JP7021070B2 - 成績に基づく放射線療法治療計画 - Google Patents

成績に基づく放射線療法治療計画 Download PDF

Info

Publication number
JP7021070B2
JP7021070B2 JP2018506974A JP2018506974A JP7021070B2 JP 7021070 B2 JP7021070 B2 JP 7021070B2 JP 2018506974 A JP2018506974 A JP 2018506974A JP 2018506974 A JP2018506974 A JP 2018506974A JP 7021070 B2 JP7021070 B2 JP 7021070B2
Authority
JP
Japan
Prior art keywords
patient
treatment
outcome
outcomes
recommended
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
JP2018506974A
Other languages
English (en)
Other versions
JP2018522683A (ja
JP2018522683A5 (ja
Inventor
モアハウス カーペンター、コリン
ジェイ． パティソン、アダム
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siris Medical Inc
Original Assignee
Siris Medical Inc
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 Siris Medical Inc filed Critical Siris Medical Inc
Publication of JP2018522683A publication Critical patent/JP2018522683A/ja
Publication of JP2018522683A5 publication Critical patent/JP2018522683A5/ja
Application granted granted Critical
Publication of JP7021070B2 publication Critical patent/JP7021070B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N5/1038—Treatment planning systems taking into account previously administered plans applied to the same patient, i.e. adaptive radiotherapy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N2005/1041—Treatment planning systems using a library of previously administered radiation treatment applied to other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048—Monitoring, verifying, controlling systems and methods
    • A61N2005/1074—Details of the control system, e.g. user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20096—Interactive definition of curve of interest
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Urology & Nephrology (AREA)
  • Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Radiation-Therapy Devices (AREA)

