KR102527582B1 - 생리학적 특성, 해부학적 특성, 및 환자 특성으로부터 관류 결핍을 예측하기 위한 시스템 및 방법 - Google Patents

생리학적 특성, 해부학적 특성, 및 환자 특성으로부터 관류 결핍을 예측하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR102527582B1
KR102527582B1 KR1020177030160A KR20177030160A KR102527582B1 KR 102527582 B1 KR102527582 B1 KR 102527582B1 KR 1020177030160 A KR1020177030160 A KR 1020177030160A KR 20177030160 A KR20177030160 A KR 20177030160A KR 102527582 B1 KR102527582 B1 KR 102527582B1
Authority
KR
South Korea
Prior art keywords
patient
specific
perfusion
model
blood
Prior art date
Application number
KR1020177030160A
Other languages
English (en)
Other versions
KR20170133391A (ko
Inventor
레오 그래디
미힐 샵
찰스 에이 테일러
클라라 자케
Original Assignee
하트플로우, 인크.
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 하트플로우, 인크. filed Critical 하트플로우, 인크.
Publication of KR20170133391A publication Critical patent/KR20170133391A/ko
Application granted granted Critical
Publication of KR102527582B1 publication Critical patent/KR102527582B1/ko

Links

Images

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
    • A61B5/026—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
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • 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
    • 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
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Cardiology (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Hematology (AREA)
  • Vascular Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

표적 조직의 관류를 추정하여 심혈관 질환의 진단 또는 치료를 유도하도록 환자 특이적 해부학적 모델과 생리학적 파라미터를 사용하기 위한 시스템과 방법을 개시한다. 한 방법은, 환자의 해부학적 구조의 환자 특이적 혈관 모델과 환자 특이적 조직 모델을 수신하는 단계; 환자의 하나 이상의 생리학적 상태에 대하여 혈관 모델 또는 조직 모델로부터 하나 이상의 환자 특이적 생리학적 파라미터(예를 들어, 혈류, 해부학적 특성, 화상 특성 등)를 추출하는 단계; 환자 특이적 생리학적 파라미터를 사용하여 환자 특이적 조직 모델을 통해 (예를 들어, 트레이닝된 머신 러닝 알고리즘을 통해) 관류의 특성을 추정하는 단계; 및 추정된 관류의 특성을 디스플레이에 출력하는 단계를 포함한다.

