KR20100065194A - 진단 지원 장치, 진단 지원 장치의 제어 방법, 및 진단 지원 시스템 - Google Patents

Abstract

피검자로부터 얻은 데이터를 컴퓨터 처리하고, 얻어진 진단 정보를 제시하는 진단 지원 시스템의 구조를 제공한다. 진단 지원 장치는 진단 지원의 정보를 추출하기 위해 피검자로부터 얻어진 데이터를 처리하는 진단 지원 처리 수단과, 피검자의 검사 이력을 기억하는 기억 수단과, 상기 기억 수단에 기억되는 상기 피검자의 검사 이력에 따라 진단 지원 처리 수단의 처리 방법을 변경하는 변경 수단을 구비한다. 예를 들어, 피검자로부터 얻은 데이터, 컴퓨터 처리에 의해 의학적인 진단 정보를 얻는 진단 처리를 실행하고, 피검자의 검사 이력에 따라 진단 지원 처리의 처리 방법을 변경한다.

Description

진단 지원 장치, 진단 지원 장치의 제어 방법, 및 그 프로그램{DIAGNOSIS SUPPORT DEVICE, METHOD FOR CONTROLLING DIAGNOSIS SUPPORT DEVICE, AND ITS PROGRAM}

본 발명은 피검자로부터 얻은 데이터를 컴퓨터 처리하고, 얻어진 진단 정보를 제시하는 의료용 진단 지원 시스템에 관한 것이다.

의료의 분야에서, 의사는 환자를 촬영한 의료용 화상을 모니터에 표시하고, 표시된 의료용 화상을 영상 판독하여 병변부의 상태나 경시 변화를 관찰한다. 이러한 종류의 의료용 화상을 생성하는 장치로서는, 이하의 것을 들 수 있다.

·CR(Computed Radiography)

·CT(Computed Tomography)

·MRI(Magnetic Resonance Imaging)

·US(Ultrasound System)

이러한 의사의 영상 판독에 대한 부담 경감을 목적으로 하여, 의료용 화상을 디지털화하여 화상 해석함으로써 병변부 등을 자동으로 검출하여 컴퓨터 지원 진단을 행하는 진단 지원 장치가 개발되고 있다(가와따·니끼·오마쯔, 「흉부 3차원 CT상에 의한 폐야 소형 종괴의 3차원 곡률을 사용한 내부 구조의 해석」, 전자 정보 통신 학회 논문지, D-II, Vol. J83-D-II, No. 1, pp. 209-218, 2000년 1월).

이하, 컴퓨터 보조 진단(Computer-Aided Diagnosis)을 CAD라고 칭한다. CAD에서는 자동으로 이상 음영 후보를 병변부로서 검출한다. 이 이상 음영의 검출 처리에서는, 방사선 화상을 나타내는 화상 데이터를 컴퓨터 처리함으로써, 암 등을 나타내는 이상한 종괴 음영이나 고농도의 미소 석회화 음영 등을 검출한다. 그리고 이 검출 결과를 제시함으로써 의사의 영상 판독에 대한 부하를 경감시키고, 또한 영상 판독 결과의 정밀도를 향상시킬 수 있다.

의사가 영상 판독 시에 오진을 피하기 위해, Single slice helical CT에 의한 폐암 CT 검진의 판정 기준과 경과 관찰 가이드 라인이 NPO 법인 일본 CT 검진 학회에 의해 설정되어 있다.

컴퓨터 지원 진단을 행하는 진단 지원 장치는, 이상 음영 후보를 산출할 때에 항상 상반되는 「감도」와 「오진 검출」의 밸런스를 고려한다(특허 제3417595호).

예를 들어, 종양 음영 후보를 추출하는 수를 조정하는 파라미터인 「감도」를 올리면, 실제로는 종양이 아닌 음영의 추출인 「오진 검출」수도 증가한다.

이와 같이, 「감도」를 올리면 누락되는 일은 줄어드나, 「오진 검출」이 증가한다. 위양성(僞陽性)의 병변 후보는 FP(false positive)라고 불린다.

일본 특허 제3417595호

가와따·니끼·오마쯔, 「흉부 3차원 CT상에 의한 폐야 소형 종괴의 3차원 곡률을 사용한 내부 구조의 해석」, 전자 정보 통신 학회 논문지, D-II, Vol. J83-D-II, No. 1, pp. 209-218, 2000년 1월 Single slice helical CT에 의한 폐암 CT 검진의 판정 기준과 경과 관찰 가이드 라인, 「NPO 법인 일본 CT 검진 학회」

그러나, 특허 제3417595호에 기재된 컴퓨터 지원 진단 시스템은 피검자로부터 얻은 데이터만을 사용하여 컴퓨터 지원 진단을 행하고 있었다. 즉, 피검자의 검사 이력을 고려하고 있지 않아, 한층 더 진단을 정확하게 행하려는 요망에 응할 수 없었다.

이상을 근거로 하여, 본 발명은 피검자의 검사 이력까지 고려한 컴퓨터 처리에 의한 진단 정보를 얻는 구조를 제공한다.

상기한 목적을 달성하기 위한, 본 발명의 일 형태에 의한 진단 지원 장치는, 진단 지원의 정보를 추출하기 위해 피검자로부터 얻어진 데이터를 처리하는 진단 지원 처리 수단과, 상기 피검자의 검사 이력을 기억하는 기억 수단과, 상기 기억 수단에 기억되는 상기 피검자의 검사 이력에 따라 상기 진단 지원 처리 수단의 처리 방법을 변경하는 변경 수단을 갖는다.

본 발명의 구성에 의해, 피검자의 검사 이력을 고려한 컴퓨터 처리에 의한 진단 정보를 제공하는 구조를 제공할 수 있다.

본 발명의 그외의 특징 및 이점은, 첨부 도면을 참조로 한 이하의 설명에 의해 명백해질 것이다. 또한, 첨부 도면에서는 동일하거나 혹은 마찬가지의 구성에는 동일한 참조 번호를 붙인다.