Description

本発明は、一般に放射線治療計画に関し、より具体的には毒性アウトカムまたは治療効果に関する計画に関する。
癌に冒されている患者に対する最善の療法を決定するプロセスは、多くの場合、臨床ケアチーム、担当医、物理士および利用可能な技術に応じてならびにその疾患の独自性に応じて頻繁に変化する極度に高い自由度および制約優先事項のせいでますます複雑な仕事になっている。前向き臨床試験は、アウトカム範囲および特異度において限定的になる傾向があり、集団を均質化する。線量プランを作成する放射線治療計画立案者にとって最善のプランの作成が難しい放射線療法などの療法の多様性がこのプロセスを複雑化している。医師および物理士の時間が他の需要に取られるせいで、彼らが治療計画プロセスにばらばらに関与することとなるため、治療計画プロセスはさらに難しくなる。加えて、臨床ケアチームは、治療計画プロセス中の治療によって引き起こされる有害事象（解剖学的構造に対して起こりそうな毒性および治療効果を含む）の正確な発生確率を知らない。なぜなら、彼らは、均質化した患者集団での研究データに依存しているからである。従って、臨床ケアチームのメンバーは、ある患者の治療における何らかの戦術的トレードオフについての十分な情報に基づいた決定を行うための能力が制限されている。
治療計画エンジンは、患者の治療を計画するプロセス中にその患者の治療の結果として有害事象の確率をその患者の臨床ケアチームに通知する。疾患の考えられる治療反応およびその患者の解剖学的構造に対する治療の毒性ならびに患者の治療の有効性についてのリアルタイム情報を提示することによって、該エンジンは、臨床ケアチームがその患者の治療における戦術的トレードオフについての十分な情報に基づいた決定を行えるようにする。所与の患者用の放射線治療を計画する際の予備段階は、臨床医が、患者の画像において腫瘍体積の輪郭およびその腫瘍体積の近くの解剖学的構造の輪郭を規定することを含む。本明細書に記載の治療計画エンジンは、臨床医などの放射線治療の意思決定者に、所与の患者の最善の放射線治療成績を効率的に確認する能力を与える。
動作時には、治療計画エンジンは、臨床医によって以前に規定されたものであり得る患者の画像および患者の輪郭などの所与の患者のデータをインポートする。治療計画エンジンは、その規定された輪郭に部分的に基づいて、治療成績予測および複数の治療成績候補（a plurality of treatment result matches）で構成される推奨治療成績（例えば、腫瘍の近くの解剖学的構造に対する毒性、腫瘍再発の確率や再発までの期間を含む治療の有効性など）のセットを生成する。前記治療成績予測は、線量プラン、病歴および治療成績を含む先行患者データに基づいた予測モデルを用いて生成される。前記複数の治療成績候補は、所与の患者に有効である可能性のある先行投与線量プランから得られる治療成績から特定される。治療計画エンジンは、評価のために、臨床医に推奨治療成績のセットを提示する。
ユーザインターフェースは、患者の画像と輪郭（少なくとも一部分において推奨治療成績のセットがこれらに基づく）と共に推奨治療成績のセットを同時に表示する。臨床医は、ユーザインターフェースにおいて輪郭を調整することができ、腫瘍体積への影響および、近くの解剖学的構造に対する毒性リスクをリアルタイムで評価することができる。ユーザインターフェースによって、臨床医は、輪郭への放射線送達と得られる推奨治療成績との関係を視覚化することができ、それによって、臨床医は、患者の放射線治療計画中に、特定のトレードオフについて十分な情報に基づいて決定を行えるようになる。臨床医は、患者にとって最善の治療成績が選択されるまで、必要に応じてそのステップを任意の順序で何回繰り返すなどして、輪郭の変更と推奨治療成績の最適化のサイクルを遂行してもよい。
一実施形態による、放射線治療計画および送達のためのシステム環境のブロック図である。 一実施形態による、線量予測モジュールによって出力される推奨線量プランを決定するためのシステムのブロック図である。 一実施形態による、放射線量プラン予測モデルを生成するためのシステム環境の図である。 一実施形態による、治療成績モジュールによって出力される推奨治療成績を決定するためのシステムのブロック図である。 一実施形態による、治療成績予測モデルを生成するためのシステム環境を示す図である。 一実施形態による、選択された推奨治療成績を最適化するためのシステムを示す図である。 一実施形態による、推奨治療成績を可視化するための例示的なユーザインターフェースの図である。 さらなる一実施形態による、推奨治療成績を可視化するための例示的なユーザインターフェースを示す図である。 一実施形態による、臨床医に向けた放射線治療計画のステップを示すフロー図である。
図面は、説明のためにのみ本発明の種々の実施形態を描いたものである。当業者は、以下の考察から、本明細書に記載の本発明の原理から逸脱することなく、本明細書に記載の構造および方法の別の実施形態を用いることができることを容易に認識するであろう。
システムアーキテクチャ
図１は、一実施形態による放射線治療計画および送達のためのシステム環境１００のブロック図である。システム環境１００のいくつかの実施形態は、本明細書に記載されているものとは異なるモジュールを有する。同様に、本明細書に記載されているものとは異なる方法で、モジュールに機能を割り当てることができる。システム１００の特定の実施形態において、「治療成績」は、「治療アウトカム」と呼称できる。どちらの用語も、患者へ放射線療法治療プラン（例えば線量プラン）を送達した結果を示す。図示のように、システム環境１００は、患者データエンジン１０２、治療計画エンジン１０４および治療送達エンジン１０６を含む。
患者データエンジン１０２は、放射線治療を必要とする患者に関連するデータを提供する。患者データは、患者データエンジン１０２にインポートされてもよい。図１の実施形態において、当該患者に関連するデータは、当該患者データ１０８および当該患者病歴１１０を含む。
当該患者データ１０８は、当該患者に関連する特徴を生成するために用いられる当該患者に関連するデータである。患者データエンジン１０２は、当該患者に関連する特徴を生成するために、治療計画エンジン１０４に当該患者データ１０８を送信する。これらの生成した特徴は、治療計画エンジン１０４における予測放射線量照射プランに関連する。これらの生成した特徴は、当該患者に最も類似している１人以上の先行患者を特定する目的で、先行患者について同様に生成した特徴と比較され得る。これらの生成した特徴をマッチングすることによって、当該患者に最善の治療成績を提供するために、以前に適用された治療プランのデータベースから先行治療成績を取り出して、最もマッチする先行患者治療プラン（例えば線量プラン）を見つけてもよい。この先行患者治療プランは、類似の治療を当該患者に施した場合に、どのようなことが予想されるかを治療計画者または臨床医に知らせることができる。生成した特徴は、当該患者に対する線量予測および治療成績予測を作成するために予測モデルにおいて用いられ得る。図１の実施形態において、当該患者データ１０８は、当該患者の画像１１２、当該患者の輪郭１１４、物理パラメータ１１６および処方パラメータ１１８を含む。
当該患者の画像１１２は、患者の身体の内部の、医療目的の視覚表示を含んでもよい。これらの当該患者の画像１１２は、コンピュータ断層撮影法（ＣＴ）、核磁気共鳴イメージング（ＭＲＩ）、Ｘ線、透視法、超音波、核医学（陽電子放出断層撮影法（ＰＥＴ）を含む）または任意の他の適切な医用イメージング技術などの医用イメージング技術によって作成してもよい。図１の実施形態において、当該患者の画像１１２は、患者の種々の身体深さでの患者の身体内部の同じ垂直断面を示す複数の画像であってもよい。当該患者の画像１１２は、例えば構造と周辺構造との間の距離、体積、幾何学的関係、重要性などの、関連する患者の画像パラメータを有してもよい。当該患者の画像１１２および関連する患者の画像パラメータは、患者データエンジン１０２にインポートされてもよい。
当該患者の輪郭１１４は、当該患者の画像１１２において捕捉された三次元腫瘍体積と、その腫瘍体積の周辺領域に位置する解剖学的構造を特定する輪郭のセットである。三次元腫瘍体積を特定する輪郭は、放射線量送達の標的領域を示し、周囲の解剖学的構造を特定する輪郭は、放射線量送達からのリスクがあり得る構造を示す。当該患者データ１０８の患者データエンジン１０２へのインポートの前に、臨床医によって、各当該患者の画像１１２において当該患者の輪郭１１４が規定されてもよい。いくつかの実施形態において、当該患者の輪郭１１４は、当該分野で既知の輪郭作成技術を用いて、当該患者の画像１１２について自動的に生成されてもよい。当該患者の輪郭１１４は、当該患者かまたは類似イメージングデータを有する別の患者について作成された過去の輪郭を用いて自動的に生成してもよい。
物理パラメータ１１６は、放射線送達のパラメータである。物理パラメータは、半影部（penumbra）、開口径、入射角、ビームエネルギー、放射線の種類、構造深さ、ボーラスの存在、コリメータの解像度、線量送達速度、使用される治療計画システムの種類および他の放射線送達記述データを含んでもよい。いくつかの実施形態において、物理パラメータ１１６は、治療計画エンジン１０４への入力として含まれなくてもよい。
処方パラメータ１１８は、放射線送達方法に関するパラメータである。処方パラメータは、分割スケジュール、治療マージン、ビームやアークの数、輪郭の解釈、治療計画に関与した臨床医などを含んでもよい。いくつかの実施形態において、処方パラメータ１１８は、治療計画エンジン１０４への入力として含まれなくてもよい。
いくつかの実施形態において、当該患者データ１０８は、例えば病期、前療法または後療法、以前の放射線療法、近くの組織への前の放射線障害、疾患タイプ、疾患組織学、疾患の範囲、以前の疾患などの、その患者の疾患パラメータをさらに含んでもよい。
当該患者病歴１１０は、推奨治療成績の精度を改善するために用いられる当該患者の病歴である。当該患者病歴１１０は、特に、利用可能な療法、遺伝的結果、デジタル遺伝学、臨床検査結果、以前の治療歴、併存疾患などに見合う能力を考慮した利用可能な治療選択肢を含んでもよい。併存疾患の例は、限定するものではないが、喫煙歴、心臓または肺の機能、腎機能、糖尿病などを含む。患者の病歴に関する知識は、臨床医に、予想される治療成績についてさらに詳細に知らせる。例えば、喫煙者である患者は、非喫煙者である類似患者と比較して、肺機能についての治療成績があまり優れていないことが予想される。
治療計画エンジン１０４は、患者に関連する患者データを処理して当該患者の臨床医に複数の異なる治療成績を推奨し、それによって、臨床医が、患者にとって最善の治療成績を効率よく特定できるようにする。治療計画エンジン１０４のいくつかの実施形態は、本明細書に記載されているものとは異なるモジュールを有する。同様に、本明細書に記載されているものとは異なる方法で、モジュールに機能を割り当てることができる。治療計画エンジン１０４は、特徴生成モジュール１２０、線量予測モジュール１２２、治療成績モジュール１２４、ユーザインターフェースモジュール１２６および治療成績候補ナビゲーションモジュール１２８を含む。
特徴生成モジュール１２０は当該患者に関連する特徴を生成する。図１の実施形態において、特徴生成モジュール１２０は、当該患者の画像１１２、当該患者の輪郭１１４、物理パラメータ１１６および処方パラメータ１１８を含む当該患者データ１０８をインポートする。特徴生成モジュール１２０は、当該患者データ１０８を用いて、先行患者に関連する同様に作成された特徴と比較することができる当該患者に関連する特徴を生成する。これらの作成された特徴は、データベースから、当該患者に最も類似した１人以上の先行患者を特定するために用いることができる。既述のように、これらの生成した特徴のマッチングによって、当該患者に最善の治療成績を提供するために、以前に適用された治療プランのデータベースから先行治療成績を取り出して、最もマッチする先行患者治療プランを見つけてもよい。この先行患者治療プランは、類似治療を当該患者に送達する場合にどのようなことが予想されるかを、治療計画者または臨床医に知らせることができる。
線量予測モジュール１２２は、腫瘍体積および周囲の解剖学的構造に送達される放射線量を予測する。図１の実施形態において、線量予測モジュール１２２は、複数の線量プラン候補および線量プラン予測を含む推奨線量プランのセットを出力する。線量予測モジュール１２２は、線量プラン予測モデルを用いて当該患者についての線量プラン予測を生成する。線量プラン予測モデルは、図２～図３について、さらに詳細に議論される。さらに、線量予測モジュール１２２は、当該患者の線量プラン予測および特徴生成モジュール１２０から受信した当該患者に関連する生成した特徴を用いて複数の先行投与線量プランを決定する。線量予測モジュール１２２は、線量プラン予測の閾値差内にある先行投与線量プランを特定するために、データストアに記憶されている当該患者について生成した特徴と先行患者について生成した特徴とを比較する。閾値差内にあるものは、線量プラン候補と呼ばれる。図１の実施形態において、各線量プラン候補は、１つ以上の腫瘍体積および周囲の解剖学的構造に以前に適用された放射線治療の線量を指定する。複数の線量プラン候補および線量プラン予測は、治療成績モジュール１２４に、推奨線量プランのセットとして入力される。他の実施形態において、線量予測モジュール１２２による予測なしに、臨床医は、手動で、腫瘍体積に送達される放射線量を指定するが、これは線量プラン予測として用いられ、先行患者にマッチする線量プランを見出すために用いられる。この線量プラン予測および線量プラン候補は、治療成績モジュール１２４への推奨線量プランのセットとして入力される。
治療成績モジュール１２４は、線量予測モジュール１２２からの推奨線量プランによって生じ得る治療成績を予測する。既述のように、各線量プランは、１つ以上の腫瘍体積および周囲の解剖学的構造に送達される放射線治療の線量を指定する。周囲の解剖学的構造への放射線治療の線量を送達する結果として、副作用または症状をもたらすこれらの組織への損傷が生じることがある。例えば、肺への組織損傷は、肺炎（肺の炎症）をもたらすことがある。生じた組織損傷は、解剖学的構造への「毒性」と定義される。毒性のレベルは、典型的には、重症度（例えば毒性等級）で等級付けされ、経過観察のための来院中に、患者による自己評価および臨床検査とともに、または患者による自己評価もしくは臨床検査とともに、ヘルスケアプロバイダによって測定される。
図１の実施形態において、治療成績は、１つ以上の有害事象のセットおよび、放射線治療プランによって生じ得る各有害事象の対応するアウトカムを示す。有害事象の例は、脊髄炎、肋骨骨折、心膜炎、肺炎または任意の他のタイプの組織損傷を含む。各有害事象は、以下のようなアウトカム、すなわち、特定された各解剖学的構造に対する毒性レベルの確率および、特定された各解剖学的構造に対する最も可能性が高い毒性レベルのうちの１つ以上に関連する。毒性のレベルは、「毒性等級」と呼んでもよい。例として、治療成績モジュール１２４は、等級３の肺炎（１～４の毒性等級尺度で、４は最も高い毒性等級レベルを示す）すなわち３０％の確率を有する肺炎の有害事象を予測することがある。種々の実施形態において、尺度は変化し得る。
線量予測モジュール１２２と同様に、治療成績モジュール１２４は推奨治療成績のセットを出力する。図１の実施形態において、推奨治療成績のセットは、複数の治療成績候補および治療成績予測を含む。治療成績モジュール１２４は、治療成績予測モデルを用いて、当該患者の治療成績予測を生成する。治療成績予測モデルは、図４～図５について、さらに詳細に議論される。さらに、治療成績モジュール１２４は、線量予測モジュール１２２から受信した当該患者の治療成績予測および推奨線量プランのセットを用いて先行患者の先行投与線量プランの複数の治療成績を決定する。治療成績モジュール１２４は、治療成績予測の閾値差内にある先行患者の先行投与線量プランの治療成績を特定するために、データストアに記憶されている先行患者の先行投与線量プランと、推奨線量プランのセットとを比較する。閾値差内にあるものは、治療成績候補と呼ばれる。複数の治療成績候補および治療成績予測は、臨床医による分析のためにユーザインターフェースモジュール１２６に送信される。