Description

생리학적 특성, 해부학적 특성, 및 환자 특성으로부터 관류 결핍을 예측하기 위한 시스템 및 방법
관련 출원
본원은, 미국 특허법(35 U.S.C. §119(e))에 따라 2015년 4월 2일에 가출원한 미국 가특허출원 제62/142,158호인 우선권을 주장하며, 그 전문의 내용은 본원에 참고로 원용된다.
기술분야
본 개시 내용의 다양한 실시예는, 일반적으로, 질환 평가, 치료 계획, 및 관련 방법에 관한 것이다. 더욱 구체적으로, 본 개시 내용의 구체적인 실시예는 표적 조직의 관류를 추정하기 위한 시스템 및 방법에 관한 것이다.
관상 동맥 질환은 수백만 명의 사람들에게 영향을 끼치는 일반적인 질환이다. 관상 동맥 질환은 심장에 혈액을 제공하는 혈관이 협착(혈관의 비정상적인 좁아짐) 등의 병변을 일으키게 할 수도 있다. 그 결과, 심장으로의 혈류가 제한될 수도 있다. 관상 동맥 질환을 앓고 있는 환자는, 신체 활동 동안의 만성 안정 협심증 또는 환자가 쉬고 있을 때의 불안정 협심증이라고 불리는 흉통을 경험할 수도 있다. 질환의 증상이 더욱 심해지면 심근 경색이나 심장 마비로 이어질 수도 있다. 의료 요법(예를 들어, 스타틴) 또는 외과적 대안(예를 들어, 경피적 관상 동맥 중재술(PCI) 및 관상 동맥 우회 이식술(CABG))을 포함하는 관상 동맥 질환의 치료에 있어서 상당한 진보가 이루어졌다. 침습성 평가는 일반적으로 환자가 받을 수도 있는 치료의 유형을 평가하는 데 사용된다. 그러나, 환자 치료법을 공식화하기 위한 간접적 또는 비침범적 평가가 분석 및 개발되고 있다.
심장 질환은, 전형적으로 혈관 질환, 특히, 혈류에 영향을 주는 방식으로 혈관의 좁아짐 또는 혈관 내강 내의 막힘으로 인해 발생하는 것으로 보인다. 관류는 혈관 망(예를 들어, 동맥, 모세 혈관 등)을 통한 혈류이므로, 이러한 좁아짐 또는 막힘의 정도를 측정하는 한 가지 방안은 관류 스캔을 통한 것이다. 현재, 관류 스캔은, 고가일 수도 있으며 환자를 불필요한 방사선에 노출시킬 수도 있다. 따라서, 이용가능한 환자 정보를 사용하여 소정의 표적 조직에서의 관류를 추정할 필요가 있으며, 이때, 이러한 추정된 관류 데이터를 사용하여 친숙한 스캔 유형, 예를 들어, 단일 양전자 방출 컴퓨터 단층 촬영(SPECT) 또는 양전자 방출 단층 촬영(PET)을 시뮬레이션함으로써, 의사가 화상을 판독하는 방법에 익숙할 수도 있다. 게다가, 심혈관 질환의 중증도를 더욱 양호하게 평가함으로써 심혈관 질환의 치료를 개선할 필요가 있다.
전술한 일반적인 설명 및 다음에 따르는 상세한 설명은 단지 예시적이고 설명적인 것이며 본 개시 내용을 한정하는 것은 아니다.
유럽특허출원공개공보 EP2662794호 (2013.11.13.)
본 개시 내용의 일부 양태들에 따르면, 표적 조직의 관류를 추정하여 심혈관 질환의 진단 또는 치료를 유도하도록 이용가능한 정보를 사용하는 시스템 및 방법을 개시한다.
한 방법은, 환자의 해부학적 구조의 환자 특이적(patient-specific) 혈관 모델과 환자 특이적 조직 모델을 수신하는 단계; 환자의 하나 이상의 생리학적 상태에서 혈관 모델 또는 조직 모델로부터 환자의 하나 이상의 환자 특이적 생리학적 파라미터를 추출하는 단계; 환자 특이적 생리학적 파라미터를 사용하여 환자 특이적 조직 모델을 통한 혈액 관류의 특성을 추정하는 단계; 및 추정된 혈액 관류의 특성을 디스플레이에 출력하는 단계를 포함한다.
다른 일 실시예에 따르면, 환자 특이적 관류를 추정하는 시스템으로서, 이 시스템은, 혈액 관류의 환자 특이적 특성을 결정하기 위한 명령어를 저장하는 데이터 저장 장치; 및 명령어를 실행하여 방법을 수행하도록 구성된 프로세서를 포함하고, 방법은, 환자의 해부학적 구조의 환자 특이적 혈관 모델과 환자 특이적 조직 모델을 수신하는 단계; 환자의 하나 이상의 생리학적 상태에서 혈관 모델 또는 조직 모델로부터 환자의 하나 이상의 환자 특이적 생리학적 파라미터를 추출하는 단계; 환자 특이적 생리학적 파라미터를 사용하여 환자 특이적 조직 모델을 통한 혈액 관류의 특성을 추정하는 단계; 및 추정된 혈액 관류의 특성을 디스플레이에 출력하는 단계를 포함한다.
또 다른 일 실시예에 따르면, 혈액 관류의 환자 특이적 특성을 추정하기 위한 컴퓨터 실행가능 프로그래밍 명령어를 포함하는 컴퓨터 시스템에서 사용하기 위한 비일시적 컴퓨터 판독가능 매체로서, 방법은, 환자의 해부학적 구조의 환자 특이적 혈관 모델과 환자 특이적 조직 모델을 수신하는 단계; 환자의 하나 이상의 생리학적 상태에서 혈관 모델 또는 조직 모델로부터 환자의 하나 이상의 환자 특이적 생리학적 파라미터를 추출하는 단계; 환자 특이적 생리학적 파라미터를 사용하여 환자 특이적 조직 모델을 통한 혈액 관류의 특성을 추정하는 단계; 및 추정된 혈액 관류의 특성을 디스플레이에 출력하는 단계를 포함한다.
개시된 실시예들의 추가 목적과 이점은, 다음에 따르는 설명에서 부분적으로 설명될 것이며, 그 설명으로부터 부분적으로 명백할 것이며, 또는 개시된 실시예들의 실시에 의해 학습될 수도 있다. 개시된 실시예들의 목적과 이점은, 청구범위에서 구체적으로 언급되는 요소들 및 조합들에 의해 실현되고 이루어질 것이다.
전술한 일반적인 설명 및 다음에 따르는 상세한 설명은 모두 예시적이고 설명적인 것일 뿐이며, 청구된 바와 같이 상세한 실시예를 한정하는 것이 아니라는 점을 이해해야 한다.
본 명세서에 통합되어 본 명세서의 일부를 구성하는 첨부 도면은, 다양한 예시적인 실시예를 설명하며, 설명과 함께, 개시된 실시예들의 원리를 설명하는 역할을 한다.
도 1은 본 개시 내용의 예시적인 실시예에 따라 심혈관 질환의 진단 또는 치료를 유도하도록 관류를 예측하기 위한 예시적인 시스템 및 네트워크의 블록도이다.
도 2는 본 개시 내용의 일 실시예에 따라 일반적인 관류 추정 방법의 블록도이다.
도 3은 본 개시 내용의 일 실시예에 따른 예시적인 관류 추정 방법의 블록도이다.
도 4는 본 개시 내용의 예시적인 실시예에 따라 머신 러닝을 사용하여 관류를 추정하는 예시적인 방법의 블록도이다. 또한, 도 4는 조직 관류의 추정을 결정하도록 도 2와 도 3의 단계(208 또는 322)를 각각 수행하는 방법을 개시할 수도 있다.
도 5는 도 4에 개시된 방법의 더욱 상세한 블록도이다. 게다가, 도 5는, 또한, 본 개시 내용의 예시적인 실시예에 따라, 머신 러닝을 사용하여, 혈관 기하학적 구조 및 환자 특이적 생리학적 파라미터(예를 들어, 해부학적 정보, 이차 정보, 및 혈액 공급 정보)로부터 환자 특이적 관류 특성을 추정하기 위한 예시적인 방법을 개시한다.
이제, 첨부 도면을 참조하여 본 개시 내용의 예시적인 실시예들을 상세히 설명하며, 그 예들이 첨부 도면에 예시되어 있다. 가능하다면, 도면 전체에 걸쳐 동일하거나 유사한 부분을 나타내도록 동일한 참조 번호가 사용된다.
