウェブサイトを用いて遠隔ユーザに伝達することとを含む。この三次元シミュレーションは、血流の特徴に関して明らかにされた情報を含む。
別の実施形態によれば、患者固有の時変的な心血管情報を明らかにするためのシステムは、異なる時点での患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有の時変的なデータを受信し、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。当該少なくとも１つのコンピュータシステムはまた、三次元モデル及び患者の解剖学的構造体に関連する物理学的モデルに基づいて患者の解剖学的構造体内の経時的な血流の特徴における変化に関する情報を明らかにするようにも構成される。
別の実施形態によれば、患者固有の時変的な心血管情報を少なくとも１つのコンピュータシステムを用いて明らかにするための方法は、少なくとも１つのコンピュータシステムを用いて、異なる時点での患者の解剖学的構造体の幾何学的形状に関する患者固有の時変的なデータを受信することを含む。本方法はまた、少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することも含む。本方法は、三次元モデル及び患者の解剖学的構造体に関連する物理学的モデルに関する情報に基づいて患者の解剖学的構造体内の経時的な血流の特徴における変化に関する情報を明らかにすることを更に含む。
別の実施形態によれば、患者固有の時変的な心血管情報を明らかにするための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、異なる時点での患者の解剖学的構造体の幾何学的形状に関する時変的な患者固有のデータを受信することと、患者固有のデータに基づいて患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、三次元モデル及び患者の解剖学的構造体に関連する物理学的モデルに関する情報に基づいて患者の解剖学的構造体内の経時的な血流の特徴における変化に関する情報を明らかにすることとを含む。
別の実施形態によれば、患者の心血管情報を明らかにするためのシステムは、患者の解剖学的構造体の少なくとも一部の幾何学的形状及び少なくとも１つの物質的特性に関する患者固有のデータを受信するように構成された少なくとも１つのコンピュータシステムを含む。この解剖学的構造体は、血管の少なくとも一部を含む。当該少なくとも１つのコンピュータシステムは、患者固有のデータに基づいて患者の解剖学的構造体を表す三次元モデルを作成し、三次元モデル及び患者の生理学的状態に基づいて患者の解剖学的構造体内の血流の特徴に関する情報を明らかにするように更に構成される。当該少なくとも１つのコンピュータシステムはまた、血管内のプラークの位置を特定するようにも構成される。
別の実施形態によれば、少なくとも１つのコンピュータシステムを用いて患者の心血管情報を明らかにするための方法は、少なくとも１つのコンピュータシステムを用いて、患者の解剖学的構造体の少なくとも一部の幾何学的形状及び少なくとも１つの物質的特性に関する患者固有のデータを受信することを含む。この解剖学的構造体は、血管の少なくとも一部を含む。本方法はまた、少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づいて患者の解剖学的構造体を表す三次元モデルを作成することと、少なくとも１つのコンピュータシステムを用いて、三次元モデル及び患者の生理学的状態に基づいて患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることとを含む。本方法は、少なくとも１つのコンピュータシステムを用いて、血管内のプラークを特定することを更に含む。
別の実施形態によれば、患者の心血管情報を明らかにするための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の少なくとも一部の幾何学的形状及び少なくとも１つの物質的特性に関する患者固有のデータを受信することを含む。この解剖学的構造体は、血管の少なくとも一部を含む。本方法はまた、患者固有のデータに基づいて患者の解剖学的構造体を表す三次元モデルを作成することと、三次元モデル及び患者の生理学的状態に基づいて患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることと、血管内のプラークの位置を特定することとを含む。
別の実施形態によれば、患者の心血管情報を明らかにするためのシステムは、患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信するように構成された少なくとも１つのコンピュータシステムを含む。この解剖学的構造体は、複数の動脈の少なくとも一部及び当該複数の動脈の少なくとも一部に連結する組織を含む。当該少なくとも１つのコンピュータシステムは、患者固有のデータに基づいて患者の解剖学的構造体を表す三次元モデルを作成し、組織を表す三次元モデルの少なくとも一部をセグメントに分割し、三次元モデル及び患者の生理学的状態に基づいて各セグメントのうちの少なくとも１つと関係する血流の特徴に関する情報を明らかにするように更に構成される。
別の実施形態によれば、少なくとも１つのコンピュータシステムを用いて患者の心血管情報を明らかにするための方法は、少なくとも１つのコンピュータシステムを用いて、患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信することを含む。この解剖学的構造体は、複数の動脈の少なくとも一部及び当該複数の動脈の少なくとも一部に連結する組織を含む。本方法はまた、少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づいて患者の解剖学的構造体を表す三次元モデルを作成することと、少なくとも１つのコンピュータシステムを用いて、三次元モデルを拡張して拡大モデルを形成することとを含む。本方法は、少なくとも１つのコンピュータシステムを用いて、組織を表す拡大モデルの少なくとも一部をセグメントに分割することと、少なくとも１つのコンピュータシステムを用いて、拡大モデル及び患者の生理学的状態に基づいて各セグメントのうちの少なくとも１つと関係する血流の特徴に関する情報を明らかにすることとを更に含む。
別の実施形態によれば、患者の心血管情報を明らかにするための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信することを含む。この解剖学的構造体は、複数の動脈の少なくとも一部及び当該複数の動脈の少なくとも一部に連結する組織を含む。本方法はまた、患者固有のデータに基づいて患者の解剖学的構造体を表す三次元モデルを作成することと、組織を表す三次元モデルの少なくとも一部をセグメントに分割することと、三次元モデル及び解剖学的構造体に関連する物理学的モデルに基づいて各セグメントのうちの少なくとも１つと関係する血流の特徴に関する情報を明らかにすることとを含む。
別の実施形態によれば、患者の心血管情報を明らかにするためのシステムは、患者の脳の幾何学的形状に関する患者固有のデータを受信するように構成された少なくとも１つのコンピュータシステムを含む。当該少なくとも１つのコンピュータシステムは、患者固有のデータに基づいて患者の脳の少なくとも一部を表す三次元モデルを作成し、三次元モデル及び患者の脳に関連する物理学的モデルに基づいて患者の脳内の血流の特徴に関する情報を明らかにするように更に構成される。
別の実施形態によれば、患者固有の心血管情報を少なくとも１つのコンピュータシステムを用いて明らかにするための方法は、少なくとも１つのコンピュータシステムに患者の複数の大脳動脈の少なくとも一部の幾何学的形状に関する患者固有のデータを入力することを含む。本方法はまた、少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づいて患者の大脳動脈の少なくとも一部を表す三次元モデルを作成することと、少なくとも１つのコンピュータシステムを用いて、三次元モデル及び患者の大脳動脈に関連する物理学的モデルに基づいて患者の大脳動脈内の血流の特徴に関する情報を明らかにすることとを含む。
別の実施形態によれば、患者固有の心血管情報を明らかにするための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、少なくとも１つのコンピュータシステム上で使用するための非一過性コンピュータ可読媒体が提供される。本方法は、患者の脳の幾何学的形状に関する患者固有のデータを受信することと、患者固有のデータに基づいて患者の脳の少なくとも一部を表す三次元モデルを作成することと、三次元モデル及び患者の脳に関連する物理学的モデルに基づいて患者の脳内の血流の特徴に関する情報を明らかにすることとを含む。
更なる実施形態及び利点については、以下の説明において部分的に記載され、当該説明から部分的に明らかになるであろうし、本開示の実施により習得され得るであろう。これらの実施形態及び利点は、以下に具体的に記載される要素及び組み合わせによって実現され、達成されるであろう。
例えば、本願は以下の項目を提供する。
（項目１）
患者の心血管情報を明らかにするためのシステムであって、
複数の患者のそれぞれに関して、侵襲的に取得された血流特徴の測定値及び個々の境界条件に少なくとも部分的に基づいて算出された血流特徴を含むデータを入手することと、
当該患者のそれぞれの算出された血流特徴と侵襲的に取得された血流特徴の測定値とを繰り返し比較することによって境界条件調整特徴を特定することと
を含む方法を実行するように構成された少なくとも１つのコンピュータシステムを含む、前記システム。
（項目２）
境界条件調整特徴を特定することが、前記個々の境界条件を調整する境界条件調整特徴を、前記患者のそれぞれの前記算出された血流特徴と前記侵襲的に取得された血流特徴の測定値との差を小さくするように特定することを含む、項目１に記載のシステム。
（項目３）
前記データが、複数の解剖学的位置における侵襲的に取得された血流特徴の測定値及び当該複数の解剖学的位置における個々の境界条件モデルの少なくとも一部に基づいて算出された前記患者のそれぞれの対応する血流特徴を更に含む、項目２に記載のシステム。
（項目４）
前記境界条件調整特徴を特定することが、複数の解剖学的位置のそれぞれに関する固有の境界条件調整特徴を特定することを含む、項目２に記載のシステム。
（項目５）
前記方法が、前記境界条件調整特徴を記憶することを更に含む、項目２に記載のシステム。
（項目６）
前記方法が、患者固有の境界条件モデルを生成及び使用して更なる患者の血流特徴を計算的に分析するために前記境界条件調整特徴を適用することを更に含む、項目２に記載のシステム。
（項目７）
前記患者固有の境界条件モデルが、大動脈の少なくとも一部及び当該大動脈の一部から発する複数の冠状動脈の少なくとも一部における境界を表す、項目６に記載のシステム。
（項目８）
境界条件調整を特定することが、前記個々の境界条件を調整する境界条件調整特徴を、複数の解剖学的位置における、前記患者のそれぞれの前記算出された血流特徴と前記侵襲的に取得された血流特徴の測定値との差を小さくするように特定することを含む、項目２に記載のシステム。
（項目９）
前記境界条件調整特徴が、前記算出された血流特徴を算出するためのパラメータを変更する、項目２に記載のシステム。
（項目１０）
前記方法が、試験プール患者データに前記境界条件調整特徴を適用することによって前記境界条件調整特徴の精度を特定することを更に含む、項目２に記載のシステム。
（項目１１）
少なくとも１つのコンピュータシステムを用いて患者の心血管情報を明らかにするための方法であって、
少なくとも１つのプロセッサを用いて、複数の患者のそれぞれに関して、侵襲的に取得された血流特徴の測定値及び個々の境界条件に少なくとも部分的に基づいて算出された血流特徴を含むデータを入手することと、
少なくとも１つのプロセッサを用いて、当該患者のそれぞれの算出された血流特徴と侵襲的に取得された血流特徴の測定値とを繰り返し比較することによって境界条件調整特徴を特定することとを含む、前記方法。
（項目１２）
境界条件調整特徴を特定することが、前記個々の境界条件を調整する境界条件調整特徴を、前記患者のそれぞれの前記算出された血流特徴と前記侵襲的に取得された血流特徴の測定値との差を小さくするように特定することを含む、項目１１に記載の方法。
（項目１３）
前記データが、複数の解剖学的位置における侵襲的に取得された血流特徴の測定値及び当該複数の解剖学的位置における個々の境界条件モデルの少なくとも一部に基づいて算出された前記患者のそれぞれの対応する血流特徴を更に含む、項目１２に記載の方法。
（項目１４）
前記境界条件調整特徴を特定することが、複数の解剖学的位置のそれぞれに関する固有の境界条件調整特徴を特定することを含む、項目１２に記載の方法。
（項目１５）
前記境界条件調整特徴を記憶することを更に含む、項目１２に記載の方法。
（項目１６）
患者固有の境界条件モデルを生成及び使用して更なる患者の血流特徴を計算的に分析するために前記境界条件調整特徴を適用することを更に含む、項目１２に記載のシステム。
（項目１７）
前記患者固有の境界条件モデルが、大動脈の少なくとも一部及び当該大動脈の一部から発する複数の冠状動脈の少なくとも一部における境界を表す、項目１６に記載の方法。
（項目１８）
境界条件調整を特定することが、前記個々の境界条件を調整する境界条件調整特徴を、複数の解剖学的位置における、前記患者のそれぞれの前記算出された血流特徴と前記侵襲的に取得された血流特徴の測定値との差を小さくするように特定することを含む、項目１２に記載の方法。
（項目１９）
前記境界条件調整特徴が、前記算出された血流特徴を算出するためのパラメータを変更する、項目１２に記載の方法。
（項目２０）
前記方法が、試験プール患者データに前記境界条件調整特徴を適用することによって前記境界条件調整特徴の精度を特定することを更に含む、項目２に記載のシステム。
（項目２１）
患者の心血管情報を明らかにするための方法を実施するためのコンピュータで実行可能なプログラミング命令を含む、少なくとも１つのコンピュータシステム上で使用するための非一過性コンピュータ可読媒体であって、当該方法が、
複数の患者のそれぞれに関して、侵襲的に取得された血流特徴の測定値及び個々の境界条件に少なくとも部分的に基づいて算出された血流特徴を含むデータを入手することと、
当該患者のそれぞれの算出された血流特徴と侵襲的に取得された血流特徴の測定値とを繰り返し比較することによって境界条件調整特徴を特定することとを含む、前記非一過性コンピュータ可読媒体。
（項目２２）
境界条件調整特徴を特定することが、前記個々の境界条件を調整する境界条件調整特徴を、前記患者のそれぞれの前記算出された血流特徴と前記侵襲的に取得された血流特徴の測定値との差を小さくするように特定することを含む、項目１に記載のシステム。
（項目２３）
前記データが、複数の解剖学的位置における侵襲的に取得された血流特徴の測定値及び当該複数の解剖学的位置における個々の境界条件モデルの少なくとも一部に基づいて算出された前記患者のそれぞれの対応する血流特徴を更に含む、項目２に記載のシステム。
（項目２４）
前記境界条件調整特徴を特定することが、複数の解剖学的位置のそれぞれに関する固有の境界条件調整特徴を特定することを含む、項目２２に記載の非一過性コンピュータ可読媒体。
（項目２５）
前記方法が、前記境界条件調整特徴を記憶することを更に含む、項目２２に記載の非一過性コンピュータ可読媒体。
（項目２６）
前記方法が、患者固有の境界条件モデルを生成及び使用して更なる患者の血流特徴を計算的に分析するために前記境界条件調整特徴を適用することを更に含む、項目２２に記載の非一過性コンピュータ可読媒体。
（項目２７）
前記患者固有の境界条件モデルが、大動脈の少なくとも一部及び当該大動脈の一部から発する複数の冠状動脈の少なくとも一部における境界を表す、項目２６に記載の非一過性コンピュータ可読媒体。
（項目２８）
境界条件調整を特定することが、前記個々の境界条件を調整する境界条件調整特徴を、複数の解剖学的位置における、前記患者のそれぞれの前記算出された血流特徴と前記侵襲的に取得された血流特徴の測定値との差を小さくするように特定することを含む、項目２２に記載の非一過性コンピュータ可読媒体。
（項目２９）
前記境界条件調整特徴が、前記算出された血流特徴を算出するためのパラメータを変更する、項目２２に記載の非一過性コンピュータ可読媒体。
（項目３０）
前記方法が、試験プール患者データに前記境界条件調整特徴を適用することによって前記境界条件調整特徴の精度を特定することを更に含む、項目２２に記載の非一過性コンピュータ可読媒体。
添付図面は、本明細書に組み込まれるとともに本明細書の一部を構成するものであり、いくつかの実施形態を例示し、その説明とともに本開示の原理を説明する役割を果たすものである。
例示的実施形態による、特定患者における冠動脈血流に関連する様々な情報を提供するためのシステムの概略図である。 例示的実施形態による、特定患者における血流に関連する様々な情報を提供するための方法のフローチャートである。 図２の方法のサブステップを示すフローチャートである。 例示的実施形態による、患者から非侵襲的に取得した画像データを示す。 図４の画像データを用いて生成した例示的三次元モデルを示す。 第１の初期モデルを形成するためのシードを含む、図４の画像データのスライスの一部を示す。 図６のシードを拡張することにより形成された第１の初期モデルの一部を示す。 例示的実施形態による、トリミングしたソリッドモデルを示す。 患者が安静時である例示的な算出ＦＦＲ（ｃＦＦＲ）モデルを示す。 患者が最大充血下にある例示的なｃＦＦＲモデルを示す。 患者が最大運動下にある例示的なｃＦＦＲモデルを示す。 例示的実施形態による、集中定数モデルを形成するために提供されるトリミングしたソリッドモデルの一部を示す。 集中定数モデルを形成するために提供される、図１２のトリミングしたソリッドモデルの中央線の一部を示す。 集中定数モデルを形成するために提供される、図１２のトリミングしたソリッドモデルに基づいて形成されたセグメントを示す。 集中定数モデルを形成するために提供される、抵抗器に置き換えられた図１４のセグメントを示す。 例示的実施形態による、ソリッドモデルの流入境界及び流出境界における上流及び下流の構造体を表す例示的な集中定数モデルを示す。 図８のソリッドモデルに基づいて作製された三次元メッシュを示す。 図１７の三次元メッシュの一部を示す。 図１７の三次元メッシュの一部を示す。 血流情報を含む患者の解剖学的形態のモデルを示す。モデル上のある特定の地点を個々の参照ラベルによって区別している。 大動脈内及び図２０で区別したいくつかの地点における経時的な模擬血圧のグラフである。 図２０で区別した各地点における経時的な模擬血流のグラフである。 例示的実施形態による最終レポートである。 図２４Ａは、例示的実施形態による、特定患者における冠動脈血流に関連する様々な情報を提供するための方法のフローチャートである。 図２４Ｂ−２４Ｃは、例示的実施形態による、特定患者における冠動脈血流に関連する様々な情報を提供するための方法の追加のフローチャートである。 図２４Ｄは、例示的実施形態による、異なる血管領域内の狭窄の測定ＦＦＲに径減少率に関する集団データの例示的プロットである。 図２４Ｅは、例示的実施形態による、異なる血管領域内の狭窄の測定ＦＦＲに関する集団データの例示的プロットである。 例示的実施形態による、左前下行枝（ＬＡＤ）動脈の一部及びＬＣＸ動脈の一部を拡張することにより作成されたソリッドモデルに基づいて特定された修正ｃＦＦＲモデルを示す。 例示的実施形態による、ＬＡＤ動脈の一部及び左回旋枝（ＬＣＸ）動脈の一部を拡張した後の修正模擬血流モデルの例を示す。 例示的実施形態による、次数低減モデルを用いて様々な治療選択肢の模擬を行うための方法のフローチャートである。 別の例示的実施形態による、次数低減モデルを用いて様々な治療選択肢の模擬を行うための方法のフローチャートである。 例示的実施形態による、特定患者における心筋灌流に関連する様々な情報を提供するための方法のフローチャートである。 別の例示的実施形態による、特定患者における心筋灌流に関連する様々な情報を提供するための方法のフローチャートである。 例示的実施形態による、心筋灌流に関連する様々な情報を提供する患者固有モデルを示す。 更なる例示的実施形態による、特定患者における心筋灌流に関連する様々な情報を提供するための方法のフローチャートである。 血管壁に沿って蓄積したプラークの断面図である。 例示的実施形態による、プラーク脆弱性に関連する様々な情報を提供する患者固有モデルを示す。 例示的実施形態による、特定患者におけるプラーク脆弱性、心筋体積リスク及び心筋灌流リスクの評価に関連する様々な情報を提供するための方法のフローチャートである。 例示的実施形態による、図３５の方法から取得された情報を示す概略図である。 大脳動脈の略図である。 例示的実施形態による、特定患者における頭蓋内血流及び頭蓋外血流に関連する様々な情報を提供するための方法のフローチャートである。 例示的実施形態による、特定患者における脳灌流に関連する様々な情報を提供するための方法のフローチャートである。 別の例示的実施形態による、特定患者における脳灌流に関連する様々な情報を提供するための方法のフローチャートである。 更なる例示的実施形態による、特定患者における脳灌流に関連する様々な情報を提供するための方法のフローチャートである。 例示的実施形態による、特定患者におけるプラーク脆弱性、脳体積リスク及び脳灌流リスクの評価に関連する様々な情報を提供するための方法のフローチャートである。
次に、例示的実施形態について詳細に言及し、その例を添付の図面に示す。可能な限り、図面全体を通して、同一または類似の部分を指すには、同じ参照番号を用いる。本説明は、以下の要点に従って構成される。
Ｉ．概説
ＩＩ．患者固有の解剖学的データの取得及び前処理
ＩＩＩ．取得した解剖学的データに基づいた分析準備のための三次元モデルの作成
ＩＶ．分析用モデルの作製及び境界条件の特定
Ａ．分析用モデルの作製
Ｂ．境界条件の特定
ｉ．次数低減モデルの特定
ｉｉ．例示的な集中定数モデル
Ｃ．精度を高めるための境界条件の最適化
１．集団結果に基づく調整
２．局所境界条件の適合
Ｄ．三次元メッシュの作成
Ｖ．コンピュータ分析の実施及び結果の出力
Ａ．コンピュータ分析の実施
Ｂ．血圧、血流及びｃＦＦＲの結果表示
Ｃ．結果の検証
Ｄ．冠動脈血流の情報を提供するためのシステム及び方法の別の実施形態
Ｅ．運動中の患者における冠動脈血流の情報を提供するためのシステム及び方法の例示的実施形態
ＶＩ．患者固有の治療計画の提供
Ａ．様々な治療選択肢を比較するための次数低減モデルの使用
ＶＩＩ．他の結果
Ａ．心筋灌流の評価
Ｂ．プラーク脆弱性の評価
ＶＩＩＩ．他の用途
Ａ．頭蓋内血流及び頭蓋外血流のモデル化
ｉ．脳灌流の評価
ｉｉ．プラーク脆弱性の評価
Ｉ．概説
例示的実施形態において、方法及びシステムは、患者から非侵襲的に入手した情報を用いて、特定患者における血流に関連する様々な情報を明らかにする。明らかにされる情報は、患者の冠動脈の脈管構造における血流に関連し得る。あるいは、以下で更に詳述するように、明らかにされる情報は、患者の脈管構造の他の領域、例えば、頸動脈、末梢、腹部、腎臓及び脳の脈管構造における血流に関連し得る。冠動脈の脈管構造は、大動脈から細動脈、毛細血管、細静脈、静脈などに及ぶ複雑な血管網を含む。冠動脈の脈管構造は、血液を心臓に、また心臓内に循環させ、複数の主冠状動脈４（図５）（例えば、左前下行枝（ＬＡＤ）動脈、左回旋枝（ＬＣＸ）動脈、右冠状動脈（ＲＣＡ）など）に血液を供給する大動脈２（図５）を含み、大動脈２及び主冠状動脈４から下流の動脈の分枝及び他の種類の血管に更に分かれ得る。したがって、例示的な方法及びシステムは、大動脈、主冠状動脈及び／または主冠状動脈から下流の他の冠状動脈もしくは血管内の血流に関連する様々な情報を明らかにすることができる。以下では大動脈及び冠状動脈（並びにそこから延びる分枝）について論じるが、本開示の方法及びシステムは、他の種類の血管にも適用することができる。
例示的実施形態において、本開示の方法及びシステムによって明らかにされる情報には、限定するものではないが、大動脈、主冠状動脈及び／または主冠状動脈から下流の他の冠状動脈もしくは血管の様々な位置における様々な血流の特徴またはパラメータ、例えば、血流速度、圧力（またはその比）、流量及びＦＦＲを挙げることができる。この情報を用いて、病変が機能的に有意であるかどうか、かつ／または病変を治療すべきかどうかについて判断することができる。この情報は、患者から非侵襲的に取得した情報を用いて明らかにすることができる。その結果、侵襲性手法に関連する費用及びリスクを伴うことなく、病変を治療すべきかどうかについての判断を下すことができる。
図１は、例示的実施形態による、特定患者における冠動脈血流に関連する様々な情報を提供するためのシステムの態様を示している。患者の解剖学的形態の三次元モデル１０は、以下で更に詳述するように、患者から非侵襲的に取得したデータを用いて作成することができる。患者固有の他の情報を非侵襲的に取得してもよい。例示的実施形態において、三次元モデル１０によって表される患者の解剖学的形態の一部は、大動脈の少なくとも一部及び当該大動脈に連結する主冠状動脈（及びそこから延びるまたは発する分枝）の近位部を含み得る。
冠動脈血流に関連する様々な生理学的法則または関係２０は、以下で更に詳述するように、例えば、実験データから推定することができる。三次元解剖学的モデル１０及び推定した生理学的法則２０を用いて、以下で更に詳述するように、冠動脈血流に関連する複数の方程式３０を求めることができる。例えば、任意の数値法、例えば、有限差分法、有限体積法、スペクトル法、格子ボルツマン法、粒子法、レベルセット法、有限要素法などを用いて、方程式３０を求めて、解くことができる。方程式３０は、モデル１０によって表される患者の解剖学的形態の様々な箇所での解剖学的形態における冠動脈血流についての情報（例えば、圧力、速度、ＦＦＲなど）を明らかにするために可解であってよい。
方程式３０は、コンピュータ４０を用いて解いてもよい。コンピュータ４０は、解いた方程式に基づいて、モデル１０によって表される患者の解剖学的形態における血流に関連する情報を示す１つまたは複数の画像またはシミュレーションを出力することができる。例えば、この画像は、以下に更に詳述するように、模擬血圧モデル５０、模擬血流または模擬速度モデル５２、計算ＦＦＲ（ｃＦＦＲ）モデル５４などを含み得る。模擬血圧モデル５０、模擬血流モデル５２及びｃＦＦＲモデル５４は、モデル１０によって表される患者の解剖学的形態の３つの次元に沿った様々な位置におけるそれぞれの圧力、速度及びｃＦＦＲに関する情報を提供する。ｃＦＦＲは、例えば一般的にアデノシンの静脈内投与により誘発した冠動脈血流の増加条件下における、モデル１０の特定位置での血圧を、大動脈血圧、例えばモデル１０の流入境界での血圧で除算した比として算出することができる。
例示的実施形態において、コンピュータ４０は、プロセッサ、コンピュータシステムなどによって実行されたときに、患者の血流に関連する様々な情報を提供するための本明細書に記載の行為のいずれかを実施し得る命令を記憶する１つまたは複数の非一過性コンピュータ可読記憶装置を含み得る。コンピュータ４０は、デスクトップもしくはポータブルコンピュータ、ワークステーション、サーバ、携帯情報端末または任意の他のコンピュータシステムを含み得る。コンピュータ４０は、プロセッサ、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、周辺装置（例えば、入力装置、出力装置、記憶装置など）を接続するための出入力（Ｉ／Ｏ）アダプタ、入力装置、例えばキーボード、マウス、タッチスクリーン、音声入力及び／または他の装置を接続するためのユーザインターフェースアダプタ、コンピュータ４０をネットワークに接続するための通信アダプタ、コンピュータ４０をディスプレイに接続するためのディスプレイアダプタなどを含み得る。例えば、ディスプレイは、三次元モデル１０及び／または方程式３０を解くことによって生成される任意の画像、例えば模擬血圧モデル５０、模擬血流モデル５２及び／またはｃＦＦＲモデル５４を表示するために使用できる。
図２は、別の例示的実施形態による、特定患者における血流に関連する様々な情報を提供するための方法の態様を示している。本方法は、患者固有の解剖学的データ、例えば患者の解剖学的形態（例えば、大動脈の少なくとも一部及び当該大動脈に連結する主冠状動脈（及びそこから延びる分枝）の近位部）に関する情報を取得することと、そのデータを前処理することとを含み得る（ステップ１００）。患者固有の解剖学的データは、例えばＣＣＴＡによって、以下に記載するように非侵襲的に取得することができる。
取得した解剖学的データに基づいて患者の解剖学的形態の三次元モデルを作成することができる（ステップ２００）。例えば、この三次元モデルは、図１に関連して上記で説明した、患者の解剖学的形態の三次元モデル１０であり得る。
三次元モデルが分析のために作製され得、境界条件が特定され得る（ステップ３００）。例えば、図１に関連して上記で説明した、患者の解剖学的形態の三次元モデル１０をトリミング及び離散化して、体積メッシュ、例えば、有限要素メッシュまたは有限体積メッシュにしてもよい。この体積メッシュを用いて、図１に関連して上記で説明した方程式３０を生成してもよい。
また、境界条件を指定して、図１に関連して上記で説明した方程式３０に挿入してもよい。境界条件は、三次元モデル１０について、その境界、例えば、流入境界３２２（図８）、流出境界３２４（図８）、血管壁境界３２６（図８）などにおける情報を与えるものである。流入境界３２２は、大動脈根近傍の大動脈の端部（例えば、図１６に示す端部Ａ）などの境界であって、流れがその境界を通って三次元モデルの解剖学的形態内へと向かう境界を含み得る。各流入境界３２２は、例えば、心臓モデル及び／または集中定数モデルを境界に結合することなどにより、速度、流量、圧力または他の特徴に関する規定値またはフィールドを用いて指定することができる。流出境界３２４は、大動脈弓近傍の大動脈の端部（例えば、図１６に示す端部Ｂ）並びに主冠状動脈及びそこから延びる分枝の下流端部（例えば、図１６に示す端部ａ〜ｍ）などの境界であって、流れがその境界を通って三次元モデルの解剖学的形態から外に向かう境界を含み得る。各流出境界は、例えば、以下に詳述するように、集中定数モデルまたは分布（例えば一次元波動伝播）モデルを結合することにより、指定することができる。流入及び／または流出境界条件に関する規定値は、患者の生理学的特徴、例えば、限定するものではないが、心拍出量（心臓からの血流体積）、血圧、心筋質量などを非侵襲的に測定することにより明らかにすることができる。血管壁境界は、三次元モデル１０の大動脈、主冠状動脈及び／または他の冠状動脈もしくは血管の物理的境界を含み得る。
境界条件、特に遠位脈管構造を表す下流出口における境界条件は、ＦＦＲなどの算出メトリクスの診断精度に影響を与え得る。これらの境界条件の設計は、感度、特異性、偏り、誤差などの性能にとって極めて重要である。境界条件は、患者固有のデータセット集団、算出した血流結果及び侵襲的検証結果を分析するためのデータベースシステム及び方法を構築することによって調整することができる。診断精度対侵襲性参照基準は、境界条件を侵襲的結果にできるだけ適合するように展開及び調整することにより高めることができる。次いで、調整後の結果をデータベースで試験し、以後の患者固有分析のために使用される一般モデルに適用することができる。
更に、モデルの異なる部分に一意的に境界条件を適用することができる。例えば、診断能全体を高めるために、ＬＡＤ、ＲＣＡ及びＬＣＸの血管領域または血管もしくは領域の他の組み合わせがすべて異なる境界条件設計を有してよい。これらは、限定するものではないが、分析的手法、反復調整、最適化または機械学習を含む種々の方法により特定することができる。
作製した三次元モデル及び特定された境界条件を用いてコンピュータ分析を実施し（ステップ４００）、患者の血液情報を明らかにすることができる。例えば、方程式３０を用いて、図１に関連して上記で説明したコンピュータ４０を使用してコンピュータ分析を実施し、図１に関連して上記で説明した画像、例えば、模擬血圧モデル５０、模擬血流モデル５２及び／またはｃＦＦＲモデル５４を作成することができる。
本方法はまた、この結果を用いて患者固有の治療選択肢を提供することも含み得る（ステップ５００）。例えば、１つまたは複数の治療、例えば、三次元モデル１０で表された冠状動脈のうちの１つへの冠動脈ステントの留置または他の治療選択肢をモデル化するために、ステップ２００で作成した三次元モデル１０及び／またはステップ３００で指定した境界条件を調整することができる。次いで、上記のステップ４００で説明したようにコンピュータ分析を実施して、新しい画像、例えば、血圧モデル５０、血流モデル５２及び／またはｃＦＦＲモデル５４の更新版を生成することができる。これらの新しい画像を用いて、その治療選択肢が採用された場合の血流速度及び圧力の変化を明らかにすることができる。
本明細書にて開示するシステム及び方法は、医師がアクセスするソフトウェアツールに組み込むことができ、冠状動脈内の血流を定量化し、冠動脈疾患の機能的有意性を評価するための非侵襲的手段を提供する。加えて、医師は、そのソフトウェアツールを用いて、冠動脈血流に対する薬物治療、インターベンション治療及び／または外科治療の効果を予測することができる。ソフトウェアツールは、頸部の動脈（例えば、頸動脈）、頭部の動脈（例えば、大脳動脈）、胸部の動脈、腹部の動脈（例えば、腹部大動脈及びその分枝）、腕の動脈または脚の動脈（例えば、大腿動脈及び膝窩動脈）を含む、心血管系の他の部分の疾患を予防、診断、管理及び／または治療することができる。ソフトウェアツールは、医師が、患者にとって最適な個別療法を作成できるように対話式であってもよい。
例えば、ソフトウェアツールは、医師または他のユーザが使用するコンピュータシステム、例えば図１に示すコンピュータ４０に少なくとも部分的に組み込んでよい。コンピュータシステムは、患者から非侵襲的に取得したデータ（例えば、三次元モデル１０を作成するために用いるデータ、境界条件を適用するためまたはコンピュータ分析を実施するために用いるデータなど）を受信することができる。例えば、データは、医師が入力してもよいし、当該データにアクセスし、当該データを提供することができる別の情報源、例えば、放射線または他の医学研究室から受信してもよい。データは、データを通信するためのネットワークまたは他のシステムを介して送信してもよいし、コンピュータシステムに直接送信してもよい。ソフトウェアツールは、当該データを用いて、三次元モデル１０もしくは他のモデル／メッシュ及び／または図１に関連して上記で説明した方程式３０を解くことによって特定された任意のシミュレーションもしくは他の結果、例えば模擬血圧モデル５０、模擬血流モデル５２及び／またはｃＦＦＲモデル５４を生成し表示することができる。したがって、ソフトウェアツールは、ステップ１００〜５００を実施することができる。ステップ５００において、医師は、可能な治療選択肢を選択するためにコンピュータシステムに更なる入力を行ってよく、コンピュータシステムは、選択された可能な治療選択肢に基づいた新しいシミュレーションを医師に対して表示してもよい。更に、図２に示すステップ１００〜５００のそれぞれを個別のソフトウェアパッケージまたはモジュールを用いて実施してもよい。