いくつかの実施形態において、治療成績モジュール１２４は、当該患者病歴１１０に因子分析を行って予測治療成績の精度を改善してもよい。既述のように、当該患者病歴１１０は、特に、利用可能な療法、遺伝的結果、デジタル遺伝学、臨床検査結果、先行治療歴、併存疾患などに支払える能力を考慮した、利用可能な複数の治療選択肢を含んでもよい。例えば、治療成績モジュール１２４は、紙巻きタバコを吸う患者について、紙巻きタバコを吸わない類似患者についての３０％の確率よりも、等級３の肺炎すなわち７０％の確率を有する肺炎の有害事象を予測してもよい。いくつかの実施形態において、治療成績は、以下の、腫瘍再発の確率、局所再発または遠隔再発などの腫瘍再発の種類、および腫瘍再発までに予想される時間の長さのうちの１つ以上を含んでもよい。
ユーザインターフェースモジュール１２６は、臨床医による分析のために推奨治療成績を提供する。図１の実施形態において、ユーザインターフェースモジュール１２６は、臨床医が、当該患者の最善の治療成績を実現するために、当該患者のイメージングデータおよび推奨治療成績のセットを視覚化し、それとやり取りし、修正することを可能にする。図１の実施形態に示すように、ユーザインターフェースモジュール１２６は、可視化モジュール１３０および治療成績表示モジュール１３２を含む。
可視化モジュール１３０は、当該患者のイメージングデータを表示する。図１の実施形態において、可視化モジュール１３０は、当該患者の画像１１２および関連する当該患者の輪郭１１４をインポートする。既述のように、当該患者の画像１１２は、コンピュータ断層撮影法（ＣＴ）、核磁気共鳴イメージング（ＭＲＩ）、Ｘ線、透視法、超音波、核医学（陽電子放出断層撮影法（ＰＥＴ）を含む）または任意の他の適切な医用イメージング技術などの医用イメージング技術によって作成してもよい。図１の実施形態において、可視化モジュール１３０は、輪郭規定モジュール１３４を含む。
輪郭規定モジュール１３４は、必要に応じて、臨床医が当該患者の輪郭１１４を見て修正することを可能にする輪郭作成インタフェースである。既述のように、当該患者の輪郭１１４は、当該患者の画像１１２において捕捉された腫瘍体積の周辺領域に位置する三次元腫瘍体積および解剖学的構造を特定するための輪郭のセットである。輪郭規定モジュール１３４は、可視化モジュール１３０において、兼用表示用の当該患者の画像１１２上に複数の輪郭をオーバーレイする。図１の実施形態において、輪郭規定モジュール１３４は、さらに、当該患者の輪郭１１４に追加する、それを削除する、および／または修正することを臨床医に可能にするように構成されている。その結果、輪郭規定モジュール１３４は、追加された輪郭、改変された輪郭および任意の残りの未削除である変更されていない輪郭を含む当該患者の輪郭１１４の新セットを作成する。可視化モジュール１３０は、可視化モジュール１３０における輪郭が改変されると、治療成績表示モジュール１３２における推奨治療成績のセットを更新するように、治療成績表示モジュール１３２と同期している。
治療成績表示モジュール１３２は、治療成績モジュール１２４によって決定される推奨治療成績のセットを表示する。治療成績表示モジュール１３２は、初めに治療成績モジュール１２４によってデータを蓄積され、臨床医が推奨治療成績を目で見て比較できるようにする。図１の実施形態において、治療成績表示モジュール１３２において表示される推奨治療成績のセットは、可視化モジュール１３０に同時に表示される当該患者の画像１１２および当該患者の輪郭１１４に基づく。治療成績表示モジュール１３２は、治療成績予測１３６の表示専用の第１の部分および治療成績候補１３８の表示専用の第２の部分を含む。臨床医は、選択肢のいずれか１つが当該患者の最善の治療成績であるかどうかを決定するために、推奨治療成績のそれぞれを分析することができる。図１の実施形態において、治療成績表示モジュール１３２は、臨床医が表示される推奨治療成績の１つを選択して改変またはさらなる最適化ができるようにする。
可視化モジュールおよび治療成績表示モジュール１３２を同時に表示することによって、臨床医は、当該患者の輪郭１１４への放射線送達と得られた推奨治療成績との間の関係を視覚化してもよい。臨床医は、輪郭を調整し、かつリアルタイムで腫瘍治療の影響および、近くの解剖学的構造に対する毒性リスクを評価することができる。この構成は、臨床医が、当該患者の放射線治療計画中に、特定のトレードオフについて十分な情報に基づいて決定を行うことを可能にする。図１の実施形態において、臨床医は、当該患者の輪郭１１４を修正するために可視化モジュール１３０とやり取りしてもよく、または臨床医は、最適化のために、治療成績表示モジュール１３２とやり取りして推奨治療成績を選択してもよく、それによって、臨床医は最善の治療成績を有する治療プランを作成することが可能になる。
可視化モジュール１３０の輪郭規定モジュール１３４を用いて当該患者の輪郭１１４を臨床医が変更する場合、輪郭規定モジュール１３４は、追加された輪郭、改変された輪郭および任意の残りの未削除である変更されていない輪郭を含む当該患者の輪郭１１４の新セットを作成する。図１の実施形態において、当該患者の輪郭１１４の新セットが特徴生成モジュール１２０に送信される。その結果、特徴生成モジュール１２０は、当該患者の画像１１２、当該患者の輪郭１１４の新セット、物理パラメータ１１６および処方パラメータ１１８に基づいて当該患者に関連する特徴の新セットを生成する。続いて、線量予測モジュール１２２は、特徴の新セットに基づいて推奨線量プランの新セットを生成し、治療成績モジュール１２４は、推奨線量プランの新セットおよび当該患者病歴１１０に基づいて推奨治療成績の新セットを生成し、治療成績表示モジュール１３２は、推奨治療成績の新セットを表示するためにアップデートされる。臨床医は、選択肢のいずれか１つが当該患者の最善の治療成績であるかどうかを決定するために、推奨治療成績の新セットを分析してもよい。
臨床医が、最適化のために治療成績表示モジュール１３２における推奨治療成績を選択する場合、選択された推奨治療成績およびフィルタリング基準のセットは、治療成績候補ナビゲーションモジュール１２８に送信される。図１の実施形態において、治療成績表示モジュール１３２において、臨床医によってフィルタリング基準のセットが規定される。臨床医は、治療成績から有害事象を除外したり、有害事象のアウトカムに関する閾値限界を設置するために、フィルタリング基準を規定してもよい。治療成績候補ナビゲーションモジュール１２８は、選択された推奨治療成績および、当該患者の治療成績候補の新セットを特定するために、先行患者治療成績のデータストアによって検索するためのフィルタリング基準のセットを用いる。新たな治療成績候補のそれぞれは、当該患者に類似した先行患者に関連する。図１の実施形態において、治療成績候補ナビゲーションモジュール１２８は、治療成績表示モジュール１３２における表示のために、治療成績候補１３８に治療成績候補の新セットを送信する。臨床医は、選択肢のいずれか１つが当該患者の最善の治療成績であるかどうかを決定するために、推奨治療成績の新セットを分析してもよい。図１の実施形態において、臨床医は、輪郭を変更して、選択された推奨治療成績を最適化するサイクルを遂行してもよく、当該患者にとって最善の治療成績が選択されるまで、必要に応じてそのステップを任意の順序で何回繰り返してもよい。
治療送達エンジン１０６は、治療計画者に、治療計画エンジン１０４において臨床医によって選択された治療成績に基づいて患者特異的治療送達プランを作成することを可能にする。図１の実施形態において、選択された治療成績は、治療計画者に、放射強度、送達角度、マルチリーフコリメータステータス、時間分割、生体構造、腫瘍の提示、期待される治療成績、以前の臨床スタッフおよび期待される治療コースを含むがこれに限定されない、送達される放射線の臨床的に適切なプロフィールを通知する。
治療送達プランに基づいて、治療送達エンジン１０６は、患者に放射線治療を送達するための放射線療法機を構成する患者特異的送達テンプレートを生成する。一実施形態において、治療送達エンジン１０６は、標準通信プロトコルで構成される療法機制御インタフェースとやり取りする。患者特異的送達テンプレートは、腫瘍体積だけでなく、放射線治療を受ける解剖学的構造を特定する。各体積または構造について、送達テンプレートは、放射線治療を受ける体積分率および送達される治療の線量を指定してもよい。加えて、このテンプレートは、最適化対象、治療プロトコル、ビーム配向、コリメータ／マルチリーフコリメータ位置、寝台位置および当該技術分野で公知の他のパラメータを指定してもよい。
図２は、一実施形態による、線量予測モジュール１２２によって出力される、推奨線量プランを決定するためのシステムのブロック図である。既述のように、線量プランは、１つ以上の腫瘍体積および周囲の解剖学的構造に送達される放射線治療の線量を指定する。図２に示すように、該システムは、当該患者データ１０８、特徴生成モジュール１２０、線量予測モジュール１２２および線量プラン２０２を含む。
図１に関して述べたように、当該患者データ１０８は、当該患者に関連する特徴を生成するために用いられる、当該患者に関連するデータである。図２の実施形態において、当該患者データ１０８は、当該患者の画像１１２、当該患者の輪郭１１４、物理パラメータ１１６および処方パラメータ１１８を含む。当該患者に関連する特徴を生成するために、特徴生成モジュール１２０に当該患者データ１０８が入力される。
線量予測モジュール１２２は、腫瘍体積および周囲の解剖学的構造に送達される放射線量を予測する。既述のように、線量予測モジュール１２２は、特徴生成モジュール１２０から受信した当該患者について生成した特徴を用いて推奨線量プランのセットを決定する。図２の実施形態において、線量予測モジュール１２２は線量プラン予測モデル２０４およびデータストア２０６を含む。線量予測モジュール１２２は、線量プラン予測２０８および複数の線量プラン候補２１０を含む推奨線量プランのセットである線量プラン２０２を出力する。
線量プラン予測モデル２０４は、線量プラン予測２０８を生成するために用いられる予測モデルである。図２の実施形態において、線量プラン予測モデル２０４は、放射線治療を受けた先行患者の過去データを用いて作成される。図３は、一実施形態による、放射線量プラン予測モデルを生成するためのシステム環境３００の図である。図に示すように、線量プラン予測モデル生成システム３００は、先行患者データ３０２、特徴生成モジュール３０４、モデル生成モジュール３０６および、線量プラン予測モデル２０４を生成するための先行患者線量プランデータストア３０８を含む。
先行患者データ３０２は、先行患者に関連する特徴を生成するために用いられる、先行患者に関連するデータである。当該患者データ１０８と同様に、図３の実施形態において、先行患者データ３０２は、先行患者画像３１０、先行患者輪郭３１２、物理パラメータ３１４および処方パラメータ３１６を含む。同様に、当該患者の画像１１２、当該患者の輪郭１１４、物理パラメータ１１６および処方パラメータ１１８の特徴は、それぞれ、先行患者画像３１０、先行患者輪郭３１２、物理パラメータ３１４および処方パラメータ３１６に組み込まれてもよい。先行患者データ３０２は、複数の病院、診療所、癌治療センターまたは任意の他の放射線療法センターからのデータベースから集められた過去データであり得る。先行患者データ３０２の収集に加えて、各先行患者の線量プランに関する過去データもまた収集される。図３の実施形態において、他のデータベースから以前収集された先行患者データ３０２もまた、先行患者データストア３０７に保存され得る。先行患者線量プランは、三次元ポイントセットまたは線量体積ヒストグラム（ＤＶＨ）で先行患者線量プランデータストア３０８に保存され得る。
特徴生成モジュール３０４は、先行患者に関連する特徴を生成する。図３の実施形態において、特徴生成モジュール３０４は、先行患者画像３１０、先行患者輪郭３１２、物理パラメータ３１４および処方パラメータ３１６を含む先行患者データ３０２をインポートする。先行患者データストア３０７に保存された複数の先行患者について、特徴生成モジュール３０４は、先行患者それぞれの先行患者特徴データ３０２を用いて、特定の先行患者に関連する特徴のセットを生成する。図１に関して述べた当該患者について生成した特徴と同様に、これらの生成した特徴は、予測放射線量照射プランに関連する。各先行患者について、作成された特徴のセットは、先行患者データストア３０７に保存され得る。いくつかの実施形態において、特徴生成モジュール３０４は、特徴生成モジュール１２０と機能的に同じである。
モデル生成モジュール３０６は、先行患者データストア３０７に保存された各先行患者のデータおよび先行患者線量プランデータストア３０８を用いて、線量プラン予測モデル２０４を生成する。図３の実施形態において、モデル生成モジュール３０６は、各先行患者について生成した特徴のセットおよび先行患者線量プランにアクセスし、生成した特徴を線量プランに関連付ける線量プラン予測モデル２０４を作成するための回帰分析を行う。線量プラン予測モデル２０４は、線量プラン予測モデル２０４が、放射線治療を受ける複数の患者の線量プラン予測を無数回生成するために用い得るように、線量予測モジュール１２２内に保存され得る。線量プラン予測モデル２０４は、機械学習技術によって、および、追加の先行患者データ３０２および関連する線量プランが他のデータベースから収集されたときに、アップデートされてもよい。
図２に戻って、線量プラン予測モデル２０４は、当該患者の線量プラン予測２０８を生成するために用いられてもよい。特徴生成モジュール１２０から生成された当該患者の特徴は、線量プラン予測モデル２０４への入力として用いられる。線量プラン予測２０８は予測モデルを用いて生成されるため、線量プラン予測２０８は、先行患者の先行投与線量プランでなくてもよい。いくつかの実施形態において、線量プラン予測モデル２０４によって生成された線量プラン予測２０８は、データストア２０６内の過去データポイントとして保存され、線量プラン予測モデル２０４をアップデートするための追加のデータポイントとして用いられてもよい。
データストア２０６は、先行患者の先行投与線量プランおよび先行患者に関連する生成した特徴のデータストアである。いくつかの実施形態において、データストア２０６は、先行患者データストア３０７、先行患者線量プランデータストア３０８と同じデータストアであってもよく、また、データストア２０６は、データストア３０７および３０８内に保存されたデータを組み合わせてもよい。他の実施形態において、当該患者について生成した特徴が線量プラン予測モデル２０４に入力されれば、データストア２０６が作成されてもよく、得られた線量プラン予測２０８に類似している先行患者線量プランデータストア３０８からの先行患者線量プランのセットが特定されてもよい。
図２の実施形態において、線量予測モジュール１２２は、線量プランおよび、先行患者に関連する生成した特徴を検索するために、データストア２０６にアクセスする。線量予測モジュール１２２は、ａ）生成された当該患者に関連する特徴および線量プラン予測２０８と、ｂ）先行患者に関連する生成した特徴との間の多特徴比較分析を行い、線量プラン予測２０８の閾値差内にある先行患者の１つ以上の先行投与線量プランを特定する。特定された先行投与線量プランは、線量プラン候補２１０と呼ばれる、当該患者に最も適したものであってよい。あるいは、線量予測モジュール１２２は、本明細書で「線量プラン近傍」と呼ぶ、生成した特徴に基づいて類似した先行患者のサブセットを特定してもよい。線量プラン近傍は、先行患者の輪郭、放射線送達技術および／または異なる治療療法に基づいて、有益には、種々の線量プランを臨床医に通知してもよい。図２の実施形態において、線量プラン予測モデル２０４が、線量プラン予測２０８を生成し、線量予測モジュール１２２が線量プラン候補２１０を特定したら、線量予測モジュール１２２は、治療成績モジュール１２４に線量プラン２０２を出力する。
図４は、一実施形態による、治療成績モジュール１２４によって出力される、推奨治療成績を決定するためのシステムのブロック図である。既述のように、治療プランの治療成績は、１つ以上の有害事象のセットおよび、解剖学的構造に送達される放射線によって生じ得る各有害事象の対応するアウトカムを示す。図４の実施形態において、システムは、線量プラン２０２、当該患者病歴１１０、治療成績モジュール１２４および治療成績表示モジュール１３４を含む。
図２に関して述べたように、線量プラン２０２は、線量プラン予測２０８および複数の線量プラン候補２１０を含む推奨線量プランのセットである。推奨治療成績のセットを決定するために、線量プラン２０２および当該患者病歴１１０が治療成績モジュール１２４に入力される。