관상 동맥 질환은 심장으로의 혈류가 제한될 수도 있는 일반적인 질환이다. 관상 동맥 질환의 치료에 있어서 상당한 진보가 있었지만, 그 치료는 종종 잘못되었거나 과도한 것이었다. 예를 들어, 환자는, 고가일 수도 있고 및/또는 환자를 불필요한 방사선에 노출시킬 수도 있는 침습 수술이나 관류 스캔을 종종 받는다. 환자는 때때로 자신의 상태를 변경할 수도 없는 치료를 받게 된다. 일부 상황에서는, 환자가 궁극적으로 자신의 상태를 악화시키는 치료를 받는 경우도 있다. 따라서, 심혈관 질환의 중증도를 정확하게 평가하고 및/또는 치료 과정을 선택하는 데 도움이 되는 관류를 예측할 필요가 있다.
심혈관 질환은, 혈관 질환에 관련될 수도 있어서, 혈관이 좁아지거나 막히는 것을 의미한다. 심장 관류 스캔은, 상이한 생리학적 상태에서 심장 근육 내의 혈액의 양을 측정할 수도 있다. "생리학적 상태"는, 쉬고 있는 환자 상태, 충혈 상태, 운동 상태, 식후 상태, 중력 상태, 감정 상태, 고혈압 상태, 약물 첨가 상태, 또는 이들의 조합을 가리킬 수도 있다. 관류 스캔은, 흉통을 일으킬 수도 있는 것을 결정하고 심장 조직에 충분한 혈류가 공급되는지를 결정하고 또는 심장 마비로 인해 심장 근육이 얼마만큼 손상되었는지를 결정하도록 종종 수행된다.
스캔 동안, 심장의 화상은, 방사선 추적자가 환자에게 정맥 투여된 후에 생성된다. 방사선 추적자는 혈액을 통해 심장 근육 내로 이동한다. 방사선 추적자가 심장 근육을 통과함에 따라, 충분한 혈류를 가진 조직은 추적자를 흡수한다. 추적자를 흡수하지 않는 조직은, 충분한 혈액을 받지 못할 수도 있고 또는 심장 마비로 인해 손상되었을 수도 있다. 심장 관류 스캔 중에 두 개 세트의 화상이 생성될 수도 있다. 이어서, 정지 화상을 스트레스 또는 비휴식 화상과 비교하고 표적 조직에서의 관류 수준을 결정할 수도 있다. "표적 조직"은, 혈액 공급 및/또는 관류 특성이 추정될 수도 있는 조직 및/또는 기관을 가리킬 수도 있다.
따라서, 표적 조직에서의 관류에 대한 이해가 임상적으로 중요할 수도 있다. 관류를 이해하는 것은 질환의 중증도와 치료의 적절성에 대한 평가를 개선할 수도 있다. 본 개시 내용은, 관류 측정이 어려울 수도 있는 조건에서 관류를 추정함으로써 및/또는 상이한 생리학적 조건에서 혈관 질환의 중증도를 더욱 정확하게 평가하기 위해 심근 관류의 측정을 사용함으로써, 환자 및 의사에게 이익이 될 수도 있다. 생성된 관류 화상은 PET 및/또는 SPECT와 같은 익숙한 스캔 유형으로부터 생성되는 화상을 시뮬레이션할 수도 있다. PET 및/또는 SPECT 화상을 판독하도록 트레이닝된 의사는 시뮬레이션된 화상을 쉽게 판독 및 이해할 수도 있다. 본 개시 내용을 위해, "환자"는, 진단 또는 치료 분석이 수행되고 있는 임의의 개인이나 사람, 또는 한 명 이상의 개인의 진단 또는 치료 분석에 연관된 임의의 개인이나 사람을 가리킬 수도 있다.
도 1은 본 개시 내용의 시스템 및 네트워크의 추상적 도를 제공하는 한편, 도 2는 혈액 관류의 하나 이상의 특성을 추정하기 위한 방법의 일반적인 실시예를 도시하고, 도 3은 더욱 구체적인 실시예를 나타낸다. 게다가, 도 2와 도 3 모두는 조직을 통한 혈액 관류의 추정을 결정하는 단계를 개시한다. 도 4는, 트레이닝된 머신 러닝 알고리즘을 사용하여 조직을 통한 혈액 관류의 하나 이상의 특성의 평가를 결정하는 단계를 수행하기 위한 예시적인 방법을 도시한다. 도 5는 도 4에 개시된 방법을 더욱 상세히 조사한다.
이제 도면을 더욱 상세히 참조해 보면, 도 1은, 예시적인 실시예에 따라, 심혈관 질환의 진단 또는 치료를 유도하도록 심장 관류를 추정하기 위한 예시적인 시스템(100) 및 네트워크의 블록도를 도시한다. 구체적으로, 도 1은, 하나 이상의 컴퓨터, 서버, 및/또는 핸드헬드 이동 장치를 통해 인터넷과 같은 전자 네트워크(101)에 접속될 수도 있는 복수의 의사(102) 및 제3자 제공업자(104)를 도시한다. 의사(102) 및/또는 제3자 제공자(104)는 하나 이상의 환자의 해부학적 구조의 화상을 생성하거나 그 외에는 취득할 수도 있다. 의사(102) 및/또는 제3자 공급자(104)는, 또한, 연령, 병력, 혈압, 혈액 점도, 환자 활동, 또는 운동 수준 등과 같은 환자 특이적 정보의 임의의 조합을 취득할 수도 있다. 의사(102) 및/또는 제3자 제공자(104)는, 전자 네트워크(101)를 통해 서버 시스템(106)에 해부학적 화상 및/또는 환자 특이적 정보를 전송할 수도 있다. 서버 시스템(106)은 의사(102) 및/또는 제3자 제공자(104)로부터 수신되는 화상과 데이터를 저장하기 위한 저장 장치를 포함할 수도 있다. 서버 시스템(106)은, 또한, 저장 장치에 저장된 화상과 데이터를 처리하기 위한 처리 장치를 포함할 수도 있다.
도 2는 심혈관 질환의 진단 또는 치료를 유도하도록 심근 관류를 추정하기 위한 예시적인 방법(200)의 일반적인 실시예를 도시한다. 도 2의 방법은, 전자 네트워크(101)를 통해 의사(102) 및/또는 제3자 제공자(104)로부터 수신되는 정보, 화상, 및 데이터에 기초하여 서버 시스템(106)에 의해 수행될 수도 있다.
일 실시예에서, 단계(202)는, 저장 시스템(106)의 전자 저장 매체에 저장된 환자의 해부학적 구조의 환자 특이적 혈관 모델과 환자 특이적 표적 조직 모델을 수신하는 단계를 포함할 수도 있다. "전자 저장 매체"는, 디스플레이 스크린에 부착될 수도 있고 또는 부착되지 않을 수도 있는 하드 드라이브, 네트워크 드라이브, 클라우드 드라이브, 이동 전화, 태블릿 등을 포함할 수도 있지만, 이에 한정되는 것은 아니다. 구체적으로, 환자 특이적 혈관 모델 및 환자 특이적 표적 조직 모델을 수신하는 것은, 서버 시스템(106)에서 환자 특이적 혈관 모델 및/또는 환자 특이적 표적 조직 모델을 생성하는 것, 또는 전자 네트워크(예를 들어, 전자 네트워크(101))를 통해 환자 특이적 혈관 모델 및/또는 환자 특이적 표적 조직 모델을 수신하는 것을 포함할 수도 있다. 환자 특이적 혈관 모델과 환자 특이적 표적 조직 모델은 특정한 사람의 심혈관 모델을 포함할 수도 있다. 일 실시예에서, 혈관 모델과 표적 조직 모델은, 하나 이상의 이용가능 화상 또는 스캐닝 양식(예를 들어, 컴퓨터 단층 촬영(CT) 스캔 및/또는 자기 공명 영상(MRI))을 통해 획득된 사람의 화상들로부터 도출될 수도 있다. 예를 들어, 단계(202)는 사람의 심장의 CT 및/또는 MR 화상을 수신하는 단계를 포함할 수도 있다. 단계(202)는 수신된 화상들로부터 특정 개인에 대한 환자 특이적 심혈관 모델을 생성하는 단계를 더 포함할 수도 있다. 전자 저장 매체는, 하드 드라이브, 네트워크 드라이브, 클라우드 드라이브, 이동 전화, 태블릿 등을 포함할 수도 있지만, 이에 한정되는 것은 아니다