あるいは、このソフトウェアツールを、ウェブベースのサービスまたは他のサービス、例えば、医師とは別の主体が提供するサービスの一部として提供してよい。サービス提供者は、例えば、ウェブベースのサービス業を運営し得、ネットワークまたはコンピュータシステム間でデータ通信を行う他の方法を介して医師または他のユーザがアクセスできるウェブポータルまたは他のウェブベースのアプリケーション（例えば、サービス提供者が運営するサーバまたは他のコンピュータシステム上で実行されるもの）を提供し得る。例えば、患者から非侵襲的に取得したデータをサービス提供者に提供してよく、サービス提供者がそのデータを用いて、三次元モデル１０もしくは他のモデル／メッシュ及び／または図１に関連して上記で説明した方程式３０を解くことによって特定された任意のシミュレーションもしくは他の結果、例えば模擬血圧モデル５０、模擬血流モデル５２及び／またはｃＦＦＲモデル５４を生成してもよい。次いで、ウェブベースのサービスにより、三次元モデル１０もしくは他のモデル／メッシュ及び／またはシミュレーションに関連する情報が送信され得、これにより当該三次元モデル１０及び／またはシミュレーションが医師のコンピュータシステム上で医師に対して表示され得る。このように、ウェブベースのサービスはステップ１００〜５００及び患者固有の情報を提供するための後述する任意の他のステップを実施することができる。ステップ５００において、医師は、例えば、可能な治療選択肢を選択するためにまたはコンピュータ分析に他の調整を加えるために更なる入力を行ってよく、これらの入力は、サービス提供者が運営するコンピュータシステムに送信され得る（例えば、ウェブポータルを介して）。ウェブベースのサービスは、選択された可能な治療選択肢に基づく新しいシミュレーションまたは他の結果を生成し、新しいシミュレーションに関連する情報を医師に伝達し返し、これにより新しいシミュレーションが医師に対して表示され得る。
本明細書にて記載されるステップのうちの１つまたは複数は、１人もしくは複数の人間のオペレータ（例えば、心臓専門医または他の医師、患者、ウェブベースのサービスまたは第三者が提供する他のサービスを提供するサービス提供者の従業員、他のユーザなど）、または当該人間のオペレータが使用する１つもしくは複数のコンピュータシステム、例えばデスクトップもしくはポータブルコンピュータ、ワークステーション、サーバ、携帯情報端末などによって実施され得るものと理解されたい。コンピュータシステムは、ネットワークまたは他のデータ通信方法を介して接続することができる。
図３は、特定患者における血流に関連する様々な情報を提供するための例示的方法の更なる態様を示している。図３に示す態様は、コンピュータシステムに少なくとも部分的に及び／またはウェブベースのサービスの一部として組み込まれ得るソフトウェアツールに組み込むことができる。
ＩＩ．患者固有の解剖学的データの取得及び前処理
図２に示すステップ１００に関連して上述したように、例示的方法は、患者固有の解剖学的データ、例えば患者の心臓に関する情報を取得することと、そのデータを前処理することとを含み得る。例示的実施形態において、ステップ１００は次のステップを含み得る。
最初に、患者が選択され得る。例えば、患者は、例えば、患者が胸痛、心臓発作などの冠動脈疾患に関連する徴候を経験している場合に、医師が患者の冠動脈血流に関する情報が必要であると判断するとき、医師により選択され得る。
患者固有の解剖学的データ、例えば患者の心臓の幾何学的形状、例えば患者の大動脈の少なくとも一部、当該大動脈に連結する主冠状動脈（及びそこから延びる分枝）の近位部並びに心筋に関するデータを取得し得る。患者固有の解剖学的データは、例えば非侵襲的な画像化方法を用いて、非侵襲的に取得することができる。例えば、ＣＣＴＡは、コンピュータ断層撮影（ＣＴ）スキャナを操作して、構造体、例えば、心筋、大動脈、主冠状動脈及びこれらに連結する他の血管の画像を観察し、画像を生成することができる画像化方法である。ＣＣＴＡデータは、例えば、心周期にわたる血管形状の変化を示すために、時変であってよい。ＣＣＴＡを用いて、患者の心臓の画像を生成することができる。例えば、６４スライスのＣＣＴＡデータ、例えば、患者の心臓の６４枚のスライスに関連するデータを取得し、三次元画像を組み立てることができる。図４は、６４スライスのＣＣＴＡデータにより生成された三次元画像１２０の例を示している。
あるいは、他の非侵襲的な画像化方法、例えば磁気共鳴画像法（ＭＲＩ）もしくは超音波（ＵＳ）または侵襲的な画像化方法、例えば、デジタル差分血管造影法（ＤＳＡ）を用いて、患者の解剖学的形態の構造体の画像を生成してもよい。画像化方法は、解剖学的形態の構造体の識別を可能にするために、造影剤を患者に静脈投与することを伴い得る。得られた画像データ（例えば、ＣＣＴＡ、ＭＲＩなどにより得られるもの）は、放射線室または心臓専門医などの第三者、患者の医師などにより提供され得る。
患者固有の他の解剖学的データを、患者から非侵襲的に明らかにしてもよい。例えば、患者の血圧、基準心拍数、身長、体重、ヘマトクリット値、一回拍出量などの生理学的データを測定してよい。血圧は、患者の上腕動脈の血圧（例えば、血圧バンドを用いるもの）、例えば最高（収縮期）及び最低（拡張期）血圧であってよい。
上記のように取得した患者固有の解剖学的データは、安全な通信回線にて（例えば、ネットワークを介して）送信され得る。例えば、データを、コンピュータ分析、例えば上記のステップ４００で説明したコンピュータ分析を実施するためのサーバまたは他のコンピュータシステムに転送してよい。例示的実施形態において、データは、ウェブベースのサービスを提供するサービス提供者が運営するサーバまたは他のコンピュータシステムに転送され得る。あるいは、データは、患者の医師または他のユーザが操作するコンピュータシステムに転送され得る。
再び図３を参照すると、転送されたデータを検討して、当該データが許容可能なものかどうかについて判断することができる（ステップ１０２）。この判断は、ユーザにより及び／またはコンピュータシステムにより実施され得る。例えば、転送されたデータ（例えば、ＣＣＴＡデータ及び他のデータ）をユーザ及び／またはコンピュータシステムが検証し、例えば、ＣＣＴＡデータが完全であるかどうか（例えば、十分な部分の大動脈及び主冠状動脈を含むかどうか）及び正しい患者に対応しているかどうかを判断することができる。
また、転送されたデータ（例えば、ＣＣＴＡデータ及び他のデータ）に、前処理を施し、評価を行ってもよい。前処理及び／または評価は、ユーザにより及び／またはコンピュータシステムにより実施されてよく、例えば、ＣＣＴＡデータ中の位置ずれ、不一致または不鮮明さの確認、ＣＣＴＡデータ中に示されたステントの確認、血管内腔の可視性を妨げ得る他の人工物の確認、構造体（例えば、大動脈、主冠状動脈及び他の血管）と患者の他の部分との間の十分なコンストラストの確認などを含み得る。
転送されたデータを判定して、上述の検証、前処理及び／または評価に基づいて、そのデータが許容可能であるかどうかを決定してよい。ユーザ及び／またはコンピュータシステムは、上記の検証、前処理及び／または評価において、データの複数のエラーまたは問題を修正することが可能であり得る。しかしながら、エラーまたは問題が多すぎる場合には、当該データを許容できないものと判断することができ、ユーザ及び／またはコンピュータシステムは、転送データを拒否せざるを得ないエラーまたは問題について説明する拒否レポートを生成することができる。必要に応じて、新しいＣＣＴＡスキャンを実施してよく、かつ／または上記の生理学的データを患者から再度測定してもよい。転送データが許容可能であると判断された場合、本方法は、後述のステップ２０２に進み得る。
したがって、図３に示す上述のステップ１０２は、図２のステップ１００のサブステップとみなすことができる。
ＩＩＩ．取得した解剖学的データに基づいた三次元モデルの作成
図２に示すステップ２００に関連して上述したように、例示的方法は、取得した解剖学的データに基づいて三次元モデルを作成することを含み得る。例示的実施形態において、ステップ２００は、次のステップを含み得る。
ＣＣＴＡデータを用いて、冠血管の三次元モデルが生成され得る。図５は、ＣＣＴＡデータを用いて生成された三次元モデル２２０の表面の一例を示している。例えば、モデル２２０は、例えば、大動脈の少なくとも一部、当該大動脈の一部に連結する１つまたは複数の主冠状動脈の少なくとも１つの近位部、当該主冠状動脈に連結する１つまたは複数の分枝の少なくとも１つの近位部などを含み得る。大動脈、主冠状動脈及び／またはその分枝をモデル化した部分は、どの部分もモデル２２０の残りの部分から分断されないように、相互に連結した樹状であってよい。モデル２２０を形成するためのプロセスは、セグメンテーションと呼ばれる。
図３を再度参照すると、コンピュータシステムは、大動脈（ステップ２０２）及び心筋（または他の心臓組織もしくはモデル化する動脈に連結する他の組織）（ステップ２０４）の少なくとも一部を自動的にセグメント化することができる。コンピュータシステムはまた、大動脈に連結する主冠状動脈の少なくとも一部をセグメント化することができる。例示的実施形態において、コンピュータシステムは、主冠状動脈をセグメント化するために、ユーザが１つまたは複数の冠状動脈の起点または始点（ステップ２０６）を選択できるようにしてよい。
セグメンテーションは、様々な方法を用いて実施することができる。ユーザの入力に基づいてまたはユーザの入力なしで、コンピュータシステムにより自動的にセグメンテーションを行ってもよい。例えば、例示的実施形態において、第１の初期モデルを生成するために、ユーザがコンピュータシステムに入力を行ってよい。例えば、コンピュータシステムは、ＣＣＴＡデータから生成された三次元画像１２０（図４）またはそのスライスをユーザに提示することができる。三次元画像１２０は、明度の強度が様々である部分を含み得る。例えば、より明るい領域は、大動脈、主冠状動脈及び／または分枝の内腔を示し得る。より暗い領域は、心筋及び患者の心臓の他の組織を示し得る。
図６は、ユーザに対して表示され得る三次元画像１２０のスライス２２２の一部を示すものであり、スライス２２２は、相対的に明るい領域２２４を含み得る。コンピュータシステムは、ユーザが１つまたは複数のシード２２６を加えることにより、相対的に明るい領域２２４を選択できるようにしてよく、シード２２６は、主冠状動脈をセグメント化するための冠状動脈の起点または始点として機能し得る。次いで、コンピュータシステムは、ユーザの命令で、シード２２６を始点に用いて、第１の初期モデルを形成することができる。ユーザは、大動脈及び／または個々の主冠状動脈のうちの１つまたは複数にシード２２６を追加してもよい。必要に応じて、ユーザはまた、主冠状動脈に連結する分枝のうちの１つまたは複数にシード２２６を追加してもよい。あるいは、コンピュータシステムは、例えば、抽出した中央線の情報を用いて、自動的にシードを配置してもよい。コンピュータシステムは、シード２２６が配置された画像１２０の輝度値を特定し、シード２２６を、画像１２０のうち同じ輝度値を有する（または選択した輝度値を中心にした輝度値の範囲もしくは閾値内の）部分に沿って拡張することにより、第１の初期モデルを形成してよい。したがって、このセグメンテーションの方法は、「閾値に基づくセグメンテーション」と呼ぶことができる。
図７は、図６のシード２２６を拡張することにより形成された第１の初期モデルの部分２３０を示している。したがって、ユーザは、第１の初期モデルの形成をコンピュータシステムが開始するための始点として、シード２２６を入力する。このプロセスは、目的とするすべての部分、例えば、大動脈及び／または主冠状動脈の部分がセグメント化されるまで、繰り返すことができる。あるいは、ユーザの入力なしで、コンピュータシステムにより第１の初期モデルを生成してもよい。
あるいは、「エッジに基づくセグメンテーション」と呼ばれる方法を用いてセグメンテーションを実施してもよい。例示的実施形態において、後述するように、閾値に基づくセグメンテーションとエッジに基づくセグメンテーションの両方法を実施して、モデル２２０を形成してもよい。
エッジに基づくセグメンテーション法を用いて、第２の初期モデルを形成してよい。この方法を用いて、大動脈及び／または主冠状動脈の内腔エッジの位置を特定してよい。例えば、例示的実施形態において、ユーザは、第２の初期モデルを生成するために、入力、例えば、上述したシード２２６をコンピュータシステムに行ってよい。コンピュータシステムは、シード２２６を、画像１２０の部分に沿って、エッジに達するまで拡張することができる。内腔エッジの位置は、例えば、ユーザが視覚的に及び／またはコンピュータシステムが特定してもよい（例えば、設定閾値を上回って輝度値に変化がある位置）。エッジに基づくセグメンテーション法は、コンピュータシステム及び／またはユーザにより実施され得る。
また、ステップ２０４にて、ＣＣＴＡデータに基づいて、心筋または他の組織をセグメント化してもよい。例えば、ＣＣＴＡでデータを分析して、心筋、例えば、左心室及び／または右心室の内面及び外面の位置を特定してよい。当該面の位置は、ＣＣＴＡデータにおける心臓の他の構造体と比較した心筋のコントラスト（例えば、相対的な暗さ及び明るさ）に基づいて特定することができる。このように、心筋の幾何学的形状を決定することができる。
大動脈、心筋及び／または主冠状動脈のセグメンテーションは、必要であれば、検討及び／または修正がなされてもよい（ステップ２０８）。検討及び／または修正は、コンピュータシステム及び／またはユーザにより実施され得る。例えば、例示的実施形態において、コンピュータシステムが自動的にセグメンテーションを検討し、何らかのエラーがある場合、例えば、モデル２２０中の大動脈、心筋及び／もしくは主冠状動脈のいずれかの部分が欠損しているか、または不正確である場合、ユーザが手動でセグメンテーションを修正してもよい。
例えば、上述した第１及び第２の初期モデルを比較して、大動脈及び／または主冠状動脈のセグメンテーションが正確であることを確認してよい。第１の初期モデルと第２の初期モデルとの間で矛盾する領域を比較して、セグメンテーションを修正し、モデル２２０を形成してよい。例えば、モデル２２０は、第１の初期モデルと第２の初期モデルとの平均であってよい。あるいは、上述したセグメンテーション法のうちの１つのみを実施してもよく、当該方法によって形成された初期モデルをモデル２２０として用いてもよい。
心筋質量が算出され得る（ステップ２４０）。計算は、コンピュータシステムによって実施され得る。例えば、心筋体積は、上述のように特定した心筋の表面の位置に基づいて算出することができ、算出された心筋体積に心筋の密度を乗じることにより心筋質量を算出することができる。心筋の密度は、事前に設定してよい。
モデル２２０（図５）の各種血管（例えば、大動脈、主冠状動脈など）の中央線が特定され得る（ステップ２４２）。例示的実施形態において、この特定は、コンピュータシステムによって自動的に実施され得る。
ステップ２４２にて特定された中央線は、必要であれば、検討及び／または修正がなされてもよい（ステップ２４４）。検討及び／または修正は、コンピュータシステム及び／またはユーザにより実施され得る。例えば、例示的実施形態において、コンピュータシステムが自動的に中央線を検討し、何らかのエラーがある場合、例えばいずれかの中央線が欠損しているか、または不正確である場合、ユーザが手動で中央線を修正してもよい。
カルシウムまたはプラーク（血管の狭小化の原因）が検出され得る（ステップ２４６）。例示的実施形態において、コンピュータシステムが自動的にプラークを検出し得る。例えば、プラークを三次元画像１２０で検出し、モデル２２０から除去することができる。プラークは、大動脈、主冠状動脈及び／または分枝の内腔よりも更に明るい領域として表示されることから、三次元画像１２０でプラークを識別することができる。したがって、コンピュータシステムにより、設定値を下回る輝度値を有するものとしてプラークを検出してもよいし、ユーザが視覚的に検出してもよい。プラークの検出後、コンピュータシステムは、当該プラークが血管の内腔または空間の一部として認識されないように、プラークをモデル２２０から除去し得る。あるいは、コンピュータシステムは、大動脈、主冠状動脈及び／または分枝とは異なる色、陰影または他の視覚的指標を用いて、モデル２２０上のプラークを表示してもよい。
コンピュータシステムはまた、検出されたプラークを自動的にセグメント化し得る（ステップ２４８）。例えば、ＣＣＴＡデータに基づいて、プラークをセグメント化することができる。ＣＣＴＡデータを分析して、ＣＣＴＡデータにおける心臓の他の構造体と比較したプラークのコントラスト（例えば、相対的な暗さ及び明るさ）に基づいて、プラーク（またはその表面）の位置を特定することができる。このように、プラークの幾何学的形状を決定することができる。
プラークのセグメンテーションは、必要であれば、検討及び／または修正がなされてもよい（ステップ２５０）。検討及び／または修正は、コンピュータシステム及び／またはユーザにより実施され得る。例えば、例示的実施形態において、コンピュータシステムが自動的にセグメンテーションを検討し、何らかのエラーがある場合、例えばいずれかのプラークが欠損しているか、または不正確に示されている場合、ユーザが手動でセグメンテーションを修正してもよい。
コンピュータシステムは、主冠状動脈に連結する分枝を自動的にセグメント化し得る（ステップ２５２）。例えば、主冠状動脈をセグメント化するための方法、例えば、図６及び７に示し、ステップ２０６に関連して上述した方法に類似する方法を用いて、分枝をセグメント化することができる。コンピュータシステムはまた、ステップ２４８及び２５０に関連して上述した方法に類似する方法を用いて、セグメント化された分枝内のプラークを自動的にセグメント化してもよい。あるいは、分枝（及びその中に含まれる任意のプラーク）を主冠状動脈と同時に（例えば、ステップ２０６にて）セグメント化してもよい。
分枝のプラークのセグメンテーションは、必要であれば、検討及び／または修正がなされてもよい（ステップ２５４）。検討及び／または修正は、コンピュータシステム及び／またはユーザにより実施され得る。例えば、例示的実施形態において、コンピュータシステムが自動的にセグメンテーションを検討し、何らかのエラーがある場合、例えば、モデル２２０中の分枝のいずれかの部分が欠損しているか、または不正確である場合、ユーザが手動でセグメンテーションを修正してもよい。
何らかの位置ずれ、ステントまたは他の人工物の位置が特定された場合（例えば、ステップ１０２におけるＣＣＴＡデータの検討中に）、モデル２２０が修正され得る（ステップ２５６）。この修正は、ユーザにより及び／またはコンピュータシステムにより実施され得る。例えば、位置ずれまたは他の人工物（例えば、不一致、不鮮明さ、内腔の可視性を妨げる人工物など）の位置が特定された場合、モデル２２０を検討及び／または修正して、血管の断面積における人為的なまたは誤った変化（例えば、人為的な狭小）を回避することができる。ステントの位置が特定された場合、モデル２２０を検討及び／または修正して、ステントの位置の表示及び／またはステントが位置する血管の断面積の修正を例えばステントの大きさに基づいて行うことができる。
モデル２２０のセグメンテーションはまた、独立して検討してもよい（ステップ２５８）。この検討は、ユーザにより及び／またはコンピュータシステムにより実施され得る。例えば、ユーザ及び／またはコンピュータシステムは、モデル２２０の特定のエラー、例えば、修正可能なエラー及び／またはモデル２２０に対して少なくとも部分的に再構成または再セグメント化を必要とし得るエラーを特定することができる。こうしたエラーが特定された場合、次いで、セグメンテーションを許容できないものと判断してよく、エラーに応じて、特定のステップ、例えば、ステップ２０２〜２０８、２４０〜２５６のうちの１つまたは複数を繰り返してもよい。
モデル２２０のセグメンテーションが独立して許容可能なものとして確認された場合、必要に応じて、モデル２２０を出力し、平滑化してもよい（ステップ２６０）。この平滑化は、ユーザにより及び／またはコンピュータシステムにより実施され得る。例えば、隆起部、先端部または他の不連続部分を平滑化してよい。モデル２２０は、コンピュータ分析などに備えて、別個のソフトウェアモジュールに出力してよい。
したがって、図３に示す上述のステップ２０２〜２０８及び２４０〜２６０は、図２のステップ２００のサブステップとみなすことができる。
ＩＶ．分析用モデルの作製及び境界条件の特定
図２に示すステップ３００に関連して上述したように、例示的方法は、分析用モデルを作製することと、境界条件を特定することとを含み得る。例示的実施形態において、ステップ３００は、次のステップを含み得る。
Ａ．分析用モデルの作製
図３を再度参照すると、モデル２２０（図５）の各種血管（例えば、大動脈、主冠状動脈及び／または分枝など）の断面積もまた特定され得る（ステップ３０４）。例示的実施形態において、この特定は、コンピュータシステムによって実施され得る。
モデル２２０（図５）をトリミングして（ステップ３０６）、ソリッドモデルを生成することができる。図８は、図５に示すモデル２２０に類似するモデルに基づいて作製されたトリミングしたソリッドモデル３２０の例を示している。このソリッドモデル３２０は、三次元患者固有の幾何モデルである。例示的実施形態において、トリミングは、コンピュータシステムによって実施され得、ユーザの入力があってもなくてもよい。流入境界３２２及び流出境界３２４のそれぞれは、各境界を形成する面がステップ２４２において特定した中央線に対して垂直になるようにトリミングしてよい。流入境界３２２は、図８に示すような大動脈の上流端などの境界であって、流れがその境界を通ってモデル３２０の解剖学的形態内へと向かう境界を含み得る。流出境界３２４は、大動脈の下流端並びに主冠状動脈及び／または分枝の下流端などの境界であって、流れがその境界を通ってモデル３２０の解剖学的形態から外に向かう境界を含み得る。
Ｂ．境界条件の特定
境界条件を与えることで、モデル、例えば、図８の三次元ソリッドモデル３２０の境界で生じることを表現することができる。例えば、境界条件は、例えば、モデル化した解剖学的形態の境界における、モデル化した患者の解剖学的形態に関連する少なくとも１つの血流の特徴に関し得、血流の特徴には、血流速度、圧力、流量、ＦＦＲなどが含まれ得る。境界条件を適切に特定することによって、コンピュータ分析を実施し、モデル内の様々な位置における情報を明らかにすることができる。境界条件の例及び境界条件を特定するための方法について説明する。
例示的実施形態において、特定された境界条件により、ソリッドモデル３２０によって表された血管の部分から上流及び下流の構造体を一次元または二次元の次数低減モデルに簡素化することができる。境界条件を特定するための例示的な一連の方程式及び他の詳細は、例えば、米国特許出願公開第２０１０／０２４１４０４号及び米国特許仮出願第６１／２１０，４０１号（いずれも「Ｐａｔｉｅｎｔ−Ｓｐｅｃｉｆｉｃ Ｈｅｍｏｄｙｎａｍｉｃｓ ｏｆ ｔｈｅ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｙｓｔｅｍ」と表題）に記載されており、これらの全体を参照により本明細書に援用する。
境界条件は、心臓を通る血流が患者の生理学的状態に応じて異なり得るため、患者の生理学的状態に応じて変わり得る。例えば、ＦＦＲは、通常、患者が、例えば負荷などに起因する心臓の血流増加を経験しているときに一般的に生じる生理学的な充血状態で測定される。ＦＦＲは、最大負荷条件下における冠状動脈圧の大動脈圧に対する比である。充血はまた、例えばアデノシンを用いることにより、薬学的に誘発してもよい。図９〜１１は、算出されたＦＦＲ（ｃＦＦＲ）モデルの例を示すものであり、患者の生理学的状態（安静時、最大充血下または最大運動下）に応じた、モデル３２０における冠状動脈圧の大動脈圧に対する比の変化を示す。図９は、患者が安静であるとき、モデル３２０全体の冠状動脈圧の大動脈圧に対する比の変動が最小であることを示している。図１０は、患者が最大充血にさらされているとき、モデル３２０全体の冠状動脈圧の大動脈圧に対する比の変動がより大きいことを示している。図１１は、患者が最大運動を行っているとき、モデル３２０全体の冠状動脈圧の大動脈圧に対する比の変動が更により大きいことを示している。
図３を再度参照すると、充血状態の境界条件が特定され得る（ステップ３１０）。例示的実施形態において、冠状動脈抵抗の１〜５分の１の減少、大動脈圧の約０〜２０％の減少及び心拍数の約０〜２０％の増加を用いて、アデノシンの作用をモデル化することができる。例えば、冠状動脈抵抗の４分の１の減少、大動脈圧の約１０％の減少及び心拍数の約１０％の増加を用いて、アデノシンの作用をモデル化することができる。本例示的実施形態では、充血の境界条件が特定されるが、他の生理学的状態、例えば安静、異なる程度の充血、異なる程度の運動、労作、負荷または他の条件に関する境界条件を特定できることは理解される。
境界条件は、三次元ソリッドモデル３２０について、その境界、例えば、図８に示すような流入境界３２２、流出境界３２４、血管壁境界３２６などにおける情報を提供する。血管壁境界３２６は、モデル３２０の大動脈、主冠状動脈及び／または他の冠状動脈もしくは血管の物理的境界を含み得る。
それぞれの流入境界３２２または流出境界３２４に、速度、流量、圧力または他の血液の特徴に関する規定値または値のフィールドを指定してもよい。あるいは、それぞれの流入境界３２２または流出境界３２４は、その境界を心臓モデル、集中定数もしくは分布（例えば一次元波動伝播）モデル、別の種類の一次元もしくは二次元モデルまたは他の種類のモデルに結合することにより指定してもよい。例えば、取得した患者固有の情報または他の測定パラメータ、例えば心拍出量、血圧、ステップ２４０で算出された心筋質量などから特定された流入境界３２２または流出境界３２４の幾何学的形状に基づいて、具体的な境界条件を明らかにすることができる。
ｉ．次数低減モデルの特定
ソリッドモデル３２０に連結する上流及び下流の構造体を、上流及び下流の構造体を表す次数低減モデルとして表すことができる。例えば、図１２〜１５は、例示的実施形態に従って、流出境界３２４のうちの１つにおける患者固有の三次元解剖学的データから集中定数モデルを作製するための方法の態様を示すものである。この方法は、図２及び３に示す方法とは別に、かつその前に実施され得る。
図１２は、主冠状動脈またはそこから延びる分枝のうちの１つのソリッドモデル３２０の部分３３０を示す。図１３は、図１２に示す部分３３０の、ステップ２４２にて特定された中央線の部分を示す。
部分３３０は、セグメント３３２に分割され得る。図１４は、部分３３０から形成することができるセグメント３３２の例を示す。セグメント３３２の長さの選択は、ユーザ及び／またはコンピュータシステムにより実施され得る。セグメント３３２は、例えば、セグメント３３２の幾何学的形状に応じて、長さが異なっていてよい。部分３３０をセグメント化するには、様々な技術を用いることができる。例えば、疾患部分、例えば、比較的狭い断面を有する部分、病変及び／または狭窄（血管内の異常狭小）を１つまたは複数の別個のセグメント３３２にすることができる。疾患部分及び狭窄は、例えば、中央線の長手方向の断面積を測定し、最小断面積を局所的に算出することにより特定することができる。
セグメント３３２は、１つまたは複数の（線形または非線形）抵抗器３３４及び／または他の回路素子（例えば、コンデンサ、インダクタなど）を含む回路図により近似することができる。図１５は、一連の線形及び非線形抵抗器３３４で置き換えたセグメント３３２の一例を示す。抵抗器３３４の個々の抵抗は、例えば、対応するセグメント３３２を通る流れ及び／または圧力の推定値に基づいて決定することができる。
抵抗は、例えば、対応するセグメント３３２を通る流量推定値に応じて、定抵抗、線形抵抗または非線形抵抗であってよい。狭窄などのより複雑な幾何学的形状の場合、抵抗は流量によって変化し得る。様々な幾何学的形状の抵抗は、コンピュータ分析（例えば、有限差分法、有限体積法、スペクトル法、格子ボルツマン法、粒子法、レベルセット法、アイソジオメトリック法もしくは有限要素法または他の計算流体力学（ＣＦＤ）分析技術）に基づいて明らかにすることができ、異なる流れ及び圧力条件下で実施したコンピュータ分析による複数の解を用いて、患者固有、血管固有及び／または病変固有の抵抗を導くことができる。この結果を用いて、モデル化し得る任意のセグメントの様々な種類の特徴及び幾何学的形状の抵抗を特定することができる。その結果、上述の通りに患者固有、血管固有及び／または病変固有の抵抗を導き出すことにより、コンピュータシステムが、より複雑な幾何学的形状、例えば、非対称狭窄、複数の病変、分岐及び分枝の病変並びに蛇行血管などを認識し、評価できるようになる。
またコンデンサを含めてもよく、キャパシタンスは、例えば、対応するセグメントの血管壁の弾力性に応じて特定することができる。インダクタを含めてもよく、インダクタンスは、例えば、対応するセグメントを貫流する血液量の加速または減速に関する慣性効果に基づいて特定することができる。
集中定数モデルに使用される抵抗、キャパシタンス、インダクタンス及び他の電気要素に関係する他の変数の個々の値は、多数の患者からのデータに基づいて導いてもよく、血管の幾何学的形状が類似であれば、類似の値を有し得る。したがって、多数の患者固有のデータ集団から経験モデルを開発し、今後の分析において類似の患者に適用可能であり得る特定の幾何学的特徴に対応する値のライブラリを作成することができる。２つの異なる血管セグメント間で幾何学的形状を一致させて、患者のセグメント３３２の値を過去のシミュレーションから自動的に選択することができる。
ｉｉ．例示的な集中定数モデル
あるいは、図１２〜１５に関連して上述したステップを実施する代わりに、集中定数モデルを事前に設定してもよい。例えば、図１６は、ソリッドモデル３２０の流入境界３２２及び流出境界３２４における上流及び下流の構造体を表す集中定数モデル３４０、３５０、３６０の例を示している。端部Ａは流入境界３２２に位置し、端部ａ〜ｍ及びＢは流出境界に位置する。
集中定数型心臓モデル３４０を用いて、ソリッドモデル３２０の流入境界３２２の端部Ａにおける境界条件を特定することができる。集中定数型心臓モデル３４０を用いて、充血条件下における心臓からの血流を表すことができる。集中定数型心臓モデル３４０は、様々なパラメータ（例えば、ＰＬＡ、ＲＡＶ、ＬＡＶ、ＲＶ−Ａｒｔ、ＬＶ−Ａｒｔ及びＥ（ｔ））を含み、これらは、患者に関する既知の情報、例えば、大動脈圧、患者の収縮期及び拡張期の血圧（例えば、ステップ１００にて測定したもの）、患者の心拍出量（例えば、ステップ１００にて測定された患者の一回拍出量及び心拍数に基づいて算出された心臓からの血流体積）、及び／または実験的に特定された定数に基づいて特定することができる。
集中定数型冠状動脈モデル３５０を用いて、主冠状動脈及び／またはそこから延びる分枝の下流端に位置する、ソリッドモデル３２０の流出境界３２４の端部ａ〜ｍにおける境界条件を特定することができる。集中定数型冠状動脈モデル３５０を用いて、充血条件下における、モデル化血管から端部ａ〜ｍを通って流出する血流を表すことができる。集中定数型冠状動脈モデル３５０は、様々なパラメータ（例えば、Ｒａ、Ｃａ、Ｒａ−ｍｉｃｒｏ、Ｃｉｍ及びＲＶ）を含み、これらは、患者に関する既知の情報、例えば、算出された心筋質量（例えば、ステップ２４０にて特定されたもの）及び端部ａ〜ｍにおける終端インピーダンス（例えば、ステップ３０４にて特定された端部ａ〜ｍの各血管の断面積に基づいて特定されたもの）に基づいて特定することができる。
例えば、算出された心筋質量を用いて、複数の流出境界３２４を通る冠状動脈の基準（安静時）平均血流を推定することができる。この関係は、Ｑ∝ＱｏＭα（式中、αは既定のスケーリング指数であり、Ｑｏは既定の定数である）として平均冠血流Ｑを心筋質量Ｍ（例えば、ステップ２４０で特定されたもの）と相関させる実験的に導出された生理学的法則（例えば、図１の生理学的法則２０）に基づいてよい。次いで、基準（安静時）条件下における流出境界３２４での冠状動脈の総流量Ｑ及び患者の血圧（例えば、ステップ１００で測定されたもの）を用いて、既定の実験的に導出した方程式に基づいた流出境界３２４における全抵抗Ｒを特定することができる。
全抵抗Ｒは、端部ａ〜ｍのそれぞれの断面積（例えば、ステップ３０４で特定されたもの）に基づいて、端部ａ〜ｍに分配してもよい。この関係は、Ｒｉ∝Ｒｉ，ｏｄｉ β（式中、Ｒｉはｉ番目の流出口における流れに対する抵抗であり、Ｒｉ，ｏは既定の定数であり、ｄｉは当該流出口の直径であり、βは既定の冪則指数、例えば−３〜−２、冠血流では−２．７、大脳の血流では−２．９などである）である端部ａ〜ｍのそれぞれの抵抗と相関させる実験的に導出された生理学的法則（例えば、図１の生理学的法則２０）に基づいてよい。個々の端部ａ〜ｍを通る冠状動脈の流量及び個々の端部ａ〜ｍにおける平均圧力（例えば、ステップ３０４で特定された血管の端部ａ〜ｍの個々の断面積に基づいて特定されるもの）を用いて、対応する端部ａ〜ｍにおける集中定数型冠状動脈モデル３５０の抵抗の合計を特定することができる（例えば、Ｒａ＋Ｒａ−ｍｉｃｒｏ＋ＲＶ）。他のパラメータ（例えば、Ｒａ／Ｒａ−ｍｉｃｒｏ、Ｃａ、Ｃｉｍ）は、実験的に特定した定数であってよい。
ウィンドケッセルモデル３６０を用いて、大動脈弓に向かう大動脈の下流端に位置する、ソリッドモデル３２０の流出境界３２４の端部Ｂにおける境界条件を特定することができる。ウィンドケッセルモデル３６０を用いて、充血条件下における、モデル化した大動脈から端部Ｂを通って流出する血流を表すことができる。ウィンドケッセルモデル３６０は、様々なパラメータ（例えば、Ｒｐ、Ｒｄ及びＣ）を含み、これらは、患者に関する既知の情報、例えば、集中定数型心臓モデル３４０に関連して上述した患者の心拍出量、集中定数型冠状動脈モデル３５０に関連して上述した基準平均冠血流、大動脈圧（例えば、ステップ３０４にて特定された端部Ｂにおける大動脈の断面積に基づいて特定されたもの）、及び／または実験的に特定された定数に基づいて特定することができる。