治療成績モジュール１２４は、線量予測モジュール１２２によって決定される、推奨線量プランによって生じ得る治療成績を予測する。既述のように、推奨治療成績のセットを決定するために、治療成績モジュール１２４は、線量プラン２０２および当該患者病歴１１０を用いる。図４の実施形態において、治療成績モジュール１２４は、治療成績予測モデル４０２および治療成績データストア２０６を含む。治療成績モジュール１２４は、治療成績表示モジュール１３４における表示のために、治療成績予測１３６および複数の治療成績候補１３８を出力する。
治療成績予測モデル４０２は、治療成績予測１３６を生成するために用いられる予測モデルである。図４の実施形態において、治療成績予測モデルは、放射線治療を受けた先行患者の過去データを用いて作成される。図５は、一実施形態による、治療成績予測モデル４０２を生成するためのシステム環境５００を示す図である。図に示すように、治療成績予測モデル生成システム５００は、先行患者線量プランデータストア５０２、先行患者病歴データストア５０４、先行患者治療成績データストア５０６および、治療成績予測モデル４０２を生成するためのモデル生成モジュール５０８を含む。
先行患者線量プランデータストア５０２は、先行患者の先行投与線量プランのデータストアである。いくつかの実施形態において、先行患者の線量プランデータストア５０２は、先行患者線量プランデータストア３０８と同じデータストアであってよい。先行患者病歴データストア５０４は、先行患者の病歴のデータストアである。既述のように、病歴は、特に、利用可能な療法、遺伝的結果、デジタル遺伝学、臨床検査結果、先行治療歴、併存疾患などに見合う能力を考慮した、利用可能な治療選択肢を含んでいてもよい。先行患者治療成績データストア５０６は、先行患者の先行投与線量プランの治療成績のデータストアである。データストア５０２、５０４および５０６に保存された先行患者データは、複数の病院、診療所、癌治療センターまたは任意の他の放射線療法センターからのデータベースから収集された過去データであってもよい。先行患者線量プランは、三次元ポイントセットまたは線量体積ヒストグラム（ＤＶＨ）で先行患者線量プランデータストア５０２に保存してもよい。
モデル生成モジュール５０８は、先行患者線量プランデータストア５０２、先行患者病歴データストア５０４および先行患者治療成績データストア５０６における各先行患者の保存されたデータを用いることによって、治療成績予測モデル４０２を生成する。図５の実施形態において、モデル生成モジュール５０８は、各先行患者の線量プラン、病歴および治療成績にアクセスし、線量プランおよび病歴を治療成績に関連づける治療成績予測モデル４０２を作成するための回帰分析を行う。治療成績予測モデル４０２は、治療成績予測モデル４０２が、放射線治療を受ける複数の患者の治療成績予測を無数回生成するために用いられ得るように、治療成績予測モジュール１２４内に保存されてもよい。治療成績予測モデル４０２はまた、機械学習技術によって、および、追加の先行患者データが他のデータベースから収集されたときに、アップデートされてもよい。
図４に戻って、治療成績予測モデル４０２は、当該患者の治療成績予測１３６を予測するために用いられてもよい。治療成績予測モデル４０２は、治療成績予測モデル４０２への入力として、線量プラン２０２および当該患者病歴１１０を受信する。治療成績予測１３６は、予測モデルを用いて作成されるため、治療成績予測１３６は、先行患者の先行投与線量プランの治療成績でなくてもよい。いくつかの実施形態において、治療成績予測モデル４０２によって生成された治療成績予測１３６は、データストア４０４内の過去データポイントとして保存され、治療成績予測モデル４０２をアップデートするために、追加のデータポイントとして用いられてもよい。
データストア４０４は、先行患者の先行投与線量プランの治療成績、先行患者の先行投与線量プランおよび先行患者の病歴のデータストアである。いくつかの実施形態において、データストア４０４は、先行患者線量プランデータストア５０２、先行患者病歴データストア５０４または先行患者治療成績データストア５０６と同じデータストアであってもよく、また、データストア４０４は、３つのデータストア５０２、５０４および５０６に保存されたデータを組み合わせてもよい。図４の実施形態において、治療成績モジュール１２４は、先行患者に関連する治療成績、線量プラン、および病歴を検索するためにデータストア４０４にアクセスする。線量予測モジュール１２２と同様に、治療成績モジュール１２４は、ａ）線量プラン２０２、当該患者病歴１１０および治療成績予測１３６と、ｂ）先行患者の先行投与線量プランおよび先行患者の病歴との間の多特徴比較分析を行い、治療成績予測１３６の閾値差内にある先行患者の先行投与線量プランの１つ以上の治療成績を特定する。あるいは、治療成績モジュール１２４は、本明細書において「治療成績近傍」と呼ばれる、線量プランおよび病歴に基づいて類似した先行患者のサブセットを特定してもよい。治療成績近傍は、先行患者の輪郭、先行患者の線量プラン、放射線送達技術および／または異なる治療療法に基づいて、有益には、種々の治療成績を臨床医に通知してもよい。特定される治療成績は、治療成績候補１３８と呼ばれる、当該患者に最も適したものであってよい。図４の実施形態において、治療成績予測モデル４０２が、治療成績予測１３６を生成し、治療成績モジュール１２４が治療成績候補１３８を特定すれば、臨床医による分析のために、治療成績モジュール１２４は、治療成績表示モジュール１３４に推奨治療成績のセットを出力する。
図６は、一実施形態による、選択された推奨治療成績を最適化するためのシステム６００を示す図である。図６に示すように、システム６００は、治療成績予測１３６および治療成績候補１３８を含む治療成績表示モジュール１３２を含む。システム６００は、さらに、先行患者治療成績データストア６０２を含む、治療成績候補ナビゲーションモジュール１２８を含む。
治療成績表示モジュール１３２は、治療成績モジュール１２４によって決定される治療成績予測１３６および複数の治療成績候補１３８を含む推奨治療成績のセットを表示する。治療成績表示モジュール１３２は、臨床医に、選択肢のいずれか１つが当該患者の最善の治療成績であるかどうかを決定するために、推奨治療成績のそれぞれを分析することを可能にする。図６の実施形態において、治療成績表示モジュール１３２は、臨床医に、改変またはさらなる最適化のために、表示される推奨治療成績の１つを選択することを可能にする。
表示される推奨治療成績の１つを選択することに関して、臨床医は、治療成績表示モジュール１３２内で、選択された推奨治療成績を最適化するための１つ以上のフィルタリング基準を規定してもよい。臨床医は、治療成績から有害事象を除外するか、または有害事象のアウトカムに関する閾値限界を置くために、フィルタリング基準を規定してもよい。例えば、臨床医は、有害事象として骨折を除外する第１フィルタリング基準を指定し、レベル１の毒性等級に肺炎を限定する第２フィルタリング基準（尺度１～４に関して、尺度４が最も重篤である）を指定してもよい。フィルタリング基準は、治療成績候補ナビゲーションモジュール１２８に入力される。
治療成績候補ナビゲーションモジュール１２８は、当該患者の治療成績候補１３８の新セットを特定するために、選択された推奨治療成績および、先行患者治療成績データストア６０２を検索するためのフィルタリング基準のセットを用いる。新たな治療成績候補のそれぞれは、当該患者に類似した先行患者に関連する。治療成績候補１３８の新セットは、選択された推奨治療成績に対するフィルタリング基準に基づいて最適化された推奨治療成績を提示してもよい。図６の実施形態において、治療成績候補ナビゲーションモジュール１２８は、治療成績表示モジュール１３２における表示のために、治療成績候補１３８に治療成績候補の新セットを送信する。臨床医は、選択肢のいずれか１つが当該患者の最善の治療成績であるかどうかを決定するために、推奨治療成績の新セットを分析してもよい。図６の実施形態において、臨床医は、輪郭を変更して、選択された推奨治療成績を最適化するサイクルを遂行してもよく、当該患者にとって最善の治療成績が選択されるまで、必要に応じてそのステップを任意の順序で何回繰り返してもよい。
図７は、一実施形態による、推奨治療成績を可視化するための例示的なユーザインターフェースの図である。図７の実施形態において、ユーザインターフェースモジュール１２６は、可視化モジュール１３０と治療成績表示モジュール１３２とを同時に表示する。図７の実施形態において、ユーザインターフェースモジュール１２６は、臨床医に、当該患者の最善の治療成績を実現するために、当該患者のイメージングデータおよび、推奨治療成績のセットを視覚化し、それとやり取りし、それを修正することを可能にする。
可視化モジュール１３０は、当該患者のイメージングデータを表示する。図７の実施形態において、可視化モジュール１３０は、当該患者の画像１１２および対応する当該患者の輪郭１１４をインポートする。既述のように、当該患者の画像１１２は、コンピュータ断層撮影法（ＣＴ）、核磁気共鳴イメージング（ＭＲＩ）、Ｘ線、透視法、超音波、核医学（陽電子放出断層撮影法（ＰＥＴ）を含む）または任意の他の適切な医用イメージング技術などの医用イメージング技術によって作成してもよい。図７の実施形態において、当該患者の画像１１２は、患者の種々の身体深さで患者の身体内部の同じ垂直断面を各画像が例示する複数の画像であってもよい。ユーザインターフェースモジュール１２６は、臨床医に、患者の身体の種々の深さでの断面が、各画像の対応する輪郭と共に可視化モジュール１３０に表示されることができるように、当該患者の画像１１２をスクロールすることを可能にするように構成されてもよい。図１の実施形態において、可視化モジュール１３０は輪郭規定モジュール１３４を含む。
輪郭規定モジュール１３４は、必要に応じて、当該患者の輪郭１１４を見て修正することを臨床医に可能にする輪郭作成インタフェースである。既述のように、当該患者の輪郭１１４は、当該患者の画像１１２において捕捉された腫瘍体積の周辺領域に位置する三次元腫瘍体積および解剖学的構造を特定するための輪郭のセットである。１つ以上の腫瘍体積を囲む輪郭は、放射線量が向けられる領域を示す。１つ以上の腫瘍体積を囲む輪郭は、肉眼的腫瘍体積（ＧＴＶ）、臨床腫瘍体積（ＣＴＶ）および計画腫瘍体積（ＰＴＶ）に関連する標準的技法を考慮して、これらの輪郭が、周囲の解剖学的構造の部分を含むように規定されてもよい。周囲の解剖学的構造の輪郭は、解剖学的構造の一部または全部のいずれかを目立たせてもよい。輪郭規定モジュール１３４は、可視化モジュール１３０における兼用表示のための当該患者の画像１１２上に複数の輪郭をオーバーレイする。図７に示すように、当該患者のイメージングデータは、可視化モジュール１３０における複数の当該患者の輪郭１１４と共に示される。画像における各外郭線は輪郭線であり、各輪郭線は、複数の異なる構造を表すために異なる色であることができる。可視化モジュール１３０における当該画像における各構造の名称を記載する右への鍵において、異なる色で示すことができる。この鍵を用いて、どの輪郭が、リスト中のどの構造に相当するかを臨床医は直ちに特定することができる。図７の実施形態において、輪郭７００は肉眼的腫瘍体積（ＧＴＶ）を囲み、輪郭７０１は計画腫瘍体積（ＰＴＶ）を囲み、残りの輪郭は、近くの解剖学的構造を目立たせている。いくつかの画像において、図７に示すように、種々の輪郭は互いにオーバーラップしてよい。図７の実施形態において、当該患者の輪郭１１４は、可視化モジュール１３０においてその輪郭が、表示される各画像と共に容易に見えてくるように、当該患者の画像１１２と共にインポートされる。いくつかの実施形態において、輪郭規定モジュール１３４は、輪郭を自動的に生成するように構成されてもよく、また、当該患者の画像１１２の示唆される輪郭を提示してもよい。
図７の実施形態において、輪郭規定モジュール１３４は、当該患者の輪郭１１４に追加すること、それを削除することおよび／またはそれを修正することを臨床医に可能にするように構成されている。輪郭規定モジュール１３４は、可視化モジュール１３０において表示される既存の輪郭を修正することを臨床医に可能にするツールバーを含む。ツールバーを用いて、臨床医は、選択された輪郭の形状を変化させてもよい。例えば、輪郭が、初めに、不正確に規定されていたか、または腫瘍体積を囲む輪郭の外縁部を増加させるように規定されていた場合、臨床医は、既存の輪郭を修正することを望んでもよい。輪郭規定モジュール１３４はまた、表示される当該患者の画像１１２において示される種々の解剖学的構造を表す構造リストも含む。構造リストにおける解剖学的構造を選択するかまたは解除することによって、輪郭規定モジュール１３４は、可視化モジュール１３０からその解剖学的構造の輪郭を出現させるか、または消失させる。臨床医はまた、初めに規定されないことがある解剖学的構造の新たな輪郭を追加してもよい。輪郭規定モジュール１３４において、解剖学的構造の輪郭を追加することおよび作成することによって、解剖学的構造に関連する有害事象および有害事象の対応するアウトカムを含ませることは、治療成績表示モジュール１３２のアップデートをもたらす。
図７の実施形態において、輪郭規定モジュール１３４は、臨床医によって、輪郭が追加されたか、欠失されたかおよび／または改変されたかを検出するように構成されている。その結果、輪郭規定モジュール１３４は、追加された輪郭、改変された輪郭および任意の残りの未削除である変更されていない輪郭を含む当該患者の輪郭１１４の新セットを捕捉し、推奨治療成績の新セットが続いて決定されるように、特徴生成モジュール１２０に当該患者の輪郭１１４の新セットを送信する。図７の実施形態において、可視化モジュール１３０は、輪郭規定モジュール１３４における輪郭の改変が、リアルタイムで、治療成績表示モジュール１３２において推奨治療成績のセットがアップデートされるように、治療成績表示モジュール１３２と同期している。いくつかの実施形態において、ユーザインターフェースモジュール１２６は、臨床医に、当該患者の輪郭１１４の新セットが捕捉される準備ができている場合、治療成績表示モジュール１３２が適切にアップデートされることができるように指示することを要求してもよい。
治療成績表示モジュール１３２は、治療成績モジュール１２４によって決定される推奨治療成績のセットを表示する。治療成績表示モジュール１３２は、初めに治療成績モジュール１２４によってデータを蓄積され、臨床医が推奨治療成績を視覚化し、比較するのを可能にする。図１の実施形態において、治療成績表示モジュール１３２において表示される推奨治療成績のセットは、可視化モジュール１３０に同時に表示される当該患者の画像１１２および当該患者の輪郭１１４に基づく。臨床医は、選択肢のいずれか１つが当該患者の最善の治療成績であるかどうかを決定するために、推奨治療成績のそれぞれを分析してもよい。
図７の実施形態において、治療成績表示モジュール１３２は、表フォーマットにおける推奨治療成績を示す。各治療成績は、１つ以上の有害事象のセットおよび、放射線治療プランによって生じ得る各有害事象の対応するアウトカムを示す。図７に示すように、各列の見出しは、推奨治療成績を表示し、各列は、可視化モジュール１３０における当該患者の輪郭１１４に関連する有害事象を表示する。図７に示すように、有害事象の例は、「脊髄炎」、「ＥＣＯＧ３ｍｏ」（患者のパフォーマンスステータスに関する医師の評価）、「肋骨骨折」および「肺炎」を含んでもよい。「予測」と表示される列は、各有害事象についての予測アウトカムを記載する治療成績予測１３６を表示する。「候補０１」と表示される隣接する列は、第１治療成績候補１３８、先行患者の以前に適用された治療プランから生じる各有害事象のアウトカムのリストを表示する。治療成績表示モジュール１３２は、複数の治療成績候補１３８、例えば「候補０２」、「候補０３」などが存在する場合、複数の隣接する列を表示してもよい。いくつかの実施形態において、治療成績表示モジュール１３２は、あまり類似していない治療成績候補の表示を避けるため、治療成績候補１３８の数を制限してもよい。治療成績候補１３８と同時に治療成績予測１３６を表示することによって、治療成績予測１３６が合理的な治療成績であり、臨床医が治療成績を予測されるものとして的確に予期し得ることを決定するために、この構成は、治療成績予測１３６と治療成績候補１３８とを比較することを臨床医に可能にするため、臨床医にとって信頼性検査として役立つ。
図７の実施形態において、表の各要素は、対応する推奨治療成績の有害事象のアウトカムを記載する。各有害事象は、以下のアウトカム、すなわち、特定された各解剖学的構造に対する毒性レベルの確率および、特定された各解剖学的構造に対する最も可能性が高い毒性レベルのうちの１つ以上に関連する。毒性のレベルは、「毒性等級」と呼称することがある。図７の実施形態において、表示を簡単にするために、最も可能性が高い毒性等級のみを各有害事象について表示してもよい。例えば、治療成績予測１３６については、有害事象「肺炎」はアウトカム「３」であり、これは、任意の他の肺炎の毒性等級よりも、毒性等級３の肺炎がより生じやすいことを示している。いくつかの有害事象について、有害事象は、例えば「イエス（有害事象が生じる）」または「ノー（有害事象が生じない）」などの、二者択一のアウトカムを有してもよい。例えば、治療成績候補１３８については、有害事象「肋骨骨折」のアウトカムは「Ｙ」であるが、これは、この先行患者治療プランの結果として肋骨骨折が生じることを示している。他の有害事象は、損傷のレベルよりはむしろ、機能のレベルを特徴としてもよい。例えば、有害事象「ＥＣＯＧ３ｍｏ」は、療法後３ヶ月における患者の全般的なパフォーマンスステータスについての医師の評価である。図７に示すように、治療成績予測１３６に関しては、「ＥＣＯＧ３ｍｏ」のアウトカムは「１」であり、これは機能性レベル１を示している（尺度０～５で、０は最も高い機能性レベルである）。種々の実施形態において、尺度は変化してもよい。いくつかの実施形態において、治療成績表示モジュール１３２は、推奨各治療成績、例えば腫瘍再発の確率、局所再発または遠隔再発などの腫瘍再発の種類、および腫瘍再発までに予想される時間の長さなどについての治療効果を示してもよい。図７の実施形態において、推奨治療成績間の有害事象のアウトカムを比較する場合に、好ましいアウトカムを示すために、種々の色または種々のマーキングでアウトカムを強調してもよい。図７に示すように、破線の箱中のアウトカムは、破線の箱なしのアウトカムよりも好まれる場合がある（例えば「肋骨骨折なし」は、「イエス、肋骨骨折」よりも好ましいアウトカムである）。許容できないアウトカムを示すために、種々のアウトカムを特定の色またはマーキングで強調してもよく、これは臨床医に固有であってよい。
治療成績表示モジュール１３２は、治療成績表示モジュール１３２で示されている情報を修正することを臨床医に可能にする種々のボタンを含んでもよい。これらの改変によって、当該患者に関連性があるかまたは重要であると考えられる情報のみを表示することを臨床医に可能にするが、これは臨床医に効率的で簡素化された治療計画プロセスを容易にする。図７の実施形態において、ボタンは、複数の有害事象ボタン７０２、複数の有害事象除去ボタン７０４、複数の治療成績除去ボタン７０６および複数の治療成績最適化ボタン７０８を含む。
複数の有害事象ボタン７０２は、推奨治療成績の一部としてみなすことができる追加の有害事象を示す。図７の実施形態において、複数の有害事象ボタン７０２は、推奨治療成績の表の下に位置してもよい。臨床医が、推奨各治療成績についての有害事象の対応するアウトカムを決定したいと考える場合、臨床医は有害事象ボタンの１つ以上を選択してもよい。有害事象ボタンが選択される場合、その有害事象は、推奨治療成績の表の新たな列として追加され、各推奨治療成績についての有害事象の対応するアウトカムが列の要素を付け加える。いくつかの実施形態において、臨床医が各患者画像をスクロールするとき、当該患者の輪郭１１４と当該患者の画像１１２とに関連性のある有害事象によって、複数の有害事象ボタン７０２が自動で追加されてもよい。臨床医はまた、有害事象が、有害事象ボタン７０２によって現れない場合に、推奨治療成績の表に手動で有害事象を追加してもよい。いくつかの実施形態において、システム１００が、有害事象の対応するアウトカムが閾値限界超であることを検出し、有害事象が有意であり、推奨治療成績の一部として考慮されるべきであることを示した場合、治療成績表示モジュール１３２において有害事象ボタンが強調されてもよい（例えば強調表示、点滅など）。
複数の有害事象除去ボタン７０４は、推奨治療成績の表から有害事象を除去することを臨床医に可能にする。図７の実施形態において、有害事象除去ボタン７０４は、各有害事象の列の隣に位置する。選択された場合、有害事象に関連する全列は表から除去される。有害事象が無関係であると考えられるか、当該患者への懸念がない場合、臨床医は有害事象を除去することを選択してもよい。治療成績表示モジュール１３２から不必要な有害事象を除去することによって、臨床医は、当該患者の最善の治療成績を決定するための重要な情報について焦点を当てることができる。
複数の治療成績除去ボタン７０６は、推奨治療成績の表から推奨治療成績を除去することを臨床医に可能にする。図７の実施形態において、治療成績除去ボタン７０６は、各治療成績候補１３８の列の上に位置する。選択された場合、推奨治療成績に関連する全列は表から除去される。代わりの推奨治療成績が、当該患者により適していると臨床医が決定した場合、臨床医は推奨治療成績を除去することを選択してもよい。治療成績表示モジュール１３２から不必要な推奨治療成績を除去することによって、臨床医は、当該患者の最善の治療成績を決定するために、推奨治療成績をより効率よく狭めることができる。いくつかの実施形態において、治療成績予測１３６は治療成績除去ボタン７０６によって除去されることもされないこともある。
複数の治療成績最適化ボタン７０８は、臨床医に、最適化のために推奨治療成績を選択することを可能にする。図７の実施形態において、治療成績最適化ボタン７０８は推奨各治療成績の列の見出しの隣に位置する。選択された推奨治療成績が、当該患者にとって最善の治療成績を実現するように改変できると臨床医が信じる場合、臨床医は、推奨治療成績について、治療成績最適化ボタン７０８を選択してもよい。最適化のために推奨治療成績が選択される場合、治療成績表示モジュールは、例えば治療成績から有害事象を除去するかまたは有害事象のアウトカムに関する閾値限界を置くなど、複数のフィルタリング基準を規定することを臨床医に可能にする。例えば、臨床医は、有害事象として「肋骨骨折」を除去する第１フィルタリング基準およびレベル１の毒性等級（例えば、尺度１～４について、４を最も重篤であるとする）に「肺炎」を限定する第２フィルタリング基準を指定してもよい。選択された推奨治療成績およびフィルタリング基準は、当該患者についての治療成績候補１３８の新セットを特定するために、治療成績候補ナビゲーションモジュール１２８に入力される。続いて、治療成績候補ナビゲーションモジュール１２８は、治療成績表示モジュール１３２における表示のために、治療成績候補１３８に治療成績候補の新セットを送信する。臨床医は、選択肢のいずれか１つが当該患者の最善の治療成績であるかどうかを決定するために、推奨治療成績の新セットを分析してもよい。いくつかの実施形態において、推奨治療成績の１つが当該患者にとって最善であると臨床医が決定する場合、選択された推奨治療成績を治療送達エンジン１０６にエクスポートして、選択された推奨治療成績に基づいて患者特異的治療送達プランを生成するために、臨床医は、推奨治療成績の治療成績最適化ボタン７０８を選択してもよい。
可視化モジュールおよび治療成績表示モジュール１３２を同時に表示することによって、臨床医は、当該患者の輪郭１１４への放射線送達と得られた推奨治療成績との間の関係を視覚化してもよい。ユーザインターフェースモジュール１２６を用いて、臨床医は、輪郭を調整し、リアルタイムで、腫瘍体積への影響および、近くの解剖学的構造に対する毒性リスクを評価することができる。輪郭を修正し、考察から有害事象を追加または除去し、考察から推奨治療成績を追加または除去し、臨床医が、当該患者にとって最善の治療成績であると決定するまで、選択された治療成績を最適化するために、臨床医は、複数の当該患者の画像１１２のそれぞれをスクロールするサイクルを遂行してもよい。放射線治療計画中、この構成は、臨床医が、特定のトレードオフについて十分な情報に基づいた決定を行うことを可能にする。
さらなる実施形態によれば、図８は、推奨治療成績を可視化するための例示的なユーザインターフェースを示す図である。図７に関して述べたように、表の各要素は、対応する推奨治療成績の有害事象についてのアウトカムを記載する。各有害事象は、以下のアウトカム、すなわち、特定された各解剖学的構造に対する毒性レベルの確率および、特定された各解剖学的構造に対する最も可能性が高い毒性レベルのうちの１つ以上に関連する。図７の実施形態において、表示を簡単にするために、最も可能性が高い毒性等級のみを各有害事象について表示してもよい。図８の実施形態において、有害事象は、行の見出しの次に、トグルボタン８０２を含んでもよい。推奨各治療成績のための有害事象について、トグルボタン８０２を選択することによってアウトカム表、例えばアウトカム表８０４を拡大させる。図８に示すように、「肺炎」についてのアウトカム表８０４は、毒性等級および、各毒性等級についての対応する確率を表示する。最も可能性が高い毒性レベルでの毒性等級は、アウトカム表８０４において強調されてもよい。例えば、治療成績予測１３６について、毒性等級３の肺炎は、治療成績として５０％の確率で生じるが、これは他の毒性等級の確率よりも高い。従って、図７に関して述べたように、アウトカム表８０４を最小にするようにトグルボタン８０２が選択される場合、表示を簡単にするために、毒性等級３のみが、治療成績表示モジュール１３２に表示される。図８の実施形態において、毒性等級に関連する対応するアウトカムを有する有害事象のみが、トグルボタン８０２を有してもよい。
図９は、一実施形態による、臨床医を指向する放射線治療計画のステップを示すフロー図である。このフロー図は、図１に関して述べたように、システム１００を用いて放射線治療プランを作成するためのワークフローを表す。
９００に記載されているように、患者データエンジンは当該患者に関連する患者データを受信する。当該患者データは、患者の画像、患者の輪郭、物理パラメータおよび処方パラメータを含んでもよい。当該患者データは、治療計画エンジンに入力される。
９０２に記載されているように、治療計画エンジンは、当該患者データにおける解剖学的構造および腫瘍体積の輪郭を検出する。当該患者データをシステムにインポートする前に、臨床医によって、各患者の画像においてこれらの輪郭が規定されてもよい。
９０４に記載されているように、治療計画エンジンは、当該患者データおよび検出された輪郭に基づいて、当該患者に関連する特徴を生成する。当該患者に類似した先行患者を特定するために、当該患者について生成した特徴を、先行患者について同様に生成した特徴と比較することができる。
９０６に記載されているように、治療計画エンジンは複数の線量プランを決定する。線量プランは、線量プラン予測および複数の線量プラン候補を含む。線量プラン予測を決定するために、治療計画エンジンは、線量プラン予測を生成する線量プラン予測モデルに当該患者について生成した特徴を入力する。複数の線量プラン候補を決定するために、治療計画エンジンは、線量プラン予測および、当該患者について生成した特徴を用いる。当該患者に類似した先行患者の先行投与線量プランを特定するために、治療計画エンジンは、当該患者について生成した特徴と先行患者について生成した特徴とを比較する。次いで、治療計画エンジンは、先行投与線量プランのどれが、線量プラン予測の閾値差内にあるかを決定する。閾値差内にあるものは、線量プラン候補である。複数の線量プラン候補および線量プラン予測は線量プランのセットを含む。
９０８に記載されているように、治療計画エンジンは、線量プランおよび当該患者病歴に基づいて複数の治療成績を決定する。治療成績は治療成績予測および複数の治療成績候補を含む。治療成績予測を決定するために、治療計画エンジンは、治療成績予測を生成する治療成績予測モデルに線量プランおよび当該患者病歴を入力する。複数の治療成績候補を決定するために、治療計画エンジンは、治療成績予測、線量プランおよび当該患者病歴を用いる。治療計画エンジンは、先行患者の先行投与線量プランの治療成績を特定するために、線量プランと、先行患者の先行投与線量プランとを比較する。次いで、治療計画エンジンは、特定される治療成績のどれが、治療成績予測の閾値差内にあるかを決定する。閾値差内にあるものは、治療成績候補である。複数の治療成績候補および治療成績予測は、推奨治療成績のセットを含む。
９１０に記載されているように、治療計画エンジンは、臨床医による分析のために推奨治療成績を提供する。推奨治療成績のセットおよび当該患者の画像および、推奨治療成績が基づく当該患者の輪郭が同時に表示される。それらを同時に表示することによって、臨床医は、当該患者の輪郭への放射線送達と、得られた推奨治療成績との間の関係を視覚化してもよい。臨床医は、輪郭を調整し、リアルタイムで、腫瘍体積および、近くの解剖学的構造に対する毒性リスクへの影響を評価することができる。このことは、当該患者の放射線治療計画中の特定のトレードオフについて十分な情報に基づいた決定を臨床医が行うことを可能にする。臨床医は、推奨治療成績の新セットを生成するために、当該患者の輪郭を修正してもよく、また臨床医は、最善の治療成績による治療プランを作成することを臨床医に可能にする、最適化のための推奨治療成績を選択してもよい。
９１２に記載されているように、臨床医は、最適化のために推奨治療成績を選択してもよい。治療成績が選択された場合、臨床医は複数のフィルタリング基準を規定してもよい。治療計画エンジンは、選択された治療成績およびフィルタリング基準に基づいて、推奨治療成績の新セットを特定するために、データストアにアクセスする。９１０で議論されるように、臨床医による分析のために、推奨治療成績の新セットが提示される。
９１４に記載されているように、臨床医は、当該患者の輪郭を修正することができる。治療計画エンジンが、輪郭が改変されていることを検出する場合、当該患者の輪郭の新セットが捕捉される。その結果、９０４～９１４が繰り返されてもよい。
９１６に記載されているように、臨床医は、当該患者のための最善の治療成績として推奨治療成績を選択してもよい。選択された治療成績は、選択された治療成績を生じる放射線量照射プランを作成するために治療送達エンジンに送信される。
９１８に記載されているように、治療送達エンジンは、当該患者への治療送達のために、選択された治療成績に関連する放射線量照射プランを臨床医に提示する。
結語
本発明の実施形態の前述の説明は、例示目的で呈示したものであって、網羅的なものでもなく、開示されたそのままの形態に本発明を限定することを意図するものでもない。上記開示を考慮すれば、多くの修正および変形が可能であることは、当業者には明らかであろう。
本記載のいくつかの部分は、情報に対するオペレーションのアルゴリズムおよび記号的表象によって本発明の実施形態を記載した。これらのアルゴリズム的な記述および表現は、データ処理分野に精通する者が、他の分野に精通した者に効果的に自らの業務を伝えるために一般的に使用される。これらのオペレーションは、機能的、コンピュータ的または論理的に記述されるが、コンピュータプログラムまたは等価な電気回路、マイクロコードなどによって実行されることが理解される。さらにまた、一般性を欠くことなく、これらのオペレーションの構成をモジュールと呼ぶことは、時により好都合であることは明らかである。記述されたオペレーションおよびそれに関連するモジュールは、ソフトウェア、ファームウェア、ハードウェアまたはそれらの任意の組み合わせで具体化され得る。
本明細書に記載の任意のステップ、オペレーションまたはプロセスは、１つ以上のハードウェアまたはソフトウェアモジュールにより、単独で、あるいは他の装置と組み合わせて実施または実行してもよい。一実施形態において、ソフトウェアモジュールは、記述されるステップ、オペレーションまたはプロセスの全部または一部を実行するためのコンピュータプロセッサによって実施することができるコンピュータプログラムコードを有するコンピュータ可読媒体を含むコンピュータプログラム製品で実行される。
本発明の実施形態はまた、本明細書におけるオペレーションを実行するための装置に関してもよい。本装置は、所望の目的のために特別に構築されたものであってよく、および／または本装置は、選択的に能動化された汎用コンピュータデバイスを含むかもしくはコンピュータに保存されたコンピュータプログラムによって再構成された汎用コンピュータデバイスを含んでもよい。このようなコンピュータプログラムは、一次的でない有形のコンピュータ読み取り可能記憶媒体または、コンピュータシステムバスに連結され得る電子命令を記憶するのに適した任意のタイプの媒体に保存され得る。さらにまた、本明細書で言及した任意のコンピュータシステムは、シングルプロセッサを含んでもよく、コンピュータ能力が向上した複数のプロセッサ設計を用いるアーキテクチャであってもよい。
本発明の実施形態はまた、本明細書に記載のコンピュータプロセスによって製造される製品に関してもよい。このような製品は、情報が一次的でない有形のコンピュータ読み取り可能記憶媒体に保存されたコンピュータプロセスから得られた情報を含んでもよく、本明細書に記載のコンピュータプログラム製品の任意の実施形態または他のデータの組み合わせを含んでもよい。
最後に、本明細書で用いられる用語は、主として読みやすさおよび教育目的で選択されたものであり、本発明の主題事項を詳述するかまたは制限するために選択されたものではない。したがって、本発明の範囲は、この詳細な説明によって限定されるものではなく、むしろ、それに基づいて用途が生じる任意のクレームによって限定されることを意図する。従って、本発明の実施形態の開示は、例示目的を意図し、本発明の範囲を限定するものではなく、本発明の範囲は添付の特許請求の範囲において述べられる。
［付記１］ 所与の患者用の放射線治療プランを作成するための方法であって、
放射線治療を受ける予定の患者の内部の表示を含むイメージングデータを受信すること、
治療計画プロセスを繰り返し実行することであって、
前記イメージングデータによって表される、１つ以上の解剖学的構造と少なくとも１つの腫瘍体積とを特定する少なくとも１つの輪郭を検出すること、
前記少なくとも１つの輪郭および先行患者の線量照射プランに基づいて前記患者用の線量照射プランのセットを計算すること、
前記少なくとも１つの輪郭、先行患者治療成績、および前記線量照射プランのセットに基づいて前記患者に対する１つ以上の推奨治療成績を計算すること、
ユーザインターフェースにおいて、評価のために、臨床医に前記推奨治療成績のセットを提示することを含む前記治療計画プロセスを繰り返し実行すること、
前記臨床医から所与の推奨治療成績についての選択を受信すること、
選択された治療成績を達成するための前記患者用の治療プランを生成するためのシステムに、選択された治療成績を提供することを備える、方法。
［付記２］ 治療成績が、１つ以上の有害事象のセットを示し、各有害事象が、以下のアウトカム、すなわち、特定された各解剖学的構造に対する毒性レベルの確率および、特定された各解剖学的構造に対する最も可能性が高い毒性レベルのうちの１つ以上に関連する、付記１に記載の方法。
［付記３］ 治療成績が、腫瘍再発の確率、局所再発または遠隔再発などの腫瘍再発の種類、および腫瘍再発までに予想される時間の長さのうちの１つ以上を示す、付記１または２に記載の方法。
［付記４］ 前記推奨治療成績のセットのうちの第１治療成績が、先行患者の線量照射プランに基づく治療成績モデルおよび前記先行患者の線量照射プランに関連する治療成績を用いて生成される予測治療成績である、付記１～３のいずれか１つに記載の方法。
［付記５］ 前記治療成績モデルが、さらに、前記線量照射プランに関連する前記先行患者の病歴に基づく、付記４に記載の方法。
［付記６］ 前記推奨治療成績のセットの計算が、前記治療成績モデルを用いて前記第１治療成績を計算し、前記第１治療成績から閾値差内にある先行患者治療成績のセットを決定することを含む、付記４に記載の方法。
［付記７］ 前記臨床医から、最適化の目的で、前記推奨治療成績の１つについての選択を受信することであって、当該選択された推奨治療成績の１つを最適化することが、前記臨床医によって規定される１つ以上のフィルタリング基準を適用することを含む、前記受信すること、
前記選択された推奨治療成績から閾値差内にあり、かつ前記１つ以上のフィルタリング基準に基づく先行患者治療成績の新セットを決定すること、
前記ユーザインターフェースにおいて、評価のために、臨床医に前記先行患者治療成績の新セットを提示することをさらに含む、付記１～６のいずれか１つに記載の方法。
［付記８］ 前記フィルタリング基準が、前記治療成績からの有害事象の除外または有害事象のアウトカムに関する閾値限界のうちの１つ以上を含む、付記７に記載の方法。
［付記９］ 前記少なくとも１つの輪郭の検出が、以前に検出された輪郭が改変されていることを決定すること、または、前記イメージングデータによって表される、１つ以上の解剖学的構造および少なくとも１つの腫瘍体積を特定する新たな輪郭を検出することを含む、付記１～８のいずれか１つに記載の方法。
［付記１０］ 前記ユーザインターフェースは、前記臨床医が、前記イメージングデータの視覚表示上で、手動で１つ以上の輪郭を定めること、以前に検出された輪郭を除去すること、または複数の選択された解剖学的構造についての以前に検出された輪郭を修正することを可能にする、付記１～９のいずれか１つに記載の方法。
［付記１１］ 前記ユーザインターフェースは、
前記線量照射プランのセットによって生じる可能性のある複数の有害事象と、
各有害事象についての予測アウトカムを示す、前記所与の患者についての予測治療成績と、
１つ以上の先行患者治療成績であって、各先行患者治療成績が、各有害事象のアウトカム、示されたアウトカム、前記先行患者治療成績に関連する前記先行患者の線量照射プランの成績を提示する１つ以上の前記先行患者治療成績とを画像により提示する、付記１０に記載の方法。
［付記１２］ 前記ユーザインターフェースにおける少なくとも１つの輪郭の追加、除去または改変の検出の結果、前記ユーザインターフェースに表示される推奨治療成績の新セットが計算される、付記１１に記載の方法。
［付記１３］ 前記ユーザインターフェースは、選択された各有害事象のアウトカムが前記ユーザインターフェースに表示されるように前記ユーザインターフェースでの表示のために選択され得る追加の有害事象のリストを備える、付記１１に記載の方法。
［付記１４］ 臨床医が前記有害事象の１つ以上を前記ユーザインターフェースでの表示から除去できるように前記ユーザインターフェースは構成されている、付記１１に記載の方法。
［付記１５］ 作成された治療プランが、前記所与の患者に適用するための、前記選択された推奨治療成績に関連する線量照射プランを含む、付記１～８のいずれか１つに記載の方法。
［付記１６］ 所与の患者用の放射線治療プランを作成するための実行可能コンピュータプログラム命令を記憶する非一時的コンピュータ読み取り可能記憶媒体であって、前記命令が、
放射線治療を受ける予定の患者の内部の表示を含むイメージングデータを受信するステップと、
治療計画プロセスを繰り返し実行するステップであって、
前記イメージングデータによって表される、１つ以上の解剖学的構造と少なくとも１つの腫瘍体積とを特定する少なくとも１つの輪郭を検出すること、
前記少なくとも１つの輪郭および先行患者の線量照射プランに基づいて前記患者用の線量照射プランのセットを計算すること、
前記少なくとも１つの輪郭、先行患者治療成績、および前記線量照射プランのセットに基づいて前記患者に対する１つ以上の推奨治療成績を計算すること、
ユーザインターフェースにおいて、評価のために、臨床医に前記推奨治療成績のセットを提示することを含む前記治療計画プロセスを繰り返し実行するステップと、
前記臨床医から所与の推奨治療成績についての選択を受信するステップと、
選択された治療成績を達成するための前記患者用の治療プランを生成するためのシステムに、選択された治療成績を提供するステップとを含むステップを実行させる、コンピュータ読み取り可能記憶媒体。
［付記１７］ 治療成績が、１つ以上の有害事象のセットを示し、各有害事象が、以下のアウトカム、すなわち、特定された各解剖学的構造に対する毒性レベルの確率および、特定された各解剖学的構造に対する最も可能性が高い毒性レベルのうちの１つ以上に関連する、付記１６に記載のコンピュータ読み取り可能記憶媒体。
［付記１８］ 前記推奨治療成績のセットのうちの第１治療成績が、先行患者の線量照射プランに基づく治療成績モデルおよび前記先行患者の線量照射プランに関連する治療成績を用いて生成される予測治療成績である、付記１６または１７に記載のコンピュータ読み取り可能記憶媒体。
［付記１９］ 前記治療成績モデルが、さらに、前記先行患者の線量照射プランに関連する前記先行患者の病歴に基づく、付記１８に記載の方法。
［付記２０］ 前記命令が前記推奨治療成績のセットを計算するステップを実行させることは、前記治療成績モデルを用いて前記第１治療成績を計算することと、前記第１治療成績から閾値差内にある先行患者治療成績のセットを決定することをさらに含む、付記１８に記載のコンピュータ読み取り可能記憶媒体。
［付記２１］ 前記命令は、
前記臨床医から、最適化の目的で、前記推奨治療成績の１つについての選択を受信することであって、当該選択された推奨治療成績の１つを最適化することが、前記臨床医によって規定される１つ以上のフィルタリング基準を適用することを含む、前記受信することと、
前記選択された推奨治療成績から閾値差内にあり、かつ前記１つ以上のフィルタリング基準に基づく先行患者治療成績の新セットを決定することと、
前記ユーザインターフェースにおいて、評価のために、臨床医に前記先行患者治療成績の新セットを提示することとをさらに含むステップを実行させる、付記１６～２０のいずれか１つに記載のコンピュータ読み取り可能記憶媒体。
［付記２２］ 前記命令が前記ユーザインターフェースにデータを加えるステップを実行させることは、
放射線治療を受ける予定の前記患者の前記内部の前記表示を含む前記イメージングデータを提示すること、
前記イメージングデータによって表される、１つ以上の解剖学的構造および少なくとも１つの腫瘍体積を特定する前記少なくとも１つの検出された輪郭を提示すること、
前記線量照射プランのセットによって生じる可能性のある複数の有害事象を提示すること、
各有害事象についての予測アウトカムを示す、前記所与の患者についての第１治療成績、および
１つ以上の追加治療成績であって、各追加治療成績が、各有害事象についてのアウトカム、示されたアウトカム、前記治療成績に関連する先行患者の線量照射プランの成績を示す、前記１つ以上の追加治療成績を含む前記推奨治療成績のセットを提示することを含む、付記１６～２１のいずれか１つに記載のコンピュータ読み取り可能記憶媒体。
［付記２３］ 前記命令が前記ユーザインターフェースにデータを加えるステップを実行させることは、
少なくとも１つの検出された輪郭の追加、除去または改変を検出すること、
任意の追加された輪郭、任意の改変された輪郭および、変更されていない任意の以前に検出された輪郭を含む少なくとも１つの輪郭の新セットを作成すること、
検出と同時に、輪郭の新セットに基づいて、推奨治療成績の新セットを計算すること、
前記推奨治療成績の新セットを提示することをさらに含む、付記２２に記載の、コンピュータ読み取り可能記憶媒体。
［付記２４］ 所与の患者用の放射線治療プランを作成するためのコンピュータシステムであって、
放射線治療を受ける予定の患者の内部の表示を含むイメージングデータを受信し、
治療計画プロセスであって、
前記イメージングデータによって表される、１つ以上の解剖学的構造と少なくとも１つの腫瘍体積とを特定する少なくとも１つの輪郭を検出すること、
前記少なくとも１つの輪郭および先行患者の線量照射プランに基づいて前記患者用の線量照射プランのセットを計算すること、
前記少なくとも１つの輪郭、先行患者治療成績、および前記線量照射プランのセットに基づいて前記患者に対する１つ以上の推奨治療成績を計算すること、
ユーザインターフェースに、評価のために、臨床医に前記推奨治療成績のセットを提示することを含む前記治療計画プロセスを繰り返し実行し、
前記臨床医から所与の推奨治療成績についての選択を受信し、
選択された治療成績を達成するための前記患者用の治療プランを生成するためのシステムに、選択された治療成績を提供するステップを実行させる命令を含む実行可能コンピュータプログラム命令を記憶する非一時的なコンピュータ読み取り可能記憶媒体と、
前記実行可能コンピュータプログラム命令を実行するプロセッサとを備える、コンピュータシステム。
［付記２５］ 所与の患者用の放射線治療プランを作成するための方法であって、
放射線治療を受ける予定の患者の内部の表示を含むイメージングデータを受信すること、
治療計画プロセスを繰り返し実行することであって、
前記イメージングデータによって表される、１つ以上の解剖学的構造および少なくとも１つの腫瘍体積を特定する少なくとも１つの輪郭を検出すること、
前記少なくとも１つの輪郭および先行患者の線量照射プランに基づいて前記患者用の線量照射プランのセットを計算すること、
前記少なくとも１つの輪郭、先行患者治療成績、および前記線量照射プランのセットに基づいて前記患者に対する１つ以上の推奨治療成績を計算すること、
ユーザインターフェースにおいて、評価のために、臨床医に前記推奨治療成績のセットを提示すること
を含む前記治療計画プロセスを繰り返し実行することを含む、方法。
［付記２６］ 前記患者用の治療プランを生成するためのシステムに、前記臨床医によって選択された治療成績を提供することをさらに含む、付記２５に記載の方法。
［付記２７］ 治療成績が、１つ以上の有害事象のセットを示し、各有害事象が、以下のアウトカム、すなわち、特定された各解剖学的構造に対する毒性レベルの確率および、特定された各解剖学的構造に対する最も可能性が高い毒性レベルのうちの１つ以上に関連する、付記２５または２６に記載の方法。
［付記２８］ 治療成績が、腫瘍再発の確率、局所再発または遠隔再発などの腫瘍再発の種類、および腫瘍再発までに予想される時間の長さのうちの１つ以上を示す、付記２５～２７のいずれか１つに記載の方法。
［付記２９］ 前記推奨治療成績のセットのうちの第１治療成績が、先行患者の線量照射プランに基づく治療成績モデルおよび前記先行患者の線量照射プランに関連する治療成績を用いて生成される予測治療成績である、付記２５～２８のいずれか１つに記載の方法。
［付記３０］ 前記治療成績モデルが、さらに、前記線量照射プランに関連する前記先行患者の病歴に基づく、付記２９に記載の方法。
［付記３１］ 前記推奨治療成績のセットの計算が、前記治療成績モデルを用いて前記第１治療成績を計算し、前記第１治療成績から閾値差内にある先行患者治療成績のセットを決定することを含む、付記２９に記載の方法。
［付記３２］ 前記臨床医から、最適化の目的で、前記推奨治療成績の１つについての選択を受信することであって、当該選択された推奨治療成績の１つを最適化することが、前記臨床医によって規定される１つ以上のフィルタリング基準を適用することを含む、前記受信することと、
前記選択された推奨治療成績から閾値差内にあり、かつ前記１つ以上のフィルタリング基準に基づく先行患者治療成績の新セットを決定することと、
前記ユーザインターフェースにおいて、評価のために、臨床医に前記先行患者治療成績の新セットを提示することとをさらに含む、付記２５～３１のいずれか１つに記載の方法。
［付記３３］ 前記フィルタリング基準が、前記治療成績からの有害事象の除外または有害事象のアウトカムに関する閾値限界のうちの１つ以上を含む、付記３２に記載の方法。
［付記３４］ 前記ユーザインターフェースは、前記臨床医が、前記イメージングデータの視覚表示上で、手動で１つ以上の輪郭を定めること、以前に検出された輪郭を除去すること、または、複数の選択された解剖学的構造についての以前に検出された輪郭を修正することを可能にする、付記２５～３３のいずれか１つに記載の方法。
［付記３５］ 前記ユーザインターフェースは、
前記線量照射プランのセットによって生じる可能性のある複数の有害事象と、
各有害事象についての予測アウトカムを示す、前記所与の患者についての予測治療成績と、
１つ以上の先行患者治療成績であって、各先行患者治療成績が、各有害事象のアウトカム、提示されたアウトカム、前記先行患者治療成績に関連する前記先行患者の線量照射プランの成績を提示する１つ以上の前記先行患者治療成績とを画像により提示する、付記３４に記載の方法。
［付記３６］ 前記ユーザインターフェースにおける少なくとも１つの輪郭の追加、除去または改変の検出の結果、前記ユーザインターフェースに表示される推奨治療成績の新セットが計算される、付記３５に記載の方法。
［付記３７］ 前記ユーザインターフェースは、選択された各有害事象のアウトカムが前記ユーザインターフェースに表示されるように前記ユーザインターフェースでの表示のために選択され得る追加の有害事象のリストを備える、付記３５に記載の方法。
［付記３８］ 臨床医が前記有害事象の１つ以上を前記ユーザインターフェースでの表示から除去できるように前記ユーザインターフェースは構成されている、付記３５に記載の方法。
［付記３９］ 作成された治療プランが、前記所与の患者に適用するための、前記選択された推奨治療成績に関連する線量照射プランを含む、付記２５～３８のいずれか１つに記載の方法。