일 실시예에서, 단계들(204 및 206)은 하나 이상의 환자 특이적 생리학적 파라미터를 수신하거나 계산하는 단계를 포함할 수도 있다. 이러한 환자 특이적 생리학적 파라미터는 수신되는 혈관 모델 및/또는 표적 조직 모델로부터 수신되거나 계산될 수도 있다. 이러한 환자 특이적 생리학적 파라미터는, 해부학적 특성, 화상 특성, 및 환자 및/또는 환자의 해부학적 구조에 관한 이차 특성(예를 들어, 환자 특성, 질환 부담 특성, 및 전기 기계 측정)을 포함할 수도 있다. 환자 특이적 생리학적 파라미터는, 또한, 하나 이상의 생리학적 상태에서 표적 조직의 각 영역에 대한 혈액 공급의 추정 및/또는 혈류 특성을 포함한, 혈액 순환과 관련된 파라미터를 포함할 수도 있다.
특히, 단계(204)는, 하나 이상의 생리학적 상태에서 하나 이상의 해부학적 특성, 화상 특성, 환자 특성, 질환 부담 특성, 및/또는 전기 기계적 특성을 수신하거나 계산하는 단계를 포함할 수도 있다. 생리학적 상태의 일례는 휴식 상태일 수도 있다. 다른 생리학적 상태는 휴식 상태 이외의 생리학적 상태 또는 "활동적인" 생리학적 상태일 수도 있다. 활동적인 생리학적 상태는, 충혈, 다양한 운동 수준, 식후, 위치(예를 들어, 누움-직립)，중력(예를 들어, G-힘, 무중력 등), 또는 이들의 조합을 포함할 수도 있다. 일 실시예에서, 환자 특이적 생리학적 파라미터는 혈관 모델 및/또는 표적 조직 모델 이외의 소스로부터 취득될 수도 있다.
일 실시예에서, 단계(206)는, 하나 이상의 생리학적 상태에서, 혈관 망의 각 혈관에 대하여 및/또는 표적 조직의 각 영역에 대하여 추정되는 공급 혈액, 및/또는 추정되는 혈류 특성을 수신하거나 계산하는 단계를 포함할 수도 있다. 이러한 추정은 (예컨대, 3D 시뮬레이션, 1D 시뮬레이션 또는 학습된 관계에 기초하는) 휴식 상태에서 공급되는 혈액의 추정 또는 (예를 들어, 촬상을 통한 측정인) 측정에 기초할 수도 있다.
일 실시예에서, 단계(208)는, 공동 사전 정보를 이용하여 표적 조직 모델에서의 영역 또는 혈관 모델의 혈관의 관류 추정을 결정 및 출력하는 단계를 포함할 수도 있다. 공동 사전 정보는, 단계(204, 206)에서 결정된 하나 이상의 수신된 환자 특이적 생리학적 파라미터(예를 들어, 수신되거나 계산된 의료 화상 특성, 해부학적 특성, 표적 조직으로의 혈액 공급, 혈류 특성, 환자 특성, 질환 부담 특성, 전기 기계적 측정 등)를 가리킬 수도 있다. 일 실시예에서, 관류 추정을 결정하는 것은, 사람이 소정의 생리학적 상태에 있는 동안 그 사람의 혈관 모델의 하나 이상의 혈관 위치에서 공급되는 혈액의 추정을 결정하는 것을 포함할 수도 있다. 이 결정은, 또한, (예를 들어, 촬상에 의한) 혈류의 측정에 기초할 수도 있고 또는 (예를 들어, 3D 시뮬레이션, 1D 시뮬레이션, 또는 학습된 관계에 기초하는) 휴식 상태에서의 혈류의 추정을 통한 것일 수도 있다. 일 실시예에서, 단계(208)는 혈관 모델과 관련된 표적 조직의 관류 영역의 추정을 계산하는 단계를 포함할 수도 있다. 이 추정은, 혈관 모델에서 가장 가까운 공급 혈관에 표적 조직의 위치를 할당하도록 최근접 이웃(예를 들어, 보로노이 다이어그램)을 사용하는 방안을 사용함으로써 결정될 수도 있다. 또한, 추정은, 해부학적 모델로부터의 미세 혈관 추정 기술을 사용하여, 예를 들어, 제한된 건설적 최적화 방안을 사용하여 결정될 수도 있다. 일 실시예에서, 단계(208)는 프로세서에 의해 수행될 수도 있다. 프로세서는, 머신 러닝에 의해 하나 이상의 심리학적 상태에서 혈관 모델 내의 표적 조직의 하나 이상의 위치에서 관류를 추정할 수도 있다. 일 실시예에서, 단계(208)는, 관류 추정을 전자 저장 매체(예를 들어, 하드 디스크, 네트워크 드라이브, 휴대용 디스크, 스마트폰, 태블릿 등) 및/또는 디스플레이 스크린에 출력하는 단계를 더 포함할 수도 있다. 일 실시예에서, 출력 관류 추정은 2D 또는 3D로 그레이스케일 또는 컬러로 표시될 수도 있다. 계산된 관류 추정은, 표적 조직의 해부학적 모델 상에 오버레이될 수도 있고 및/또는 표적 조직의 화상 상에 오버레이될 수도 있다.
일 실시예에서, 단계(210)는, 하나 이상의 생리학적 상태에서 SPECT 또는 PET 스캔을 시뮬레이션하도록 설계된 가상 관류를 추정하는 단계를 포함할 수도 있다. 일 실시예에서, 추정은, 관류 추정에 의해 주어진 농도로 조영제를 모델링함으로써 수행될 수도 있다. 다른 실시예에서, 상기 추정은, 가상 콜리메이터 위치에서 광자 또는 양전자의 콜리메이션을 추정하도록 몬테 카를로 시뮬레이션을 수행하는 것을 포함할 수도 있다. 콜리메이터 추정을 사용하여, SPECT 또는 PET 화상이 표준 단층 촬영 기술을 사용하여 재구축될 수도 있다. 추정된 가상 관류 화상은, 전자 저장 매체에 저장될 수도 있고 및/또는 모니터 상에 표시될 수도 있다.
도 3은 심혈관 질환의 진단 또는 치료를 유도하도록 심근 관류를 추정하기 위한 방법(300)의 예시적인 실시예를 도시한다. 도 3의 방법은, 전자 네트워크(101)를 통해 의사(102) 및/또는 제3자 제공자(104)로부터 수신되는 정보, 화상, 및 데이터에 기초하여 서버 시스템(106)에 의해 수행될 수도 있다.
일 실시예에서, 단계(302)는, 저장 시스템(106)의 전자 저장 매체에서 환자 해부학적 구조의 적어도 표적 조직의 환자 특이적 혈관 모델을 수신하는 단계를 포함할 수도 있다. 특히, 환자 특이적 해부학적 모델을 수신하는 것은, 서버 시스템(106)에서 환자 특이적 해부학적 모델을 생성하거나 전자 네트워크(예를 들어, 전자 네트워크(101))를 통해 환자 특이적 해부학적 모델을 생성하는 것을 포함할 수도 있다. 환자 특이적 해부학적 모델에는 특정 사람의 심혈관 모델이 포함될 수도 있다. 일 실시예에서, 해부학적 모델은, 하나 이상의 이용가능 화상 또는 스캐닝 양식(예를 들어, CT 스캔 및/또는 자기 공명 영상)을 통해 획득되는 사람의 화상으로부터 도출될 수도 있다. 예를 들어, 단계(302)는 사람의 심장의 CT 및/또는 MRI 화상을 수신하는 단계를 포함할 수도 있다. 단계(302)는 수신된 화상으로부터 특정 개인에 대한 환자 특이적 심혈관 모델을 생성하는 단계를 더 포함할 수도 있다. 전자 저장 매체는, 하드 드라이브, 네트워크 드라이브, 클라우드 드라이브, 이동 전화, 태블릿 등을 포함할 수도 있지만, 이에 한정되는 것은 아니다.
일 실시예에서, 단계(304)는, 표적 조직의 해부학적 특성들 중 하나 이상의 추정을 계산하는 단계를 포함할 수도 있다. 해부학적 특성들은, 표적 조직 또는 혈관 망 내의 혈관 크기, 혈관 형상, 비틀림, 두께, 및/또는 추정된 관류 영역을 포함할 수도 있지만, 이에 한정되는 것은 아니다. 이 계산은, 측정(예를 들어, 촬상으로부터 해부학적 특성을 측정함으로써) 또는 (예를 들어, 3D 시뮬레이션, 1D 시뮬레이션, 또는 학습된 관계에 기초하여) 휴식 상태에서의 해부학적 특성의 추정을 기초로 할 수도 있다.