境界条件、例えば、集中定数モデル３４０、３５０、３６０（もしくはこれらに含まれる定数のいずれか）または他の次数低減モデルは、他の因子に基づいて適合させることができる。例えば、生理学的負担下において血管拡張能が比較的低下することにより、患者の血管サイズに対する血流比が小さくなっている場合、抵抗値を適合させる（例えば、増加させる）ことができる。また、患者が糖尿病を有する場合、薬物療法を受けている場合、過去に心イベントを経験したことがある場合などにも抵抗値を適合させることができる。
代替的な集中定数または分布一次元ネットワークモデルを用いて、ソリッドモデル３２０の下流の冠血管を表してもよい。ＭＲＩ、ＣＴ、ＰＥＴまたはＳＰＥＣＴを用いた心筋灌流の画像化を用いて、こうしたモデルのパラメータを指定することができる。また、代替的な画像化源、例えば、磁気共鳴血管造影法（ＭＲＡ）、レトロスペクティブシネゲーティングまたはプロスペクティブシネゲーティングコンピュータ断層撮影血管造影法（ＣＴＡ）などを用いて、こうしたモデルのパラメータを指定してもよい。レトロスペクティブシネゲーティングを画像処理法と組み合わせて、心周期にわたる心室の体積変化を取得し、集中定数型心臓モデルのパラメータを指定してもよい。
集中定数モデル３４０、３５０、３６０または他の次数低減一次元または二次元モデルを用いて患者の解剖学的形態の一部を単純化することにより、特に、治療を受けない状態（例えば、図２及び３のステップ４００）に加えて、可能な治療選択肢を評価するとき（例えば、図２のステップ５００）など、コンピュータ分析を複数回実施する場合、コンピュータ分析（例えば、後述の図３のステップ４０２）をより迅速に行うことが可能となると同時に、最終結果に対し、高い精度が維持される。
例示的実施形態において、境界条件の特定は、ユーザの入力、例えばステップ１００で取得した患者固有の生理学的データに基づいて、コンピュータシステムにより実施することができる。
Ｃ．精度を高めるための境界条件の最適化
上述の通り、特定された境界条件を与えることで、モデル、例えば、図８の三次元ソリッドモデル３２０の境界で生じることを表現することができる。具体的には、境界条件は、モデル化した患者の解剖学的形態に関連する少なくとも１つの血流の特徴に関し得る。例えば、モデル化した解剖学的形態の境界における血流の特徴には、血流速度、圧力、流量、ＦＦＲなどが含まれ得る。境界条件を適切に特定することによって、コンピュータ分析を実施し、血流の特徴を含めた、モデル内の様々な位置における情報を明らかにすることができる。しかしながら、三次元モデル内の異なる領域は、一様な血流の特徴を有するとは限らない。例えば、ＬＡＤ、ＬＣＸ及びＲＣＡは、それぞれ異なる状態を有する場合があり、狭窄、運動または他の状態から受ける影響が異なり得る。例えば、図２４Ｄは、狭窄がある場合の異なる血管領域における患者集団の径減少率を示している。このデータにより、異なる血管領域における狭窄の解剖学的狭小化が一定の平均値及び標準偏差であることがわかる。一方、図２４Ｅは、狭窄がある場合、侵襲的に収集したＦＦＲの平均値が、異なる血管領域において、当該同じ領域で径減少率が一定であるにもかかわらず、必ずしも一定でないことを明らかにしている。これは、異なる血管領域での境界条件を区別して特定するためのシステムによってもたらされる利点を示している。
したがって、図２４Ｂ及び２４Ｃに関して以下に記載する例示的方法は、一般集団に関連するデータを用いて、特定された境界条件を最適化することを考慮し、異なる領域のそれぞれにおける血流の特徴のより正確な算出を可能にするものである。
実施形態において、非侵襲的に算出されたＦＦＲは侵襲的に測定したＦＦＲと直接比較することができるので、性能のすべての比較を、測定したＦＦＲに対して評価することができる。意思決定に用いるＦＦＲの共通閾値を０．８０とし、このカットオフを上回る値を陰性病変、これ以下の値を陽性を示すものとする。感度及び特異度は、診断精度全体を、陽性病変を特定する精度と陰性病変を特定する精度にそれぞれ分けるため、特に関心の高いものである。更に、算出されたＦＦＲ値が測定したＦＦＲとどれだけ上手く一致するかについての情報を与える他の量には、受信者操作曲線の下の領域、相関関係、偏り及び平均絶対誤差がある。算出されたＦＦＲが正確であれば、予防医療のための非侵襲的方法の使用が可能になる。
後述する例示的実施形態において、ＦＦＲの算出のために、心筋質量から導いた冠状動脈流出口の下流流出境界条件を適合させることについて言及する。ここに開示する原理は、冠状動脈または他の循環モデルの他の境界条件、パラメータ及び物理的性質にも適用できることに留意すべきである。更に、心筋質量に代えてまたは加えて、限定するものではないが、冠状動脈の血管体積、血管サイズ、ＳＰＥＣＴまたはＰＥＴの測定、集団または人口学的平均などを含めた他の情報源から関係を導いてもよい。更に、ＦＦＲに加えて、限定するものではないが、血流、圧力、灌流などを含めた他のメトリクスが最適化され得る。
１．集団データに基づいた境界条件調整特徴の特定
図２４Ｂは、例示的実施形態に従った、精度を高めるために境界条件を調整し、適合させるための方法２４５０のフローチャートである。方法２４５０のステップ２４５２は、患者に関連するデータをデータベースから入手することを含み得る。データベースは、一般集団を表す特定量の患者に関する患者データを含み得る。ステップ２４５８に関して更に以下で説明するように、全患者データを、評価及び調整境界条件パラメータに関する調整集団と称される集団と、境界条件の最適化パラメータを試験するために用いることができる患者に関するデータを含む試験集団と称される集団との２つの集団に分けることができる。本実施例において、患者データは、１０００名の患者（１０００件のＦＦＲ侵襲性測定値を有する）に関し得、これらの患者のうちの５００名に関するデータを利用して、最初の最適化条件を特定し、血流特徴モデルのパラメータを調整し、他の５００名の患者に関するデータを使用して血流特徴モデルのパラメータの調整を試験する。
いくつかの実施形態において、患者データは、算定結果及び侵襲性検証結果を含み得る。具体的には、患者データは、解剖学的モデルを用いて、本開示全体を通して記載したように、患者の状態の非侵襲性測定を含み得る。侵襲性検証結果は、侵襲的に取得される患者に関連するデータを取得または入手することを含み得る。例えば、ＬＡＤ、ＬＣＸ及びＲＣＡ内の血液の特徴が侵襲的に取得される。
いくつかの実施形態において、記憶される患者データは、算出されたＦＦＲの分析を実施するために使用したデータ（または算出されたＦＦＲの分析結果）及び各患者内の複数の位置（または領域）のうちの１つで侵襲的に取得されたＦＦＲデータからなる患者固有のデータを含む、複数の患者のそれぞれに関して予め収集したデータであってよい。したがって、算出されたＦＦＲは、ＦＦＲデータが侵襲的に取得される患者の解剖学的形態に関連した複数の位置のそれぞれについて算出され得る。例えば、侵襲的に取得されたある患者のＬＡＤにおけるＦＦＲは、当該患者のＬＡＤにおける合致する算出されたＦＦＲとともに記憶され得る。
いくつかの実施形態において、算出される非侵襲性結果は、モデルに基づいて算出され得る。これらの計算を生成するために、冠状動脈の各流出口に、心筋質量、血管サイズ及び／または最大充血アデノシン応答の関数である集中定数インピーダンス境界条件を指定してよい。心筋質量及び充血アデノシン応答は、すべての冠状動脈流出境界条件に均一に影響を及ぼし得、血管サイズは、そのサイズが異なる場合、各血管に異なる影響を及ぼし得る。例示的実施形態において、説明を簡単にするために、境界条件は、他の集中定数によって記載される場合もあるが、本明細書を通して、単一抵抗として記載される。したがって、実施形態による、患者ｉの各冠状動脈流出口ｎにおける境界条件は、
Ｒｎ＝ｆ（Ｍｉ，Ａｉ，Ｄｎ）
（式中、Ｒは抵抗であり、Ｍは心筋質量であり、Ａはアデノシン応答であり、Ｄは冠血管の直径である）とすることができる。
例示的実施形態において、各種パラメータは、境界条件関数内に存在し得る。例えば、心筋質量と抵抗の関係は例えばＲ＝ＭｏＭ−αのような定数及び冪指数を有し得、アデノシン応答は例えばＲ＝Ａｏのような比例関係を有し得、かつ／または血管サイズは例えばＲ＝ＤｏＤ−βのような定数及び冪指数を有し得る。
いくつかの実施形態において、これらのパラメータの適合は、算出されるＦＦＲの分析の精度に影響を与え得る。これらのパラメータの多くは、予め入手したデータ、ユーザ設定または文献に基づく値の分析に基づいて設定することができる。更に、算出されるＦＦＲの分析の精度は、構築した解剖学的モデルの特徴、ＦＦＲを算出するために用いる方程式、使用される流量方程式及びＦＦＲを算出するための多くの他の態様からの影響を受け得る。
方法２４５０のステップ２４５４は、調整集団の算出された患者結果と侵襲的に測定された結果とを比較することにより、境界条件調整特徴を特定することを含み得る。患者それぞれの算出された血流特徴と侵襲的に取得された血流特徴の測定値との差を小さくするように境界条件を調整することができる。したがって、以下に更に詳細に説明するように、ある特定のメトリクスが満たされるまで、境界条件に対してパラメータを漸増式に変更する。パラメータは、ヒトの解剖学的形態内の異なる領域に関する血液特徴に関し得る。例えば、算出された血流特徴（変更パラメータを伴う）を、複数の解剖学的位置における侵襲的に取得された対応する血流特徴の測定値と繰り返し比較することができる。したがって、境界条件調整特徴は、血流特徴が特定される複数の解剖学的位置のそれぞれに関する固有の境界条件調整特徴を考慮に入れるものである。
いくつかの実施形態において、１つまたは複数の精度メトリクスは、調整集団に関する算出データ及び測定データを用いて生成することができる。メトリクスは、感度、特異度、平均偏り及び／または平均絶対誤差を含み得る。これらのメトリクスは、以下のように計算され得る。
感度＝ＴＰ／（ＴＰ＋ＦＮ）
特異度＝ＴＮ／（ＴＮ＋ＦＰ）
平均偏り＝Σ（ＦＦＲｃ−ＦＦＲｍ）／ｎ
平均絶対誤差＝Σ｜ＦＦＲｃ−ＦＦＲｍ｜／ｎ
別の例示的実施形態において、メトリクスは、調整を行う最初の条件として用いてよい。限定するものではないが、手動での適合、最適化または反復を含めた各種ステップを用いて、最初の条件から所望の条件に境界条件を調整することができる。例えば、最初の全体的偏りが０．０１であり得、所望の偏りが−０．０２であり得る。心筋質量パラメータＭｏ及び／またはアデノシン充血パラメータＡｏを繰り返し適合させるサイクルにより、偏差を−０．０２に収束させることができる。各反復について、設定増分または内挿法もしくは外挿法を用いて先の反復によって与えられた増分によりパラメータを適合させられ得る。パラメータの各反復について、完全な調整集団がパラメータを変更するだけで再度分析されることになる。メトリクスを再度算出することができ、目的とする偏りからの誤差を評価することができる。
別の実施形態において、特異性を最大にし、かつ平均絶対誤差を最小にすると同時に、少なくとも８０％の感度を達成するというような多因子の最適化が望まれる場合がある。所望の結果が得られるまでまたは所望の結果に対して最小の全誤差を有する解が得られるまで、反復最適化を実施して、少なくとも１つのパラメータを適合させることができる。
別の実施形態において、モンテカルロ法またはブートストラップ法などの統計手法を用いて、最適化を導くために、調整した境界条件のより大きな患者集団に対する性能を予測することができる。これは、調整及び試験するためにまたは最適メトリクスの信頼度を高めるためには、データが限られている場合に有用であり得る。
したがって、このような最適化または調整は、メトリクスそれぞれに対する目標が達成されるまで繰り返し行う。パラメータの変更は、境界条件調整特徴とも呼ばれ得る。
図２４Ｂのステップ２４５６は、試験集団の算出された患者結果と侵襲的に測定された結果とを比較することにより、境界条件調整特徴の精度を特定することを含み得る。具体的には、調整集団に基づいた最適パラメータを与える境界条件調整特徴を用いて、試験集団に関する非侵襲的ＦＦＲ分析が実施され得る。具体的には、境界条件調整特徴に基づいて、試験集団中の患者それぞれに関する境界条件を表すモデルを調整／変更し得る。調整／変更したモデルを用いてＦＦＲ値を算出することができる。その後、比較により、試験集団の侵襲的に測定されたＦＦＲと算出されたＦＦＲとの間の差が閾値量未満であることが明らかであれば、その境界条件調整特徴を正確なものとみなすことができる。
いくつかの実施形態において、境界条件調整特徴が正確でない場合、方法２４５０は、患者からの追加データを含めることにより、ステップ２４５６を繰り返すことを含み得る。追加データは、試験プールまたは他の患者データ源中の患者に関連するデータを含み得る。例えば、医療専門家に更なるデータまたは調整集団に含めるためのある量の試験集団の手動選択を要求する通知を提供してよい。
図２４Ｂのステップ２４５８は、データベースに境界条件調整特徴を記憶することを含み得る。実施形態において、記憶された境界調整条件は、その後、任意の新しい将来の患者固有分析について正確な境界条件を特定するために適用され得る。
２．特定患者の局所境界条件の適合
次いで、最適化境界条件のモデルを使用して、三次元モデルの異なる領域における血流特徴の正確な特定を可能にする、特定患者の境界条件が適合され得る。図２４Ｃは、患者のモデルのための境界条件を最適化するための例示的方法２４６０を示している。
方法２４６０のステップ２４６２は、患者に関連するデータを入手することを含み得る。このデータは、解剖学的情報、侵襲的に取得したデータまたは任意の他のデータを含み得、上記で詳述したように、患者の三次元モデルを作成するために使用される。
方法２４６０のステップ２４６４は、入手したデータに基づいて三次元モデルを作成することを含み得る。具体的には、本開示を通じて記載したように、入手したデータに基づいて、三次元モデルが生成され得る。三次元モデルの作成には、以下の関数に従った、心筋質量、アデノシン応答及び／または血管サイズの関数であり得る境界条件を特定することが含まれ得る。
Ｒｎ＝ｆ（Ｍｉ，Ａｉ，Ｄｎ）
いくつかの実施形態において、三次元モデルは、微小循環のすべての領域及びすべての血管形態及び冠動脈の脈管構造全体にわたる分布が、作成される三次元解剖学的モデルの範囲を超えて同じであるという仮定に基づいて操作され得る。
いくつかの実施形態において、当業者は、患者の三次元モデルがすでに生成されている場合、ステップ２４６２でそれを入手することができ、これによりステップ２４６４を省略することになる旨を理解するであろう。その後、新しく作成されたまたは取得した三次元モデルにステップ２４６６及び２４６８を適用してよい。
方法２４６０のステップ２４６６は、境界条件調整特徴データに基づいて、三次元モデルの境界条件を更新することを含み得る。したがって、このステップは、データベースに記録され得る境界条件調整特徴を入手することを含み得る。境界条件調整特徴により、微小循環のすべての領域について、血管形態及び冠動脈の脈管構造全体にわたる分布が、作成される三次元解剖学的モデルの範囲を超えて同じでないということを考慮する三次元モデルの適合が可能になる。例えば、これは、拡張期と収縮期との間の拍動性流量の差異、異なる分枝パターン及び微小循環抵抗指標（「ＩＭＲ」）の差異に起因し得る。
方法２４６０のステップ２４６８は、三次元モデルの更新された境界条件に基づいて、１つまたは複数の位置における血流特徴を算出することを含み得る。具体的には、三次元モードの更新された境界条件を用いて、本開示に記載した方法と同様に、血流特徴（例えば、算出したＦＦＲ）を算出することができる。
Ｄ．三次元メッシュの作成
図３を再度参照すると、ステップ３０６で生成されたソリッドモデル３２０に基づいて、三次元メッシュが生成され得る（ステップ３１２）。図１７〜１９は、ステップ３０６で生成されたソリッドモデル３２０に基づいて作製された三次元メッシュ３８０の例を示している。メッシュ３８０は、ソリッドモデル３２０の表面に沿って、かつソリッドモデル３２０の内部全体に複数の節点３８２（メッシュ点または格子点）を含む。メッシュ３８０は、図１８及び１９に示すように、四面体要素（節点３８２を形成する点を有する）を用いて作成することができる。あるいは、他の形状を有する要素、例えば、六面体または他の多面体、曲線状要素などを用いてもよい。例示的実施形態において、節点３８２の数は、１００万個単位、例えば、５００〜５０００万個であってよい。節点３８２の数は、メッシュ３８０が微細になるにつれて増加する。節点３８２の数が多くなるにつれて、モデル３２０内のよく多くの点での情報を提供できるが、節点３８２の数が多くなると、解くべき方程式（例えば、図１に示す方程式３０）の数が増加するので、コンピュータ分析の実行により長い時間がかかることがある。例示的実施形態において、メッシュ３８０の生成は、コンピュータシステムによって実施され得、ユーザの入力（例えば、節点３８２の数、要素の形状などの指定）があってもなくてもよい。
図３を再度参照すると、メッシュ３８０及び特定された境界条件が検証され得る（ステップ３１４）。この検証は、ユーザにより及び／またはコンピュータシステムにより実施され得る。例えば、ユーザ及び／またはコンピュータシステムは、例えば、メッシュ３８０が変形しているか、または十分な空間分解能を有していない場合、境界条件がコンピュータ分析を実施するのに十分でない場合、ステップ３１０で特定した抵抗が不正確であると思われる場合など、メッシュ３８０及び／または境界条件の再構成を必要とする、メッシュ３８０及び／または境界条件の特定のエラーを特定することができる。エラーが特定された場合、次いで、メッシュ３８０及び／または境界条件を許容できないものと判断してよく、ステップ３０４〜３１４のうちの１つまたは複数を繰り返してもよい。メッシュ３８０及び／または境界条件が許容可能であると判断された場合、本方法は、次いで、後述のステップ４０２に進み得る。
加えて、ユーザは、取得した患者固有の情報または他の測定したパラメータ、例えば心拍出量、血圧、身長、体重、ステップ２４０で算出された心筋質量が正しく入力されていること及び／または正しく計算されていることを確認することができる。
したがって、したがって、図３に示す上述のステップ３０４〜３１４は、図２のステップ３００のサブステップとみなすことができる。
Ｖ．コンピュータ分析の実施及び結果の出力
図２に示すステップ４００に関連して上述したように、例示的方法は、コンピュータ分析を実施することと、結果を出力することとを含み得る。例示的実施形態において、ステップ４００は、次のステップを含み得る。
Ａ．コンピュータ分析の実施
図３を参照すると、コンピュータ分析は、コンピュータシステムによって実施され得る（ステップ４０２）。例示的実施形態において、ステップ４０２は、例えば、メッシュ３８０（図１７〜１９）の節点３８２の数などに応じて、数分から数時間かかり得る。
分析は、メッシュ３８０を生成したモデル３２０の血流を表す一連の方程式を生成することを伴う。上述の通り、例示的実施形態において、所望の情報は、充血条件下でのモデル３２０を通る血液のシミュレーションに関するものである。
分析はまた、数値法を用いて、コンピュータシステムを使用して血流の三次元方程式を解くことを伴う。例えば、数値法は、有限差分法、有限体積法、スペクトル法、格子ボルツマン法、粒子法、レベルセット法、アイソジオメトリック法もしくは有限要素法または他の計算流体力学（ＣＦＤ）数値技術などの既知の方法であってよい。
これらの数値法を用いることで、ニュートン流体、非ニュートン流体または多相流体として血液をモデル化することができる。患者のヘマトクリット値またはステップ１００で測定した他の因子を用いて、分析に組み入れるための血液粘度を特定してよい。血管壁は、剛性であるまたは柔軟であると仮定することができる。後者の場合、血管壁力学の方程式、例えば、弾性力学方程式を血流の方程式と一緒に解いてよい。ステップ１００で取得した時変的な三次元画像データを入力として用いて、心周期にわたる血管形状の変化をモデル化することができる。コンピュータ分析を実施するための例示的な一連の方程式及びステップは、例えば、「Ｍｅｔｈｏｄ ｆｏｒ Ｐｒｅｄｉｃｔｉｖｅ Ｍｏｄｅｌｉｎｇ ｆｏｒ Ｐｌａｎｎｉｎｇ Ｍｅｄｉｃａｌ Ｉｎｔｅｒｖｅｎｔｉｏｎｓ ａｎｄ Ｓｉｍｕｌａｔｉｎｇ Ｐｈｙｓｉｏｌｏｇｉｃａｌ Ｃｏｎｄｉｔｉｏｎｓ」と題する米国特許第６，２３６，８７８号並びに米国特許出願公開第２０１０／０２４１４０４号及び米国特許仮出願第６１／２１０，４０１号（いずれも「Ｐａｔｉｅｎｔ−Ｓｐｅｃｉｆｉｃ Ｈｅｍｏｄｙｎａｍｉｃｓ ｏｆ ｔｈｅ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｙｓｔｅｍ」と表題）に更に詳細に開示されており、これらのすべての全体を参照により本明細書に援用する。
作製したモデル及び境界条件を使用するコンピュータ分析により、三次元ソリッドモデル３２０を表すメッシュ３８０の節点３８２のそれぞれにおける血流及び圧力を特定することができる。例えば、コンピュータ分析の結果は、節点３８２のそれぞれにおける様々なパラメータの値を含み得、例えば、後述するように、様々な血流の特徴またはパラメータ、例えば血流速度、圧力、流量もしくはｃＦＦＲなどの算出されたパラメータが挙げられるが、これらに限定されない。パラメータを三次元ソリッドモデル３２０全体に組み込んでよい。その結果、コンピュータ分析の結果より、通常は侵襲的に特定され得る情報をユーザに提供することができる。
図３を再度参照すると、コンピュータ分析の結果が検証され得る（ステップ４０４）。この検証は、ユーザにより及び／またはコンピュータシステムにより実施され得る。例えば、ユーザ及び／またはコンピュータシステムは、例えば、節点３８２の数が不十分なために情報が不十分である場合、節点３８２の数が過剰なために分析に時間がかかりすぎる場合など、メッシュ３８０及び／または境界条件の再構成または修正を必要とする、結果の特定のエラーを特定することができる。
コンピュータ分析の結果がステップ４０４で許容できないものと判断された場合、ユーザ及び／またはコンピュータシステムは、次いで、例えば、ステップ３０６で生成されたソリッドモデル３２０及び／もしくはステップ３１２で生成されたメッシュ３８０を修正もしくは改良するかどうか、またどのように修正もしくは改良するか、ステップ３１０で特定された境界条件を修正するかどうか、またどのように修正するか、またはコンピュータ分析の入力のいずれかに他の修正を行うかどうかを判断し得る。次いで、上述の１つまたは複数のステップ、例えば、ステップ３０６〜３１４、４０２及び４０４を、決定した修正または改良に基づいて繰り返してもよい。
Ｂ．血圧、血流及びｃＦＦＲの結果表示
図３を再度参照すると、コンピュータ分析の結果がステップ４０４で許容可能なものと判断された場合、コンピュータシステムは、次いで、コンピュータ分析のある特定の結果を出力することができる。例えば、コンピュータシステムは、コンピュータ分析の結果に基づいて生成された画像、例えば、図１に関連して上記で説明した画像、例えば、模擬血圧モデル５０、模擬血流モデル５２及び／またはｃＦＦＲモデル５４を表示し得る。上記の通り、これらの画像は、例えば、ステップ３１０で特定された境界条件が充血条件に関して特定されたものであるから、模擬充血条件下における模擬の血圧、血流及びｃＦＦＲを示す。
模擬血圧モデル５０（図１）は、模擬充血条件下における、図１７〜１９のメッシュ３８０によって表される患者の解剖学的形態全体の局所血圧（例えば、水銀柱ミリメートル、すなわちｍｍＨｇ単位）を示している。コンピュータ分析により、メッシュ３８０の各節点３８２での局所血圧を明らかにすることができ、模擬血圧モデル５０は、それぞれの圧力に対応する色、陰影または他の視覚的指標を指定してよく、これにより、模擬血圧モデル５０は、各節点３８２の個々の値を指定する必要なく、モデル５０全体の圧力変化を視覚的に示すことができる。例えば、図１に示す模擬血圧モデル５０は、この特定患者について、模擬充血条件下にて、圧力が概して均一であるが、大動脈内でより高い（濃い陰影で示す）と思われること、及び血液が主冠状動脈内及び分枝内へと下流に流れるにつれて、圧力が徐々にかつ連続的に減少している（分枝の下流端に向かって陰影が徐々にかつ連続的に明るくなっていくことにより示されるように）ことを示している。模擬血圧モデル５０は、図１に示すように、血圧の具体的な数値を示す目盛りを伴ってよい。
例示的実施形態において、模擬血圧モデル５０はカラーで提供してよく、モデル５０全体の圧力変化を示すためにカラースペクトルを用いることができる。カラースペクトルは、最大圧力から最低圧力の順に、赤、橙、黄、緑、青、藍及び紫を含み得る。例えば、上限（赤）は約１１０ｍｍＨｇ以上（または８０ｍｍＨｇ、９０ｍｍＨｇ、１００ｍｍＨｇなど）を示し、下限（紫）は約５０ｍｍＨｇ以下（または２０ｍｍＨｇ、３０ｍｍＨｇ、４０ｍｍＨｇなど）を示し、緑は約８０ｍｍＨｇ（または上限と下限のほぼ中間である他の値）を示し得る。したがって、模擬血圧モデル５０は、一部の患者において、大動脈の大部分または全部が赤またはスペクトルのより高い端のほうに向かう他の色で示され得、冠状動脈及びそこから延びる分枝の遠位端に向かって、色がこのスペクトル範囲で徐々に変化し得る（例えば、スペクトルの低い端のほうに向かう（紫まで））。冠状動脈の遠位端は、特定の患者の場合、それぞれの遠位端について測定された局所血圧に応じて、異なる色、例えば、赤から紫のいずれかを有し得る。
模擬血流モデル５２（図１）は、模擬充血条件下における、図１７〜１９のメッシュ３８０によって表される患者の解剖学的形態全体の局所血液速度（例えば、センチメートル毎秒、すなわちｃｍ／秒単位）を示している。コンピュータ分析により、メッシュ３８０の各節点３８２での局所血液速度を明らかにすることができ、模擬血流モデル５２は、それぞれの速度に対応する色、陰影または他の視覚的指標を指定してよく、これにより、模擬血流モデル５２は、各節点３８２の個々の値を指定する必要なく、モデル５２全体の速度変化を視覚的に示すことができる。例えば、図１に示す模擬血流モデル５２は、この特定患者について、模擬充血条件下にて、速度が主冠状動脈及び分枝の特定の領域にて概して高い（図１の領域５３がより濃い陰影で示されるように）ことを示している。模擬血流モデル５２は、図１に示すように、血液速度の具体的な数値を示す目盛りを伴ってよい。
例示的実施形態において、模擬血流モデル５２はカラーで提供してよく、モデル５２全体の速度変化を示すためにカラースペクトルを用いることができる。カラースペクトルは、最高速度から最低速度の順に、赤、橙、黄、緑、青、藍及び紫を含み得る。例えば、上限（赤）は約１００（または１５０）ｃｍ／秒以上を示し、下限（紫）は約０ｃｍ／秒を示し、緑は約５０ｃｍ／秒（または上限と下限のほぼ中間である他の値）を示し得る。したがって、模擬血流モデル５２は、一部の患者において、大動脈の大部分または全部がスペクトルのより低い端のほうに向かう混合色（例えば緑から紫）で示され得、特定された血液速度が増す特定の位置で、色がこのスペクトル範囲で徐々に変化し得る（例えば、スペクトルの高い端のほうに向かう（赤まで））。
ｃＦＦＲモデル５４（図１）は、模擬充血条件下における、図１７〜１９のメッシュ３８０によって表される患者の解剖学的形態全体の局所ｃＦＦＲを示している。上述のように、ｃＦＦＲは、特定の節点３８２における、コンピュータ分析により特定された局所血圧（例えば、模擬血圧モデル５０にて示したもの）を、例えば流入境界３２２（図８）における大動脈血圧で除算した比として算出することができる。コンピュータ分析により、メッシュ３８０の各節点３８２でのｃＦＦＲを明らかにすることができ、ｃＦＦＲモデル５４は、それぞれのｃＦＦＲに対応する色、陰影または他の視覚的指標を指定してよく、これにより、ｃＦＦＲモデル５４は、各節点３８２の個々の値を指定する必要なく、モデル５４全体のｃＦＦＲの変動を視覚的に示すことができる。例えば、図１に示すｃＦＦＲモデル５４は、この特定患者について、模擬充血条件下にて、ｃＦＦＲが概して均一であり、大動脈で約１．０であると思われること、及び血液が主冠状動脈内及び分枝内へと下流に流れるにつれて、ｃＦＦＲが徐々にかつ連続的に減少していることを示している。ｃＦＦＲモデル５４はまた、図１に示すように、ｃＦＦＲモデル５４全体の特定の地点におけるｃＦＦＲ値を示してもよい。ｃＦＦＲモデル５４は、図１に示すように、ｃＦＦＲの具体的な数値を示す目盛りを伴ってよい。
例示的実施形態において、ｃＦＦＲモデル５４はカラーで提供してよく、モデル５４全体の圧力変動を示すためにカラースペクトルを用いることができる。カラースペクトルは、最低ｃＦＦＲ（機能的に有意である病変を示す）から最高ｃＦＦＲの順に、赤、橙、黄、緑、青、藍及び紫を含み得る。例えば、上限（紫）は、ｃＦＦＲが１．０であることを示し、下限（赤）は約０．７（または０．７５もしくは０．８）以下を示し、緑は約０．８５（または上限と下限のほぼ中間である他の値）を示し得る。例えば、下限は、ｃＦＦＲ測定値が機能的に有意である病変またはインターベンションを必要とし得る他の特徴を示すものであるかどうかを判断するために使用される下限（例えば、０．７、０．７５または０．８）に基づいて決定され得る。したがって、ｃＦＦＲモデル５４は、一部の患者において、大動脈の大部分または全部が紫またはスペクトルのより高い端のほうに向かう他の色で示され得、冠状動脈及びそこから延びる分枝の遠位端に向かって、色がこのスペクトル範囲で徐々に変化し得る（例えば、スペクトルのより高い端のほうに向かう（赤から紫のいずれかまで））。冠状動脈の遠位端は、特定の患者の場合、それぞれの遠位端について測定されたｃＦＦＲの局所値に応じて、異なる色、例えば、赤から紫のいずれかを有し得る。
ｃＦＦＲが、機能的に有意である病変またはインターベンションを必要とし得る他の特徴の存在を判断するために使用される下限未満に低下したことを特定した後、その動脈または分枝を評価して、機能的に有意な病変の位置を特定することができる。コンピュータシステムまたはユーザは、動脈または分枝の幾何学的形状に基づいて（例えば、ｃＦＦＲモデル５４を用いて）、機能的に有意な病変の位置を特定することができる。例えば、機能的に有意な病変は、局所最低値のｃＦＦＲを有するｃＦＦＲモデル５４の位置の近傍（例えば上流）に位置する狭小化または狭窄を発見することにより位置を特定できる。コンピュータシステムは、機能的に有意な病変を含むｃＦＦＲモデル５４（または他のモデル）の部分をユーザに示してもよいし、表示してもよい。
また、コンピュータ分析の結果に基づいて、他の画像を生成することもできる。例えば、コンピュータシステムは、図２０〜２２に示すように、特定の主冠状動脈に関する追加情報を提供することができる。例えば、特定の冠状動脈が最低ｃＦＦＲを含む場合、その冠状動脈がコンピュータシステムにより選択され得る。あるいは、ユーザが特定の冠状動脈を選択してもよい。
図２０は、コンピュータ分析の結果を含む、患者の解剖学的形態のモデルを示し、モデル上のある特定の地点が個々の参照ラベル（例えば、ＬＭ、ＬＡＤ１、ＬＡＤ２、ＬＡＤ３など）によって区別されている。図２１に示す例示的実施形態では、ＬＡＤ動脈上に地点を設けているが、このＬＡＤ動脈は、この特定の患者の模擬充血条件下でのｃＦＦＲが最低値である主冠状動脈である。
図２１及び２２は、これらの地点（例えば、ＬＭ、ＬＡＤ１、ＬＡＤ２、ＬＡＤ３など）のうちの一部もしくはすべて及び／またはモデル上の特定の他の位置（例えば、大動脈中など）における、ある特定の変数の経時的なグラフを示している。図２１は、図２０に示した大動脈内並びに地点ＬＡＤ１、ＬＡＤ２及びＬＡＤ３における経時的な圧力（例えば、水銀柱ミリメートル、すなわちｍｍＨｇ単位）のグラフである。グラフ上の一番上のプロットは大動脈内の圧力を示し、上から２番目のプロットは地点ＬＡＤ１における圧力を示し、上から３番目のプロットは地点ＬＡＤ２における圧力を示し、一番下のプロットは地点ＬＡＤ３における圧力を示す。図２２は、図２０に示した地点ＬＭ、ＬＡＤ１、ＬＡＤ２及びＬＡＤ３における経時的な流量（例えば、立法センチメートル毎秒、すなわちｃｃ／秒単位）のグラフである。更に、これらの地点の一部もしくはすべて及び／または他の地点における経時的なせん断応力のグラフなどの他のグラフを提供することもできる。グラフ上の一番上のプロットは地点ＬＭにおける流量を示し、上から２番目のプロットは地点ＬＡＤ１における流量を示し、上から３番目のプロットは地点ＬＡＤ２における流量を示し、一番下のプロットは地点ＬＡＤ３における流量を示す。また、特定の主冠状動脈及び／またはそこから延びる分枝の全長に沿った、これらの変数、例えば、血圧、血流、速度またはｃＦＦＲの変化を示すグラフを提供することもできる。
必要に応じて、上述した様々なグラフ及び他の結果をレポートにまとめることもできる（ステップ４０６）。例えば、上記の画像及び他の情報を既定のテンプレートを持つ文書に挿入してよい。テンプレートは、複数の患者向けに事前に設定された汎用的なものであってよく、コンピュータ分析の結果を医師及び／または患者に報告するために使用され得る。この文書またはレポートは、コンピュータ分析が完了した後に、コンピュータシステムによって自動的に完成されてよい。
例えば、最終レポートは、図２３に示す情報を含み得る。図２３には、図１のｃＦＦＲモデル５４が記載され、主冠状動脈及びそこから延びる分枝のそれぞれにおける最低ｃＦＦＲ値などの要約情報も含まれている。例えば、図２３は、ＬＡＤ動脈における最低ｃＦＦＲ値が０．６６であり、ＬＣＸ動脈における最低ｃＦＦＲ値が０．７２であり、ＲＣＡ動脈における最低ｃＦＦＲ値が０．８０であることを示す。他の要約情報には、患者の氏名、患者の年齢、患者の血圧（ＢＰ）（例えば、ステップ１００で取得したもの）、患者の心拍数（ＨＲ）（例えば、ステップ１００で取得したもの）などを挙げることができる。最終レポートはまた、医師または他のユーザが更なる情報を得るためにアクセスすることができる、上述のように生成された画像及び他の情報のバージョンも含み得る。コンピュータシステムによって生成された画像は、医師または他のユーザが任意の地点にカーソルを置いて、その地点における上記の変数、例えば、血圧、速度、流量、ｃＦＦＲなどのいずれかの値を得ることができるようにフォーマット化され得る。
最終レポートは、医師及び／または患者に送信され得る。最終レポートは、任意の既知の送信方法、例えば、無線または有線ネットワーク、郵便などを用いて送ることができる。あるいは、最終レポートがダウンロード可能であることまたは受取可能であることを医師及び／または患者に通知するようにしてもよい。次いで、医師及び／または患者は、ウェブベースのサービスにログインして、最終レポートを安全な通信回線を介してダウンロードすることができる。
Ｃ．結果の検証