도 1은 진단 지원 장치 시스템의 기기 구성을 도시하는 도면이다.
도 2는 진단 지원 장치의 기능 구성을 도시하는 도면이다.
도 3은 진단 지원 장치의 처리 수순을 나타내는 흐름도이다.
도 4는 진단 지원 장치의 출력예를 도시하는 도면이다.
도 5는 진단 지원 장치에서의 병변 후보의 크기를 산출하는 처리 수순을 나타내는 흐름도이다.
도 6은 진단 지원 장치의 의학 지식 데이터베이스에 축적되는 데이터의 예를 나타내는 도면이다.
도 7은 진단 지원 장치에서의 증례의 유사 화상을 검색하는 처리 수순을 나타내는 흐름도이다.

이하에, 도면을 참조하여, 본 발명의 적합한 실시 형태를 예시적으로 상세하게 설명한다. 단, 이 실시 형태에 기재되어 있는 구성 요소는 어디까지나 예시이며, 본 발명의 범위를 그것들에만 한정하는 취지의 것이 아니다.

(제1 실시 형태)

CPU(100)는 주로 진단 지원 장치(1)의 각 구성 요소의 동작을 제어한다. 주메모리(101)는 CPU(100)가 실행하는 제어 프로그램을 저장하거나, CPU(100)에 의한 프로그램 실행 시의 작업 영역을 제공한다. 자기 디스크(102)는 오퍼레이팅 시스템(OS), 주변 기기의 디바이스 드라이브, 후술하는 진단 지원 처리 등을 행하기 위한 프로그램을 포함하는 각종 어플리케이션 소프트 등을 저장한다. 표시 메모리(103)는 모니터(104)를 위한 표시용 데이터를 일시 기억한다. 모니터(104)는, 예를 들어, CRT 모니터나 액정 모니터 등이며, 표시 메모리(103)로부터의 데이터에 기초하여 화상을 표시한다. 마우스(105) 및 키보드(106)는 유저에 의한 포인팅 입력 및 문자 등의 입력을 각각 행한다. 상기 각 구성 요소는 공통 버스(107)에 의해 서로 통신 가능하게 접속되어 있다.

본 실시 형태에서, 진단 지원 장치(1)는 LAN(4)을 통해 데이터베이스(3)로부터 화상 데이터 등을 판독할 수 있다. 혹은, 진단 지원 장치(1)에 기억 장치, 예를 들어, FDD, CD-RW 드라이브, MO 드라이브, ZIP 드라이브 등을 접속하여, 그것들의 드라이브로부터 화상 데이터 등을 읽어들이도록 해도 좋다. 또한, LAN(4)을 경유하여 의료용 화상 촬영 장치(2)로부터 직접 의료용 화상 등을 취득해도 좋다.

도 2에 진단 지원 장치(1)의 구성예를 기재한다.

도 2에서, 진단 지원 장치(1)는, 의료용 검사 데이터 입력부(201), 증례 데이터베이스(202), 의학 지식 데이터베이스(203), 진단 지원 처리 수단으로서의 진단 지원 처리부(204), 처리 방법 변경부(207), 기억 수단으로서의 이력 기록부(208)와 데이터 출력부(209)를 구비하여 구성된다.

의료용 검사 데이터 입력부(201)는, 예를 들어, X선 촬영 장치, CT 장치, MR 장치, 초음파 또는 음파 진단 장치로부터 취득된 화상 데이터, 심전도나 뇌파 데이터·백혈구 수 등의 계측 데이터 등의 피검자에 관한 데이터를 취득한다.

또한, 진료 기록 카드 정보 등의 병변 후보 취득에 관련되는 정보를 포함하는 의료용 검사 데이터의 입력이 가능한 구성이어도 좋다. 그 경우, 이들의 데이터는 유저에 의해 직접 입력이 가능한 구성이어도 좋고, 정보가 기록된 FDD, CD-RW 드라이브, MO 드라이브, ZIP 드라이브 등의 각종 기억 매체로부터 판독 가능한 구성이어도 좋다. 또한, 이들의 데이터를 기억하는 데이터베이스와 LAN을 통해 접속하여, 수신 가능한 구성이어도 좋다.

증례 데이터베이스(202)는 의료용 검사 데이터 취득 장치(2)에 의해 촬영된 화상 데이터나, 심전도나 백혈구 수를 비롯한 수치 데이터, 피검자에 관한 진료 기록 카드 등의 텍스트 데이터를 저장한다. 각 증례 데이터는 진단 지원 장치에 의한 데이터 처리 결과의 값이나 확정 진단 결과를 포함할 수도 있고, 그것들의 정보를 유사 증례 검색에 이용할 수 있다.

또한, 인식, 식별 처리에 사용하는 카테고리로 분류된 템플릿도 보존된다. 이 템플릿은 패턴 인식 처리로서 병변이 무엇인지(악성, 양성 등)를 판단하기 위하여 사용된다. 또한, 병변을 추출하는 경우, 피사체로부터 추출된 데이터와의 상이도(예를 들어, 상관값 등)로부터 병변인 영역을 추출하기 위해 사용된다.

의학 지식 데이터베이스(203)는 병변 영역에 대한 진단 기준이나, 전이 병변이나 합병증을 비롯한 검사 대상이 되는 질병의 정보를 저장한다. 또한, 원발 병변을 검출했을 때에 관련되는 질병의 유무를 조사하는 수순과 같은 진단 수순 등의 데이터도 저장시켜도 좋다.

진단 지원 처리부(204)는 피사체로부터 얻어진 데이터로부터 진단을 지원하기 위한 정보를 취득한다.

화상 데이터를 처리하는 경우, 처리부(205)는 피검자로부터 취득된 데이터로부터 병변에 관한 정보를 취득한다. 예를 들어, 종양 음영의 후보 영역, 결석의 후보 영역 등의 병변부를 추출한다.

또한, 병변부의 후보인 병변부 후보의 취득 시에 증례 데이터베이스(202)를 참조하여 과거의 증례 데이터와의 유사도를 비교해도 좋다. 이 경우, 처리부(205)는 화상으로부터 특징량을 산출하고, 증례 데이터베이스(202)에 보존되는 증례마다의 특징량의 일치도로부터 병변 후보를 취득한다.