일 실시예에서, 단계(306)는 표적 조직의 하나 이상의 화상 특성을 수신하는 단계를 포함할 수도 있다. 화상 특성은 CT 스캔 화상, MRI 화상, 초음파 화상, PET 화상, 또는 SPECT 화상으로부터 취득될 수도 있다. 화상은, 하나 이상의 생리학적 상태(예를 들어, 휴식, 스트레스, 활동)에서 혈관 모델을 캡처할 수도 있다. 표적 조직 또는 혈관의 화상 특성은 혈관 모델의 하나 이상의 위치에서 수신되거나 계산될 수도 있다. 화상 특성은, 하나 이상의 화상 해상도에서의 국부적 평균 강도, 평균 강도들의 차(예를 들어 Haar 웨이브렛을 사용하여, 예를 들어 웨이브렛 베이스를 통해 계산됨)，텍스처 특성(예를 들어, Haralick 텍스처 피처(feature)), 및 히스토그램, 그라디언트, SIFT, 또는 조종가능 필터를 포함한 임의의 표준 화상 피처를 포함할 수도 있지만, 이에 한정되는 것은 아니다.
일 실시예에서, 단계(308)는 환자 특성을 수신하는 단계를 포함할 수도 있다. 환자 특성은, 연령, 성별, 흡연력, 신장, 체중, 당뇨병 상태, 고혈압 상태, 민족성, 가족력, 혈액형, 약물의 과거 사용 이력, 및/또는 유전력을 포함할 수도 있지만, 이에 한정되는 것은 아니다. 환자 특성은 전자 네트워크(100)를 통해 또는 환자의 의사(102) 또는 제3자 제공자(103)로부터 취득될 수도 있다.
일 실시예에서, 단계(310)는 혈관 또는 표적 조직 질환 특성을 수신하는 단계를 포함할 수도 있다. 표적 조직 질환 특성은, 동맥 내의 플라크 축적의 존재와 정도, 플라크 특성의 존재(예를 들어, 반점성 석회화, 저 감쇠 플라크, 냅킨-링 표지, 양성 리모델링)， 환자 수준 또는 혈관 수준 칼슘 점수, 조직 생존력 정보, 혈관 벽 운동, 혈관 벽 두께, 및/또는 박출율 정보를 포함할 수도 있지만, 이에 한정되는 것은 아니다.
일 실시예에서, 단계(312)는 전기 기계적 측정을 수신하는 단계를 포함할 수도 있다. 전기 기계적 측정은, 심전도(ECG) 측정 또는 침습성 전기 생리학(EP) 측정을 포함할 수도 있지만, 이에 한정되논 것은 아니다.
일 실시예에서, 단계(314)는, 하나 이상의 생리학적 상태에서 표적 조직의 각 영역에 대해 공급되는 혈액의 추정을 계산하는 단계를 포함할 수도 있다. 제1 생리학적 상태의 일례는 휴식 상태일 수도 있다. 이 계산은, (예를 들어, 촬상을 통한 측정인) 측정에 기초할 수도 있고 또는 (예를 들어, 3차원(3D) 시뮬레이션, 1차원(1D) 시뮬레이션, 또는 학습된 관계에 기초하는) 휴식 상태에서의 공급 혈액의 추정을 통한 것일 수도 있다. 다른 생리학적 상태는 휴식 상태 이외의 생리학적 상태 또는 "활동적인" 생리학적 상태일 수도 있다. 이러한 생리학적 상태의 일례는 충혈을 포함할 수도 있다. 다른 비휴식 생리학적 상태는 다양한 수준의 운동, 식후 섭취, 위치(예를 들어, 누움-직립)，중력(예를 들어, G-힘, 무중력 등)을 포함할 수도 있다.
일 실시예에서, 단계(316)는 표적 조직의 하나 이상의 혈류 특성을 계산하는 단계를 포함할 수도 있다. 일 실시예에서, 혈류 특성은, 분획 흐름 예비값(FFR), 흐름 방향, 및/또는 흐름 크기를 포함할 수도 있지만, 이에 한정되는 것은 아니며, 표적 조직으로의 혈류의 추정에 의해 결정된다. 일 실시예에서, 혈류 특성은 여러 수단에 의해 계산될 수도 있으며, 이러한 수단은, 침습성 측정(예를 들어, 침습성 FFR, 심근 경색에서의 혈전증(TIMI) 또는 미소구)，혈류 시뮬레이션 모델을 이용한 계산(예를 들어, 3D 또는 1D 유체 시뮬레이션 모델, 계산, 또는 TAFE), 화상 특성을 이용한 계산(예를 들어, TAG 또는 CCO), 해부학적 또는 촬상 피처에 기초하는 혈액 공급의 머신 러닝 추정을 이용한 계산을 포함할 수도 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, 단계(316)는 혈관 모델과 관련된 표적 조직의 관류 영역에서 혈류의 추정을 계산하는 단계를 포함할 수도 있다. 이 추정은, 혈관 모델에서 가장 가까운 공급 혈관에 표적 조직의 위치를 할당하기 위한 최근접 이웃(예를 들어, 보로노이 다이어그램) 방안을 사용함으로써 결정될 수도 있다. 또한, 추정은, 해부학적 모델로부터의 미세 혈관 추정 기술을 사용하여, 예를 들어 제한된 건설적 최적화 방안을 사용하여 결정될 수도 있다. 일 실시예에서, 단계(316)는 프로세서에 의해 수행될 수도 있다. 프로세서는, 머신 러닝에 의해 하나 이상의 심리학적 상태에서 혈관 모델 내의 표적 조직의 하나 이상의 위치에서 관류를 추정할 수도 있다.
일 실시예에서, 단계(318)는, 혈관 모델과 관련된 표적 조직의 하나 이상의 위치에서 관류의 추정을 프로세서를 사용하여 계산하는 단계를 포함할 수도 있다. 관류의 추정은, 환자 특이적 생리학적 파라미터들(예를 들어, 화상 특성, 해부학적 특성, 추정된 혈액 공급, 추정된 혈류 특성, 추정된 관류 영역, 환자 특성, 질환 부담 특성, 및/또는 전기 기계적 측정) 중 하나 이상을 사용하여 하나 이상의 생리학적 상태에 대하여 계산될 수도 있다. 일 실시예에서, 이 계산은, 관류 특성이 알려져 있고 환자 특이적 생리학적 파라미터들이 알려져 있는 환자들의 데이터베이스를 사용하여 머신 러닝 알고리즘을 트레이닝함으로써 수행될 수도 있으며, 이러한 환자 특이적 생리학적 파라미터들은, 화상 특성, 해부학적 특성, 추정된 관류 영역, 질환 부담 특성, 및/또는 전기 기계적 측정을 포함할 수도 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, 단계(318)는 프로세서를 사용하여 수행될 수도 있다.
일 실시예에서, 단계(320)는, 관류 추정을 전자 저장 매체(예를 들어, 하드 디스크, 네트워크 드라이브, 휴대용 디스크, 스마트폰, 태블릿 등) 및/또는 디스플레이 스크린에 출력하는 단계를 포함할 수도 있다. 일 실시예에서, 출력 관류 추정은 2D 또는 3D로 그레이스케일 또는 컬러로 표시될 수도 있다. 일 실시예에서, 출력 관류 추정은, 표적 조직의 해부학적 모델에 오버레이되거나 중첩될 수도 있고 및/또는 표적 조직의 화상 상에 오버레이되거나 중첩될 수도 있다. 일 실시예에서, 이러한 결정은, 관류 특성이 알려져 있고 환자 특이적 생리학적 파라미터가 알려져 있는 환자들의 데이터베이스를 사용하여 머신 러닝 알고리즘을 트레이닝함으로써 수행될 수도 있다. 일 실시예에서, 관류 추정은, 환자의 하나 이상의 생리학적 상태에서 SPECT 또는 PET 화상을 시뮬레이션하도록 설계된 가상 관류 화상을 추정하는 데 사용될 수도 있다. 일 실시예에서, 가상 관류 화상은 전자 저장 매체에 저장될 수도 있고 및/또는 디스플레이에 출력될 수도 있다. 가상 관류 화상의 추정은, 관류 추정에 의해 주어진 농도의 콘트라스트 화상을 모델링하고, 복수의 가상 콜리메이터 위치에서 광자 또는 양전자의 콜리메이션을 추정하도록 몬테 카를로 시뮬레이션을 수행하고, 및/또는 표준 단층 촬영 기술을 사용하여 SPECT 또는 PET 화상을 재구축하도록 콜리메이터 추정을 이용함으로써 수행될 수도 있다. 추정된 가상 관류 화상은 가독성 및 디자인에 있어서 SPECT 또는 PET 스캔 화상과 유사할 수도 있으므로, 의사는 추정된 관류 화상을 분석하는 방법에 익숙할 수도 있다.