図３を再度参照すると、コンピュータ分析の結果が独立して検証され得る（ステップ４０８）。例えば、ユーザ及び／またはコンピュータシステムは、上記ステップのいずれかの再実施を必要とする、コンピュータ分析の結果、例えば、ステップ４０６で生成された画像及び他の情報の特定のエラーを特定することができる。こうしたエラーが特定された場合、コンピュータ分析の結果を許容できないものと判断してよく、特定のステップ、例えば、ステップ１００、２００、３００、４００、サブステップ１０２、２０２〜２０８、２４０〜２６０、３０４〜３１４及び４０２〜４０８などを繰り返してもよい。
したがって、図３に示す上述のステップ４０２〜４０８は、図２のステップ４００のサブステップとみなすことができる。
コンピュータ分析の結果を検証するための別の方法は、結果に含まれる変数、例えば、血圧、速度、流量、ｃＦＦＲなどのいずれかを別の方法を用いて患者から測定することを含み得る。例示的実施形態において、変数は、測定を行い（例えば、侵襲的に）、次にコンピュータ分析によって特定された結果と比較してよい。例えば、ＦＦＲは、ソリッドモデル３２０及びメッシュ３８０によって表された患者の解剖学的形態内の１つまたは複数の地点において、例えば、上述したように、患者に挿入したプレッシャーワイヤーを用いて、特定することができる。ある位置で測定したＦＦＲを同じ位置のｃＦＦＲと比較することができ、この比較を複数の位置で実施してよい。必要に応じて、この比較に基づいて、コンピュータ分析及び／または境界条件を適合させてよい。
Ｄ．冠動脈血流の情報を提供するためのシステム及び方法の別の実施形態
特定患者の冠状動脈血流に関連する様々な情報を提供するための方法６００の別の実施形態を図２４Ａに示す。方法６００は、上述のコンピュータシステム、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムにて実施することができる。方法６００は、１つまたは複数の入力６１０を用いて実施され得、入力６１０に基づいて１つまたは複数のモデル６２０を生成することと、入力６１０及び／またはモデル６２０に基づいて１つまたは複数の条件６３０を指定することと、モデル６２０及び条件６３０に基づいて１つまたは複数の解６４０を導くこととを含み得る。
入力６１０は、患者の大動脈、冠状動脈（及びそこから延びる分枝）並びに心臓の医用画像データ６１１、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得したもの）を含み得る。入力６１０はまた、患者の上腕血圧の測定値６１２及び／または他の測定値（例えば、図２のステップ１００で取得したもの）も含み得る。測定値６１２は非侵襲的に取得してもよい。入力６１０は、モデル６２０の生成及び／または後述の条件６３０の特定に用いてよい。
上記のように、１つまたは複数のモデル６２０が入力６１０に基づいて生成され得る。例えば、方法６００は、画像データ６１１に基づいて、患者の解剖学的形態（例えば、大動脈、冠状動脈及びそこから延びる分枝）の１つまたは複数の患者固有の三次元幾何モデルを生成すること（ステップ６２１）を含み得る。例えば、幾何モデルは、図３のステップ３０６で生成される図８のソリッドモデル３２０及び／または図３のステップ３１２で生成される図１７〜１９のメッシュ３８０であってよい。
図２４Ａを再度参照すると、方法６００はまた、１つまたは複数の物理学的血流モデルを生成すること（ステップ６２２）も含み得る。血流モデルは、ステップ６２１で生成された患者固有の幾何学的モデルを通る血流、心臓及び動脈循環、遠位の冠循環などに関するモデルを含み得る。血流モデルは、モデル化した患者の解剖学的形態に関連する少なくとも１つの血流の特徴、例えば、血流、速度、圧力、流量、ＦＦＲなどに関し得る。血流モデルは、三次元幾何モデルの流入境界３２２及び流出境界３２４での境界条件として指定されてよい。血流モデルは、図３のステップ３１０に関連して上述した次数低減モデルまたは他の境界条件、例えば、集中定数型心臓モデル３４０、集中定数型冠状動脈モデル３５０、ウィンドケッセルモデル３６０などを含み得る。
上述した通り、１つまたは複数の条件６３０が入力６１０及び／またはモデル６２０に基づいて特定され得る。条件６３０は、ステップ６２２（及び図３のステップ３１０）で特定された境界条件について算出されたパラメータを含む。例えば、方法６００は、画像データ６１１に基づいて患者固有の心室または心筋の質量（例えば、図３のステップ２４０で特定されたもの）を算出することにより条件を明らかにすること（ステップ６３１）を含み得る。
方法６００は、ステップ６３１で算出された心室または心筋の質量を用いて、関係式Ｑ＝ＱｏＭα（式中、αは既定のスケーリング指数であり、Ｍは心室または心筋の質量であり、Ｑｏは既定の定数である）に基づいた安静時の冠血流を算出することにより条件を明らかにすること（例えば、図３のステップ３１０で集中定数モデルを特定することに関連して上述した通り）（ステップ６３２）を含み得る。あるいは、当該関係式は、図３のステップ３１０で集中定数モデルを特定することに関連して上述した通り、Ｑ∝ＱｏＭαの形式を有してもよい。
方法６００はまた、ステップ６３２で算出して得られた冠血流及び患者の測定血圧６１２を用いて、安静時の冠状動脈の全抵抗を算出することにより条件を明らかにすること（例えば、図３のステップ３１０で集中定数モデルを特定することに関連して上述した通り）（ステップ６３３）も含み得る。
方法６００はまた、ステップ６３３で算出された安静時の冠状動脈の全抵抗及びモデル６２０を用いて、個々の冠状動脈（及びそこから延びる分枝）の個々の抵抗を算出することにより条件を明らかにすること（ステップ６３４）も含み得る。例えば、図３のステップ３１０に関連して上述したように、ステップ６３３で算出された安静時の冠状動脈の全抵抗は、個々の冠状動脈及び分枝の遠位端の大きさ（例えば、ステップ６２１で生成された幾何学的モデルから特定されるもの）に基づき、かつ関係式Ｒ＝Ｒｏｄβ（式中、Ｒは特定の遠位端での流量に対する抵抗であり、Ｒｏは既定の定数であり、ｄは大きさ（例えば、遠位端の直径）であり、βは既定の冪則指数である）に基づいて、図３のステップ３１０で集中定数モデルを特定することに関連して上述した通り、個々の冠状動脈及び分枝に分布させてよい。
図２４Ａを再度参照すると、方法６００は、患者の１つまたは複数の身体的条件に基づいて、境界条件を適合させること（ステップ６３５）を含み得る。例えば、ステップ６３１〜６３４で特定されたパラメータを、解６４０が、安静、様々なレベルの充血、様々なレベルの運動または労作、様々な投薬などの模擬を行うことを意図しているかどうかに基づいて修正してよい。入力６１０、モデル６２０及び条件６３０に基づいて、例えば、図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、ステップ６３５で選択した身体的条件下での患者の冠動脈血流に関する情報を含む解６４０を明らかにすることができる（ステップ６４１）。解６４０から得ることができる情報の例を以下に記載する。
患者固有の解剖学的（幾何学的）及び生理学的（物理学的）モデルを複合させて用いると、心拍数、一回拍出量、血圧または冠微小循環機能を変える様々な投薬または生活様式の変更（例えば、禁煙、食事変更または身体活動の増加）の冠状動脈血流に対する影響を明らかにすることができる。このような情報は、医学的治療の最適化または薬物の潜在的な危険な影響を回避するために用いることができる。この複合モデルはまた、代替的な形態及び／または様々なレベルの身体活動または潜在的外力への曝露リスク、例えば、サッカーをしている時、宇宙飛行中、スキューバダイビング時、航空機の飛行時などの冠状動脈血流に対する影響を明らかにするためにも用いることができる。このような情報を用いて、特定患者にとって安全かつ有効であり得る身体活動の種類及び程度を特定することができる。また、この複合モデルを用いて、最適なインターベンション戦略を選択するために冠状動脈血流に対する経皮的冠動脈インターベンションの潜在的利益を予測すること及び／または最適な手術戦略を選択するために冠状動脈血流に対する冠状動脈バイパス手術の潜在的利益を予測することができる。
また、この複合モデルを用いて、動脈疾患の負担増加による冠状動脈血流への潜在的な有害作用を例示し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の進行が心筋への血流に障害をいつもたらし得るかを予測することができる。こうした情報は、非侵襲的な画像化を用いて初期に血行動態学的に有意な疾患を有さないと観察された患者が、医学的治療、インターベンション療法または外科的療法を必要としないであろう「保証期間」の特定、あるいは有害因子が継続した場合に進行が生じ得る速度の特定を可能にし得る。
また、この複合モデルを用いて、冠動脈疾患の負担減少によって生じる冠状動脈血流への潜在的な有益な効果を例示し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の退行が冠状動脈を通る心筋への血流の増加をいつもたらし得るかを予測することもできる。こうした情報は、限定するものではないが、食事変更、身体活動の増加、スタチンまたは他の薬剤の処方などを含む医学的管理プログラムの指針に用いることができる。
ＶＩ．患者固有の治療計画の提供
図２に示すステップ５００に関連して上述したように、例示的方法は、患者固有の治療計画を提供することを含み得る。例示的実施形態において、ステップ５００は次のステップを含み得る。図３には以下のステップを示していないが、これらのステップが、図３に示すステップとともに、例えばステップ４０６または４０８の後に実施され得ることは理解される。
上述の通り、図１及び２３に示すｃＦＦＲモデル５４は、未治療状態でかつ模擬充血条件下における、図１７〜１９のメッシュ３８０によって表される患者の解剖学的形態全体のｃＦＦＲ値を示している。この情報を用いることによって、医師は、患者に、運動の増加、食事の変更、薬剤の処方、モデル化した解剖学的形態の任意の部分または心臓の他の部分の手術（例えば、冠状動脈バイパス術、１つまたは複数の冠動脈ステントの挿入など）などの治療を指示することができる。
どの治療を指示するかを決定するために、コンピュータシステムを用いて、コンピュータ分析から明らかにされた情報が、当該治療に対して、どのように変化するかを予想することができる。例えば、ステントの挿入または他の手術などの特定の治療は、モデル化した解剖学的形態の幾何学的形状に変化をもたらし得る。したがって、例示的実施形態において、ステップ３０６で生成されたソリッドモデル３２０を修正して、ステントが挿入される１つまたは複数の内腔の拡大を示すことができる。
例えば、図１及び２３に示すｃＦＦＲモデル５４は、ＬＡＤ動脈における最低ｃＦＦＲ値が０．６６であり、ＬＣＸ動脈における最低ｃＦＦＲ値が０．７２であり、ＲＣＡ動脈における最低ｃＦＦＲ値が０．８０であることを示す。ｃＦＦＲ値が、例えば０．７５未満である場合、治療を提案するようにしてよい。したがって、コンピュータシステムは、ソリッドモデル３２０を修正するユーザに、ＬＡＤ動脈及びＬＣＸ動脈へのステントの挿入を模擬するために、これらの環状動脈の拡張を提示することを提案し得る。ユーザは、模擬ステントの位置及び大きさに対応する拡張の位置及び量（例えば、長さ及び直径）を選択するよう指示され得る。あるいは、様々な因子、例えば０．７５未満のｃＦＦＲ値を有する節点、有意な血管狭小の位置、従来のステントの大きさなどに基づいて、拡張の位置及び量がコンピュータシステムにより自動的に決定されてもよい。
図２５は、位置５１２のＬＡＤ動脈の一部及び位置５１４のＬＣＸ動脈の一部を拡張することにより作成されたソリッドモデルに基づいて特定された、修正ｃＦＦＲモデル５１０の例を示す。例示的実施形態において、上記のステップのいずれか、例えば、ステップ３１０〜３１４及び４０２〜４０８を、修正ソリッドモデルを用いて繰り返してよい。ステップ４０６において、最終レポートは、未治療（例えば、ステントなし）の患者に関する情報、例えば、図２３に示す情報、及び患者の模擬治療に関する情報、例えば図２５及び２６に示す情報を含み得る。
図２５には、修正ｃＦＦＲモデル５１０が記載され、提案された治療に関連して修正したソリッドモデルの主冠状動脈及びそこから延びる分枝における最低ｃＦＦＲ値などの要約情報も含まれている。例えば、図２５は、ＬＡＤ動脈（及びその下流分枝）における最低ｃＦＦＲ値が０．７８であり、ＬＣＸ動脈（及びその下流分枝）における最低ｃＦＦＲ値が０．７８であり、ＲＣＡ動脈（及びその下流分枝）における最低ｃＦＦＲ値が０．７９であることを示す。したがって、未治療の患者のｃＦＦＲモデル５４（ステントなし）と提案治療のｃＦＦＲモデル５１０（ステント挿入）を比較すると、提案された治療により、ＬＡＤ動脈の最小ｃＦＦＲが０．６６から０．７８に増加し得、ＬＣＸ動脈の最小ｃＦＦＲが０．７２から０．７６に増加するであろうこと、一方、ＲＣＡ動脈の最小ｃＦＦＲでは０．８０から０．７９というわずかな減少があろうことが示されている。
図２６は、ＬＡＤ動脈の位置５１２及びＬＣＸ動脈の位置５１４の部分を上述のように拡張した後に特定された、修正模擬血流モデル５２０の例を示す。図２６には、提案された治療に関連して修正したソリッドモデルの主冠状動脈及びそこから延びる分枝の様々な位置における血流値などの要約情報も含まれている。例えば、図２６は、未治療の患者（ステントなし）と治療が施された患者（ステント挿入）に関して、ＬＡＤ動脈上のＬＡＤ１、ＬＡＤ２、ＬＡＤ３及びＬＡＤ４の４つの位置並びにＬＣＸ動脈上のＬＣＸ１及びＬＣＸ２の２つの位置における血流値を示している。図２６にはまた、未治療の状態と治療を施した状態との間の血流値の変化率も示されている。したがって、未治療患者の模擬血流モデル５２と提案治療の模擬血流モデル５２０を比較すると、提案された治療により、ＬＡＤ動脈及びＬＣＸ動脈を通る流量が、ＬＡＤ１〜ＬＡＤ４、ＬＣＸ１及びＬＣＸ２のすべての位置において、位置に応じて９％〜１９％増加し得ることが示されている。
また、冠状動脈の血圧などの他の情報を、未治療の状態と治療を施した状態とで比較してもよい。この情報に基づいて、医師は、提案する治療選択肢を進めるかどうかについて、患者と話し合うことができる。
また、他の治療選択肢には、ソリッドモデル３２０を様々な方法で修正することが伴い得る。例えば、冠状動脈バイパス術にはソリッドモデル３２０に新しい内腔または通路を作成することが伴い得、病変の除去には内腔または通路を拡張することが伴い得る。他の治療選択肢には、ソリッドモデル３２０を修正することが伴わないことがある。例えば、運動もしくは労作の増加、食事の変更または他の生活様式の変更、薬剤の処方などには、例えば、血管収縮、拡張、心拍数の減少などにより、ステップ３１０で特定された境界条件を変更することが伴い得る。例えば、患者の心拍数、心拍出量、一回拍出量、血圧、冠微小循環機能、集中定数モデルの構成などは、処方された薬剤、採用された運動（または他の労作）の種類及び頻度、採用された生活様式の変更の種類（例えば、禁煙、食事の変更など）などによって異なり得、これにより、ステップ３１０で特定された境界条件に様々な形で影響がある。
例示的実施形態において、修正した境界条件を多数の患者からのデータを用いて実験的に特定してよく、類似の治療選択肢には類似の方法で境界条件を修正することが必要とされ得る。多数の患者固有のデータ集団から経験モデルを開発し、今後の分析において類似の患者に適用することができる特定の治療選択肢に対応する境界条件のライブラリまたは境界条件を算出するための関数を作成することができる。
境界条件を修正した後、上記のステップ、例えば、ステップ３１２、３１４及び４０２〜４０８を、修正した境界条件を用いて繰り返してよく、ステップ４０６において、最終レポートは、未治療の患者に関連する情報、例えば、図２３に示す情報、及び患者の模擬治療に関連する情報、例えば図２５及び２６に示す情報を含み得る。
あるいは、医師、患者または他のユーザが、三次元モデル（例えば、図８のソリッドモデル３２０）との対話を可能にするユーザインターフェースを備えてもよい。モデル３２０は、１つまたは複数の治療選択肢を反映するためにユーザが編集することができるユーザ選択可能なセグメントに分割され得る。例えば、ユーザは、狭窄（または閉塞、例えば急性閉塞）を有するセグメントを選択し、そのセグメントを適合させて狭窄を除去することができ、ユーザは、バイパスとするためのセグメントなどをモデル３２０に加えてよい。ユーザはまた、上記で特定された境界条件を変更し得る他の治療選択肢及び／または生理学的パラメータ、例えば、心拍出量の変化、心拍数、一回拍出量、血圧、運動または労作レベル、充血レベル、投薬などを指定するように指示され得る。代替的実施形態では、コンピュータシステムが治療選択肢を決定または提案し得る。
ユーザインターフェースは、三次元モデル３２０との対話を可能にし、ユーザが狭窄（または閉塞、例えば、急性閉塞）の模擬を行うことを可能にし得る。例えば、ユーザは、狭窄を含むようにセグメントを選択することができ、コンピュータシステムを用いて、コンピュータ分析から明らかにされた情報が、狭窄の追加に対して、どのように変化するかを予想することができる。したがって、本明細書に記載の方法は、動脈が閉塞することの影響を予想するために使用することができる。
ユーザインターフェースはまた、三次元モデル３２０との対話により、例えば、癌性腫瘍の除去時などの特定の外科手術にて発生し得る損傷動脈または動脈除去の模擬を行うことを可能にし得る。また、十分な血流を患者に供給するための側副路の可能性を予想するために、このモデルを修正して、特定の動脈を通る血流を妨げることの影響を模擬することができる。
Ａ．様々な治療選択肢を比較するための次数低減モデルの使用
例示的実施形態において、コンピュータシステムは、ユーザが、三次元ソリッドモデル３２０またはメッシュ３８０を次数低減モデルに置き換えることによって、より迅速に様々な治療選択肢の模擬を行うことを可能にし得る。図２７は、例示的実施形態による、次数低減モデルを用いて様々な治療選択肢の模擬を行うための方法７００に関連する概略図を示している。方法７００は、上述のコンピュータシステム上で実施され得る。
血流または他のパラメータを表す１つまたは複数の患者固有の模擬血流モデルは、上述のコンピュータ分析から出力することができる（ステップ７０１）。例えば、模擬血流モデルは、上述の図２及び図３に示す方法を用いるものであれば、図１の模擬血圧モデル５０、図１の模擬血流モデル５２、図１のｃＦＦＲモデル５４などを含んでよい。上述の通り、模擬血流モデルは、患者の解剖学的形態の三次元幾何モデルを含み得る。
次数低減モデルの条件を指定するために、機能情報を模擬血流モデルから抽出することができる（ステップ７０２）。例えば、機能情報には、上述のコンピュータ分析を用いて明らかにした、血圧、流量または速度の情報を含み得る。
次数低減（例えば、０次元または一次元）モデルを与えて、ステップ７０１で生成された患者固有の模擬血流モデルを生成するために用いた三次元ソリッドモデル３２０を置き換えてよく、この次数低減モデルを用いて、患者の冠動脈血流に関する情報を特定してよい（ステップ７０３）。例えば、次数低減モデルは、図３に示すステップ３１０に関連して上述したように生成された集中定数モデルであってよい。したがって、この集中定数モデルは、患者の解剖学的形態の単純化モデルであり、図１７〜１９のメッシュ３８０に関連するより複雑な方程式を解く必要なく、患者の冠動脈血流に関する情報を明らかにするために使用することができる。
次いで、ステップ７０３において次数低減モデルを解くことにより明らかにされた情報を、患者の解剖学的形態の三次元ソリッドモデル（例えば、ソリッドモデル３２０）にマッピングまたは外挿してよく（ステップ７０４）、ユーザは、要望に応じて、次数低減モデルに変更を加えて、ユーザによって選択され得る様々な治療選択肢及び／または患者の生理学的パラメータの変更の模擬を行うことができる（ステップ７０５）。選択可能な生理学的パラメータには、心拍出量、運動もしくは労作レベル、充血レベル、投薬の種類などを挙げることができる。選択可能な治療選択肢には、狭窄の除去、バイパスの追加などを挙げることができる。
次いで、この次数低減モデルを、ユーザによって選択された治療選択肢及び／または生理学的パラメータに基づいて修正してよく、この修正した次数低減モデルを用いて、選択された治療選択肢及び／または生理学的パラメータに関連する、患者の冠動脈血流に関する情報を明らかにすることができる（ステップ７０３）。次いで、ステップ７０３において次数低減モデルを解くことにより明らかにされた情報を、患者の解剖学的形態の三次元ソリッドモデル３２０にマッピングまたは外挿して、患者の解剖学的形態の冠動脈血流に対する、選択された治療選択肢及び／または生理学的パラメータの効果を予測することができる（ステップ７０４）。
ステップ７０３〜７０５は、様々な異なる治療選択肢及び／または生理学的パラメータについて繰り返して、様々な治療選択肢の予想される効果を互いに比較したり、無治療患者の冠動脈血流に関する情報と比較したりすることができる。その結果、三次元メッシュ３８０を用いたより複雑な分析を再び実行する必要なく、様々な治療選択肢及び／または生理学的パラメータについて予測される結果を互いに評価したり、無治療患者に関する情報と比較して評価したりすることができる。代わりに、ユーザが、異なる治療選択肢及び／または生理学的パラメータをより簡単かつ迅速に分析し、比較することを可能にし得る、次数低減モデルを用いてもよい。
図２８は、例示的実施形態による、次数低減モデルを用いて様々な治療選択肢の模擬を行うための例示的方法の更なる態様を示している。方法７００は、上述のコンピュータシステム上で実施され得る。
図３のステップ３０６に関連して上述したように、患者の画像データに基づいて、患者固有の幾何モデルを生成することができる（ステップ７１１）。例えば、画像データは、図２のステップ１００で取得されたＣＣＴＡデータを含み得、幾何モデルは、図３のステップ３０６で生成される図８のソリッドモデル３２０及び／または図３のステップ３１２で生成される図１７〜１９のメッシュ３８０であってよい。
この患者固有の三次元幾何モデルを用いて、例えば図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、患者の冠動脈血流に関する情報を明らかにしてもよい（ステップ７１２）。コンピュータ分析により、血流または他のパラメータを表す１つまたは複数の三次元の患者固有の模擬血流モデル、例えば、図１の模擬血圧モデル５０、図１の模擬血流モデル５２、図１のｃＦＦＲモデル５４などが出力され得る。
模擬血流モデルは、モデルの解剖学的特徴に基づいて、セグメント化してもよい（例えば、図１４に関連して上述したように）（ステップ７１３）。例えば、主冠状動脈から延びる分枝を別個のセグメントで提供してもよく（ステップ７１４）、狭窄または疾患部を含む部分を別個のセグメントで提供してもよく（ステップ７１６）、分枝と狭窄または疾患部を含む部分との間の部分を別個のセグメントで提供してもよい（ステップ７１５）。模擬血流モデルをセグメント化する際、各血管が複数の短い分離セグメントまたは例えば血管全体を含むより長いセグメントを含み得るように、様々な程度の分解能で提供され得る。また、模擬血流モデルをセグメント化するための様々な技法が提供されてもよく、これには中央線を生成し、生成された中央線に基づいて区切ること、または分枝点を検出し、検出された分枝点に基づいて区切ることが含まれる。疾患部分及び狭窄は、例えば、中央線の長手方向の断面積を測定し、最小断面積を局所的に算出することにより特定することができる。ステップ７１１〜７１６は、図２７のステップ７０１のサブステップとみなすことができる。
セグメントは、図１５に関連して上述したように、集中定数モデルの要素、例えば抵抗器、コンデンサ、インダクタなどで置き換えることができる。集中定数モデルに使用される抵抗、キャパシタンス、インダクタンス及び他の電気要素に関係する他の変数の個々の値は、ステップ７１２で提供される模擬血流モデルから導くことができる。例えば、分枝及び分枝と狭窄または疾患部を含む部分との間の部分に関して、模擬血流モデルから導かれた情報を用いて、対応するセグメントに線形抵抗を指定してもよい（ステップ７１７）。狭窄または疾患部などの複雑な幾何学的形状を有する部分の場合、抵抗は流量によって変化し得る。したがって、図１５に関連して上述したように、複数のコンピュータ分析を用いて、様々な流量及び圧力条件の模擬血流モデルを取得して、これらの複雑な幾何学的形状に関する患者固有、血管固有及び病変固有の抵抗関数を導くことができる。したがって、狭窄または疾患部を含む部分に関して、これらの複数のコンピュータ分析から導かれた情報または以前のデータから導かれたモデルを用いて、対応するセグメントに非線形の流量依存的な抵抗を指定することができる（ステップ７１８）。ステップ７１７及び７１８は、図２７のステップ７０２のサブステップとみなすことができる。
ステップ７１７及び７１８で測定された抵抗を用いて、次数低減（例えば、０次元または一次元）モデルを生成することができる（ステップ７１９）。例えば、次数低減モデルは、図３のステップ３１０に関連して上述したように生成された集中定数モデルであってよい。したがって、この集中定数モデルは、患者の解剖学的形態の単純化モデルであり、図１７〜１９のメッシュ３８０に関連するより複雑な方程式を解く必要なく、患者の冠動脈血流に関する情報を明らかにするために使用することができる。
ステップ７１９で作成された次数低減モデルとユーザが対話することを可能にするユーザインターフェースが提供され得る（ステップ７２０）。例えば、ユーザは、次数低減モデルの異なるセグメントを選択し編集して異なる治療選択肢の模擬を行ってもよく、かつ／または様々な生理学的パラメータを編集してもよい。例えば、疾患領域を修復するためのステントの挿入などのインターベンションを、ステントが挿入されるセグメントの抵抗を減少させることによってモデル化することができる。バイパスの形成は、疾患セグメントと平行の低い抵抗を有するセグメントを追加することによってモデル化することができる。
この修正した次数低減モデルを解いて、ステップ７２０で選択された治療及び／または生理学的パラメータの変化における患者の冠動脈血流に関する情報を明らかにすることができる（ステップ７２１）。ステップ７２１で特定された各セグメントにおける流量及び圧力の解の値は、次いで、ステップ７１２で特定された三次元解と比較され得、それらのセグメントの抵抗関数（例えば、ステップ７１７及び７１８で特定される）を適合させ、解が一致するまで次数低減モデルを解く（例えば、ステップ７２１）ことによって、いずれの差も最小化することができる。結果として、次数低減モデルを作成し、次いで比較的迅速な計算（例えば、完全三次元モデルと比較した場合）を可能にする単純化した一連の方程式を用いて次数低減モデルを解くことができ、これを使用して、完全三次元計算解の結果と極めて近似し得る流量及び圧力を求めることができる。次数低減モデルは、様々な異なる治療選択肢をモデル化するための比較的迅速な反復を可能にする。
次いで、ステップ７２１において次数低減モデルを解くことにより明らかにされた情報を、患者の解剖学的形態の三次元ソリッドモデル（例えば、ソリッドモデル３２０）にマッピングまたは外挿してよい（ステップ７２２）。ステップ７１９〜７２２は、図２７のステップ７０３〜７０５と類似していてもよく、ユーザの所望に応じて繰り返して、治療選択肢及び／または生理学的パラメータの様々な組み合わせの模擬を行ってもよい。
あるいは、三次元モデルからセグメントに沿った抵抗を算出する（例えば、ステップ７１７及び７１８について上述したように）のではなく、中央線に沿って間隔を置いた流量及び圧力を集中定数または一次元モデルに規定してもよい。実効抵抗または損失係数は、境界条件並びに規定した流量及び圧力の制約下で求めることができる。
また、個々のセグメントにわたる流量及び圧力の勾配を用いて、次数低減モデルから導かれた解（例えば、ステップ７２１について上述したように）を使用して心外膜冠動脈の抵抗を計算することができる。心外膜冠動脈の抵抗は、心外膜冠状動脈（医用画像データから再構成された患者固有のモデルに含まれる冠状動脈及びそこから延びる分枝の部分）の等価抵抗として算出することができる。これは、冠状動脈にびまん性アテローム性動脈硬化症を有する患者がなぜ虚血症状（血液供給の制約）を示し得るのかを説明する際に、臨床的意義を有し得る。また、模擬を行った薬理学的に誘導した充血または様々な運動強度の条件下における心筋組織体積（または質量）単位当たりの流量及び／または心仕事量単位当たりの流量は、次数低減モデルからのデータを用いて算出することができる。
結果として、三次元血流モデリングの精度と、一次元及び集中定数モデリング技術に本来備わる計算の簡易性及び相対速度とを組み合わせることができる。三次元計算法は、正常セグメント、狭窄、分岐点及び他の解剖学的特徴の圧力損失について数値的に導かれた経験モデルを組み込んだ、患者固有の一次元モデルまたは集中定数モデルを数値的に導くために使用することができる。心臓血管疾患を有する患者にとって改善された診断を提供することができ、薬物治療、インターベンション治療及び外科治療の計画をより迅速に実施することができる。
また、三次元計算流体力学技術の精度と、血流の集中定数及び一次元モデルの計算の簡易性及び実効能力とを組み合わせることができる。三次元の幾何学的及び生理学的モデルは、次数低減一次元モデルまたは集中定数モデルに自動的に分解することができる。三次元モデルは、正常セグメント、狭窄及び／または分枝を通る血流の線形もしくは非線形の血行動態効果を計算するために並びに経験モデルのパラメータを設定するために使用することができる。一次元モデルまたは集中定数モデルは、患者固有モデルの血流及び圧力をより効率的かつ迅速に求め、集中定数解または一次元解の結果を表示することができる。
患者固有の解剖学的及び生理学的次数低減モデルは、心拍数、一回拍出量、血圧または冠微小循環機能を変える様々な薬物療法または生活様式の変更（例えば、禁煙、食事変更または身体活動の増加）の冠状動脈血流に対する影響を明らかにするために用いることができる。このような情報は、医学的治療の最適化または薬物の潜在的な危険な影響を回避するために用いることができる。この次数低減モデルはまた、代替的な形態及び／または様々なレベルの身体活動または潜在的外力への曝露リスク、例えば、サッカーをしている時、宇宙飛行中、スキューバダイビング時、航空機の飛行時などの冠状動脈血流に対する影響を明らかにするために用いることができる。このような情報を用いて、特定患者にとって安全かつ有効であり得る身体活動の種類及び程度を特定することができる。また、この次数低減モデルを用いて、最適なインターベンション戦略を選択するために冠状動脈血流に対する経皮的冠動脈インターベンションの潜在的利益を予測すること及び／または最適な手術戦略を選択するために冠状動脈血流に対する冠状動脈バイパス手術の潜在的利益を予測することができる。
また、この次数低減モデルを用いて、動脈疾患の負担増加による冠状動脈血流への潜在的な有害作用を例示し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の進行が心筋への血流に障害をいつもたらし得るかを予測することができる。こうした情報は、非侵襲的な画像化を用いて初期に血行動態学的に有意な疾患を有さないと観察された患者が、医学的治療、インターベンション療法または外科的療法を必要としないであろう「保証期間」の特定、あるいは有害因子が継続した場合に進行が生じ得る速度の特定を可能にし得る。
また、この次数低減モデルを用いて、冠動脈疾患の負担減少によって生じる冠状動脈血流への潜在的な有益な効果を例示し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の退行が冠状動脈を通る心筋への血流の増加をいつもたらし得るかを予測することもできる。こうした情報は、限定するものではないが、食事変更、身体活動の増加、スタチンまたは他の薬剤の処方などを含む医学的管理プログラムの指針に用いることができる。
次数低減モデルはまた、血管造影システムに組み込んで、医師が心臓カテーテル検査室で患者を診察している間に、治療選択肢の即時計算を可能にし得る。このモデルは、血管造影表示と同じ配向で位置合わせして、冠状動脈の即時での血管造影像と模擬血流の解との並列または重複での結果を可能にし得る。医師は、処置中に観察を行いながら、治療計画を計画及び変更することができ、医療上の決定が行われる前に比較的迅速なフィードバックが可能である。医師は、侵襲的に圧力、ＦＦＲまたは血流の測定を行ってよく、その測定値を使用してモデルを更に改良して予測シミュレーションを実施してよい。
次数低減モデルはまた、医用画像診断システムまたはワークステーションに組み込むこともできる。次数低減モデルが以前の患者固有のシミュレーション結果のライブラリから導かれる場合、次いで、その次数低減モデルを幾何学的セグメンテーションアルゴリズムと併用すると、画像スキャン完了後に血流情報を比較的迅速に解くことができる。
次数低減モデルはまた、多数の患者集団における新しい薬物療法の有効性または治療選択肢の費用／利益をモデル化するために使用することができる。複数の患者固有の集中定数モデル（例えば、数百、数千またはそれ以上）のデータベースは、比較的短時間で解くためのモデルを提供し得る。薬物、療法または臨床試験のシミュレーションまたは設計のために、比較的迅速な反復及び最適化がもたらされ得る。治療、患者の薬物応答または外科的インターベンションを表すようにモデルを適合させることにより、高い費用がかかる可能性があり、かつ危険を伴う可能性がある大規模な臨床試験を実施する必要なく、有効性の予測を得ることができる。
ＶＩＩ．他の結果
Ａ．心筋灌流の評価
他の結果を算出することもできる。例えば、コンピュータ分析により、心筋灌流（心筋を通る血流）を定量化する結果が提供され得る。心筋灌流の定量化は、例えば虚血（血液供給の制約）、瘢痕化または他の心臓障害に起因する心筋血流の減少範囲を特定するのに役立ち得る。
図２９は、例示的実施形態による、特定患者における心筋灌流に関連する様々な情報を提供するための方法８００に関連する概略図を示している。方法８００は、上述のコンピュータシステム、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムにて実施することができる。
方法８００は、１つまたは複数の入力８０２を用いて実施され得る。入力８０２は、患者の大動脈、冠状動脈（及びそこから延びる分枝）並びに心臓の医用画像データ８０３、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得したもの）を含み得る。入力８０２はまた、患者から測定された追加の生理学的データ８０４、例えば、患者の上腕血圧、心拍数及び／または他の測定値（例えば、図２のステップ１００で取得したもの）も含み得る。追加の生理学的データ８０４は、非侵襲的に取得してもよい。入力８０２を用いて、後述のステップを実施することができる。
患者の心筋組織の三次元幾何モデルは、画像データ８０３に基づいて作成することができ（ステップ８１０）、この幾何モデルをセグメントまたは体積に分割してもよい（ステップ８１２）。例えば、図３１は、セグメント８４２に分割した患者の心筋組織の三次元幾何モデル８３８を含む三次元幾何モデル８４６を示している。個々のセグメント８４２の大きさ及び位置は、冠状動脈（及びそこから延びる分枝）の流出境界３２４（図８）の位置、それぞれのセグメント８４２内の血管またはそれぞれのセグメント８４２に連結する血管（例えば隣接する血管）の大きさなどに基づいて明らかにされ得る。幾何心筋モデル８３８のセグメント８４２への分割は、様々な既知の方法、例えば高速マーチング法、一般化高速マーチング法、レベルセット法、拡散方程式、多孔質媒体中の流れを支配する方程式などを用いて実施することができる。
三次元幾何モデルはまた、患者の大動脈及び冠状動脈（及びそこから延びる分枝）の一部も含んでよく、これは画像データ８０３に基づいてモデル化することができる（ステップ８１４）。例えば、図３１の三次元幾何モデル８４６は、患者の大動脈及び冠状動脈（及びそこから延びる分枝）の三次元幾何モデル８３７と、ステップ８１０で作成された患者の心筋組織の三次元幾何モデル８３８とを含む。
図２９を再度参照すると、例えば図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、ユーザによって決定された身体的条件下で、患者の冠動脈血流に関する情報を含む解を明らかにすることができる（ステップ８１６）。例えば、身体的条件は、安静、選択されたレベルの充血、選択されたレベルの運動もしくは労作または他の条件を含み得る。この解は、ステップ８１４でモデル化された患者の解剖学的形態中の様々な位置における、特定の身体的条件下での血流及び圧力などの情報を提供することができる。コンピュータ分析は、集中定数または一次元モデルから導かれる流出境界３２４（図８）の境界条件を用いて実施してよい。図３０に関連して後述するように、一次元モデルを生成して、セグメント８４２を埋めてもよい。
ステップ８１６で明らかにされた血流情報に基づいて、ステップ８１２で作成された心筋のそれぞれのセグメント８４２に入る血流の灌流を算出することができる（ステップ８１８）。例えば、この灌流は、流出境界３２４（図８）の各流出口からの流量を、その流出口で灌流されるセグメント化した心筋の体積で除することによって算出することができる。
ステップ８１８で特定された心筋のそれぞれのセグメントの灌流は、ステップ８１０または８１２で生成された心筋の幾何モデル（例えば、図３１に示す患者の心筋組織の三次元幾何モデル８３８）上に表示することができる（ステップ８２０）。例えば、図３１は、幾何モデル８３８の心筋のセグメント８４２を異なる陰影または色で図示して、それぞれのセグメント８４２に入る血流の灌流を示すことができることを示している。
図３０は、例示的実施形態による、特定患者における心筋灌流に関連する様々な情報を提供するための方法８２０に関連する別の概略図を示している。方法８２０は、上述のコンピュータシステム、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムにて実施することができる。
方法８２０は、１つまたは複数の入力８３２を用いて実施され得、入力８３２は、患者の大動脈、冠状動脈（及びそこから延びる分枝）並びに心臓の医用画像データ８３３、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得したもの）を含み得る。入力８３２を用いて、後述のステップを実施することができる。
患者の心筋組織の三次元幾何モデルは、画像データ８３３に基づいて作成することができる（ステップ８３５）。モデルはまた、患者の大動脈及び冠状動脈（及びそこから延びる分枝）の一部も含んでよく、これは画像データ８０３に基づいて作成してもよい。例えば、上述のように、図３１は、患者の大動脈及び冠状動脈（及びそこから延びる分枝）の幾何モデル８３７と、患者の心筋組織の幾何モデル８３８とを含む三次元幾何モデル８３６を示している。ステップ８３５は、上述した図２９のステップ８１０及び８１４を含み得る。
図３０を再度参照すると、幾何心筋モデル８３８は、体積またはセグメント８４２に分割され得る（ステップ８４０）。ステップ８４０は、上述した図２９のステップ８１２を含み得る。上述の通り、図３１は、セグメント８４２に分割した患者の心筋組織の幾何モデル８３８を含む三次元幾何モデル８４６を示している。
図３０を再度参照すると、幾何モデル８４６を修正して、冠動脈ツリーに次世代の分枝８５７を含めるようにしてもよい（ステップ８５５）。分枝８５７（図３１に点線で図示）の位置及び大きさは、冠状動脈（及びそこから延びる分枝）の中央線に基づいて特定することができる。この中央線は、例えば画像データ８３３に基づいて特定することができる（ステップ８４５）。また、アルゴリズムを用いて、形態計測モデル（流出境界３２４（図８）の既知の流出口の下流の血管の位置及び大きさを予測するために使用されるモデル）及び／または血管サイズに関連する生理学的分岐の法則に基づいて、分枝８５７の位置及び大きさを特定してもよい（ステップ８５０）。幾何モデル８３７に含まれる冠状動脈（及びそこから延びる分枝）の下流端まで形態計測モデルを拡大し、心外膜面（心臓組織の外層）上に提供してもよいし、心筋壁の幾何モデル８３８内に含めてもよい。
心筋は、ステップ８５５で作成された分枝８５７に基づいて、更にセグメント化してもよい（ステップ８６０）。例えば、図３１は、セグメント８４２をサブ体積またはサブセグメント８６２に分割できることを示している。
サブセグメント８６２中に追加分枝８５７を作成してもよく、このサブセグメント８６２をより小さいセグメント８６７に更にセグメント化してもよい（ステップ８６５）。分枝を作成し、体積をサブセグメント化するステップは、所望の体積サイズ及び／または分枝サイズの分解能が得られるまで繰り返してもよい。ステップ８５５及び８６５で新しい分枝８５７を含むように拡大されたモデル８４６は、次いで、サブセグメント、例えばステップ８６５で生成されたサブセグメント８６７に入る冠動脈血流及び心筋灌流を計算するために使用することができる。
したがって、拡大モデルを用いて、上述のコンピュータ分析を実施することができる。コンピュータ分析の結果により、患者固有の冠動脈モデル、例えば図３１のモデル８３７から、ステップ８６５で生成された各灌流サブセグメント８６７内にまで延長してもよい、生成された形態計測モデル（ステップ８５５及び８６５で生成された分枝８５７を含む）に入る血流に関連する情報が提供され得る。コンピュータ分析は、静的な心筋灌流体積または結合した心臓力学モデルからのデータを組み込んだ動的モデルを用いて実施することができる。
図３２は、例示的実施形態による、特定患者における心筋灌流に関連する様々な情報を提供するための方法８７０に関連する別の概略図を示している。方法８７０は、上述のコンピュータシステム、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムにて実施することができる。
方法８７０は、１つまたは複数の入力８７２を用いて実施され得る。入力８７２は、患者の大動脈、冠状動脈（及びそこから延びる分枝）並びに心臓の医用画像データ８７３、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得したもの）を含み得る。入力８７２はまた、患者から測定された追加の生理学的データ８７４、例えば、患者の上腕血圧、心拍数及び／または他の測定値（例えば、図２のステップ１００で取得したもの）も含み得る。追加の生理学的データ８７４は、非侵襲的に取得してもよい。入力８７２は、患者から（例えば、ＣＴ、ＰＥＴ、ＳＰＥＣＴなどを用いて）測定された心灌流データ８７５を更に含み得る。入力８７２を用いて、後述のステップを実施することができる。
患者の大動脈及び冠状動脈（及びそこから延びる分枝）の三次元幾何モデルは、画像データ８７３に基づいて作成することができる（ステップ８８０）。例えば、図３１は、患者の大動脈及び冠状動脈（及びそこから延びる分枝）の三次元幾何モデル８３７を示している。ステップ８８０は、上述した図２９のステップ８１４と類似していてよい。
例えば図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、ユーザによって決定された身体的条件下での患者の冠動脈血流に関する情報を含む解を明らかにしてもよい（ステップ８８２）。例えば、身体的条件は、安静、選択されたレベルの充血、選択されたレベルの運動もしくは労作または他の条件を含み得る。この解は、ステップ８８０でモデル化された患者の解剖学的形態中の様々な位置における、特定の身体的条件下での血流及び圧力などの情報を提供することができる。ステップ８８２は、上述した図２９のステップ８１６と類似していてよい。
また、患者の心筋組織の三次元幾何モデルは、画像データ８７３に基づいて作成することができる（ステップ８８４）。例えば、上述の通り、図３１は、患者の心筋組織の三次元幾何モデル８３８（例えば、ステップ８８４で作成されたもの）と、患者の大動脈及び冠状動脈（及びそこから延びる分枝）の三次元幾何モデル８３７（例えば、ステップ８８０で作成されたもの）とを含む三次元幾何モデル８３６を示している。ステップ８８４は、上述した図２９のステップ８１０と類似していてよい。
この幾何モデルをセグメントまたはサブ体積に分割してもよい（ステップ８８６）。例えば、図３１は、セグメント８４２に分割した患者の心筋組織のモデル８３８を含む幾何モデル８４６を示している。ステップ８８６は、上述した図２９のステップ８１２と類似していてよい。
ステップ８８２で明らかにされた血流情報に基づいて、ステップ８８６で作成された心筋のそれぞれのセグメント８４２に入る血流の灌流を算出することができる（ステップ８８８）。ステップ８８８は、上述した図２９のステップ８１８と類似していてよい。
算出された心筋のそれぞれのセグメントの灌流は、ステップ８８４または８８６で生成された心筋の幾何モデル（例えば、図３１に示す患者の心筋組織の三次元幾何モデル８３８）上に表示することができる（ステップ８９０）。例えば、図３１は、幾何モデル８３８の心筋のセグメント８４２を異なる陰影または色で図示して、それぞれのセグメント８４２に入る血流の灌流を示すことができることを示している。ステップ８９０は、上述した図２９のステップ８２０と類似していてよい。
ステップ８９０で心筋の三次元幾何モデル上にマッピングされた模擬灌流データを、測定された心灌流データ８７５と比較することができる（ステップ８９２）。例えば、心筋のボクセルに基づく表示または心筋の異なる離散的表示、例えば有限要素メッシュ上で比較を行うことができる。この比較は、心筋の三次元表示上に様々な色及び／または陰影を用いて、模擬の灌流データと測定された灌流データとの差を示すことができる。
ステップ８８０で作成された三次元幾何モデルの流出口における境界条件を適合させて、模擬の灌流データと測定された灌流データとの間の誤差を減少させてもよい（ステップ８９４）。例えば、誤差を減少させるために、測定された灌流よりも低い模擬の灌流の領域（例えば、セグメント８４２、８６２または８６７）に栄養を供給する血管に対する規定の流動抵抗を減少させるように、境界条件を適合させることができる。境界条件の他のパラメータを適合させてもよい。あるいは、モデルの分枝構造を修正してもよい。例えば、ステップ８８０で作成された幾何モデルを、図３０及び３１に関連して上述したように拡大して、形態計測モデルを作成することができる。境界条件及び／または形態計測モデルのパラメータは、パラメータ推定法またはデータ同化法、例えば「Ｍｅｔｈｏｄ ｆｏｒ Ｔｕｎｉｎｇ Ｐａｔｉｅｎｔ−Ｓｐｅｃｉｆｉｃ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｉｍｕｌａｔｉｏｎｓ」と題する米国特許出願公開第２０１０／００１７１７１号または他の方法を用いて、経験的または系統的に適合させてもよい。
図３２のステップ８８２、８８８、８９０、８９２、８９４及び／または他のステップは、例えば、模擬の灌流データと測定された灌流データとの誤差が既定の閾値を下回るまで繰り返してもよい。その結果、解剖学的情報、冠動脈血流の情報及び心筋灌流の情報を関連付けるモデルを用いて、コンピュータ分析を実施することができる。かかるモデルは、診断上の目的のために及び薬物療法、インターベンション療法または手術療法の利益を予測するために有用となり得る。
結果として、三次元医用画像データから構築した患者固有の幾何モデルにおいて、安静及び／または負担条件下での冠動脈血流及び心筋灌流の模擬を行うことができる。測定された心筋灌流データを模擬の心筋灌流結果と組み合わせて使用して、模擬の心筋灌流結果が、測定された心筋灌流データと所定の許容差内で一致するまで（例えば、図３２に関連して上述したように）、境界条件を適合させてもよい。より正確な患者固有の冠動脈血流計算を提供してもよく、心臓専門医が、最大運動もしくは労作、模擬治療または他の条件下で患者を模擬する場合など、測定データが入手できないかもしれない状況で、冠動脈血流及び心筋灌流を予測できるようにしてもよい。
左室及び／または右室心筋の患者固有三次元モデルを、灌流セグメントまたはサブ体積に分割してもよい。また、医用画像データから特定された冠状動脈の患者固有の三次元幾何モデルを、灌流サブ体積によって表される心外膜面上または左室及び／もしくは右室心筋壁に包含される一部の残りの冠状動脈ツリーの形態計測モデルと組み合わせて、拡大モデルを形成することができる。拡大モデルにおける所定の位置、例えば罹患位置の下流の全心筋体積の百分率を算出することができる。拡大モデルにおける所定の位置、例えば罹患位置の全心筋血流の百分率を算出することもできる。拡大モデルを用いて、冠動脈血流及び心筋灌流を計算することができる。冠動脈血流モデルはまた、模擬の灌流が、測定された灌流データと規定の許容差内で一致するまで修正してもよい。
Ｂ．プラーク脆弱性の評価
コンピュータ分析により、患者の大動脈及び冠状動脈（及びそこから延びる分枝）中に蓄積し得るプラーク、例えば冠動脈のアテローム硬化性プラークに作用する患者固有の生体力学的力を定量化する結果もまた提供され得る。生体力学的力は、拍動性圧力、流動及び心臓運動によって生じ得る。
図３３は、血管壁９０２、例えば主冠状動脈のうちの１つまたはそこから延びる分枝のうちの１つの壁に沿って蓄積したプラーク９００の例を示している。プラークの上流端と下流端との間の圧力及び／または表面積の差は、少なくとも血流の方向に沿ってプラーク９００に作用する、例えば血管を貫流する血液によってもたらされる力９０４を生成し得る。別の力９０６が、少なくとも血管壁９０２に向かい、血管壁９０２に垂直な方向に沿って、プラーク９００の表面に作用し得る。この力９０６は、血管を貫流する血液の血圧により生じ得る。更に、別の力９０８が少なくとも血流の方向に沿ってプラーク９００の表面に作用し得る。この力は、安静時や運動時などの血流力に起因し得る。
この結果はまた、プラーク破裂（例えば、血管壁に蓄積したプラークが不安定になって破れるまたは裂ける）のリスク及びそのような破裂の影響を受け得る心筋体積も評価する。結果は、安静時や運動時などの様々な模擬の生理学的状態下で評価することができる。プラーク破裂のリスクは、ＣＣＴＡまたはＭＲＩから導かれた物質組成データ（例えば、図２のステップ１００で特定されたもの）を用いて推定されたプラーク強度に対する模擬のプラーク応力の比として定義することができる。
例えば、図３４は、コンピュータ分析により出力され得る結果の例を示している。この結果は、図３１の三次元幾何モデル８４６を含み得、これには患者の大動脈及び冠状動脈（及びそこから延びる分枝）の三次元幾何モデル８３７と、セグメント８４２に分割された患者の心筋組織の三次元幾何モデル８３８とが含まれ得る。この結果はまた、冠状動脈（またはそこから延びる分枝）のうちの１つにて、脆弱と判断され得るプラークの位置９１０を示すことができ、この位置９１０は、より詳細に後述するようにプラーク破裂のリスクの評価に基づいて、及び／またはユーザからの入力に基づいて特定することができる。また、図３４に示すように、心筋の（複数のセグメント８４２のうちの）セグメント９１２を、位置９１０で特定されたプラークの破裂に起因した低灌流の確率が高いものとして特定することができる。
図３５及び３６は、例示的実施形態による、特定患者におけるプラーク脆弱性、心筋体積リスク及び心筋灌流リスクの評価に関連する様々な情報を提供するための方法９２０の態様を示す概略図である。方法９２０は、上述のコンピュータシステム、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムにて実施することができる。方法９２０は、１つまたは複数の入力９２２を用いて実施され得、入力９２２に基づいて１つまたは複数のモデル９３０を生成することと、モデル９３０のうちの１つまたは複数に基づいて１つまたは複数の生体力学的分析９４０を実施することと、モデル９３０及び生体力学的分析９４０に基づいて様々な結果を提供することとを含み得る。
入力９２２は、患者の大動脈、冠状動脈（及びそこから延びる分枝）並びに心臓の医用画像データ９２３、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得したもの）を含み得る。入力９２２はまた、患者から測定された追加の生理学的データ９２４、例えば、患者の上腕血圧、心拍数及び／または他の測定値（例えば、図２のステップ１００で取得したもの）も含み得る。追加の生理学的データ９２４は、非侵襲的に取得してもよい。入力９２２は、モデル９３０の生成及び／または後述の生体力学的分析９４０の実施に用いてよい。
上記のように、１つまたは複数のモデル９３０が入力９２２に基づいて生成され得る。例えば、方法９２０は、患者の解剖学的形態の三次元幾何モデル全体の様々な位置において算出された血流及び圧力の情報を含む血行動態モデル９３２を生成することを含み得る。患者の解剖学的形態のモデルは、医用画像データ９２３、例えば、図３のステップ３０６で生成される図８のソリッドモデル３２０及び／または図３のステップ３１２で生成される図１７〜１９のメッシュ３８０を用いて作成することができる。例示的実施形態において、血行動態モデル９３２は、例えば図３のステップ４０２に関連して上述したようにコンピュータ分析の実施後に生成される模擬血圧モデル５０（図１）、模擬血流モデル５２（図１）、ｃＦＦＲモデル５４（図１）または他のシミュレーションであってよい。流体構造体の相互作用モデルを含むソリッド力学モデルは、既知の数値法を用いてコンピュータ分析により解いてもよい。プラーク及び血管の特性は、線形または非線形、等方性または異方性としてモデル化することができる。この解は、プラーク及びプラークと血管との間の界面の応力及びひずみを提供し得る。図３６に示す例示的実施形態において、血行動態モデル９３２はｃＦＦＲモデル５４である。
方法９２０は、血行動態モデル９３２を用いて、様々な生理学的状態、例えば安静時、様々なレベルの運動または労作時などに、血流力によってプラーク内腔表面に作用する圧力９０６（図３３）及びせん断応力９０８（図３３）を算出することによって生体力学的分析９４０を実施すること（ステップ９４２）を含んでもよい。圧力９０６及びせん断応力９０８は、血行動態モデル９３２からの情報、例えば血圧及び血流に基づいて算出することができる。
場合により、方法９２０はまた、四次元画像データ、例えば、心周期の複数の期で、例えば収縮期及び拡張期に取得した画像データから、血管の変形を定量化するための幾何学的分析モデル９３４を生成することを含んでよい。画像データは、様々な既知の画像化方法を用いて取得することができる。幾何学的分析モデル９３４は、心周期の異なる期における、例えば心臓運動に起因する血管の位置、変形、配向及び大きさに関する情報を含み得る。例えば、患者の大動脈、冠状動脈（及びそこから延びる分枝）並びにプラークの様々なタイプの変形、例えば長手方向の延長（伸長）または短縮、ねじれ（捻転）、半径方向の拡張または圧縮及び屈曲を、幾何学的分析モデル９３４によって模擬することができる。
方法９２０は、幾何学的分析モデル９３４を用いて、心臓による拍動性圧力に起因する、患者の大動脈、冠状動脈（及びそこから延びる分枝）並びにプラークの様々な変形の特徴、例えば長手方向の延長（伸長）または短縮、ねじれ（捻転）、半径方向の拡張または圧縮及び屈曲などを算出することによって生体力学的分析９４０を実施すること（ステップ９４４）を含んでもよい。このような変形の特徴は、幾何学的分析モデル９３４からの情報、例えば、心周期の複数の期にわたる血管の位置、配向及び大きさの変化に基づいて算出することができる。
変形の特徴の算出は、モデル化した幾何学的形状（例えば、患者の大動脈、冠状動脈（及びそこから延びる分枝）、プラークなどの幾何学的形状）の中央線または表面メッシュを特定することにより簡易化することができる。異なる期の間でモデル化した幾何学的形状の変化を明らかにするために、分枝口、石灰化病変及びソフトプラークを目印として使用することができる。目印のない領域では、モデル化した幾何学的形状の全長に沿った断面積の輪郭を用いて、２つの画像フレーム間の対応する位置を特定する（２つの画像フレームの「位置合わせ」をする）ことができる。未加工画像データに基づいた変形可能な位置合わせアルゴリズムを用いて、三次元の変形場を抽出することができる。次いで、算出された三次元の変形場を、モデル化した幾何学的形状（例えば血管長）と位置合わせした曲線軸に投影して、変形場の接線成分及び法線成分を計算することができる。モデル化した幾何学的形状（例えば血管長）、分枝分離の角度及び曲率の収縮期と拡張期との間で得られる差を用いて、血管に生じるひずみを明らかにすることができる。
方法９２０はまた、プラークの組成及び特性を明らかにするためのプラークモデル９３６を医用画像データ９２３から生成することも含み得る。例えば、プラークモデル９３６は、プラークの密度及び他の物質的特性に関する情報を含み得る。
方法９２０はまた、プラーク、血管壁及び／またはプラークと血管壁との間の界面に関する情報を算出するための血管壁モデル９３８を生成することも含み得る。例えば、血管壁モデル９３８は、応力及びひずみに関する情報を含み得、これらはプラークモデル９３６に含まれるプラークの組成及び特性、ステップ９４２で算出された圧力９０６及びせん断応力９０８並びに／またはステップ９４４で算出された変形の特徴に基づいて算出することができる。
方法９２０は、血管壁モデル９３８を用いて、血流力によるプラークに対する応力（例えば、急激なまたは累積的な応力）及び心臓運動によって誘発されるひずみを算出することによって生体力学的分析９４０を実施すること（ステップ９４６）を含み得る。例えば、プラークに作用する、流動によって誘発される力９０４（図３３）が算出され得る。血流力によるプラークに対する応力または力及び心臓運動によって誘発されるひずみは、血管壁モデル９３８からの情報、例えばプラークに対する応力及びひずみに基づいて算出することができる。
方法９２０は、モデル９３０のうちの１つまたは複数及び上述の生体力学的分析９４０のうちの１つまたは複数に基づいて、更なる情報を明らかにすることを含み得る。
プラーク破裂の脆弱性指標が算出され得る（ステップ９５０）。プラーク破裂の脆弱性指標は、例えば、全血行力学的応力、応力頻度、応力方向及び／もしくはプラーク強度または他の特性に基づいて算出することができる。例えば、目的とするプラークの周辺領域を、プラークの三次元モデル９３０、例えばプラークモデル９３６から分離してもよい。プラークの強度は、プラークモデル９３６に提供される物質的特性から明らかにすることができる。拍動性圧力、流動及び心臓運動による目的プラークに対する血行力学的応力及び組織応力は、ステップ９４６ですでに算出した血行力学的応力及び運動によって誘発されるひずみを用いて、模擬の基準条件及び運動（または労作）条件下で算出することができる。プラークの脆弱性は、プラーク応力のプラーク強度に対する比に基づいて評価することができる。
心筋体積リスク指標（ＭＶＲＩ）を算出することもできる（ステップ９５２）。ＭＶＲＩは、動脈ツリーにおける所定の位置の血管のプラーク破裂及び閉塞（閉鎖または遮断）の影響を受ける全心筋体積の百分率として定義することができる。ＭＶＲＩは、所定のプラークの下流の血管によって栄養が供給される心筋の部分に基づいて算出することができ、下流血管の大きさに対するプラークの大きさと、三次元血行動態の解に基づいた当該プラークが異なる血管に流入する確率とを考慮に入れることができる。
心筋をモデル化し、血行動態シミュレーションにて、各血管により栄養が供給されるセグメント８４２に分割することができる（例えば、図３０のステップ８３５及び８４０に関連して記載した通り）。幾何モデルを修正して、冠動脈ツリーに次世代の分枝８５７を含めるようにしてもよく（例えば、図３０のステップ８５５に関連して記載した通り）、心筋を更にセグメント化してもよい（例えば、図３０のステップ８６０に関連して記載した通り）。サブセグメント８６２中に追加分枝８５７を作成してもよく、このサブセグメント８６２をより小さいセグメント８６７に更にセグメント化してもよい（例えば、図３０のステップ８６５に関連して記載した通り）。上述したように、生理学的関係を用いて、血管サイズと栄養供給を受ける心筋の比例量とを関連付けることができる。
破裂したプラークがたどる潜在的経路が特定され得る。血行動態の解を用いて、プラーク断片または塞栓が、異なる下流血管に流入する確率を明らかにすることができる。
破裂したプラークの大きさを下流血管の大きさと比較して、そのプラークが最終的に血流への障害を生じ得るかどうかを明らかにすることができる。この情報を脆弱性指標と組み合わせて、破裂したプラークの影響を受ける可能性がある心筋の体積の確率分布図を提供することができる。影響を受ける可能性のある各セグメントにＭＶＲＩを割り当てることができる。図３４は、遠位血管中の位置９１０における脆弱なプラークが心筋の小領域に影響を与える確率が高いセグメント９１２の例を示している。
心筋灌流リスク指標（ＭＰＲＩ）を算出することもできる（ステップ９５４）。ＭＰＲＩは、動脈ツリーにおける所定の位置の血管のプラーク破裂及び閉塞の影響を受ける全心筋血流の百分率として定義することができる。例えば、ＬＡＤ動脈の遠位部におけるプラークの破裂は、ＬＡＤ動脈の近位部におけるプラークの破裂よりもＭＶＲＩが低く、ＭＰＲＩも低くなると思われる。しかしながら、これらの指標は、栄養血管中の脆弱なプラークの影響を受ける心筋体積の一部に生存能力がない（例えば、心筋梗塞後に形成され得る瘢痕組織に起因する）場合には、変わる可能性がある。したがって、ＭＰＲＩは、ＭＶＲＩが示すような影響を受ける体積ではなく、その心筋セグメントへの灌流の潜在的な損失を示す。図３１の各セグメント８４２、８６２または８６７への灌流速度が算出され得、脆弱性指標、血行動態の解並びにプラーク及び血管の大きさに基づいて、灌流の損失を算出することができる。
その結果、拍動性血圧、拍動性血流、拍動性血液せん断応力及び／または拍動性心臓運動によるプラーク応力を算出することができ、医用画像データに基づいてプラーク強度を推定することができ、プラーク脆弱性、心筋体積リスク及び心筋灌流リスクに関連する指標を定量化することができる。
ＶＩＩＩ．他の用途
上述の実施形態は、患者における冠動脈血流に関する情報を評価することに関連する。あるいは、これらの実施形態は、限定するものではないが、頸動脈、末梢動脈、腹部動脈、腎動脈、大腿動脈、膝窩動脈及び大脳動脈などの身体の他の部分における血流にも適応させられる。
Ａ．頭蓋内血流及び頭蓋外血流のモデル化
次に大脳動脈に関連する実施形態を説明する。頭蓋外動脈もしくは頭蓋内動脈の血流及び圧力に影響を与え得るまたはこれらの影響を受け得る多数の疾患がある。頭蓋外動脈、例えば頸動脈及び椎骨動脈のアテローム性動脈硬化症は、脳への血流を制限するおそれがある。重症のアテローム性動脈硬化症は、一過性脳虚血発作または虚血性脳卒中をもたらすことがある。頭蓋内動脈または頭蓋外動脈における動脈瘤疾患は、虚血性脳卒中につながる塞栓形成または出血性脳卒中につながる動脈瘤破裂のリスクをもたらし得る。頭部外傷、高血圧、頭頸部癌、動静脈奇形、起立不耐症などの他の状態も脳血流に影響を与え得る。更に、脳血流の減少が、失神などの症状を誘発するおそれまたはアルツハイマー病もしくはパーキンソン病に続発する認知症などの慢性神経疾患に影響を及ぼすおそれがある。
頭蓋外または頭蓋内の動脈疾患がわかっているまたは疑われる患者は、通常、非侵襲的診断試験であるＵＳ、ＭＲＩ、ＣＴ、ＰＥＴのうちの１つまたは複数を受け得る。しかしながら、これらの試験は、大部分の患者の頭蓋外動脈及び頭蓋内動脈の解剖学的データ及び生理学的データを効率的に提供することができない場合がある。
図３７は、頭蓋内（頭蓋の内部）及び頭蓋外（頭蓋の外部）の動脈を含む大脳動脈の略図である。患者固有の頭蓋内及び頭蓋外の血流に関する情報を明らかにするための方法は、上述の患者固有の冠動脈血流に関する情報を明らかにするための方法と概ね類似し得る。
図３８は、特定患者における頭蓋内血流及び頭蓋外血流に関連する様々な情報を提供するための方法１０００の態様を示す概略図である。方法１０００は、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムに類似のコンピュータシステムにて実施することができる。方法１０００は、１つまたは複数の入力１０１０を用いて実施され得、入力１０１０に基づいて１つまたは複数のモデル１０２０を生成することと、入力１０１０及び／またはモデル１０２０に基づいて１つまたは複数の条件１０３０を指定することと、モデル１０２０及び条件１０３０に基づいて１つまたは複数の解１０４０を導くこととを含み得る。
入力１０１０は、患者の頭蓋内動脈及び頭蓋外動脈、例えば、患者の大動脈、頸動脈（図３７に図示）、椎骨動脈（図３７に図示）及び脳の医用画像データ１０１１、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得したもの）を含み得る。入力１０１０はまた、患者の上腕血圧、頸動脈血圧（例えば、トノメータを利用）及び／または他の測定（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得したもの）の測定値１０１２も含み得る。測定値１０１２は非侵襲的に取得してもよい。入力１０１０は、モデル１０２０の生成及び／または後述の条件１０３０の特定に用いてよい。
上記のように、１つまたは複数のモデル１０２０が入力１０１０に基づいて生成され得る。例えば、方法１０００は、画像データ１０１１に基づいて、患者の頭蓋内動脈及び頭蓋外動脈の１つまたは複数の患者固有の三次元幾何モデルを生成すること（ステップ１０２１）を含み得る。三次元幾何モデル１０２１は、図８のソリッドモデル３２０及び図１７〜１９のメッシュ３８０を生成するための上述の方法に類似する方法を用いて生成してよい。例えば、図３のステップ３０６及び３１２に類似するステップを用いて、患者の頭蓋内動脈及び頭蓋外動脈を表す三次元ソリッドモデル及びメッシュを生成してよい。
図３８を再度参照すると、方法１０００はまた、１つまたは複数の物理学的血流モデルを生成すること（ステップ１０２２）も含み得る。例えば、血流モデルは、ステップ１０２１で生成された患者固有の幾何学的モデルを通る流れ、心臓及び動脈循環、遠位頭蓋内及び頭蓋外循環などを表すモデルであってもよい。血流モデルは、図３のステップ３１０に関連して上述したような次数低減モデル、例えば、三次元幾何モデル１０２１の流入境界及び／または流出境界の集中定数モデルまたは分布（一次元波動伝播）モデルなどを含み得る。あるいは、流入境界及び／または流出境界は、速度、流量、圧力または他の特徴などに関するそれぞれの規定の値またはフィールドを指定してもよい。別の代替として、例えば大動脈弓を含む心臓モデルに流入境界を結合させてもよい。流入境界及び／または流出境界のパラメータは、限定するものではないが、心拍出量及び血圧を含む、測定されたまたは選択された生理学的状態と一致するように適合させてもよい。
上述した通り、１つまたは複数の条件１０３０が入力１０１０及び／またはモデル１０２０に基づいて特定され得る。条件１０３０は、ステップ１０２２（及び図３のステップ３１０）で特定された境界条件について算出されたパラメータを含む。例えば、方法１０００は、画像データ１０１１（例えば、図３のステップ２４０に関連して上述したものと類似する方式で取得されたもの）に基づいて、患者固有の脳または頭部の体積を算出することにより条件を明らかにすること（ステップ１０３１）を含み得る。
方法１０００は、ステップ１０３１で算出された脳または頭部の体積を用いて、関係式Ｑ＝ＱｏＭα（式中、αは既定のスケーリング指数であり、Ｍは脳または頭部の体積から特定された脳質量であり、Ｑｏは既定の定数である）に基づいた安静時の脳血流Ｑを算出することにより条件を明らかにすること（例えば、図３のステップ３１０で集中定数モデルを特定することに関連して上述した生理学的関係に類似）（ステップ１０３２）を含み得る。あるいは、当該関係式は、図３のステップ３１０で集中定数モデルを特定することに関連して上述した通り、Ｑ∝ＱｏＭαの形式を有してもよい。
方法１０００はまた、ステップ１０３２で算出して得られた冠血流及び患者の測定血圧１０１２を用いて、安静時の脳の全抵抗を算出することにより条件を明らかにすること（例えば、図３のステップ３１０で集中定数モデルを特定することに関連して上述した方法に類似）（ステップ１０３３）も含み得る。例えば、ステップ１０３２で特定された基準（安静時）条件下における三次元幾何モデル１０２１の流出境界での総脳血流Ｑ及び測定した血圧１０１２を用いて、既定の実験的に導出した方程式に基づいて流出境界における全抵抗Ｒを特定することができる。集中定数モデルに使用される抵抗、キャパシタンス、インダクタンス及び様々な電気要素に関係する他の変数を境界条件に組み込んでよい（例えば、図３のステップ３１０で集中定数モデルを特定することに関連して上述した通り）。
方法１０００はまた、ステップ１０３３で算出された安静時の脳の全抵抗及びモデル１０２０を用いて、個々の頭蓋内動脈及び頭蓋外動脈の個々の抵抗を算出することにより条件を明らかにすること（ステップ１０３４）も含み得る。例えば、図３のステップ３１０に関連して上述した方法と同様に、ステップ１０３３で算出された安静時の脳の全抵抗Ｒは、個々の頭蓋内動脈及び頭蓋外動脈の遠位端の大きさ（例えば、ステップ１０２１で生成された幾何モデルから特定されるもの）に基づき、かつ関係式Ｒ＝Ｒｏｄβ（式中、Ｒは特定の遠位端での流量に対する抵抗であり、Ｒｏは既定の定数であり、ｄは大きさ（例えば、遠位端の直径）であり、βは既定の冪則指数である）に基づいて、図３のステップ３１０で集中定数モデルを特定することに関連して上述した通り、個々の頭蓋内動脈及び頭蓋外動脈に分布させてよい。
図３８を再度参照すると、方法１０００は、患者の１つまたは複数の身体的条件に基づいて、境界条件を適合させること（ステップ１０３５）を含み得る。例えば、ステップ１０３１〜１０３４で特定されたパラメータを、解１０４０が、安静、様々なレベルの負荷、様々なレベルの圧受容器反応もしくは他の自律神経フィードバック制御、様々なレベルの充血、様々なレベルの運動、労作、高血圧もしくは低血圧、異なる投薬、姿勢の変化及び／または他の条件の模擬を行うことを意図しているかどうかに基づいて修正してよい。パラメータ（例えば、流出境界の境界条件に関連するパラメータ）はまた、例えば微小血管機能障害または内皮の健康状態に起因する、頭蓋内動脈及び頭蓋外動脈の血管拡張能（血管が拡大する能力）に基づいて適合され得る。
入力１０１０、モデル１０２０及び条件１０３０に基づいて、例えば、図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、ステップ１０３５で選択した身体的条件下での患者の冠動脈血流に関する情報を含む解１０４０を明らかにすることができる（ステップ１０４１）。解１０４０から得ることができる情報の例は、図１及び２１〜２４に関連して上記に示した例と類似していてよく、例えば、模擬血圧モデル、模擬血流モデルなどである。この結果はまた、例えば、流量、全脳血流、血管壁せん断応力、血管壁もしくはアテローム硬化性プラークまたは動脈瘤に作用するけん引力またはせん断力、粒子／血液滞留時間、血管壁の運動、血液せん断速度などを明らかにするために使用することもできる。これらの結果を用いて、血管系の特定領域から離れる塞栓が、血液循環によってどこを移動する可能性が最も高いかを分析することもできる。
コンピュータシステムは、ユーザが、幾何学的形状の様々な変化の模擬を行うことを可能にし得る。例えば、モデル１０２０、例えば、ステップ１０２１で生成された患者固有の幾何モデルは、動脈を閉塞させること（例えば、急性閉塞）の影響を予測するために修正してよい。癌性腫瘍を除去する場合などの一部の外科手術において、１つまたは複数の頭蓋外動脈が損傷を受けたり、除去されることがある。したがって、十分な血流を患者に供給するための側副路の可能性を予測するために、ステップ１０２１で生成された患者固有の幾何モデルを修正して、頭蓋外動脈のうちの１つまたは複数への血流を妨げることの影響を模擬することができる。
コンピュータシステムは、ユーザが、例えば急性閉塞のインターベンション修復または外科的修復などの様々な治療選択肢の結果を模擬することを可能にし得る。このシミュレーションは、上述のような頭蓋内動脈及び頭蓋外動脈を表す三次元ソリッドモデルまたはメッシュを、図２７及び２８に関連して上述したような次数低減モデルに置き換えることによって、より迅速に実施することができる。結果として、一次元モデルまたは集中定数モデルなどの次数低減モデルは、患者固有モデルの血流及び圧力をより効率的かつ迅速に求め、その解の結果を表示することができる。
安静時での患者の血行動態情報に基づいてまたは異なる病状に関する集団に基づくデータに基づいて、特定患者による血管拡張刺激に対する応答を予測することができる。例えば、基準（安静時）では、冪乗則及び脳質量に基づいて指定される流量分布（例えば、ステップ１０３２に関連して上述した通り）を用いてシミュレーションを実行する（例えば、ステップ１０４１に関連して上述した通り）。抵抗値（例えば、ステップ１０３３及び１０３４で決定されたもの）は、十分な灌流を可能にするように適合され得る。あるいは、糖尿病、薬物治療及び過去の心イベントなどの因子を有する患者集団からのデータを使用して、異なる抵抗を指定する。安静条件下の抵抗の適合は、単独でまたは血行動態情報（例えば、血管壁せん断応力または流量と血管サイズとの関係）と組み合わせて、遠位大脳血管が拡張する残存能力を明らかにするために使用することができる。安静時の流量要件を満たすには抵抗の減少が必要な患者、または血管サイズに対する流量の比が高い患者は、生理学的負担下にて、血管を更に拡張する能力が低下している可能性がある。
大脳動脈の個々のセグメントにわたる流量及び圧力の勾配（例えば、ステップ１０４１で特定されたもの）を用いて、大脳動脈抵抗を算出することができる。大脳動脈の抵抗は、医用画像データから生成された患者固有の幾何モデル（例えば、ステップ１０２１で生成されたもの）に含まれる頭蓋外動脈及び頭蓋内動脈の一部の等価抵抗として算出することができる。大脳動脈の抵抗は、頭蓋外動脈及び／または頭蓋内動脈にびまん性アテローム性動脈硬化症を有する患者がなぜ失神（一時的な意識消失または姿勢喪失、例えば気絶）または虚血（血液供給の制約）の症状を示し得るのかを説明する際に、臨床的意義を有し得る。
また、基準条件または変更した生理学的条件下における脳組織体積（または質量）単位当たりの流量は、例えばステップ１０４１で明らかにされた流量情報及びステップ１０３１で算出された脳組織の体積または質量に基づいて算出することができる。この計算値は、慢性神経障害に対する血流減少の影響を理解する際に有用となり得る。この計算値はまた、医学療法、例えば降圧剤の用量の選択または改良の際にも有用となり得る。更なる結果には、外傷、脳震盪、外的生理学的負荷、過剰重力、無重力状態、宇宙飛行、深海減圧（例えば潜水病）などの影響を定量化することを含み得る。
患者固有の解剖学的（幾何学的）及び生理学的（物理学的）モデルを複合させて用いると、心拍数、一回拍出量、血圧または脳微小循環機能を変える様々な薬物療法または生活様式の変更（例えば、禁煙、食事変更または身体活動の増加）の大脳動脈血流に対する影響を明らかにすることができる。この複合モデルはまた、代替的な形態及び／または様々なレベルの身体活動または潜在的外力への曝露リスク、例えば、サッカーをしている時、宇宙飛行中、スキューバダイビング時、航空機の飛行時などの大脳動脈血流に対する影響を明らかにするために用いることができる。このような情報を用いて、特定患者にとって安全かつ有効であり得る身体活動の種類及び程度を特定することができる。また、この複合モデルを用いて、最適なインターベンション戦略を選択するために大脳動脈血流に対する経皮的インターベンションの潜在的利益を予測すること及び／または最適な手術戦略を選択するために大脳動脈血流に対する頸動脈内膜切除術もしくは外頸動脈から内頸動脈へのバイパス術の潜在的利益を予測することができる。
また、この複合モデルを用いて、動脈疾患の負担増加による大脳動脈血流への潜在的な有害作用を例示し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の進行が脳への血流に障害をいつもたらし得るかを予測することができる。こうした情報は、非侵襲的な画像化を用いて初期に血行動態学的に有意な疾患を有さないと観察された患者が、医学的治療、インターベンション療法または外科的療法を必要としないであろう「保証期間」の特定、あるいは有害因子が継続した場合に進行が生じ得る速度の特定を可能にし得る。
また、この複合モデルを用いて、疾患の負担減少によって生じる大脳動脈血流への潜在的な有益な効果を例示し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の退行が脳への血流の増加をいつもたらし得るかを予測することもできる。こうした情報は、限定するものではないが、食事変更、身体活動の増加、スタチンまたは他の薬剤の処方などを含む医学的管理プログラムの指針に用いることができる。
この複合モデルはまた、動脈が閉塞することの影響を予測するために使用することができる。癌性腫瘍の除去などの一部の外科手術において、一部の頭蓋外動脈が損傷を受けたり、除去されることがある。頭蓋外動脈のうちの１つへの血流を妨げることの影響を模擬することで、十分な血流を特定患者に供給するための側副路に関する可能性の予測が可能となり得る。
ｉ．脳灌流の評価
他の結果を算出することもできる。例えば、コンピュータ分析により、脳灌流（大脳を通る血流）を定量化する結果が提供され得る。脳灌流の定量化は、減少した脳血流の領域を特定するのに役立ち得る。
図３９は、例示的実施形態による、特定患者における脳灌流に関連する様々な情報を提供するための方法１０５０に関連する概略図を示している。方法１０５０は、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムに類似する、上述のコンピュータシステムにて実施することができる。
方法１０５０は、１つまたは複数の入力１０５２を用いて実施され得る。入力１０５２は、患者の頭蓋内動脈及び頭蓋外動脈、例えば、患者の大動脈、頸動脈（図３７に図示）、椎骨動脈（図３７に図示）及び脳の医用画像データ１０５３、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得したもの）を含み得る。入力１０５２はまた、患者から測定された追加の生理学的データ１０５４、例えば、患者の上腕血圧、心拍数及び／または他の測定値（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得したもの）も含み得る。追加の生理学的データ１０５４は、非侵襲的に取得してもよい。入力１０５２を用いて、後述のステップを実施することができる。
患者の脳組織の三次元幾何モデルは、画像データ１０５３に基づいて作成することができ（ステップ１０６０）、この幾何モデルをセグメントまたは体積に分割してもよい（ステップ１０６２）（例えば、図２９〜３２に関連して上述したものと類似する方式で）。個々のセグメントの大きさ及び位置は、頭蓋内動脈及び頭蓋外動脈の流出境界の位置、それぞれのセグメント内の血管またはそれぞれのセグメントに連結する血管（例えば隣接する血管）の大きさなどに基づいて明らかにすることができる。幾何モデルのセグメントへの分割は、様々な既知の方法、例えば高速マーチング法、一般化高速マーチング法、レベルセット法、拡散方程式、多孔質媒体中の流れを支配する方程式などを用いて実施することができる。
三次元幾何モデルはまた、患者の頭蓋内動脈及び頭蓋外動脈の一部も含んでよく、これは画像データ１０５３に基づいてモデル化することができる（ステップ１０６４）。例えば、ステップ１０６２及び１０６４において、脳組織並びに頭蓋内動脈及び頭蓋外動脈を含む三次元幾何モデルを作成してよい。
例えば図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、ユーザによって決定された身体的条件下での患者の脳血流に関する情報を含む解を明らかにしてもよい（ステップ１０６６）。例えば、身体的条件は、安静、様々なレベルの負荷、様々なレベルの圧受容器反応もしくは他の自律神経フィードバック制御、様々なレベルの充血、様々なレベルの運動もしくは労作、異なる投薬、姿勢の変化及び／または他の条件を含み得る。この解は、ステップ１０６４でモデル化された患者の解剖学的形態中の様々な位置における、特定の身体的条件下での血流及び圧力などの情報を提供することができる。コンピュータ分析は、集中定数または一次元モデルから導かれる流出境界の境界条件を用いて実施してよい。図４０に関連して後述するように、一次元モデルを作成して、脳組織のセグメントを埋めてもよい。
ステップ１０６６で明らかにされた血流情報に基づいて、ステップ１０６２で作成された脳のそれぞれのセグメントに入る血流の灌流を算出することができる（ステップ１０６８）。例えば、この灌流は、流出境界の各流出口からの流量を、その流出口で灌流されるセグメント化した脳の体積で除することによって算出することができる。
ステップ１０６８で特定された脳のそれぞれのセグメントの灌流は、ステップ１０６０または１０６２で生成された脳の幾何モデル上に表示することができる（ステップ１０７０）。例えば、ステップ１０６０で作成された幾何モデル中に示される脳のセグメントを異なる陰影または色で図示して、それぞれのセグメントに入る血液の灌流を示すことができる。
図４０は、例示的実施形態による、特定患者における脳灌流に関連する様々な情報を提供するための方法１１００に関連する別の概略図を示している。方法１１００は、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムに類似する、上述のコンピュータシステムにて実施することができる。
方法１１００は、１つまたは複数の入力１１０２を用いて実施され得、患者の大動脈、頸動脈（図３７に図示）、椎骨動脈（図３７に図示）及び脳の医用画像データ１１０３、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得したもの）を含み得る。入力１１０２を用いて、後述のステップを実施することができる。
患者の脳組織の三次元幾何モデルは、画像データ１１０３に基づいて作成することができる（ステップ１１１０）。モデルはまた、患者の大動脈、頸動脈（図３７に図示）及び椎骨動脈（図３７に図示）の一部も含んでよく、これは画像データ１１０３に基づいて作成してもよい。例えば、上述のように、脳組織並びに頭蓋内動脈及び頭蓋外動脈を含む三次元幾何モデルを作成してよい。ステップ１１１０は、上述した図３９のステップ１０６０及び１０６４を含み得る。
ステップ１１１０で作成された幾何脳組織モデルは、体積またはセグメントに分割され得る（ステップ１１１２）。ステップ１１１２は、上述した図３９のステップ１０６２を含み得る。幾何脳組織モデルを更に修正して、脳のツリーに次世代の分枝を含めるようにしてもよい（ステップ１１１８）（例えば、図２９〜３２に関連して上述したものと類似する方式で）。分枝の位置及び大きさは、頭蓋内動脈及び頭蓋外動脈の中央線に基づいて特定することができる。この中央線は、例えば画像データ１１０３に基づいて特定することができる（ステップ１１１４）。また、アルゴリズムを用いて、形態計測モデル（流出境界の既知の流出口の下流の血管の位置及び大きさを予測するために使用されるモデル）及び／または血管サイズに関連する生理学的分岐の法則に基づいて、分枝の位置及び大きさを特定してもよい（ステップ１１１６）。幾何モデルに含まれる頭蓋内動脈及び頭蓋外動脈の下流端まで形態計測モデルを拡大し、脳組織の外層上に提供してもよいし、脳組織の幾何モデル内に含めてもよい。
ステップ１１１８で作成された分枝に基づいて、脳を更にセグメント化してもよい（ステップ１１２０）（例えば、図２９〜３２に関連して上述したものと類似する方式で）。サブセグメント中に追加分枝を作成してもよく、このサブセグメントを、より小さいセグメントに更にセグメント化してもよい（ステップ１１２２）（例えば、図２９〜３２に関連して上述したものと類似する方式で）。分枝を作成し、体積をサブセグメント化するステップは、所望の体積サイズ及び／または分枝サイズの分解能が得られるまで繰り返してもよい。ステップ１１１８及び１１２２で新しい分枝を含むように拡大された幾何モデルは、次いで、サブセグメント、例えばステップ１１２２で生成されたサブセグメントに入る脳血流及び脳灌流を計算するために使用することができる。
したがって、拡大モデルを用いて、上述のコンピュータ分析を実施することができる。コンピュータ分析の結果により、患者固有の大脳動脈モデルから、ステップ１１２２で生成された各灌流サブセグメント内にまで延長してもよい、生成された形態計測モデル（ステップ１１１８及び１１２２で生成された分枝を含む）に入る血流に関連する情報が提供され得る。
図４１は、例示的実施形態による、特定患者における脳灌流に関連する様々な情報を提供するための方法１１５０に関連する別の概略図を示している。方法１１５０は、上述のコンピュータシステム、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムにて実施することができる。
方法１１５０は、１つまたは複数の入力１１５２を用いて実施され得る。入力１１５２は、患者の大動脈、頸動脈（図３７に図示）、椎骨動脈（図３７に図示）及び脳の医用画像データ１１５３、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得したもの）を含み得る。入力１１５２はまた、患者から測定された追加の生理学的データ１１５４、例えば、患者の上腕血圧、心拍数及び／または他の測定値（例えば、図２のステップ１００で取得したもの）も含み得る。追加の生理学的データ１１５４は、非侵襲的に取得してもよい。入力１１５２は、患者から（例えば、ＣＴ、ＰＥＴ、ＳＰＥＣＴ、ＭＲＩなどを用いて）測定された脳灌流データ１１５５を更に含み得る。入力１１５２を用いて、後述のステップを実施することができる。
患者の頭蓋内動脈及び頭蓋外動脈の三次元幾何モデルは、画像データ１１５３に基づいて作成することができる（ステップ１１６０）。ステップ１１６０は、上述した図３９のステップ１０６４と類似していてよい。
例えば図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、ユーザによって決定された身体的条件下での患者の脳血流に関する情報を含む解を明らかにしてもよい（ステップ１１６２）。例えば、身体的条件は、安静、様々なレベルの負荷、様々なレベルの圧受容器反応もしくは他の自律神経フィードバック制御、様々なレベルの充血、様々なレベルの運動もしくは労作、異なる投薬、姿勢の変化及び／または他の条件を含み得る。この解は、ステップ１１６０でモデル化された患者の解剖学的形態中の様々な位置における、特定の身体的条件下での血流及び圧力などの情報を提供することができる。ステップ１１６２は、上述した図３９のステップ１０６６と類似していてよい。
また、患者の脳組織の三次元幾何モデルは、画像データ１１５３に基づいて作成することができる（ステップ１１６４）。例えば、ステップ１１６０及び１１６４において、脳組織並びに頭蓋内動脈及び頭蓋外動脈を含む三次元幾何モデルを作成してよい。ステップ１１６４は、上述した図３９のステップ１０６０と類似していてよい。
この幾何モデルをセグメントまたはサブ体積に分割してもよい（ステップ１１６６）。ステップ１１６６は、上述した図３９のステップ１０６２と類似していてよい。
ステップ１１６２で明らかにされた血流情報に基づいて、ステップ１１６６で作成された脳組織のそれぞれのセグメントに入る血流の灌流を算出することができる（ステップ１１６８）。ステップ１１６８は、上述した図３９のステップ１０６８と類似していてよい。
算出された脳組織のそれぞれのセグメントの灌流は、ステップ１１６４または１１６６で生成された脳組織の幾何モデル上に表示することができる（ステップ１１７０）。ステップ１１７０は、上述した図３９のステップ１０７０と類似していてよい。
ステップ１１７０で脳組織の三次元幾何モデル上にマッピングされた模擬灌流データを、測定された脳灌流データ１１５５と比較することができる（ステップ１１７２）。この比較は、脳組織の三次元表示上に様々な色及び／または陰影を用いて、模擬の灌流データと測定された灌流データとの差を示すことができる。
ステップ１１６０で作成された三次元幾何モデルの流出口における境界条件を適合させて、模擬の灌流データと測定された灌流データとの間の誤差を減少させてもよい（ステップ１１７４）。例えば、誤差を減少させるために、測定された灌流よりも低い模擬の灌流の領域（例えば、ステップ１１６６で作成されたセグメント）に栄養を供給する血管に対する規定の流動抵抗を減少させるように、境界条件を適合させることができる。境界条件の他のパラメータを適合させてもよい。あるいは、モデルの分枝構造を修正してもよい。例えば、ステップ１１６０で作成された幾何モデルを、図４０に関連して上述したように拡大して、形態計測モデルを作成することができる。境界条件及び／または形態計測モデルのパラメータは、パラメータ推定法またはデータ同化法、例えば「Ｍｅｔｈｏｄ ｆｏｒ Ｔｕｎｉｎｇ Ｐａｔｉｅｎｔ−Ｓｐｅｃｉｆｉｃ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｉｍｕｌａｔｉｏｎｓ」と題する米国特許出願公開第２０１０／００１７１７１号または他の方法を用いて、経験的または系統的に適合させてもよい。
図４１のステップ１１６２、１１６８、１１７０、１１７２、１１７４及び／または他のステップは、例えば、模擬の灌流データと測定された灌流データとの誤差が既定の閾値を下回るまで繰り返してもよい。その結果、解剖学的情報、脳血流の情報及び脳灌流の情報を関連付けるモデルを用いて、コンピュータ分析を実施することができる。かかるモデルは、診断上の目的のために及び薬物療法、インターベンション療法または手術療法の利益を予測するために有用となり得る。
その結果、基準条件または変更した生理学的状態下での頭蓋外及び頭蓋内の動脈血流並びに脳灌流を算出することができる。脳灌流データを模擬の脳灌流結果と組み合わせて使用して、模擬の脳灌流結果が、測定された脳灌流データと所定の許容差内で一致するまで、頭蓋内動脈血流計算の境界条件を適合させてもよい。したがって、より正確な患者固有の頭蓋外及び頭蓋内動脈血流計算を提供してもよく、医師は、例えば、運動、労作、姿勢の変化または模擬の治療などの特定の身体的条件の測定データが入手でき得ないときに、大脳動脈の血流及び脳灌流を予測することができる。脳の患者固有三次元モデルを、灌流セグメントまたはサブ体積に分割してもよく、患者が脳の様々な領域への十分な最低限の灌流を受けているかどうかを明らかにしてもよい。
頭蓋内動脈の患者固有の三次元幾何モデルを医用画像データから生成して、灌流セグメントまたはサブ体積によって表される残りの頭蓋内動脈ツリーの一部の形態計測モデル（例えば、図４０に関連して上述する通り）と組み合わせて、拡大モデルを形成することができる。拡大モデルにおける所定の位置、例えば罹患位置の下流の全脳体積（または質量）の百分率を算出することができる。また、拡大モデルにおける所定の位置、例えば罹患位置の全脳血流の百分率を算出することもできる。更に、機能的な画像化研究（例えば、機能的な磁気共鳴画像化（ｆＭＲＩ））、灌流ＣＴまたはＭＲＩで認められる欠陥から、栄養血管障害、解剖学的変異、自動調節機構障害、低血圧または他の病態を突き止めることができ、これは虚血性脳卒中、失神、起立不耐症、外傷または慢性神経疾患を有する患者に有用となり得る。
ｉｉ．プラーク脆弱性の評価
コンピュータ分析により、患者の頭蓋内動脈及び頭蓋外動脈中に蓄積し得るプラーク、例えば頸動脈アテローム硬化性プラークに作用する患者固有の生体力学的力を定量化する結果もまた提供され得る。生体力学的力は、拍動性圧力、流動及び頸部動作によって生じ得る。
図４２は、例示的実施形態による、特定患者におけるプラーク脆弱性、脳体積リスク及び脳灌流リスクの評価に関連する様々な情報を提供するための方法１２００の態様を示す概略図である。方法１２００は、例えば、図３に示した上述のステップのうちの１つまたは複数を実施するために用いるコンピュータシステムに類似する、上述のコンピュータシステムにて実施することができる。方法１２００は、１つまたは複数の入力１２０２を用いて実施され得、入力１２０２に基づいて１つまたは複数のモデル１２１０を生成することと、モデル１２１０のうちの１つまたは複数に基づいて１つまたは複数の生体力学的分析１２２０を実施することと、モデル１２１０及び生体力学的分析１２２０に基づいて様々な結果を提供することとを含み得る。
入力１２０２は、患者の頭蓋内動脈及び頭蓋外動脈、例えば、患者の大動脈、頸動脈（図３７に図示）、椎骨動脈（図３７に図示）及び脳の医用画像データ１２０３、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得したもの）を含み得る。入力１２０２はまた、患者から測定された追加の生理学的データ１２０４、例えば、患者の上腕血圧、心拍数及び／または他の測定値（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得したもの）も含み得る。追加の生理学的データ１２０４は、非侵襲的に取得してもよい。入力１２０２は、モデル１２１０の生成及び／または後述の生体力学的分析１２２０の実施に用いてよい。
上記のように、１つまたは複数のモデル１２１０が入力１２０２に基づいて生成され得る。例えば、方法１２００は、患者の解剖学的形態の三次元幾何モデル全体の様々な位置において算出された血流及び圧力の情報を含む血行動態モデル１２１２を生成することを含み得る。患者の解剖学的形態のモデルは、医用画像データ１２０３を用いて作成することができ、例示的実施形態において、血行動態モデル１２１２は、例えば図３のステップ４０２に関連して上述したようにコンピュータ分析の実施後に生成される模擬血圧モデル、模擬血流モデルまたは他のシミュレーションであってよい。流体構造体の相互作用モデルを含むソリッド力学モデルは、既知の数値法を用いてコンピュータ分析により解いてもよい。プラーク及び血管の特性は、線形または非線形、等方性または異方性としてモデル化することができる。この解は、プラーク及びプラークと血管との間の界面の応力及びひずみを提供し得る。血行動態モデル１２１２を生成するためのステップは、上述した図３５の血行動態モデル９３２を生成するためのステップと類似していてもよい。
方法１２００は、血行動態モデル１２１２を用いて、様々な生理学的状態、例えば安静時、様々なレベルの運動または労作時などに、血流力によってプラーク内腔表面に作用する圧力及びせん断応力を計算することによって生体力学的分析１２２０を実施すること（ステップ１２２２）を含んでもよい。圧力及びせん断応力は、血行動態モデル１２１２からの情報、例えば血圧及び血流に基づいて算出することができる。ステップ１２２２は、上述した図３５のステップ９４２と類似していてよい。
場合により、方法１２００はまた、図３５の幾何学的分析モデル９３４について上述したものと類似する方式で、四次元画像データ、例えば、心周期の複数の期で、例えば収縮期及び拡張期に取得した画像データから、血管の変形を定量化するための幾何学的分析モデルを生成することを含んでよい。また、方法１２００は、幾何学的分析モデルを用いて、図３５のステップ９４４について上述したものと類似する方式で、心臓による拍動性圧力に起因する、患者の頭蓋内動脈及び頭蓋外動脈並びにプラークの様々な変形の特徴、例えば長手方向の延長（伸長）または短縮、ねじれ（捻転）、半径方向の拡張または圧縮及び屈曲などを算出することによって、生体力学的分析１２２０を実施することを含み得る。
方法１２００はまた、プラークの組成及び特性を明らかにするためのプラークモデル１２１４を医用画像データ１２０３から生成することも含み得る。例えば、プラークモデル１２１４は、プラークの密度及び他の物質的特性に関する情報を含み得る。
方法１２００はまた、プラーク、血管壁及び／またはプラークと血管壁との間の界面に関する情報を算出するための血管壁モデル１２１６を生成することも含み得る。例えば、血管壁モデル１２１６は、応力及びひずみに関する情報を含み得、これらはプラークモデル１２１４に含まれるプラークの組成及び特性並びにステップ１２２０で算出された圧力及びせん断応力に基づいて算出することができる。場合により、応力及びひずみは、上述のように、算出された変形の特徴を用いて算出してもよい。プラークモデル１２１４及び／または血管壁モデル１２１６を生成するためのステップは、上述した図３５のプラークモデル９３６及び／または血管壁モデル９３８を生成するためのステップと類似していてもよい。
方法１２００は、血管壁モデル１２１６を用いて、血流力によるプラークに対する応力（例えば、急激なまたは累積的な応力）及び頸部動作によって誘発されるひずみを算出することによって生体力学的分析１２２０を実施すること（ステップ１２２４）を含み得る。例えば、プラークに作用する、流動によって誘発される力９０４（図３３）が算出され得る。血流力によるプラークに対する応力または力及び頸部動作によって誘発されるひずみは、血管壁モデル１２１６からの情報、例えばプラークに対する応力及びひずみに基づいて算出することができる。ステップ１２２４は、上述した図３５のステップ９４６と類似していてよい。
方法１２００は、モデル１２１０のうちの１つまたは複数及び上述の生体力学的分析１２２０のうちの１つまたは複数に基づいて、更なる情報を明らかにすることを含み得る。
プラーク破裂の脆弱性指標が算出され得る（ステップ１２３０）。プラーク破裂の脆弱性指標は、例えば、血行力学的応力、応力頻度、応力方向及び／もしくはプラーク強度または他の特性に基づいて算出することができる。例えば、目的とするプラークの周辺領域を、プラークの三次元モデル１２１０、例えばプラークモデル１２１４から分離してもよい。プラークの強度は、プラークモデル１２１４に提供される物質的特性から明らかにすることができる。拍動性圧力、流動及び頸部動作による目的プラークに対する血行力学的応力及び組織応力は、ステップ１２２４ですでに算出した血行力学的応力及び動作によって誘発されるひずみを用いて、模擬の基準条件及び運動（または労作）条件下で算出することができる。プラークの脆弱性は、プラーク応力のプラーク強度に対する比に基づいて評価することができる。ステップ１２３０は、上述した図３５のステップ９５０と類似していてよい。例えば、脳卒中の評価のために、頭蓋外動脈内に位置するプラークのプラーク破裂の脆弱性指標を算出することができる。
脳体積リスク指標（ＣＶＲＩ）を算出することもできる（ステップ１２３２）。ＣＶＲＩは、動脈ツリーにおける所定の位置の血管のプラーク破裂または塞栓形成及び閉塞（閉鎖または遮断）の影響を受ける全脳体積の百分率として定義することができる。ＣＶＲＩは、所定のプラークの下流の血管によって栄養が供給される脳の部分に基づいて算出することができ、下流血管の大きさに対するプラークの大きさと、三次元血行動態の解に基づいた当該プラークが異なる血管に流入する確率とを考慮に入れることができる。ＣＶＲＩは、疾患状態またはインターベンションの前もしくは後に評価することができる。ステップ１２３２は、上述した図３５のステップ９５２と類似していてよい。
脳組織をモデル化し、血行動態シミュレーションにて、各血管により栄養が供給されるセグメントに分割することができる（例えば、図４０のステップ１１１０及び１１１２に関連して記載した通り）。幾何モデルを修正して、脳ツリーに次世代の分枝を含めるようにしてもよく（例えば、図４０のステップ１１１８に関連して記載した通り）、脳組織を更にセグメント化してもよい（例えば、図４０のステップ１１２０に関連して記載した通り）。サブセグメント中に追加分枝を作成してもよく、このサブセグメントをより小さいセグメントに更にセグメント化してもよい（例えば、図４０のステップ１１２２に関連して記載した通り）。上述したように、生理学的関係を用いて、血管サイズと栄養供給を受ける脳組織の比例量とを関連付けることができる。
破裂したプラークがたどる潜在的経路が特定され得る。血行動態の解を用いて、プラーク断片または塞栓が、異なる下流血管に流入する確率を明らかにすることができる。
破裂したプラークの大きさを下流血管の大きさと比較して、そのプラークが最終的に血流への障害を生じ得るかどうかを明らかにすることができる。この情報を脆弱性指標と組み合わせて、破裂したプラークの影響を受ける可能性がある脳組織の体積の確率分布図を提供することができる。影響を受ける可能性のある各セグメントにＣＶＲＩを割り当てることができる。
脳灌流リスク指標（ＣＰＲＩ）を算出することもできる（ステップ１２３４）。ＣＰＲＩは、動脈ツリーにおける所定の位置の血管のプラーク破裂及び閉塞の影響を受ける全脳血流の百分率として定義することができる。ＣＰＲＩは、ＣＶＲＩが示すような影響を受ける体積ではなく、その脳組織セグメントへの灌流の潜在的な損失を示す。例えば、頸動脈プラークの破裂または塞栓の影響は、患者のウィリス輪（図３７に図示）の幾何学的形状に応じて異なり得、これらの解剖学的形態の違いによって、異なるＣＶＲＩ値及びＣＰＲＩ値をもたらし得る。脳組織の各セグメントへの灌流速度が算出され得、脆弱性指標、血行動態の解並びにプラーク及び血管の大きさに基づいて、灌流の損失を算出することができる。ＣＰＲＩは、疾患状態またはインターベンションの前もしくは後に評価することができる。ステップ１２３４は、上述した図３５のステップ９５４と類似していてよい。
その結果、拍動性圧力、拍動性血流及び／または場合により頸部動作に起因する、頸動脈アテローム硬化性プラークに作用する生体力学的力を評価することができる。拍動性圧力、拍動性血流及び／または場合により頸部動作に起因する、プラークが受ける全応力を定量化することができる。この解は、プラークまたはプラークと血管壁との間の界面に作用する患者固有の血行力学的応力の複数の原因を考慮に入れることができる。また、医用画像データに基づいてプラーク強度を推定することができ、プラーク脆弱性、脳体積リスク及び脳灌流リスクに関連する指標を定量化することができる。
後述のように頭蓋外動脈及び頭蓋内動脈の解剖学的データ及び生理学的データを明らかにすることによって、様々な身体的条件における特定患者の動脈レベルまたは器官レベルで血流の変化を予測することができる。更に、他の情報、例えば、一過性脳虚血発作、虚血性脳卒中または動脈瘤破裂のリスク、アテローム硬化性プラークまたは動脈瘤に作用する力、頭蓋内または頭蓋外の血流、圧力、血管壁応力または脳灌流に対する薬物療法、インターベンション療法または手術療法の予想される影響を提供してもよい。頭蓋内動脈または頭蓋外動脈中の血流、圧力及び血管壁応力並びに全脳灌流及び局所脳灌流を定量化することができ、疾患の機能的有意性を明らかにすることができる。
画像データから構築された三次元幾何モデルにおいて血流を定量化すること（例えば、ステップ１２１２で上述した通り）に加え、このモデルを修正して、疾患の進行もしくは退行、または医学的、経皮的もしくは外科的インターベンションの影響を模擬することもできる。例示的実施形態において、アテローム性動脈硬化症の進行は、経時的に解を反復するによって、例えば、せん断応力または粒子滞留時間を求め、血行動態因子及び／または患者固有の生化学的測定値に基づいて、幾何モデルをアテローム硬化性プラークの発達を進行させるように適合させることによってモデル化することができる。更に、頭蓋外及び／または頭蓋内の動脈血流または脳灌流に対する血流、心拍数、血圧及び他の生理学的変数の変化の影響を境界条件の変更によってモデル化し、これらの変数の経時的な累積的影響を算出するために使用してもよい。
いずれの実施形態に記載されるいずれの態様も、本明細書に記載される任意の他の実施形態にて使用することができる。本明細書に記載されるあらゆる装置及び器具は、いかなる好適な医療手順にて用いてもよく、いかなる好適な身体内腔及び体腔を通して前進させてもよく、いかなる好適な身体部分を画像化するために用いてもよい。
本開示の範囲から逸脱することなく、開示のシステム及びプロセスに様々な修正及び変更を行うことができることは、当業者には明らかであろう。他の実施形態は、本明細書を考慮し、本明細書の開示を実施することにより、当業者に対して明らかになるであろう。本明細書及び実施例は例示としてのみみなされるよう意図され、本開示の実際の範囲及び趣旨は以下の特許請求の範囲によって示される。

Claims (24)

  1. 患者の心血管情報を決定するためのシステムであって、前記システムは、
    前記システムは、方法を実行するように構成された少なくとも１つのコンピュータシステムを備え、
    前記方法は、
    侵襲的な測定方法を用いて血流特徴を測定することと、それぞれの境界条件に少なくとも部分的に基づいて血流特徴を算出することとによって、第１の集団の複数の患者のそれぞれに対してデータを入手することと、
    最初の境界条件調整特徴を受信することと、前記算出された血流特徴と前記第１の集団の患者のそれぞれの侵襲的に測定された血流特徴とを繰り返し比較することと、前記最初の境界条件調整特徴を調節することと、前記調節された境界条件調整特徴に基づいて前記算出された血流特徴を再算出することとを行うことにより、前記算出された血流特徴と前記第１の集団の患者のそれぞれの前記侵襲的に測定された血流特徴との間の差を小さくするようにそれぞれの境界条件を調整する境界条件調整特徴を決定することによって、前記患者に対する境界条件調整特徴を決定することと、
    前記患者に対する患者固有の境界条件モデルを生成することと、
    前記決定された境界条件調整特徴を用いて、前記患者固有の境界条件モデルを調整することと、
    前記調整された患者固有の境界条件モデルを用いて、前記患者の血流特徴を計算的に分析することと
    を含む、システム。
  2. 前記血流特徴を測定することは、複数の解剖学的位置において血流特徴を測定することを含み、前記血流特徴を算出することは、複数の解剖学的位置において血流特徴を算出することを含む、請求項１に記載のシステム。
  3. 前記患者に対する前記境界条件調整特徴を決定することは、複数の解剖学的位置のそれぞれに対する固有の境界条件調整特徴を決定することを含む、請求項１に記載のシステム。
  4. 前記方法は、前記決定された境界条件調整特徴を記憶することをさらに含む、請求項１に記載のシステム。
  5. 前記患者固有の境界条件モデルは、大動脈の少なくとも一部および前記大動脈の一部から発する複数の冠状動脈の少なくとも一部における境界を表す、請求項１に記載のシステム。
  6. 前記患者に対する境界条件調整特徴を決定することは、複数の解剖学的位置において、前記第１の集団の患者のそれぞれの前記算出された血流特徴と前記測定された血流特徴の測定値との差を小さくするように前記それぞれの境界条件を調整する境界条件調整特徴を決定することを含む、請求項１に記載のシステム。
  7. 前記決定された境界条件調整特徴は、前記患者の血流特徴を算出するためのパラメータを変更する、請求項１に記載のシステム。
  8. 前記方法は、第２の集団の患者の境界条件モデルに前記決定された境界条件調整特徴を適用することによって前記決定された境界条件調整特徴の精度を決定することをさらに含む、請求項１に記載のシステム。
  9. 少なくとも１つのコンピュータシステムを用いて患者の心血管情報を決定するための方法であって、前記方法は、
    少なくとも１つのプロセッサを用いて、第１の集団の複数の患者のそれぞれからデータを入手することであって、前記データは、侵襲的な方法を用いて取得された血流特徴の測定値と、それぞれの境界条件に少なくとも部分的に基づいて算出された血流特徴とを含む、ことと、
    少なくとも１つのプロセッサを用いて、前記第１の集団の複数の患者のそれぞれに対して、最初の境界条件特徴を入手することと、前記算出された血流特徴と前記侵襲的な方法を用いて取得された血流特徴の測定値とを繰り返し比較することと、前記最初の境界条件調整特徴を調節することと、前記調節された境界条件調整特徴に基づいて前記算出された血流特徴を再算出することとによって、前記侵襲的な方法を用いて取得され算出された血流特徴間の差を小さくするようにそれぞれの境界条件を調整する境界条件調整特徴を決定することによって、境界条件調整特徴を決定すること、
    前記患者に対する患者固有の境界条件モデルを入手することと、
    前記決定された境界条件調整特徴を用いて、前記患者固有の境界条件モデルを調整することと、
    前記調整された患者固有の境界条件モデルを用いて、前記患者の血流特徴を計算的に分析することと
    を含む、方法。
  10. 前記第１の集団の複数の患者のそれぞれから入手された前記データは、複数の解剖学的位置から侵襲的な測定方法を用いて取得された血流特徴の複数の測定値と、前記複数の解剖学的位置において算出された複数の血流特徴とを含む、請求項９に記載の方法。
  11. 前記境界条件調整特徴を決定することは、複数の解剖学的位置のそれぞれに対する固有の境界条件調整特徴を決定することを含む、請求項９に記載の方法。
  12. 前記決定された境界条件調整特徴を記憶することをさらに含む、請求項９に記載の方法。
  13. 前記患者固有の境界条件モデルは、大動脈の少なくとも一部および前記大動脈の一部から発する複数の冠状動脈の少なくとも一部における境界を表す、請求項９に記載の方法。
  14. 複数の解剖学的位置における境界条件調整特徴を決定することをさらに含む、請求項９に記載の方法。
  15. 前記決定された境界条件調整特徴は、前記患者の血流特徴を算出するためのパラメータを変更する、請求項９に記載の方法。
  16. 前記方法は、第２の集団の患者の境界条件モデルに前記決定された境界条件調整特徴を適用することによって前記決定された境界条件調整特徴の精度を決定することをさらに含む、請求項９に記載の方法。
  17. 患者の心血管情報を決定するための方法を実行するためのコンピュータで実行可能なプログラミング命令を含む少なくとも１つのコンピュータシステム上で使用される非一過性コンピュータ読み取り可能な媒体であって、前記方法は、
    第１の集団の複数の患者のそれぞれからデータを入手することであって、前記データは、侵襲的な方法を用いて取得された血流特徴の測定値と、それぞれの境界条件に少なくとも部分的に基づいて算出された血流特徴とを含む、ことと、
    前記第１の集団の複数の患者のそれぞれに対して、最初の境界条件特徴を入手することと、前記算出された血流特徴と前記侵襲的な方法を用いて取得された血流特徴の測定値とを繰り返し比較することと、前記最初の境界条件調整特徴を調節することと、前記調節された境界条件調整特徴に基づいて前記算出された血流特徴を再算出することとによって、前記侵襲的な方法を用いて取得され算出された血流特徴間の差を小さくするように個々の境界条件を調整する境界条件調整特徴を決定することによって、境界条件調整特徴を決定すること、
    前記患者に対する患者固有の境界条件モデルを入手することと、
    前記決定された境界条件調整特徴を用いて、前記患者固有の境界条件モデルを調整することと、
    前記調整された患者固有の境界条件モデルを用いて、前記患者の血流特徴を計算的に分析することと
    を含む、非一過性コンピュータ読み取り可能な媒体。
  18. 前記第１の集団の複数の患者のそれぞれから入手された前記データが、複数の解剖学的位置から侵襲的な測定方法を用いて取得された血流特徴の複数の測定値と、前記複数の解剖学的位置において算出された複数の血流特徴とを含む、請求項１７に記載の非一過性コンピュータ読み取り可能な媒体。
  19. 前記境界条件調整特徴を決定することは、複数の解剖学的位置のそれぞれに対する固有の境界条件調整特徴を決定することを含む、請求項１７に記載の非一過性コンピュータ読み取り可能な媒体。
  20. 前記方法は、前記決定された境界条件調整特徴を記憶することをさらに含む、請求項１７に記載の非一過性コンピュータ読み取り可能な媒体。
  21. 前記患者固有の境界条件モデルは、大動脈の少なくとも一部および前記大動脈の一部から発する複数の冠状動脈の少なくとも一部における境界を表す、請求項１７に記載の非一過性コンピュータ読み取り可能な媒体。
  22. 複数の解剖学的位置における境界条件調整特徴を決定することをさらに含む、請求項１７に記載の非一過性コンピュータ読み取り可能な媒体。
  23. 前記決定された境界条件調整特徴は、前記患者の算出された血流特徴を算出するためのパラメータを変更する、請求項１７に記載の非一過性コンピュータ読み取り可能な媒体。
  24. 前記方法は、第２の集団の患者の境界条件モデルに前記決定された境界条件調整特徴を適用することによって前記決定された境界条件調整特徴の精度を決定することをさらに含む、請求項１７に記載の非一過性コンピュータ読み取り可能な媒体。
JP2016531868A 2013-07-30 2014-07-30 最適化された診断能のための境界条件を用いて血流をモデル化するための方法及びシステム Active JP6215469B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361860138P 2013-07-30 2013-07-30
US61/860,138 2013-07-30
PCT/US2014/048947 WO2015017571A1 (en) 2013-07-30 2014-07-30 Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance
US14/447,195 US9913616B2 (en) 2013-07-30 2014-07-30 Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance
US14/447,195 2014-07-30

Publications (2)

Publication Number Publication Date
JP2016528975A JP2016528975A (ja) 2016-09-23
JP6215469B2 true JP6215469B2 (ja) 2017-10-18

Family

ID=52428289

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016531868A Active JP6215469B2 (ja) 2013-07-30 2014-07-30 最適化された診断能のための境界条件を用いて血流をモデル化するための方法及びシステム

Country Status (8)

Country Link
US (3) US9913616B2 (ja)
EP (1) EP3028196B1 (ja)
JP (1) JP6215469B2 (ja)
KR (2) KR102380008B1 (ja)
CN (2) CN105580019B (ja)
AU (2) AU2014296238B2 (ja)
CA (1) CA2919714C (ja)
WO (1) WO2015017571A1 (ja)

Families Citing this family (93)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140236547A1 (en) * 2013-02-15 2014-08-21 Siemens Aktiengesellschaft Patient-specific automated tuning of boundary conditions for distal vessel tree
EP3062248A1 (en) * 2015-02-27 2016-08-31 Pie Medical Imaging BV Method and apparatus for quantitative flow analysis
US10262101B2 (en) * 2015-04-02 2019-04-16 Heartflow, Inc. Systems and methods for predicting perfusion deficits from physiological, anatomical, and patient characteristics
WO2016161356A1 (en) * 2015-04-02 2016-10-06 Heartflow, Inc. Systems and methods for predicting tissue viability deficits from physiological, anatomical, and patient characteristics
JP2018515167A (ja) * 2015-04-02 2018-06-14 ハートフロー， インコーポレイテッド 血管網と潅流組織の機能的関連性を特定し可視化するシステム及び方法
EP3282949B1 (en) * 2015-04-13 2019-06-05 Case Western Reserve University Dual energy x-ray coronary calcium grading
US10007762B2 (en) 2015-04-17 2018-06-26 Heartflow, Inc. Systems and methods for assessment of tissue function based on vascular disease
WO2016170076A1 (en) * 2015-04-21 2016-10-27 Frey Dietmar Method for simulating blood flow in the cerebral vascular tree
US10201321B2 (en) * 2015-07-10 2019-02-12 The Regents Of The University Of California Low-dose CT perfusion technique
WO2017015062A1 (en) * 2015-07-17 2017-01-26 Heartflow, Inc. Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US11676359B2 (en) 2015-08-14 2023-06-13 Elucid Bioimaging Inc. Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology
US10176408B2 (en) 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
US11071501B2 (en) 2015-08-14 2021-07-27 Elucid Bioiwaging Inc. Quantitative imaging for determining time to adverse event (TTE)
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
US11191490B2 (en) 2015-12-02 2021-12-07 Siemens Healthcare Gmbh Personalized assessment of patients with acute coronary syndrome
GB201522133D0 (en) * 2015-12-15 2016-01-27 Univ Sheffield Apparatus and method for determining coronary physiology
DE102016203860A1 (de) * 2016-03-09 2017-09-14 Siemens Healthcare Gmbh Vorrichtung und Verfahren zum Ermitteln zumindest eines individuellen fluiddynamischen Kennwerts einer Stenose in einem mehrere serielle Stenosen aufweisenden Gefäßsegment
EP3228245B1 (en) * 2016-04-05 2021-05-26 Siemens Healthcare GmbH Determining arterial wall property with blood flow model
US20170325770A1 (en) * 2016-05-13 2017-11-16 General Electric Company Methods for personalizing blood flow models
WO2018031663A1 (en) 2016-08-10 2018-02-15 Heartflow, Inc. Systems and methods for modeling nutrient transport and/or predicting weight change
CN106073750B (zh) * 2016-08-29 2023-07-28 廖晓莉 心室供血异常检测装置及心脏脉波数据的间接采集处理方法
CN107788965A (zh) * 2016-09-05 2018-03-13 京东方科技集团股份有限公司 一种血压的确定方法及装置
CN109688908B (zh) * 2016-09-16 2023-01-03 皇家飞利浦有限公司 用于确定血流储备分数的装置和方法
US10507005B2 (en) * 2016-09-22 2019-12-17 General Electric Company Spectral calibration of spectral computed tomography (CT)
JP6981807B2 (ja) * 2016-10-04 2021-12-17 キヤノンメディカルシステムズ株式会社 医用情報処理装置、ｘ線ｃｔ装置、医用情報処理プログラム、医用情報処理方法及び医用情報処理システム
DE102017217599A1 (de) 2016-10-04 2018-04-05 Toshiba Medical Systems Corporation Medizinische Informationsverarbeitungsvorrichtung, Röntgen-CT-Vorrichtung und medizinisches Informationsverarbeitungsverfahren
JP6923411B2 (ja) 2016-10-04 2021-08-18 キヤノンメディカルシステムズ株式会社 医用情報処理装置及び医用情報処理プログラム
DE102016222102A1 (de) * 2016-11-10 2018-05-17 Siemens Healthcare Gmbh Behandlungsplanung für eine Stenose in einem Gefäßsegment anhand einer virtuellen hämodynamischen Analyse
DE102017221276A1 (de) * 2016-11-28 2018-05-30 Toshiba Medical Systems Corporation Medizinische Bildverarbeitungsvorrichtung, Röntgen-CT Vorrichtung und medizinisches Bildverarbeitungsverfahren
US10510171B2 (en) * 2016-11-29 2019-12-17 Biosense Webster (Israel) Ltd. Visualization of anatomical cavities
EP3333738A1 (en) * 2016-12-06 2018-06-13 Fujitsu Limited Streakline visualization apparatus, method, and program
JP6741252B2 (ja) * 2016-12-06 2020-08-19 富士通株式会社 流脈線可視化装置、流脈線可視化方法、および流脈線可視化プログラム
EP3559903B1 (en) * 2016-12-23 2023-03-22 HeartFlow, Inc. Machine learning of anatomical model parameters
EP3375364A4 (en) 2017-01-23 2019-01-23 Shanghai United Imaging Healthcare Co., Ltd. SYSTEM AND METHOD FOR ANALYZING THE STATUS OF BLOOD CIRCULATION
US11461512B2 (en) 2017-01-26 2022-10-04 Dassault Systemes Simulia Corp. Multi-phase flow visualizations based on fluid occupation time
JP6653673B2 (ja) 2017-02-28 2020-02-26 富士フイルム株式会社 血流解析装置および方法並びにプログラム
US10810793B2 (en) * 2017-03-13 2020-10-20 Technion Research & Development Foundation Limited Microstructures and porous geometry modeling
US10725452B2 (en) * 2017-03-13 2020-07-28 Technion Research & Development Foundation Limited Systems and methods for manufacturing of microstructures
CN110494893B (zh) * 2017-03-31 2024-01-23 皇家飞利浦有限公司 基于ffr的对非侵入性成像的交互监测
CN110506293B (zh) * 2017-03-31 2023-11-07 皇家飞利浦有限公司 谱成像ffr
JP7300392B2 (ja) 2017-04-06 2023-06-29 コーニンクレッカ フィリップス エヌ ヴェ 標準化された冠動脈疾患メトリック
JP7232245B2 (ja) * 2017-08-30 2023-03-02 コーニンクレッカ フィリップス エヌ ヴェ モデル及びイメージングデータに基づく冠動脈健康状態予測
EP3456248A1 (en) * 2017-09-14 2019-03-20 Koninklijke Philips N.V. Hemodynamic parameters for co-registration
EP3457404A1 (en) * 2017-09-18 2019-03-20 Koninklijke Philips N.V. Estimating flow to vessel bifurcations for simulated hemodynamics
US11871995B2 (en) 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
WO2019126372A1 (en) * 2017-12-20 2019-06-27 Heartflow, Inc. Systems and methods for performing computer-simulated evaluation of treatments on a target population
WO2019132048A1 (ko) * 2017-12-26 2019-07-04 부산대학교 산학협력단 안구 맥락막 혈류 시뮬레이션 방법
US11714040B2 (en) 2018-01-10 2023-08-01 Dassault Systemes Simulia Corp. Determining fluid flow characteristics of porous mediums
US11523788B2 (en) * 2018-01-11 2022-12-13 Canon Medical Systems Corporation Medical information processing apparatus, medical information processing system, and medical information processing method
CN108511075B (zh) * 2018-03-29 2022-10-25 杭州脉流科技有限公司 一种非侵入式获取血流储备分数的方法和系统
CN108615259B (zh) * 2018-04-27 2022-06-24 苏州数算软云科技有限公司 建立血液流动计算模型用以评价冠状动脉血流情况的方法
US11389130B2 (en) 2018-05-02 2022-07-19 Siemens Healthcare Gmbh System and methods for fast computation of computed tomography based fractional flow reserve
EP3564963A1 (en) * 2018-05-02 2019-11-06 Siemens Healthcare GmbH System and methods for fast computation of computed tomography based fractional flow reserve
CN108550189A (zh) * 2018-05-03 2018-09-18 苏州润迈德医疗科技有限公司 基于造影图像和流体力学模型的微循环阻力指数计算方法
WO2020018858A1 (en) * 2018-07-20 2020-01-23 University Of Louisville Research Foundation, Inc. Method and system for assessing a coronary stenosis
US11530598B2 (en) 2018-08-21 2022-12-20 Dassault Systemes Simulia Corp. Determination of oil removed by gas via miscible displacement in reservoir rock
CN109259751B (zh) * 2018-08-27 2022-03-11 杭州晟视科技有限公司 一种评估血流储备分数的方法及装置、设备、存储介质
JP6988001B2 (ja) * 2018-08-30 2022-01-05 オリンパス株式会社 記録装置、画像観察装置、観察システム、観察システムの制御方法、及び観察システムの作動プログラム
JP7324547B2 (ja) * 2018-09-19 2023-08-10 ▲蘇▼州▲潤▼▲邁▼▲徳▼医▲療▼科技有限公司 冠状動脈血管評定パラメータを簡単に測定する測定装置及び該測定装置を含む冠状動脈分析システム
CN109363661B (zh) * 2018-09-25 2022-02-01 杭州晟视科技有限公司 血流储备分数确定系统、方法、终端及存储介质
CN111227821B (zh) * 2018-11-28 2022-02-11 苏州润迈德医疗科技有限公司 基于心肌血流量和ct图像的微循环阻力指数计算方法
US11127138B2 (en) * 2018-11-20 2021-09-21 Siemens Healthcare Gmbh Automatic detection and quantification of the aorta from medical images
US20220015730A1 (en) * 2018-11-28 2022-01-20 Koninklijke Philips N.V. Most relevant x-ray image selection for hemodynamic simulation
WO2020142789A1 (en) * 2019-01-06 2020-07-09 Covanos, Inc. Noninvasive determination of resting state diastole hemodynamic information
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
CN109907826A (zh) * 2019-04-12 2019-06-21 江西省人民医院 基于3d模型和vr技术的冠状动脉疾病模拟诊疗系统
US20220237864A1 (en) * 2019-06-26 2022-07-28 The Regents Of The University Of California Reduced order model for computing blood flow dynamics
US11657920B2 (en) 2019-07-08 2023-05-23 Koninklijke Philips N.V. Dynamic and locally-faithful explanation of machine learning models for precision medicine
JP2022543330A (ja) 2019-08-05 2022-10-12 エルシド バイオイメージング インコーポレイテッド 形態学的および血管周囲疾患の複合評価
US11969280B2 (en) 2020-01-07 2024-04-30 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US20220392065A1 (en) 2020-01-07 2022-12-08 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
WO2021141921A1 (en) 2020-01-07 2021-07-15 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
CN111241759B (zh) * 2020-01-13 2024-03-26 北京工业大学 一种基于零维血流动力学模型的ffr快速计算方法
WO2021193015A1 (ja) * 2020-03-27 2021-09-30 テルモ株式会社 プログラム、情報処理方法、情報処理装置及びモデル生成方法
US11847391B2 (en) 2020-06-29 2023-12-19 Dassault Systemes Simulia Corp. Computer system for simulating physical processes using surface algorithm
KR102516382B1 (ko) * 2020-08-04 2023-04-03 이에이트 주식회사 Lbm 기반의 혈류 시뮬레이션 장치, 방법 및 컴퓨터 프로그램
CN111956200B (zh) * 2020-09-01 2023-07-21 徐州利华电子科技发展有限公司 微循环高速血流测算系统和测算方法
US20230329793A1 (en) 2020-09-04 2023-10-19 Hi-D Imaging Ag Patient-tailored hemodynamics analysis for the planning of a heart valve implantation
CN112233810B (zh) * 2020-10-20 2021-11-23 武汉华大基因科技有限公司 一种基于真实世界临床数据的治疗方案综合疗效评估方法
CN112381780B (zh) * 2020-11-11 2021-04-20 上海市第六人民医院 一种冠脉微循环状况评估装置及方法
US11907625B2 (en) 2020-12-29 2024-02-20 Dassault Systemes Americas Corp. Computer simulation of multi-phase and multi-component fluid flows including physics of under-resolved porous structures
CN112842287B (zh) * 2021-01-05 2022-05-17 清华大学 测量血管硬化参数装置和方法
CN112932423B (zh) * 2021-01-25 2024-05-28 中山大学附属第八医院（深圳福田） 基于体外反搏干预下心脑血管疾病预测方法及系统、设备
CN112932434B (zh) * 2021-01-29 2023-12-05 苏州润迈德医疗科技有限公司 获取流量损失模型、损失比、供血能力的方法和系统
CN112541303A (zh) * 2021-02-07 2021-03-23 杭州晟视科技有限公司 一种残留血液百分比的测量方法、装置及存储介质
CN113052956B (zh) * 2021-03-19 2023-03-10 安翰科技(武汉)股份有限公司 基于胶囊内窥镜构建阅片模型的方法、设备及介质
CN113539516A (zh) * 2021-07-07 2021-10-22 深圳睿心智能医疗科技有限公司 治疗方案的应用后效果的获取方法及装置
CN114077803B (zh) * 2021-11-22 2024-03-26 西安交通大学 一种等几何粒子流体动力学方法
WO2023132392A1 (ko) * 2022-01-07 2023-07-13 이에이트 주식회사 입자 기반의 시뮬레이션을 통해 경동맥에서의 혈류 특성을 분석하는 방법 및 시스템
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination
WO2024096580A1 (ko) * 2022-11-01 2024-05-10 (주)포티파이 사용자 맞춤형 스트레스 케어 장치 및 방법

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6461870B2 (en) * 1998-05-06 2002-10-08 Isotechnika Inc. 13C glucose breath test for the diagnosis of diabetic indications and monitoring glycemic control
US6236878B1 (en) 1998-05-22 2001-05-22 Charles A. Taylor Method for predictive modeling for planning medical interventions and simulating physiological conditions
US20030216654A1 (en) * 2002-05-07 2003-11-20 Weichao Xu Bayesian discriminator for rapidly detecting arrhythmias
JP4269623B2 (ja) * 2002-10-07 2009-05-27 株式会社 東北テクノアーチ 血流可視化診断装置
EP2217137A4 (en) * 2007-12-03 2011-09-07 Gripping Heart Ab VALIDATION AND USER INTERFACE SYSTEM OF STATE MACHINE
US8200466B2 (en) 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
US20100130878A1 (en) * 2008-11-24 2010-05-27 General Electric Company Systems, apparatus and processes for automated blood flow assessment of vasculature
CN101515266A (zh) * 2009-02-19 2009-08-26 浙江大学 一种利用计算机对心脏运动序列图像的处理方法
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
GB2479340A (en) * 2010-03-10 2011-10-12 Imp Innovations Ltd Method and apparatus for the measurement of a fluid flow restriction in a vessel
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US9119540B2 (en) * 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
US20130023798A1 (en) * 2011-07-20 2013-01-24 Intel-Ge Care Innovations Llc Method for body-worn sensor based prospective evaluation of falls risk in community-dwelling elderly adults

Also Published As

Publication number Publication date
US9913616B2 (en) 2018-03-13
AU2014296238A1 (en) 2016-02-25
KR102297136B1 (ko) 2021-09-03
KR102380008B1 (ko) 2022-03-29
CN108992058A (zh) 2018-12-14
EP3028196B1 (en) 2017-11-15
US20180140258A1 (en) 2018-05-24
JP2016528975A (ja) 2016-09-23
AU2017200000A1 (en) 2017-02-02
EP3028196A1 (en) 2016-06-08
AU2014296238B2 (en) 2016-10-06
WO2015017571A1 (en) 2015-02-05
AU2017200000B2 (en) 2019-03-28
US20150038860A1 (en) 2015-02-05
US20210153749A1 (en) 2021-05-27
CA2919714A1 (en) 2015-02-05
CN105580019A (zh) 2016-05-11
CA2919714C (en) 2018-04-10
KR20210111325A (ko) 2021-09-10
US10939828B2 (en) 2021-03-09
US11992293B2 (en) 2024-05-28
KR20160038038A (ko) 2016-04-06
CN105580019B (zh) 2018-09-14

Similar Documents

Publication Publication Date Title
JP7304390B2 (ja) 患者固有の血流のモデリングのための方法およびシステム
US11992293B2 (en) Method and system for processing electronic images for boundary condition optimization
JP6378779B2 (ja) 流量比を用いて血流の特徴を決定するシステム及び方法

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170228

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170308

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170608

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170824

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170920

R150 Certificate of patent or registration of utility model

Ref document number: 6215469

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250