의학 지식 데이터베이스(203)에 저장되어 있는 진단 기준이나 진단 수순에 관한 데이터를 참조해도 좋다. 예를 들어, 진단 기준으로서는 CT 화상이면, 병변부에 상당하는 CT값의 범위가 있고, 그 범위에 병변부가 존재할 가능성이 높아진다. 따라서, 그 범위로부터 병변부를 추출한다. 또한, 진단 수순으로서는 의사의 진단 시행을 플로우로 하여, 문법화하고 있는 것이다. 예를 들어, 2차원의 화상 데이터이면, 피사체의 관심 영역의 추출, 관심 영역 내에서의 텍스처의 특징의 수치화 등의 컴퓨터 처리에서 필요로 하는 처리 수순을 의사의 사고에 맞게 문법화하고 있다.

또한 처리부(205)의 처리 대상은 화상 데이터에 한정되지 않고, 예를 들어, 피검자에 관한 화상 이외의 계측 데이터 혹은 진료 기록 카드 데이터 등도 처리 대상이며, 그것들의 데이터에 기초하여 병변 후보를 취득하는 구성으로 해도 좋다.

출력 처리부(206)는 화상 데이터를 대상으로 하는 경우에는 처리부(205)에 의해 추출된 병변 후보의 병변일 가능성이 높은 것 등의 진단을 지원하기 위한 정보를 취득한다. 또한, 계측 데이터이면, 피사체로부터 얻어진 데이터를 직접 해석하여 진단을 지원하기 위한 정보를 취득하여 출력한다.

이력 기록부(208)는 피검자에 관한 진단 이력의 정보를 기록한다. 진단 이력 정보로서는, 과거에 행한 검사 방법, 그때의 진단 결과 등을 기록한다. 또한, 과거에 추정된 발증 확률, 발증 확률에 따른 차기 진찰 시기 등도 저장한다.

검사 방법에는 스크리닝(screening)이나, 정밀 검사 또는 병변부의 경과 감찰 등의 검사의 목적 정보도 기록된다.

처리 방법 변경부(207)는 이력 기록부(208)로부터 얻어진 피검자의 이력 정보에 따라 처리부(204), 출력 처리부(205)의 처리 방법을 결정한다.

데이터 출력부(209)는 처리부(205)로부터 얻어진 병변 후보의 데이터와 출력 처리부(206)에 의해 얻어진 병변 후보의 판정 정보를 지정된 형식으로서 출력한다.

다음으로, 도 3의 흐름도를 사용하여, CPU(100)가 어떻게 진단 지원 장치(1)를 제어하고 있는지에 대하여 설명한다.

스텝 S31에서, CPU(100)는 의료용 검사 데이터 입력부(201)로부터 의료용 검사 데이터를 진단 지원 장치(1)에 입력한다.

또한, 검사 목적에 따라 병변 후보 취득 시의 병변 검출 기준이나 병변 검출 수순이 다르기 때문에 이력 기록부(208)로부터 피검자의 검사 이력(예를 들어, 전회 촬상된 날이나 검사일까지의 검사 경력), 검사 목적의 정보를 취득한다.

스텝 S32에서, 처리 방법 변경부(207)는 CPU(100)의 제어에 의해, 이력 기록부(208)에 기록되어 있는 피검자의 이력 정보에 따라 현재의 발증 확률을 추정한다. 여기에서, 발증 확률이란 병변부의 발증하는 확률을 의미한다. 또한, 병변부가 양성으로부터 악성으로 변위되는 확률도 의미한다.

피검자의 검사 경과의 시간에 따라 일어날 수 있는 증상 변화는 과거의 의학적인 지식으로부터 확률적으로 중요한 정보로서 보존되어 있다. 따라서, 시간 경과의 정보에 따라, 증상 변화는 확률적으로 중요한 범위에서 예측될 수 있기 때문이다. 즉, 피검자의 검사 이력에 따라 확률적으로 중요한 범위에서 피검자의 증상 변화를 예측할 수 있는 것이다.

발증 확률을 추정하는 데 있어서, 이력 기록부(208)에 기록된 피검자의 과거와 현재의 검사 데이터, 검진 횟수 등의 진단을 행한 시간 간격, 과거의 검진에 의해 추정된 발증 확률 등의 이력 정보, 화상 처리 결과의 병변 후보 데이터 등을 사용하여, 병변 후보의 진행 상태를 산출한다.

예를 들어, 이력 기록부(208)에 기록된 피검자의 병변부(종괴, 결석 등)의 정보로부터 현상의 병변부의 크기를 예측한다. 이 예측은, 과거의 병변부의 크기와 성장 속도를 사용하여 행해진다. 여기에서, 성장 속도는 과거의 병변부의 사이즈, 종류를 사용하여 의학 지식 데이터베이스(203)에 기록되는 통계량이 이용된다. 또한, 병변부의 사이즈 변화가 이력 기록부(208)에 기록되어 있는 경우이면, 과거의 시점에서의 병변부의 사이즈로부터 구할 수 있다. 또한, 예를 들어, 예측된 크기가 5㎜ 이상이면, 발증 확률이 높다고 판단한다. 여기에서의 발증 확률이란, 추출된 병변 후보가 악성일 확률이다. 이 발증 확률에 따라서도 처리 방법 변경부(207)는 처리부(205)에 의해 추출되는 병변부의 사이즈를 변경한다. 이 발증 확률이 높은 경우에는, 새로운 병변부가 발생할 가능성도 증가하기 때문에, 전체 범위의 사이즈의 병변부를 추출한다. 또한, 병변부의 사이즈에 따라 처리 함수를 변경하는 경우도 있다.

또한, 이력 기록부(208)에 기록된 피검자의 이력으로부터 초진이라고 판단된 경우에는, 발증 확률이 높다고 간주하여 전체 범위의 사이즈의 병변부를 추출한다.

그에 대하여, 이력 기록부(208)에 기록된 피검자의 이력으로부터 병변부의 추출의 이력이 없는 경우에는, 전회의 진단으로부터 시간 경과 시간에 따라 발증 확률이 바뀐다. 전회의 검사로부터 시간이 경과하지 않은 경우에는, 큰 병변부가 발생할 확률은 필연적으로 감소하기 때문에, 발증 확률이 낮다고 해도 큰 병변부의 추출이 처리부(205)에 의해 추출되지 않도록 처리 방법 변경부(207)의 파라미터를 변경한다. 이에 의해, 특정한 사이즈에 맞춘 추출을 행할 수 있으므로 처리부(205)에 의해 추출하는 병변부의 가양성율(false positive rate)은 감소하는 효과를 갖는다.