전술한 방법들(200, 300)의 단계들은, 표적 기관에 혈액을 공급하는 혈관에 대한 혈관 모델을 사용하여, 다양한 조직에서의 관류 및 비장과 췌장을 포함하는 기타 기관에서의 관류를 추정하는 데 사용될 수도 있으며, 상기한 다양한 조직은, 관상 혈관 모델을 사용하는 심근, 뇌 혈관 모델을 사용하는 뇌, 말초 혈관 모델을 사용하는 근육 조직, 간 혈관 모델을 사용하는 간, 신장 혈관 모델을 사용하는 신장, 내장 혈관 모델을 사용하는 장을 포함할 수도 있지만, 이에 한정되는 것은 아니다.
일 실시예에서, 관류 추정은, 또한, 더욱 정확한 경계 조건을 사용하여 시뮬레이션 또는 혈류 특성의 추정을 수행함으로써 혈류 시뮬레이션을 향상시키는 데 사용될 수도 있다.
일 실시예에서, 치료 계획 및 진단은, 입력 정보(예를 들어, 혈관 모델, 조직 모델, 환자 특이적 생리학적 파라미터 등)를 가상적으로 변경하고 변경된 입력에 기초하여 표적 조직에서의 관류에 대한 영향을 예측함으로써 개선될 수도 있다.
도 4는 하나 이상의 생리학적 상태에서 표적 조직의 하나 이상의 위치에서 관류의 추정을 결정하도록 머신 러닝 알고리즘을 트레이닝하는 방법(400)의 예시적인 실시예를 도시한다. 도 4의 방법은, 전자 네트워크(101)를 통해 의사(102) 및/또는 제3자 제공자(104)로부터 수신되는 정보, 화상, 및 데이터에 기초하여 서버 시스템(106)에 의해 수행될 수도 있다.
일 실시예에서, 단계(402)는, 혈관 및/또는 표적 조직 모델의 하나 이상의 위치에서의 환자 특이적 생리학적 파라미터들 중 하나 이상을 포함하는 데이터베이스 및 이들 위치에서의 추정되거나 측정된 관류 데이터를 조합하는 단계를 포함할 수도 있다. "환자 특이적 생리학적 파라미터"는, 수신되거나 계산된 의료 화상 특성, 해부학적 특성, 관류 영역, 표적 조직으로의 혈액 공급, 혈류 특성, 환자 특성, 질환 부담 특성, 및/또는 전기 기계 측정 중 하나 이상을 가리킬 수도 있다. 위치는, 환자 특이적 혈관 및/또는 표적 조직 모델로부터 얻어진 것일 수도 있고, 또는 PET, SPECT, MR 관류, 및/또는 CT 관류를 포함하지만, 이에 한정되지 않는, 하나 이상의 이용가능한 촬상 또는 스캐닝 양식으로부터 취득된 화상일 수도 있다.
일 실시예에서, 단계(404)는, 머신 러닝 알고리즘을 트레이닝하여 혈관 및/또는 표적 조직 모델의 하나 이상의 위치에서의 하나 이상의 환자 특이적 생리학적 파라미터를 이들 위치에서의 관류 데이터에 맵핑하는 단계를 포함할 수도 있다. 머신 러닝 알고리즘은, 다층 퍼셉트론, 심층 러닝, 지원 벡터 머신, 랜덤 포리스트, k-최근접 이웃, 베이즈 네트워크 등을 포함하는 많은 형태를 취할 수도 있지만, 이러한 형태로 한정되는 것은 아니다.
일 실시예에서, 단계(406)는, 트레이닝된 머신 러닝 알고리즘을 새로운 환자로부터 취득된 혈관 모델 및/또는 표적 조직의 환자 특이적 생리학적 파라미터들의 세트에 적용하여 하나 이상의 위치에서 관류 데이터를 추정하는 단계를 포함할 수도 있다.
도 5는 본 개시의 예시적인 실시예에 따라 혈관 기하학적 구조 및 생리학적 정보로부터 환자 특이적 혈류 특성을 추정하기 위한 예시적인 방법의 블록도이다. 도 5의 방법은, 전자 네트워크(100)를 통해 의사(102) 및/또는 제3자 제공자(104)로부터 수신된 정보에 기초하여 서버 시스템(106)에 의해 수행될 수도 있다.
일 실시예에서, 도 5의 방법은, 많은 환자로부터의 환자 특이적 생리학적 파라미터 및 측정되거나 추정된 관류 특성에 기초하여 하나 이상의 머신 러닝 알고리즘을 트레이닝하기 위한 트레이닝 방법(502), 및 머신 러닝 알고리즘 결과를 사용하여 환자의 구체적인 관류 특성을 예측하기 위한 생성 방법(504)을 포함할 수도 있다.
일 실시예에서, 트레이닝 방법(502)은, 복수의 개인의 각각에 대하여, 예를 들어, (a) 환자 특이적 기하학적 모델, (b) 하나 이상의 측정되거나 추정된 환자 특이적 생리학적 파라미터, 및 (c) 관류 특성값을 디지털 형태로 획득하는 단계를 포함할 수도 있다. 이어서, 트레이닝 방법(502)은, 각 환자 모델의 하나 이상의 지점에 대해, 환자의 생리학적 파라미터들의 피처 벡터를 생성하고 피처 벡터를 관류 특성값과 연관짓는 단계를 포함할 수도 있다. 이어서, 트레이닝 방법(502)은, (예를 들어, 서버 시스템(106)의 처리 장치를 사용하여) 머신 러닝 알고리즘을 트레이닝하여 피처 벡터 및 추정된 관류 특성에 기초하여 기하학적 모델의 각 지점에서의 관류를 예측할 수도 있다. 이어서, 트레이닝 방법(502)은, 서버 시스템(106)의 저장 장치에 피처 가중치를 포함하는 머신 러닝 알고리즘의 결과를 저장할 수도 있다. 저장된 피처 가중치는, 환자 특이적 생리학적 파라미터 및/또는 해부학적 기하학 구조가 소정의 관류 특성을 예측하는 정도를 정의할 수도 있다.
다른 일 실시예에서, 트레이닝 방법(502)은, 복수의 환자에 대한 연산 유체 역학(CFD) 기술을 사용하여 생성된 FFR 추정에 기초하여 수행될 수도 있다. 이어서, 트레이닝 방법(502)은, 추정된 FFR값을 환자의 기하학적 모델의 모든 지점과 연관지은 후 환자 특이적 생리학적 파라미터들의 피처 벡터를 생성하고 피처 벡터를 FFR 추정과 연관짓는 단계를 포함할 수도 있다. 이어서, 트레이닝 방법(502)은, (예를 들어, 서버 시스템(106)의 처리 장치를 사용하여) 머신 러닝 알고리즘을 트레이닝하여 피치 벡터 및 추정된 FFR에 기초하여 기하학적 모델의 각 지점에서의 관류를 예측할 수도 있다.
일 실시예에서, 생성 방법(504)은, 트레이닝 방법(502)의 실행 결과에 기초하여 특정 환자에 대한 관류 특성을 추정하는 단계를 포함할 수도 있다. 일 실시예에서, 생성 방법(504)은, 예를 들어, (a) 환자 특이적 기하학적 모형, 및 (b) 하나 이상의 측정되거나 추정된 환자 특이적 생리학적 파라미터를 디지털 형태로 획득하는 단계를 포함할 수도 있다. 환자의 기하학적 모델에서의 다수의 지점에 대하여, 생성 방법(504)은 트레이닝 모드에서 사용되는 환자 특이적 생리학적 파라미터들의 피처 벡터를 생성하는 단계를 포함할 수도 있다. 이어서, 생성 방법(504)은, 머신 러닝 알고리즘의 저장된 결과를 사용하여 환자 특이적 기하학적 모델의 각 지점에 대한 환자의 관류 특성의 추정을 생성할 수도 있다. 마지막으로, 생성 방법(504)은, 예측된 관류 특성을 포함하는 머신 러닝 알고리즘의 결과를 서버 시스템(106)의 저장 장치에 저장하는 단계를 포함할 수도 있다.
본 발명의 다른 실시예는 명세서 및 본원에 개시된 발명의 실시를 고려할 때 통상의 기술자에게 명백할 것이다. 본 명세서 및 예는 단지 예시적인 것으로 간주되며 본 발명의 진정한 범위와 사상을 다음에 따르는 청구범위에 의해 표시하고자 하는 것이다.

