JP6626498B2 - 血流特性及び病理を心筋血液供給のモデリングを介して決定するためのシステム及び方法 - Google Patents

Description

関連出願
本願は、２０１４年１０月３１日に出願された米国特許非仮出願第１４／５２９，４９５号及び２０１４年８月２９日に出願された米国仮出願第６２／０４３，６９９号の優先権の利益を主張するものであり、その全体を参照することにより、その全開示がここに包含される。

開示の分野
本開示の種々の実施形態は、概略的には、疾患の評価、治療計画及び関連する方法に関する。具体的には、本開示の特定の実施形態は、心筋血液供給のモデリングを介して血流特性及び病理を判断するシステム及び方法に関する。

冠動脈疾患は、数百万の人々が冒される一般的な病気である。冠動脈疾患は、心臓に血液を供給する血管に、狭窄（血管の異常狭窄）等の病変を生じさせることがある。その結果、心臓への血流が規制されることがある。冠動脈疾患を患う患者は、胸の痛みを感じることがあり、活動中の慢性安定狭心症または患者が安静のときの不安定狭心症と称せられる。病気のより深刻な発現は、心筋梗塞または心臓麻痺に至ることがある。内科的治療（例えば、スタチン）または外科的代替手段（例えば、経皮冠動脈インターベンション（ＰＣＩ）または冠動脈バイパス移植術（ＣＡＢＧ））の双方を包含する冠動脈疾患の治療が大きく前進してきている。侵襲的評価が、患者が受け得る治療のタイプを評価するために、一般的に用いられる。しかしながら、患者の治療を策定するために、間接的または非侵襲的評価が探求され、開発されている。

治療の必要性を評価する一つの方法は、心臓血管疾患が組織（例えば、心筋組織）への血液供給を減少させるため、組織に対する血液供給を観察することである。複数の診断様式（例えば、コンピュータ断層撮影法（ＣＴ血管造影法）及び磁気共鳴映像法（ＭＲ血管造影法）は、組織への血液供給の評価（例えば、組織のかん流、生存率、または、生物医学的側面）を与える。血液供給は、治療を評価するためのいくつかの入力を提供し得るが、血液供給の評価だけでは、目標とする治療を達成するためには、不十分である。心臓疾患は、更に多くの要因で左右される。

所定の治療が、必要以上に過度であるという事実により、不適切であることが明らかにされている。例えば、ＰＣＩおよびバイパス移植は、極めて乱用されている。更に、ＰＣＩ及びバイパス移植は、例えば、不正確に配置しまたは機能的に重要でない狭窄に配置することにより、しばしば効果的に使用されないことがある。したがって、閾値レベルにおいて、どの治療を患者に施すか判断する際に、心臓血管疾患の重大性を正確に評価することの必要性が存在する。更に、ＰＣＩ及びバイパス移植に対して、治療を施す位置を正確に評価することが重要である。したがって、疾患の重大度を正確に判断すること及び疾患の治療に効果的な場所を正確に狙うことの双方により、治療場所を標的とする治療を改善することが望まれている。

上述の概略的な説明及び後述する詳細な説明は、例示であり、説明のためのみであり、この開示を制限するものではない。

本開示の特定の態様によると、心筋の血液供給のモデリングを介して血流特性及び病理を判断するシステム及び方法が開示される。

１つの方法は、患者または複数の人のいずれかに関連する１つまたは複数の血管モデルを受け取り、患者に関連する観察かん流情報を受け取り、更に、１つまたは複数のコンピュータプロセッサを使用して、観察かん流情報及び１つまたは複数の血管モデルに基づいて、患者の１つ若しくは複数の血流特性または１つ若しくは複数の病理学的特徴を推定することを、包含する。

他の実施形態によると、血管疾患を有する患者を評価するシステムは、血管疾患を有する患者を評価するための命令を記憶するデータ記憶デバイスと、患者または複数の人のいずれかに関連する１つまたは複数の血管モデルを受け取り、患者に関連する観察かん流情報を受け取り、更に、１つまたは複数のコンピュータプロセッサを使用して、観察かん流情報及び１つまたは複数の血管モデルに基づいて、患者の１つ若しくは複数の血流特性または１つ若しくは複数の病理学的特徴を推定するように構成されるプロセッサとを備える。

他の実施形態によると、血管疾患を有する患者を評価する方法を実行するためのコンピュータ実行可能プログラミング命令を包含するコンピュータシステムで使用する固定のコンピュータ可読媒体であって、この方法は、患者または複数の人のいずれかに関連する１つまたは複数の血管モデルを受け取り、患者に関連する観察かん流情報を受け取り、更に、１つまたは複数のコンピュータプロセッサを使用して、観察かん流情報及び１つまたは複数の血管モデルに基づいて、患者の１つ若しくは複数の血流特性または１つ若しくは複数の病理学的特徴を推定することを、包含する。

開示した実施形態の他の目的及び利点は、以下の説明中に一部を説明しており、一部は明細書から明らかとなり、または、開示した実施形態を実行することにより理解することができる。開示した実施形態の目的及び利点は、添付の請求の範囲に特に指摘した要素及び組み合わせにより、実現され、達成される。
本発明は、例えば、以下を提供する。
（項目１）
血管疾患を有する患者の評価をコンピュータで実施する方法であって、この方法は、
患者または複数の人のいずれかに関連する１つまたは複数の血管モデルを受け取り、
患者に関連する観察かん流情報を受け取り、更に、
１つまたは複数のコンピュータプロセッサを使用して、前記観察かん流情報及び前記１つまたは複数の血管モデルに基づいて、患者の１つ若しくは複数の血流特性または１つ若しくは複数の病理学的特徴を推定することを、備える。
（項目２）
更に、前記１つまたは複数の血管モデルのそれぞれについて、前記１つまたは複数の血管モデルから導き出される１つまたは複数のモデル化されたかん流値を取得し、
前記観察かん流情報を、前記１つまたは複数のモデル化されたかん流値の１つまたは複数と比較し、前記観察かん流情報に対応する関連した患者の血管モデルを特定し、更に、
１つまたは複数のコンピュータプロセッサを使用して、更に、前記特定した患者の血管モデルに基づいて、前記１つ若しくは複数の血流特性または前記１つ若しくは複数の病理学的特徴を推定すること、を備える項目１に記載のコンピュータで実施する方法。
（項目３）
前記観察かん流情報は、１つ若しくは複数のかん流値または１つ若しくは複数の心筋壁運動値を包含する、項目１に記載のコンピュータで実施する方法。
（項目４）
更に、前記１つ若しくは複数のかん流値または前記１つ若しくは複数の血管壁運動値を、前記患者または複数の人の１つ若しくは複数の人の１つ若しくは複数の画像から受け取り、更に、
１つ若しくは複数かん流値または１つ若しくは複数の血管壁運動値を、患者の組織モデルに記録すること、を備える項目３に記載のコンピュータで実施する方法。
（項目５）
前記１つまたは複数の患者血管モデルを決定することは、更に、
前記観察かん流情報を生成する仮説的血管病変のセットを特定することを包含し、患者の前記１つ若しくは複数の血流特性または１つ若しくは複数の病理学的特徴が、血管病変に関連される、項目１に記載のコンピュータで実施する方法。
（項目６）
更に、患者の生体組織の幾何学モデルを受け取り、更に、
計算流体力学分析を、前記患者の生体組織の前記幾何学モデルの１つまたは複数の変形版に適用することを包含し、前記仮説血管病変のセットの特定は、計算流体力学分析を前記幾何学モデルの前記変形版の１つまたは複数への適用に基づいている、項目５に記載のコンピュータで実施する方法。
（項目７）
更に、前記患者の生体組織の１つまたは複数のモデルに関連する複数の計算流体力学分析結果を、観察かん流情報と比較し、更に、
前記複数の計算流体力学分析結果の観察かん流情報との比較に基づいて、前記患者の生体組織の冠状動脈モデルを選択することを、包含する項目５のコンピュータで実施する方法。
（項目８）
更に、前記患者の前記１つ若しくは複数の血流特性または１つ若しくは複数病理学的特徴に関連する治療を出力すること、を包含する項目１のコンピュータで実施する方法。
（項目９）
血管疾患を有する患者を評価するシステムであって、このシステムは、
血管疾患を有する患者の評価のための命令を記憶するデータ記憶デバイスと、
前記患者若しくは複数の人のいずれかに関連する１つまたは複数の血管モデルを受け取り、
前記患者に関連する観察かん流情報を受け取り、更に、
１つまたは複数のコンピュータプロセッサを使用して、前記観察かん流情報及び前記１つまたは複数の血管モデルに基づいて、前記患者の１つ若しくは複数の血流特性または１つ若しくは複数の病理学的特徴を推定することを包含する方法を、
実行するように構成されるプロセッサとを備える。
（項目１０）
前記システムは、更に、
前記１つまたは複数の血管モデルのそれぞれについて、前記１つまたは複数の血管モデルから導き出される１つまたは複数のモデル化されたかん流値を取得し、
前記観察かん流情報を、前記１つまたは複数のモデル化されたかん流値の１つまたは複数と比較し、観察かん流情報に対応する関連した患者血管モデルを特定し、更に、
１つまたは複数のコンピュータプロセッサを使用して、前記患者の１つ若しくは複数の血流特性または１つ若しくは複数病理学的特徴を、更に、前記特定した患者の血管モデルに基づいて推定する、ように構成される、項目９に記載のシステム。
（項目１１）
前記観察かん流情報は、１つ若しくは複数かん流値または１つ若しくは複数の心筋壁運動値を包含する、項目９に記載のシステム。
（項目１２）
前記システムは、更に、
前記患者または複数の人の１つ若しくは複数の人のいずれかの１つ若しくは複数画像から、前記１つ若しくは複数かん流値または前記１つ若しくは複数の心筋壁運動値を受け取り、更に、
前記１つ若しくは複数のかん流値または前記１つ若しくは複数の心筋壁運動値を、前記患者の組織モデルに記録する、ように構成される、項目１１に記載のシステム。
（項目１３）
前記１つまたは複数の患者の血管モデルを決定することは、更に、
前記観察かん流情報を生成する仮説血管病変のセットを特定することを包含し、前記患者の前記１つ若しくは複数の血流特性または１つ若しくは複数の病理的特徴は、血管病変のセットに関連する、項目９に記載のシステム。
（項目１４）
前記システムは、更に、
前記患者の生体組織の幾何学モデルを受け取り、更に、
計算流体力学分析を、前記患者の生体組織の前記幾何学モデルの１つまたは複数の変形版に適用するように構成され、前記仮説血管病変のセットの特定は、計算流体力学分析を前記幾何学モデルの前記変形版の１つまたは複数への適用に基づいている、項目１３に記載のシステム。
（項目１５）
前記システムは、更に、
前記患者の生体組織の１つまたは複数のモデルに関連する複数の計算流体力学分析結果を、前記観察かん流情報と比較し、更に、
前記複数の計算流体力学分析結果の前記観察かん流情報との比較に基づいて、前記患者の生体組織の冠状動脈モデルを選択するように、構成される、項目１３に記載のシステム。
（項目１６）
更に、前記患者の前記１つ若しくは複数の血流特性または前記１つ若しくは複数病理学的特徴に関連する治療を出力すること、を包含する項目９に記載のシステム。
（項目１７）
血管疾患を有する患者を評価する方法を実行するコンピュータで実施可能なプログラム命令を内包するコンピュータシステムで使用するための、固定のコンピュータ可読媒体であって、この方法は、
前記患者または複数の人のいずれかに関連する１つまたは複数の血管モデルを受け取り、
前記患者に関連する観察かん流情報を受け取り、更に、
１つまたは複数のコンピュータプロセッサを使用して、前記観察かん流情報及び前記１つまたは複数の血管モデルに基づいて、前記患者の１つ若しくは複数の血流特性または１つ若しくは複数の病理学的特徴を推定することを、備える。
（項目１８）
前記方法は、更に、
前記１つまたは複数の血管モデルのそれぞれについて、前記１つまたは複数の血管モデルから導き出される１つまたは複数のモデル化されたかん流値を取得し、
前記観察かん流情報を、前記１つまたは複数のモデル化されたかん流値の１つまたは複数と比較し、前記観察かん流情報に対応する関連した患者の血管モデルを特定し、更に、
１つまたは複数のコンピュータプロセッサを使用して、更に、前記特定した患者の血管モデルに基づいて、前記患者の１つ若しくは複数の血流特性または１つ若しくは複数の病理学的特徴を推定すること、を備える項目１７に記載の固定のコンピュータ可読媒体。
（項目１９）
前記観察かん流情報は、１つ若しくは複数のかん流値または１つ若しくは複数の心筋壁運動値を包含する、項目１７に記載の固定のコンピュータ可読媒体。
（項目２０）
前記方法は、更に、
前記１つ若しくは複数のかん流値または前記１つ若しくは複数の血管壁運動値を、前記患者または複数の人の１つ若しくは複数の人の１つ若しくは複数の画像から受け取り、更に、
１つ若しくは複数かん流値または１つ若しくは複数の血管壁運動値を、前記患者の組織モデルに記録すること、を備える項目１９に記載の固定のコンピュータ可読媒体。

上述の概略的な説明及び後述する詳細な説明の双方は、例示であり、説明のためのみであり、請求項に記載のように、この開示の実施形態を制限するものではないことが理解される。

添付の図面は、この明細書に包含され、この明細書の一部を構成するものであり、種々の例示的実施形態をこの説明と共に示し、開示の実施形態の原理を説明している。

本開示の例示的な実施形態による、心筋血液供給のモデリングを介して血流特性及び病理を判断する例示的システム及びネットワークのブロック図である。 本開示の例示的実施形態による血流特性、病理及び組織モデル変数間の関係を決定する例示的な方法のブロック線図である。 本開示の例示的実施形態による血流特性及び／または病理を観察組織変数のセットを使用して推定する例示的な方法のブロック線図である。 本開示の例示的実施形態による血流特性、病理、並びに、１つまたは複数のかん流欠損及び心筋壁運動に関連する組織変数間の関係を決定する例示的な方法のブロック線図である。 本開示の例示的実施形態による観察かん流値を使用して血流特性及び病理を推定する例示的な方法のブロック線図である。 本開示の例示的実施形態による観察壁運動値を使用して血流特性及び病理を推定する例示的な方法のブロック線図である。

開示の例示的実施形態を以下に詳細に参照すると、その実施例が添付図面に示してある。可能な限り、全図を通して同じ参照番号が同じまたは同様な部材に使用する。

冠動脈疾患は、一般的な病気であり、これにより、心臓への血流が規制されることがある。冠動脈疾患の治療が大きく前進しているが、治療が間違った場所で行われることまたは過剰となることがある。例えば、患者は、薬剤で十分なときに、侵襲的な外科治療を受けることがある。患者は、その病状が変化しないような治療を受けることがある。いくつかの状況では、患者は、最終的にはその病状を悪化させる治療を受けることさえある。したがって、治療コースを選択する際に、心臓血管疾患の重大性を正確に評価することの必要性が存在する。更に、治療を施す位置をより正確に評価することは、より標的を絞った治療を提供することができる。

治療の必要性を評価する一つの方法は、心臓血管疾患が典型的には組織（例えば、心筋組織）への血液供給の減少包含するため、患者の組織に対する血液供給を観察することによるものである。複数の診断様式（例えば、コンピュータ断層撮影法（ＣＴ血管造影法）及び磁気共鳴映像法（ＭＲ血管造影法）は、組織への血液供給の評価（例えば、組織のかん流、生存率、または、生物医学的側面）を与える。しかしながら、血液供給の評価だけでは、適切な治療を決定するためには不十分である。例えば、血液供給の分析は、それ自体では、心臓血管疾患の病原位置を正確に特定し、病気の重大性を示すことはできない。一方、画像化及び計算機モデリングにおける最近の進歩は、患者の心臓血管モデルの作成に基づいて、患者に対する血流を仮想的にシミュレーションする手段を提供する。

本開示は、仮想的シミュレーションから得られるメトリクスを使用して疾患及び治療評価を改善し、したがって、心臓血管疾患の位置を特定し、重大性を判断するために、患者の血液供給についての観察データで生物力学的計算機モデリングにおける利点を強化するシステム及び方法を包含する。１つの実施形態では、本開示は、患者の心臓血管疾患を記述する予想計算機モデルを推測するための観察血流供給データから、後方で作用（例えば、いわゆる「逆」態様で）することを包含する。換言すると、本開示は、患者の観察血液供給データを説明し得る計算機モデルを発見することを包含する。１つの実施形態では、計算機モデルを推測することは、患者に対する心臓血管モデルを作成することを包含し得る。決定した計算機モデル（及び／または、心臓血管モデル）は、心臓血管疾患の重大性及び位置特定に関する情報を提供してもよく、これは患者の治療ため基礎を形成し得る。

例えば、本開示は、最初に、血流特性及び／または病理学的特徴間の関係を決定することを包含してもよい。本開示は、更に、どのようにこれらの血流特性及び／または病理学的特徴が、組織に対する血液供給に関係するか決定することを包含し得る。例えば、静脈閉塞及び／または低流量を含む血流特性及び／または病理学的特徴は、組織に対する低血液供給に関連することがある。本開示は、更に、例えば患者の組織に対する血液供給である患者の組織に関連する観察変数を包含してもよい。血流特性、病理学的特徴、並びに、組織に対する組織血液供給及び観察した患者の血液供給間の既知の関係を前提として、患者の血流及び患者の病理学的特徴を推定してもよい。

いくつかの実施形態では、患者の血流及び／または患者の病理学的特性は、患者に対する心臓血管モデルから計算してもよい。例えば、１つの実施形態は、患者の組織に対する観察血液供給、及び、血流特性と病理学的特性と血液供給との間の決定された関係を使用して、患者の心臓血管モデルを構成することを包含してもよい。心臓血管モデルを介する血流の仮想シミュレーションは、例えば、推測される患者の血流及び／または患者の病理学的特徴を計算するために使用してもよい。構築された患者の心臓血管モデル、推測される患者の血流及び／または推測される患者の病理学的特徴は、患者の組織に対する観察血液供給に寄与する患者の状態を反映することがある。患者の状態は、疾患位置の特定及び重大性についての特性評価を包含することがある。疾患の重大性を知ること及び疾患を局在化することは、適切で効果的な治療の構築を可能とする。本開示について、「患者」は、関与する任意の個人を指すことがある。

図を参照すると、図１は、例示的な実施形態による、心筋の血液供給のモデリングを介して血流特性及び病理を判断する例示的システム１００及びネットワークのブロック図を示す。特に、図１は、複数の内科医１０２とサードパーティプロバイダ１０４とを示し、いずれも、１つまたは複数のコンピュータ、サーバ及び／または手持式携帯デバイスを介してインターネット等の電子ネットワーク１０１に接続してもよい。内科医１０２及び／またはサードパーティプロバイダ１０４は、１つまたは複数の患者の生体組織の画像を作成または取得してもよい。内科医１０２及び／またはサードパーティプロバイダ１０４は、年齢、病歴、血圧、血液粘度、患者の活動または運動レベル等の患者特有情報の任意の組み合わせを取得してもよい。内科医１０２及び／またはサードパーティプロバイダ１０４は、解剖学的画像及び／または患者特有情報を、電子ネットワーク１０１を介してサーバシステム１０６に送信してもよい。サーバシステム１０６は、内科医１０２及び／またはサードパーティプロバイダ１０４から受け取った画像及びデータを記憶するための記憶装置を有してもよい。サーバシステム１０６は、更に、記憶デバイス内に記憶された画像及びデータを処理するための処理装置を有してもよい。

図２Ａ及び２Ｂは、共同して、例示的実施形態による心筋のモデリングまたは観察血液供給を介して、血流特性及び病理を判断するステップを提供する。１つの実施形態では、図２Ａは、心臓血管モデルから導きだされる特徴が組織モデルから測定される変数にどのように影響する可能性があるか判断するステップを包含してもよい。例えば、図２Ａのステップは、心臓血管モデルの血流及び／または病理的特性と、組織モデルの関連するかん流値または心筋壁の運動値との間の関係を判断することを包含してもよい。１つの実施形態では、図２Ｂは、患者組織（例えば、患者の組織に供給された血液）から測定した観察変数値を受け取りまたは決定し、図２Ａから見出した関係を使用して変数（例えば、血流特性及び／または病理的特徴を含む血管特性）を推定することを包含してもよい。換言すると、図２Ａの方法は、１つまたは複数の生体構造及び組織モデルを前提として、予想されるかん流を決定することを包含する。図２Ｂは、取得したかん流データを生じさせることのある生体構造及び組織モデル（血流特性及び／または病理学的特性を含む）を決定するため、かん流データを取得し、その後、図２Ａに見られる関係で前進モデリングすることを包含する。例えば、解剖学モデルだけでは、解剖学的モデルの種々の部材内の血管狭窄の範囲または影響を見抜くことをできない。前進モデリングは、予想かん流マップを提供してもよく、これは、例えば取得または観察した患者のかん流マップと比較してもよい。

他の実施形態では、ユーザは、図２Ａの方法で実行される評価に変度を入力してもよい。変度は、実際と、図２Ｂの方法に対するモデル化したかん流データとの間の対応の洞察力を提供してもよい。例えば、ユーザは、１つ若しくは複数の疾患のタイプ（例えば、プラークの重大性）及び／または解剖学的モデル内の１つ若しくは複数の潜在的なプラーク位置を選択、または、入力してもよい。図２Ａの方法について、ユーザの選択または入力は、ユーザによる特性入力がどのようにかん流に影響するかの表示を促進することがある。図２Ｂの方法について、ユーザの選択または入力は、ユーザの選択または入力を前提として、モデル化したかん流データと観察（例えば、患者特有の）かん流データとの間の合意の表示を促すことがある。換言すると、図２Ａ及び／または図２Ｂの方法のいくつかの実施形態は、ユーザに、種々の解剖学的、流れ、及び／または、境界状態をテストし、これらの状態がシミュレートしたかん流（例えば、シミュレートした血管狭窄）にどのように影響するかを示す選択肢を提供しすることを包含してもよい。

例えば、図２Ａ及び／または２Ｂの方法は、このようなユーザ入力を受け取るために、１つまたは複数のユーザインタフェースをレンダリングすることを包含してもよく、このユーザインタフェースは、更に、実際及びモデル化したかん流データ間の対応がどのように改善または低減することがあるかをレンダリングすることを包含する。例示的なケースでは、レンダリングは、図形要素（例えば、かん流または血流、プラーク及びプラークの重大性等の解剖学的表示）を包含してもよい。他の例示的なケースでは、レンダリングは、グラフ、プロット、または、データ収集を包含してもよい。レンダリングは、更に、カラーコーディング、注釈、グラディエントシェーディング等を包含してもよい。かん流を改善するファクタを理解することは、目標とされる治療プランのための基礎を提供することがある。１つの実施形態では、図２Ａ及び２Ｂの方法の延長は、治療分析を包含してもよい。例えば、システム１００は、更に、図２Ａ及び２Ｂの方法を使用する前進モデリングを通して見出される患者の血流特性または患者の病理学的特徴に基づいて、患者に対する治療を決定及び／または出力してもよい。治療は、患者の血流特性または患者の病理学的特徴に照らしてかん流を最適化するために、例えば分析に基づいて自動的に決定してもよい。代替的にまたは追加して、出力する治療は、例えば、種々の治療及び／または治療位置をシミュレートし、更に、シミュレーションがどのようにかん流を改善するか観察するユーザの選択または入力に基づいてもよい。

図３Ａ〜３Ｃは、図２Ａ及び２Ｂの方法に対する特別な実施形態を提供し得る。例えば、図３Ａは、血流または病理学的特徴と組織モデル特徴との間の関係を見出す工程の実施形態を包含してもよい。図３Ｂ及び３Ｃは、それぞれかん流欠損と心筋壁運動とに関連する特別な実施形態を提供し得る。例えば、図３Ｂは、図３Ａで見られる関係を使用して、患者の心筋から観察されるかん流を説明し得る血管病変を判断する方法を包含してもよい。同様に、図３Ｃは、図３Ａで見られる関係を使用して、患者の心筋から観察される壁運動値を説明し得る血管病変を判断する方法を包含してもよい。

図２Ａは、本開示の例示的実施形態による血流特性、病理及び組織モデル変数間の関係を判断する例示的な方法２００のブロック線図である。図２Ａの方法は、内科医１０２及び／またはサードパーティプロバイダ１０４から電子ネットワーク１０１を介して受け取る情報、画像及びデータに基づいて、サーバシステム１０６により実行してもよい。

１つの実施形態では、ステップ２０１は、心臓血管モデルを受け取ること（例えば、電子ネットワーク１０１を介して電子記憶媒体に）を包含する。１つの実施形態では、心臓血管モデルは、個人（例えば、患者または関連する個人）の心臓血管モデルを包含してもよい。例えば、心臓血管モデルは、画像化またはスキャニングモダリティ（例えば、ＣＴスキャンまたはＭＲ画像）を介して取得した、個人の画像から導き出してもよい。１つの実施形態では、ステップ２０３は、心臓血管モデル内の血流特性及び／または病理学的特徴を受け取ることまたは決定することを包含してもよい。ステップ２０５は、組織モデル（例えば、電子記憶媒体内）を受け取ることを包含してもよい。ステップ２０７は、組織モデル（例えば、かん流値または心筋壁運動値）に関連する１つまたは複数の変数を決定することを包含してもよい。例えば、ステップ２０７は、組織モデルから測定してもよい１つまたは複数の変数を画定または識別することを包含してもよい。例えば、１つまたは複数の変数は、組織に対する血液供給を測定する（直接または間接的に）変数を包含してもよい。ステップ２０７は、更に、１つまたは複数の画定された変数または識別された変数の値を計算することを包含してもよい。

１つの実施形態では、ステップ２０９は、組織モデルに関連する１つまたは複数の変数と、心臓血管モデル内の血流特性及び／または病理的特性との間の関係を決定することを包含してもよい。例えば、ステップ２０９は、血流特性と病理学的特徴との間の関係を判断することを包含し得る。更に、ステップ２０９は、組織モデルの１つまたは複数の変数への、血流特性及び／または病理的特性の効果を判断することを包含してもよい。換言すると、ステップ２０９は、血流と病状とのセットを前提として、結果として得られる組織モデル変数を決定することを包含してもよい。

図２Ｂは、例示的実施形態による、観察組織変数のセットを使用して、血流特性と病理とを推定する方法２２０の例示的な概略のブロック線図である。図２Ｂの方法は、内科医１０２及び／またはサードパーティプロバイダ１０４から電子ネットワーク１０１を介して受け取る情報、画像及びデータに基づいて、サーバシステム１０６により実行してもよい。

１つの実施形態では、方法２２０は、患者の組織の１つまたは複数の変数を実際に測定する且つ／または観察するステップ２２１を包含してもよい。例えば、ステップ２２１は、患者の組織（例えば、かん流値または心筋壁の運動値）を観察するための１つまたは複数の変数を画定または識別し、この後、例えば、画像化、インビトロ診断、患者の目視検査等を介して、１つまたは複数の変数の測定をモニタリングすることを包含してもよい。ステップ２２３は、１つまたは複数の観察変数を組織モデル（例えば、ステップ２０５の組織モデル）に関連付けすることを包含してもよい。ステップ２２３は、更に、１つまたは複数の観察変数を電子的に（例えば、電子記憶媒体、ＲＡＭ等を介して）記憶することを包含してもよい。１つの実施形態では、ステップ２２５は、患者の解剖学的組織の１つまたは複数の血流特性及び／または病理的特性を推測することを包含してもよい。例えば、ステップ２２５で実行される推測は、患者の解剖学的組織がステップ２０１から心臓血管モデルにより表してもよいことを示してもよい。換言すると、ステップ２２５は、患者に関連する１つまたは複数の観察変数を考慮して患者の血流及び病理学的特徴を推定することを包含してもよい。いくつかのケースでは、ステップ２２５は、コンピューティングプロセッサを使用して実行してもよい。１つの実施形態では、ステップ２２７は、１つまたは複数の患者の血流特性及び／または患者の病理学的特徴の推測を出力すること（例えば、電子記憶媒体に）を包含してもよい。

いくつかのケースでは、他のステップは、１つまたは複数の患者血流特性及び／または患者の病理学的特性の推定に基づく治療を決定しまたは推奨することを包含してもよい。例えば、治療を決定または推奨することは、１つまたは複数の血流条件または病状に関連する１つまたは複数の治療を受けることまたは作成することを包含してもよい。治療の決定または推奨は、追加的にまたは代替的に、１つまたは複数の血流特性及び／または病理的特徴に関連する治療を識別することを包含してもよい。方法２２０は、更に、推定される患者の血流特性及び／または患者の病理学的特徴を前提として、適切であろう治療の選択肢を見出すことまたは推奨することを包含してもよい。

図３Ａは、例示的実施形態による血流特性、病理、並びに、１つまたは複数のかん流欠損及び心筋壁運動に関連する組織変数間の関係を判断する例示的な方法３００のブロック線図である。図３Ａの方法は、内科医１０２及び／またはサードパーティプロバイダ１０４から電子ネットワーク１０１を介して受け取る情報、画像及びデータに基づいて、サーバシステム１０６により実行してもよい。

かん流欠損分析及び心筋壁運動分析は、心臓の心筋に対する血液供給の不足を評価するために有益であり得る。かん流欠損は、単光子放出コンピュータ断層撮影（ＳＰＥＣＴ）、陽電子放出断層撮影（ＰＥＴ）、磁気共鳴（ＭＲ）かん流、または、冠状動脈断層撮影（ＣＴ）かん流画像で評価してもよい。心筋壁運動分析は、超音波または他の動的撮像（例えば、ＭＲシネ画像、タグ付きＭＲ、または、全相ＣＴ画像）の形態で評価してもよい。適正な血流を受けてない心筋の領域は、異常な運動を示すことがある。したがって、心筋壁の運動を観察することは、かん流を評価する１つの方法となり得る。

しかしながら、かん流欠損は、かん流欠損の源の評価を提供することはできない。例えば、患者の効果的な治療を決定しようとしている内科医は、かん流欠損の検討だけから明確な手引きを受けることはできない。同様に、壁運動の検討（例えば、心筋壁運動と関連して）は、壁運動の異常の源の評価を提供することはできず、したがって、目標とする治療選択肢に対する明瞭な手引きを提供することはできない。したがって、かん流疾患情報及び／または壁運動情報は、血流の問題が存在することを決定するために使用し得るが、かん流欠損情報及び／または壁運動情報単独では、効果的な治療を決定するのに不十分なことがある。

図３Ａの方法３００は、かん流欠損の源（例えば、図３Ｂの方法３２０と共に）及び／または壁運動の異常の源（例えば図３Ｃの方法３４０で）を評価し得る。かん流疾患及び／または壁運動移動の源の知識は、特定の患者に対する適切な治療を決定する支援となり得る。

１つの実施形態では、ステップ３０１は、（例えば、電子記憶媒体内で）冠動脈モデルを受け取ることを包含してもよい。例えば、冠動脈モデルは、３次元（３Ｄ）メッシュモデルまたは１次元（１Ｄ）の縮小次元モデルを包含してもよい。いくつかのケースでは、冠動脈モデルは、患者特有モデル（例えば、患者の心臓ＣＴ画像のセグメント化を介して取得したモデル）を包含してもよい。代替的にまたは追加して、冠動脈モデルは、母集団の平均に基づいて一般化したモデルを包含してもよい。ステップ３０１は、画像化から冠動脈形状を識別すること、及び、更に、プラークの潜在的な位置及び／または潜在的なプラークの重大性に基づく冠状脈枝を離散化することを包含してもよい。１つの実施形態では、ステップ３０３は、冠動脈モデルに関連する血管病変または病理状態を受け取りまたは識別することを包含してもよい。

１つの実施形態では、ステップ３０５は、心筋組織モデル（例えば、電子記憶媒体内）を受け取ることを包含してもよい。例えば、患者特有の心筋組織モデルは、３Ｄ体積メッシュモデルまたは２次元（２Ｄ）表面メッシュモデルを包含してもよい。いくつかのケースでは、心筋組織モデルは、患者特有モデル（例えば、患者の心筋ＣＴ画像のセグメント化を介して取得した）を包含してもよい。代替的にまたは追加して、心筋組織モデルは、母集団の平均に基づいて一般化したモデルを包含してもよい。特定の血流特性及び／またはかん流特性は、心筋組織モデルに関連することがある。

１つの実施形態では、ステップ３０７は、冠動脈モデル及び心筋組織モデル間の関係を選択することまたは評価することを包含してもよい。例えば、ステップ３０７は、血管病変と組織との間の関連を、計算流体力学の観点から、見出すことを包含してもよい。例えば、ステップ３０７は、既知の方法（例えば、組織モデルを充填するように生成された血管のネットワークにおける血流の減次モデルの解明、拡散モデリング、最近傍モデリング）を使用するモデリングかん流を包含してもよい。

１つの実施形態では、ステップ３０７のモデリングかん流は、抑制された構造的最適化を実行することを包含してもよい。抑制された構造的最適化の１つの例は、心筋組織モデルを使用して、例えば、冠動脈モデル内で１つまたは複数のかん流領域を確立することを包含してもよい。ステップ３０７のモデリングは、更に、１つまたは複数のかん流領域内にプラークの１つまたは複数の位置をパラメータ化してもよい。このようなプラークの位置（複数を含む）のパラメータ化は、一般的な若しくは患者特有の冠動脈モデルまたは心筋組織モデルのいずれかで実行してもよい。プラークの位置（複数を含む）がパラメータ化されると、前進モデリングは、１つまたは複数の確立したかん流領域を介して通過し得る血流の量及び速さをモデル化するために使用しても良い。モデリングかん流は、組織モデルを介するかん流に対する血管病変に関連付けてもよい。換言すると、ステップ３０７は、モデリングからみられる特定の血管病変とかん流値との間の相関性を認識することを包含してもよい。

１つの実施形態では、ステップ３０９は、心筋かん流上の欠陥病変の効果を評価することを包含してもよい。例えば、ステップ３０９は、血管病変に対して流体力学がどのように変化するか判断するために、ステップ３０７のモデリングの結果を分析することを包含してもよい。拡張すると、血管病変に関連する流体力学における変化は、心筋かん流に影響を与えることがある。ステップ３０９は、血管病変が心筋かん流に有することのある影響を決定することを包含してもよい。

１つの実施形態では、ステップ３０９は、多数位置に離散化した冠動脈枝内の潜在的プラークの種々の重大性の効果を分析することを包含してもよい。このような例では、ステップ３０９は、離散化した冠動脈枝内に、潜在的プラーク及び／または潜在的プラークの位置の重大性に対するユーザの入力を受け取ることまたは促進することを包含してもよい。代替的に、潜在的プラークの重大性及び位置の選択は、自動化し得る。１つの例では、ステップ３０９は、選択した潜在的位置、及び、潜在的プラーク重大性に関連して血管狭窄を囲む１つまたは複数のかん流領域にわたるかん流をモデル化することを包含してもよい。代替的に、かん流は、１つまたは複数のかん流領域の選択した部分を通してモデル化してもよく、１つまたは複数のかん流領域の選択した部分は、１つまたは複数の潜在的位置及び潜在的プラークの重大性に関連する血管狭窄を包含してもよい。１つまたは複数のかん流領域の選択した部分は、自動的に、または、１つ若しくは複数のユーザ（例えば、ユーザ入力の促進の際）により、選択してもよい。

図３Ｂは、例示的実施形態による観察かん流値を使用して血流特性及び病理を推定する例示的な方法３２０のブロック線図である。図３Ｂの方法は、内科医１０２及び／またはサードパーティプロバイダ１０４から電子ネットワーク１０１を介して受け取る情報、画像及びデータに基づいて、サーバシステム１０６により実行してもよい。

１つの実施形態では、ステップ３２１は、患者の心筋に対する（例えば、ステップ３０１及び３０３の動脈モデル及び組織モデルに関連する患者に対する）かん流値を観察することを包含しても良い。かん流値は、１つまたは複数のかん流変数に対する測定された値または観察された値を包含してもよい。１つの実施形態では、かん流値は、ＳＰＥＣＴ，ＰＥＴ，ＭＲかん流またはＣＴかん流イメージングを介して、観察してもよい。

１つの実施形態では、ステップ３２３は、観察かん流値を心筋組織モデルにおける心筋かん流値に関連付けさせることを包含してもよい（例えば、ステップ３０３から）。例えば、ステップ３２３は、心筋組織モデルを記録することにより、これからかん流値を観察する画像（複数を含む）に関連付けさせることを包含してもよい（例えば、計算プロセッサを使用して）。ステップ３２３は、更に、観察かん流値を電子的に記憶することを包含してもよい（例えば、電子記憶媒体、ＲＡＭ等を介して）。

１つの実施形態では、ステップ３２５は、観察かん流値を生じさせ得る血管病変のセットを決定するコンピューティングプロセッサを使用することを包含してもよい。例えば、ステップ３２５は、１つまたは複数の異なる位置で病変を表示するために、冠動脈モデルを体系的に変形することを包含してもよい（例えば、冠動脈モデルの所与の位置で異なる重大性の狭窄を適用することにより）。変形のそれぞれに対して、ステップ３２５は、コンピュータによる流体力学を適用し、得られた心筋かん流値のセットを決定することを包含してもよい。

更に、ステップ３２５は、冠動脈モデル内の１つまたは複数の位置を特定し、１つまたは複数の仮説的狭窄の重大性の１つまたは複数の推定を作成し、更に、この後、位置（複数を含む）でこれらの仮想狭窄（複数を含む）を適用することを包含してもよい。仮説的狭窄の重大性の一部または全部は、識別されたそれぞれの位置（複数を含む）に適用してもよい。このようなケースでは、ステップ３２５の一部は、１つまたは複数の仮説的狭窄の重大性のいくつかのいずれが、１つまたは複数の位置のいずれに適用すべきか判断することを包含してもよい。

ステップ３２５の１つの形態は、更に、冠状動脈モデル（例えば、狭窄のモデル及び計算された血流）の推定を作成することまたは選択することを包含してもよい。例えば、作成された冠状動脈モデルまたは選択された冠状動脈モデルは、観察データ（例えば、観察され、計算された心筋のモデル間の最大かん流差が最小となる冠動脈モデルを選択することにより）に合致する冠動脈モデルを包含してもよい。例えば、ステップ３２５は、種々の冠動脈モデルを比較し、観察データを最も生成し得るモデルを特定することまたは選択することを包含してもよい。推定した冠動脈モデルから、血流予備量比、冠血流予備能等を包含する種々の血流特性が、血流予備量比、冠血流予備能等を包含して計算がなされてもよい。ステップ３２５の他の形態は、観察変数に対応し得る血管病変のセットを学習するために、機械学習法を使用することを包含してもよい。

１つの実施形態では、ステップ３２７は、１つまたは複数の血流特性及び／または患者の血管病変（例えば、ステップ３０９の評価に基づいて）に関連する病理学的特徴の推定を出力することを包含してもよい。例えば、ステップ３２７は、１つまたは複数の狭窄位置、狭窄重大度、及び／または、１つまたは複数の血流予備量比の推定を、電子記憶媒体に出力することを包含してもよい。１つの実施形態では、１つまたは複数の患者の血流特性及び／または病理学的特徴の推定を電子記憶媒体に出力することを包含してもよい。ステップ３２７は、更に、いずれの推定を出力するか決定することを包含してもよい。

図３Ｃは、例示的実施形態による観察壁運動値を使用して血流特性及び病理を推定する例示的な方法３４０のブロック線図である。図３Ｃの方法は、内科医１０２及び／またはサードパーティプロバイダ１０４から電子ネットワーク１０１を介して受け取る情報、画像及びデータに基づいて、サーバシステム１０６により実行してもよい。

１つの実施形態では、ステップ３４１は、患者の心筋に対する（例えば、ステップ３０１及び３０３の動脈モデル及び組織モデルに関連する患者に対する）壁運動値を観察することを包含しても良い。壁運動値は、１つまたは複数の壁運動変数に対する測定された値または観察された値を包含してもよい。１つの実施形態では、壁運動値は、超音波ＭＲまたはＣＴイメージングを介して観察してもよい。

１つの実施形態では、ステップ３４３は、観察壁運動値を心筋組織モデルにおける壁運動値に関連付けさせることを包含してもよい（例えば、ステップ３０３から）。例えば、ステップ３４３は、心筋組織モデルを記録することにより、多数のフレームにおける計算プロセッサを使用してこれからかん流値を観察する画像（複数を含む）に関連付けさせることを包含してもよい。壁運動値は、フレーム間の心筋壁の移動を計算することにより判断してもよい。ステップ３４３は、更に、壁運動変数を電子的に格納することを包含してもよい（例えば、電子記憶媒体、ＲＡＭ等を介して）。

１つの実施形態では、ステップ３４５は、観察壁運動値を生じさせうる血管病変のセットを決定するコンピューティングプロセッサを使用することを包含してもよい。例えば、ステップ３４５は、異なる位置で病変を表示するために、冠動脈モデルを体系的に変形することを包含してもよい（例えば、冠動脈モデルの等間隔に離隔した位置で異なる重大性の狭窄を適用することにより）。変形のそれぞれに対して、ステップ３４５は、コンピュータによる流体力学を適用し、結果による心筋かん流値のセットを決定することを包含してもよい。ステップ３４５は、更に、これらのかん流値を壁運動値にマッピングすることを包含してもよい。

更に、ステップ３４５は、冠動脈モデル内の１つまたは複数の位置を特定し、１つまたは複数の仮説的狭窄の重大性の１つまたは複数の推測を作成し、更に、この後、その位置（複数を含む）でこれらの仮説的狭窄（複数を含む）を適用することを包含してもよい。仮説的狭窄の重大性の一部または全部は、識別されたそれぞれの位置（複数を含む）に適用してもよい。このようなケースでは、ステップ３４５の一部は、１つまたは複数の仮説的狭窄の重大性のいくつかのいずれが、１つまたは複数の位置のいずれに適用すべきか判断することを包含してもよい。

ステップ３４５の１つの形態は、冠状動脈モデル（狭窄及び計算された血流）として冠状動脈モデル（狭窄計算された血流及び計算された血流）の推定を作成することまたは選択することを包含してもよい。例えば、作成された冠状動脈モデルまたは選択された冠状動脈モデルは、観察データ（例えば、観察され、計算された心筋のモデル間の最大壁運動差が最小となる冠動脈モデルを選択することにより）を反映するモデルを包含してもよい。例えば、ステップ３４５は、種々の冠動脈モデルを比較し、観察データを最も生成し得る比較からモデルを選択することを包含してもよい。推測した冠動脈モデルは、血流予備量比、冠血流予備能等を包含する血流特性を計算するために使用してもよい。ステップ３４５の他の形態は、観察変数に対応し得る血管病変のセットを学習するために、機械学習法を使用することを包含してもよい。

１つの実施形態では、ステップ３４７は、１つまたは複数の血流特性及び／または血管病変（例えば、ステップ３０９の評価に基づいて）に関連する病理学的特徴の推定を出力することを包含してもよい。例えば、ステップ３４７は、１つまたは複数の狭窄位置、狭窄重大度、及び／または、１つまたは複数の血流予備量比値の推定を、電子記憶媒体に出力することを包含してもよい。１つの実施形態では、１つまたは複数の血流特性及び／または病理学的特徴の推定を電子記憶媒体に出力することを包含してもよい。ステップ３４７は、更に、いずれの推定を出力するかを決定することを包含してもよい。

本開示は、更に、心臓以外の器官または組織に適用してもよい。例えば、本開示は、その組織または器官に供給する動脈ネットワークを介する血液の供給を検討する組織または器官の機能の測定に関連付けることが望ましい任意の状況に適用してもよい。このような状況の１つに、脳の血液供給に影響する疾患の位置を特定するために、脳に供給する血管に対する脳機能イメージング研究中に測定されるかん流に関連付けることを包含してもよい。脳の血液供給のこの理解は、脳卒中または一過性脳虚血発作（ＴＩＡ）を患った患者に対して重要なことがある。

代替的にまたは追加して、本開示は、下肢の筋肉内における流れの減少した領域に向けて、患者の脚に供給する血管内の疾患に関連して有益なことがある。１つの実施形態では、減少した流れは、身体活動中または後に観察（例えば、撮像され）し得る。例えば、かん流イメージングは、患者がＭＲ互換エルゴメータ上で運動する際に、磁気共鳴映像法を使用して実行してもよい。血管内の疾患の重大性または位置は、観察した運動かん流値から判断してもよい。治療は、この後、この疾患の理解に基づいて策定してもよい。

他の実施形態では、本開示は、腎動脈疾患の重大性を定量化するために使用してもよい。例えば、実施形態は、血管モデル（例えば、磁気共鳴血管造影データを使用して生成される）と、組織モデル（例えば、ＢＯＬＤ（血中酸素濃度依存）磁気共鳴映像）で取得した腎臓酸素化測定法を使用して生成される）との間の関係を特定することを包含してもよい。人の腎臓酸素化測定を前提として、患者の血管モデルは、既知の関係を使用して構築してもよい。患者の腎動脈疾患の重大性は、患者の血管モデルから見つけてもよい。

本発明の他の実施形態は、ここに開示された発明の詳細及び実行を考察することから、当業者に明らかとなる。この明細書及び実施例は、例示のみとして考慮されることを意図したものであり、発明の真の範囲及び精神は以下の請求の範囲に示される。

Claims (20)

1. 血管疾患を有する患者を評価するシステムの作動方法であって、前記システムは、１つまたは複数のコンピュータプロセッサを備え、前記作動方法は、
   前記１つまたは複数のコンピュータプロセッサが、前記患者の組織モデルを受け取ることと、
   前記１つまたは複数のコンピュータプロセッサが、前記組織モデルに血液を供給する血管系の位置における１つまたは複数の血管病変を画定する血管モデルを受け取ることと、
   前記１つまたは複数のコンピュータプロセッサが、前記組織モデルの少なくとも一部に血液を供給する前記血管モデルの第１の血管病変に起因するかん流をモデリングすることと、
   前記１つまたは複数のコンピュータプロセッサが、前記第１の血管病変に応答して、前記第１の血管病変に起因する前記モデリングされたかん流から、前記組織モデルの第１の組織特性の値を計算することであって、前記第１の組織特性の値は、組織の生存率の測定値、血流を変化させる組織の能力、組織の不規則性、組織の電気的性質、及び／または組織の力学的性質を含む、ことと、
   前記１つまたは複数のコンピュータプロセッサが、前記組織モデルの少なくとも一部に血液を供給する前記血管モデルの第２の血管病変に起因するかん流をモデリングすることと、
   前記１つまたは複数のコンピュータプロセッサが、前記第２の血管病変に応答して、前記第２の血管病変に起因する前記モデリングされたかん流から、前記組織モデルの第２の組織特性の値を計算することと、
   前記１つまたは複数のコンピュータプロセッサが、前記第１の組織特性の値と前記第１の血管病変との間の関係を決定することと、
   前記１つまたは複数のコンピュータプロセッサが、前記第２の組織特性の値と前記第２の血管病変との間の関係を決定することと、
   前記１つまたは複数のコンピュータプロセッサが、前記第１の組織特性の値と前記第１の血管病変との間の前記決定された関係及び前記第２の組織特性の値と前記第２の血管病変との間の前記決定された関係を分析することに基づいて、前記少なくとも１つの組織特性の値上の血管病変の効果を判定することと、
   前記１つまたは複数のコンピュータプロセッサが、患者に関連する観察された組織特性の値を受け取ることと、
   前記１つまたは複数のコンピュータプロセッサが、前記観察された組織特性の値と前記少なくとも１つの組織特性の値上の前記血管病変の前記判定された効果とを使用して前記患者の生体組織内の位置における患者の１つまたは複数の病理学的特徴を推定することと
   を含む、作動方法。
2. 前記１つまたは複数のコンピュータプロセッサが、前記観察された組織特性の値と前記少なくとも１つの組織特性の値上の前記血管病変の前記判定された効果とを使用して、前記観察された組織特性の値に対応する患者の血管モデルを特定することと、
   前記１つまたは複数のコンピュータプロセッサが、前記特定された患者の血管モデルにさらに基づいて、前記患者の１つまたは複数の病理学的特徴を推定することと
   をさらに含む、請求項１に記載の作動方法。
3. 前記観察された組織特性の値は、かん流値または心筋壁運動値を含む、請求項１に記載の作動方法。
4. 前記１つまたは複数のコンピュータプロセッサが、前記患者または複数の個人のうちの１人若しくは複数の個人のいずれかの１つまたは複数の画像から前記かん流値または前記心筋壁運動値を受け取ることと、
   前記１つまたは複数のコンピュータプロセッサが、前記かん流値または前記心筋壁運動値を前記患者の組織モデルに記録することと
   をさらに含む、請求項３に記載の作動方法。
5. 前記１つまたは複数のコンピュータプロセッサが、前記観察された組織特性の値を生成する仮説的血管病変のセットを特定することをさらに含み、前記患者の１つまたは複数の病理学的特徴は、前記血管病変のセットに関連する、請求項１に記載の作動方法。
6. 前記１つまたは複数のコンピュータプロセッサが、前記患者の生体組織の幾何学モデルを受け取ることと、
   前記１つまたは複数のコンピュータプロセッサが、前記患者の生体組織の前記幾何学モデルの１つまたは複数の変形版に計算流体力学分析を適用することと
   をさらに含み、
   前記仮説的血管病変のセットの特定は、前記幾何学モデルの前記１つまたは複数の変形版への計算流体力学分析の適用に基づいている、請求項５に記載の作動方法。
7. 前記１つまたは複数のコンピュータプロセッサが、前記患者の生体組織の１つまたは複数のモデルに関連する複数の計算流体力学分析結果を前記観察された組織特性の値と比較することと、
   前記１つまたは複数のコンピュータプロセッサが、前記複数の計算流体力学分析結果と前記観察された組織特性の値との比較に基づいて、前記患者の生体組織の冠状動脈モデルを選択することと
   をさらに含む、請求項５に記載の作動方法。
8. 前記１つまたは複数のコンピュータプロセッサが、前記患者の１つまたは複数の病理学的特徴に関連する治療を出力することをさらに含む、請求項１に記載の作動方法。
9. 血管疾患を有する患者を評価するシステムであって、前記システムは、
   血管疾患を有する患者の評価のための命令を記憶するデータ記憶デバイスと、
   前記命令を実行することにより方法を実行するように構成されるプロセッサと
   を備え、
   前記方法は、
   前記患者の組織モデルを受け取ることと、
   前記組織モデルに血液を供給する血管系の位置における１つまたは複数の血管病変を画定する血管モデルを受け取ることと、
   前記組織モデルの少なくとも一部に血液を供給する前記血管モデルの第１の血管病変に起因するかん流をモデリングすることと、
   前記第１の血管病変に応答して、前記第１の血管病変に起因する前記モデリングされたかん流から、前記組織モデルの第１の組織特性の値を計算することであって、前記第１の組織特性の値は、組織の生存率の測定値、血流を変化させる組織の能力、組織の不規則性、組織の電気的性質、及び／または組織の力学的性質を含む、ことと、
   前記組織モデルの少なくとも一部に血液を供給する前記血管モデルの第２の血管病変に起因するかん流をモデリングすることと、
   前記第２の血管病変に応答して、前記第２の血管病変に起因する前記モデリングされたかん流から、前記組織モデルの第２の組織特性の値を計算することと、
   前記第１の組織特性の値と前記第１の血管病変との間の関係を決定することと、
   前記第２の組織特性の値と前記第２の血管病変との間の関係を決定することと、
   前記第１の組織特性の値と前記第１の血管病変との間の前記決定された関係及び前記第２の組織特性の値と前記第２の血管病変との間の前記決定された関係を分析することに基づいて、前記少なくとも１つの組織特性の値上の血管病変の効果を判定することと、
   患者に関連する観察された組織特性の値を受け取ることと、
   １つまたは複数のコンピュータプロセッサを使用して、前記観察された組織特性の値と前記少なくとも１つの組織特性の値上の前記血管病変の前記判定された効果とを使用して前記患者の生体組織内の位置における患者の１つまたは複数の病理学的特徴を推定することと
   を含む、システム。
10. 前記システムは、
    前記観察された組織特性の値と前記少なくとも１つの組織特性の値上の前記血管病変の前記判定された効果とを使用して、前記観察された組織特性の値に対応する患者の血管モデルを特定することと、
    １つまたは複数のコンピュータプロセッサを使用して、前記特定された患者の血管モデルにさらに基づいて、前記患者の１つまたは複数の病理学的特徴を推定することと
    を行うためにさらに構成される、請求項９に記載のシステム。
11. 前記観察された組織特性の値は、かん流値または心筋壁運動値を含む、請求項９に記載のシステム。
12. 前記システムは、
    前記患者または複数の個人のうちの１人若しくは複数の個人のいずれかの１つまたは複数の画像から前記かん流値または前記心筋壁運動値を受け取ることと、
    前記かん流値または前記心筋壁運動値を前記患者の組織モデルに記録することと
    を行うためにさらに構成される、請求項１１に記載のシステム。
13. 前記システムは、
    前記観察された組織特性の値を生成する仮説的血管病変のセットを特定するためにさらに構成され、前記患者の１つまたは複数の病理学的特徴は、前記血管病変のセットに関連する、請求項９に記載のシステム。
14. 前記システムは、
    前記患者の生体組織の幾何学モデルを受け取ることと、
    前記患者の生体組織の前記幾何学モデルの１つまたは複数の変形版に計算流体力学分析を適用することと
    を行うためにさらに構成され、
    前記仮説的血管病変のセットの特定は、前記幾何学モデルの前記１つまたは複数の変形版への計算流体力学分析の適用に基づいている、請求項１３に記載のシステム。
15. 前記システムは、
    前記患者の生体組織の１つまたは複数のモデルに関連する複数の計算流体力学分析結果を前記観察された組織特性の値と比較することと、
    前記複数の計算流体力学分析結果と前記観察された組織特性の値との比較に基づいて、前記患者の生体組織の冠状動脈モデルを選択することと
    を行うためにさらに構成される、請求項１３に記載のシステム。
16. 前記システムは、
    前記患者の１つまたは複数の病理学的特徴に関連する治療を出力するためにさらに構成される、請求項９に記載のシステム。
17. 血管疾患を有する患者を評価する方法を実行するためのコンピュータで実施可能なプログラム命令を含んでいるコンピュータシステム上で使用するための固定のコンピュータ可読媒体であって、前記方法は、
    前記患者の組織モデルを受け取ることと、
    前記組織モデルに血液を供給する血管系の位置における１つまたは複数の血管病変を画定する血管モデルを受け取ることと、
    前記組織モデルの少なくとも一部に血液を供給する前記血管モデルの第１の血管病変に起因するかん流をモデリングすることと、
    前記第１の血管病変に応答して、前記第１の血管病変に起因する前記モデリングされたかん流から、前記組織モデルの第１の組織特性の値を計算することであって、前記第１の組織特性の値は、組織の生存率の測定値、血流を変化させる組織の能力、組織の不規則性、組織の電気的性質、及び／または組織の力学的性質を含む、ことと、
    前記組織モデルの少なくとも一部に血液を供給する前記血管モデルの第２の血管病変に起因するかん流をモデリングすることと、
    前記組織モデルの少なくとも一部に血液を供給する前記血管モデルの第２の血管病変に起因するかん流をモデリングすることと、
    前記第２の血管病変に応答して、前記第２の血管病変に起因する前記モデリングされたかん流から、前記組織モデルの第２の組織特性の値を計算することと、
    前記第１の組織特性の値と前記第１の血管病変との間の関係を決定することと、
    前記第２の組織特性の値と前記第２の血管病変との間の関係を決定することと、
    前記第１の組織特性の値と前記第１の血管病変との間の前記決定された関係及び前記第２の組織特性の値と前記第２の血管病変との間の前記決定された関係を分析することに基づいて、前記少なくとも１つの組織特性の値上の血管病変の効果を判定することと、
    患者に関連する観察された組織特性の値を受け取ることと、
    １つまたは複数のコンピュータプロセッサを使用して、前記観察された組織特性の値と前記少なくとも１つの組織特性の値上の前記血管病変の前記判定された効果とを使用して前記患者の生体組織内の位置における患者の１つまたは複数の病理学的特徴を推定することと
    を含む、固定のコンピュータ可読媒体。
18. 前記方法は、
    前記観察された組織特性の値と前記少なくとも１つの組織特性の値上の前記血管病変の前記判定された効果とを使用して、前記観察された組織特性の値に対応する患者の血管モデルを特定することと、
    １つまたは複数のコンピュータプロセッサを使用して、前記特定された患者の血管モデルにさらに基づいて、前記患者の１つまたは複数の病理学的特徴を推定することと
    をさらに含む、請求項１７に記載の固定のコンピュータ可読媒体。
19. 前記観察された組織特性の値は、かん流値または心筋壁運動値を含む、請求項１７に記載の固定のコンピュータ可読媒体。
20. 前記方法は、
    前記患者または複数の個人のうちの１人若しくは複数の個人のいずれかの１つまたは複数の画像から前記かん流値または前記心筋壁運動値を受け取ることと、
    前記かん流値または前記心筋壁運動値を前記患者の組織モデルに記録することと
    をさらに含む、請求項１９に記載の固定のコンピュータ可読媒体。

Images