이와 같이, 처리 방법 변경부(207)는 이력 기록부(208)에 기록된 피검자의 이력에 기초하여, 진단 지원 처리부(204)의 처리 방법을 변경한다.

진단 지원 처리부(204)의 처리 방법의 변경 방법으로서는, 신뢰도를 부여하는 확률 분포를 조정하거나, 또는, 이상하다고 인정되는 경우의 확률의 임계값을 조정하거나, 베이즈 식별기(Bayesian discriminator) 등의 인식 함수의 파라미터를 바꾸거나, 식별기에서의 특징 공간에서의 경계면을 이동하는 방법이 있다. 또한, 판정의 알고리즘 자체를 바꾸는 것도 가능하다. 선형 판별 함수 외에, 서포트 벡터 머신(support vector machine), 베이즈 식별기, 신경망(neural network), AdaBoost, 등의 판별 방법을 선택하는 것도 처리 방법을 변경하는 것에 상당한다.

또한, 발증 확률의 예로서 다음과 같은 설정을 한다. 발증 확률=1.0 : 발증 확률을 추정할 수 없는 경우 또는 디폴트로 인정되는 발증 확률값; 이 상태에서는 디폴트로 사용되는 식별기의 파라미터를 이용하는 발증 확률=0.9 : 발증 확률이 낮은 경우는 식별기의 감도를 내리고, 디폴트 상태의 90%의 위양성이 나오도록 식별기를 설정하는 발증 확률=1.1 : 발증 확률이 높은 경우에는 식별기의 감도를 올리고, 디폴트 상태의 110%인 위양성이 나오도록 식별기를 설정하는 상기한 설정은 단순한 일례이며, 본 실시 형태를 제한하는 것은 아니다.

스텝 S33에서, 처리부(205)는, CPU(100)의 제어에 따라 스텝 S32에서 정해진 처리 방법에 의해 병변 후보를 추출한다. 이때에 의학 지식 데이터베이스(203)에 저장되어 있는 진단 기준의 정보를 이용하여, 병변 후보로부터 계산되는 특징량으로부터 병변일 가능성이 높은 것을 나타내는 신뢰도나, 진행도 등의 병변 후보 데이터가 얻어진다. 여기에서, 신뢰도란, 예를 들어, 과거의 병변으로부터 얻어진 특징량과의 상관값 등으로부터 병변으로서의 정확도를 나타낸다.

흉부 CT 화상의 경우, 처리부(205)는 화상으로부터 폐야(lung field), 횡격막, 기관지, 폐동맥, 폐정맥 등의 영역을 분할하고, 폐야는 상엽, 중엽, 하엽, 구역으로 분류한다. 여기에서, 의료용 화상 중에서 장기 영역을 검출하기 위한 방법으로서, 동적 윤곽법의 일종인 레벨 세트법을 예로 하여 설명을 행한다. 레벨 세트법의 경우, 검출 대상의 영역의 차원보다 1차원 높은 레벨 세트 함수를 정의하고, 추출하려는 영역을 그것의 제로 등고선으로 간주한다. 그리고, 레벨 세트 방정식이라고 하는 이하의 발전 방정식에 기초하여 이 함수를 갱신함으로써, 윤곽을 제어하여 영역을 검출한다.

φt+F|▽φ|=0

여기에서, φt는 레벨 세트 함수를 시간축 방향으로 일차 미분한 값, F는 윤곽의 성장 속도, |▽φ|는 레벨 세트 함수의 구배의 절대값을 나타낸다.

이와 같이 하여, 의료용 화상으로부터 장기 영역을 검출할 수 있다. 상술한 설명에서는 레벨 세트법을 예로 장기 영역 검출의 설명을 했지만, 영역 검출의 방법은 임계값 처리에 의한 방법, 영역 확장법, 동적 윤곽법, 클러스터화, 그래프 최소 절단법 등이 있다. 이들의 방법 중 어느 하나, 혹은 그외의 기술을 사용하여 장기 영역을 검출한다.

그리고, 이들 방법은 부위에 따라 절환하여 사용해도 좋다. 또한, 화상 특징량만을 사용할 뿐만 아니라, 사전 지식으로서 확률 아틀라스(probability atlas)나 인체 형상 모델 등을 이용하여 영역 검출을 행해도 된다.

또한, 장기 영역으로부터 폐야 종괴 등의 이상을 검출하는 방법으로서, 이상을 검출하기 위한 필터 처리, 패턴 매칭, 식별기에 의한 이상 검출, 과거 화상이나 평균 형상 화상 등과 진단 화상의 레지스트레이션(registration)을 행하여 차분 검출하는 처리 등이 있다. 그 외, 폐야 종괴를 특정하기 위한 화상 특징량으로서는 종괴 내부의 각 화소의 CT값과 3차원 곡률(가우스 곡률, 평균 곡률, 주 곡률)로부터 얻어지는 형상 지수(shape index)와 만곡도(curvedness) 등도 있다.

이상의 어느 하나를 병용하거나, 혹은 그외의 기술을 사용하여 병변 후보를 검출한다.

스텝 S35에서, CPU(100)는, 출력 처리부(206)가 처리 방법 변경부(207)에 의해 정해진 처리 방법에 따라 처리부(205)에 의해 검출된 병변 후보를 평가하게 한다.

이상의 질병 분류, 양악성 감별을 행하기 위해, 악성일 가능성(확률값)을 판별 방법(선형 판별 함수나, 서포트 벡터 머신, AdaBoost, 베이즈 식별기, 신경망 등)의 식별기를 사용하여 질병 분류, 양악성 감별을 행한다. 이들 이상 검출, 질병 분류, 양악성 감별에 관해서는 상기한 방법에 한정되는 것은 아니다.

또한, 판별기에 사용하는 특징량의 무게의 변경뿐만 아니라, 특징량 자체를 더 많이 고려하거나, 교체하는 것도 가능하다.

여기에서, X선 CT 화상으로부터 추출된 특징량을 다음의 선형 판별 함수에 적용하여, 폐야 종괴 후보의 양악성 감별을 행하는 예를 나타낸다. 즉, 병변 후보가 진짜 병변과 위양성으로 분류된다.

단, x는 1개의 패턴의 특징 벡터, m1과 m2는 클래스 1과 2의 평균 벡터, ΣW는 클래스 내 공분산 행렬(covariance matrix)을 나타낸다. 선형 판별 함수 f의 값을 판별 득점으로 하고, 이 값이 마이너스일 때 클래스 1(양성), 플러스일 때 클래스 2(악성)로 판별한다. 그리고, 발증 확률에 따라 상기 선형 판별 함수의 파라미터(ΣW)를 변경한다. 즉, 발증 확률이 높다고 판정된 경우, f가 보다 플러스의 값을 내놓을 수 있도록 ΣW를 설정하고, 발증 확률이 낮다고 판정된 경우, f가 보다 마이너스의 값을 내놓을 수 있도록 ΣW를 설정한다.

즉, 발증 확률이 높다고 추정되어 있으면, 더 많은 병변 후보가 주목받도록 한다. 즉, 출력 처리부(206)의 감도를 올린다. 반대로 발증 확률이 낮다고 추정되어 있으면, 위양성의 병변 후보를 줄이기 위해 비교적 중요하지 않은 병변 후보를 적게 제시하도록 감도를 내린다.

출력 처리부(206)의 처리는 처리부(205)의 감도와 연동하여 행해져도 되고, 단독으로 행해져도 좋다. 즉, 처리부(205)의 감도를 최대로 올려 종괴 음영을 많이 추출하고, 출력 처리부(206)에 의해 임계값을 변화시켜 의양성을 저하시키는 것도 가능하다. 또한, 처리부(205)의 감도와 연동하는 것도 가능하다.

스텝 S36에서, 스텝 S32에 의해 검출된 병변 후보 데이터를 스텝 S35에 의해 병변으로 인정되는 기준을 만족하고 있다고 판단된 병변 후보 데이터로 추려내어 출력한다.

여기에서, 데이터 출력부(209)는 CPU(100)의 제어에 의해 출력처에 따른 출력 데이터로 변환한다. 출력처로서는, 종이·메모리나 하드 디스크 등의 기억 장치·모니터 등이 있다.

도 4에 병변 후보 데이터의 출력예를 나타낸다. 의료용 검사 데이터 위에 병변 후보를 지시하는 마크가 표시되고, 그 부근에 화상 특징량이나 환자 속성·경시 변화 데이터가 표시되어 있다. 또한, 병변 후보 데이터를 모니터 등의 표시 디바이스에 출력하는 경우에는 팝업 형식으로 표시해도 좋고, 다른 윈도우에 표시해도 좋다.

다음으로, 도 5를 참조하여, 이상 설명한 처리 방법 변경부(207)에 의해 실행되는 스텝 S33의 병변 후보의 크기의 예측 방법을 설명한다. 예측되는 크기는, 이력 기록부(208)에 피검자의 이력으로서 기록되어, 다음 회의 진단 처리에 사용되거나, 다음 회의 진단 시기의 결정에 사용된다.

여기에서는, 종괴를 예로 들어, 그 크기와 성장 속도에 따라 예측하는 방법을 설명한다. 여기에서, 종괴의 크기는 가장 긴 직경을 사용한다.

스텝 S51에서, 현재의 흉부 화상 데이터로부터 스텝 S32에서 검출된 종괴를 취득하여 종괴의 가장 긴 직경을 산출한다.

스텝 S52에서, 피검자의 과거의 흉부 화상 데이터 또는 과거의 진단 리포트에 스텝 S51에서 취득된 종괴에 대응하는 병변의 기술이 있는지의 여부를 조사한다. 이미 과거에도 그 병변이 있었다면, 처리는 스텝 S53으로 진행한다.

스텝 S51에서 검출된 병변 후보가 이번 검진으로 처음 검출된 것이면, 처리는 스텝 S55로 진행한다.

스텝 S53에서, 종괴의 과거의 정보를 이력 기록부(208)로부터 취득한다. 취득된 정보는 크기(이 경우는 가장 긴 직경), 증례의 진단, 그 신뢰도 등을 들 수 있다. 그 정보는 과거의 진단 리포트에 기술이 없으면, 진단 처리부(204)에 의해 산출해도 좋다.

스텝 S54에서, 대응하는 현재의 종괴의 가장 긴 직경값과, 과거의 가장 긴 직경값과 과거의 검진으로부터의 기간에 의해 성장 속도를 이하의 식에 의해 산출한다. 여기에서는, 예로서 하기의 식을 들었지만, 그 식에 한정되는 것은 아니며, 예를 들어, 부위에 따라 웨이트나, 조정항을 추가한 식과 같이 의학의 분야에서 인정되는 성장 속도를 산출하는 그외의 방법이어도 좋다.

VC=(MRpresent-MRpast)/t

단, VC는 성장 속도, MRpresent는 종괴의 현재의 가장 긴 직경값, MRpast는 과거에 검사를 행했을 때의 대응하는 종괴의 가장 긴 직경값, t는 과거의 검사로부터 경과한 시간이다.

스텝 S55에서, 검출된 종괴의 과거의 정보가 없으면, 의학 분야에서 경험적으로 알려져 있는 종괴의 성장 속도의 값을 이용한다. 물론, 피검자의 그외의 검사 데이터나, 과거의 증례 등의 정보에 따라 종괴의 성장 속도를 유도하는 식이나, 방법 등도 이용해도 좋다.

스텝 S56에서, 이력 기록부(208)에 기록되어 있는 피검자의 다음 검진 예정일(검진 차기)을 취득하고, 현재의 종괴의 크기와, 성장 속도와, 다음 회의 검진까지의 일수를 바탕으로 다음 검진 시에서의 종괴의 크기를 추정한다. 크기의 추정 방법으로서, 예를 들어, 이하의 식이 있다. 단, 그 식에 한정되는 것은 아니며, 의학 지식으로서 표로 정리하고 있는 경험값(empirical value)에 따라 크기를 추정해도 좋다.

MRfuture=MRpresent+VC*tf

단, MRfuture는 다음 예정되어 있는 검진 시의 종괴의 크기의 예측, tf는 다음 예정 검진까지의 시간.

스텝 S57에서, 스텝 S56에서 산출된 다음 회의 검진 시에서의 종괴의 크기의 예측을, 의학 가이드 라인과 비교하여 발증 확률을 추정한다. 예를 들어, 종괴의 크기가 5㎜ 미만이라고 예측되면, 발증 확률은 낮다고 판단할 수 있다. 그리고 종괴의 크기가 10㎜ 이상이 된다는 예측이 있으면, 발증 확률은 높다고 판단할 수 있다.

이상, 도 5에 도시된 바와 같은 처리에서 차기 검진 시의 병변의 크기를 예측하고, 그 정보를 사용하여 처리 방법 변경부(207)에 의해 발증 확률을 추정할 수 있다.

이번에는 크기를 나타내기 위해 종괴의 가장 긴 직경을 사용하여 설명했지만, 종괴의 용적을 사용하는 등, 종괴의 크기와 성장 속도를 나타내는 것이 가능하면 상기에 제한되지 않는다.

다음으로, 스텝 S32의 발증 확률을 추정하는 방법으로서 의학적 중요도를 사용한 예를 설명한다.

처리 방법 변경부(207)는 처리부(205)에 의해 취득된 병변 후보의 의학적 중요도에 따라 발증 확률을 추정한다. 또는, 병변 후보의 의학적 중요도의 경과 변화에 따라 발증 확률도 추정할 수 있다.

여기에서, 처리 방법 변경부(207)에서 산출되는 의학적 중요도 I에 대하여 설명한다.

의학적 중요도 I는, 이하와 같이 정의할 수 있다.

I=A*B*C

단,

A : 중요 질병도(이종 질병간의 상대적인 중태도(disease severity))

B : 진행도(병기(病期))(동종 질병 내의 중태도)

C : 관련 질병도

로 한다.

예를 들어, 처리부(205)에서 복수 종의 질병을 검출하는 경우에는 검사 목적에 따라 하기와 같이 병변마다의 관련 질병도 C가 설정된다. 즉,

로 된다.

여기에서, 중요 질병도 A, 진행도 B의 예를 도 6에 도시한다.

예를 들어, 폐암의 경과 관찰의 경우, 처리부(205)에 의해 병변 후보로서 폐야의 악성 종양(0기)이 1개 검출되었다고 하면, 악성 종양에 관한 의학적 중요도 IC는 이하와 같이 구해진다.

IC=10*2*1=20

다음으로, 발증 확률을 추정하기 위해, 환자의 과거의 대응하는 병변의 의학적 중요도와 비교한다. 이력 기록부(208)로부터 과거의 검사에서 동일한 종양이 양성 종양이라고 판단되었으면, 그 과거의 의학적 중요도 IP는 이하와 같이 구해진다.

IP=5*2*1=10

즉, 어느 기간 이내에 의학적 중요도가 상승하고 있으므로, 발증 확률은 높다고 추정한다. 또는, 의학적 중요도가 변화하지 않고 있어도 일정 기간에 어느 값 이상의 값을 유지하고 있으면, 발증 확률은 높다고 추정한다.

또한, 이상에 설명한 의학적 중요도의 변화에 의한 발증 확률의 추정에는 의학적 연구에 의해 모아진 증례로부터 만들어진 표(의학적 중요도, 의학적 중요도의 변화, 기간)를 이용하는 것도 가능하다.

또한, 여기에서 설명한 의학적 중요도의 내용은 어디까지나 일례이며, 본 실시 형태에서의 정의에 한정되는 것은 아니다. 예를 들어, 의학 중요도에 의한 발증 확률을 추정할 때에 스크리닝, 정밀 검사, 경과 관찰의 검사 목적 정보를 고려해도 좋다.

다음으로, 병변 후보의 병변으로서의 확률(확신도로 칭하는 경우도 있음)을 사용하여 발증 확률을 추정하는 방법을 설명한다.

여기에서는, 병변 후보의 병변으로서의 확률을 산출하는 방법으로서, 유사 화상 검색에 의한 병변 후보의 검출을 들 수 있다. 도 7을 참조하여, 유사 화상 검색의 처리의 수순을 설명한다.

스텝 S71에서, 처리부(205)에서는 의료용 검사 데이터의 처리를 행하여 화상 특징량을 산출한다. 화상 특징량으로서는, 예를 들어, 일반적인 화상 처리로부터 얻어지는 휘도 분포, 화상 내의 주목 영역의 2D나 3D 특징량 등이 있다. 또한, 「형상 지수」값과 「만곡도」값을 사용해도 된다.

스텝 S72에서, 처리부(205)에 의해 산출된 화상의 특징량을 사용하여 증례 데이터베이스(202)를 검색하고, 가까운 특징량을 갖는 화상의 증례를 취득한다. 또한, 미리 특징량에 증례를 관련시켜 보존해 두고, 증례가 있는 특징량으로부터 증례의 정보를 취득한다.

스텝 S73에서, 검색된 화상을 특징량이 가까운 순서대로 배열하여 가장 비슷한 화상의 순서대로 그 화상의 유사도를 산출한다. 여기에서는, 유사도의 예로서, 검색에 사용한 특징 공간에서의 참조 화상과 유사 화상의 정규화된 특징 벡터의 내적값을 사용한다. 즉, 특징 공간 상에서는 참조 화상과 유사 화상의 특징량이 가까우면 가까울수록 양 화상이 비슷하게 된다. 또한, 여기에서 설명한 유사도의 산출 방법은 어디까지나 일례이며, 본 실시 형태에서의 방법에 한정되는 것은 아니다.

스텝 S74에서, 검색된 화상의 증례, 또는 화상으로부터 얻어진 특징량에 관련지은 소견을 취득한다. 소견에는 상술한 의학적 중요도를 구하기 위한 각 요소 A, B, C가 부여되어 있다. 예를 들어, 암이라도 진행 속도가 빠른 암, 전이성이 높은 암 등은 악성이며, 의학적인 중요도가 높아진다. 또한, 선택된 증례가 패턴 매치에 의해 선택되는 경우, 그 증례의 확신도가 취득된다. 여기에서, 확신도는, 예를 들어, 복수의 의사가 이 증례를 진단했을 때의 증례가 악성일 확률을 나타낸다. 또한, 식별 함수에 의해 증례 판단되었을 때의 정답률(의사의 소견과 식별 함수의 출력 소견이 일치할 확립)을 통계값인 확신도로 해도 좋다. 다음으로, 얻어진 유사도와 증례의 확신도를 바탕으로 병변 유사도의 변화 T를, 이하와 같이 정의한다.

T=Spresent*Cpresent-Spast*Cpast

단, Spresent: 현재의 검사에 의해 얻어진 유사도, Cpresent: 현재의 검사에 의해 얻어진 확신도, Spast: 이력 기록부에 기록된 환자의 과거에 있던 대응하는 증례의 유사도, Cpast: 이력 기록부에 기록된 환자의 과거에 있던 대응하는 증례의 확신도이고, 상기한 T가 어느 기간 이내로 상승하고 있으면, 발증 확률은 높다고 추정된다.

상기 이외에도, 병변 후보의 확률을 산출하기 위해, 예를 들어, 서포트 벡터 머신이나, 그외의 패턴 인식에서 사용되는 식별기를 이용하는 것도 가능하며, 상기한 유사도를 이용한 방법에 한정되지 않는다.

이상과 같이, 제1 실시 형태에 의하면, 환자의 이력을 고려함으로써 진단 지원의 감도 조정이 가능하게 되어, 영상 판독 의사의 부하를 경감시킬 수 있다. 그 결과, 누락이나 불필요한 생검이 저감되기 때문에, 환자의 부하도 경감시킬 수 있다.

(제2 실시 형태)

제1 실시 형태에서는, 환자의 발증 확률에 의해 진단 지원의 감도를 조정하는 것을 설명하였지만, 의료용 검사 데이터 취득 장치로부터 얻어지는 검사 데이터는 표준적인 파라미터에 의해 취득되었다고 가정하고 있었다.

제2 실시 형태에서는, 환자의 발증 확률에 따른 의료용 검사 데이터 취득 장치의 취득 파라미터의 변경에 대하여 설명한다.

의료용 검사 데이터 취득 장치의 종류에도 의존하지만, 취득된 검사 데이터의 선명함을 올리고자 하면, 환자의 부하(검사의 침습성)도 증가하는 경우가 있다. 예를 들어, X선 CT 장치의 경우에는, X선관의 전압이나 전량을 줄여 환자의 피폭량을 억제하고자 하면, 얻어지는 단면 화상의 노이즈가 증가된다. 또는, X선관(X선원)의 선량을 줄이지 않고 환자로의 전체의 피폭량을 줄이는 방법으로서 베드의 이동 속도를 올리는 것을 생각할 수 있지만, 단면 화상간의 간격이 커져, 병변이 단면 화상으로부터 벗어나 비치지 않을 가능성이 있다.

본 실시 형태에서는, 제1 실시 형태에서 산출된 환자의 발증 확률에 따라 의료용 검사 데이터 취득 장치의 취득 파라미터의 변경을 행한다.

X선 CT 장치에서, 발증 확률이 낮다고 판단된 경우, X선원으로부터의 선량을 떨어뜨리거나 또는 단면 간격을 크게 한다. 한편, 발증 확률이 높다고 판단된 경우, 더 선명한 의료용 화상을 얻기 위해 X선량을 늘리거나, 단면 간격을 작게 한다.

또는, 특정한 부위에서의 발증 확률이 높으면, 그 부위만 촬영을 선명하게 행하거나, 그외의 부위를 부하가 더 적은 방법으로 검사하는 것도 가능하다.

또는, 검사 데이터의 산출 알고리즘의 변경도 생각할 수 있다. X선 CT 장치의 경우에는 재구성 알고리즘을 바꿀 수 있으므로, 발증 확률이 높은 경우에는 느려도 더욱 선명한 화상이 얻어지는 알고리즘을 선택하거나, 발증 확률이 낮은 경우에는 빠른 알고리즘을 선택해도 좋다.

또한, MRI용의 조영제의 양 등의 취득 파라미터를 조정해도 좋다. 또한, 발증 확률은 의료용 검사 데이터 취득 장치의 선정에도 사용할 수 있다. 예를 들어, 발증 확률이 높다고 추정된 경우, 그 증례의 검사에 의해 어울리는 검사(예: PET)를 행하는 것도 가능하다.

이상과 같이, 제2 실시 형태에 따르면, 환자의 이력으로부터 추정된 발증 확률에 따라 검사 장치의 취득 파라미터를 조정함으로써, 그 증례의 특징을 더 상세하게 취득할 수 있다.

(제3 실시 형태)

제2 실시 형태에서는, 환자의 발증 확률에 의해 의료용 검사 데이터 취득 장치의 취득 파라미터를 변경함으로써 발증 확률이 높은 병변을 더 정확하게 검출할 수 있는 것을 설명하였다.

단, 최종 진단은 영상 판독 의사 또는 주치의 등, 진단을 하는 자격을 갖는 의사가 행하므로, 진단을 확정하기 위해 화상 진단 지원 장치는 병변 후보의 정보 이외에, 병변을 후보로 한 기준의 정보도 제시할 필요가 있다.

여기에서, 화상 진단 지원 장치(1)는 검출된 병변 후보의 관련 정보와 영상 판독 리포트와 함께, 환자의 발증 확률이나 감도 파라미터의 변경(변경된 파라미터, 그 값 또는 변경된 알고리즘)과 그 이유와 근거를 의사에게 제시한다. 또는, 결과 출력 방법으로서, 종이 매체의 영상 판독 리포트 이외에 영상 판독에 이용하는 단말기 화면에 표시해도 좋고 또는 그외의 제시 방법이어도 좋다.

이상과 같이, 제3 실시 형태에 따르면, 진단 리포트와 함께 감도 파라미터의 발증 확률이나 변경 정보를 제시함으로써, 더 정확한 진단을 행할 수 있다. 또한, 의사는 환자의 건강을 더 잘 파악할 수도 있고, 그 정보의 관리도 가능하게 된다.

(그외의 실시 형태)

본 발명의 목적은, 전술한 실시 형태의 기능을 실현하는 프로그램을 기억한 컴퓨터 판독 가능한 기억 매체를 시스템 혹은 장치에 공급하는 것이다. 그리고, 그 시스템 혹은 장치의 컴퓨터(또는 CPU나 MPU)가 기억 매체에 저장된 프로그램 코드를 판독하여 실행함으로써도 달성되는 것은 물론이다.

이 경우, 기억 매체로부터 판독된 프로그램 코드 자체가 전술한 실시 형태의 기능을 실현하게 되어, 그 프로그램 코드를 기억한 기억 매체는 본 발명을 구성하게 된다.

프로그램 코드를 공급하기 위한 기억 매체로서는, 예를 들어, 플로피 디스크, 하드 디스크, 광 디스크, 광자기 디스크, CD-ROM, CD-R, 자기테이프, 비휘발성의 메모리 카드, ROM 등을 사용할 수 있다.

또한, 컴퓨터가 판독한 프로그램 코드를 실행함으로써, 전술한 실시 형태의 기능이 실현될 뿐만 아니라, 그 프로그램 코드의 지시에 기초하여, 컴퓨터 상에서 가동하고 있는 OS(오퍼레이팅 시스템) 등이 실제의 처리의 일부 또는 전부를 행한다. 그리고, 그 처리에 의해 전술한 실시 형태의 기능이 실현되는 경우도 포함되는 것은 물론이다.

또한, 기억 매체로부터 판독된 프로그램 코드가, 컴퓨터에 삽입된 기능 확장 보드나 컴퓨터에 접속된 기능 확장 유닛에 구비되는 메모리에 기입된 후에, 그 프로그램 코드의 지시에 기초하여, 그 기능 확장 보드나 기능 확장 유닛에 구비되는 CPU(100) 등이 실제 처리의 일부 또는 전부를 행하고, 그 처리에 의해 전술한 실시 형태의 기능이 실현되는 경우도 포함되는 것은 물론이다.

또한, 상술한 본 실시 형태에서의 기술은, 본 발명에 관한 적합한 진단 지원 장치의 일례이며, 본 발명은 이것에 한정되는 것은 아니다.

본 발명의 구성에 의해, 피검자의 검사 이력을 고려한 컴퓨터 처리에 의한 진단 정보를 제공하는 구조를 제공할 수 있다.

본 발명은 상기 실시 형태에 제한되는 것은 아니며, 본 발명의 사상 및 범위로부터 이탈하지 않고, 여러 변경 및 변형이 가능하다. 따라서, 본 발명의 범위를 공개하기 위해 이하의 청구항을 첨부한다.

본원은, 2007년 10월 18일에 제출한 일본 특허 출원 제2007-271300을 기초로 하여 우선권을 주장하는 것이며, 그 기재 내용의 모두를 여기에 원용한다.

Claims (9)

1. 피검자의 데이터로부터, 병변에 관한 정보를 취득하는 진단 지원 처리 수단과,
   상기 병변에 관한 정보의 특징량과 증례를 관련시켜 보존한 증례 데이터베이스를 구비하고,
   상기 진단 지원 처리 수단은, 상기 병변에 관한 정보로부터 특징량을 산출하고, 상기 증례 데이터베이스에 보존되는 증례가 있는 특징량과의 유사도로부터, 상기 병변의 의학적 중요도를 구하는 것을 특징으로 하는, 진단 지원 장치.
2. 제1항에 있어서,
   상기 증례 데이터베이스는 이종 질병간의 상대적인 중태도(disease severity)인 중요 질병도 A, 진행도 B 및 관련 질병도 C를 보존하고 있으며,
   상기 진단 지원 처리 수단은, 상기 의학적 중요도 I를 I=A*B*C 가 되는 식으로부터 산출하는 것을 특징으로 하는, 진단 지원 장치.
3. 제1항에 있어서,
   상기 피검자의 검사 이력을 기억하는 기억 수단과,
   상기 기억 수단에 기억된 상기 피검자의 검사 이력에 따라 상기 진단 지원 처리 수단에 있어서 처리 대상이 되는 병변의 크기를 변경하는 변경 수단을 더 구비한 것을 특징으로 하는, 진단 지원 장치.
4. 제3항에 있어서,
   상기 기억 수단은 상기 피검자의 병변의 크기를 기억하고,
   상기 변경 수단은, 상기 기억 수단에 기억된 상기 피검자의 병변의 크기와, 상기 병변의 촬상 시로부터의 경과 시간에 따라 상기 진단 지원 처리 수단의 처리 대상이 되는 병변의 크기를 변경하는 것을 특징으로 하는, 진단 지원 장치.
5. 제3항에 있어서,
   상기 변경 수단은, 상기 피검자의 검사 이력에 따라 병변의 발증 확률을 계산하고, 상기 발증 확률에 따라 상기 진단 지원 처리 수단의 처리 방법을 변경하는 것을 특징으로 하는, 진단 지원 장치.
6. 제3항에 있어서,
   상기 변경 수단은, 상기 진단 지원 처리 수단에 의해 사용되는 처리 함수의 파라미터, 처리 함수의 알고리즘 또는 처리 함수의 출력값의 임계값을 변경하는 것을 특징으로 하는, 진단 지원 장치.
7. 제1항에 있어서,
   상기 진단 지원 처리 수단의 처리 방법의 변경 정보, 또는 상기 진단 지원 처리 수단의 처리 결과를 출력하는 데이터 출력 수단을 더 갖는 것을 특징으로 하는, 진단 지원 장치.
8. 제3항에 기재된 진단 지원 장치와,
   피검자로부터 데이터를 취득하는 의료용 검사 데이터 취득 장치
   를 구비하고,
   상기 변경 수단은, 상기 병변의 의학적 중요도에 따라, 상기 의료용 검사 데이터 취득 장치의 취득 파라미터를 변경하는 것을 특징으로 하는, 진단 지원 시스템.
9. 병변에 관한 정보의 특징량과 증례를 관련시켜 보존한 증례 데이터베이스를 구비한 진단 지원 장치의 제어 방법이며,
   피검자의 데이터로부터, 병변에 관한 정보를 취득하고, 상기 병변에 관한 정보와의 유사도로부터 상기 병변의 의학적 중요도를 구하는 것을 특징으로 하는, 진단 지원 장치의 제어 방법.

Images