Claims (20)

  1. 환자의 해부학적 구조를 통한 혈액 관류의 환자 특이적(patient-specific) 값을 추정하기 위한 컴퓨터 구현 방법으로서,
    환자의 표적 조직의 환자 특이적 혈관 모델과 환자 특이적 조직 모델을 수신하는 단계;
    환자의 하나 이상의 생리학적 상태에서 혈관 모델 또는 조직 모델로부터 환자의 하나 이상의 생리학적 파라미터를 수신하는 단계로서, 하나 이상의 생리학적 파라미터가 추정된 혈류 또는 측정된 혈류를 포함하는, 단계;
    데이터베이스를 사용하여 트레이닝된 머신 러닝 알고리즘 및 환자 특이적 생리학적 파라미터를 사용하여 표적 조직 내의 하나 이상의 위치에서의 환자 특이적 조직 모델을 통한 혈액의 관류 특성을 추정하여 표적 조직 내의 하나 이상의 위치에서의 환자 특이적 생리학적 파라미터를 표적 조직 내의 하나 이상의 위치에서의 관류에 맵핑하는 단계로서, 데이터베이스는, 복수의 개인 각각에 대해, (a) 환자 특이적 조직 모델의 하나 이상의 위치에 대응하는 위치에서의 하나 이상의 생리학적 파라미터의 값 및 (b) 하나 이상의 위치에서의 측정된 관류를 포함하는, 단계; 및
    추정된 혈액 관류의 특성을 전자 디스플레이에 출력하는 단계
    를 포함하는, 컴퓨터 구현 방법.
  2. 제1항에 있어서, 상기 환자 특이적 생리학적 파라미터는, 하나 이상의 생리학적 상태에서 상기 혈관 또는 조직의 복수의 영역으로의 추정된 또는 측정된 혈류를 포함하는, 컴퓨터 구현 방법.
  3. 제1항에 있어서, 상기 환자 특이적 생리학적 파라미터는, 다음의 예들로 한정되지 않는, 혈관 크기, 혈관 형상, 관 비틀림, 혈관 길이, 혈관 두께, 조직 또는 혈관 망 내의 상기 혈액 관류의 추정된 구역, 또는 이들의 조합을 포함하는 하나 이상의 해부학적 특성을 포함하는, 컴퓨터 구현 방법.
  4. 제1항에 있어서, 상기 생리학적 상태는, 쉬고 있는 환자 상태, 충혈 상태, 운동 상태, 식후 상태, 중력 상태, 감정 상태, 고혈압 상태, 약물 첨가 상태, 또는 이들의 조합 중 하나 이상을 포함할 수도 있는, 컴퓨터 구현 방법.
  5. 제1항에 있어서, 상기 혈액 관류의 특성은, 분획 흐름 예비력, 흐름 크기, 흐름 방향, 또는 이들의 조합 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
  6. 제1항에 있어서, 상기 환자 특이적 생리학적 파라미터는, 국부적 평균 강도, 텍스처 특성, 표준 화상, 또는 이들의 조합 중 하나 이상을 포함하는, 하나 이상의 생리학적 상태의 표적 조직 또는 혈관 모델의 하나 이상의 화상 특성을 포함하는, 컴퓨터 구현 방법.
  7. 제1항에 있어서, 상기 환자 특이적 생리학적 파라미터는, 환자 특성, 표적 조직 질환 특성, 전기 기계 측정, 또는 이들의 조합 중 하나 이상을 포함하는 복수의 이차 특성을 더 포함하는, 컴퓨터 구현 방법.
  8. 제1항에 있어서, 상기 환자 특이적 조직 모델을 통한 상기 혈액 관류의 특성을 추정하는 단계는 하나 이상의 생리학적 상태에서 표적 조직 내의 혈액 흐름을 비교하는 단계를 포함하는, 컴퓨터 구현 방법.
  9. 제1항에 있어서, 환자 해부학적 구조의 환자 특이적 혈관 모델과 환자 특이적 조직 모델은 각각, 관상 동맥 모델과 심근; 대뇌 혈관 모델과 뇌; 말초 혈관 모델과 근육; 간 혈관 모델과 간; 신장 혈관 모델과 신장; 내장 혈관 모델과 장; 또는 임의의 표적 기관 및 상기 표적 기관에 혈액을 공급하는 혈관을 갖는 혈관 모델 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
  10. 제1항에 있어서, 상기 혈액 관류의 추정된 특성에 기초하여 상기 환자 특이적 생리학적 파라미터를 조절하는 단계; 및
    상기 혈액 관류의 추정된 특성 및 조절된 상기 생리학적 파라미터를 사용하여 혈류 특성을 시뮬레이션하는 단계를 더 포함하는, 컴퓨터 구현 방법.
  11. 제1항에 있어서, 표적 조직의 하나 이상의 위치에서 하나 이상의 원하는 관류 특성을 수신하는 단계;
    상기 표적 조직의 하나 이상의 위치에서의 혈액 관류의 추정된 특성을 그러한 위치에서의 상기 원하는 관류 특성과 비교하는 단계; 및
    상기 비교에 기초하여, 상기 생리학적 파라미터, 상기 혈관 또는 표적 조직의 환자 특이적 해부학적 모델 중 하나 이상을 변경하는 단계를 더 포함하는, 컴퓨터 구현 방법.
  12. 제1항에 있어서, 상기 혈액 관류의 추정된 하나 이상의 특성을 사용하여 하나 이상의 생리학적 상태에서 SPECT 또는 PET 스캔을 시뮬레이션하도록 설계된 하나 이상의 가상 관류 화상을 추정하는 단계; 및
    상기 하나 이상의 가상 관류 화상을 전자 저장 매체에 출력하는 단계를 더 포함하는, 컴퓨터 구현 방법.
  13. 환자 특이적 관류를 추정하는 시스템으로서,
    혈액 관류의 환자 특이적 특성을 결정하기 위한 명령어를 저장하는 데이터 저장 장치; 및
    명령어를 실행하여 방법을 수행하도록 구성된 프로세서
    를 포함하고,
    상기 방법은
    환자의 표적 조직의 환자 특이적 혈관 모델과 환자 특이적 조직 모델을 수신하는 단계;
    환자의 하나 이상의 생리학적 상태에서 혈관 모델 또는 조직 모델로부터 환자의 하나 이상의 생리학적 파라미터를 수신하는 단계로서, 하나 이상의 생리학적 파라미터가 추정된 혈류 또는 측정된 혈류를 포함하는, 단계;
    데이터베이스를 사용하여 트레이닝된 머신 러닝 알고리즘 및 환자 특이적 생리학적 파라미터를 사용하여 표적 조직 내의 하나 이상의 위치에서의 환자 특이적 조직 모델을 통한 혈액의 관류 특성을 추정하여 표적 조직 내의 하나 이상의 위치에서의 환자 특이적 생리학적 파라미터를 표적 조직 내의 하나 이상의 위치에서의 관류에 맵핑하는 단계로서, 데이터베이스는, 복수의 개인 각각에 대해, (a) 환자 특이적 조직 모델의 하나 이상의 위치에 대응하는 위치에서의 하나 이상의 생리학적 파라미터의 값 및 (b) 하나 이상의 위치에서의 측정된 관류를 포함하는, 단계; 및
    추정된 혈액 관류의 특성을 전자 디스플레이에 출력하는 단계
    를 포함하는, 시스템.
  14. 제13항에 있어서, 상기 환자 특이적 생리학적 파라미터는, 하나 이상의 생리학적 상태에서,
    상기 혈관 또는 조직의 복수의 영역으로의 추정된 또는 측정된 혈류;
    해부학적 특성;
    화상 특성;
    환자 특성;
    표적 조직 질환 특성;
    전기 기계 측정; 또는
    이들의 조합 중 하나 이상을 포함하는, 시스템.
  15. 제13항에 있어서, 상기 생리학적 상태는, 쉬고 있는 환자 상태, 충혈 상태, 운동 상태, 식후 상태, 중력 상태, 감정 상태, 고혈압 상태, 약물 첨가 상태, 또는 이들의 조합 중 하나 이상을 포함하는, 시스템.
  16. 제13항에 있어서, 상기 혈액 관류의 특성은, 분획 흐름 예비력, 흐름 크기, 흐름 방향, 또는 이들의 조합 중 하나 이상을 포함하는, 시스템.
  17. 제13항에 있어서, 상기 환자 특이적 조직 모델을 통한 상기 혈액 관류의 특성을 추정하는 단계는 하나 이상의 생리학적 상태에서 표적 조직 내의 혈액 흐름을 비교하는 단계를 포함하는, 시스템.
  18. 제13항에 있어서, 환자 해부학적 구조의 환자 특이적 혈관 모델과 환자 특이적 조직 모델은 각각, 관상 동맥 모델과 심근; 대뇌 혈관 모델과 뇌; 말초 혈관 모델과 근육; 간 혈관 모델과 간; 신장 혈관 모델과 신장; 내장 혈관 모델과 장; 또는 임의의 표적 기관 및 상기 표적 기관에 혈액을 공급하는 혈관을 갖는 혈관 모델 중 하나 이상을 포함하는, 시스템.
  19. 제13항에 있어서,
    상기 혈액 관류의 추정된 특성에 기초하여 상기 환자 특이적 생리학적 파라미터를 조절하는 단계; 및
    상기 혈액 관류의 추정된 특성 및 조절된 상기 생리학적 파라미터를 사용하여 혈류 특성을 시뮬레이션하는 단계를 더 포함하는, 시스템.
  20. 혈액 관류의 환자 특이적 특성을 추정하는 방법을 위한 컴퓨터 실행가능 프로그래밍 명령어를 포함하는 컴퓨터 시스템에서 사용하기 위한 비일시적 컴퓨터 판독가능 매체로서,
    상기 방법은
    환자의 표적 조직의 환자 특이적 혈관 모델과 환자 특이적 조직 모델을 수신하는 단계;
    환자의 하나 이상의 생리학적 상태에서 혈관 모델 또는 조직 모델로부터 환자의 하나 이상의 생리학적 파라미터를 수신하는 단계로서, 하나 이상의 생리학적 파라미터가 추정된 혈류 또는 측정된 혈류를 포함하는, 단계;
    데이터베이스를 사용하여 트레이닝된 머신 러닝 알고리즘 및 환자 특이적 생리학적 파라미터를 사용하여 표적 조직 내의 하나 이상의 위치에서의 환자 특이적 조직 모델을 통한 혈액의 관류 특성을 추정하여 표적 조직 내의 하나 이상의 위치에서의 환자 특이적 생리학적 파라미터를 표적 조직 내의 하나 이상의 위치에서의 관류에 맵핑하는 단계로서, 데이터베이스는, 복수의 개인 각각에 대해, (a) 환자 특이적 조직 모델의 하나 이상의 위치에 대응하는 위치에서의 하나 이상의 생리학적 파라미터의 값 및 (b) 하나 이상의 위치에서의 측정된 관류를 포함하는, 단계; 및
    추정된 혈액 관류의 특성을 전자 디스플레이에 출력하는 단계
    를 포함하는, 비일시적 컴퓨터 판독가능 매체.
KR1020177030160A 2015-04-02 2016-04-01 생리학적 특성, 해부학적 특성, 및 환자 특성으로부터 관류 결핍을 예측하기 위한 시스템 및 방법 KR102527582B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562142158P 2015-04-02 2015-04-02
US62/142,158 2015-04-02
PCT/US2016/025595 WO2016161308A1 (en) 2015-04-02 2016-04-01 Systems and methods for predicting perfusion deficits from physiological, anatomical, and patient characteristics