Claims (15)

  1. 所与の患者用の放射線治療プランを作成するためのコンピュータ実装方法であって、
    放射線治療を受ける予定の患者の内部の表示を含むイメージングデータを一以上のコンピュータプロセッサが受信すること、
    治療計画プロセスを前記一以上のコンピュータプロセッサが繰り返し実行することであって、
    前記イメージングデータによって表される、１つ以上の解剖学的構造と少なくとも１つの腫瘍体積とを特定する少なくとも１つの輪郭を前記一以上のコンピュータプロセッサが検出すること、
    前記少なくとも１つの輪郭および先行患者の線量照射プランに基づいて前記患者用の線量照射プランのセットを前記一以上のコンピュータプロセッサが計算すること、
    前記少なくとも１つの輪郭、先行患者治療成績、および前記患者用の前記線量照射プランのセットに基づいて前記患者に対する１つ以上の推奨治療成績のセットを計算することであって、前記患者に対する前記１つ以上の推奨治療成績のセットを構成する各推奨治療成績が所与の治療プランをある患者へ送達したときの１つ以上の結果を特定するものである、前記１つ以上の推奨治療成績のセットを前記一以上のコンピュータプロセッサが計算すること、
    ユーザインターフェースにおいて、評価のために、臨床医に前記推奨治療成績のセットを前記一以上のコンピュータプロセッサが提示すること、を含む前記治療計画プロセスを前記一以上のコンピュータプロセッサが繰り返し実行すること、
    前記臨床医から所与の推奨治療成績についての選択を前記一以上のコンピュータプロセッサが受信すること、
    当該選択された治療成績を達成するための前記患者用の治療プランを生成するためのシステムに、当該選択された治療成績を前記一以上のコンピュータプロセッサが提供することを備える、コンピュータ実装方法。
  2. 治療成績が、１つ以上の有害事象のセットを示し、各有害事象が、以下のアウトカム、すなわち、特定された各解剖学的構造に対する毒性レベルの確率および、特定された各解剖学的構造に対する最も可能性が高い毒性レベルのうちの１つ以上に関連する、請求項１に記載のコンピュータ実装方法。
  3. 治療成績が、腫瘍再発の確率、局所再発または遠隔再発などの腫瘍再発の種類、および腫瘍再発までに予想される時間の長さのうちの１つ以上を示す、請求項１または２に記載のコンピュータ実装方法。
  4. 前記推奨治療成績のセットのうちの第１治療成績が、先行患者の線量照射プランに基づく治療成績モデルおよび前記先行患者の線量照射プランに関連する治療成績を用いて前記一以上のコンピュータプロセッサによって生成される予測治療成績である、請求項１～３のいずれか１項に記載のコンピュータ実装方法。
  5. 前記治療成績モデルが、さらに、前記線量照射プランに関連する前記先行患者の病歴に基づく、請求項４に記載のコンピュータ実装方法。
  6. 前記推奨治療成績のセットの計算が、前記治療成績モデルを用いて前記第１治療成績を前記一以上のコンピュータプロセッサが計算し、前記第１治療成績から閾値差内にある先行患者治療成績のセットを前記一以上のコンピュータプロセッサが決定することを含む、請求項４に記載のコンピュータ実装方法。
  7. 前記臨床医から、最適化の目的で、前記推奨治療成績の１つについての選択を前記一以上のコンピュータプロセッサが受信することであって、当該選択された推奨治療成績の１つを最適化することが、前記臨床医によって規定される１つ以上のフィルタリング基準を前記一以上のコンピュータプロセッサが適用することを含む、前記受信すること、
    前記選択された推奨治療成績から閾値差内にあり、かつ前記１つ以上のフィルタリング基準に基づく先行患者治療成績の新セットを前記一以上のコンピュータプロセッサが決定すること、
    前記ユーザインターフェースにおいて、評価のために、臨床医に前記先行患者治療成績の新セットを前記一以上のコンピュータプロセッサが提示することをさらに含む、請求項１～６のいずれか１項に記載のコンピュータ実装方法。
  8. 前記フィルタリング基準が、前記治療成績からの有害事象の除外または有害事象のアウトカムに関する閾値限界のうちの１つ以上を含む、請求項７に記載のコンピュータ実装方法。
  9. 前記少なくとも１つの輪郭の検出が、以前に検出された輪郭が改変されていることを前記一以上のコンピュータプロセッサが決定すること、または、前記イメージングデータによって表される、１つ以上の解剖学的構造および少なくとも１つの腫瘍体積を特定する新たな輪郭を前記一以上のコンピュータプロセッサが検出することを含む、請求項１～８のいずれか１項に記載のコンピュータ実装方法。
  10. 前記ユーザインターフェースは、前記臨床医が、前記イメージングデータの視覚表示上で、手動で１つ以上の輪郭を定めること、以前に検出された輪郭を除去すること、または複数の選択された解剖学的構造についての以前に検出された輪郭を修正することを可能にする、請求項１～９のいずれか１項に記載のコンピュータ実装方法。
  11. 前記ユーザインターフェースは、
    前記線量照射プランのセットによって生じる可能性のある複数の有害事象と、
    各有害事象についての予測アウトカムを示す、前記所与の患者についての予測治療成績と、
    １つ以上の先行患者治療成績であって、各先行患者治療成績が、各有害事象のアウトカム、示されたアウトカム、前記先行患者治療成績に関連する前記先行患者の線量照射プランの成績を提示する１つ以上の前記先行患者治療成績とを画像により提示する、請求項１０に記載のコンピュータ実装方法。
  12. 前記ユーザインターフェースにおける少なくとも１つの輪郭の追加、除去または改変の検出の結果、前記ユーザインターフェースに表示される推奨治療成績の新セットが前記一以上のコンピュータプロセッサによって計算される、請求項１１に記載のコンピュータ実装方法。
  13. 前記ユーザインターフェースは、選択された各有害事象のアウトカムが前記ユーザインターフェースに表示されるように前記ユーザインターフェースでの表示のために選択され得る追加の有害事象のリストを備える、請求項１１に記載のコンピュータ実装方法。
  14. 臨床医が前記有害事象の１つ以上を前記ユーザインターフェースでの表示から除去できるように前記ユーザインターフェースは構成されている、請求項１１に記載のコンピュータ実装方法。
  15. 作成された治療プランが、前記所与の患者に適用するための、前記選択された推奨治療成績に関連する線量照射プランを含む、請求項１～８のいずれか１項に記載のコンピュータ実装方法。
JP2018506974A 2015-08-13 2016-08-15 成績に基づく放射線療法治療計画 Active JP7021070B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562204470P 2015-08-13 2015-08-13
US62/204,470 2015-08-13
PCT/US2016/047041 WO2017027879A1 (en) 2015-08-13 2016-08-15 Result-driven radiation therapy treatment planning

Publications (3)

Publication Number Publication Date
JP2018522683A JP2018522683A (ja) 2018-08-16
JP2018522683A5 JP2018522683A5 (ja) 2019-09-26
JP7021070B2 true JP7021070B2 (ja) 2022-02-16

Family

ID=57984529

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018506974A Active JP7021070B2 (ja) 2015-08-13 2016-08-15 成績に基づく放射線療法治療計画

Country Status (7)

Country Link
US (1) US20180214714A1 (ja)
EP (1) EP3334496B1 (ja)
JP (1) JP7021070B2 (ja)
KR (1) KR20180040648A (ja)
CN (1) CN108463270A (ja)
CA (1) CA2995473A1 (ja)
WO (1) WO2017027879A1 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10850120B2 (en) 2016-12-27 2020-12-01 Varian Medical Systems International Ag Selecting a dose prediction model based on clinical goals
CN106934018A (zh) * 2017-03-11 2017-07-07 广东省中医院 一种基于协同过滤的医生推荐系统
US10188873B2 (en) * 2017-03-22 2019-01-29 Varian Medical Systems International Ag Systems and methods for dose calculation in generating radiation treatment plans
JP6656207B2 (ja) * 2017-05-31 2020-03-04 キヤノン株式会社 情報処理装置、その制御方法、及びプログラム
EP3503118A1 (en) * 2017-12-21 2019-06-26 Koninklijke Philips N.V. Methods and apparatus for reducing risk to a subject undergoing radiotherapy-based treatment
WO2019161135A1 (en) * 2018-02-15 2019-08-22 Siris Medical, Inc. Result-driven radiation therapy treatment planning
EP3793679B1 (en) 2018-05-18 2023-09-06 Bard Peripheral Vascular, Inc. Systems and methods for use of a dosimetry application software tool to customize dosimetry and sphere selection for radioembolization procedure planning
US11061949B2 (en) * 2018-09-05 2021-07-13 Servicenow, Inc. User interface for contextual search
EP3673955A1 (en) * 2018-12-24 2020-07-01 Koninklijke Philips N.V. Automated detection of lung conditions for monitoring thoracic patients undergoing external beam radiation therapy
JP7412083B2 (ja) * 2019-02-22 2024-01-12 キヤノンメディカルシステムズ株式会社 治療計画支援装置及び方法
KR102143063B1 (ko) * 2019-02-27 2020-08-11 서울대학교산학협력단 중성자 빔의 방사선량 계산 방법, 장치 및 방사선량 계산 프로그램이 저장된 기록매체
US11724126B2 (en) * 2019-06-21 2023-08-15 Varian Medical Systems, Inc. Methods and systems for quality-aware continuous learning for radiotherapy treatment planning
CN113608252A (zh) * 2021-06-09 2021-11-05 中国疾病预防控制中心 一种核医学受检者周围辐射剂量率确定方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060293583A1 (en) 2005-06-27 2006-12-28 Saracen Michael J Method for automatic anatomy-specific treatment planning protocols based on historical integration of previously accepted plans
US20110153547A1 (en) 2009-06-23 2011-06-23 The Johns Hopkins University System and method for shape based retrieval of prior patients for automation and quality control of radiation therapy treatment plans
US20120136194A1 (en) 2010-08-17 2012-05-31 Xiaodong Zhang Automated treatment planning for radiation therapy
JP2014502531A (ja) 2010-12-20 2014-02-03 コーニンクレッカ フィリップス エヌ ヴェ 初回放射線治療計画を自動生成するためのシステムおよび方法
US20140275700A1 (en) 2013-03-14 2014-09-18 Varian Medical Systems International Ag Method and Apparatus for Using Patient-Experience Outcomes When Developing Radiation-Therapy Treatment Plans
WO2014205386A1 (en) 2013-06-21 2014-12-24 Siris Medical, Inc. Multi-objective radiation therapy selection system and method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9672640B2 (en) * 2013-01-24 2017-06-06 Varian Medical Systems International Ag Method for interactive manual matching and real-time projection calculation in imaging

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060293583A1 (en) 2005-06-27 2006-12-28 Saracen Michael J Method for automatic anatomy-specific treatment planning protocols based on historical integration of previously accepted plans
US20110153547A1 (en) 2009-06-23 2011-06-23 The Johns Hopkins University System and method for shape based retrieval of prior patients for automation and quality control of radiation therapy treatment plans
US20120136194A1 (en) 2010-08-17 2012-05-31 Xiaodong Zhang Automated treatment planning for radiation therapy
JP2014502531A (ja) 2010-12-20 2014-02-03 コーニンクレッカ フィリップス エヌ ヴェ 初回放射線治療計画を自動生成するためのシステムおよび方法
US20140275700A1 (en) 2013-03-14 2014-09-18 Varian Medical Systems International Ag Method and Apparatus for Using Patient-Experience Outcomes When Developing Radiation-Therapy Treatment Plans
WO2014205386A1 (en) 2013-06-21 2014-12-24 Siris Medical, Inc. Multi-objective radiation therapy selection system and method

Also Published As

Publication number Publication date
EP3334496A4 (en) 2019-03-20
WO2017027879A1 (en) 2017-02-16
JP2018522683A (ja) 2018-08-16
EP3334496B1 (en) 2021-06-30
US20180214714A1 (en) 2018-08-02
EP3334496A1 (en) 2018-06-20
CN108463270A (zh) 2018-08-28
KR20180040648A (ko) 2018-04-20
CA2995473A1 (en) 2017-02-16
WO2017027879A8 (en) 2018-03-01

Similar Documents

Publication Publication Date Title
JP7021070B2 (ja) 成績に基づく放射線療法治療計画
US11020613B2 (en) Physician directed radiation treatment planning
RU2719922C2 (ru) Адаптивная система управления лечением с механизмом управления потоком действий
JP6902349B2 (ja) 放射線治療計画評価のためのオーディオビジュアルシステム
WO2019161135A1 (en) Result-driven radiation therapy treatment planning
JP2018522683A5 (ja)
US20210296004A1 (en) Inference Transparency System for Image-Based Clinical Decision Support Systems
CN106415560A (zh) 辅助患者和临床医师使用共享并且以患者为中心的决策支持工具的系统和方法
WO2020185659A1 (en) System and method for biological treatment planning and decision support
US20180169437A1 (en) Result-driven radiation therapy treatment planning
WO2013080165A2 (en) Automated algorithm and framework for multi-patient treatment plan access in radiation therapy
US11504548B2 (en) Systems and methods for quality control in image-guided radiotherapy
US20190013096A1 (en) Systems and methods for coding data from a medical encounter
JP7330665B2 (ja) 治療計画装置及び臨床モデル比較方法
Heemsbergen et al. The Importance of the Quality of Data
KR101518451B1 (ko) 치료계획에 따른 치료 성과를 평가하는 장치 및 방법
JP2019535046A (ja) 解剖学的または生理学的状態データのクラスタリング
US20240062368A1 (en) Pathological response calculation and assessment tool
EP4022636A1 (en) Methods and systems for computer-aided diagnosis with deep learning models
JP2022532412A (ja) 放射線治療を受けている患者のがん治療のカスタマイズ化を支援するシステム及び方法
Ranganathan et al. Audio-visual summarization system for rt plan evaluation

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190814

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190814

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200729

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200818

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201117

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210511

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210805

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: 20220104

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220203

R150 Certificate of patent or registration of utility model

Ref document number: 7021070

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150