Publications (2)

Publication Number Publication Date
KR20170133391A KR20170133391A (ko) 2017-12-05
KR102527582B1 true KR102527582B1 (ko) 2023-05-03

Family

ID=55795185

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177030160A KR102527582B1 (ko) 2015-04-02 2016-04-01 생리학적 특성, 해부학적 특성, 및 환자 특성으로부터 관류 결핍을 예측하기 위한 시스템 및 방법

Country Status (8)

Country Link
US (2) US10262101B2 (ko)
EP (2) EP3912550B1 (ko)
JP (1) JP6522149B2 (ko)
KR (1) KR102527582B1 (ko)
CN (1) CN107787202B (ko)
AU (1) AU2016242999B2 (ko)
CA (1) CA2981464A1 (ko)
WO (1) WO2016161308A1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10349909B2 (en) * 2015-06-30 2019-07-16 General Electric Company Systems and methods for flow rate compensated acquisition parameters for medical imaging
FR3062498B1 (fr) * 2017-02-02 2019-06-07 Casis - Cardiac Simulation & Imaging Software Systeme et procede pour l'evaluation de risques vasculaires
EP3378398A1 (en) * 2017-03-24 2018-09-26 Koninklijke Philips N.V. Myocardial ct perfusion image synthesis
WO2018184779A1 (en) * 2017-04-06 2018-10-11 Koninklijke Philips N.V. Coronary artery disease metric based on estimation of myocardial microvascular resistance from ecg signal
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
EP3746986B1 (en) * 2018-02-01 2023-07-05 Koninklijke Philips N.V. Low radiation dose computed tomography perfusion (ctp) with improved quantitative analysis
JP7267000B2 (ja) * 2018-12-06 2023-05-01 キヤノンメディカルシステムズ株式会社 医用画像処理装置、核医学診断装置、医用画像処理方法、および学習装置
WO2021113510A1 (en) * 2019-12-06 2021-06-10 The Henry M. Jackson Foundation For The Advancement Of Military Medicine Prediction of venous thromboembolism utilizing machine learning models
WO2021261920A1 (ko) * 2020-06-24 2021-12-30 한양대학교 에리카산학협력단 동맥류 학습 데이터 증강 시스템 및 방법
CN113393433B (zh) * 2021-06-10 2022-03-01 北京安德医智科技有限公司 一种通用的医学影像灌注参数预测方法及装置
CN114113173B (zh) * 2021-11-18 2024-06-18 上海联影医疗科技股份有限公司 一种x射线设备、应用于x射线设备中的散射校正方法
CN115040100B (zh) * 2022-06-14 2023-10-27 安影科技（北京）有限公司 一种视神经血流灌注数值快速采集方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012071124A (ja) * 2010-09-01 2012-04-12 Toshiba Corp 医用画像処理装置
JP2013233369A (ja) * 2012-05-11 2013-11-21 Fujitsu Ltd シミュレーション方法、シミュレーション装置、およびシミュレーションプログラム

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09176040A (ja) * 1995-12-27 1997-07-08 Green Cross Corp:The ヘパリンコファクターｉｉの医薬用途
AU5274599A (en) * 1998-08-14 2000-03-06 Brad J. Kemp Application of scatter and attenuation correction to emission tomography images using inferred anatomy from atlas
US6556695B1 (en) * 1999-02-05 2003-04-29 Mayo Foundation For Medical Education And Research Method for producing high resolution real-time images, of structure and function during medical procedures
WO2001010301A1 (en) * 1999-08-06 2001-02-15 Karolinska Innovations Ab Paperbased nuclear medical phantom and the method of using such a phantom
CA2408228A1 (en) * 2000-05-08 2001-11-15 Biogen, Inc. Method for promoting neovascularization
US20030113827A1 (en) * 2001-12-17 2003-06-19 Burkoth Terry L. Non-or minimally invasive monitoring methods
US7181284B2 (en) * 2004-03-17 2007-02-20 Medtronic, Inc. Apparatus and methods of energy efficient, atrial-based Bi-ventricular fusion-pacing
JP4581088B2 (ja) * 2005-05-17 2010-11-17 国立大学法人 筑波大学 計算機支援診断装置および方法
JP2007068620A (ja) * 2005-09-05 2007-03-22 Konica Minolta Holdings Inc 心理状態計測装置
US8503741B2 (en) * 2006-11-30 2013-08-06 Siemens Aktiengesellschaft Workflow of a service provider based CFD business model for the risk assessment of aneurysm and respective clinical interface
US8202226B2 (en) * 2007-01-23 2012-06-19 Kci Licensing, Inc. Providing automated or manual guidance on dynamic patient positioning based on measured variables for ventilation control
WO2008132664A2 (en) * 2007-04-26 2008-11-06 Koninklijke Philips Electronics N.V. Risk indication for surgical procedures
JP2011514227A (ja) * 2008-03-17 2011-05-06 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 灌流画像法
KR100994312B1 (ko) * 2008-07-09 2010-11-12 성균관대학교산학협력단 신경 회로망을 이용한 사용자 상태 측정 장치 및 그 방법
JP5656361B2 (ja) * 2009-03-16 2015-01-21 株式会社東芝 Ｘ線診断装置
JP5623518B2 (ja) * 2009-06-24 2014-11-12 オリディオンメディカル １９８７ リミテッドＯｒｉｄｉｏｎ Ｍｅｄｉｃａｌ １９８７ Ｌｔｄ． 波形を生成するための方法および装置
JP2013515528A (ja) * 2009-12-23 2013-05-09 デルタ、ダンスク・エレクトリニク、リス・オ・アクスティク モニタリングデバイス
US8157742B2 (en) * 2010-08-12 2012-04-17 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP6120504B2 (ja) * 2012-08-06 2017-04-26 有限会社湘南化成 管状モデルの製造方法、血管モデル、血管モデルシミュレータ及び成形型
US10433740B2 (en) * 2012-09-12 2019-10-08 Heartflow, Inc. Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology
JP5889825B2 (ja) * 2013-03-29 2016-03-22 富士フイルムＲｉファーマ株式会社 Ｒｏｉ設定装置、ｒｏｉ設定方法、コンピュータプログラム及び脳血流推定装置
EP3028196B1 (en) * 2013-07-30 2017-11-15 HeartFlow, Inc. Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance
JP2015039448A (ja) * 2013-08-20 2015-03-02 国立大学法人埼玉大学 血管出術後の血流配分を予測する方法及び予測プログラム
US9700219B2 (en) * 2013-10-17 2017-07-11 Siemens Healthcare Gmbh Method and system for machine learning based assessment of fractional flow reserve
US9501622B2 (en) * 2014-03-05 2016-11-22 Heartflow, Inc. Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry
US9785746B2 (en) * 2014-03-31 2017-10-10 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
US9349178B1 (en) * 2014-11-24 2016-05-24 Siemens Aktiengesellschaft Synthetic data-driven hemodynamic determination in medical imaging
EP3278254A1 (en) * 2015-04-02 2018-02-07 HeartFlow, Inc. Systems and methods for predicting tissue viability deficits from physiological, anatomical, and patient characteristics

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012071124A (ja) * 2010-09-01 2012-04-12 Toshiba Corp 医用画像処理装置
JP2013233369A (ja) * 2012-05-11 2013-11-21 Fujitsu Ltd シミュレーション方法、シミュレーション装置、およびシミュレーションプログラム

Also Published As

Publication number Publication date
US20160292382A1 (en) 2016-10-06
EP3912550B1 (en) 2024-06-12
JP2018517958A (ja) 2018-07-05
AU2016242999B2 (en) 2018-11-22
EP3277169B1 (en) 2021-07-07
KR20170133391A (ko) 2017-12-05
AU2016242999A1 (en) 2017-11-23
CN107787202A (zh) 2018-03-09
WO2016161308A1 (en) 2016-10-06
US10262101B2 (en) 2019-04-16
EP3277169A1 (en) 2018-02-07
EP3912550A1 (en) 2021-11-24
JP6522149B2 (ja) 2019-05-29
CA2981464A1 (en) 2016-10-06
US20190200881A1 (en) 2019-07-04
CN107787202B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
KR102527582B1 (ko) 생리학적 특성, 해부학적 특성, 및 환자 특성으로부터 관류 결핍을 예측하기 위한 시스템 및 방법
US11660143B2 (en) Systems and methods for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand
US20200178815A1 (en) Systems and methods for predicting tissue viability deficits from physiological, anatomical, and patient characteristics
US9607130B2 (en) Systems and methods for vessel reactivity to guide diagnosis or treatment of cardiovascular disease
US20230320789A1 (en) System and method for processing electronic images for vascular tree generation
US20160283689A1 (en) Systems and methods for determination of blood flow characteristics and pathologies through modeling of myocardial blood supply

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant