KR20230066277A - 의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스 - Google Patents
의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스 Download PDFInfo
- Publication number
- KR20230066277A KR20230066277A KR1020227045393A KR20227045393A KR20230066277A KR 20230066277 A KR20230066277 A KR 20230066277A KR 1020227045393 A KR1020227045393 A KR 1020227045393A KR 20227045393 A KR20227045393 A KR 20227045393A KR 20230066277 A KR20230066277 A KR 20230066277A
- Authority
- KR
- South Korea
- Prior art keywords
- plaque
- parameters
- subject
- patient
- medical
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 743
- 238000010191 image analysis Methods 0.000 title claims abstract description 101
- 201000010099 disease Diseases 0.000 title claims abstract description 91
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 91
- 238000003745 diagnosis Methods 0.000 title abstract description 28
- 238000013517 stratification Methods 0.000 title abstract description 12
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 145
- 239000000203 mixture Substances 0.000 claims abstract description 30
- 238000010606 normalization Methods 0.000 claims description 433
- 210000004351 coronary vessel Anatomy 0.000 claims description 290
- 201000001320 Atherosclerosis Diseases 0.000 claims description 270
- 210000001367 artery Anatomy 0.000 claims description 255
- 238000004422 calculation algorithm Methods 0.000 claims description 238
- 229910052791 calcium Inorganic materials 0.000 claims description 196
- 239000011575 calcium Substances 0.000 claims description 195
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 192
- 206010003210 Arteriosclerosis Diseases 0.000 claims description 191
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 163
- 238000011282 treatment Methods 0.000 claims description 150
- 230000036262 stenosis Effects 0.000 claims description 148
- 208000037804 stenosis Diseases 0.000 claims description 145
- 238000004458 analytical method Methods 0.000 claims description 144
- 238000003384 imaging method Methods 0.000 claims description 135
- 230000002792 vascular Effects 0.000 claims description 135
- 238000012360 testing method Methods 0.000 claims description 131
- 238000012502 risk assessment Methods 0.000 claims description 70
- 208000029078 coronary artery disease Diseases 0.000 claims description 69
- 239000002872 contrast media Substances 0.000 claims description 62
- 208000028867 ischemia Diseases 0.000 claims description 61
- 238000002059 diagnostic imaging Methods 0.000 claims description 59
- 238000003860 storage Methods 0.000 claims description 58
- 239000008280 blood Substances 0.000 claims description 50
- 210000004369 blood Anatomy 0.000 claims description 50
- 230000004044 response Effects 0.000 claims description 49
- 239000000758 substrate Substances 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 43
- 210000001715 carotid artery Anatomy 0.000 claims description 41
- 238000011002 quantification Methods 0.000 claims description 37
- 210000003141 lower extremity Anatomy 0.000 claims description 36
- 210000000709 aorta Anatomy 0.000 claims description 32
- 210000001627 cerebral artery Anatomy 0.000 claims description 30
- 210000002254 renal artery Anatomy 0.000 claims description 29
- 230000017531 blood circulation Effects 0.000 claims description 22
- 230000036541 health Effects 0.000 claims description 22
- 230000002411 adverse Effects 0.000 claims description 18
- 238000002560 therapeutic procedure Methods 0.000 claims description 18
- 238000013160 medical therapy Methods 0.000 claims description 17
- 230000007246 mechanism Effects 0.000 claims description 14
- 238000013459 approach Methods 0.000 claims description 13
- 230000006641 stabilisation Effects 0.000 claims description 13
- 238000011105 stabilization Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 208000032594 Vascular Remodeling Diseases 0.000 claims description 7
- 238000010968 computed tomography angiography Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000002107 myocardial effect Effects 0.000 claims description 5
- 210000005166 vasculature Anatomy 0.000 claims description 5
- 230000003278 mimic effect Effects 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000005855 radiation Effects 0.000 abstract description 201
- 238000002591 computed tomography Methods 0.000 description 358
- 230000008569 process Effects 0.000 description 140
- 235000019197 fats Nutrition 0.000 description 107
- 239000000463 material Substances 0.000 description 104
- 230000008859 change Effects 0.000 description 92
- 230000002526 effect on cardiovascular system Effects 0.000 description 85
- 238000010801 machine learning Methods 0.000 description 84
- 238000013473 artificial intelligence Methods 0.000 description 81
- 239000000523 sample Substances 0.000 description 80
- 230000007211 cardiovascular event Effects 0.000 description 67
- 230000006870 function Effects 0.000 description 64
- 238000010586 diagram Methods 0.000 description 61
- 238000007634 remodeling Methods 0.000 description 61
- 238000004891 communication Methods 0.000 description 53
- 239000003814 drug Substances 0.000 description 53
- 229940079593 drug Drugs 0.000 description 52
- 238000012545 processing Methods 0.000 description 48
- 239000000126 substance Substances 0.000 description 48
- 238000004393 prognosis Methods 0.000 description 41
- 230000000875 corresponding effect Effects 0.000 description 39
- 230000000877 morphologic effect Effects 0.000 description 38
- 238000002604 ultrasonography Methods 0.000 description 31
- 208000010125 myocardial infarction Diseases 0.000 description 30
- 230000003595 spectral effect Effects 0.000 description 27
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 26
- 230000007717 exclusion Effects 0.000 description 26
- 230000001965 increasing effect Effects 0.000 description 26
- 238000012014 optical coherence tomography Methods 0.000 description 26
- 238000012800 visualization Methods 0.000 description 26
- 230000009466 transformation Effects 0.000 description 25
- 230000008901 benefit Effects 0.000 description 24
- 230000007406 plaque accumulation Effects 0.000 description 24
- 229940121710 HMGCoA reductase inhibitor Drugs 0.000 description 23
- 238000004497 NIR spectroscopy Methods 0.000 description 23
- 230000000747 cardiac effect Effects 0.000 description 23
- 210000002216 heart Anatomy 0.000 description 23
- 238000013507 mapping Methods 0.000 description 22
- 238000005192 partition Methods 0.000 description 21
- 238000002513 implantation Methods 0.000 description 20
- 208000004434 Calcinosis Diseases 0.000 description 19
- 208000024172 Cardiovascular disease Diseases 0.000 description 19
- 230000002308 calcification Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 18
- 230000003902 lesion Effects 0.000 description 18
- 239000000090 biomarker Substances 0.000 description 17
- 238000001228 spectrum Methods 0.000 description 17
- 201000000057 Coronary Stenosis Diseases 0.000 description 16
- 238000012512 characterization method Methods 0.000 description 16
- 230000002950 deficient Effects 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 16
- 230000002452 interceptive effect Effects 0.000 description 16
- 238000002595 magnetic resonance imaging Methods 0.000 description 16
- 238000009206 nuclear medicine Methods 0.000 description 16
- 238000002600 positron emission tomography Methods 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 15
- 208000019622 heart disease Diseases 0.000 description 15
- 238000002608 intravascular ultrasound Methods 0.000 description 15
- 238000002483 medication Methods 0.000 description 15
- 238000012552 review Methods 0.000 description 15
- 238000001356 surgical procedure Methods 0.000 description 15
- 230000009977 dual effect Effects 0.000 description 14
- 238000002603 single-photon emission computed tomography Methods 0.000 description 14
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 13
- 206010020772 Hypertension Diseases 0.000 description 13
- 208000006011 Stroke Diseases 0.000 description 13
- 235000014510 cooky Nutrition 0.000 description 13
- 238000002592 echocardiography Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 13
- 239000002471 hydroxymethylglutaryl coenzyme A reductase inhibitor Substances 0.000 description 13
- 239000003550 marker Substances 0.000 description 13
- 230000002861 ventricular Effects 0.000 description 13
- 206010003211 Arteriosclerosis coronary artery Diseases 0.000 description 12
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 12
- 239000000853 adhesive Substances 0.000 description 12
- 230000001070 adhesive effect Effects 0.000 description 12
- 238000013527 convolutional neural network Methods 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 12
- 210000001364 upper extremity Anatomy 0.000 description 12
- 206010061818 Disease progression Diseases 0.000 description 11
- 230000002238 attenuated effect Effects 0.000 description 11
- 230000036996 cardiovascular health Effects 0.000 description 11
- 208000026758 coronary atherosclerosis Diseases 0.000 description 11
- 230000005750 disease progression Effects 0.000 description 11
- 238000007789 sealing Methods 0.000 description 11
- 238000000844 transformation Methods 0.000 description 11
- 230000001746 atrial effect Effects 0.000 description 10
- 238000009534 blood test Methods 0.000 description 10
- 238000009792 diffusion process Methods 0.000 description 10
- 230000000670 limiting effect Effects 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 10
- 230000002123 temporal effect Effects 0.000 description 10
- 210000001519 tissue Anatomy 0.000 description 10
- 210000005003 heart tissue Anatomy 0.000 description 9
- 230000001976 improved effect Effects 0.000 description 9
- 210000004165 myocardium Anatomy 0.000 description 9
- 230000007505 plaque formation Effects 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000003190 augmentative effect Effects 0.000 description 8
- 235000012000 cholesterol Nutrition 0.000 description 8
- 230000001684 chronic effect Effects 0.000 description 8
- 230000007423 decrease Effects 0.000 description 8
- 230000003247 decreasing effect Effects 0.000 description 8
- 230000000302 ischemic effect Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 210000003484 anatomy Anatomy 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000034994 death Effects 0.000 description 7
- 231100000517 death Toxicity 0.000 description 7
- 206010012601 diabetes mellitus Diseases 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 239000003607 modifier Substances 0.000 description 7
- 230000000250 revascularization Effects 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 6
- 208000007536 Thrombosis Diseases 0.000 description 6
- 230000035508 accumulation Effects 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 6
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 6
- 229910052737 gold Inorganic materials 0.000 description 6
- 239000010931 gold Substances 0.000 description 6
- 238000012977 invasive surgical procedure Methods 0.000 description 6
- 229910052742 iron Inorganic materials 0.000 description 6
- 210000005240 left ventricle Anatomy 0.000 description 6
- 210000004072 lung Anatomy 0.000 description 6
- 238000002705 metabolomic analysis Methods 0.000 description 6
- 230000001431 metabolomic effect Effects 0.000 description 6
- 210000004115 mitral valve Anatomy 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 5
- 238000002399 angioplasty Methods 0.000 description 5
- 210000000702 aorta abdominal Anatomy 0.000 description 5
- 238000009556 duplex ultrasonography Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 239000011630 iodine Substances 0.000 description 5
- 229910052740 iodine Inorganic materials 0.000 description 5
- 238000010339 medical test Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 210000001147 pulmonary artery Anatomy 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 210000002966 serum Anatomy 0.000 description 5
- 238000012285 ultrasound imaging Methods 0.000 description 5
- 206010061218 Inflammation Diseases 0.000 description 4
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 4
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 4
- 229910052769 Ytterbium Inorganic materials 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 238000002266 amputation Methods 0.000 description 4
- 238000002583 angiography Methods 0.000 description 4
- 210000001765 aortic valve Anatomy 0.000 description 4
- 238000003556 assay Methods 0.000 description 4
- 229910052797 bismuth Inorganic materials 0.000 description 4
- JCXGWMGPZLAOME-UHFFFAOYSA-N bismuth atom Chemical compound [Bi] JCXGWMGPZLAOME-UHFFFAOYSA-N 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 4
- 210000002302 brachial artery Anatomy 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 239000012153 distilled water Substances 0.000 description 4
- 239000003925 fat Substances 0.000 description 4
- 230000004054 inflammatory process Effects 0.000 description 4
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 4
- 238000009533 lab test Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 210000005246 left atrium Anatomy 0.000 description 4
- 210000004185 liver Anatomy 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 210000003516 pericardium Anatomy 0.000 description 4
- 210000005245 right atrium Anatomy 0.000 description 4
- 210000005241 right ventricle Anatomy 0.000 description 4
- 230000000391 smoking effect Effects 0.000 description 4
- 230000002966 stenotic effect Effects 0.000 description 4
- 208000011580 syndromic disease Diseases 0.000 description 4
- 239000003826 tablet Substances 0.000 description 4
- 229910052715 tantalum Inorganic materials 0.000 description 4
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 description 4
- 230000001225 therapeutic effect Effects 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 210000000591 tricuspid valve Anatomy 0.000 description 4
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 4
- 229910052721 tungsten Inorganic materials 0.000 description 4
- 239000010937 tungsten Substances 0.000 description 4
- 229940116269 uric acid Drugs 0.000 description 4
- 210000001631 vena cava inferior Anatomy 0.000 description 4
- 210000002620 vena cava superior Anatomy 0.000 description 4
- NAWDYIZEMPQZHO-UHFFFAOYSA-N ytterbium Chemical compound [Yb] NAWDYIZEMPQZHO-UHFFFAOYSA-N 0.000 description 4
- ABDDQTDRAHXHOC-QMMMGPOBSA-N 1-[(7s)-5,7-dihydro-4h-thieno[2,3-c]pyran-7-yl]-n-methylmethanamine Chemical compound CNC[C@@H]1OCCC2=C1SC=C2 ABDDQTDRAHXHOC-QMMMGPOBSA-N 0.000 description 3
- 206010002329 Aneurysm Diseases 0.000 description 3
- 208000001132 Osteoporosis Diseases 0.000 description 3
- 239000003570 air Substances 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 210000000748 cardiovascular system Anatomy 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000002224 dissection Methods 0.000 description 3
- -1 for example Chemical compound 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 210000003102 pulmonary valve Anatomy 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000011269 treatment regimen Methods 0.000 description 3
- 208000019553 vascular disease Diseases 0.000 description 3
- IAKHMKGGTNLKSZ-INIZCTEOSA-N (S)-colchicine Chemical compound C1([C@@H](NC(C)=O)CC2)=CC(=O)C(OC)=CC=C1C1=C2C=C(OC)C(OC)=C1OC IAKHMKGGTNLKSZ-INIZCTEOSA-N 0.000 description 2
- BYHQTRFJOGIQAO-GOSISDBHSA-N 3-(4-bromophenyl)-8-[(2R)-2-hydroxypropyl]-1-[(3-methoxyphenyl)methyl]-1,3,8-triazaspiro[4.5]decan-2-one Chemical compound C[C@H](CN1CCC2(CC1)CN(C(=O)N2CC3=CC(=CC=C3)OC)C4=CC=C(C=C4)Br)O BYHQTRFJOGIQAO-GOSISDBHSA-N 0.000 description 2
- 206010000060 Abdominal distension Diseases 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 2
- 200000000007 Arterial disease Diseases 0.000 description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 2
- 206010014561 Emphysema Diseases 0.000 description 2
- 206010073306 Exposure to radiation Diseases 0.000 description 2
- 208000004930 Fatty Liver Diseases 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 206010019708 Hepatic steatosis Diseases 0.000 description 2
- 208000007177 Left Ventricular Hypertrophy Diseases 0.000 description 2
- PCZOHLXUXFIOCF-UHFFFAOYSA-N Monacolin X Natural products C12C(OC(=O)C(C)CC)CC(C)C=C2C=CC(C)C1CCC1CC(O)CC(=O)O1 PCZOHLXUXFIOCF-UHFFFAOYSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 229940127355 PCSK9 Inhibitors Drugs 0.000 description 2
- 229940122392 PCSK9 inhibitor Drugs 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000002716 delivery method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000002651 drug therapy Methods 0.000 description 2
- 239000003623 enhancer Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 125000001495 ethyl group Chemical group [H]C([H])([H])C([H])([H])* 0.000 description 2
- 208000010706 fatty liver disease Diseases 0.000 description 2
- 210000003811 finger Anatomy 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- PCZOHLXUXFIOCF-BXMDZJJMSA-N lovastatin Chemical compound C([C@H]1[C@@H](C)C=CC2=C[C@H](C)C[C@@H]([C@H]12)OC(=O)[C@@H](C)CC)C[C@@H]1C[C@@H](O)CC(=O)O1 PCZOHLXUXFIOCF-BXMDZJJMSA-N 0.000 description 2
- 229960004844 lovastatin Drugs 0.000 description 2
- QLJODMDSTUBWDW-UHFFFAOYSA-N lovastatin hydroxy acid Natural products C1=CC(C)C(CCC(O)CC(O)CC(O)=O)C2C(OC(=O)C(C)CC)CC(C)C=C21 QLJODMDSTUBWDW-UHFFFAOYSA-N 0.000 description 2
- 230000013011 mating Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 239000010813 municipal solid waste Substances 0.000 description 2
- 230000001338 necrotic effect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 208000037920 primary disease Diseases 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 210000003492 pulmonary vein Anatomy 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 208000015670 renal artery disease Diseases 0.000 description 2
- 230000037390 scarring Effects 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 231100000240 steatosis hepatitis Toxicity 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 210000000779 thoracic wall Anatomy 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000006438 vascular health Effects 0.000 description 2
- UKGJZDSUJSPAJL-YPUOHESYSA-N (e)-n-[(1r)-1-[3,5-difluoro-4-(methanesulfonamido)phenyl]ethyl]-3-[2-propyl-6-(trifluoromethyl)pyridin-3-yl]prop-2-enamide Chemical compound CCCC1=NC(C(F)(F)F)=CC=C1\C=C\C(=O)N[C@H](C)C1=CC(F)=C(NS(C)(=O)=O)C(F)=C1 UKGJZDSUJSPAJL-YPUOHESYSA-N 0.000 description 1
- ZGYIXVSQHOKQRZ-COIATFDQSA-N (e)-n-[4-[3-chloro-4-(pyridin-2-ylmethoxy)anilino]-3-cyano-7-[(3s)-oxolan-3-yl]oxyquinolin-6-yl]-4-(dimethylamino)but-2-enamide Chemical compound N#CC1=CN=C2C=C(O[C@@H]3COCC3)C(NC(=O)/C=C/CN(C)C)=CC2=C1NC(C=C1Cl)=CC=C1OCC1=CC=CC=N1 ZGYIXVSQHOKQRZ-COIATFDQSA-N 0.000 description 1
- MOWXJLUYGFNTAL-DEOSSOPVSA-N (s)-[2-chloro-4-fluoro-5-(7-morpholin-4-ylquinazolin-4-yl)phenyl]-(6-methoxypyridazin-3-yl)methanol Chemical compound N1=NC(OC)=CC=C1[C@@H](O)C1=CC(C=2C3=CC=C(C=C3N=CN=2)N2CCOCC2)=C(F)C=C1Cl MOWXJLUYGFNTAL-DEOSSOPVSA-N 0.000 description 1
- APWRZPQBPCAXFP-UHFFFAOYSA-N 1-(1-oxo-2H-isoquinolin-5-yl)-5-(trifluoromethyl)-N-[2-(trifluoromethyl)pyridin-4-yl]pyrazole-4-carboxamide Chemical compound O=C1NC=CC2=C(C=CC=C12)N1N=CC(=C1C(F)(F)F)C(=O)NC1=CC(=NC=C1)C(F)(F)F APWRZPQBPCAXFP-UHFFFAOYSA-N 0.000 description 1
- MJUVRTYWUMPBTR-MRXNPFEDSA-N 1-(2,2-difluoro-1,3-benzodioxol-5-yl)-n-[1-[(2r)-2,3-dihydroxypropyl]-6-fluoro-2-(1-hydroxy-2-methylpropan-2-yl)indol-5-yl]cyclopropane-1-carboxamide Chemical compound FC=1C=C2N(C[C@@H](O)CO)C(C(C)(CO)C)=CC2=CC=1NC(=O)C1(C=2C=C3OC(F)(F)OC3=CC=2)CC1 MJUVRTYWUMPBTR-MRXNPFEDSA-N 0.000 description 1
- HCDMJFOHIXMBOV-UHFFFAOYSA-N 3-(2,6-difluoro-3,5-dimethoxyphenyl)-1-ethyl-8-(morpholin-4-ylmethyl)-4,7-dihydropyrrolo[4,5]pyrido[1,2-d]pyrimidin-2-one Chemical compound C=1C2=C3N(CC)C(=O)N(C=4C(=C(OC)C=C(OC)C=4F)F)CC3=CN=C2NC=1CN1CCOCC1 HCDMJFOHIXMBOV-UHFFFAOYSA-N 0.000 description 1
- YGYGASJNJTYNOL-CQSZACIVSA-N 3-[(4r)-2,2-dimethyl-1,1-dioxothian-4-yl]-5-(4-fluorophenyl)-1h-indole-7-carboxamide Chemical compound C1CS(=O)(=O)C(C)(C)C[C@@H]1C1=CNC2=C(C(N)=O)C=C(C=3C=CC(F)=CC=3)C=C12 YGYGASJNJTYNOL-CQSZACIVSA-N 0.000 description 1
- WNEODWDFDXWOLU-QHCPKHFHSA-N 3-[3-(hydroxymethyl)-4-[1-methyl-5-[[5-[(2s)-2-methyl-4-(oxetan-3-yl)piperazin-1-yl]pyridin-2-yl]amino]-6-oxopyridin-3-yl]pyridin-2-yl]-7,7-dimethyl-1,2,6,8-tetrahydrocyclopenta[3,4]pyrrolo[3,5-b]pyrazin-4-one Chemical compound C([C@@H](N(CC1)C=2C=NC(NC=3C(N(C)C=C(C=3)C=3C(=C(N4C(C5=CC=6CC(C)(C)CC=6N5CC4)=O)N=CC=3)CO)=O)=CC=2)C)N1C1COC1 WNEODWDFDXWOLU-QHCPKHFHSA-N 0.000 description 1
- SRVXSISGYBMIHR-UHFFFAOYSA-N 3-[3-[3-(2-amino-2-oxoethyl)phenyl]-5-chlorophenyl]-3-(5-methyl-1,3-thiazol-2-yl)propanoic acid Chemical compound S1C(C)=CN=C1C(CC(O)=O)C1=CC(Cl)=CC(C=2C=C(CC(N)=O)C=CC=2)=C1 SRVXSISGYBMIHR-UHFFFAOYSA-N 0.000 description 1
- VJPPLCNBDLZIFG-ZDUSSCGKSA-N 4-[(3S)-3-(but-2-ynoylamino)piperidin-1-yl]-5-fluoro-2,3-dimethyl-1H-indole-7-carboxamide Chemical compound C(C#CC)(=O)N[C@@H]1CN(CCC1)C1=C2C(=C(NC2=C(C=C1F)C(=O)N)C)C VJPPLCNBDLZIFG-ZDUSSCGKSA-N 0.000 description 1
- KVCQTKNUUQOELD-UHFFFAOYSA-N 4-amino-n-[1-(3-chloro-2-fluoroanilino)-6-methylisoquinolin-5-yl]thieno[3,2-d]pyrimidine-7-carboxamide Chemical compound N=1C=CC2=C(NC(=O)C=3C4=NC=NC(N)=C4SC=3)C(C)=CC=C2C=1NC1=CC=CC(Cl)=C1F KVCQTKNUUQOELD-UHFFFAOYSA-N 0.000 description 1
- KCBWAFJCKVKYHO-UHFFFAOYSA-N 6-(4-cyclopropyl-6-methoxypyrimidin-5-yl)-1-[[4-[1-propan-2-yl-4-(trifluoromethyl)imidazol-2-yl]phenyl]methyl]pyrazolo[3,4-d]pyrimidine Chemical compound C1(CC1)C1=NC=NC(=C1C1=NC=C2C(=N1)N(N=C2)CC1=CC=C(C=C1)C=1N(C=C(N=1)C(F)(F)F)C(C)C)OC KCBWAFJCKVKYHO-UHFFFAOYSA-N 0.000 description 1
- CYJRNFFLTBEQSQ-UHFFFAOYSA-N 8-(3-methyl-1-benzothiophen-5-yl)-N-(4-methylsulfonylpyridin-3-yl)quinoxalin-6-amine Chemical compound CS(=O)(=O)C1=C(C=NC=C1)NC=1C=C2N=CC=NC2=C(C=1)C=1C=CC2=C(C(=CS2)C)C=1 CYJRNFFLTBEQSQ-UHFFFAOYSA-N 0.000 description 1
- ZRPZPNYZFSJUPA-UHFFFAOYSA-N ARS-1620 Chemical compound Oc1cccc(F)c1-c1c(Cl)cc2c(ncnc2c1F)N1CCN(CC1)C(=O)C=C ZRPZPNYZFSJUPA-UHFFFAOYSA-N 0.000 description 1
- 206010002388 Angina unstable Diseases 0.000 description 1
- 102100040214 Apolipoprotein(a) Human genes 0.000 description 1
- 101710115418 Apolipoprotein(a) Proteins 0.000 description 1
- 239000005552 B01AC04 - Clopidogrel Substances 0.000 description 1
- 238000010989 Bland-Altman Methods 0.000 description 1
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 description 1
- 208000014882 Carotid artery disease Diseases 0.000 description 1
- 208000032064 Chronic Limb-Threatening Ischemia Diseases 0.000 description 1
- 101150104316 Dnase2b gene Proteins 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 229910052688 Gadolinium Inorganic materials 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010053240 Glycogen storage disease type VI Diseases 0.000 description 1
- 208000032041 Hearing impaired Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 208000015580 Increased body weight Diseases 0.000 description 1
- 206010022562 Intermittent claudication Diseases 0.000 description 1
- 206010023230 Joint stiffness Diseases 0.000 description 1
- 108010007622 LDL Lipoproteins Proteins 0.000 description 1
- 102000007330 LDL Lipoproteins Human genes 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 206010027727 Mitral valve incompetence Diseases 0.000 description 1
- AYCPARAPKDAOEN-LJQANCHMSA-N N-[(1S)-2-(dimethylamino)-1-phenylethyl]-6,6-dimethyl-3-[(2-methyl-4-thieno[3,2-d]pyrimidinyl)amino]-1,4-dihydropyrrolo[3,4-c]pyrazole-5-carboxamide Chemical compound C1([C@H](NC(=O)N2C(C=3NN=C(NC=4C=5SC=CC=5N=C(C)N=4)C=3C2)(C)C)CN(C)C)=CC=CC=C1 AYCPARAPKDAOEN-LJQANCHMSA-N 0.000 description 1
- FEYNFHSRETUBEM-UHFFFAOYSA-N N-[3-(1,1-difluoroethyl)phenyl]-1-(4-methoxyphenyl)-3-methyl-5-oxo-4H-pyrazole-4-carboxamide Chemical compound COc1ccc(cc1)N1N=C(C)C(C(=O)Nc2cccc(c2)C(C)(F)F)C1=O FEYNFHSRETUBEM-UHFFFAOYSA-N 0.000 description 1
- SNIOPGDIGTZGOP-UHFFFAOYSA-N Nitroglycerin Chemical compound [O-][N+](=O)OCC(O[N+]([O-])=O)CO[N+]([O-])=O SNIOPGDIGTZGOP-UHFFFAOYSA-N 0.000 description 1
- 239000000006 Nitroglycerin Substances 0.000 description 1
- 208000032026 No-Reflow Phenomenon Diseases 0.000 description 1
- IDRGFNPZDVBSSE-UHFFFAOYSA-N OCCN1CCN(CC1)c1ccc(Nc2ncc3cccc(-c4cccc(NC(=O)C=C)c4)c3n2)c(F)c1F Chemical compound OCCN1CCN(CC1)c1ccc(Nc2ncc3cccc(-c4cccc(NC(=O)C=C)c4)c3n2)c(F)c1F IDRGFNPZDVBSSE-UHFFFAOYSA-N 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000037273 Pathologic Processes Diseases 0.000 description 1
- 206010034576 Peripheral ischaemia Diseases 0.000 description 1
- 206010063837 Reperfusion injury Diseases 0.000 description 1
- 208000034189 Sclerosis Diseases 0.000 description 1
- 208000007718 Stable Angina Diseases 0.000 description 1
- 208000007814 Unstable Angina Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 239000003524 antilipemic agent Substances 0.000 description 1
- 229940127217 antithrombotic drug Drugs 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 239000002876 beta blocker Substances 0.000 description 1
- 229940097320 beta blocking agent Drugs 0.000 description 1
- 238000010876 biochemical test Methods 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 230000037180 bone health Effects 0.000 description 1
- 230000005800 cardiovascular problem Effects 0.000 description 1
- 208000037876 carotid Atherosclerosis Diseases 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 208000024980 claudication Diseases 0.000 description 1
- GKTWGGQPFAXNFI-HNNXBMFYSA-N clopidogrel Chemical compound C1([C@H](N2CC=3C=CSC=3CC2)C(=O)OC)=CC=CC=C1Cl GKTWGGQPFAXNFI-HNNXBMFYSA-N 0.000 description 1
- 229960003009 clopidogrel Drugs 0.000 description 1
- 230000035602 clotting Effects 0.000 description 1
- 229960001338 colchicine Drugs 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 210000003748 coronary sinus Anatomy 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000002091 elastography Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- OLNTVTPDXPETLC-XPWALMASSA-N ezetimibe Chemical compound N1([C@@H]([C@H](C1=O)CC[C@H](O)C=1C=CC(F)=CC=1)C=1C=CC(O)=CC=1)C1=CC=C(F)C=C1 OLNTVTPDXPETLC-XPWALMASSA-N 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000002546 full scan Methods 0.000 description 1
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 1
- 208000001130 gallstones Diseases 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 229960003711 glyceryl trinitrate Drugs 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 238000001093 holography Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 201000004332 intermediate coronary syndrome Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 229940080794 lovastatin 20 mg Drugs 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003680 myocardial damage Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 208000008338 non-alcoholic fatty liver disease Diseases 0.000 description 1
- 231100001160 nonlethal Toxicity 0.000 description 1
- 238000012633 nuclear imaging Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000009054 pathological process Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000002831 pharmacologic agent Substances 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 238000011458 pharmacological treatment Methods 0.000 description 1
- 238000001050 pharmacotherapy Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 239000012217 radiopharmaceutical Substances 0.000 description 1
- 229940121896 radiopharmaceutical Drugs 0.000 description 1
- 230000002799 radiopharmaceutical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- XIIOFHFUYBLOLW-UHFFFAOYSA-N selpercatinib Chemical compound OC(COC=1C=C(C=2N(C=1)N=CC=2C#N)C=1C=NC(=CC=1)N1CC2N(C(C1)C2)CC=1C=NC(=CC=1)OC)(C)C XIIOFHFUYBLOLW-UHFFFAOYSA-N 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- XGVXKJKTISMIOW-ZDUSSCGKSA-N simurosertib Chemical compound N1N=CC(C=2SC=3C(=O)NC(=NC=3C=2)[C@H]2N3CCC(CC3)C2)=C1C XGVXKJKTISMIOW-ZDUSSCGKSA-N 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 208000014221 sudden cardiac arrest Diseases 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000025033 vasoconstriction Effects 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
- A61B6/583—Calibration using calibration phantoms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Clinical applications
- A61B8/0891—Clinical applications for diagnosis of blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/58—Testing, adjusting or calibrating the diagnostic device
- A61B8/587—Calibration phantoms
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
-
- 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
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
본 명세서의 개시내용은 의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스에 관한 것이다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 대상의 비침습적 의료 영상을 분석하여 플라크 및 혈관과 같은 하나 이상의 특징을 자동으로 및/또는 동적으로 식별하고 그리고/또는 방사선 밀도, 방사선 밀도 조성, 체적, 방사선 밀도 이질성, 기하학 형상, 위치, 및/또는 등과 같은 하나 이상의 정량화된 플라크 파라미터를 도출하도록 구성된다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 식별된 특징 및/또는 정량화된 파라미터 중 하나 이상을 사용하여 원시 의료 영상으로부터 플라크 기반 질환의 하나 이상의 평가를 생성하도록 추가로 구성된다.
Description
관련 출원에 대한 상호 참조
본 출원은 2021년 1월 5일 출원된 미국 출원 제17/142,120호의 일부 연속 출원이다. 본 출원은 또한 2021년 4월 14일 출원된 미국 가특허 출원 제63/201,142호, 2020년 6월 19일 출원된 제63/041,252호, 2020년 9월 11일 출원된 제63/077,044호, 2020년 9월 11일 출원된 제63/077,058호, 2020년 10월 9일 출원된 제63/089,790호, 및 2021년 1월 28일 출원된 제63/142,873호의 이익을 주장하고, 상기 열거된 각각의 미국 출원은 본 명세서에 그대로 참조로서 합체되어 있다. 외국 또는 국내 우선권 주장이 본 출원과 함께 제출된 출원 데이터 시트에서 식별되어 있는 임의의 및 모든 출원은 37 C.F.R. § 1.57 하에서 본 명세서에 참조로서 합체되어 있다.
분야
본 출원은 의료 영상 분석, 진단, 위험도 층화(risk stratification), 의사 결정(decision making) 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스에 관한 것이다.
관상 동맥 심장 질환은 1,760만명 초과의 미국인에게 영향을 미치고 있다. 심혈관 건강 문제를 치료하는 현재의 경향은 일반적으로 두 가지이다. 첫째, 의사는 일반적으로, 예를 들어 환자의 혈류에 높은 레벨의 콜레스테롤 요소가 있는지 여부를 결정하기 위해 환자의 생화학 또는 혈액 내용물 또는 바이오마커를 분석함으로써, 거시적 레벨로부터 환자의 심혈관 건강을 검토한다. 높은 레벨의 콜레스테롤에 응답하여, 몇몇 의사는 환자의 혈류 내의 높은 레벨의 콜레스테롤 요소로서 인지되는 것을 감소시키기 위해 치료 계획의 부분으로서, 스타틴과 같은 하나 이상의 약물을 처방할 것이다.
현재 심혈관 건강 문제를 치료하기 위한 제2 일반적인 경향은 의사가 환자의 다양한 동맥 내의 큰 폐색을 식별하기 위해 혈관조영술의 사용을 통해 환자의 심혈관 건강을 평가하는 것을 수반한다. 다양한 동맥 내의 큰 폐색을 발견한 것에 응답하여, 의사는 몇몇 경우에 벌룬 카테터가 혈관 내의 좁아지는 지점까지 안내되는 혈관 성형 시술을 수행할 것이다. 적절하게 위치된 후, 벌룬은 플라크 또는 지방 물질을 동맥 벽 내로 압축하거나 평탄화하고 그리고/또는 동맥을 신장시켜 개방하여 혈관을 통해 및/또는 심장으로의 혈액의 유동을 증가시키기 위해 팽창된다. 몇몇 경우에, 혈관 내에 스텐트를 위치시키고 팽창시켜 플라크를 압축하고 그리고/또는 혈관의 개방을 유지하여 더 많은 혈액이 유동할 수 있게 하도록 벌룬이 사용된다. 미국에서는 매년 약 500,000건의 심장 스텐트 시술이 수행된다.
그러나, 최근 연방에서 1억 달러를 지원한 연구에서는 심혈관 질환을 치료하는데 있어서의 현재의 경향이 모든 유형의 환자에게 가장 효과적인 치료인지 여부에 대한 의문을 제기한다. 최근 연구는 37개국 320개의 장소로부터 중등도 내지 중증 안정성 심장 질환이 있는 5,000명 초과의 환자를 대상으로 했으며, 스텐트와 우회 수술 절차가 안정성 심장 질환이 있는 사람들을 위한 생활 습관 변화와 조합된 약물보다 더 효과적이지 않을 가능성이 있다는 것을 보여주는 새로운 증거를 제공했다. 이에 따라, 안정성 심장 질환이 있는 환자가 혈관 성형술 및/또는 심장 우회술과 같은 침습적 수술 절차를 받지 않고, 대신에 스타틴과 같은 심장약, 및 규칙적인 운동과 같은 특정 생활 습관 변화를 처방받는 것이 더 유리할 수도 있다. 이 새로운 치료 요법은 전세계적으로 수천 명의 환자에게 영향을 미칠 수 있다. 미국에서 연간 수행되는 약 500,000건의 심장 스텐트 시술 중에서, 1/5이 안정성 심장 질환이 있는 사람들을 위한 것으로 추정된다. 안정성 심장 질환이 있는 약 100,000명 중 25% 또는 대략 23,000명이 흉통을 경험하지 않는 개인인 것으로 또한 추정된다. 이에 따라, 연간 20,000명 초과의 환자가 침습적 수술 절차 또는 이러한 절차로 인한 합병증을 잠재적으로 받지 않을 수 있다.
환자가 침습적 수술 절차를 받지 않고 대신에 약물 요법을 선택해야 하는지 여부를 결정하기 위해, 환자의 심혈관 질환을 더 완전히 이해하는 것이 중요할 수 있다. 특히, 환자의 동맥 혈관 건강을 더 양호하게 이해하는 것이 유리할 수 있다.
본 명세서에 설명된 다양한 실시예는 의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스에 관한 것이다.
특히, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은, 예를 들어 하나 이상의 관상 동맥 및/또는 그 내의 플라크를 식별하기 위해 자동으로 및/또는 동적으로 의료 영상을 분석하도록 구성된 컴퓨터 시스템에 입력될 수 있는 CT 영상과 같은 비침습적 의료 영상 기술을 이용하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 관상 동맥 및/또는 플라크를 식별, 정량화, 및/또는 분류하기 위해 의료 영상을 자동으로 및/또는 동적으로 분석하기 위해 하나 이상의 기계 학습 및/또는 인공 지능 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어, 하나 이상의 인공 지능 및/또는 기계 학습 알고리즘을 사용하여, 치료 계획을 생성하고, 질환 진행을 추적하고, 그리고/또는 환자-특정 의료 보고를 생성하기 위해 식별, 정량화 및/또는 분류된 하나 이상의 관상 동맥 및/또는 플라크를 이용하도록 추가로 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 그래픽 사용자 인터페이스의 형태로 식별, 정량화 및/또는 분류된 하나 이상의 관상 동맥 및/또는 플라크의 시각화를 동적으로 및/또는 자동으로 생성하도록 추가로 구성될 수 있다. 또한, 몇몇 실시예에서, 상이한 의료 영상 스캐너 및/또는 상이한 스캔 파라미터 또는 환경으로부터 획득된 의료 영상을 보정하기 위해, 시스템은 하나 이상의 물질의 하나 이상의 구획을 포함하는 정규화 디바이스를 이용하도록 구성될 수 있다.
몇몇 실시예에서, 알고리즘 기반의 의료 영상 분석을 위해 대상의 관상 영역의 의료 영상을 정규화하도록 구성된 정규화 디바이스는 적어도 환자의 관심 영역 및 정규화 디바이스가 의료 이미저에 의해 촬영된 의료 영상에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 환자와 함께 의료 이미저에 배치될 크기 및 형상으로 구성된 기판; 기판 상에 또는 내에 위치된 복수의 구획으로서, 복수의 구획의 배열은 기판 상에 또는 내에 고정되는, 복수의 구획; 복수의 샘플로서, 복수의 샘플의 각각은 복수의 구획 중 하나 내에 위치되고, 복수의 샘플의 각각의 체적, 절대 밀도 및 상대 밀도가 알려져 있는 복수의 샘플을 포함하고, 복수의 샘플은 조영제 샘플의 세트로서, 각각의 조영제 샘플은 조영제 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 조영제 샘플의 세트; 칼슘 샘플의 세트로서, 각각의 칼슘 샘플은 칼슘 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는 칼슘 샘플의 세트; 및 지방 샘플의 세트로서, 각각의 지방 샘플은 지방 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 지방 샘플의 세트를 포함하고; 조영제 샘플의 세트는 칼슘 샘플의 세트 및 지방 샘플 세트가 조영제 샘플의 세트를 둘러싸도록 복수의 구획 내에 배열된다.
몇몇 실시예에서, 정규화 디바이스는 기판 상에 배치된 부착 메커니즘을 더 포함하고, 부착 메커니즘은 환자 및 정규화 디바이스의 관심 영역이 의료 이미저에 의해 촬영된 의료 영상 내에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 정규화 디바이스를 환자에게 부착하도록 구성된다. 정규화 디바이스의 몇몇 실시예에서, 조영제 샘플의 세트는 4개의 조영제 샘플을 포함하고; 칼슘 샘플의 세트는 4개의 칼슘 샘플을 포함하고; 지방 샘플의 세트는 4개의 지방 샘플을 포함한다. 정규화 디바이스의 몇몇 실시예에서, 복수의 샘플은 공기 샘플 및 물 샘플 중 적어도 하나를 더 포함한다. 정규화 디바이스의 몇몇 실시예에서, 제1 조영제 샘플의 체적은 제2 조영제 샘플의 체적과는 상이하고; 제1 칼슘 샘플의 체적은 제2 칼슘 샘플의 체적과는 상이하고; 제1 지방 샘플의 체적은 제2 지방 샘플의 체적과는 상이하다. 정규화 디바이스의 몇몇 실시예에서, 제1 조영제 샘플은 제2 조영제 샘플, 제1 칼슘 샘플 및 제1 지방 샘플에 인접하도록 복수의 구획 내에 배열된다. 정규화 디바이스의 몇몇 실시예에서, 제1 칼슘 샘플은 제2 칼슘 샘플, 제1 조영제 샘플 및 제1 지방 샘플에 인접하도록 복수의 구획 내에 배열된다. 정규화 디바이스의 몇몇 실시예에서, 제1 지방 샘플은 제2 지방 샘플, 제1 조영제 샘플 및 제1 칼슘 샘플에 인접하도록 복수의 구획 내에 배열된다. 정규화 디바이스의 몇몇 실시예에서, 조영제 샘플의 세트, 칼슘 샘플의 세트 및 지방 샘플 세트는 혈관을 모방하는 방식으로 배열된다.
몇몇 실시예에서, 정규화 디바이스를 사용하여 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 컴퓨터 구현 방법이며, 의료 영상의 정규화는 알고리즘 기반 영상 분석의 정확도를 개선시키고, 방법은: 제1 동맥 베드의 제1 세트의 영상 및 제2 동맥 베드의 제1 세트의 영상을 수신하는 단계로서, 제2 동맥 베드는 제1 동맥 베드와 비연속적이고, 제1 동맥 베드의 제1 세트의 영상과 제2 동맥 베드의 제1 세트의 영상 중 적어도 하나는 정규화 디바이스를 사용하여 정규화되는, 수신 단계, 제1 동맥 베드의 제1 세트의 영상을 사용하여 제1 동맥 베드 내의 ASCVD를 정량화하는 단계, 제2 동맥 베드의 제1 세트의 영상을 사용하여 제2 동맥 베드 내의 ASCVD를 정량화하는 단계, 및 제1 동맥 베드 내의 정량화된 ASCVD 및 제2 동맥 베드 내의 정량화된 ASCVD에 기초하여 제1 ASCVD 위험 스코어를 결정하는 단계를 포함한다.
몇몇 실시예에서, 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 방법은 제1 동맥 베드의 정량화된 ASCVD 및 제1 동맥 베드에 대한 가중된 불리한 이벤트에 기초하여 제1 동맥 베드의 제1 가중 평가를 결정하는 단계; 및 제2 동맥 베드의 정량화된 ASCVD 및 제2 동맥 베드에 대한 가중된 불리한 이벤트에 기초하여 제2 동맥 베드의 제2 가중 평가를 결정하는 단계를 더 포함하고, 제1 ASCVD 위험 스코어를 결정하는 단계는 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 위험 스코어를 결정하는 단계를 더 포함한다. 또한, 몇몇 실시예에서, 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 방법은 제1 동맥 베드의 제2 세트의 영상 및 제2 동맥 베드의 제2 세트의 영상을 수신하는 단계로서, 제1 동맥 베드의 제2 세트의 영상은 제1 동맥 베드 제1 세트의 영상을 생성한 후에 생성되고, 제2 동맥 베드의 제2 세트의 영상은 제2 동맥 베드의 제1 세트의 영상을 생성한 후에 생성되는, 수신 단계, 제1 동맥 베드의 제2 세트의 영상을 사용하여 제1 동맥 베드 내의 ASCVD를 정량화하는 단계, 제2 동맥 베드 제2 세트의 영상을 사용하여 제2 동맥 베드 내의 ASCVD를 정량화하는 단계, 및 제2 세트의 영상을 사용하여 제1 동맥 베드 내의 정량화된 ASCVD 및 제2 세트의 영상을 사용하여 제2 동맥 베드 내의 정량화된 ASCVD에 기초하여 제2 ASCVD 위험 스코어를 결정하는 단계를 더 포함할 수 있다. 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 방법의 몇몇 실시예에서, 제2 ASCVD 위험 스코어를 결정하는 단계는 또한 제1 ASCVD 위험 스코어에 기초한다. 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 방법의 몇몇 실시예에서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나의 동맥을 포함하고, 제2 동맥 베드는 제1 동맥 베드의 동맥과는 상이한 대동맥, 경동맥, 하지 동맥, 신장 동맥, 또는 대뇌 동맥 중 하나의 동맥을 포함한다.
몇몇 실시예에서, 정규화 디바이스를 사용하여 생성된 영상에 기초하는 환자에 대한 멀티미디어 의료 보고를 생성하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 의료 보고는 환자에 대한 하나 이상의 시험과 연관되고, 방법은: 환자에 대한 의료 보고를 생성하라는 요청의 입력을 수신하는 단계로서, 요청은 의료 보고에 대한 포맷을 나타내는, 요청의 입력을 수신하는 단계; 환자에 관련하는 환자 정보를 수신하는 단계로서, 환자 정보는 보고 생성 요청과 연관되는, 수신 단계; 환자 정보를 사용하여 환자와 연관된 하나 이상의 환자 특성을 결정하는 단계; 의료 보고의 유형과 환자 의료 정보 사이의 연관성에 액세스하는 단계로서, 환자 의료 정보는 환자와 관련된 의료 영상 및 환자에 대해 수행된 하나 이상의 시험의 시험 결과를 포함하고, 의료 영상은 정규화 디바이스를 사용하여 생성되는, 연관성에 액세스하는 단계; 환자의 의료 정보 및 요청된 의료 보고와 연관된 보고 콘텐츠에 액세스하는 단계로서, 보고 콘텐츠는 특정 환자와 관련되지 않은 멀티미디어 콘텐츠를 포함하고, 멀티미디어 콘텐츠는 환자의 언어로 이루어진 인사말 세그먼트, 수행된 시험의 유형을 설명하는 설명 세그먼트, 시험 결과를 전달하기 위한 결과 세그먼트, 및 시험의 결과를 설명하는 설명 세그먼트, 및 결론 세그먼트를 포함하며, 멀티미디어 콘텐츠의 적어도 일부는 시험 결과 및 환자에 대해 수행된 시험과 관련된 하나 이상의 의료 영상을 포함하는, 보고 콘텐츠에 액세스하는 단계; 및 의료 보고의 포맷에 적어도 부분적으로 기초하여, 환자 정보 및 보고 콘텐츠를 사용하여 요청된 의료 보고를 생성하는 단계를 포함한다.
몇몇 실시예에서, 정규화 디바이스를 사용하여 비침습적 의료 영상 분석으로부터 도출된 다차원 정보에 기초하여 대상에 대한 하나 이상의 CAD 위험 스코어를 생성함으로써 대상에 대한 관상 동맥 질환(CAD)의 위험을 평가하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트의 각각에 대해, 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터를 결정하는 단계로서, 하나 이상의 플라크 파라미터는 플라크 체적, 플라크 조성, 플라크 감쇠 또는 플라크 위치 중 하나 이상을 포함하고, 하나 이상의 혈관 파라미터는 협착 중증도, 내강 체적, 관상 혈액량의 백분율 또는 분획 심근 질량의 백분율 중 하나 이상을 포함하고, 하나 이상의 임상 파라미터는 연령에 대한 백분위수 건강 상태 또는 성별에 대한 백분위수 건강 상태 중 하나 이상을 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트 각각에 대해, 결정된 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터의 가중 측정치를 생성하는 단계로서, 가중 측정치는 보정 계수를 적용함으로써 생성되는, 생성 단계; 컴퓨터 시스템에 의해, 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어를 생성하기 위해 관상 동맥의 식별된 하나 이상의 세그먼트의 각각에 대해 결정된 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터의 생성된 가중 측정치를 조합하는 단계; 및 컴퓨터 시스템에 의해, 혈관별, 혈관별, 또는 대상별 기반 중 하나 이상으로 대상에 대한 CAD의 위험을 시각화 및 정량화하기 위해 생성된 하나 이상의 혈관별, 혈관 영역별, 또는 대상별 CAD 위험 스코어의 그래픽 플롯을 생성하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함한다.
몇몇 실시예에서, 정규화 디바이스를 사용하여 비침습적 의료 영상 분석에 기초하는 플라크 기반 질환에 대한 의료 치료의 효능을 추적하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 방법은: 컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트 및 대상과 연관된 혈관 파라미터의 제1 세트에 액세스하는 단계로서, 플라크 파라미터의 제1 세트 및 혈관 파라미터의 제1 세트는 플라크의 하나 이상의 영역을 포함하는 대상의 제1 의료 영상으로부터 도출되고, 대상의 제1 의료 영상은 제1 시점에서 비침습적으로 획득되고, 플라크 파라미터의 제1 세트는 제1 시점에서 대상의 의료 영상으로부터 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함하고, 혈관 파라미터의 제1 세트는 제1 시점에서 혈관구조의 혈관 리모델링을 포함하는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 제2 의료 영상에 액세스하는 단계로서, 대상의 제2 의료 영상은 대상이 의료 치료로 치료된 후 제2 시점에서 비침습적으로 획득되고, 제2 시점은 제1 시점 이후이고, 대상의 제2 의료 영상은 플라크의 하나 이상의 영역을 포함하는, 액세스 단계; 컴퓨터 시스템에 의해, 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 식별하는 단계; 컴퓨터 시스템에 의해, 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 분석함으로써 대상과 연관된 플라크 파라미터의 제2 세트 및 제2 혈관 파라미터를 결정하는 단계로서, 플라크 파라미터의 제2 세트는 제2 시점에서 대상의 의료 영상으로부터 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함하고, 혈관 파라미터의 제2 세트는 제2 시점에서 혈관구조의 혈관 리모델링을 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하는 단계; 컴퓨터 시스템에 의해, 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하는 단계; 컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 분석된 하나 이상의 변화 또는 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 분석된 하나 이상의 변화 중 하나 이상에 기초하여 플라크 기반 질환의 진행을 추적하는 단계; 및 컴퓨터 시스템에 의해, 플라크 기반 질환의 추적된 진행에 기초하여 의료 치료의 효능을 결정하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함한다.
몇몇 실시예에서, 정규화 디바이스를 사용하여 하나 이상의 정량적 영상 알고리즘을 사용하는 관상 CT 혈관조영술(CCTA) 분석에 기초하여 죽상동맥경화성 심혈관 질환(ASCVD) 위험이 있는 대상에 대한 지속적인 개인화된 치료를 결정하는 컴퓨터 구현 방법이며, 정규화 디바이스는 하나 이상의 정량적 영상 알고리즘의 정확도를 개선시키고, 방법은: 컴퓨터 시스템에 의해, 하나 이상의 정량적 영상 알고리즘을 사용하여 기준선 CCTA 분석 결과를 분석함으로써 대상의 기준선 ASCVD 위험을 평가하는 단계로서, 기준선 CCTA 분석 결과는 하나 이상의 죽상동맥경화증 파라미터 또는 병변주위 조직 파라미터에 적어도 부분적으로 기초하고, 하나 이상의 죽상동맥경화증 파라미터는 죽상동맥경화증의 존재, 국소성, 정도, 중증도 또는 유형 중 하나 이상을 포함하는, 평가 단계; 컴퓨터 시스템에 의해, 대상의 기준선 ASCVD 위험을 ASCVD 위험의 하나 이상의 미리 결정된 카테고리로 카테고리화하는 단계; 컴퓨터 시스템에 의해, 대상의 카테고리화된 기준선 ASCVD 위험에 적어도 부분적으로 기초하여 대상에 대한 초기 개인화 제안 치료를 결정하는 단계로서, 대상에 대한 초기 개인화 제안 치료는 의료 요법, 생활 습관 요법, 또는 중재 요법 중 하나 이상을 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 하나 이상의 정량적 영상 알고리즘을 사용하여 후속 CCTA 분석에 의해 결정된 초기 개인화 제안 치료에 대한 대상 반응을 평가하고 후속 CCTA 분석 결과를 기준선 CCTA 분석 결과와 비교하는 단계로서, 후속 CCTA 분석은 대상에 대한 결정된 초기 개인화 제안 치료를 적용한 후에 수행되고, 대상 반응은 ASCVD의 진행, 안정화 또는 퇴행 중 하나 이상에 기초하여 평가되는, 비교 단계; 및 컴퓨터 시스템에 의해, 평가된 대상 응답에 적어도 부분적으로 기초하여 대상에 대한 지속적인 개인화 제안 치료를 결정하는 단계로서, 지속적인 개인화 제안 치료는 평가된 대상 반응이 ASCVD의 진행을 포함할 때 초기 개인화 제안 치료보다 더 높은 계층화된 접근법을 포함하고, 지속적인 개인화 제안 치료는 의료 요법, 생활 습관 요법 또는 중재 요법 중 하나 이상을 포함하는, 결정 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함한다.
몇몇 실시예에서, 정규화 디바이스를 사용하여 대상에 대한 관상 동맥 질환(CAD)의 위험 평가를 위한 비침습적 의료 영상 분석에 기초하여 죽상동맥경화증의 존재시에 체적 협착 중증도를 결정하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 플라크의 하나 이상의 영역 및 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 플라크의 하나 이상의 영역의 존재시에 내강 벽 경계 및 플라크의 하나 이상의 영역이 존재하지 않는 경우 가상의 정상 동맥 경계를 결정하는 단계로서, 결정된 내강 벽 경계 및 가상의 정상 동맥 경계는 관상 동맥의 하나 이상의 세그먼트의 테이퍼링을 포함하고, 결정된 내강 벽 경계는 플라크의 하나 이상의 영역의 경계를 더 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 내강 벽 경계에 기초하여 내강 체적을 정량화하는 단계로서, 정량화된 내강 체적은 관상 동맥의 하나 이상의 세그먼트의 테이퍼링 및 플라크의 하나 이상의 영역의 경계를 고려하는, 정량화 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 가상의 정상 동맥 경계에 기초하여 가상의 정상 혈관 체적을 정량화하는 단계로서, 정량화된 가상의 정상 혈관 체적은 관상 동맥의 하나 이상의 세그먼트의 테이퍼링을 고려하는, 정량화 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 가상의 정상 혈관 체적과 비교하여 정량화된 내강 체적의 백분율 또는 비를 결정함으로써 체적 협착을 결정하는 단계; 및 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대한 결정된 체적 협착에 적어도 부분적으로 기초하여 대상에 대한 CAD의 위험을 결정하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함한다.
몇몇 실시예에서, 정규화 디바이스를 사용하여 비침습적 의료 영상 분석에 기초하여 대상에 대한 허혈을 정량화하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 플라크의 하나 이상의 영역 및 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따라 근위 섹션의 근위 체적 및 원위 섹션의 원위 체적을 정량화하는 단계로서, 근위 섹션은 플라크의 하나 이상의 영역을 포함하지 않고, 원위 섹션은 플라크의 하나 이상의 영역 중 적어도 하나를 포함하는, 정량화 단계; 컴퓨터 시스템에 의해, 근위 섹션에서 혈류의 가정 속도에 액세스하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따른 근위 섹션에서 혈류의 가정 속도, 근위 섹션의 정량화된 근위 체적 및 원위 섹션의 원위 체적에 적어도 부분적으로 기초하여 원위 섹션에서 혈류의 속도를 정량화하는 단계; 컴퓨터 시스템에 의해, 원위 섹션에서의 혈류의 정량화된 속도에 적어도 부분적으로 기초하여 원위 섹션에서의 혈류의 속도 시간 적분을 결정하는 단계; 및 컴퓨터 시스템에 의해, 원위 섹션에서의 혈류의 결정된 속도 시간 적분에 적어도 부분적으로 기초하여 관상 동맥의 하나 이상의 세그먼트를 따라 허혈을 정량화하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함한다.
이 요약의 목적으로, 본 발명의 특정 양태, 장점 및 신규 특징이 본 명세서에 설명된다. 모든 이러한 장점은 반드시 본 발명의 임의의 특정 실시예에 따라 달성될 수도 있는 것은 아니라는 것이 이해되어야 한다. 따라서, 예를 들어, 통상의 기술자는 본 발명이 본 명세서에 교시되거나 제안될 수도 있는 바와 같은 다른 장점을 반드시 달성하지 않으면서 본 명세서에 교시된 바와 같은 하나의 장점 또는 장점의 그룹을 달성하는 방식으로 본 발명이 구현되거나 수행될 수도 있다는 것을 인식할 수 있을 것이다.
이들 실시예 모두는 본 명세서에 개시된 본 발명의 범주 내에 있는 것으로 의도된다. 이들 및 다른 실시예는 첨부 도면을 참조하는 이하의 상세한 설명으로부터 통상의 기술자에게 즉시 명백해질 것이며, 본 발명은 임의의 특정 개시된 실시예(들)에 한정되지 않는다.
개시된 양태는 본 명세서에 합체되어 그 부분을 구성하는 첨부 도면과 함께 이하에 설명될 것이고, 예시적인 실시예의 추가 이해를 예시하고 제공하며, 개시된 양태를 한정하지 않도록 제공된다. 도면에서, 동일한 명칭은 달리 언급되지 않으면 동일한 요소를 나타낸다.
도 1은 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성, 및/또는 환자 보고 생성을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 2a는 의료 영상으로부터 플라크의 분석 및 분류를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 2b는 비조영 CT 영상(들)으로부터 비석회화 플라크의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3a는 의료 영상 분석에 기초하는 위험 평가를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3b는 의료 영상 분석에 기초하는 죽상동맥경화증의 정량화를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3c는 의료 영상 분석에 기초하는 CAD-RADS 스코어의 생성 및 협착의 정량화를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3d는 의료 영상 분석에 기초하는 질환 추적을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3e는 의료 영상 분석에 기초하는 칼슘 스코어의 변화의 원인의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 4a는 의료 영상 분석에 기초하는 심혈관 이벤트의 예후를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 4b는 의료 영상 분석에 기초하는 환자-특정 스텐트 파라미터의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 5a는 의료 영상 분석에 기초하는 환자-특정 의료 보고의 생성을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 5b 내지 도 5i는 의료 영상 분석에 기초하여 생성된 환자-특정 의료 보고의 예시적인 실시예(들)를 도시하고 있다.
도 6a는 시스템 상에서 생성 및 디스플레이될 수 있는 사용자 인터페이스의 예를 도시하고 있고, 사용자 인터페이스는 환자의 동맥의 다양한 대응하는 뷰를 보여줄 수 있는 다중 패널(뷰)을 갖는다.
도 6b는 시스템 상에서 생성 및 디스플레이될 수 있는 사용자 인터페이스의 예를 도시하고 있고, 사용자 인터페이스는 환자의 동맥의 다양한 대응하는 뷰를 보여줄 수 있는 다중 패널을 갖는다.
도 6c, 도 6d 및 도 6e는 제2 패널의 다평면 재구성(Multiplanar Reformat: MPR) 혈관 뷰의 특정 상세 및 이 뷰와 연관된 특정 기능을 도시하고 있다.
도 6f는 사용자가 혈관을 뷰잉하고 혈관의 라벨을 수정할 수 있게 하는 관상 동맥 트리의 3차원(3D) 렌더링의 예를 도시하고 있다.
도 6g는 관상 동맥 트리 뷰, 축면 뷰, 시상면 뷰 및 관상면 뷰에서 사용자 인터페이스의 정보를 분석하는 동안 사용자가 채용할 수도 있는 단축키(shortcut) 명령을 제공하는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 6h는 축방향, 관상 및 시상의 3개의 해부학적 평면에서 DICOM 영상을 보기 위한 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 6i는 혈관의 추출된 피처(feature)의 그래픽 오버레이에서, 혈관의 단면 뷰를 보여주는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 6j는 사용자가 검토 및 분석을 위해 상이한 혈관을 선택할 수 있게 하는 툴바(toolbar)의 예를 도시하고 있다.
도 6k는 도 6j에 도시되어 있는 사용자가 특정 환자에 대한 검토 및 분석을 위해 이용 가능한 모든 시리즈(영상의 세트)를 뷰잉하기 위해 메뉴를 확장할 수 있게 하는 툴바의 확장된 뷰에서 사용자 인터페이스의 시리즈 선택 패널의 예를 도시하고 있다.
도 6l은 분석을 위해 혈관 세그먼트를 선택하는 데 사용될 수도 있는 사용자 인터페이스 상에 디스플레이될 수 있는 선택 패널의 예를 도시하고 있다.
도 6m은 영상에 새로운 혈관을 추가하기 위해 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 6n은 3D 동맥 트리 뷰에서 혈관을 이름 지정하거나 이름 바꾸기 하기 위해 사용자 인터페이스 상에 디스플레이될 수 있는 2개의 패널의 예를 도시하고 있다.
도 7a는 사용자가 기계 학습 알고리즘으로 그리고 이어서 애널리스트에 의해 CT 스캔을 처리한 것으로부터 발생하는 소견의 정확도를 수정하고 개선할 수 있게 하는 편집 툴바의 예를 도시하고 있다.
도 7b 및 도 7c는 추적기 도구의 특정 기능의 예를 도시하고 있다.
도 7d 및 도 7e는 내강 및 혈관 벽 윤곽을 수정하는 데 사용되는 혈관 및 내강 벽 도구의 특정 기능을 도시하고 있다.
도 7f는 이들 도구를 활성화하는 데 사용될 수 있는 사용자 인터페이스 상의 혈관 스냅 도구 버튼(우측) 내의 내강 스냅 도구 버튼(좌측)을 도시하고 있다.
도 7g는 혈관 스냅 도구 내의 내강 스냅 도구를 사용하는 동안 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 7h는 MPR 상의 개별 관상 세그먼트 사이의 경계를 마킹하는 것을 허용하는 세그먼트 도구를 사용하는 동안 디스플레이될 수 있는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 7i는 상이한 이름이 세그먼트에 대해 선택될 수 있게 하는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 7j는 사용자가 혈관 상의 협착의 영역을 마킹하기 위해 마커를 표시할 수 있게 하는 협착 도구를 사용하는 동안 디스플레이될 수 있는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 7k는 5개의 균일하게 이격된 협착 마커를 드롭하는 데 사용될 수 있는 사용자 인터페이스의 협착 버튼의 예를 도시하고 있다.
도 7l은 사용자 편집된 내강 및 혈관 벽 윤곽에 기초하여 협착 마커를 드롭하는 데 사용될 수 있는 사용자 인터페이스의 협착 버튼의 예를 도시하고 있다.
도 7m은 곡선형 다평면 혈관(CMPR) 뷰에서 세그먼트 상의 협착 마커를 도시하고 있다.
도 7n은 플라크 오버레이 도구를 사용하는 동안 디스플레이될 수 있는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 7o 및 도 7p는 플라크 임계값으로 선택될 수 있는 사용자 인터페이스 상의 버튼을 도시하고 있다.
도 7q는 저밀도 플라크, 비석회화 플라크 및 석회화 플라크에 대한 플라크 임계값 레벨을 조정하기 위해 사용자 입력을 수신할 수 있는 사용자 인터페이스의 패널을 도시하고 있다.
도 7r은 플라크 임계값에 따라 사용자 인터페이스에 디스플레이되는 플라크의 영역을 표시하는 혈관의 단면 뷰를 도시하고 있다.
도 7s는 뷰잉되는 혈관에 대한 정보를 포함하는 혈관 통계 패널에서 플라크 임계값을 보여주며 디스플레이될 수 있는 패널을 도시하고 있다.
도 7t는 내강의 중심의 조정을 허용하는 중심선 도구를 사용하는 동안 디스플레이될 수 있는 혈관의 단면 뷰를 보여주는 패널을 도시하고 있다.
도 7u, 도 7v, 도 7w는 중심선 도구를 사용할 때 디스플레이될 수 있는 혈관의 다른 뷰를 보여주는 패널의 예를 도시하고 있다. 도 7u는 혈관의 중심선을 연장할 때 디스플레이될 수 있는 뷰의 예이다. 도 7v는 중심선 편집을 저장하거나 취소할 때 디스플레이될 수 있는 뷰의 예를 도시하고 있다. 도 7w는 혈관 중심선을 편집할 때 디스플레이될 수 있는 CMPR 뷰의 예이다.
도 7x는 100% 협착이 있고 검출 가능한 혈류가 없는 동맥의 부분을 표시하는 데 사용되는 만성 완전 폐색(CTO) 도구를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 7y는 사용자가 혈관 내의 스텐트의 범위를 마킹할 수 있게 하는 스텐트 도구를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 7z 및 도 7aa는 예를 들어 영상 수차로 인해 혈관의 일부가 분석으로부터 제외될 수 있게 하는 제외 도구를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 7ab 및 도 7ac는 제외 도구를 사용하는 동안 디스플레이될 수 있는 부가의 패널의 예를 도시하고 있다. 도 7ab는 새로운 제외를 추가하는 데 사용될 수 있는 패널을 도시하고 있다. 도 7ac는 제외 이유를 추가하는 데 사용될 수 있는 패널을 도시하고 있다.
도 7ad, 도 7ae, 도 7af 및 도 7ag는 영상의 2개의 지점 사이의 거리를 측정하는 데 사용될 수 있는 거리 도구를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다. 예를 들어, 도 7ad는 SMPR 뷰에서 거리를 측정하는 데 사용되는 거리 도구를 도시하고 있다. 도 7ae는 CMPR 뷰에서 거리를 측정하는 데 사용되는 거리 도구를 도시하고 있다. 도 7af는 혈관의 단면 뷰에서 거리를 측정하는 데 사용될 거리를 도시하고 있다. 도 7ag는 축면 뷰에서 거리를 측정하는 데 사용되는 거리 도구를 도시하고 있다.
도 7ah는 혈관 통계 탭을 디스플레이하는 데 선택될 수 있는 패널의 "혈관 통계" 부분(버튼)을 도시하고 있다.
도 7ai는 혈관 통계 탭을 도시하고 있다.
도 7aj는 사용자가 다수의 병변의 상세를 클릭할 수 있게 하는 혈관 통계 탭의 기능을 도시하고 있다.
도 7ak는 사용자가 혈관 사이를 토글하는 데 사용할 수 있는 혈관 패널의 예를 또한 도시하고 있다.
도 8a는 분석의 협착, 죽상동맥경화증 및 CAD-RADS 결과를 보여주는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 8b는 다양한 실시예에 따른, 영역 또는 영역의 조합(예를 들어, 좌주간 동맥(LM), 좌전 하행 동맥(LAD), 좌회선 동맥(LCx), 우관상 동맥(RCA))의 선택을 허용하는 사용자 인터페이스 상에 디스플레이된 패널의 부분의 예를 도시하고 있다.
도 8c는 관상 동맥 트리("카툰 동맥 트리")의 카툰 표현을 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 8d는 카툰 동맥 트리를 사용하는 영역 선택을 예시하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 8e는 영역별 요약을 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 8f는 선택된 혈관의 SMPR 뷰, 및 선택된 혈관의 대응 통계를 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 예시적인 패널을 도시하고 있다.
도 8g는 세그먼트 레벨에서 디스플레이되는 스텐트의 존재를 표시하는 사용자 인터페이스에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 8h는 세그먼트 레벨에서 CTO 존재를 표시하는 사용자 인터페이스에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 8i는 환자의 좌측 또는 우측 우세를 표시하는 사용자 인터페이스에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 8j는 발견된 이상의 표시가 있는 카툰 동맥 트리를 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 8k는 이상의 상세를 보여주도록 선택될 수 있는 도 8j의 패널 상에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 9a는 분석에 기초하는 죽상동맥경화증 정보의 요약을 디스플레이하는 사용자 인터페이스 상에 디스플레이될 수 있는 죽상동맥경화증 패널의 예를 도시하고 있다.
도 9b는 죽상동맥경화증 정보의 요약이 세그먼트별 기반으로 디스플레이되도록 혈관을 선택하는 데 사용될 수 있는 혈관 선택 패널의 예를 도시하고 있다.
도 9c는 세그먼트별 죽상동맥경화증 정보를 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9d는 환자 데이터별 협착을 포함하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9e는 카운트가 선택될 때(예를 들어, 숫자 위로 마우스를 호버(hovering)함으로써) 세그먼트 상세가 디스플레이되는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 9f는 세그먼트별 협착을 그래픽 포맷으로, 예를 들어 세그먼트별 협착 막대 그래프로 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 9g는 혈관의 정보, 예를 들어 직경 협착 및 최소 내강 직경을 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 다른 예를 도시하고 있다.
도 9h는 직경 협착 범례를 표시하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 9i는 최소 및 기준 내강 직경을 표시하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9j는 도 9i에 도시되어 있는 패널의 부분을 도시하고 있고, 어떻게 특정 최소 내강 직경 상세가 내강의 원하는 그래픽을 선택함으로써(예를 들어, 호버함으로써) 신속하고 효율적으로 디스플레이될 수 있는지를 도시하고 있다.
도 9k는 CADS-RADS 스코어 선택을 표시하는 사용자 인터페이스에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9l은 분석에서 생성된 추가의 CAD-RADS 상세를 보여주는 사용자 인터페이스에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9m은 분석 동안 결정되는 정량적 협착 및 혈관 출력을 표시하는 테이블을 보여주는 사용자 인터페이스에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9n은 정량적 플라크 출력을 표시하는 테이블을 보여주는 사용자 인터페이스에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 10은 CT 영상 및 대응 정보를 분석 및 디스플레이하기 위한 프로세스(1000)를 도시하고 있는 흐름도이다.
도 11a 및 도 11b는 CT 영상을 캡처하는 데 사용되는 영상 획득 파라미터에 따라 어떻게 플라크가 상이하게 나타날 수 있는지를 예시하는 예시적인 CT 영상이다. 도 11a는 필터링된 역투영을 사용하여 재구성된 CT 영상을 도시하고 있고, 반면 도 11b는 반복적 재구성을 사용하여 재구성된 동일한 CT 영상을 도시하고 있다.
도 11c 및 도 11d는 CT 영상을 캡처하는 데 사용되는 영상 획득 파라미터에 따라 플라크가 CT 영상에서 상이하게 나타날 수 있다는 것을 예시하는 다른 예를 제공한다. 도 11c는 반복적 재구성을 사용하여 재구성된 CT 영상을 도시하고 있고, 반면 도 11d는 기계 학습을 사용하여 재구성된 동일한 영상을 도시하고 있다.
도 12a는 본 명세서에 설명된 방법 및 시스템과 함께 사용을 위해 의료 영상을 정규화하도록 구성될 수 있는 정규화 디바이스의 실시예를 표현하는 블록도이다.
도 12b는 다층 기판을 포함하는 정규화 디바이스의 실시예의 사시도이다.
도 12c는 정규화 동안 사용을 위해 공지의 물질의 샘플을 보유하기 위해 그 내부에 위치된 다양한 구획을 도시하고 있는 도 12b의 정규화 디바이스의 단면도이다.
도 12d는 정규화 디바이스 내의 복수의 구획의 예시적인 배열의 평면도를 도시하고 있다. 예시된 실시예에서, 복수의 구획은 직사각형 또는 격자형 패턴으로 배열된다.
도 12e는 정규화 디바이스 내의 복수의 구획의 다른 예시적인 배열의 평면도를 도시하고 있다. 예시된 실시예에서, 복수의 구획은 원형 패턴으로 배열된다.
도 12f는 인접하게 배열된 구획, 자체 밀봉 충전 가능 구획, 및 다양한 크기의 구획을 포함하는, 그 다양한 특징을 도시하고 있는 정규화 디바이스의 다른 실시예의 단면도이다.
도 12g는 정규화 디바이스의 기판을 정규화 디바이스의 체결구에 고정하기 위해 후크 및 루프 체결구를 사용하는 정규화 디바이스용 부착 메커니즘의 실시예를 도시하고 있는 사시도이다.
도 12h 및 도 12i는 정규화 디바이스의 만료 상태를 표시하도록 구성된 표시기를 포함하는 정규화 디바이스의 실시예를 도시하고 있다.
도 12j는 알고리즘 기반 의료 영상 분석을 위해 의료 영상을 정규화하기 위한 예시적인 방법을 도시하고 있는 흐름도이고, 의료 영상의 정규화는 알고리즘 기반 의료 영상 분석의 정확도를 개선시킨다.
도 13은 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성, 및/또는 환자 보고 생성을 위한 시스템의 실시예(들)를 도시하고 있는 블록도이다.
도 14는 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성 및/또는 환자 보고 생성을 위한 시스템의 하나 이상의 실시예를 구현하기 위한 소프트웨어를 실행하도록 구성된 컴퓨터 하드웨어 시스템의 실시예(들)를 도시하고 있는 블록도이다.
도 15는 정규화 디바이스의 실시예를 도시하고 있다.
도 16은 본 명세서에 설명된 특정 시스템 및 방법을 이용하여, 환자 의료 보고, 예를 들어 CT 스캔 및 분석에 기초하는 환자 의료 보고를 자동으로 생성하기 위한 시스템의 예의 다양한 구성요소를 도시하고 있는 시스템 도면이다.
도 17은 환자의 하나 이상의 스캔, 환자 정보, 의사의 스캔의 분석, 및/또는 이전 시험 결과에 기초하여 환자 의료 보고를 생성하기 위한 데이터 흐름 기능의 예를 도시하고 있는 블록도이다.
도 18a는 몇몇 실시예에 따른, 도 2에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제1 부분의 블록도이다.
도 18b는 몇몇 실시예에 따른, 도 2에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제2 부분의 블록도이다.
도 18c는 몇몇 실시예에 따른, 도 2에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제3 부분의 블록도이다.
도 18d는 의료 보고를 구성할 수 있는 다양한 부분을 도시하고 있는 도면으로서, 입력은 의사에 의해 및 환자 정보 또는 환자 입력에 의해 제공될 수 있다.
도 18e는 보고를 생성하기 위해 사용되는 의료 보고 생성 데이터 흐름 및 데이터의 통신의 예를 도시하고 있는 개략도이다.
도 18f는 의료 보고에 사용되는 정보, 환자의 하나 이상의 특성, 환자의 의료 상태 및/또는 환자 또는 의사로부터의 입력에 기초하는 환자와 연관된 정보를 저장하기 위한 다수의 구조를 도시하고 있는 도면이다.
도 19a는 몇몇 실시예에 따른, 환자의 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 프로세스의 예를 도시하고 있다.
도 19b는 순차적인 비연속적 동맥 베드 영상이 관상 동맥에 대해 수행되는 예를 도시하고 있다.
도 19c는 몇몇 실시예에 따른, 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 프로세스의 예이다.
도 19d는 몇몇 실시예에 따른, 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 프로세스의 예이다.
도 19e는 환자의 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 시스템 및 방법의 하나 이상의 실시예를 구현하기 위한 소프트웨어를 실행하도록 구성된 컴퓨터 하드웨어 시스템의 실시예를 도시하고 있는 블록도이다.
도 20a는 예시적 허혈 경로의 하나 이상의 특징을 도시하고 있다.
도 20b는 본 명세서에 설명된 예시적인 실시예(들)에 의해 이용되는 허혈의 결과의 하나 이상의 시간적 시퀀스 및 하나 이상의 기여자(contributor)를 도시하고 있는 블록도이다.
도 20c는 상이한 인자를 상이하게 가중함으로써 허혈을 결정하기 위한 예시적인 실시예(들)의 하나 이상의 특징을 도시하고 있는 블록도이다.
도 20d는 전역 허혈 지수를 계산하기 위한 예시적인 실시예(들)의 하나 이상의 특징을 도시하고 있는 블록도이다.
도 20e는 대상에 대한 전역 허혈 지수를 생성하고 대상에 대한 허혈 위험의 평가를 지원하기 위해 이를 사용하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 21은 대상에 대한 관상 동맥 질환(CAD) 스코어(들)를 생성하고 대상에 대한 CAD의 위험 평가를 지원하기 위해 이를 사용하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 22a는 관상 동맥 및/또는 다른 혈관 질환의 분석 및/또는 치료를 위한 플라크의 감쇠를 추적하는 예(들)를 도시하고 있다.
도 22b는 영상을 처리하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 23a는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)를 도시하고 있다.
도 23b 및 도 23c는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 사용되는 죽상동맥경화증 중증도의 정의 또는 카테고리의 예시적인 실시예(들)를 도시하고 있다.
도 23d는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 사용되는 질환 진행, 안정화 및/또는 퇴행의 정의 또는 카테고리의 예시적인 실시예(들)를 도시하고 있다.
도 23e는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 대한 치료 시간 목표(들)의 예시적인 실시예(들)를 도시하고 있다.
도 23f 내지 도 23g는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 생성된 지질 저하 약물(들) 및/또는 치료(들)를 채용하는 치료(들)의 예시적인 실시예(들)를 도시하고 있다.
도 23h 내지 도 23i는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 생성된 당뇨병 약물(들) 및/또는 치료(들)를 채용하는 치료(들)의 예시적인 실시예(들)를 도시하고 있다.
도 23j는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 24a는 동맥의 개략도이다.
도 24b는 백분율 협착 및 리모델링 지수를 결정하는 실시예(들)를 도시하고 있다.
도 24c는 동맥의 개략도이다.
도 24d는 플라크의 긴 죽상동맥경화 영역을 갖는 동맥의 개략도이다.
도 24e는 부정확하게 추정된 R0이 결과적인 백분율 협착 및/또는 리모델링 지수에 어떻게 상당히 영향을 미칠 수 있는지를 예시하는 예이다.
도 24f는 내강 직경 대 외부 벽 직경의 개략도이다.
도 24g는 플라크가 존재하는 혈관을 따라 추정된 기준 직경(들)의 계산의 개략도이다.
도 24h는 체적 협착을 결정하는 실시예(들)의 개략도이다.
도 24i는 체적 협착을 결정하는 실시예(들)의 개략도이다.
도 24j는 체적 리모델링을 결정하는 실시예(들)의 개략도이다.
도 24k는 총 관상 체적에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
도 24l은 영역 또는 동맥-특정 체적에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
도 24m은 동맥 내 % 분획 혈액량에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
도 24n은 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
도 24o는 허혈의 척도로서 % 혈관 체적 협착의 평가의 실시예(들)를 도시하고 있다.
도 24p는 허혈의 척도로서 병변을 가로지르는 압력차의 평가의 실시예(들)를 도시하고 있다.
도 24q는 관상 동맥에 대한 연속 수학식의 적용의 실시예(들)를 도시하고 있다.
도 24r은 체적 협착증 및/또는 체적 혈관 리모델링을 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 24s는 허혈을 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 1은 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성, 및/또는 환자 보고 생성을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 2a는 의료 영상으로부터 플라크의 분석 및 분류를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 2b는 비조영 CT 영상(들)으로부터 비석회화 플라크의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3a는 의료 영상 분석에 기초하는 위험 평가를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3b는 의료 영상 분석에 기초하는 죽상동맥경화증의 정량화를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3c는 의료 영상 분석에 기초하는 CAD-RADS 스코어의 생성 및 협착의 정량화를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3d는 의료 영상 분석에 기초하는 질환 추적을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3e는 의료 영상 분석에 기초하는 칼슘 스코어의 변화의 원인의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 4a는 의료 영상 분석에 기초하는 심혈관 이벤트의 예후를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 4b는 의료 영상 분석에 기초하는 환자-특정 스텐트 파라미터의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 5a는 의료 영상 분석에 기초하는 환자-특정 의료 보고의 생성을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 5b 내지 도 5i는 의료 영상 분석에 기초하여 생성된 환자-특정 의료 보고의 예시적인 실시예(들)를 도시하고 있다.
도 6a는 시스템 상에서 생성 및 디스플레이될 수 있는 사용자 인터페이스의 예를 도시하고 있고, 사용자 인터페이스는 환자의 동맥의 다양한 대응하는 뷰를 보여줄 수 있는 다중 패널(뷰)을 갖는다.
도 6b는 시스템 상에서 생성 및 디스플레이될 수 있는 사용자 인터페이스의 예를 도시하고 있고, 사용자 인터페이스는 환자의 동맥의 다양한 대응하는 뷰를 보여줄 수 있는 다중 패널을 갖는다.
도 6c, 도 6d 및 도 6e는 제2 패널의 다평면 재구성(Multiplanar Reformat: MPR) 혈관 뷰의 특정 상세 및 이 뷰와 연관된 특정 기능을 도시하고 있다.
도 6f는 사용자가 혈관을 뷰잉하고 혈관의 라벨을 수정할 수 있게 하는 관상 동맥 트리의 3차원(3D) 렌더링의 예를 도시하고 있다.
도 6g는 관상 동맥 트리 뷰, 축면 뷰, 시상면 뷰 및 관상면 뷰에서 사용자 인터페이스의 정보를 분석하는 동안 사용자가 채용할 수도 있는 단축키(shortcut) 명령을 제공하는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 6h는 축방향, 관상 및 시상의 3개의 해부학적 평면에서 DICOM 영상을 보기 위한 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 6i는 혈관의 추출된 피처(feature)의 그래픽 오버레이에서, 혈관의 단면 뷰를 보여주는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 6j는 사용자가 검토 및 분석을 위해 상이한 혈관을 선택할 수 있게 하는 툴바(toolbar)의 예를 도시하고 있다.
도 6k는 도 6j에 도시되어 있는 사용자가 특정 환자에 대한 검토 및 분석을 위해 이용 가능한 모든 시리즈(영상의 세트)를 뷰잉하기 위해 메뉴를 확장할 수 있게 하는 툴바의 확장된 뷰에서 사용자 인터페이스의 시리즈 선택 패널의 예를 도시하고 있다.
도 6l은 분석을 위해 혈관 세그먼트를 선택하는 데 사용될 수도 있는 사용자 인터페이스 상에 디스플레이될 수 있는 선택 패널의 예를 도시하고 있다.
도 6m은 영상에 새로운 혈관을 추가하기 위해 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 6n은 3D 동맥 트리 뷰에서 혈관을 이름 지정하거나 이름 바꾸기 하기 위해 사용자 인터페이스 상에 디스플레이될 수 있는 2개의 패널의 예를 도시하고 있다.
도 7a는 사용자가 기계 학습 알고리즘으로 그리고 이어서 애널리스트에 의해 CT 스캔을 처리한 것으로부터 발생하는 소견의 정확도를 수정하고 개선할 수 있게 하는 편집 툴바의 예를 도시하고 있다.
도 7b 및 도 7c는 추적기 도구의 특정 기능의 예를 도시하고 있다.
도 7d 및 도 7e는 내강 및 혈관 벽 윤곽을 수정하는 데 사용되는 혈관 및 내강 벽 도구의 특정 기능을 도시하고 있다.
도 7f는 이들 도구를 활성화하는 데 사용될 수 있는 사용자 인터페이스 상의 혈관 스냅 도구 버튼(우측) 내의 내강 스냅 도구 버튼(좌측)을 도시하고 있다.
도 7g는 혈관 스냅 도구 내의 내강 스냅 도구를 사용하는 동안 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 7h는 MPR 상의 개별 관상 세그먼트 사이의 경계를 마킹하는 것을 허용하는 세그먼트 도구를 사용하는 동안 디스플레이될 수 있는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 7i는 상이한 이름이 세그먼트에 대해 선택될 수 있게 하는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 7j는 사용자가 혈관 상의 협착의 영역을 마킹하기 위해 마커를 표시할 수 있게 하는 협착 도구를 사용하는 동안 디스플레이될 수 있는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 7k는 5개의 균일하게 이격된 협착 마커를 드롭하는 데 사용될 수 있는 사용자 인터페이스의 협착 버튼의 예를 도시하고 있다.
도 7l은 사용자 편집된 내강 및 혈관 벽 윤곽에 기초하여 협착 마커를 드롭하는 데 사용될 수 있는 사용자 인터페이스의 협착 버튼의 예를 도시하고 있다.
도 7m은 곡선형 다평면 혈관(CMPR) 뷰에서 세그먼트 상의 협착 마커를 도시하고 있다.
도 7n은 플라크 오버레이 도구를 사용하는 동안 디스플레이될 수 있는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 7o 및 도 7p는 플라크 임계값으로 선택될 수 있는 사용자 인터페이스 상의 버튼을 도시하고 있다.
도 7q는 저밀도 플라크, 비석회화 플라크 및 석회화 플라크에 대한 플라크 임계값 레벨을 조정하기 위해 사용자 입력을 수신할 수 있는 사용자 인터페이스의 패널을 도시하고 있다.
도 7r은 플라크 임계값에 따라 사용자 인터페이스에 디스플레이되는 플라크의 영역을 표시하는 혈관의 단면 뷰를 도시하고 있다.
도 7s는 뷰잉되는 혈관에 대한 정보를 포함하는 혈관 통계 패널에서 플라크 임계값을 보여주며 디스플레이될 수 있는 패널을 도시하고 있다.
도 7t는 내강의 중심의 조정을 허용하는 중심선 도구를 사용하는 동안 디스플레이될 수 있는 혈관의 단면 뷰를 보여주는 패널을 도시하고 있다.
도 7u, 도 7v, 도 7w는 중심선 도구를 사용할 때 디스플레이될 수 있는 혈관의 다른 뷰를 보여주는 패널의 예를 도시하고 있다. 도 7u는 혈관의 중심선을 연장할 때 디스플레이될 수 있는 뷰의 예이다. 도 7v는 중심선 편집을 저장하거나 취소할 때 디스플레이될 수 있는 뷰의 예를 도시하고 있다. 도 7w는 혈관 중심선을 편집할 때 디스플레이될 수 있는 CMPR 뷰의 예이다.
도 7x는 100% 협착이 있고 검출 가능한 혈류가 없는 동맥의 부분을 표시하는 데 사용되는 만성 완전 폐색(CTO) 도구를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 7y는 사용자가 혈관 내의 스텐트의 범위를 마킹할 수 있게 하는 스텐트 도구를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 7z 및 도 7aa는 예를 들어 영상 수차로 인해 혈관의 일부가 분석으로부터 제외될 수 있게 하는 제외 도구를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 7ab 및 도 7ac는 제외 도구를 사용하는 동안 디스플레이될 수 있는 부가의 패널의 예를 도시하고 있다. 도 7ab는 새로운 제외를 추가하는 데 사용될 수 있는 패널을 도시하고 있다. 도 7ac는 제외 이유를 추가하는 데 사용될 수 있는 패널을 도시하고 있다.
도 7ad, 도 7ae, 도 7af 및 도 7ag는 영상의 2개의 지점 사이의 거리를 측정하는 데 사용될 수 있는 거리 도구를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다. 예를 들어, 도 7ad는 SMPR 뷰에서 거리를 측정하는 데 사용되는 거리 도구를 도시하고 있다. 도 7ae는 CMPR 뷰에서 거리를 측정하는 데 사용되는 거리 도구를 도시하고 있다. 도 7af는 혈관의 단면 뷰에서 거리를 측정하는 데 사용될 거리를 도시하고 있다. 도 7ag는 축면 뷰에서 거리를 측정하는 데 사용되는 거리 도구를 도시하고 있다.
도 7ah는 혈관 통계 탭을 디스플레이하는 데 선택될 수 있는 패널의 "혈관 통계" 부분(버튼)을 도시하고 있다.
도 7ai는 혈관 통계 탭을 도시하고 있다.
도 7aj는 사용자가 다수의 병변의 상세를 클릭할 수 있게 하는 혈관 통계 탭의 기능을 도시하고 있다.
도 7ak는 사용자가 혈관 사이를 토글하는 데 사용할 수 있는 혈관 패널의 예를 또한 도시하고 있다.
도 8a는 분석의 협착, 죽상동맥경화증 및 CAD-RADS 결과를 보여주는 사용자 인터페이스의 패널의 예를 도시하고 있다.
도 8b는 다양한 실시예에 따른, 영역 또는 영역의 조합(예를 들어, 좌주간 동맥(LM), 좌전 하행 동맥(LAD), 좌회선 동맥(LCx), 우관상 동맥(RCA))의 선택을 허용하는 사용자 인터페이스 상에 디스플레이된 패널의 부분의 예를 도시하고 있다.
도 8c는 관상 동맥 트리("카툰 동맥 트리")의 카툰 표현을 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 8d는 카툰 동맥 트리를 사용하는 영역 선택을 예시하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 8e는 영역별 요약을 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 8f는 선택된 혈관의 SMPR 뷰, 및 선택된 혈관의 대응 통계를 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 예시적인 패널을 도시하고 있다.
도 8g는 세그먼트 레벨에서 디스플레이되는 스텐트의 존재를 표시하는 사용자 인터페이스에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 8h는 세그먼트 레벨에서 CTO 존재를 표시하는 사용자 인터페이스에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 8i는 환자의 좌측 또는 우측 우세를 표시하는 사용자 인터페이스에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 8j는 발견된 이상의 표시가 있는 카툰 동맥 트리를 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 8k는 이상의 상세를 보여주도록 선택될 수 있는 도 8j의 패널 상에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 9a는 분석에 기초하는 죽상동맥경화증 정보의 요약을 디스플레이하는 사용자 인터페이스 상에 디스플레이될 수 있는 죽상동맥경화증 패널의 예를 도시하고 있다.
도 9b는 죽상동맥경화증 정보의 요약이 세그먼트별 기반으로 디스플레이되도록 혈관을 선택하는 데 사용될 수 있는 혈관 선택 패널의 예를 도시하고 있다.
도 9c는 세그먼트별 죽상동맥경화증 정보를 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9d는 환자 데이터별 협착을 포함하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9e는 카운트가 선택될 때(예를 들어, 숫자 위로 마우스를 호버(hovering)함으로써) 세그먼트 상세가 디스플레이되는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 9f는 세그먼트별 협착을 그래픽 포맷으로, 예를 들어 세그먼트별 협착 막대 그래프로 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 9g는 혈관의 정보, 예를 들어 직경 협착 및 최소 내강 직경을 보여주는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 다른 예를 도시하고 있다.
도 9h는 직경 협착 범례를 표시하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 부분의 예를 도시하고 있다.
도 9i는 최소 및 기준 내강 직경을 표시하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9j는 도 9i에 도시되어 있는 패널의 부분을 도시하고 있고, 어떻게 특정 최소 내강 직경 상세가 내강의 원하는 그래픽을 선택함으로써(예를 들어, 호버함으로써) 신속하고 효율적으로 디스플레이될 수 있는지를 도시하고 있다.
도 9k는 CADS-RADS 스코어 선택을 표시하는 사용자 인터페이스에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9l은 분석에서 생성된 추가의 CAD-RADS 상세를 보여주는 사용자 인터페이스에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9m은 분석 동안 결정되는 정량적 협착 및 혈관 출력을 표시하는 테이블을 보여주는 사용자 인터페이스에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 9n은 정량적 플라크 출력을 표시하는 테이블을 보여주는 사용자 인터페이스에 디스플레이될 수 있는 패널의 예를 도시하고 있다.
도 10은 CT 영상 및 대응 정보를 분석 및 디스플레이하기 위한 프로세스(1000)를 도시하고 있는 흐름도이다.
도 11a 및 도 11b는 CT 영상을 캡처하는 데 사용되는 영상 획득 파라미터에 따라 어떻게 플라크가 상이하게 나타날 수 있는지를 예시하는 예시적인 CT 영상이다. 도 11a는 필터링된 역투영을 사용하여 재구성된 CT 영상을 도시하고 있고, 반면 도 11b는 반복적 재구성을 사용하여 재구성된 동일한 CT 영상을 도시하고 있다.
도 11c 및 도 11d는 CT 영상을 캡처하는 데 사용되는 영상 획득 파라미터에 따라 플라크가 CT 영상에서 상이하게 나타날 수 있다는 것을 예시하는 다른 예를 제공한다. 도 11c는 반복적 재구성을 사용하여 재구성된 CT 영상을 도시하고 있고, 반면 도 11d는 기계 학습을 사용하여 재구성된 동일한 영상을 도시하고 있다.
도 12a는 본 명세서에 설명된 방법 및 시스템과 함께 사용을 위해 의료 영상을 정규화하도록 구성될 수 있는 정규화 디바이스의 실시예를 표현하는 블록도이다.
도 12b는 다층 기판을 포함하는 정규화 디바이스의 실시예의 사시도이다.
도 12c는 정규화 동안 사용을 위해 공지의 물질의 샘플을 보유하기 위해 그 내부에 위치된 다양한 구획을 도시하고 있는 도 12b의 정규화 디바이스의 단면도이다.
도 12d는 정규화 디바이스 내의 복수의 구획의 예시적인 배열의 평면도를 도시하고 있다. 예시된 실시예에서, 복수의 구획은 직사각형 또는 격자형 패턴으로 배열된다.
도 12e는 정규화 디바이스 내의 복수의 구획의 다른 예시적인 배열의 평면도를 도시하고 있다. 예시된 실시예에서, 복수의 구획은 원형 패턴으로 배열된다.
도 12f는 인접하게 배열된 구획, 자체 밀봉 충전 가능 구획, 및 다양한 크기의 구획을 포함하는, 그 다양한 특징을 도시하고 있는 정규화 디바이스의 다른 실시예의 단면도이다.
도 12g는 정규화 디바이스의 기판을 정규화 디바이스의 체결구에 고정하기 위해 후크 및 루프 체결구를 사용하는 정규화 디바이스용 부착 메커니즘의 실시예를 도시하고 있는 사시도이다.
도 12h 및 도 12i는 정규화 디바이스의 만료 상태를 표시하도록 구성된 표시기를 포함하는 정규화 디바이스의 실시예를 도시하고 있다.
도 12j는 알고리즘 기반 의료 영상 분석을 위해 의료 영상을 정규화하기 위한 예시적인 방법을 도시하고 있는 흐름도이고, 의료 영상의 정규화는 알고리즘 기반 의료 영상 분석의 정확도를 개선시킨다.
도 13은 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성, 및/또는 환자 보고 생성을 위한 시스템의 실시예(들)를 도시하고 있는 블록도이다.
도 14는 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성 및/또는 환자 보고 생성을 위한 시스템의 하나 이상의 실시예를 구현하기 위한 소프트웨어를 실행하도록 구성된 컴퓨터 하드웨어 시스템의 실시예(들)를 도시하고 있는 블록도이다.
도 15는 정규화 디바이스의 실시예를 도시하고 있다.
도 16은 본 명세서에 설명된 특정 시스템 및 방법을 이용하여, 환자 의료 보고, 예를 들어 CT 스캔 및 분석에 기초하는 환자 의료 보고를 자동으로 생성하기 위한 시스템의 예의 다양한 구성요소를 도시하고 있는 시스템 도면이다.
도 17은 환자의 하나 이상의 스캔, 환자 정보, 의사의 스캔의 분석, 및/또는 이전 시험 결과에 기초하여 환자 의료 보고를 생성하기 위한 데이터 흐름 기능의 예를 도시하고 있는 블록도이다.
도 18a는 몇몇 실시예에 따른, 도 2에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제1 부분의 블록도이다.
도 18b는 몇몇 실시예에 따른, 도 2에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제2 부분의 블록도이다.
도 18c는 몇몇 실시예에 따른, 도 2에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제3 부분의 블록도이다.
도 18d는 의료 보고를 구성할 수 있는 다양한 부분을 도시하고 있는 도면으로서, 입력은 의사에 의해 및 환자 정보 또는 환자 입력에 의해 제공될 수 있다.
도 18e는 보고를 생성하기 위해 사용되는 의료 보고 생성 데이터 흐름 및 데이터의 통신의 예를 도시하고 있는 개략도이다.
도 18f는 의료 보고에 사용되는 정보, 환자의 하나 이상의 특성, 환자의 의료 상태 및/또는 환자 또는 의사로부터의 입력에 기초하는 환자와 연관된 정보를 저장하기 위한 다수의 구조를 도시하고 있는 도면이다.
도 19a는 몇몇 실시예에 따른, 환자의 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 프로세스의 예를 도시하고 있다.
도 19b는 순차적인 비연속적 동맥 베드 영상이 관상 동맥에 대해 수행되는 예를 도시하고 있다.
도 19c는 몇몇 실시예에 따른, 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 프로세스의 예이다.
도 19d는 몇몇 실시예에 따른, 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 프로세스의 예이다.
도 19e는 환자의 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 시스템 및 방법의 하나 이상의 실시예를 구현하기 위한 소프트웨어를 실행하도록 구성된 컴퓨터 하드웨어 시스템의 실시예를 도시하고 있는 블록도이다.
도 20a는 예시적 허혈 경로의 하나 이상의 특징을 도시하고 있다.
도 20b는 본 명세서에 설명된 예시적인 실시예(들)에 의해 이용되는 허혈의 결과의 하나 이상의 시간적 시퀀스 및 하나 이상의 기여자(contributor)를 도시하고 있는 블록도이다.
도 20c는 상이한 인자를 상이하게 가중함으로써 허혈을 결정하기 위한 예시적인 실시예(들)의 하나 이상의 특징을 도시하고 있는 블록도이다.
도 20d는 전역 허혈 지수를 계산하기 위한 예시적인 실시예(들)의 하나 이상의 특징을 도시하고 있는 블록도이다.
도 20e는 대상에 대한 전역 허혈 지수를 생성하고 대상에 대한 허혈 위험의 평가를 지원하기 위해 이를 사용하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 21은 대상에 대한 관상 동맥 질환(CAD) 스코어(들)를 생성하고 대상에 대한 CAD의 위험 평가를 지원하기 위해 이를 사용하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 22a는 관상 동맥 및/또는 다른 혈관 질환의 분석 및/또는 치료를 위한 플라크의 감쇠를 추적하는 예(들)를 도시하고 있다.
도 22b는 영상을 처리하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 23a는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)를 도시하고 있다.
도 23b 및 도 23c는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 사용되는 죽상동맥경화증 중증도의 정의 또는 카테고리의 예시적인 실시예(들)를 도시하고 있다.
도 23d는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 사용되는 질환 진행, 안정화 및/또는 퇴행의 정의 또는 카테고리의 예시적인 실시예(들)를 도시하고 있다.
도 23e는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 대한 치료 시간 목표(들)의 예시적인 실시예(들)를 도시하고 있다.
도 23f 내지 도 23g는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 생성된 지질 저하 약물(들) 및/또는 치료(들)를 채용하는 치료(들)의 예시적인 실시예(들)를 도시하고 있다.
도 23h 내지 도 23i는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 생성된 당뇨병 약물(들) 및/또는 치료(들)를 채용하는 치료(들)의 예시적인 실시예(들)를 도시하고 있다.
도 23j는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 24a는 동맥의 개략도이다.
도 24b는 백분율 협착 및 리모델링 지수를 결정하는 실시예(들)를 도시하고 있다.
도 24c는 동맥의 개략도이다.
도 24d는 플라크의 긴 죽상동맥경화 영역을 갖는 동맥의 개략도이다.
도 24e는 부정확하게 추정된 R0이 결과적인 백분율 협착 및/또는 리모델링 지수에 어떻게 상당히 영향을 미칠 수 있는지를 예시하는 예이다.
도 24f는 내강 직경 대 외부 벽 직경의 개략도이다.
도 24g는 플라크가 존재하는 혈관을 따라 추정된 기준 직경(들)의 계산의 개략도이다.
도 24h는 체적 협착을 결정하는 실시예(들)의 개략도이다.
도 24i는 체적 협착을 결정하는 실시예(들)의 개략도이다.
도 24j는 체적 리모델링을 결정하는 실시예(들)의 개략도이다.
도 24k는 총 관상 체적에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
도 24l은 영역 또는 동맥-특정 체적에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
도 24m은 동맥 내 % 분획 혈액량에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
도 24n은 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
도 24o는 허혈의 척도로서 % 혈관 체적 협착의 평가의 실시예(들)를 도시하고 있다.
도 24p는 허혈의 척도로서 병변을 가로지르는 압력차의 평가의 실시예(들)를 도시하고 있다.
도 24q는 관상 동맥에 대한 연속 수학식의 적용의 실시예(들)를 도시하고 있다.
도 24r은 체적 협착증 및/또는 체적 혈관 리모델링을 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 24s는 허혈을 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
여러 실시예, 예 및 예시가 이하에 개시되지만, 본 명세서에 설명된 발명은 구체적으로 개시된 실시예, 예 및 예시를 넘어 확장되고 본 발명의 다른 사용 및 그 명백한 수정 및 등가물을 포함한다는 것이 통상의 기술자에 의해 이해될 수 있을 것이다. 본 발명의 실시예가 첨부 도면을 참조하여 설명되고, 여기서, 동일한 번호는 전체에 걸쳐 동일한 요소를 나타낸다. 본 명세서에 제시된 설명에서 사용된 용어는 단순히 본 발명의 특정 구체적인 실시예의 상세한 설명과 함께 사용되기 때문에 임의의 제한적 또는 한정적인 방식으로 해석되도록 의도되지 않는다. 게다가, 본 발명의 실시예는 여러 신규 특징을 포함할 수 있고, 단일 특징이 그 바람직한 속성에 대해 단독으로 책임이 있거나 본 명세서에 설명된 발명을 실시하는 데 필수적이지는 않다.
서론
의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스가 본 명세서에 개시된다. 관상 동맥 심장 질환은 1,760만명 초과의 미국인에게 영향을 미치고 있다. 심혈관 건강 문제를 치료하는 현재의 경향은 일반적으로 두 가지이다. 첫째, 의사는 일반적으로, 예를 들어 환자의 혈류에 높은 레벨의 콜레스테롤 요소가 있는지 여부를 결정하기 위해 환자의 생화학 또는 혈액 내용물 또는 바이오마커를 분석함으로써, 거시적 레벨로부터 환자의 심혈관 건강을 검토한다. 높은 레벨의 콜레스테롤에 응답하여, 몇몇 의사는 환자의 혈류 내의 높은 레벨의 콜레스테롤 요소로서 인지되는 것을 감소시키기 위해 치료 계획의 부분으로서, 스타틴과 같은 하나 이상의 약물을 처방할 것이다.
현재 심혈관 건강 문제를 치료하기 위한 제2 일반적인 경향은 의사가 환자의 다양한 동맥 내의 큰 폐색을 식별하기 위해 혈관조영술의 사용을 통해 환자의 심혈관 건강을 평가하는 것을 수반한다. 다양한 동맥 내의 큰 폐색을 발견한 것에 응답하여, 의사는 몇몇 경우에 벌룬 카테터가 혈관 내의 좁아지는 지점까지 안내되는 혈관 성형 시술을 수행할 것이다. 적절하게 위치된 후, 벌룬은 플라크 또는 지방 물질을 동맥 벽 내로 압축하거나 평탄화하고 그리고/또는 동맥을 신장시켜 개방하여 혈관을 통해 및/또는 심장으로의 혈액의 유동을 증가시키기 위해 팽창된다. 몇몇 경우에, 혈관 내에 스텐트를 위치시키고 팽창시켜 플라크를 압축하고 그리고/또는 혈관의 개방을 유지하여 더 많은 혈액이 유동할 수 있게 하도록 벌룬이 사용된다. 미국에서는 매년 약 500,000건의 심장 스텐트 시술이 수행된다.
그러나, 최근 연방에서 1억 달러를 지원한 연구에서는 심혈관 질환을 치료하는데 있어서의 현재의 경향이 모든 유형의 환자에게 가장 효과적인 치료인지 여부에 대한 의문을 제기한다. 최근 연구는 37개국 320개의 장소로부터 중등도 내지 중증 안정성 심장 질환이 있는 5,000명 초과의 환자를 대상으로 했으며, 스텐트와 우회 수술 절차가 안정성 심장 질환이 있는 사람들을 위한 생활 습관 변화와 조합된 약물보다 더 효과적이지 않을 가능성이 있다는 것을 보여주는 새로운 증거를 제공했다. 이에 따라, 안정성 심장 질환이 있는 환자가 혈관 성형술 및/또는 심장 우회술과 같은 침습적 수술 절차를 받지 않고, 대신에 스타틴과 같은 심장약, 및 규칙적인 운동과 같은 특정 생활 습관 변화를 처방받는 것이 더 유리할 수도 있다. 이 새로운 치료 요법은 전세계적으로 수천 명의 환자에게 영향을 미칠 수 있다. 미국에서 연간 수행되는 약 500,000건의 심장 스텐트 시술 중에서, 1/5이 안정성 심장 질환이 있는 사람들을 위한 것으로 추정된다. 안정성 심장 질환이 있는 약 100,000명 중 25% 또는 대략 23,000명이 흉통을 경험하지 않는 개인인 것으로 또한 추정된다. 이에 따라, 연간 20,000명 초과의 환자가 침습적 수술 절차 또는 이러한 절차로 인한 합병증을 잠재적으로 받지 않을 수 있다.
환자가 침습적 수술 절차를 받지 않고 대신에 약물 요법을 선택해야 하는지 여부를 결정하기 위해 및/또는 더 효과적인 치료 계획을 생성하기 위해, 환자의 심혈관 질환을 더 완전히 이해하는 것이 중요할 수 있다. 특히, 환자의 동맥 혈관 건강을 더 양호하게 이해하는 것이 유리할 수 있다. 예를 들어, 환자 내의 플라크 축적이 대부분 지방 물질 축적인지 또는 대부분 석회화 물질 축적인지 여부를 이해하는 것이 도움이 되는데, 이는 전자의 상황은 스타틴과 같은 심장약으로의 치료를 보증할 수도 있고, 반면에 후자의 상황에서는 환자는 심장약을 처방하거나 어떠한 스텐트도 이식하지 않고 추가의 주기적인 모니터링을 받아야 하기 때문이다. 그러나, 플라크 축적이 중증 협착 또는 동맥 혈관의 협소화를 유발하여 심장 근육으로의 혈류가 차단될 수도 있게 하기에 충분히 상당하면, 심근경색 또는 급성 심장사(SCD)가 혈관 개구를 확대하기 위해 스텐트의 이식 없이 이러한 환자에서 발생할 수 있기 때문에, 스텐트를 이식하기 위한 침습적 혈관 성형 시술이 요구될 가능성이 있을 수도 있다. 급성 심장사는 미국에서 자연사의 가장 큰 원인 중 하나이며, 연간 대략 325,000명의 성인 사망의 원인이 되고 심혈관 질환으로부터의 모든 사망의 거의 절반을 차지한다. 남성의 경우, SCD는 여성에 비교하여 2배 더 흔하다. 일반적으로, SCD는 30대 중반 내지 40대 중반 연령 범위의 사람들에게 발병한다. 50% 초과의 사례에서, 경고 징후 없이 급성 심정지가 발생한다.
심장 질환으로 고통받는 수백만 명의 사람과 관련하여, 혈액 화학 또는 이러한 동맥 혈관을 통해 유동하는 혈액의 내용물을 아는 것 이상으로 환자 내의 동맥 혈관의 전반적인 건강을 더 양호하게 이해할 필요가 있다. 예를 들어, 본 명세서에 개시된 시스템, 디바이스 및 방법의 몇몇 실시예에서, "양호" 또는 안정 플라크 또는 경화된 석회화된 내용물을 포함하는 플라크가 있는 동맥은 환자에게 비치명적인 것으로 고려되고, 반면, "불량" 또는 불안정 플라크 또는 지방 물질을 포함하는 플라크를 포함하는 동맥은 이러한 불량 플라크가 동맥 내에서 파열되어 이에 의해 이러한 지방 물질을 동맥 내로 방출할 수도 있기 때문에 더 치명적인 것으로 고려된다. 혈류 내의 이러한 지방 물질 방출은 혈전을 야기할 수도 있는 염증을 유발할 수 있다. 동맥 내의 혈전은 혈액이 심장 근육으로 이동하는 것을 방해하여 이에 의해 심근경색 또는 다른 심장 이벤트를 야기할 수 있다. 또한, 몇몇 경우에, 혈액이 석회화 플라크 축적을 통해 유동하게 하는 것보다 혈액이 지방 플라크 축적을 통해 유동하는 것이 일반적으로 더 어렵다. 따라서, 환자의 동맥 혈관 벽의 더 양호한 이해 및 분석에 대한 필요가 있다.
또한, 혈액 검사 및 약물 치료 요법은 심혈관 건강 문제를 감소시키고 심혈관 이벤트(예를 들어, 심근경색)를 완화하는 데 도움이 되지만, 이러한 치료 방법론은 이러한 치료가 중요한 심혈관 위험 영역을 오식별하고 그리고/또는 정확히 위치 지정하거나 진단하는 것을 실패할 수 있다는 점에서 완전하거나 완벽하지 않다. 예를 들어, 환자의 혈액 화학의 단순한 분석은 환자가 혈관 벽을 따라 상당한 양의 지방 침착 물질 불량 플라크 축적을 갖는 동맥 혈관을 갖고 있다는 것을 식별할 가능성이 있지 않을 것이다. 유사하게, 혈관조영상(angiogram)은 협착 또는 혈관 협소화의 영역을 식별하는 데 도움이 되지만, 불량 플라크의 상당한 축적이 있는 동맥 혈관 벽의 영역을 명확하게 식별하는 것이 가능하지 않을 수도 있다. 동맥 혈관 벽 내의 불량 플라크의 이러한 축적 영역은 심근경색과 같은 심혈관 이벤트로 고통받을 위험이 높은 환자의 지표일 수 있다. 특정 상황에서, 불량 플라크의 영역이 존재하는 영역은 동맥의 혈류 내로의 지방 물질의 방출이 있는 파열을 야기할 수 있는데, 이는 이어서 동맥 내에 혈전이 발생되게 할 수 있다. 동맥 내의 혈전은 심장 조직의 혈류의 정지를 유발할 수 있는데, 이는 심근경색을 야기할 수 있다. 이에 따라, 동맥 혈관 벽을 분석하고 그리고/또는 그것이 불량이든 그렇지 않든 플라크의 축적을 포함하는 동맥 혈관 벽 내의 영역을 식별하기 위한 새로운 기술에 대한 요구가 있다.
본 명세서에 개시된 다양한 시스템, 방법 및 디바이스는 전술된 문제를 해결하기 위한 실시예에 관한 것이다. 특히, 본 명세서에 설명된 다양한 실시예는 의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스에 관한 것이다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은, 예를 들어 하나 이상의 관상 동맥 및/또는 그 내의 플라크를 식별하기 위해 자동으로 및/또는 동적으로 의료 영상을 분석하도록 구성된 컴퓨터 시스템에 입력될 수 있는 CT 영상과 같은 비침습적 의료 영상 기술을 이용하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 관상 동맥 및/또는 플라크를 식별, 정량화, 및/또는 분류하기 위해 의료 영상을 자동으로 및/또는 동적으로 분석하기 위해 하나 이상의 기계 학습 및/또는 인공 지능 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어, 하나 이상의 인공 지능 및/또는 기계 학습 알고리즘을 사용하여, 치료 계획을 생성하고, 질환 진행을 추적하고, 그리고/또는 환자-특정 의료 보고를 생성하기 위해 식별, 정량화 및/또는 분류된 하나 이상의 관상 동맥 및/또는 플라크를 이용하도록 추가로 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 그래픽 사용자 인터페이스의 형태로 식별, 정량화 및/또는 분류된 하나 이상의 관상 동맥 및/또는 플라크의 시각화를 동적으로 및/또는 자동으로 생성하도록 추가로 구성될 수 있다. 또한, 몇몇 실시예에서, 상이한 의료 영상 스캐너 및/또는 상이한 스캔 파라미터 또는 환경으로부터 획득된 의료 영상을 보정하기 위해, 시스템은 하나 이상의 물질의 하나 이상의 구획을 포함하는 정규화 디바이스를 이용하도록 구성될 수 있다.
더 상세히 설명되는 바와 같이, 본 명세서에 설명된 시스템, 디바이스 및 방법은 플라크, 심혈관 동맥 및/또는 다른 구조에 관한 다양한 파라미터의 자동 및/또는 동적 정량화 분석을 허용한다. 더 구체적으로, 본 명세서에 설명된 몇몇 실시예에서, 관상 CT 영상과 같은 환자의 의료 영상은 의료 시설에서 촬영될 수 있다. 의사의 눈으로 보거나 환자의 일반적인 평가를 하기보다, 의료 영상은 재현 가능한 방식으로 그 하나 이상의 분석을 수행하도록 구성된 몇몇 실시예에서 백엔드 메인 서버로 전송된다. 이와 같이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 자동화 및/또는 동적 프로세스를 사용하여 관상 CT 영상의 하나 이상의 피처의 정량화된 측정을 제공할 수 있다. 예를 들어, 몇몇 실시예에서, 메인 서버 시스템은 의료 영상으로부터 하나 이상의 혈관, 플라크 및/또는 지방을 식별하도록 구성될 수 있다. 식별된 피처에 기초하여, 몇몇 실시예에서, 시스템은 예를 들어 플라크의 하나 이상의 영역의 방사선 밀도, 안정 플라크 및/또는 불안정 플라크의 식별, 그 체적, 그 표면적, 기하학적 형상, 그 이질성, 및/또는 기타와 같은 원시 의료 영상으로부터 하나 이상의 정량화된 측정치를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 또한 예를 들어 직경, 체적, 형태, 및/또는 기타와 같은 원시 의료 영상으로부터 혈관의 하나 이상의 정량화된 측정치를 생성할 수 있다. 식별된 피처 및/또는 정량화된 측정치에 기초하여, 몇몇 실시예에서, 시스템은 원시 의료 영상을 사용하여, 위험 평가를 생성하고 그리고/또는 예를 들어 죽상동맥경화증, 협착증 및/또는 허혈과 같은 플라크 기반 질환 또는 상태의 진행을 추적하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 하나 이상의 식별된 피처 및/또는 상이한 피처의 양자화된 컬러 맵핑과 같은 정량화된 측정치의 GUI의 시각화를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스, 및 방법은 심혈관 이벤트, 주요 심혈관 이벤트(MACE), 급속 플라크 진행 및/또는 약물에 대한 무반응의 대상의 위험을 평가하기 위해 의료 영상 기반 처리를 이용하도록 구성된다. 특히, 몇몇 실시예에서, 시스템은 비침습적으로 획득된 의료 영상만을 분석함으로써 대상의 이러한 건강 위험을 자동으로 및/또는 동적으로 평가하도록 구성될 수 있다. 몇몇 실시예에서, 프로세스 중 하나 이상은 AI 및/또는 ML 알고리즘을 사용하여 자동화될 수 있다. 몇몇 실시예에서, 본 명세서에 설명된 프로세스 중 하나 이상은 재현 가능한 방식으로 몇 분 내에 수행될 수 있다. 이는 재현 가능한 예후 또는 평가를 생성하지 않고, 막대한 시간을 소요하고, 그리고/또는 침습적 시술을 필요로 하는 현재의 기존의 조치와 극명하게 대조된다.
이와 같이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 현재 존재하지 않는 환자의 플라크에 관한 특정 정량화 및/또는 측정된 데이터를 의사 및/또는 환자에게 제공하는 것이 가능하다. 예를 들어, 몇몇 실시예에서, 시스템은 예를 들어 의료 영상 내의 픽셀 및/또는 영역의 방사선 밀도 값을 사용하여, 안정한 및/또는 불안정 플라크의 체적, 총 혈관 체적에 대한 그 비, 협착의 백분율, 및/또는 기타에 대한 특정 수치 값을 제공할 수 있다. 몇몇 실시예에서, 영상 처리 및 하류 분석 결과로부터의 정량화된 플라크 파라미터의 이러한 상세한 레벨은 완전히 신규한 방식으로 환자의 건강 및/또는 위험을 평가하기 위한 더 정확하고 유용한 도구를 제공할 수 있다.
일반적인 개요
몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 자동으로 및/또는 동적으로 수행하도록 구성된다. 도 1은 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성, 및/또는 환자 보고 생성을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 1에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 예를 들어 대상 또는 환자의 관상 영역의 의료 영상과 같은, 대상의 하나 이상의 의료 영상에 액세스하고 그리고/또는 분석하도록 구성된다.
몇몇 실시예에서, 의료 영상을 획득하기 전에, 블록 102에서 정규화 디바이스가 대상에 부착되고 그리고/또는 의료 영상 스캐너의 시야 내에 배치된다. 예를 들어, 몇몇 실시예에서, 정규화 디바이스는 물, 칼슘, 및/또는 기타와 같은 하나 이상의 물질을 포함하는 하나 이상의 구획을 포함할 수 있다. 정규화 디바이스에 관한 부가의 상세가 이하에 제공된다. 의료 영상 스캐너는 동일한 객체에 대해 상이한 확장 가능한 방사선 밀도를 갖는 영상을 생성할 수도 있다. 이는 예를 들어, 사용된 의료 영상 스캐너 또는 장비의 유형 뿐만 아니라, 또한 스캔 파라미터 및/또는 스캔이 행해진 때의 특정 날짜 및/또는 시간의 환경에 의존할 수 있다. 그 결과, 동일한 대상의 2개의 상이한 스캔이 행해지더라도, 생성 의료 영상의 밝기 및/또는 어둡기가 상이할 수도 있는데, 이는 해당 영상으로부터 처리된 정확하지 못한 분석 결과를 야기할 수 있다. 이러한 차이를 고려하기 위해, 몇몇 실시예에서, 하나 이상의 공지의 요소를 포함하는 정규화 디바이스가 대상과 함께 스캔되고, 하나 이상의 공지의 요소의 생성 영상이 생성 영상을 번역, 변환 및/또는 정규화하기 위한 기반으로서 사용될 수 있다. 이와 같이, 몇몇 실시예에서, 정규화 디바이스는 대상에 부착되고 그리고/또는 의료 시설에서 의료 영상 스캔의 시야 내에 배치된다.
몇몇 실시예에서, 블록 104에서, 의료 시설은 이어서 대상의 하나 이상의 의료 영상을 획득한다. 예를 들어, 의료 영상은 대상 또는 환자의 관상 영역의 것일 수 있다. 몇몇 실시예에서, 본 명세서에 개시된 시스템은, 이들에 한정되는 것은 아니지만, x-레이; 이중 에너지 컴퓨터 단층 촬영(DECT), 스펙트럼 CT, 광자 계수 검출기 CT, 심장초음파 또는 혈관내 초음파(IVUS)와 같은 초음파; 자기 공명(MR) 영상; 광 간섭 단층 촬영(OCT); 양전자 방출 단층 촬영(PET) 및 단일 광자 방출 컴퓨터 단층 촬영(SPECT)을 포함하는 핵의학 영상; 근거리 적외선 분광법(NIRS); 및/또는 기타와 같은 영상 도메인 또는 투영 도메인으로부터 CT 데이터를 원시 스캔 데이터 또는 임의의 다른 의료 데이터로서 취하도록 구성될 수 있다. 본 명세서에 사용될 때, 용어 CT 영상 데이터 또는 CT 스캔 데이터는 전술된 의료 스캐닝 양식 중 임의의 하나로 치환될 수 있고, 처리된 CT 영상 데이터를 생성하기 위해 인공 지능(AI) 알고리즘 시스템을 통해 이러한 데이터를 처리할 수 있다. 몇몇 실시예에서, 이들 영상화 양식으로부터의 데이터는 심혈관 표현형의 결정을 가능하게 하고, 영상 도메인 데이터, 투영 도메인 데이터, 및/또는 양자 모두의 조합을 포함할 수 있다.
몇몇 실시예에서, 블록 106에서, 의료 시설은 또한 대상으로부터 비영상 데이터를 획득할 수 있다. 예를 들어, 이는 혈액 검사, 바이오마커, 팬오믹스(panomics), 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 블록 108에서, 의료 시설은 블록 108에서 하나 이상의 의료 영상 및/또는 다른 비영상 데이터를 메인 서버 시스템으로 전송할 수 있다. 몇몇 실시예에서, 메인 서버 시스템은 블록 110에서 의료 영상 및/또는 다른 비영상 데이터를 수신하고 그리고/또는 다른 방식으로 액세스하도록 구성될 수 있다.
몇몇 실시예에서, 블록 112에서, 시스템은 의료 영상 데이터베이스(100)로부터 저장 및/또는 액세스될 수 있는 하나 이상의 의료 영상을 자동으로 및/또는 동적으로 분석하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 원시 CT 영상 데이터를 취하고, CT 데이터 내의 식별된 동맥의 다양한 양태를 식별, 측정 및/또는 분석하기 위해 인공 지능(AI) 알고리즘, 기계 학습(ML) 알고리즘, 및/또는 다른 물리 기반 알고리즘을 원시 CT 데이터에 적용하도록 구성될 수 있다. 몇몇 실시예에서, 원시 의료 영상 데이터의 입력은 원시 의료 영상 데이터를 클라우드 기반 데이터 저장소 시스템에 업로드하는 것을 수반한다. 몇몇 실시예에서, 의료 영상 데이터의 처리는 AI 및/또는 ML 알고리즘을 사용하여 클라우드 기반 컴퓨팅 시스템에서 데이터를 처리하는 것을 수반한다. 몇몇 실시예에서, 시스템은 약 1분, 약 2분, 약 3분, 약 4분, 약 5분, 약 6분, 약 7분, 약 8분, 약 9분, 약 10분, 약 15분, 약 20분, 약 30분, 약 35분, 약 40분, 약 45분, 약 50분, 약 55분, 약 60분 내에, 및/또는 전술된 값들 중 2개에 의해 정의된 범위 내에서 원시 CT 데이터를 분석하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 의료 영상 내에서 하나 이상의 혈관을 식별 및/또는 분석하기 위해 혈관 식별 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 의료 영상 내에서 하나 이상의 관상 동맥을 식별 및/또는 분석하기 위해 관상 동맥 식별 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 의료 영상 내에서 하나 이상의 플라크의 영역을 식별 및/또는 분석하기 위해 플라크 식별 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 혈관 식별 알고리즘, 관상 동맥 식별 알고리즘, 및/또는 플라크 식별 알고리즘은 AI 및/또는 ML 알고리즘을 포함한다. 예를 들어, 몇몇 실시예에서, 혈관 식별 알고리즘, 관상 동맥 식별 알고리즘, 및/또는 플라크 식별 알고리즘은 하나 이상의 혈관, 관상 동맥 및/또는 플라크의 영역이 미리 식별되는 복수의 의료 영상에 대해 훈련될 수 있다. 이러한 훈련에 기초하여, 예를 들어 몇몇 실시예에서 컨볼루션 신경망의 사용에 의해, 시스템은 원시 의료 영상으로부터 혈관, 관상 동맥 및/또는 플라크의 존재 및/또는 파라미터를 자동으로 및/또는 동적으로 식별하도록 구성될 수 있다.
이와 같이, 몇몇 실시예에서, 의료 영상 또는 원시 CT 스캔 데이터의 처리는 환자의 특정 동맥 혈관의 존재 및/또는 비존재를 결정 및/또는 식별하기 위해 의료 영상 또는 CT 데이터의 분석을 포함할 수 있다. 자연적으로 발생하는 현상으로서, 특정 동맥은 특정 환자에 존재할 수도 있는 반면 이러한 특정 동맥은 다른 환자에게는 존재하지 않을 수도 있다.
몇몇 실시예에서, 블록 112에서, 시스템은 예를 들어 AI 및/또는 ML 알고리즘을 사용하여, 식별된 혈관, 관상 동맥 및/또는 플라크를 분석하도록 추가로 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 예를 들어 동맥 리모델링, 곡률, 체적, 폭, 직경, 길이, 및/또는 기타와 같은 하나 이상의 혈관 형태 파라미터를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 의료 영상 내에 보여진 플라크의 하나 이상의 영역의 체적, 표면적, 기하학 형상, 방사선 밀도, 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 및/또는 기타와 같은 하나 이상의 플라크 파라미터를 결정하도록 구성될 수 있다. 본 명세서에 사용될 때 "방사선 밀도"는 물질을 통과하는 전자기 관계(예를 들어, X-레이)의 상대적인 무능력을 나타내는 광범위한 용어이다. 영상과 관련하여, 방사선 밀도 값은 영상 내의 방사선 밀도 값이 영상 내에 묘사된 물질의 밀도에 대응하는 영상 데이터(예를 들어, 필름, 인쇄물 또는 전자 포맷) 내의 밀도를 나타내는 값을 칭한다.
몇몇 실시예에서, 블록 114에서, 시스템은 대상의 특정 시점 분석을 수행하기 위해 의료 영상으로부터 식별 및/또는 분석된 혈관, 관상 동맥 및/또는 플라크를 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 혈관, 관상 동맥 및/또는 플라크를 식별 및/또는 분석하고 하나 이상의 파라미터 및/또는 그 분류를 도출하기 위해 하나의 시점으로부터 촬영된 하나 이상의 의료 영상의 자동 및/또는 동적 영상 처리를 사용하도록 구성될 수 있다. 예를 들어, 본 명세서에 더 상세히 설명되는 바와 같이, 몇몇 실시예에서, 시스템은 플라크의 하나 이상의 정량화 메트릭을 생성하고 그리고/또는 플라크의 식별된 영역을 양호 또는 불량 플라크로서 분류하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 블록 114에서, 시스템은 분석 결과에 기초하여 대상에 대한 하나 이상의 치료 계획을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 혈관 또는 플라크를 식별 및/또는 분석하고, 하나 이상의 정량화 메트릭 및/또는 분류를 도출하고, 및/또는 치료 계획을 생성하기 위해 하나 이상의 AI 및/또는 ML 알고리즘을 이용하도록 구성될 수 있다.
몇몇 실시예에서, 대상의 이전 스캔 또는 의료 영상이 존재하면, 시스템은 블록 126에서 질환 추적과 같은 하나 이상의 시간 기반 분석을 수행하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템이 대상의 이전 스캔 또는 의료 영상으로부터 도출된 하나 이상의 정량화된 파라미터 또는 분류에 액세스를 가지면, 시스템은 이들을 현재 스캔 또는 의료 영상으로부터 도출된 하나 이상의 정량화된 파라미터 또는 분류와 비교하여 질환의 진행 및/또는 대상의 상태를 결정하도록 구성될 수 있다.
몇몇 실시예에서, 블록 116에서, 시스템은 블록 116에서의 분석 결과의 그래픽 사용자 인터페이스(GUI) 또는 다른 시각화를 자동으로 및/또는 동적으로 생성하도록 구성되는데, 이 분석 결과는 예를 들어 식별된 혈관, 플라크의 영역, 관상 동맥, 정량화된 메트릭 또는 파라미터, 위험 평가, 제안된 치료 계획 및/또는 본 명세서에 설명된 임의의 다른 분석 결과를 포함할 수 있다. 몇몇 실시예에서, 시스템은 CT 스캔 데이터에 존재하는 동맥을 분석하고 예를 들어 10 내지 15분 또는 그 미만 이내에 환자에게 존재하는 동맥의 다양한 뷰를 디스플레이하도록 구성된다. 대조적으로, 예로서, 양호 또는 불량 플라크 또는 임의의 다른 인자의 고려 없이, 협착만을 식별하기 위해 CT의 시각적 평가를 수행하는 것은 기술 레벨에 따라 15분 내지 1시간 초과 소용될 수 있고, 또한 방사선 전문의 및/또는 심장 이미저를 가로질러 상당한 가변성을 가질 수 있다.
몇몇 실시예에서, 블록 118에서, 시스템은 생성된 GUI 또는 다른 시각화, 분석 결과, 및/또는 치료를 의료 시설에 전송하도록 구성될 수 있다. 몇몇 실시예에서, 블록 120에서, 의료 시설에서 의사는 이어서 생성된 GUI 또는 다른 시각화, 분석 결과, 및/또는 치료를 검토 및/또는 확인 및/또는 수정할 수 있다.
몇몇 실시예에서, 블록 122에서, 시스템은 블록 124에서 동일한 것을 수신할 수 있는 환자에게 환자-특정 의료 보고를 추가로 생성하고 전송하도록 구성될 수 있다. 몇몇 실시예에서, 환자-특정 의료 보고는 의료 영상 처리 및 분석으로부터 도출된 분석 결과 및/또는 그로부터 생성된 다른 분석 결과에 기초하여 동적으로 생성될 수 있다. 예를 들어, 환자-특정 보고는 식별된 혈관, 플라크의 영역, 관상 동맥, 정량화된 메트릭 또는 파라미터, 위험 평가, 제안된 치료 계획 및/또는 본 명세서에 설명된 임의의 다른 분석 결과를 포함할 수 있다.
몇몇 실시예에서, 도 1에 도시되어 있는 프로세스 중 하나 이상은 예를 들어 질환의 진행 및/또는 환자의 상태를 추적하기 위해 상이한 시간에 동일한 환자에 대해 반복될 수 있다.
양호 대 불량 플라크의 영상 처리 기반 분류
설명된 바와 같이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 의료 영상 분석 및/또는 처리에 기초하여 양호 대 불량 플라크 또는 안정 대 불안정 플라크를 자동으로 및/또는 동적으로 식별 및/또는 분류하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 동맥 내에서, 동맥을 따라, 동맥 내부 및/또는 외부의 플라크 축적을 나타내는 동맥 내의 영역을 식별하기 위해 AI 및/또는 ML 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 동맥 혈관 벽과 연관된 플라크 축적의 윤곽 또는 경계를 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 동맥과 연관된 플라크 축적의 형상 및 구성을 윤곽화하는 라인을 작도하거나 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크 축적이 특정 종류의 플라크인지 여부 및/또는 특정 플라크 축적의 조성 또는 특성화를 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이진법으로, 순서대로 및/또는 연속적으로 플라크를 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 식별된 플라크 축적의 종류가 플라크 영역에 대응하는 영상의 어두운 컬러 또는 어두운 회색조 특성으로 인해, 및/또는 그 감쇠 밀도의 결정에 의해(예를 들어, 하운즈필드(Hounsfield) 단위 척도 또는 다른 것을 사용하여) "불량" 종류의 플라크인 것을 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 플라크의 밝기가 미리 결정된 레벨보다 어두우면 특정 플라크를 "불량" 플라크로서 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크 축적에 대응하는 영역의 백색 착색 및/또는 밝은 회색조 특성에 기초하여 양호 플라크 영역을 식별하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 플라크의 밝기가 미리 결정된 레벨보다 밝으면 특정 플라크를 "양호" 플라크로서 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 CT 스캔 내의 어두운 영역이 "불량" 플라크와 관련되는 것으로 결정하도록 구성될 수 있고, 반면 시스템은 백색 영역에 대응하는 양호 플라크 영역을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 동맥 혈관 또는 복수의 혈관 내에서 식별된 총 플라크, 양호 플라크 및/또는 불량 플라크의 총 면적 및/또는 체적을 식별하고 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 식별된 총 플라크 영역, 양호 플라크 영역 및/또는 불량 플라크 영역의 길이를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 식별된 총 플라크 영역, 양호 플라크 영역 및/또는 불량 플라크 영역의 폭을 결정하도록 구성될 수 있다. "양호" 플라크는 다른 것들 중에서도, 심근경색을 유발할 가능성이 적고, 상당한 플라크 진행을 나타낼 가능성이 적고, 그리고/또는 허혈 가능성이 적기 때문에 이와 같이 고려될 수도 있다. 반대로, "불량" 플라크는 다른 것들 중에서도, 심근경색을 유발할 가능성이 높고, 상당한 플라크 진행을 나타낼 가능성이 높고, 그리고/또는 허혈 가능성이 높기 때문에 이와 같이 고려된다. 몇몇 실시예에서, "양호" 플라크는 관상 혈관재형성시에 무-리플로우 현상을 야기할 가능성이 적기 때문에 이와 같이 고려될 수도 있다. 반대로, "불량" 플라크는 관상 혈관재형성시에 무-리플로우 현상을 유발할 가능성이 높기 때문에 이와 같이 고려될 수도 있다.
도 2a는 비침습적으로 획득될 수 있는 의료 영상으로부터 플라크의 분석 및 분류를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 2a에 도시되어 있는 바와 같이, 블록 202에서, 몇몇 실시예에서, 시스템은 대상의 관상 영역을 포함할 수 있고 그리고/또는 의료 영상 데이터베이스(100)에 저장될 수 있는 의료 영상에 액세스하도록 구성될 수 있다. 의료 영상 데이터베이스(100)는 시스템에 의해 로컬로 액세스 가능할 수 있고 그리고/또는 원격으로 위치되고 네트워크 연결을 통해 액세스 가능할 수 있다. 의료 영상은 예를 들어 CT, 이중 에너지 컴퓨터 단층 촬영(DECT), 스펙트럼 CT, 광자 계수 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), 자기 공명(MR) 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS)과 같은 하나 이상의 양식을 사용하여 획득한 영상을 포함할 수 있다. 몇몇 실시예에서, 의료 영상은 조영 증강 CT 영상, 비조영 CT 영상, MR 영상, 및/또는 전술된 양식 중 임의의 것을 사용하여 획득된 영상 중 하나 이상을 포함한다.
몇몇 실시예에서, 시스템은 본 명세서에 설명된 바와 같이 의료 영상의 하나 이상의 분석을 자동으로 및/또는 동적으로 수행하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 블록 204에서, 시스템은 하나 이상의 동맥을 식별하도록 구성될 수 있다. 하나 이상의 동맥은 다른 것들 중에서도, 관상 동맥, 경동맥, 대동맥, 신장 동맥, 하지 동맥, 상지 동맥, 및/또는 대뇌 동맥을 포함할 수 있다. 몇몇 실시예에서, 시스템은 영상 처리를 사용하여 하나 이상의 동맥 또는 관상 동맥을 자동으로 및/또는 동적으로 식별하기 위해 하나 이상의 AI 및/또는 ML 알고리즘을 이용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 하나 이상의 AI 및/또는 ML 알고리즘은 동맥 또는 관상 동맥이 식별되어 있는 의료 영상의 세트에 대해 컨볼루션 신경망(CNN)을 사용하여 훈련될 수 있어, 이에 의해 AI 및/또는 ML 알고리즘이 의료 영상으로부터 직접 동맥 또는 관상 동맥을 자동으로 식별하게 한다. 몇몇 실시예에서, 동맥 또는 관상 동맥은 크기 및/또는 위치에 의해 식별된다.
몇몇 실시예에서, 블록 206에서, 시스템은 의료 영상 내의 플라크의 하나 이상의 영역을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 영상 처리를 사용하여 플라크의 하나 이상의 영역을 자동으로 및/또는 동적으로 식별하기 위해 하나 이상의 AI 및/또는 ML 알고리즘을 이용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 하나 이상의 AI 및/또는 ML 알고리즘은 플라크의 영역이 식별되어 있는 의료 영상의 세트에 대해 컨볼루션 신경망(CNN)을 사용하여 훈련될 수 있어, 이에 의해 AI 및/또는 ML 알고리즘이 의료 영상으로부터 직접 플라크의 영역을 자동으로 식별하게 한다. 몇몇 실시예에서, 시스템은 의료 영상 내의 각각의 식별된 관상 동맥에 대한 혈관 벽 및 내강 벽을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이어서 혈관 벽과 내강 벽 사이의 체적을 플라크로서 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 예를 들어, 정규화 디바이스를 사용하는 정규화에 의해 또는 정규화 없이 플라크와 일반적으로 연관된 방사선 밀도 값의 미리 결정된 임계값 또는 범위를 설정함으로써, 플라크와 일반적으로 연관된 방사선 밀도 값에 기초하여 플라크의 영역을 식별하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 의료 영상으로부터 블록 208에서 하나 이상의 혈관 형태 파라미터 및/또는 플라크 파라미터를 자동으로 및/또는 동적으로 결정하도록 구성된다. 몇몇 실시예에서, 하나 이상의 혈관 형태 파라미터 및/또는 플라크 파라미터는 의료 영상으로부터 도출된 정량화된 파라미터를 포함할 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 혈관 형태 파라미터 및/또는 플라크 파라미터를 결정하기 위해 AI 및/또는 ML 알고리즘 또는 다른 알고리즘을 이용하도록 구성될 수 있다. 다른 예로서, 몇몇 실시예에서, 시스템은 양성 동맥 리모델링, 음성 동맥 리모델링 및/또는 중간 동맥 리모델링을 더 포함할 수 있는 플라크로 인한 동맥 리모델링의 분류와 같은 하나 이상의 혈관 형태 파라미터를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 동맥 리모델링의 분류는 정상 데이터베이스로부터 검색될 수 있는 동일한 영역의 정상 기준 혈관 직경에 대한 플라크의 영역에서의 최대 혈관 직경의 비에 기초하여 결정된다. 몇몇 실시예에서, 시스템은 동일한 영역의 정상 기준 혈관 직경에 대한 플라크의 영역에서의 최대 혈관 직경의 비가 1.1 초과일 때 동맥 리모델링을 양성으로서 분류하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 정상 기준 혈관 직경에 대한 플라크의 영역에서의 최대 혈관 직경의 비가 0.95 미만일 때 동맥 리모델링을 음성으로서 분류하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 정상 기준 혈관 직경에 대한 플라크의 영역에서의 최대 혈관 직경의 비가 0.95 내지 1.1일 때 동맥 리모델링을 중간으로서 분류하도록 구성될 수 있다.
또한, 블록 208의 부분으로서, 몇몇 실시예에서, 시스템은 블록 201에서 플라크 및/또는 하나 이상의 혈관 또는 동맥의 하나 이상의 영역의 기하학 형상 및/또는 체적을 결정하도록 구성될 수 있다. 예를 들어, 시스템은 플라크의 특정 영역의 기하학 형상이 둥근형인지 장방형인지 또는 다른 형상인지를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 플라크의 영역의 기하학 형상은 플라크의 안정성을 평가하는 데 있어서의 인자일 수 있다. 다른 예로서, 몇몇 실시예에서, 시스템은 의료 영상으로부터 혈관 또는 동맥의 곡률, 직경, 길이, 체적, 및/또는 임의의 다른 파라미터를 결정하도록 구성될 수 있다.
몇몇 실시예에서, 블록 208의 부분으로서, 시스템은 블록 203에서 예를 들어, 플라크의 영역의 직경, 반경 및/또는 두께와 같은, 플라크의 영역의 체적 및/또는 표면적 및/또는 플라크의 영역의 표면적에 대한 체적의 비 또는 다른 함수를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 낮은 표면적에 대한 체적의 비를 갖는 플라크는 플라크가 안정하다는 것을 나타낼 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 미리 결정된 임계값 미만의 플라크의 영역의 표면적에 대한 체적의 비가 안정 플라크를 나타내는 것을 결정하도록 구성될 수 있다.
몇몇 실시예에서, 블록 208의 부분으로서, 시스템은 블록 205에서 플라크의 영역의 이질성 지수를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 낮은 이질성 또는 높은 균질성을 갖는 플라크는 플라크가 안정하다는 것을 나타낼 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 미리 결정된 임계값 미만의 플라크의 영역의 이질성이 안정 플라크를 나타내는 것으로 결정하도록 구성될 수 있다. 몇몇 실시예에서, 플라크의 영역의 이질성 또는 균질성은 플라크의 영역 내의 방사선 밀도 값의 이질성 또는 균질성에 기초하여 결정될 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 플라크의 기하학적 형상 또는 영역 내의 또는 가로지르는 방사선 밀도 값의 3차원 막대 그래프와 같은 공간 맵핑을 생성함으로써 플라크의 이질성 지수를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 공간 맵핑을 가로지르는 방사선 밀도 값의 구배 또는 변화가 특정 임계값 초과이면, 시스템은 높은 이질성 지수를 할당하도록 구성될 수 있다. 반대로, 몇몇 실시예에서, 공간 맵핑을 가로지르는 방사선 밀도 값의 구배 또는 변화가 특정 임계값 미만이면, 시스템은 낮은 이질성 지수를 할당하도록 구성될 수 있다.
몇몇 실시예에서, 블록 208의 부분으로서, 시스템은 블록 207에서 플라크 및/또는 그 조성의 방사선 밀도를 결정하도록 구성될 수 있다. 예를 들어, 높은 방사선 밀도 값은 플라크가 고도로 석회화되거나 안정한 것을 나타낼 수 있고, 반면 낮은 방사선 밀도 값은 플라크가 덜 석회화되거나 불안정한 것을 나타낼 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 미리 결정된 임계값 초과의 플라크의 영역의 방사선 밀도가 안정한 안정화된 플라크를 나타내는 것으로 결정하도록 구성될 수 있다. 게다가, 플라크의 영역 내의 상이한 영역은 상이한 레벨에서 석회화되고 이에 의해 상이한 방사선 밀도 값을 나타낼 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 플라크의 영역의 방사선 밀도 값 및/또는 플라크의 영역 내의 방사선 밀도 값의 조성 또는 백분율 또는 변화를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 플라크의 영역 내의 얼마나 많은 플라크 또는 플라크의 얼마의 백분율이 낮은 범위, 중간 범위, 높은 범위 및/또는 임의의 다른 분류 내에서 방사선 밀도 값을 나타내는지를 결정하도록 구성될 수 있다.
유사하게, 몇몇 실시예에서, 블록 208의 부분으로서, 시스템은 블록 209에서 플라크의 체적에 대한 플라크의 방사선 밀도 값의 비를 결정하도록 구성될 수 있다. 예를 들어, 플라크의 큰 또는 작은 영역이 높은 또는 낮은 방사선 밀도 값을 나타내는지 여부를 평가하는 것이 중요할 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 플라크 체적의 함수 또는 비로서 상이한 방사선 밀도 값을 포함하는 플라크의 백분율 조성을 결정하도록 구성될 수 있다.
몇몇 실시예에서, 블록 208의 부분으로서, 시스템은 블록 211에서 확산율을 결정하고 그리고/또는 플라크의 영역에 확산율 지수를 할당하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 플라크의 확산율은 플라크의 방사선 밀도 값에 의존할 수 있는데, 여기서 높은 방사선 밀도 값은 플라크의 낮은 확산율 또는 안정성을 나타낼 수 있다.
몇몇 실시예에서, 블록 210에서, 시스템은 원시 의료 영상으로부터 결정 및/또는 도출된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터에 기초하여 의료 영상으로부터 식별된 플라크의 하나 또는 영역을 안정 대 불안정 또는 양호 대 불량으로 분류하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 원시 의료 영상으로부터 결정 및/또는 도출된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 가중 측정치를 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 동등하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 상이하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 로그함수적으로, 대수적으로, 및/또는 다른 수학적 변환을 이용하여 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 생성된 가중 측정치를 사용하여 및/또는 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 일부만을 사용하여 블록 210에서 플라크의 하나 이상의 영역을 분류하도록 구성된다.
몇몇 실시예에서, 블록 212에서, 시스템은 분석 및/또는 결정된 파라미터에 기초하여 양자화된 컬러 맵핑을 생성하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 본 명세서에 설명된 임의의 분석 기술을 사용하여 결정된 바와 같은 석회화 플라크, 비석회화 플라크, 양호 플라크, 불량 플라크, 안정 플라크 및/또는 불안정 플라크의 양자화된 컬러 맵핑을 생성함으로써 분석된 의료 영상의 시각화를 생성하도록 구성된다. 또한, 몇몇 실시예에서, 정량화된 컬러 맵핑은 또한 예를 들어 하나 이상의 AI 및/또는 ML 알고리즘을 이용함으로써 시스템에 의해 결정될 수 있는 동맥 및/또는 심장외막 지방을 또한 포함할 수 있다.
몇몇 실시예에서, 블록 214에서, 시스템은 예를 들어 원시 의료 영상으로부터 자동으로 도출된 플라크의 분류와 같은 분석에 기초하여 대상에 대해 제안된 치료 계획을 생성하도록 구성된다. 특히, 몇몇 실시예에서, 시스템은 원시 의료 영상 및 그 자동화된 영상 처리에 기초하여 대상의 죽상동맥경화증, 협착증 및/또는 허혈의 위험을 평가하거나 예측하도록 구성될 수 있다.
몇몇 실시예에서, 도 2a와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 동일한 대상의 의료 영상이 나중의 시점에 다시 촬영되면, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 질환 추적 및/또는 다른 목적을 위해 사용될 수 있다.
비조영 CT 영상(들)으로부터 비석회화 플라크의 결정
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 예를 들어 심혈관 이벤트의 위험을 포함하여, 대상을 평가하기 위해 하나 이상의 영상 분석 기술을 수행하기 위한 입력으로서 대상의 CT 또는 다른 의료 영상을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 이러한 CT 영상은 조영 증강 CT 영상을 포함할 수 있는데, 이 경우 본 명세서에 설명된 분석 기술 중 몇몇은 예를 들어 플라크를 식별하거나 분류하기 위해 직접 적용될 수 있다. 그러나, 몇몇 실시예에서, 이러한 CT 영상은 비조영 CT 영상을 포함할 수 있는데, 이 경우 그 낮은 방사선 밀도 값 및 예를 들어 혈액과 같은 다른 낮은 방사선 밀도 값 성분과 중첩으로 인해 비석회화 플라크를 식별 및/또는 결정하기가 더 어려울 수 있다. 이와 같이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 비조영 CT 영상으로부터 비석회화 플라크를 결정하기 위한 신규한 접근법을 제공하는데, 이는 더 널리 이용 가능할 수 있다.
또한, 몇몇 실시예에서, 조영 증강 CT 스캔을 분석하는 것에 추가하여 또는 그 대신에, 시스템은 또한 비조영 CT 스캔에서 동맥 내에서 유동하는 혈액의 감쇠 밀도보다 낮은 동맥 내의 감쇠 밀도를 검사하도록 구성될 수 있다. 몇몇 실시예에서, 이들 "저감쇠" 플라크는 혈액 감쇠 밀도와 때때로 관상 동맥을 둘러싸고 그리고/또는 상이한 물질의 비석회화 플라크를 나타낼 수도 있는 지방 사이에서 구별될 수도 있다. 몇몇 실시예에서, 이들 비석회화 플라크의 존재는 이전에 석회화된 플라크가 안정화 또는 악화 또는 진행 또는 퇴행하는지 여부에 대한 점증적 예측을 제공할 수도 있다. 이들 실시예를 통해 측정 가능한 이들 발견은 환자의 예후와 연계될 수도 있고, 여기서, 칼슘 안정화(즉, 더 높은 감쇠 밀도) 및 비석회화 플라크의 결여는 유리한 예후와 연관될 수도 있고, 반면 칼슘 안정화의 결여(즉, 감쇠 밀도의 증가 없음) 또는 상당한 진행 또는 새로운 칼슘 형성은 질환, 심근경색 또는 다른 주요 불리한 심혈관 이벤트의 급속 진행의 위험을 포함하여, 더 열악한 예후와 연관될 수도 있다.
도 2b는 비조영 CT 영상과 같은 의료 영상으로부터 비석회화 및/또는 저감쇠 플라크의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 본 명세서에 설명되고 도 2b에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 의료 영상으로부터 비석회화 및/또는 저감쇠 플라크를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 의료 영상은 대상 또는 환자의 관상 영역의 것일 수 있다. 몇몇 실시예에서, 의료 영상은 CT, 이중 에너지 컴퓨터 단층 촬영(DECT), 스펙트럼 CT, x-레이, 초음파, 심장초음파, IVUS, MR, OCT, 핵의학 영상, PET, SPECT, NIRS, 및/또는 기타와 같은 하나 이상의 양식을 사용하여 획득될 수 있다. 몇몇 실시예에서, 시스템은 블록 202에서, 예를 들어 의료 영상 데이터베이스(100)로부터 하나 이상의 의료 영상에 액세스하도록 구성될 수 있다.
몇몇 실시예에서, 의료 영상 또는 비조영 CT 영상으로부터 비석회화 및/또는 저감쇠 플라크를 결정하기 위해, 시스템은 명확하게 비석회화 플라크인 의료 영상 내의 영역을 먼저 식별하기 위해 단계적 접근법을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이어서 비석회화 및/또는 저감쇠 플라크의 다른 영역을 식별하기 위해 영상 내의 나머지 영역의 더 상세한 분석을 수행할 수 있다. 이러한 구획화 또는 단계적 접근법을 이용함으로써, 몇몇 실시예에서, 시스템은 영상의 모든 영역 또는 픽셀에 대한 더 복잡한 분석을 적용해야 하기보다는 더 빠른 전환으로 의료 영상 또는 비조영 CT 영상으로부터 비석회화 및/또는 저감쇠 플라크를 식별하거나 결정할 수 있다.
특히, 몇몇 실시예에서, 블록 224에서, 시스템은 의료 영상으로부터 심장외막 지방을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 미리 결정된 임계값 미만 및/또는 미리 결정된 범위 내에서 방사선 밀도 값을 갖는 영상 내의 모든 픽셀 또는 영역을 결정함으로써 심장외막 지방을 식별하도록 구성될 수 있다. 심장외막 지방을 식별하기 위한 방사선 밀도의 정확한 미리 결정된 임계값 또는 범위는 의료 영상, 스캐너 유형, 스캔 파라미터, 및/또는 기타에 의존할 수 있는데, 이것이 정규화 디바이스가 몇몇 경우에 의료 영상을 정규화하기 위해 사용될 수 있는 이유이다. 예를 들어, 몇몇 실시예에서, 시스템은 약 -100 하운즈필드 단위 및/또는 -100 하운즈필드 단위를 포함하는 범위 내에 있는 방사선 밀도 값을 갖는 의료 영상 또는 비조영 CT 영상 내의 심장외막 지방 픽셀 및/또는 영역으로서 식별하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 약 -100 하운즈필드 단위, 약 -110 하운즈필드 단위, 약 -120 하운즈필드 단위, 약 -130 하운즈필드 단위, 약 -140 하운즈필드 단위, 약 -150 하운즈필드 단위, 약 -160 하운즈필드 단위, 약 -170 하운즈필드 단위, 대략 -180 하운즈필드 단위, 약 -190 하운즈필드 단위, 또는 약 -200 하운즈필드 단위의 하한, 및 약 30 하운즈필드 단위, 약 20 하운즈필드 단위, 약 10 하운즈필드 단위, 약 0 하운즈필드 단위, 약 -10 하운즈필드 단위, 약 -20 하운즈필드 단위, 약 -30 하운즈필드 단위, 약 -40 하운즈필드 단위, 약 -50 하운즈필드 단위, 약 -60 하운즈필드 단위, 약 -70 하운즈필드 단위, 약 -80 하운즈필드 단위 또는 약 -90 하운즈필드 단위의 상한을 갖는 범위 내에 있는 방사선 밀도 값을 갖는 의료 영상 또는 비조영 CT 영상 내의 심장외막 지방 픽셀 및/또는 영역으로서 식별하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 동맥의 외부 경계로서 식별된 심장외막 지방을 사용하여 의료 영상 또는 비조영 CT 영상에서 동맥을 식별 및/또는 세그먼트화하도록 구성될 수 있다. 예를 들어, 시스템은 먼저 의료 영상에서 심장외막 지방의 영역을 식별하고 심장외막 지방 사이의 체적을 관상 동맥과 같은 동맥으로서 할당하도록 구성될 수 있다.
몇몇 실시예에서, 블록 226에서, 시스템은 식별된 동맥 내와 같은, 의료 영상 내의 픽셀 또는 영역의 제1 세트를 비석회화 또는 저감쇠 플라크로서 식별하도록 구성될 수 있다. 더 구체적으로, 몇몇 실시예에서, 시스템은 미리 결정된 임계값 미만 또는 미리 결정된 범위 내에 있는 방사선 밀도 값을 갖는 픽셀 또는 영역을 식별함으로써 초기 세트의 저감쇠 또는 비석회화 플라크로서 식별하도록 구성될 수 있다. 예를 들어, 미리 결정된 임계값 또는 미리 결정된 범위는 생성 픽셀이 혈액과 같은 다른 물질과 혼동의 가능성 없이 저감쇠 또는 비석회화 플라크로서 확신 있게 마킹될 수 있도록 설정될 수 있다. 특히, 몇몇 실시예에서, 시스템은 약 30 하운즈필드 단위 미만의 방사선 밀도 값을 갖는 픽셀 또는 영역을 식별함으로써 저감쇠 또는 비석회화 플라크의 초기 세트를 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 약 60 하운즈필드 단위, 약 55 하운즈필드 단위, 약 50 하운즈필드 단위, 약 45 하운즈필드 단위, 약 40 하운즈필드 단위, 약 35 하운즈필드 단위, 약 30 하운즈필드 단위, 약 25 하운즈필드 단위, 약 20 하운즈필드 단위, 약 15 하운즈필드 단위, 약 10 하운즈필드 단위, 약 5 하운즈필드 단위 이하의 방사선 밀도 값을 갖는, 및/또는 약 0 하운즈필드 단위, 약 5 하운즈필드 단위, 약 10 하운즈필드 단위, 약 15 하운즈필드 단위, 약 20 하운즈필드 단위, 약 25 하운즈필드 단위 및/또는 약 30 하운즈필드 단위 이상의 방사선 밀도 값을 갖는 픽셀 또는 영역을 식별함으로써 저감쇠 또는 비석회화 플라크의 초기 세트를 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 블록 238에서 식별된 비석회화 또는 저감쇠 플라크의 제1 세트로서 방사선 밀도 값의 이 미리 결정된 범위 내에 또는 미만에 속하는 픽셀 또는 영역을 분류하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 228에서, 저감쇠 또는 비석회화 플라크를 나타낼 수도 있고 또는 나타내지 않을 수도 있는 식별된 동맥 내와 같은 의료 영상 내의 픽셀 또는 영역의 제2 세트를 식별하도록 구성될 수 있다. 설명된 바와 같이, 몇몇 실시예에서, 픽셀 또는 영역의 후보의 제2 세트는 플라크를 나타내는지 확인하기 위해 부가의 분석을 필요로 할 수도 있다. 특히, 몇몇 실시예에서, 시스템은 미리 결정된 범위 내의 방사선 밀도 값을 갖는 영상의 픽셀 또는 영역을 식별함으로써 잠재적으로 저감쇠 또는 비석회화 플라크일 수도 있는 이 픽셀 또는 영역의 제2 세트를 식별하도록 구성될 수 있다. 몇몇 실시예에서, 이 픽셀 또는 영역의 제2 세트를 식별하기 위한 미리 결정된 범위는 약 30 하운즈필드 단위 내지 100 하운즈필드 단위일 수 있다. 몇몇 실시예에서, 이 픽셀 또는 영역의 제2 세트를 식별하기 위한 미리 결정된 범위는 약 0 하운즈필드 단위, 5 하운즈필드 단위, 10 하운즈필드 단위, 15 하운즈필드 단위, 20 하운즈필드 단위, 25 하운즈필드 단위, 30 하운즈필드 단위, 35 하운즈필드 단위, 40 하운즈필드 단위, 45 하운즈필드 단위, 50 하운즈필드 단위의 하한, 및/또는 약 55 하운즈필드 단위, 60 하운즈필드 단위, 65 하운즈필드 단위, 70 하운즈필드 단위, 75 하운즈필드 단위, 80 하운즈필드 단위, 85 하운즈필드 단위, 90 하운즈필드 단위, 95 하운즈필드 단위, 100 하운즈필드 단위, 110 하운즈필드 단위, 120 하운즈필드 단위, 130 하운즈필드 단위, 140 하운즈필드 단위, 150 하운즈필드 단위의 상한을 가질 수 있다.
몇몇 실시예에서, 블록 230에서, 시스템은 식별된 픽셀 또는 영역의 제2 세트의 이질성의 분석을 수행하도록 구성될 수 있다. 예를 들어, 픽셀의 제2 세트를 식별하는 데 사용되는 방사선 밀도 값의 범위에 따라, 몇몇 실시예에서, 픽셀 또는 영역의 제2 세트는 혈액 및/또는 플라크를 포함할 수도 있다. 혈액은 일반적으로 플라크에 비교하여 방사선 밀도 값의 더 균질한 구배를 나타낼 수 있다. 이와 같이, 몇몇 실시예에서, 제2 세트의 부분으로서 식별된 픽셀 또는 영역의 균질성 또는 이질성을 분석함으로써, 시스템은 혈액과 비석회화 또는 저감쇠 플라크를 구별하는 것이 가능할 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 플라크의 기하학적 형상 또는 영역 내의 또는 가로지르는 방사선 밀도 값의 3차원 막대 그래프와 같은 공간 맵핑을 생성함으로써 의료 영상으로부터 식별된 픽셀의 영역의 제2 세트의 이질성 지수를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 공간 맵핑을 가로지르는 방사선 밀도 값의 구배 또는 변화가 특정 임계값 초과이면, 시스템은 높은 이질성 지수를 할당하고 그리고/또는 플라크로서 분류하도록 구성될 수 있다. 반대로, 몇몇 실시예에서, 공간 맵핑을 가로지르는 방사선 밀도 값의 구배 또는 변화가 특정 임계값 미만이면, 시스템은 낮은 이질성 지수를 할당하고 그리고/또는 혈액으로서 분류하도록 구성될 수 있다.
몇몇 실시예에서, 블록 240에서, 시스템은 의료 영상으로부터 식별된 픽셀의 영역의 제2 세트의 서브세트를 플라크 또는 비석회화 플라크 또는 저감쇠 플라크로서 식별하도록 구성될 수 있다. 몇몇 실시예에서, 블록 242에서, 시스템은 블록 238로부터 식별된 비석회화 또는 저감쇠 플라크의 제1 세트와 블록 240으로부터 식별된 비석회화 또는 저감쇠 플라크의 제2 세트를 조합하도록 구성될 수 있다. 이와 같이, 비조영 CT 영상을 사용하는 경우에도, 몇몇 실시예에서, 시스템은 혈액과 같은 다른 물질과의 가능한 중첩으로 인해 석회화 또는 고감쇠 플라크와 비교하여 식별하기 더 어려울 수 있는 저감쇠 또는 비석회화 플라크를 식별하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 또한 블록 232에서 의료 영상으로부터 석회화 또는 고감쇠 플라크를 결정하도록 구성될 수 있다. 이 프로세스는 의료 영상 또는 비조영 CT 영상으로부터 저감쇠 또는 비석회화 플라크를 식별하는 것과 비교하여 더 간단할 수 있다. 특히, 몇몇 실시예에서, 시스템은 미리 결정된 임계값을 초과하고 그리고/또는 미리 결정된 범위 내에 있는 방사선 밀도 값을 갖는 영상 내의 픽셀 또는 영역을 식별함으로써 의료 영상 또는 비조영 CT 영상으로부터 석회화 또는 고감쇠 플라크를 식별하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 약 100 하운즈필드 단위, 약 150 하운즈필드 단위, 약 200 하운즈필드 단위, 약 250 하운즈필드 단위, 약 300 하운즈필드 단위, 약 350 하운즈필드 단위, 약 400 하운즈필드 단위, 약 450 하운즈필드 단위, 약 500 하운즈필드 단위, 약 600 하운즈필드 단위, 약 700 하운즈필드 단위, 약 800 하운즈필드 단위, 약 900 하운즈필드 단위, 약 1000 하운즈필드 단위, 약 1100 하운즈필드 단위, 약 1200 하운즈필드 단위, 약 1300 하운즈필드 단위, 약 1400 하운즈필드 단위, 약 1500 하운즈필드 단위, 약 1600 하운즈필드 단위, 약 1700 하운즈필드 단위, 약 1800 하운즈필드 단위, 약 1900 하운즈필드 단위, 약 2000 하운즈필드 단위, 약 2500 하운즈필드 단위, 약 3000 하운즈필드 단위, 및/또는 임의의 다른 최소 임계값 초과의 방사선 밀도 값을 갖는 의료 영상 또는 비조영 CT 영상으로부터 석회화 또는 고감쇠 플라크 영역 또는 픽셀로서 식별하도록 구성될 수 있다.
몇몇 실시예에서, 블록 234에서, 시스템은 의료 영상으로부터 하나 이상의 식별된 물질의 양자화된 컬러 맵핑을 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 비석회화 또는 저감쇠 플라크, 석회화 또는 고감쇠 플라크, 모든 플라크, 동맥, 심장외막 지방, 및/또는 기타와 같은 상이한 물질과 연관된 상이한 영역의 각각에 상이한 컬러를 할당하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 양자화된 컬러 맵의 시각화를 생성하고 그리고/또는 GUI를 통해 의료진 또는 환자에게 동일한 것을 제시하도록 구성될 수 있다. 몇몇 실시예에서, 블록 236에서, 시스템은 식별된 비석회화 또는 저감쇠 플라크, 석회화 또는 고감쇠 플라크, 모든 플라크, 동맥, 심장외막 지방, 및/또는 기타 중의 하나 이상에 기초하여 질환에 대한 제안된 치료 계획을 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 동맥 질환, 신장 동맥 질환, 복부 죽상동맥경화증, 경동맥 죽상동맥경화증, 및/또는 기타에 대한 치료 계획을 생성하도록 구성될 수 있고, 분석되는 의료 영상은 이러한 질환 분석을 위한 대상의 임의의 하나 이상의 영역으로부터 취해질 수 있다.
몇몇 실시예에서, 도 2b와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 동일한 대상의 의료 영상이 나중의 시점에 다시 촬영되면, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 질환 추적 및/또는 다른 목적을 위해 사용될 수 있다.
또한, 몇몇 실시예에서, 시스템은 DECT 또는 스펙트럼 CT 영상으로부터 비석회화 플라크를 식별 및/또는 결정하도록 구성될 수 있다. 전술된 프로세스와 유사하게, 몇몇 실시예에서, 시스템은 DECT 또는 스펙트럼 CT 영상에 액세스하고, DECT 영상 또는 스펙트럼 CT에서 심장외막 지방을 식별하고 그리고/또는 DECT 영상 또는 스펙트럼 CT에서 하나 이상의 동맥을 세그먼트화하고, 동맥 내의 픽셀 또는 영역의 제1 세트를 저감쇠 또는 비석회화 플라크의 제1 세트로서 식별 및/또는 분류하고, 그리고/또는 동맥 내의 픽셀 또는 영역의 제2 세트를 저감쇠 또는 비석회화 플라크의 제2 세트로서 식별하도록 구성될 수 있다. 그러나, 전술된 기술과 달리, 예를 들어 DECT 또는 스펙트럼 CT 영상이 분석되는 것과 같은 몇몇 실시예에서, 시스템은 픽셀의 제2 세트의 이질성 및/또는 균질성 분석을 수행할 필요 없이 이들 픽셀의 제2 세트의 서브세트를 식별하도록 구성될 수 있다. 오히려, 몇몇 실시예에서, 시스템은 예를 들어 DECT 또는 스펙트럼 CT 영상의 이중 또는 다중 스펙트럼 양태를 이용함으로써, 영상으로부터 직접 혈액과 저감쇠 또는 비석회화 플라크를 구별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 식별된 픽셀 또는 영역의 제1 세트와 저감쇠화 또는 비석회화 플라크로서 식별된 픽셀 또는 영역의 제2 세트의 서브세트를 조합하여 의료 영상에서 이들의 전체 세트를 식별하도록 구성될 수 있다. 몇몇 실시예에서, DECT 또는 스펙트럼 CT 영상을 분석하더라도, 시스템은 블록 230과 관련하여 전술된 것과 유사하게, 이질성 또는 균질성 분석을 수행함으로써 픽셀 또는 영역의 제2 세트를 추가로 분석하도록 구성될 수 있다. 예를 들어, DECT 또는 스펙트럼 CT 영상을 분석하더라도, 몇몇 실시예에서, 혈액의 특정 영역 및/또는 저감쇠 또는 비석회화 플라크 사이의 구별이 완전하고 그리고/또는 정확하지 않을 수도 있다.
영상 분석 기반 위험 평가
몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스, 및 방법은 심혈관 이벤트, 주요 심혈관 이벤트(MACE), 급속 플라크 진행 및/또는 약물에 대한 무반응의 대상의 위험을 평가하기 위해 의료 영상 기반 처리를 이용하도록 구성된다. 특히, 몇몇 실시예에서, 시스템은 예를 들어, 몇 분 내에 전체 영상 기반 분석 보고를 제공하기 위해, AI 및/또는 ML 알고리즘을 사용하여, 비침습적으로 획득된 의료 영상만을 분석함으로써 대상의 이러한 건강 위험을 자동으로 및/또는 동적으로 평가하도록 구성될 수 있다.
특히, 몇몇 실시예에서, 시스템은 환자의 특정 동맥 내의 및/또는 모든 동맥 내의 플라크의 총량(및/또는 특정 유형의 플라크의 양)을 계산하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 특정 동맥 내의 및/또는 환자의 동맥의 일부 또는 전부를 가로지르는 총 동맥 영역 내의 불량 플라크의 총량을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 특정 동맥 및/또는 환자의 동맥의 일부 또는 전부를 가로지르는 총 동맥 영역 내의 플라크의 총량에 기초하여 특정 환자가 심근경색 또는 다른 심장 이벤트를 겪게 하는 위험 인자 및/또는 진단을 결정하도록 구성될 수 있다. "불량" 플라크의 양, 또는 "불량" 대 "양호" 플라크의 상대적인 양으로부터 결정될 수 있는 다른 위험 인자는 질환 진행의 속도 및/또는 허혈의 가능성을 포함할 수 있다. 몇몇 실시예에서, 플라크는 총 체적(또는 단면 영상 상의 면적)에 의해 뿐만 아니라 총 혈관 체적, 총 혈관 길이 또는 대치된 심근에 대해 정규화될 때 상대적인 양에 의해 측정될 수 있다.
몇몇 실시예에서, 관상 동맥의 영상 데이터는 죽상동맥경화증, 협착증 및 혈관 형태의 측정치를 포함할 수 있다. 몇몇 실시예에서, 이 정보는 좌심실 및 우심실, 좌심방 및 우심방; 대동맥, 승모판, 삼첨 판막 및 폐동맥 판막; 대동맥, 폐동맥, 폐정맥, 관상 정맥동 및 하대정맥 및 상대정맥; 심장외막 또는 관상 동맥주위 지방; 폐 밀도; 골밀도; 심막 및 다른 것들의 정량적 특성화에 의해 다른 심혈관 질환 표현형과 조합될 수 있다. 예로서, 몇몇 실시예에서, 관상 동맥에 대한 영상 데이터는 이것이 대치되는 동맥의 양 및 위치에 따라 세그먼트화될 수 있는 좌심실 질량과 통합될 수도 있다. 좌심실 분획 심근 질량과 관상 동맥 정보의 조합은 미래의 심근경색이 큰 것인지 작은 것일지 여부의 예측을 향상시킬 수도 있다. 다른 예로서, 몇몇 실시예에서, 관상 동맥의 혈관 체적은 좌심실 비대의 척도로서 좌심실 질량과 관련될 수 있고, 이는 고혈압이 있는 환자에서 흔한 발견일 수 있다. 증가된 좌심실 질량(상대적 또는 절대적)은 질환이 악화되거나 미제어된 고혈압을 나타낼 수도 있다. 다른 예로서, 몇몇 실시예에서, 심방 세동의 발병, 진행 및/또는 악화는 심방 크기, 체적, 심방 자유벽 질량 및 두께, 심방 기능 및 심방을 둘러싸는 지방에 의해 예측될 수도 있다. 몇몇 실시예에서, 이들 예측은 ML 또는 AI 알고리즘 또는 다른 알고리즘 유형으로 행해질 수도 있다.
순차적으로, 몇몇 실시예에서, 죽상동맥경화증, 협착증 및 혈관 형태의 세그먼트화를 허용하는 알고리즘은 - 다른 심혈관 구조 및 흉부 구조의 세그먼트화를 허용하는 것들과 함께 - 예후 알고리즘에 대한 입력으로서 역할을 할 수도 있다. 몇몇 실시예에서, 예후 알고리즘의 출력 또는 영상 세그먼트화를 허용하는 출력은 미래의 이벤트를 예측함으로써 다음에 임상적 의사 결정을 안내할 수도 있는 다른 알고리즘에 대한 입력으로서 활용될 수도 있다. 예로서, 몇몇 실시예에서, 죽상동맥경화증, 협착증, 및/또는 혈관 형태의 통합 스코어링은 관상 혈관재형성으로부터 이익을 얻을 수도 있는 환자, 즉, 증상 이익, 심근경색 및 사망의 감소된 위험을 달성할 것인 환자를 식별할 수도 있다. 다른 예로서, 몇몇 실시예에서, 죽상동맥경화증, 협착증 및 혈관 형태의 통합 스코어링은 지질 저하 약물(스타틴 약물, PCSK-9 억제제, 아이코소펜트 에틸 및 다른 것들과 같은); Lp(a) 저하 약물; 항혈전 약물(클로피도그렐, 리보록사반 및 다른 것들과 같은)과 같은 특정 유형의 약물로부터 이익을 얻을 수도 있는 개인을 식별할 수도 있다. 몇몇 실시예에서, 이들 알고리즘에 의해 예측되는 이익은 감소된 진행, 플라크 진행 유형의 결정(진행, 퇴행 또는 혼합 반응), 의료 요법으로 인한 안정화, 및/또는 증대된 증강 요법의 필요성에 대한 것일 수도 있다. 몇몇 실시예에서, 영상 데이터는 정상이고 현재 플라크가 없지만 미래 플라크 형성의 가능성이 더 높을 수도 있는 관상 혈관 내의 영역을 식별하기 위해 다른 데이터와 조합될 수도 있다.
몇몇 실시예에서, 자동화 또는 수동 공동 등록(co-registration) 방법은 시간 경과에 따라 2개 이상의 영상을 비교하기 위해 영상 세그먼트화 데이터와 조합될 수 있다. 몇몇 실시예에서, 이들 영상의 비교는 시간 경과에 따른 관상 동맥 죽상동맥경화증, 협착증 및 혈관 형태의 차이의 결정을 허용할 수 있고, 위험 예측을 위한 입력 변수로서 사용될 수 있다.
몇몇 실시예에서, 죽상동맥경화증, 협착증, 및 혈관 형태에 대한 관상 동맥의 영상 데이터는 - 흉부 및 심혈관 질환 측정치에 결합되거나 결합되지 않음 - 관상 혈관이 허혈인지 또는 감소된 혈류 또는 혈압을 나타내는지(휴식시에 또는 충혈 상태에서) 여부를 결정하는 알고리즘에 통합될 수 있다.
몇몇 실시예에서, 관상 죽상동맥경화증, 협착증 및 허혈에 대한 알고리즘은 플라크 또는 "밀봉" 플라크를 제거하기 위해 컴퓨터 시스템 및/또는 다른 것에 의해 수정될 수 있다. 몇몇 실시예에서, 임의의 변화가 발생하였는지 여부를 결정하기 위해 시스템이 플라크를 제거하거나 밀봉하기 전 또는 후에 비교가 이루어질 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 관상 허혈이 플라크 밀봉으로 제거되는지 여부를 결정하도록 구성될 수 있다.
몇몇 실시예에서, 관상 죽상동맥경화증, 협착증 및/또는 혈관 형태의 특성화는 유사한 스캐닝을 경험한 환자의 인구 기반 코호트(population-based cohort)와 비교할 때, 환자의 생물학적 연령을 그들의 혈관 연령과 관련시키는 것을 가능하게 할 수 있다. 예를 들어, 60세 환자는 인구 기반 코호트에서 평균 70세 환자와 동등한 X 단위의 플라크를 그들의 관상 동맥에 가질 수도 있다. 이 경우, 환자의 혈관 연령은 환자의 생물학적 연령보다 10년 더 많을 수도 있다.
몇몇 실시예에서, 영상 세그먼트화 예측 알고리즘에 의해 가능하게 된 위험 평가는 장애 또는 생명 보험에 대해 고려되는 사람들의 질환 또는 사망 가능성의 정제된 측정을 허용할 수 있다. 이 시나리오에서, 위험 평가는 전통적인 보험 통계 알고리즘을 대체하거나 보강할 수도 있다.
몇몇 실시예에서, 영상 데이터는 심근경색, 뇌졸중, 사망, 급속 진행, 의료 요법에 대한 무반응, 무-리플로우 현상 및 다른 것들과 같은, 미래의 불리한 이벤트에 대한 위험 평가를 보강하기 위해 다른 데이터와 조합될 수도 있다. 몇몇 실시예에서, 다른 데이터는 알고리즘이 영상화 표현형 데이터를 유전자형 데이터, 단백질체 데이터, 전사체 데이터, 대사체 데이터, 미생물군체 데이터 및/또는 스마트폰 또는 유사한 디바이스에 의해 측정된 바와 같은 활동 및 생활 습관 데이터와 통합되는 다중 오믹(multi-omic) 접근법을 포함할 수도 있다.
도 3a는 의료 영상 분석에 기초하는 위험 평가를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 3a에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 202에서 의료 영상에 액세스하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 블록 204에서 하나 이상의 동맥 및/또는 블록 206에서 플라크의 하나 이상의 영역을 식별하도록 구성될 수 있다. 게다가, 몇몇 실시예에서, 시스템은 블록 208에서 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터를 결정하고 그리고/또는 블록 210에서 결정된 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터 및/또는 그 가중 측정에 기초하여 안정 또는 불안정 플라크를 분류하도록 구성될 수 있다. 블록 202, 204, 206, 208 및 210에 나타낸 프로세스 및 기술에 관한 부가의 상세는 도 2a와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 시스템은 예를 들어 플라크의 분류된 안정 및/또는 불안정 영역을 사용하여 블록 302에서 대상에 대한 심혈관 이벤트의 위험을 자동으로 및/또는 동적으로 결정 및/또는 생성할 수 있다. 더 구체적으로, 몇몇 실시예에서, 시스템은 영상 분석에 기초하여 블록 302에서 심혈관 이벤트, MACE, 급속 플라크 진행, 및/또는 약물에 대한 무반응의 위험을 생성하기 위해 AI, ML 또는 다른 알고리즘을 이용할 수 있다.
몇몇 실시예에서, 블록 304에서, 시스템은 결정된 하나 이상의 혈관 형태 파라미터, 정량화된 플라크 파라미터, 및/또는 분류된 안정 대 불안정 플라크 및/또는 체적, 비, 및/또는 기타와 같은 그 값을 하나 이상의 다른 대상으로부터 도출된 관상 값의 하나 이상의 공지의 데이터세트에 비교하도록 구성될 수 있다. 하나 이상의 공지의 데이터세트는 건강한 대상 및/또는 다양한 위험 레벨을 갖는 대상을 포함하여, 다른 대상으로부터 취한 의료 영상으로부터 도출된 하나 이상의 혈관 형태 파라미터, 정량화된 플라크 파라미터, 및/또는 분류된 안정 대 불안정 플라크 및/또는 체적, 비, 및/또는 기타와 같은 그 값을 포함할 수 있다. 예를 들어, 관상 값의 하나 이상의 공지의 데이터세트는 시스템에 의해 로컬로 액세스 가능하고 그리고/또는 시스템에 의한 네트워크 연결을 통해 원격으로 액세스 가능할 수 있는 관상 값 데이터베이스(306)에 저장될 수 있다.
몇몇 실시예에서, 블록 308에서, 시스템은 하나 이상의 공지의 데이터세트에 대한 비교에 기초하여 대상에 대한 심혈관 이벤트의 위험을 업데이트하도록 구성될 수 있다. 예를 들어, 비교에 기초하여, 시스템은 이전에 생성된 위험 평가를 증가시키거나 감소시킬 수도 있다. 몇몇 실시예에서, 시스템은 비교 후에도 이전에 생성된 위험 평가를 유지할 수도 있다. 몇몇 실시예에서, 시스템은 관상 값의 공지의 데이터세트와 비교 후 생성 및/또는 업데이트된 위험 평가에 기초하여 대상에 대한 제안된 치료를 생성하도록 구성될 수 있다.
몇몇 실시예에서, 블록 310에서, 시스템은 의료 영상으로부터 하나 이상의 다른 심혈관 구조를 추가로 식별하고 그리고/또는 그와 연관된 하나 이상의 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 하나 이상의 부가의 심혈관 구조는 좌심실, 우심실, 좌심방, 우심방, 대동맥 판막, 승모 판막, 삼첨 판막, 폐동맥 판막, 대동맥, 폐동맥, 하대정맥 및 상대정맥, 심장외막 지방 및/또는 심막을 포함할 수 있다.
몇몇 실시예에서, 좌심실과 연관된 파라미터는 크기, 질량, 체적, 형상, 편심도, 표면적, 두께, 및/또는 기타를 포함할 수 있다. 유사하게, 몇몇 실시예에서, 우심실과 연관된 파라미터는 크기, 질량, 체적, 형상, 편심도, 표면적, 두께, 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 좌심방과 연관된 파라미터는 크기, 질량, 체적, 형상, 편심도, 표면적, 두께, 폐정맥 경사, 심방 이형태, 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 우심방과 연관된 파라미터는 크기, 질량, 체적, 형상, 편심도, 표면적, 두께, 및/또는 기타를 포함할 수 있다.
또한, 몇몇 실시예에서, 대동맥 판막과 연관된 파라미터는 두께, 체적, 질량, 석회화, 석회화 및 밀도의 3차원 맵, 석회화의 편심도, 개별 첨판에 의한 분류, 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 승모 판막과 연관된 파라미터는 두께, 체적, 질량, 석회화, 석회화 및 밀도의 3차원 맵, 석회화의 편심도, 개별 첨판에 의한 분류, 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 삼첨 판막과 연관된 파라미터는 두께, 체적, 질량, 석회화, 석회화 및 밀도의 3차원 맵, 석회화의 편심도, 개별 첨판에 의한 분류, 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 폐동맥 판막과 연관된 파라미터는 두께, 체적, 질량, 석회화, 석회화 및 밀도의 3차원 맵, 석회화의 편심도, 개별 첨판에 의한 분류, 및/또는 기타를 포함할 수 있다.
몇몇 실시예에서, 대동맥과 연관된 파라미터는 치수, 체적, 직경, 면적, 확대, 팽출, 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 폐동맥과 연관된 파라미터는 치수, 체적, 직경, 면적, 확대, 팽출, 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 하대정맥 및 상대정맥과 연관된 파라미터는 치수, 체적, 직경, 면적, 확대, 팽출, 및/또는 기타를 포함할 수 있다.
몇몇 실시예에서, 심장외막 지방과 연관된 파라미터는 체적, 밀도, 3차원 밀도, 및/또는 기타를 포함할 수 있다. 몇몇 실시예에서, 심막과 연관된 파라미터는 두께, 질량, 및/또는 기타를 포함할 수 있다.
몇몇 실시예에서, 블록 312에서, 시스템은 예를 들어 그 하나 이상의 결정된 파라미터를 사용하여, 다른 식별된 심혈관 구조 중 하나 이상을 분류하도록 구성될 수 있다. 몇몇 실시예에서, 다른 식별된 심혈관 구조 중 하나 이상에 대해, 시스템은 각각을 시간 경과에 따라 정상 대 비정상, 증가 또는 감소, 및/또는 정적 또는 동적으로 분류하도록 구성될 수 있다.
몇몇 실시예에서, 블록 314에서, 시스템은 다른 심혈관 구조의 결정된 하나 이상의 파라미터를 하나 이상의 다른 대상으로부터 도출된 심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트와 비교하도록 구성될 수 있다. 심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트는 다른 심혈관 구조와 연관된 전술된 파라미터 중 임의의 하나 이상을 포함할 수 있다. 몇몇 실시예에서, 하나 이상의 공지의 데이터세트의 심혈관 구조 파라미터는 건강한 대상 및/또는 다양한 위험 레벨을 갖는 대상을 포함하여 다른 대상으로부터 취한 의료 영상으로부터 도출될 수 있다. 몇몇 실시예에서, 심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트는 시스템에 의해 로컬로 액세스 가능하고 그리고/또는 시스템에 의한 네트워크 연결을 통해 원격으로 액세스 가능할 수 있는 심혈관 구조 값 또는 심혈관 질환(CVD) 데이터베이스(316)에 저장될 수 있다.
몇몇 실시예에서, 블록 318에서, 시스템은 심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트에 대한 비교에 기초하여 대상에 대한 심혈관 이벤트의 위험을 업데이트하도록 구성될 수 있다. 예를 들어, 비교에 기초하여, 시스템은 이전에 생성된 위험 평가를 증가시키거나 감소시킬 수도 있다. 몇몇 실시예에서, 시스템은 비교 후에도 이전에 생성된 위험 평가를 유지할 수도 있다.
몇몇 실시예에서, 블록 320에서, 시스템은 의료 영상, 안정 플라크, 불안정 플라크, 동맥 등으로부터 식별된 하나 이상의 다른 심혈관 구조에 대한 컬러 코딩을 포함할 수 있는 정량화된 컬러 맵을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 블록 322에서, 시스템은 심혈관 구조 파라미터의 공지의 데이터세트와 비교 후 생성 및/또는 업데이트된 위험 평가에 기초하여 대상에 대한 제안된 치료를 생성하도록 구성될 수 있다.
몇몇 실시예에서, 블록 324에서, 시스템은 의료 영상으로부터 하나 이상의 비심혈관 구조를 추가로 식별하고 그리고/또는 그와 연관된 하나 이상의 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 의료 영상은 시야 내에 있는 하나 이상의 비심혈관 구조를 포함할 수 있다. 특히, 하나 이상의 비심혈관 구조는 폐, 뼈, 간, 및/또는 기타를 포함할 수 있다.
몇몇 실시예에서, 비심혈관 구조와 연관된 파라미터는 체적, 표면적, 표면적에 대한 체적의 비 또는 함수, 방사선 밀도 값의 이질성, 방사선 밀도 값, 기하학 형상(장방형, 구형 등과 같은), 공간 방사선 밀도, 공간 흉터형성, 및/또는 기타를 포함할 수 있다. 게다가, 몇몇 실시예에서, 폐와 연관된 파라미터는 밀도, 흉터형성, 및/또는 기타를 포함할 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 폐의 영역의 낮은 하운즈필드 단위를 폐기종과 연관시키도록 구성될 수 있다. 몇몇 실시예에서, 척추 및/또는 늑골과 같은 뼈와 연관된 파라미터는 방사선 밀도, 골절의 존재 및/또는 정도, 및/또는 기타를 포함할 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 뼈의 영역의 낮은 하운즈필드 단위를 골다공증과 연관시키도록 구성될 수 있다. 몇몇 실시예에서, 간과 연관된 파라미터는 간의 하운즈필드 단위 밀도를 분석 및/또는 비교함으로써 시스템에 의해 평가될 수 있는 비알코올성 지방간 질환에 대한 밀도를 포함할 수 있다.
몇몇 실시예에서, 블록 326에서, 시스템은 예를 들어 그 하나 이상의 결정된 파라미터를 사용하여, 식별된 비심혈관 구조 중 하나 이상을 분류하도록 구성될 수 있다. 몇몇 실시예에서, 식별된 비심혈관 구조 중 하나 이상에 대해, 시스템은 각각을 시간 경과에 따라 정상 대 비정상, 증가 또는 감소, 및/또는 정적 또는 동적으로 분류하도록 구성될 수 있다.
몇몇 실시예에서, 블록 328에서, 시스템은 비심혈관 구조의 결정된 하나 이상의 파라미터를 하나 이상의 다른 대상으로부터 도출된 비심혈관 구조 파라미터 또는 비-CVD 값의 하나 이상의 공지의 데이터세트와 비교하도록 구성될 수 있다. 비심혈관 구조 파라미터 또는 비-CVD 값의 하나 이상의 공지의 데이터세트는 비심혈관 구조와 연관된 전술된 파라미터 중 임의의 하나 이상을 포함할 수 있다. 몇몇 실시예에서, 하나 이상의 공지의 데이터세트의 비심혈관 구조 파라미터 또는 비-CVD 값은 건강한 대상 및/또는 다양한 위험 레벨을 갖는 대상을 포함하여 다른 대상으로부터 취한 의료 영상으로부터 도출될 수 있다. 몇몇 실시예에서, 비심혈관 구조 파라미터 또는 비-CVD 값의 하나 이상의 공지의 데이터세트는 시스템에 의해 로컬로 액세스 가능하고 그리고/또는 시스템에 의한 네트워크 연결을 통해 원격으로 액세스 가능할 수 있는 비심혈관 구조 값 또는 비-CVD 데이터베이스(330)에 저장될 수 있다.
몇몇 실시예에서, 블록 332에서, 시스템은 비심혈관 구조 파라미터 또는 비-CVD 값의 하나 이상의 공지의 데이터세트에 대한 비교에 기초하여 대상에 대한 심혈관 이벤트의 위험을 업데이트하도록 구성될 수 있다. 예를 들어, 비교에 기초하여, 시스템은 이전에 생성된 위험 평가를 증가시키거나 감소시킬 수도 있다. 몇몇 실시예에서, 시스템은 비교 후에도 이전에 생성된 위험 평가를 유지할 수도 있다.
몇몇 실시예에서, 블록 334에서, 시스템은 의료 영상으로부터 식별된 하나 이상의 비심혈관 구조에 대한, 뿐만 아니라 의료 영상, 안정 플라크, 불안정 플라크, 동맥 등으로부터 식별된 하나 이상의 다른 심혈관 구조에 대한 컬러 코딩을 포함할 수 있는 정량화된 컬러 맵을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 블록 336에서, 시스템은 비심혈관 구조 파라미터 또는 비-CVD 값의 공지의 데이터세트와 비교 후 생성 및/또는 업데이트된 위험 평가에 기초하여 대상에 대한 제안된 치료를 생성하도록 구성될 수 있다.
몇몇 실시예에서, 도 3a와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 동일한 대상의 의료 영상이 나중의 시점에 다시 촬영되면, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 영상 처리에 기초하여 대상의 위험 평가의 추적 및/또는 다른 목적을 위해 사용될 수 있다.
죽상동맥경화증의 정량화
몇몇 실시예에서, 시스템은 죽상동맥경화증을 자동으로 및/또는 동적으로 정량화하기 위해 CT 스캔 데이터와 같은 의료 영상에 존재하는 하나 이상의 동맥을 분석하도록 구성된다. 몇몇 실시예에서, 시스템은 죽상동맥경화증을 1차 질환 프로세스로서 정량화하도록 구성되고, 반면 협착증 및/또는 허혈은 그 대용물로 고려될 수 있다. 본 명세서에 설명된 실시예 이전에는, 4시간 내지 8시간 이상의 시간이 소요될 수 있는 긴 수동 프로세스 및 이를 수행하는 데 필요한 인력으로 인해 1차 질환을 정량화하는 것이 실현 가능하지 않았다. 대조적으로, 몇몇 실시예에서, 시스템은 약 1분, 약 2분, 약 3분, 약 4분, 약 5분, 약 6분, 약 7분, 약 8분, 약 9분, 약 10분, 약 11분, 약 12분, 약 13분, 약 14분, 약 15분, 약 20분, 약 25분, 약 30분, 약 40분, 약 50분, 및/또는 약 60분 미만 이내에 죽상동맥경화증을 세그먼트화, 식별 및/또는 정량화할 수 있는 하나 이상의 AI, ML, 및/또는 다른 알고리즘을 사용하여 의료 영상 및/또는 CT 스캔의 분석에 기초하여 죽상동맥경화증을 정량화하도록 구성된다. 몇몇 실시예에서, 시스템은 전술된 값 중 2개에 의해 정의된 시간 프레임 내에서 죽상동맥경화증을 정량화하도록 구성된다. 몇몇 실시예에서, 시스템은 단순히 눈으로 보는 것보다 협착증을 계산하도록 구성되어, 이에 의해 사용자가 전체 심장 죽상동맥경화증을 더 양호하게 이해할 수 있게 하고 그리고/또는 동일한 의료 영상이 분석을 위해 사용되는 경우 동일한 계산된 협착증 결과를 보장한다. 중요하게는, 죽상동맥경화증의 유형이 또한 이 방법으로 정량화 및/또는 분류될 수 있다. 죽상동맥경화증의 유형은 이진법으로(석회화 플라크 대 비석회화 플라크), 순서대로(조밀한 석회화 플라크, 석회화 플라크, 섬유질 플라크, 섬유지방 플라크, 괴사성 코어 또는 플라크 유형의 혼합) 또는 연속적으로(하운즈필드 단위 척도 또는 유사한 것에서 감쇠 밀도에 의해) 결정될 수 있다.
도 3b는 의료 영상 분석에 기초하는 죽상동맥경화증의 정량화 및/또는 분류를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 3b에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 202에서 대상의 관상 영역의 CT 스캔과 같은 의료 영상에 액세스하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 블록 204에서 하나 이상의 동맥 및/또는 블록 206에서 플라크의 하나 이상의 영역을 식별하도록 구성될 수 있다. 게다가, 몇몇 실시예에서, 시스템은 블록 208에서 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 블록 201에서 플라크 및/또는 혈관의 영역의 기하학 형상 및/또는 체적, 블록 203에서 플라크의 영역의 표면적에 대한 체적의 비 또는 함수, 블록 205에서 플라크의 영역의 이질성 또는 균질성 지수, 블록 207에서 방사선 밀도 값의 범위에 의한 플라크의 영역의 방사선 밀도 및/또는 그 조성, 블록 209에서 플라크의 영역의 체적에 대한 방사선 밀도의 비, 및/또는 블록 211에서 플라크의 영역의 확산율을 결정하도록 구성될 수 있다. 블록 202, 204, 206, 208, 201, 203, 205, 207, 209, 및 211에 나타낸 프로세스 및 기술에 관한 부가의 상세는 도 2a와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 시스템은 결정된 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터에 기초하여 블록 340에서 죽상동맥경화증을 정량화 및/또는 분류하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 원시 의료 영상으로부터 결정 및/또는 도출된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 가중 측정치를 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 동등하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 상이하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 로그함수적으로, 대수적으로, 및/또는 다른 수학적 변환을 이용하여 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 가중 측정치를 사용하여 및/또는 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 일부만을 사용하여 블록 340에서 죽상동맥경화증을 정량화 및/또는 분류하도록 구성된다.
몇몇 실시예에서, 시스템은 다른 대상의 의료 영상으로부터 도출된 하나 이상의 공지의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터와 비교함으로써 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 가중 측정치를 생성하도록 구성된다. 예를 들어, 하나 이상의 공지의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터는 하나 이상의 건강한 대상 및/또는 관상 혈관 질환의 위험이 있는 대상으로부터 도출될 수 있다.
몇몇 실시예에서, 시스템은 정량화된 죽상동맥경화증에 기초하여 대상의 죽상동맥경화증을 고위험, 중위험, 또는 저위험 중 하나 이상으로 분류하도록 구성된다. 몇몇 실시예에서, 시스템은 AI, ML, 및/또는 다른 알고리즘을 사용하여 정량화된 죽상동맥경화증에 기초하여 대상의 죽상동맥경화증을 분류하도록 구성된다. 몇몇 실시예에서, 시스템은 표면적의 체적의 비, 체적, 이질성 지수, 및 플라크의 하나 이상의 영역의 방사선 밀도 중 하나 이상을 조합 및/또는 가중함으로써 대상의 죽상동맥경화증을 분류하도록 구성된다.
몇몇 실시예에서, 낮은 표면적에 대한 체적의 비 또는 낮은 절대 체적 자체를 갖는 플라크는 플라크가 안정하다는 것을 나타낼 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 미리 결정된 임계값 미만의 플라크의 영역의 표면적에 대한 체적의 비가 저위험 죽상동맥경화증을 나타내는 것을 결정하도록 구성될 수 있다. 따라서, 몇몇 실시예에서, 시스템은 플라크의 수 및/또는 측면을 고려하도록 구성될 수 있다. 예를 들어, 더 작은 측면을 갖는 더 많은 수의 플라크가 존재하면, 이는 더 큰 표면적 또는 더 많은 불규칙성과 연관될 수 있으며, 이는 이어서 더 높은 표면적 대 체적 비와 연관될 수 있다. 대조적으로, 더 큰 측면 또는 더 많은 규칙성을 갖는 더 적은 수의 플라크가 존재하면, 이는 더 낮은 표면적 대 체적 비 또는 더 높은 체적 대 표면적 비와 연관될 수 있다. 몇몇 실시예에서, 높은 방사선 밀도 값은 플라크가 고도로 석회화되거나 안정한 것을 나타낼 수 있고, 반면 낮은 방사선 밀도 값은 플라크가 덜 석회화되거나 불안정한 것을 나타낼 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 미리 결정된 임계값 초과의 플라크의 영역의 방사선 밀도가 저위험 죽상동맥경화증을 나타내는 것으로 결정하도록 구성될 수 있다. 몇몇 실시예에서, 낮은 이질성 또는 높은 균질성을 갖는 플라크는 플라크가 안정하다는 것을 나타낼 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 미리 결정된 임계값 미만의 플라크의 영역의 이질성이 저위험 죽상동맥경화증을 나타내는 것으로 결정하도록 구성될 수 있다.
몇몇 실시예에서, 블록 342에서, 시스템은 의료 영상으로부터 도출된 정량화 및/또는 분류된 죽상동맥경화증에 기초하여 관상 협착증의 수치 계산 또는 표현을 계산하거나 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 대상의 관상 영역의 의료 영상으로부터 도출된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 사용하여 협착증을 계산하도록 구성된다.
몇몇 실시예에서, 블록 344에서, 시스템은 의료 영상으로부터 도출된 정량화된 및/또는 분류된 죽상동맥경화증에 기초하여 대상에 대한 허혈의 위험을 예측하도록 구성된다. 몇몇 실시예에서, 시스템은 대상의 관상 영역의 의료 영상으로부터 도출된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 사용하여 허혈의 위험을 계산하도록 구성된다.
몇몇 실시예에서, 시스템은 정량화 및/또는 분류된 죽상동맥경화증, 협착증, 및/또는 허혈의 위험에 기초하여 대상에 대해 제안된 치료를 생성하도록 구성되고, 여기서, 전술된 것의 모두는 영상 처리 알고리즘 및 기술을 사용하여 원시 의료 영상으로부터 자동으로 및/또는 동적으로 도출된다.
몇몇 실시예에서, 도 3a와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 동일한 대상의 의료 영상이 나중의 시점에 다시 촬영되면, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 대상에 대한 정량화된 죽상동맥경화증의 추적 및/또는 다른 목적을 위해 사용될 수 있다.
플라크, 협착증 및/또는 CAD-RADS 스코어의 정량화
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 의료 영상의 해석에서 어림짐작을 제거하고 의료 영상으로부터 도출된 바와 같은 협착증 백분율, 죽상동맥경화증 및/또는 관상 동맥 질환 - 보고 및 데이터 시스템(CAD-RADS) 스코어의 실질적으로 정확하고 및/또는 실질적으로 정확한 계산 또는 추정치를 제공하도록 구성된다. 이와 같이, 몇몇 실시예에서, 시스템은 효율, 정확도 및/또는 재현성을 개선시킬 수 있는 포괄적인 정량 분석을 제공함으로써 이미저의 판독을 향상시킬 수 있다.
도 3c는 의료 영상 분석에 기초하는 CAD-RADS 스코어의 생성 및 협착의 정량화를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 3a에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 202에서 의료 영상에 액세스하도록 구성될 수 있다. 블록 202에 나타낸 의료 영상의 유형 및 다른 프로세스 및 기술에 관한 부가의 상세는 도 2a와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 블록 354에서, 시스템은 예를 들어 AI, ML, 및/또는 다른 알고리즘을 사용하여 의료 영상에서 하나 이상의 동맥, 플라크 및/또는 지방을 식별하도록 구성된다. 하나 이상의 동맥, 플라크 및/또는 지방을 식별하기 위한 프로세스 및 기술은 블록 204 및 206과 관련하여 전술된 바와 동일한 특징 중 하나 이상을 포함할 수 있다. 특히, 몇몇 실시예에서, 시스템은 예를 들어 관상 동맥, 경동맥, 대동맥, 신장 동맥, 하지 동맥 및/또는 대뇌 동맥을 포함하는 하나 이상의 동맥을 자동으로 및/또는 동적으로 식별하기 위해 하나 이상의 AI 및/또는 ML 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 하나 이상의 AI 및/또는 ML 알고리즘은 동맥이 식별되어 있는 의료 영상의 세트에 대해 컨볼루션 신경망(CNN)을 사용하여 훈련될 수 있어, 이에 의해 AI 및/또는 ML 알고리즘이 의료 영상으로부터 직접 동맥을 자동으로 식별하게 한다. 몇몇 실시예에서, 동맥은 크기 및/또는 위치에 의해 식별된다.
또한, 몇몇 실시예에서, 시스템은 예를 들어, 플라크의 하나 이상의 영역을 자동으로 및/또는 동적으로 식별하기 위해 하나 이상의 AI 및/또는 ML 알고리즘을 사용하여, 의료 영상에서 플라크의 하나 이상의 영역을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 하나 이상의 AI 및/또는 ML 알고리즘은 플라크의 영역이 식별되어 있는 의료 영상의 세트에 대해 컨볼루션 신경망(CNN)을 사용하여 훈련될 수 있어, 이에 의해 AI 및/또는 ML 알고리즘이 의료 영상으로부터 직접 플라크의 영역을 자동으로 식별하게 한다. 몇몇 실시예에서, 시스템은 의료 영상 내의 각각의 식별된 관상 동맥에 대한 혈관 벽 및 내강 벽을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이어서 혈관 벽과 내강 벽 사이의 체적을 플라크로서 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 예를 들어, 정규화 디바이스를 사용하는 정규화에 의해 또는 정규화 없이 플라크와 일반적으로 연관된 방사선 밀도 값의 미리 결정된 임계값 또는 범위를 설정함으로써, 플라크와 일반적으로 연관된 방사선 밀도 값에 기초하여 플라크의 영역을 식별하도록 구성될 수 있다.
유사하게, 몇몇 실시예에서, 시스템은 예를 들어, 지방의 하나 이상의 영역을 자동으로 및/또는 동적으로 식별하기 위해 하나 이상의 AI 및/또는 ML 알고리즘을 사용하여, 의료 영상에서 심장외막 지방과 같은 지방의 하나 이상의 영역을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 하나 이상의 AI 및/또는 ML 알고리즘은 지방의 영역이 식별되어 있는 의료 영상의 세트에 대해 컨볼루션 신경망(CNN)을 사용하여 훈련될 수 있어, 이에 의해 AI 및/또는 ML 알고리즘이 의료 영상으로부터 직접 지방의 영역을 자동으로 식별하게 한다. 몇몇 실시예에서, 시스템은 예를 들어, 정규화 디바이스를 사용하는 정규화에 의해 또는 정규화 없이 지방과 일반적으로 연관된 방사선 밀도 값의 미리 결정된 임계값 또는 범위를 설정함으로써, 지방과 일반적으로 연관된 방사선 밀도 값에 기초하여 지방의 영역을 식별하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 208에서 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 블록 201에서 플라크 및/또는 혈관의 영역의 기하학 형상 및/또는 체적, 블록 203에서 플라크의 영역의 표면적에 대한 체적의 비 또는 함수, 블록 205에서 플라크의 영역의 이질성 또는 균질성 지수, 블록 207에서 방사선 밀도 값의 범위에 의한 플라크의 영역의 방사선 밀도 및/또는 그 조성, 블록 209에서 플라크의 영역의 체적에 대한 방사선 밀도의 비, 및/또는 블록 211에서 플라크의 영역의 확산율을 결정하도록 구성될 수 있다. 블록 208, 201, 203, 205, 207, 209, 및 211에 나타낸 프로세스 및 기술에 관한 부가의 상세는 도 2a와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 블록 358에서, 시스템은 대상의 관상 영역의 의료 영상으로부터 도출된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터에 기초하여 관상 협착증의 수치 계산 또는 표현을 계산하거나 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 원시 의료 영상으로부터 결정 및/또는 도출된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 가중 측정치를 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 동등하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 상이하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 로그함수적으로, 대수적으로, 및/또는 다른 수학적 변환을 이용하여 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터를 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 가중 측정치를 사용하여 및/또는 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 일부만을 사용하여 블록 358에서 협착증을 계산하도록 구성된다. 몇몇 실시예에서, 시스템은 혈관별 기반으로 또는 영역별 기반으로 협착증을 계산하도록 구성될 수 있다.
몇몇 실시예에서, 계산된 협착증에 기초하여, 시스템은 블록 360에서 CAD-RADS 스코어를 결정하도록 구성된다. 이는 의사에 의한 의료 영상의 눈으로 보기 또는 일반적인 평가에 기초하여 CAD-RADS를 결정하는 기존의 방법과 대조되며, 이는 재현 불가능한 결과를 야기할 수 있다. 그러나, 본 명세서에 설명된 몇몇 실시예에서, 시스템은 원시 의료 영상의 자동 및/또는 동적 영상 처리에 기초하여 재현 가능한 및/또는 객관적으로 계산된 CAD-RADS 스코어를 생성하도록 구성될 수 있다.
몇몇 실시예에서, 블록 362에서, 시스템은 계산된 협착증, 의료 영상으로부터 도출된 하나 이상의 정량화된 플라크 파라미터 및/또는 혈관 형태 파라미터에 기초하여 허혈의 존재 또는 위험을 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 가중 여부에 무관하게 전술된 파라미터 중 하나 이상을 조합함으로써, 또는 개인 기반으로 이들 파라미터의 일부 또는 전부를 사용함으로써 허혈의 존재 또는 위험을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 건강한 대상 및/또는 심혈관 이벤트의 위험이 있는 대상을 포함하여, 다른 대상의 의료 영상으로부터 도출된 공지의 이러한 파라미터의 데이터베이스에 계산된 협착증, 하나 이상의 정량화된 플라크 파라미터 및/또는 혈관 형태 파라미터 중 하나 이상을 비교함으로써 허혈의 위험의 존재를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 혈관별 기반으로 또는 영역별 기반으로 허혈의 존재 또는 위험을 계산하도록 구성될 수 있다.
몇몇 실시예에서, 블록 364에서, 시스템은 의료 영상으로부터 식별된 지방의 하나 이상의 영역에 대한 지방의 하나 이상의 정량화된 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 블록 208, 201, 203, 205, 207, 209, 및 211과 관련하여 설명된 것들과 같은 플라크의 정량화된 파라미터를 도출하는 것과 관련하여 본 명세서에 설명된 임의의 프로세스 및/또는 기술을 이용할 수 있다. 특히, 몇몇 실시예에서, 시스템은 의료 영상 내의 지방의 하나 이상의 영역의 체적, 기하학 형상, 방사선 밀도, 및/또는 기타를 포함하는 지방의 하나 이상의 파라미터를 결정하도록 구성될 수 있다.
몇몇 실시예에서, 블록 366에서, 시스템은 대상에 대한 심혈관 질환 또는 이벤트의 위험 평가를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 생성된 위험 평가는 대상에 대한 관상 질환의 위험을 나타내는 위험 스코어를 포함할 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 혈관 형태 파라미터, 하나 이상의 정량화된 플라크 파라미터, 하나 이상의 정량화된 지방 파라미터, 계산된 협착증, 허혈의 위험, CAD-RADS 스코어 등의 분석에 기초하여 위험 평가를 생성할 수 있다. 몇몇 실시예에서, 시스템은 대상의 하나 이상의 혈관 형태 파라미터, 하나 이상의 정량화된 플라크 파라미터, 하나 이상의 정량화된 지방 파라미터, 계산된 협착증, 허혈의 위험, 및/또는 CAD-RADS 스코어의 가중 측정치를 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 전술된 파라미터 중 하나 이상을 동등하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이들 파라미터 중 하나 이상을 상이하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 로그함수적으로, 대수적으로, 및/또는 다른 수학적 변환을 이용하여 이들 파라미터 중 하나 이상을 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 가중 측정치를 사용하여 및/또는 이들 파라미터 중 일부만을 사용하여 블록 366에서 대상에 대한 관상 질환 또는 심혈관 이벤트의 위험 평가를 생성하도록 구성된다.
몇몇 실시예에서, 시스템은 가중 여부에 무관하게 전술된 파라미터 중 하나 이상을 조합함으로써, 또는 개인 기반으로 이들 파라미터의 일부 또는 전부를 사용함으로써 대상에 대한 관상 질환 또는 심혈관 이벤트의 위험 평가를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 건강한 대상 및/또는 심혈관 이벤트의 위험이 있는 대상을 포함하여, 다른 대상의 의료 영상으로부터 도출된 공지의 이러한 파라미터의 데이터베이스에 대상의 하나 이상의 혈관 형태 파라미터, 하나 이상의 정량화된 플라크 파라미터, 하나 이상의 정량화된 지방 파라미터, 계산된 협착증, 허혈의 위험, 및/또는 CAD-RADS 스코어를 비교함으로써 관상 질환 또는 심혈관 이벤트의 위험 평가를 생성하도록 구성될 수 있다.
또한, 몇몇 실시예에서, 시스템은 결정된 하나 이상의 혈관 형태 파라미터, 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트, 정량화된 관상 협착증, 결정된 허혈의 존재 또는 위험, 및/또는 정량화된 지방 파라미터의 결정된 세트 중 하나 이상에 기초하여 CAD-RADS 수정자를 자동으로 및/또는 동적으로 생성하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 예를 들어 CAD-RADS에 의해 정의되고 사용되는 바와 같이, 비진단(N), 스텐트(S), 이식편(G) 또는 취약성(V) 중 하나 이상을 포함하여, 대상에 대한 하나 이상의 적용 가능한 CAD-RADS 수정자를 자동으로 및/또는 동적으로 생성하도록 구성될 수 있다. 예를 들어, N은 연구가 비진단인 것을 나타낼 수 있고, S는 스텐트의 존재를 나타낼 수 있고, G는 관상 동맥 우회 이식편의 존재를 나타낼 수 있고, V는 예를 들어 낮은 방사선 밀도 값을 나타내는 취약한 플라크의 존재를 나타낼 수 있다.
몇몇 실시예에서, 시스템은 관상 질환의 생성된 위험 평가, 하나 이상의 혈관 형태 파라미터, 하나 이상의 정량화된 플라크 파라미터, 하나 이상의 정량화된 지방 파라미터, 계산된 협착증, 허혈의 위험, CAD-RADS 스코어 및/또는 영상 처리를 사용하여 원시 의료 영상으로부터 도출된 CAD-RADS 수정자에 기초하여 대상에 대한 제안된 치료를 생성하도록 구성될 수 있다.
몇몇 실시예에서, 도 3b와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 동일한 대상의 의료 영상이 나중의 시점에 다시 촬영되면, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 정량화된 플라크의 추적, 계산된 협착증, CAD-RADS 스코어 및/또는 의료 영상(들)으로부터 도출된 수정자, 위험 결정된 허혈의 위험, 정량화된 지방 파라미터, 대상에 대한 관상 질환의 생성된 위험 평가 및/또는 다른 목적을 위해 사용될 수 있다.
질환 추적
몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 관상 질환과 같은 동맥 및/또는 플라크 기반 질환의 진행 및/또는 퇴행을 추적하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 본 명세서에 설명된 하나 이상의 기술을 사용하여 상이한 시간으로부터 획득된 복수의 의료 영상을 자동으로 및/또는 동적으로 분석하고 그로부터 도출된 상이한 파라미터를 비교함으로써 질환의 진행 및/또는 퇴행을 추적하도록 구성될 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 주관적인 평가에 의존하지 않는 입력으로서 비침습적 원시 의료 영상을 사용하여 자동화된 질환 추적 도구를 제공할 수 있다.
특히, 몇몇 실시예에서, 시스템은 플라크 안정화 또는 악화가 대상에서 발생하는지 여부를 결정하기 위해 4-카테고리 시스템을 이용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 이들 카테고리는 (1) "플라크 진행" 또는 "급속 플라크 진행"; (2) "혼합 반응 - 칼슘 우세" 또는 "비급속 칼슘 우세 혼합 반응"; (3) "혼합 반응 - 비칼슘 우세" 또는 "비급속 비칼슘 우세 혼합 반응"; 또는 (4) "플라크 퇴행"을 포함할 수 있다.
몇몇 실시예에서, "플라크 진행" 또는 "급속 플라크 진행"에서, 플라크의 전체 체적 또는 상대 체적이 증가한다. 몇몇 실시예에서, "혼합 반응 - 칼슘 우세" 또는 "비급속 칼슘 우세 혼합 반응"에서, 플라크 체적은 비교적 일정하게 유지되거나 "급속 플라크 진행"의 임계값 레벨까지 증가하지 않지만 석회화 플라크의 일반적인 진행 및 비석회화 플라크의 일반적인 퇴행이 존재한다. 몇몇 실시예에서, "혼합 반응 - 비칼슘 우세" 또는 "비급속 비칼슘 우세 혼합 반응"에서, 플라크 체적은 비교적 일정하게 유지되지만 비석회화 플라크의 일반적인 진행 및 석회화 플라크의 일반적인 퇴행이 존재한다. 몇몇 실시예에서, "플라크 퇴행"에서, 플라크의 전체 체적 또는 상대 체적이 감소한다.
몇몇 실시예에서, 이들 4개의 카테고리는 예를 들어, 더 고밀도 대 더 저밀도 칼슘 플라크(예를 들어, > 대 <1000 하운즈필드 단위의 것들에 대해)를 포함하여, 더 세분화되고 그리고/또는 칼슘 우세 및 비석회화 플라크 우세 혼합 반응에서 더 구체적으로 카테고리화되도록 확장될 수 있다. 예를 들어, 비석회화 플라크 우세 혼합 반응의 경우, 비석회화 플라크는 비석회화 플라크의 전반적인 포괄 내에서 별개의 카테고리로서 괴사성 코어, 섬유지방 플라크 및/또는 섬유질 플라크를 더 포함할 수 있다. 유사하게, 석회화 플라크는 더 저밀도 석회화 플라크, 중간 밀도 석회화 플라크 및 고밀도 석회화 플라크로서 분류될 수 있다.
도 3d는 의료 영상 분석에 기초하는 질환 추적을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 예를 들어, 몇몇 실시예에서, 시스템은 비침습적으로 획득된 하나 이상의 의료 영상을 분석함으로써, 죽상동맥경화증, 협착증, 허혈 등과 관련되거나 수반하는 관상 질환과 같은 플라크 기반 질환 또는 상태의 진행 및/또는 퇴행을 추적하도록 구성될 수 있다.
도 3d에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 372에서 제1 시점에서 대상의 의료 영상으로부터 도출된 플라크 파라미터의 제1 세트에 액세스하도록 구성된다. 몇몇 실시예에서, 의료 영상은 의료 영상 데이터베이스(100)에 저장될 수 있고, 예를 들어 CT, 비조영 CT, 조영 증강 CT, MR, DECT, 스펙트럼 CT, 및/또는 기타를 포함하여, 임의의 유형의 전술된 의료 영상을 포함할 수 있다. 몇몇 실시예에서, 대상의 의료 영상은 대상의 관상 영역, 관상 동맥, 경동맥, 신장 동맥, 복부 대동맥, 대뇌 동맥, 하지 및/또는 상지를 포함할 수 있다. 몇몇 실시예에서, 플라크 파라미터의 세트는 블록 208, 201, 203, 205, 207, 209, 및/또는 211과 관련하여 전술된 임의의 정량화된 플라크 파라미터를 포함할 수 있는 플라크 파라미터 데이터베이스(370)에 저장될 수 있다.
몇몇 실시예에서, 시스템은 의료 영상(들)으로부터 이전에 도출되고 그리고/또는 플라크 파라미터 데이터베이스(370)에 저장된 플라크 파라미터의 제1 세트에 직접 액세스하도록 구성될 수 있다. 몇몇 실시예에서, 플라크 파라미터 데이터베이스(370)는 네트워크 연결을 통해 시스템에 의해 로컬로 액세스 가능하고 그리고/또는 원격으로 액세스 가능할 수 있다. 몇몇 실시예에서, 시스템은 제1 시점으로부터 촬영된 의료 영상으로부터 플라크 파라미터의 제1 세트를 동적으로 및/또는 자동으로 도출하도록 구성될 수 있다.
몇몇 실시예에서, 블록 374에서, 시스템은 대상의 제2 의료 영상(들)에 액세스하도록 구성될 수 있는데, 이는 플라크 파라미터의 제1 세트가 그로부터 도출되는 의료 영상보다 더 나중의 시점에 대상으로부터 획득될 수 있다. 몇몇 실시예에서, 의료 영상은 의료 영상 데이터베이스(100)에 저장될 수 있고, 예를 들어 CT, 비조영 CT, 조영 증강 CT, MR, DECT, 스펙트럼 CT, 및/또는 기타를 포함하여, 임의의 유형의 전술된 의료 영상을 포함할 수 있다.
몇몇 실시예에서, 블록 376에서, 시스템은 제2 시점으로부터 촬영된 제2 의료 영상으로부터 플라크 파라미터의 제2 세트를 동적으로 및/또는 자동으로 도출하도록 구성될 수 있다. 몇몇 실시예에서, 플라크 파라미터의 제2 세트는 블록 208, 201, 203, 205, 207, 209, 및/또는 211과 관련하여 전술된 임의의 정량화된 플라크 파라미터를 포함할 수 있다. 몇몇 실시예에서, 시스템은 플라크 파라미터 데이터베이스(370)에 도출된 또는 결정된 플라크 파라미터의 제2 세트를 저장하도록 구성될 수 있다.
몇몇 실시예에서, 블록 378에서, 시스템은 제1 시점에 촬영된 의료 영상으로부터 도출된 제1 세트와 나중의 시점에 촬영된 의료 영상으로부터 도출된 제2 세트 사이의 하나 이상의 플라크 파라미터의 변화를 분석하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 예를 들어 플라크의 하나 이상의 영역의 방사선 밀도, 체적, 기하학 형상, 위치, 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 방사선 밀도 조성, 체적의 함수로서의 방사선 밀도 조성, 체적에 대한 방사선 밀도의 비, 확산율, 그 임의의 조합 또는 관계 등과 같은, 2개의 스캔 사이의 정량화된 플라크 파라미터를 비교하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크의 하나 이상의 영역의 기하학적 형상을 가로지르는 방사선 밀도 값의 공간 맵핑 또는 3차원 막대 그래프를 생성함으로써 플라크의 하나 이상의 영역의 이질성 지수를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 혈청 바이오마커, 유전학, 오믹스, 전사체학, 미생물체학 및/또는 대사체학과 같은 하나 이상의 비영상 기반 메트릭의 변화를 분석하도록 구성된다.
몇몇 실시예에서, 시스템은 2개의 스캔 사이의 방사선 밀도 또는 안정 대 불안정 플라크의 견지에서 플라크 조성의 변화를 결정하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 2개의 스캔 사이의 더 높은 방사선 밀도 또는 안정 플라크 대 더 낮은 방사선 밀도 또는 불안정 플라크의 백분율의 변화를 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 2개의 스캔 사이의 더 높은 방사선 밀도 플라크 대 더 낮은 방사선 밀도 플라크의 변화를 추적하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 1000 초과의 하운즈필드 단위를 갖는 것들로서 더 높은 방사선 밀도 플라크를 정의하고 1000 미만의 하운즈필드 단위를 갖는 것으로서 더 낮은 방사선 밀도 플라크를 정의하도록 구성될 수 있다.
몇몇 실시예에서, 블록 380에서, 시스템은 2개 이상의 스캔으로부터 도출된 하나 이상의 파라미터의 비교 및/또는 혈청 바이오마커, 유전학, 오믹스, 전사체학, 미생물체학, 및/또는 대사체학과 같은, 하나 이상의 비영상 기반 메트릭의 변화에 기초하여 플라크 및/또는 임의의 다른 관련 측정치, 상태, 평가, 또는 관련 질환의 진행 또는 퇴행을 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 일반적으로 플라크의 진행 및/또는 퇴행, 죽상동맥경화증, 협착증, 허혈의 위험 또는 존재, 및/또는 기타를 결정하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 2개의 의료 영상으로부터 도출된 바와 같이, 정량화 또는 계산된 협착증에 기초하여 대상의 CAD-RADS 스코어를 자동으로 및/또는 동적으로 생성하도록 구성될 수 있다. CAD-RADS 스코어를 생성하는 것에 관한 부가의 상세는 도 3c와 관련하여 본 명세서에 설명되어 있다. 몇몇 실시예에서, 시스템은 대상의 CAD-RADS 스코어의 진행 또는 퇴행을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크 파라미터를 개별적으로 비교하고 그리고/또는 가중 측정치로서 이들 중 하나 이상을 조합하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 동등하게, 상이하게, 로그함수적으로, 대수적으로, 및/또는 다른 수학적 변환을 이용하여 플라크 파라미터를 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 정량화된 플라크 파라미터의 일부 또는 전부만을 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템에 의해 결정된 바와 같은 플라크 진행의 상태는 급속 플라크 진행, 비급속 칼슘 우세 혼합 반응, 비급속 비칼슘 우세 혼합 반응, 또는 플라크 퇴행을 포함하는 4개의 카테고리 중 하나를 포함할 수 있다. 몇몇 실시예에서, 시스템은 대상의 죽종 용적 비율 증가가 연간 1% 초과일 때 플라크 진행의 상태를 급속 플라크 진행으로 분류하도록 구성된다. 몇몇 실시예에서, 시스템은 대상의 죽종 용적 비율 증가가 연간 1% 미만이고 석회화 플라크가 총 새로운 플라크 형성의 50% 초과를 나타낼 때 플라크 진행의 상태를 비급속 칼슘 우세 혼합 반응으로 분류하도록 구성된다. 몇몇 실시예에서, 시스템은 대상의 죽종 용적 비율 증가가 연간 1% 미만이고 비석회화 플라크가 총 새로운 플라크 형성의 50% 초과를 나타낼 때 플라크 진행의 상태를 비급속 비칼슘 우세 혼합 반응으로 분류하도록 구성된다. 몇몇 실시예에서, 시스템은 총 죽종 용적 비율의 감소가 존재할 때 플라크 진행의 상태를 플라크 퇴행으로 분류하도록 구성된다.
몇몇 실시예에서, 블록 382에서, 시스템은 대상에 대해 제안된 치료 계획을 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 2개 이상의 스캔으로부터 도출된 하나 이상의 파라미터의 비교에 기초하여 플라크 및/또는 임의의 다른 관련 측정치, 상태, 평가, 또는 관련 질환의 결정된 진행 또는 퇴행에 기초하여 대상에 대한 제안된 치료 계획을 생성하도록 구성될 수 있다.
몇몇 실시예에서, 도 3d와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 플라크 기반 질환의 지속된 추적 및/또는 다른 목적을 위해 사용될 수 있다.
칼슘 변화의 원인의 결정
몇몇 실시예에서, 본 명세서에 개시된 시스템, 방법 및 디바이스는 증가된 칼슘 스코어의 가능한 원인을 결정할 수 있는 분석 및/또는 보고를 생성하도록 구성될 수 있다. 높은 또는 증가된 칼슘 스코어만은 양성이든 음성이든 임의의 특정 원인을 나타내지 않는다. 오히려, 일반적으로, 높은 또는 증가된 칼슘 스코어에 대한 다양한 가능한 원인이 있을 수 있다. 예를 들어, 몇몇 경우에, 높은 또는 증가된 칼슘 스코어는 상당한 심장 질환 및/또는 환자가 심근경색의 증가된 위험에 있다는 지표일 수 있다. 또한, 몇몇 경우에, 운동이 동맥 혈관 내의 지방 물질 플라크를 변환할 수 있기 때문에, 높은 또는 증가된 칼슘 스코어는 환자가 수행하는 운동의 양을 증가시키고 있다는 지표일 수 있다. 몇몇 경우에, 높은 또는 증가된 칼슘 스코어는 스타틴이 지방 물질 플라크를 칼슘으로 변환하는 스타틴 요법을 시작하는 환자의 지표일 수 있다. 불행하게도, 혈액 검사만으로는 전술된 이유 중 어느 것이 증가된 칼슘 스코어의 원인일 가능성이 있는지를 결정하는 데 사용될 수 없다. 몇몇 실시예에서, 본 명세서에 설명된 하나 이상의 기술을 이용함으로써, 시스템은 증가된 또는 높은 칼슘 스코어의 원인을 결정하도록 구성될 수 있다.
더 구체적으로, 몇몇 실시예에서, 시스템은 지방 침착 물질 플라크 병변의 대부분 석회화된 플라크 침착물로의 변환을 모니터링하는 이러한 방식으로 환자의 동맥 벽 혈관의 특정 세그먼트를 추적하도록 구성될 수 있는데, 이는 상기에 식별된 원인 중 하나 이상과 같은, 증가된 칼슘 스코어의 원인을 결정하는 데 도움이 될 수 있다. 게다가, 몇몇 실시예에서, 시스템은 칼슘 스코어의 증가의 원인을 결정하기 위해 석회화 플라크의 하나 이상의 영역의 위치, 크기, 형상, 확산율 및/또는 감쇠 방사선 밀도를 결정 및/또는 사용하도록 구성될 수 있다. 비한정적인 예로서, 칼슘 플라크가 밀도가 증가하면, 이는 치료 또는 생활 습관에 의한 플라크의 안정화를 나타낼 수도 있고, 반면 이전에 존재하지 않았던 곳에 새로운 칼슘 플라크가 형성되면(특히 더 낮은 감쇠 밀도로), 이는 안정화보다는 질환 진행의 불리한 발견을 나타낼 수도 있다. 몇몇 실시예에서, 본 명세서에 설명된 하나 이상의 프로세스 및 기술은 비조영 CT 스캔(ECG 동기 관상 동맥 칼슘 스코어 또는 비-ECG 동기 흉부 CT와 같은) 뿐만 아니라 조영 증강 CT 스캔(관상 CT 혈관조영상과 같은)에 대해 적용될 수도 있다.
다른 비한정적인 예로서, CT 스캔 영상 획득 파라미터는 시간 경과에 따른 칼슘 변화의 이해를 개선시키기 위해 변경될 수 있다. 예로서, 전통적인 관상 동맥 칼슘 영상은 2.5 내지 3.0 mm 슬라이스 두께를 사용하고 130 하운즈필드 단위 이상의 복셀/픽셀을 검출하여 행해진다. 대안은 0.5 mm 슬라이스 두께 또는 유사한 것을 갖는 "얇은" 슬라이스 영상을 행하고; 임의의 130 하운즈필드 단위 임계값에 의해 누락될 수도 있는 덜 조밀한 칼슘을 식별할 수도 있는 130 미만 및 특정 임계값(예를 들어, 100) 초과의 모든 하운즈필드 단위 밀도를 검출하는 것일 수도 있다.
도 3e는 의료 영상 분석에 기초하여, 증가하든 감소하든, 칼슘 스코어의 변화의 원인의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 3e에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 384에서 대상의 제1 칼슘 스코어 및/또는 플라크 파라미터의 제1 세트에 액세스하도록 구성될 수 있다. 제1 칼슘 스코어 및/또는 플라크 파라미터의 제1 세트는 대상의 의료 영상으로부터 및/또는 제1 시점에서의 혈액 검사로부터 도출될 수 있다. 몇몇 실시예에서, 의료 영상은 의료 영상 데이터베이스(100)에 저장될 수 있고, 예를 들어 CT, 비조영 CT, 조영 증강 CT, MR, DECT, 스펙트럼 CT, 및/또는 기타를 포함하여, 임의의 유형의 전술된 의료 영상을 포함할 수 있다. 몇몇 실시예에서, 대상의 의료 영상은 대상의 관상 영역, 관상 동맥, 경동맥, 신장 동맥, 복부 대동맥, 대뇌 동맥, 하지 및/또는 상지를 포함할 수 있다. 몇몇 실시예에서, 플라크 파라미터의 세트는 블록 208, 201, 203, 205, 207, 209, 및/또는 211과 관련하여 전술된 임의의 정량화된 플라크 파라미터를 포함할 수 있는 플라크 파라미터 데이터베이스(370)에 저장될 수 있다.
몇몇 실시예에서, 시스템은 각각 칼슘 스코어 데이터베이스(398) 및/또는 플라크 파라미터 데이터베이스(370)에 저장된 제1 칼슘 스코어 및/또는 플라크 파라미터의 제1 세트에 직접 액세스 및/또는 검색하도록 구성될 수 있다. 몇몇 실시예에서, 플라크 파라미터 데이터베이스(370) 및/또는 칼슘 스코어 데이터베이스(298)는 네트워크 연결을 통해 시스템에 의해 로컬로 액세스 가능하고 그리고/또는 원격으로 액세스 가능할 수 있다. 몇몇 실시예에서, 시스템은 제1 시점으로부터 촬영된 대상의 의료 영상 및/또는 혈액 검사로부터 플라크 파라미터의 제1 세트 및/또는 칼슘 스코어를 동적으로 및/또는 자동으로 도출하도록 구성될 수 있다.
몇몇 실시예에서, 블록 386에서, 시스템은 대상의 제2 칼슘 스코어 및/또는 제2 의료 영상(들)에 액세스하도록 구성될 수 있는데, 이는 플라크 파라미터의 제1 세트가 그로부터 도출되는 제1 칼슘 스코어 및/또는 의료 영상보다 더 나중의 시점에 대상으로부터 획득될 수 있다. 예를 들어, 몇몇 실시예에서, 제2 칼슘 스코어는 제2 의료 영상으로부터 및/또는 제2 시점에서 대상에서 취한 제2 혈액 검사로부터 도출될 수 있다. 몇몇 실시예에서, 제2 칼슘 스코어는 칼슘 스코어 데이터베이스(398)에 저장될 수 있다. 몇몇 실시예에서, 의료 영상은 의료 영상 데이터베이스(100)에 저장될 수 있고, 예를 들어 CT, 비조영 CT, 조영 증강 CT, MR, DECT, 스펙트럼 CT, 및/또는 기타를 포함하여, 임의의 유형의 전술된 의료 영상을 포함할 수 있다.
몇몇 실시예에서, 블록 388에서, 시스템은 제1 칼슘 스코어를 제2 칼슘 스코어와 비교하고 칼슘 스코어의 변화를 결정하도록 구성될 수 있다. 그러나, 전술된 바와 같이, 이것만으로는 일반적으로 존재하면, 칼슘 스코어의 변화의 원인에 대한 통찰력을 제공하지 않는다. 몇몇 실시예에서, 2개의 판독값 사이에 칼슘 스코어의 통계적으로 상당한 변화가 없으면, 예를 들어 임의의 차이가 미리 결정된 임계값 미만이면, 시스템은 칼슘 스코어의 변화의 분석을 종료하도록 구성될 수 있다. 몇몇 실시예에서, 2개의 판독값 사이에 칼슘 스코어의 통계적으로 상당한 변화가 있으면, 예를 들어 임의의 차이가 미리 결정된 임계값 초과이면, 시스템은 그 분석을 계속하도록 구성될 수 있다.
특히, 몇몇 실시예에서, 블록 390에서, 시스템은 제2 시점으로부터 촬영된 제2 의료 영상으로부터 플라크 파라미터의 제2 세트를 동적으로 및/또는 자동으로 도출하도록 구성될 수 있다. 몇몇 실시예에서, 플라크 파라미터의 제2 세트는 블록 208, 201, 203, 205, 207, 209, 및/또는 211과 관련하여 전술된 임의의 정량화된 플라크 파라미터를 포함할 수 있다. 몇몇 실시예에서, 시스템은 플라크 파라미터 데이터베이스(370)에 도출된 또는 결정된 플라크 파라미터의 제2 세트를 저장하도록 구성될 수 있다.
몇몇 실시예에서, 블록 392에서, 시스템은 제1 시점에 촬영된 의료 영상으로부터 도출된 제1 세트와 나중의 시점에 촬영된 의료 영상으로부터 도출된 제2 세트 사이의 하나 이상의 플라크 파라미터의 변화를 분석하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 예를 들어 플라크의 하나 이상의 영역 및/또는 플라크를 둘러싸는 하나 이상의 영역의 방사선 밀도, 체적, 기하학 형상, 위치, 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 방사선 밀도 조성, 체적의 함수로서의 방사선 밀도 조성, 체적에 대한 방사선 밀도의 비, 확산율, 그 임의의 조합 또는 관계 등과 같은, 2개의 스캔 사이의 정량화된 플라크 파라미터를 비교하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크의 하나 이상의 영역의 기하학적 형상을 가로지르는 방사선 밀도 값의 공간 맵핑 또는 3차원 막대 그래프를 생성함으로써 플라크의 하나 이상의 영역의 이질성 지수를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 혈청 바이오마커, 유전학, 오믹스, 전사체학, 미생물체학 및/또는 대사체학과 같은 하나 이상의 비영상 기반 메트릭의 변화를 분석하도록 구성된다.
몇몇 실시예에서, 시스템은 2개의 스캔 사이의 방사선 밀도 또는 안정 대 불안정 플라크의 견지에서 플라크 조성의 변화를 결정하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 2개의 스캔 사이의 더 높은 방사선 밀도 또는 안정 플라크 대 더 낮은 방사선 밀도 또는 불안정 플라크의 백분율의 변화를 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 2개의 스캔 사이의 더 높은 방사선 밀도 플라크 대 더 낮은 방사선 밀도 플라크의 변화를 추적하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 1000 초과의 하운즈필드 단위를 갖는 것들로서 더 높은 방사선 밀도 플라크를 정의하고 1000 미만의 하운즈필드 단위를 갖는 것으로서 더 낮은 방사선 밀도 플라크를 정의하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 플라크 파라미터를 개별적으로 비교하고 그리고/또는 가중 측정치로서 이들 중 하나 이상을 조합하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 동등하게, 상이하게, 로그함수적으로, 대수적으로, 및/또는 다른 수학적 변환을 이용하여 플라크 파라미터를 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 정량화된 플라크 파라미터의 일부 또는 전부만을 이용하도록 구성될 수 있다.
몇몇 실시예에서, 블록 394에서, 시스템은 개별적으로 및/또는 조합되든 또는 가중되든, 하나 이상의 플라크 파라미터의 비교에 기초하여 대상의 칼슘 스코어의 변화를 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 칼슘 스코어의 변화를 양성, 중성 또는 음성으로 특성화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 하나 이상의 플라크 파라미터의 비교가 플라크가 안정화되고 있거나 임의의 새로운 플라크의 생성 없이 대상에 대해 전체적으로 높은 방사선 밀도 값을 나타내는 것으로 드러나면, 시스템은 칼슘 스코어의 변화가 양성인 것으로 보고할 수 있다. 대조적으로, 하나 이상의 플라크 파라미터의 비교가 예를 들어 임의의 새로운 플라크의 생성 없이, 낮은 방사선 밀도 값을 갖는 플라크의 새로운 불안정 영역의 생성으로 인해 플라크가 대상에 대해 전체적으로 불안정한 것을 드러내면, 시스템은 칼슘 스코어의 변화가 음성이라고 보고할 수 있다. 몇몇 실시예에서, 시스템은 도 3a, 도 3b, 도 3c, 및 도 3d와 관련하여 설명된 것들을 포함하여, 본 명세서에 설명된 플라크 정량화 및/또는 플라크 기반 질환 분석의 추적의 임의의 또는 모든 기술을 이용하도록 구성될 수 있다.
비한정적 예로서, 몇몇 실시예에서, 시스템은 2개의 스캔 사이의 플라크의 하나 이상의 영역의 체적과 방사선 밀도 사이의 비의 변화를 결정하고 비교하는 것에 기초하여 칼슘 스코어의 변화의 원인을 특성화하도록 구성될 수 있다. 유사하게, 몇몇 실시예에서, 시스템은 2개의 스캔 사이의 플라크의 하나 이상의 영역의 확산율 및/또는 방사선 밀도의 변화를 결정하고 비교하는 것에 기초하여 칼슘 스코어의 변화의 원인을 특성화하도록 구성될 수 있다. 예를 들어, 플라크의 영역의 방사선 밀도가 증가했으면, 시스템은 칼슘 스코어의 변화 또는 증가를 양성으로 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템이 제1 영상에 존재하지 않았던 제2 영상의 플라크의 하나 이상의 새로운 영역을 식별하면, 시스템은 칼슘 스코어의 변화를 음성으로 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템이 플라크의 하나 이상의 영역의 체적 대 표면적 비가 2개의 스캔 사이에서 감소했다고 결정하면, 시스템은 칼슘 스코어의 변화를 양성으로 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템이 예를 들어 방사선 밀도 값의 공간 맵핑을 생성 및/또는 분석함으로써 플라크의 영역의 이질성 또는 이질성 지수가 2개의 스캔 사이에서 감소했다고 결정하면, 시스템은 칼슘 스코어의 변화를 양성으로 특성화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 의료 영상으로부터 도출된 하나 이상의 플라크 파라미터에 기초하여 칼슘 스코어의 변화를 특성화하기 위해 AI, ML, 및/또는 다른 알고리즘을 이용하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 CNN을 사용하여 및/또는 칼슘 스코어와 조합된 식별된 플라크 파라미터를 갖는 공지의 의료 영상의 데이터세트를 사용하여 훈련되는 AI 및/또는 ML 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 데이터베이스에 저장된 것의 공지의 데이터세트에 액세스함으로써 칼슘 스코어의 변화를 특성화하도록 구성될 수 있다. 예를 들어, 공지의 데이터세트는 칼슘 스코어 및/또는 의료 영상 및/또는 과거에 다른 대상의 것들로부터 도출된 플라크 파라미터의 변화의 데이터세트를 포함할 수도 있다. 몇몇 실시예에서, 시스템은 칼슘 스코어의 변화를 특성화하고 그리고/또는 혈관별 기반, 세그먼트별 기반, 플라크별 기반, 및/또는 대상 기반으로 그 원인을 결정하도록 구성될 수 있다.
몇몇 실시예에서, 블록 396에서, 시스템은 대상에 대해 제안된 치료 계획을 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 대상에 대한 칼슘 스코어의 변화 및/또는 그 특성화에 기초하여 대상에 대해 제안된 치료 계획을 생성하도록 구성될 수 있다.
몇몇 실시예에서, 도 3e와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 대상에 대한 칼슘 스코어의 변화의 지속된 추적 및/또는 특성화 및/또는 다른 목적을 위해 사용될 수 있다.
심혈관 이벤트의 예후
몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 본 명세서에 설명된 의료 영상 기반 분석 기술 중 하나 이상에 기초하여 대상에 대한 심혈관 이벤트의 예후를 생성하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 환자의 동맥 혈관 내의 불량 플라크 축적의 양에 기초하여 환자가 심혈관 이벤트의 위험에 있는지 여부를 결정하도록 구성된다. 이 목적으로, 심혈관 이벤트는 심근경색, 뇌졸중 또는 사망과 같은 임상적 주요 심혈관 이벤트, 뿐만 아니라 질환 진행 및/또는 허혈을 포함할 수 있다.
몇몇 실시예에서, 시스템은 환자의 동맥 혈관의 일부 또는 전부의 총 표면적 및/또는 체적에 대한 불량 플라크 축적의 양 및/또는 체적의 비에 기초하여 심혈관 이벤트의 위험을 식별할 수 있다. 몇몇 실시예에서, 전술된 비가 특정 임계값을 초과하면, 시스템은 환자와 연관된 특정 위험 인자 및/또는 수 및/또는 레벨을 출력하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 동맥 혈관의 일부 또는 전부의 총 체적에 비교하여 환자의 동맥 혈관 내의 불량 플라크 축적의 양 또는 체적의 절대량 또는 체적 또는 비에 기초하여 환자가 심혈관 이벤트의 위험이 있는지 여부를 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 환자의 혈액 화학 또는 바이오마커 시험으로부터의 결과에 기초하여 환자가 심혈관 이벤트의 위험에 있는지 여부, 예를 들어 환자의 특정 혈액 화학 또는 바이오마커 시험이 특정 임계값 레벨을 초과하는지 여부를 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 사용자 또는 다른 시스템으로부터 입력을 수신하고 그리고/또는 데이터베이스 시스템으로부터 환자의 혈액 화학 또는 바이오마커 시험 데이터에 액세스하도록 구성된다. 몇몇 실시예에서, 시스템은 플라크, 혈관 형태, 및/또는 협착과 관련된 동맥 정보 뿐만 아니라 대치된 좌심실 질량, 챔버 체적 및 크기, 판막 형태, 혈관(예를 들어, 대동맥, 폐동맥) 형태, 지방 및/또는 폐 및/또는 뼈 건강과 같은 비관상 심혈관계에 대한 다른 영상 데이터로부터의 입력을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 치료 계획 제안을 생성하기 위해 출력된 위험 인자를 이용할 수 있다. 예를 들어, 시스템은 연성 불량 플라크를 환자에게 더 안전하고 더 안정한 경성 플라크로 변환하기 위해, 스타틴과 같은 콜레스테롤 감소 약물의 투여를 수반하는 치료 계획을 출력하도록 구성될 수 있다. 일반적으로, 크게 석회화된 경성 플라크는 동맥 혈관 내로 파열의 상당히 더 낮은 위험을 가질 수 있어, 이에 의해 동맥 혈관 내의 혈전 형성의 기회를 감소시키는데, 이는 환자의 심근경색 또는 다른 심장 이벤트의 위험을 감소시킬 수 있다.
도 4a는 의료 영상 분석에 기초하는 및/또는 그로부터 도출된 심혈관 이벤트의 예후를 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 4a에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 202에서 의료 영상 데이터베이스(100)에 저장될 수 있는 대상의 관상 영역의 CT 스캔과 같은 의료 영상에 액세스하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 블록 204에서 하나 이상의 동맥 및/또는 블록 206에서 플라크의 하나 이상의 영역을 식별하도록 구성될 수 있다. 게다가, 몇몇 실시예에서, 시스템은 블록 208에서 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 플라크 및/또는 혈관의 영역의 기하학 형상 및/또는 체적, 플라크의 영역의 표면적에 대한 체적의 비 또는 함수, 플라크의 영역의 이질성 또는 균질성 지수, 방사선 밀도 값의 범위에 의한 플라크의 영역의 방사선 밀도 및/또는 그 조성, 플라크의 영역의 체적에 대한 방사선 밀도의 비, 및/또는 플라크의 영역의 확산율을 결정하도록 구성될 수 있다. 게다가, 몇몇 실시예에서, 블록 210에서, 시스템은 원시 의료 영상으로부터 결정 및/또는 도출된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터에 기초하여 플라크의 하나 이상의 영역을 안정 대 불안정 또는 양호 대 불량으로 분류하도록 구성될 수 있다. 블록 202, 204, 206, 208 및 210에 나타낸 프로세스 및 기술에 관한 부가의 상세는 도 2a와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 시스템은 블록 412에서 불량 플라크가 나타나는 혈관에 대한 불량 플라크의 비를 생성하도록 구성된다. 더 구체적으로, 몇몇 실시예에서, 시스템은 의료 영상에서 식별된 혈관의 총 표면적 및 해당 혈관 내의 불량 또는 불안정 플라크의 모든 영역의 표면적을 결정하도록 구성될 수 있다. 전술된 내용에 기초하여, 몇몇 실시예에서, 시스템은 의료 영상에 표시되어 있는 전체 혈관 또는 그 일부의 표면적에 대한 특정 혈관 내의 모든 불량 플라크의 표면적의 비를 생성하도록 구성될 수 있다. 유사하게, 몇몇 실시예에서, 시스템은 의료 영상에서 식별된 혈관의 총 체적 및 해당 혈관 내의 불량 또는 불안정 플라크의 모든 영역의 체적을 결정하도록 구성될 수 있다. 전술된 내용에 기초하여, 몇몇 실시예에서, 시스템은 의료 영상에 표시되어 있는 전체 혈관 또는 그 일부의 체적에 대한 특정 혈관 내의 모든 불량 플라크의 체적의 비를 생성하도록 구성될 수 있다.
몇몇 실시예에서, 블록 414에서, 시스템은 의료 영상에서 식별된 모든 불량 또는 불안정 플라크의 총 절대 체적 및/또는 표면적을 결정하도록 추가로 구성된다. 또한, 몇몇 실시예에서, 블록 416에서, 시스템은 의료 영상에서 식별된 양호 플라크 및 불량 플라크를 포함하는 모든 플라크의 총 절대 체적을 결정하도록 구성된다. 또한, 몇몇 실시예에서, 블록 418에서, 시스템은 환자의 혈액 화학 및/또는 바이오마커 시험으로부터의 결과 및/또는 다른 비영상화 시험 결과에 액세스하거나 검색하도록 구성될 수 있다. 더욱이, 몇몇 실시예에서, 블록 422에서, 시스템은 하나 이상의 비관상 심혈관계 의료 영상에 액세스 및/또는 분석하도록 구성될 수 있다.
몇몇 실시예에서, 블록 420에서, 시스템은 표면적이든 체적이든, 혈관에 대한 불량 플라크의 생성된 비, 불량 플라크의 총 절대 체적, 플라크의 총 절대 체적, 혈액 화학 및/또는 바이오마커 시험 결과, 및/또는 하나 이상의 비관상 심혈관계 의료 영상의 분석 결과 중 하나 이상을 분석하여 개별적으로든 및/또는 조합되든, 이들 파라미터 중 하나 이상이 미리 결정된 임계값을 초과하는지 여부를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 이들 파라미터를 건강한 대상 및/또는 심혈관 이벤트의 위험이 있는 대상의 하나 이상의 기준 값에 비교함으로써 전술된 파라미터들 중 하나 이상을 개별적으로 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 그 조합 또는 가중 측정치를 건강한 대상 및/또는 심혈관 이벤트의 위험이 있는 대상의 하나 이상의 기준 값에 비교함으로써 전술된 파라미터들 중 하나 이상의 가중 측정치와 같은 조합을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이들 파라미터 중 하나 이상을 동등하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이들 파라미터 중 하나 이상을 상이하게 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 로그함수적으로, 대수적으로, 및/또는 다른 수학적 변환을 이용하여 이들 파라미터 중 하나 이상을 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 개별적으로, 조합하여, 및/또는 가중 측정치의 부분으로서 전술된 파라미터 중 일부만을 이용하도록 구성될 수 있다.
몇몇 실시예에서, 블록 424에서, 시스템은 대상에 대한 심혈관 이벤트에 대한 예후를 생성하도록 구성된다. 특히, 몇몇 실시예에서, 시스템은 표면적이든 체적이든, 혈관에 대한 불량 플라크의 생성된 비, 불량 플라크의 총 절대 체적, 플라크의 총 절대 체적, 혈액 화학 및/또는 바이오마커 시험 결과의 분석 결과, 및/또는 하나 이상의 비관상 심혈관계 의료 영상의 분석 결과 중 하나 이상에 기초하여 심혈관 이벤트에 대한 예후를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 AI, ML, 및/또는 다른 알고리즘을 이용하여 예후를 생성하도록 구성된다. 몇몇 실시예에서, 생성된 예후는 대상에 대한 심혈관 이벤트의 위험 스코어 또는 위험 평가를 포함한다. 몇몇 실시예에서, 심혈관 이벤트는 죽상동맥경화증, 협착증, 허혈, 심근경색 등 중 하나 이상을 포함할 수 있다.
몇몇 실시예에서, 블록 426에서, 시스템은 대상에 대해 제안된 치료 계획을 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 대상에 대한 칼슘 스코어의 변화 및/또는 그 특성화에 기초하여 대상에 대해 제안된 치료 계획을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 생성된 치료 계획은 스타틴의 사용, 생활 습관 변화, 및/또는 수술의 사용을 포함할 수 있다.
몇몇 실시예에서, 도 4a와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 대상에 대한 심혈관 이벤트의 지속된 예후 및/또는 다른 목적을 위해 사용될 수 있다.
환자-특정 스텐트 결정
몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 환자-특정 스텐트 및/또는 그 이식을 위한 선택 또는 안내에 대한 하나 이상의 파라미터를 결정 및/또는 생성하는 데 사용될 수 있다. 특히, 몇몇 실시예에서, 본 명세서에 개시된 시스템은, 예를 들어 AI, ML 및/또는 다른 알고리즘을 사용하여, 의료 영상 데이터의 처리에 기초하여 특정 환자에 대해 필요한 스텐트 유형, 길이, 직경, 게이지, 강도, 및/또는 임의의 다른 스텐트 파라미터를 동적으로 및 자동으로 결정하는 데 사용될 수 있다.
몇몇 실시예에서, 특정 동맥 영역에 가장 적합한 하나 이상의 환자-특정 스텐트 파라미터를 결정함으로써, 시스템은 환자 합병증의 위험 및/또는 보험 위험을 감소시킬 수 있는데, 이는 너무 큰 스텐트가 이식되면, 동맥 벽이 너무 얇게 신장될 수 있어 가능한 파열, 또는 바람직하지 않은 높은 유량 또는 다른 문제를 야기하기 때문이다. 다른 한편으로, 너무 작은 스텐트가 이식되면, 동맥 벽이 충분히 신장 개방되지 않을 수도 있어 너무 적은 혈류 또는 다른 문제를 야기한다.
몇몇 실시예에서, 시스템은 동맥 내의 협착의 영역을 동적으로 식별하고, 동맥의 식별된 영역의 적절한 직경을 동적으로 결정하고, 그리고/또는 복수의 이용 가능한 스텐트 옵션으로부터 스텐트를 자동으로 선택하도록 구성된다. 몇몇 실시예에서, 선택된 스텐트는 이식 후 동맥 영역을 결정된 적절한 동맥 직경으로 받쳐 개방(prop open)하도록 구성될 수 있다. 몇몇 실시예에서, 적절한 동맥 직경은 자연적으로 협착이 없을 것인 직경과 동등하거나 실질적으로 동등한 것으로 결정된다. 몇몇 실시예에서, 시스템은 식별된 동맥 영역에 선택된 스텐트를 이식하기 위한 환자-특정 수술 계획을 동적으로 생성하도록 구성될 수 있다. 예를 들어, 시스템은 동맥의 분지가 식별된 동맥 영역 부근에 있는지 여부를 결정하고 분지를 처리하기 위해 2개의 가이드와이어를 삽입하기 위한 및/또는 분지 내에 제2 스텐트를 구속하고 삽입하기 위한 위치를 결정하기 위한 환자-특정 수술 계획을 생성하도록 구성될 수 있다.
도 4b는 의료 영상 분석에 기초하는 환자-특정 스텐트 파라미터의 결정을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다.
도 4b에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 202에서 대상의 관상 영역의 CT 스캔과 같은 의료 영상에 액세스하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 블록 204에서 하나 이상의 동맥 및/또는 블록 206에서 플라크의 하나 이상의 영역을 식별하도록 구성될 수 있다. 게다가, 몇몇 실시예에서, 시스템은 블록 208에서 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 블록 201에서 플라크 및/또는 혈관의 영역의 기하학 형상 및/또는 체적, 블록 203에서 플라크의 영역의 표면적에 대한 체적의 비 또는 함수, 블록 205에서 플라크의 영역의 이질성 또는 균질성 지수, 블록 207에서 방사선 밀도 값의 범위에 의한 플라크의 영역의 방사선 밀도 및/또는 그 조성, 블록 209에서 플라크의 영역의 체적에 대한 방사선 밀도의 비, 및/또는 블록 211에서 플라크의 영역의 확산율을 결정하도록 구성될 수 있다. 블록 202, 204, 206, 208, 201, 203, 205, 207, 209, 및 211에 나타낸 프로세스 및 기술에 관한 부가의 상세는 도 2a와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 블록 440에서, 시스템은 직경, 곡률, 혈관 형태, 혈관 벽, 내강 벽 등과 같은 하나 이상의 혈관 파라미터를 결정하기 위해 의료 영상을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 혈관을 따라 특정 영역에서 협착이 있는 의료 영상에 보여지는 바와 같이 의료 영상으로부터 하나 이상의 혈관 파라미터를 결정하거나 도출하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 협착이 없는 하나 이상의 혈관 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 협착이 존재하지 않은 경우 혈관의 직경, 곡률, 및/또는 기타를 결정하기 위해 혈관으로부터 협착 또는 플라크를 그래픽으로 및/또는 가상으로 제거하도록 구성될 수 있다.
몇몇 실시예에서, 블록 442에서, 시스템은 스텐트가 대상에 대해 추천되는지 여부를 결정하고, 만일 그러하면, 의료 분석에 기초하여 해당 환자에 대해 특정한 스텐트의 하나 이상의 추천 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 식별된 혈관 형태 파라미터, 정량화된 플라크 파라미터 및/또는 혈관 파라미터 중 하나 이상을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 AI, ML, 및/또는 다른 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 전술된 파라미터 중 하나 이상을 개별적으로, 조합하여, 및/또는 가중 측정치로서 분석하도록 구성된다. 몇몇 실시예에서, 개별적으로 또는 조합하여, 의료 영상으로부터 도출된 이들 파라미터 중 하나 이상은 스텐트가 이식된 대상 및 이식되지 않은 대상을 포함하여, 다른 대상으로부터 도출되거나 수집된 하나 이상의 기준 값에 비교될 수 있다. 몇몇 실시예에서, 환자-특정 스텐트의 결정된 파라미터에 기초하여, 시스템은 이들 파라미터와 일치하는 기존의 스텐트의 선택을 결정하고 그리고/또는 의료 영상으로부터 도출된 스텐트 파라미터를 갖는 환자-특정 스텐트를 제조하기 위한 제조 지침을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 협착이 존재하지 않으면 동맥의 직경보다 작거나 실질적으로 동일한 스텐트의 직경을 추천하도록 구성될 수 있다.
몇몇 실시예에서, 블록 444에서, 시스템은 분석된 의료 영상에 기초하여 스텐트 이식을 위한 추천된 수술 계획을 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 의료 영상에 기초하여 분지가 존재하는지 여부를 결정하고 그리고/또는 수술 전에 환자를 위한 가이드와이어 및/또는 스텐트의 위치설정을 위한 가이드라인을 생성하도록 구성될 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 플라크 및/또는 다른 파라미터의 의료 영상 분석에 기초하여 특정 환자에 특정한 상세한 수술 계획을 생성하도록 구성될 수 있다.
몇몇 실시예에서, 블록 446에서, 시스템은 스텐트 이식 후에 하나 이상의 의료 영상에 액세스하거나 검색하도록 구성된다. 몇몇 실시예에서, 블록 448에서, 시스템은 이식 후 분석을 수행하기 위해 액세스된 의료 영상을 분석하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 스텐트 이식 후에, 블록 208과 관련하여 본 명세서에 설명된 임의의 것들을 포함하여, 하나 이상의 혈관 형태 및/또는 플라크 파라미터를 도출하도록 구성될 수 있다. 전술된 내용의 분석에 기초하여, 몇몇 실시예에서, 시스템은 몇몇 실시예에서, 예를 들어 스타틴 또는 다른 약물의 추천된 사용, 생활 습관 변화, 추가 수술 또는 스텐트 이식 등과 같은 추가의 제안된 치료를 생성할 수 있다.
몇몇 실시예에서, 도 4b와 관련하여 본 명세서에 설명된 하나 이상의 프로세스는 반복될 수 있다. 예를 들어, 본 명세서에 설명된 하나 이상의 프로세스가 반복될 수 있고 그 분석 결과는 환자에 대한 부가의 환자-특정 스텐트의 필요성 및/또는 파라미터를 결정하기 위해 및/또는 다른 목적으로 사용될 수 있다.
환자-특정 보고
몇몇 실시예에서, 시스템은 원시 CT 스캔 데이터로부터 생성된 처리된 데이터의 분석에 기초하여 환자-특정 보고를 동적으로 생성하도록 구성된다. 몇몇 실시예에서, 환자 특정 보고는 처리된 데이터에 기초하여 동적으로 생성된다. 몇몇 실시예에서, 기입된 보고는 데이터베이스로부터 특정 문구를 선택 및/또는 조합하는 것에 기초하여 동적으로 생성되고, 여기서, 특정 단어, 용어 및/또는 문구는 환자 및 환자의 식별된 의료 문제에 대해 특정하도록 변경된다. 몇몇 실시예에서, 시스템은 본 명세서에 설명된 영상 스캐닝 데이터 및/또는 시스템 생성 영상 뷰로부터 하나 이상의 영상을 동적으로 선택하도록 구성되고, 여기서, 선택된 하나 이상의 영상은 처리된 데이터의 분석에 기초하여 환자-특정 보고를 생성하기 위해 기입된 보고에 동적으로 삽입된다.
몇몇 실시예에서, 시스템은 환자 특정 보고에 삽입을 위해 선택된 하나 이상의 영상에 동적으로 주석을 달도록 구성되고, 여기서, 주석은 환자에 특정하고 그리고/또는 본 명세서에 개시된 디바이스, 방법 및 시스템에 의해 수행된 데이터 처리에 기초하는 주석이며, 예를 들어 동맥을 따라 상당한 불량 플라크 축적이 존재하는 것을 보여주기 위해 마킹 또는 다른 지표를 포함하도록 하나 이상의 영상에 주석을 단다.
몇몇 실시예에서, 시스템은 과거 및/또는 현재 의료 데이터에 기초하여 보고를 동적으로 생성하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 환자의 심혈관 건강이 기간에 걸쳐 어떻게 변화했는지를 보여주도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 환자의 심혈관 건강 및/또는 심혈관 질환이 환자 내에서 어떻게 변화했는지를 구체적으로 설명하기 위해 데이터베이스로부터 문구를 동적으로 생성하고 그리고/또는 문구를 선택하도록 구성된다.
몇몇 실시예에서, 시스템은 예를 들어 심혈관 질환이 환자 내에서 시간 경과에 따라 어떻게 변화했는지를 보여주어, 예를 들어 서로 병치된 과거 및 현재 영상을 보여주거나, 예를 들어 현재 영상에 중첩된 과거 영상을 보여주어 이에 의해 사용자가 과거 및 현재 영상 사이를 이동하거나 또는 페이드하거나 또는 토글할 수 있게 하기 위해 의료 보고에 삽입을 위해 이전 의료 스캐닝 및/또는 현재 의료 스캐닝으로부터 하나 이상의 의료 영상을 동적으로 선택하도록 구성된다.
몇몇 실시예에서, 환자-특정 보고는 사용자가 특정 영상, 비디오, 애니메이션, 증강 현실(AR), 가상 현실(VR), 및/또는 보고의 특징과 상호작용할 수 있게 하는 대화형 보고이다. 몇몇 실시예에서, 시스템은 검토 또는 추가의 분석을 필요로 하는 혈관 질환을 포함하거나 포함할 가능성이 있는 특정 혈관 및/또는 혈관의 부분을 강조하기 위해 환자 동맥 혈관의 동적으로 생성된 삽화 또는 영상을 환자-특정 보고 내에 삽입하도록 구성된다. 몇몇 실시예에서, 동적으로 생성된 환자-특정 보고는 AR 및/또는 VR을 사용하여 사용자에게 혈관 벽을 보여주도록 구성된다.
몇몇 실시예에서, 시스템은 본 명세서에 개시된 방법, 시스템 및 디바이스를 사용하여 동적으로 생성된 보고 내에 임의의 비 및/또는 동적으로 생성된 데이터를 삽입하도록 구성된다. 몇몇 실시예에서, 동적으로 생성된 보고는 방사선학 보고를 포함한다. 몇몇 실시예에서, 동적으로 생성된 보고는 의사가 보고를 편집할 수 있게 하기 위해 Microsoft Word®와 같은 편집 가능한 문서에 있다. 몇몇 실시예에서, 동적으로 생성된 보고는 PACS(Picture Archiving and Communication System) 또는 다른 EMR(electronic medical records) 시스템에 저장된다.
몇몇 실시예에서, 시스템은 문해력을 개선하기 위해 임의의 환자에게 더 양호하게 이해 가능한 방식으로 정보를 정확하게 전송하기 위해, 오디오가 있거나 없는 비디오 포맷의 도면 또는 인포그래픽으로 영상으로부터 데이터를 변환 및/또는 번역하도록 구성된다. 몇몇 실시예에서, 문해력을 개선시키는 이 방법은 더 높은 문해력을 갖는 더 낮은 위험, 및 더 낮은 문해력을 갖는 더 높은 위험을 정의하는 위험도 층화 도구와 결합된다. 몇몇 실시예에서, 이들 보고 출력은 환자-유도 및/또는 환자-특정일 수도 있다. 몇몇 실시예에서, 실제 환자 영상 데이터(예를 들어, 그 CT로부터의)는 발견을 추가로 설명하기 위해 그 CT로부터의 그래픽 및/또는 CT로부터의 도면에 결합될 수 있다. 몇몇 실시예에서, 실제 환자 영상 데이터, 그래픽 데이터 및/또는 도면 데이터는 환자로부터 온 것이 아니지만 환자가 더 양호하게 이해하는 것을 도울 수 있는 설명 그래픽(예를 들어, 지질-풍부 플라크에 대한 비디오)에 결합될 수 있다.
몇몇 실시예에서, 이들 환자 보고는 당뇨병 또는 고혈압과 같은 심장 질환 위험 인자의 제어와 관련하여 시간 경과에 따른 질환을 추적하는 것을 허용하는 애플리케이션으로 가져올 수 있다. 몇몇 실시예에서, 앱 및/또는 사용자 인터페이스는 시간 경과에 따른 혈당 및 혈압의 추적을 허용하고 그리고/또는 위험 예측을 증강하는 방식으로 시간 경과에 따른 영상의 변화를 관련시킬 수 있다.
몇몇 실시예에서, 시스템은 원시 CT 데이터로부터 생성된 처리된 데이터에 기초하여 환자에 특정한 비디오 보고를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 영상 발견, 연관된 자동 계산 진단, 및/또는 예후 알고리즘에 기초하여 콘텐츠를 자동으로 및 동적으로 변경하도록 프로그래밍될 수 있는, 사용자를 위한 개인화된 영화 뷰잉 경험을 생성 및/또는 제공하도록 구성된다. 몇몇 실시예에서, 뷰잉 방법은 전통적인 보고와 달리, 보통의 2D 영화의 형태일 수 있는 영화 경험 및/또는 AR 또는 VR을 통한 혼합 현실 영화 경험을 통하는 것이다. 몇몇 실시예에서, 2D 및 혼합 현실의 모두의 경우, 개인화된 영화 경험은 심근경색의 위험, 질환 진행의 속도 및/또는 허혈과 같은 그 예후를 예측하기 위해 환자와 상호작용할 수 있다.
몇몇 실시예에서, 시스템은 환자로부터의 실제 CT 영상 데이터와 조합하여 오디오 콘텐츠와 함께 카툰 영상 및/또는 애니메이션의 모두를 포함하는 비디오 보고를 동적으로 생성하도록 구성될 수 있다. 몇몇 실시예에서, 동적으로 생성된 비디오 의료 보고는 음성 합성기 또는 미리 제작된 음성 콘텐츠가 비디오 보고 동안 재생을 위해 사용될 수 있도록 데이터베이스로부터 문구, 용어 및/또는 다른 콘텐츠를 선택하는 것에 기초하여 동적으로 내레이션된다. 몇몇 실시예에서, 동적으로 생성된 비디오 의료 보고는 본 명세서에 개시된 임의의 영상을 포함하도록 구성된다. 몇몇 실시예에서, 동적으로 생성된 비디오 의료 보고는 심혈관 질환이 환자 내에서 시간 경과에 따라 어떻게 변화했는지를 보여주기 위해 비디오 의료 보고에 삽입을 위해 이전 의료 스캐닝 및/또는 현재 의료 스캐닝으로부터 하나 이상의 의료 영상을 동적으로 선택하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 보고는 서로 옆에 병치된 과거 및 현재 영상을 보여줄 수 있다. 몇몇 실시예에서, 보고는 현재 영상에 중첩된 과거 영상을 보여줄 수 있어 이에 의해 사용자가 과거 및 현재 영상 사이를 토글하거나 이동하거나 페이드할 수 있게 한다. 몇몇 실시예에서, 동적으로 생성된 비디오 의료 보고는 비디오 보고에서 CT 의료 영상과 같은 실제 의료 영상을 보여주고 이어서 실제 의료 영상의 삽화 뷰 또는 카툰 뷰(부분적 또는 전체적으로 삽화 또는 카툰 뷰)로 전이하여, 이에 의해 환자의 동맥의 특정 피처를 강조하도록 구성될 수 있다. 몇몇 실시예에서, 동적으로 생성된 비디오 의료 보고는 AR 및/또는 VR을 사용하여 사용자에게 혈관 벽을 보여주도록 구성된다.
도 5a는 의료 영상 분석에 기초하는 환자-특정 의료 보고의 생성을 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 5a에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 202에서 의료 영상에 액세스하도록 구성될 수 있다. 몇몇 실시예에서, 의료 영상은 의료 영상 데이터베이스(100)에 저장될 수 있다. 블록 202에 나타낸 의료 영상의 유형 및 다른 프로세스 및 기술에 관한 부가의 상세는 도 2a와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 블록 354에서, 시스템은 예를 들어 AI, ML, 및/또는 다른 알고리즘을 사용하여 의료 영상에서 하나 이상의 동맥, 플라크 및/또는 지방을 식별하도록 구성된다. 블록 354에 나타낸 의료 영상의 유형 및 다른 프로세스 및 기술에 관한 부가의 상세는 도 3c와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 블록 208에서, 시스템은 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터를 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 블록 201에서 플라크 및/또는 혈관의 영역의 기하학 형상 및/또는 체적, 블록 203에서 플라크의 영역의 표면적에 대한 체적의 비 또는 함수, 블록 205에서 플라크의 영역의 이질성 또는 균질성 지수, 블록 207에서 방사선 밀도 값의 범위에 의한 플라크의 영역의 방사선 밀도 및/또는 그 조성, 블록 209에서 플라크의 영역의 체적에 대한 방사선 밀도의 비, 및/또는 블록 211에서 플라크의 영역의 확산율을 결정하도록 구성될 수 있다. 블록 208, 201, 203, 205, 207, 209, 및 211에 나타낸 프로세스 및 기술에 관한 부가의 상세는 도 2a와 관련하여 상기 설명에서 발견될 수 있다.
몇몇 실시예에서, 블록 508에서, 시스템은 협착증, 죽상동맥경화증, 허혈의 위험, 심혈관 이벤트 또는 질환의 위험, 및/또는 기타를 결정 및/또는 정량화하도록 구성될 수 있다. 시스템은 이들에 한정되는 것은 아니지만 도 3c의 블록 358 및 블록 366과 관련하여 전술된 것들을 포함하는, 본 명세서에 설명된 임의의 기술 및/또는 알고리즘을 이용하도록 구성될 수 있다.
몇몇 실시예에서, 블록 510에서, 시스템은 의료 영상으로부터 도출된 분석 결과를 사용하여 주석이 달린 의료 영상 및/또는 양자화된 컬러 맵을 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 동맥, 플라크, 지방, 양호 플라크, 불량 플라크, 혈관 형태, 및/또는 기타를 보여주는 양자화된 맵을 생성하도록 구성될 수 있다.
몇몇 실시예에서, 블록 512에서, 시스템은 예를 들어 대상의 이전에 획득된 의료 영상의 분석에 기초하여, 환자의 플라크 및/또는 질환의 진행을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이들에 한정되는 것은 아니지만 일반적으로 블록 380 및/또는 도 3d와 관련하여 설명된 것들을 포함하여, 질환 추적과 관련하여 본 명세서에 설명된 임의의 알고리즘 또는 기술을 이용하도록 구성될 수 있다.
몇몇 실시예에서, 블록 514에서, 시스템은 플라크 및/또는 질환의 결정된 진행에 기초하여 환자를 위한 제안된 치료 계획을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 이들에 한정되는 것은 아니지만 일반적으로 블록 382 및/또는 도 3d와 관련하여 설명된 것들을 포함하여, 질환 추적 및 치료 생성과 관련하여 본 명세서에 설명된 임의의 알고리즘 또는 기술을 이용하도록 구성될 수 있다.
몇몇 실시예에서, 블록 516에서, 시스템은 환자-특정 보고를 생성하도록 구성될 수 있다. 환자-특정 보고는 환자의 하나 이상의 의료 영상 및/또는 그 도출된 그래픽을 포함할 수 있다. 예를 들어, 몇몇 실시예에서, 환자 보고는 하나 이상의 주석이 달린 의료 영상 및/또는 양자화된 컬러 맵을 포함할 수 있다. 몇몇 실시예에서, 환자-특정 보고는 의료 영상으로부터 도출된 하나 이상의 혈관 형태 및/또는 정량화된 플라크 파라미터를 포함할 수 있다. 몇몇 실시예에서, 환자-특정 보고는 정량화된 협착증, 죽상동맥경화증, 허혈, 심혈관 이벤트 또는 질환의 위험, CAD-RADS 스코어, 및/또는 임의의 전술된 것의 진행 또는 추적을 포함할 수 있다. 몇몇 실시예에서, 환자-특정 보고는 스타틴, 생활 습관 변화 및/또는 수술과 같은, 제안된 치료를 포함할 수 있다.
몇몇 실시예에서, 시스템은 환자 보고 데이터베이스(500)로부터, 환자-특정 보고를 생성하도록 적용 가능하고 그리고/또는 사용될 수 있는 하나 이상의 문구, 특성화, 그래픽, 비디오, 오디오 파일 등에 액세스 및/또는 검색하도록 구성될 수 있다. 환자-특정 보고를 생성하는 데 있어서, 몇몇 실시예에서, 시스템은 전술되고 그리고/또는 환자의 의료 영상으로부터 도출된 것들과 같은 하나 이상의 파라미터를 다른 환자로부터 이전에 도출된 하나 이상의 파라미터와 비교하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 환자의 의료 영상으로부터 도출된 하나 이상의 정량화된 플라크 파라미터를 유사하거나 동일한 연령 그룹의 다른 환자의 의료 영상으로부터 도출된 하나 이상의 정량화된 플라크 파라미터와 비교하도록 구성될 수 있다. 비교에 기초하여, 몇몇 실시예에서, 시스템은 예를 들어 유사한 이전 사례를 식별함으로써 어느 문구, 특성화, 그래픽, 비디오, 오디오 파일 등이 환자-특정 보고에 포함될 것인지를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 환자-특정 보고를 생성하기 위해 AI 및/또는 ML 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 환자-특정 보고는 문서, AR 경험, VR 경험, 비디오, 및/또는 오디오 구성요소를 포함할 수 있다.
도 5b 내지 도 5i는 의료 영상 분석에 기초하여 생성된 환자-특정 의료 보고의 예시적인 실시예(들)를 도시하고 있다. 특히, 도 5b는 환자-특정 보고의 커버 페이지의 예를 도시하고 있다.
도 5c 내지 도 5i는 예시적인 환자-특정 보고(들)의 부분을 도시하고 있다. 몇몇 실시예에서, 시스템에 의해 생성된 환자-특정 보고는 이들 예시된 부분의 단지 일부 또는 전부를 포함할 수도 있다. 도 5c 내지 도 5i에 도시되어 있는 바와 같이, 몇몇 실시예에서, 환자-특정 보고는 예를 들어 우관상 동맥(RCA), R-후방 하행 동맥(R-PDA), R-후외측 분지(R-PLB), 좌측 주(LM) 및 좌전 하행(LAD) 동맥, 제1 대각선(D1) 동맥, 제2 대각선(D2) 동맥, 회선(Cx) 동맥, 제1 둔각 변연 분지(OM1), 제2 둔각 변연 분지(OM2), 중간지(RI) 등과 같은 하나 이상의 동맥 및/또는 그 부분의 시각화를 포함한다. 몇몇 실시예에서, 보고에 포함된 각각의 동맥에 대해, 시스템은 예를 들어 동맥의 근위, 중간 및/또는 원위 부분에서와 같이, 혈관의 길이를 따라 쉬운 추적을 위해 직선화된 뷰를 생성하도록 구성된다.
몇몇 실시예에서, 시스템에 의해 생성된 환자-특정 보고는 혈관 내에 보여진 다양한 플라크 및/또는 혈관 형태-관련 파라미터의 정량화된 측정치를 포함한다. 몇몇 실시예에서, 보고에 포함된 동맥의 각각 또는 일부에 대해, 시스템은 환자의 의료 영상을 생성 및/또는 도출하고, 총 플라크 체적, 총 저밀도 또는 비석회화 플라크 체적, 총 비석회화 플라크 값 및/또는 총 석회화 플라크 체적의 정량화된 측정치를 환자-특정 보고에 포함하도록 구성된다. 또한, 몇몇 실시예에서, 보고에 포함된 동맥의 각각 또는 일부에 대해, 시스템은 환자의 의료 영상을 생성 및/또는 도출하고, 예를 들어 동맥 내의 최대 직경 협착증의 백분율과 같은, 협착 중증도의 정량화된 측정치를 환자-특정 보고에 포함하도록 구성된다. 몇몇 실시예에서, 환자-특정 보고에 포함된 동맥의 각각 또는 일부에 대해, 시스템은 환자의 의료 영상을 생성 및/또는 도출하고, 예를 들어 최고 리모델링 지수와 같은, 혈관 리모델링의 정량화된 측정치를 환자-특정 보고에 포함하도록 구성된다.
시각화/GUI
죽상동맥경화증, 동맥 벽(예를 들어, 플라크) 내 및 상의 지방, 콜레스테롤 및 다른 물질의 축적은 혈류를 제한할 수 있다. 플라크는 파열되어 혈전을 유발할 수 있다. 죽상동맥경화증은 종종 심장 문제로 고려되지만, 신체의 임의의 부위의 동맥에 영향을 미칠 수 있다. 그러나, 부분적으로 불완전한 영상 데이터, 관상 동맥 영상에 존재할 수 있는 수차(예를 들어, 환자의 움직임으로 인한), 상이한 환자의 플라크의 발현의 차이로 인해 관상 동맥의 플라크에 대한 정보를 결정하는 것이 어려울 수 있다. 이에 따라, CT 영상으로부터 도출된 계산된 정보나 CT 영상의 육안 검사만으로는 환자의 관상 동맥에 존재하는 상태를 결정하기에 충분한 정보를 제공하지 않는다. 본 개시내용의 부분은 이들이 자동 또는 반자동 프로세스를 사용하여 CT 영상으로부터 결정될 수 있는 정보를 설명한다. 예를 들어, 기계 학습 프로세스를 사용하는 것은 수천 건의 CT 스캔에 대해 훈련되어 CT 영상에 묘사되어 있는 정보를 결정하고 그리고/또는 애널리스트를 이용하여 기계 학습 프로세스의 결과를 검토하고 향상시키며, 본 명세서에 설명된 예시적인 사용자 인터페이스는 결정된 정보를 다른 애널리스트 또는 의사에게 제공할 수 있다. CT 영상으로부터 결정된 정보는 환자의 관상 동맥의 상태를 평가하는 데 매우 중요하지만, 숙련된 의사에 의한 관상 동맥의 시각적 분석은, CT 영상으로부터 결정한 정보를 가지고, 환자의 관상 동맥의 더 포괄적인 평가를 허용한다. 본 명세서에 나타낸 바와 같이, 시스템의 실시예는 관상 혈관 내 및 주위의 혈관 내강, 혈관 벽, 플라크 및 협착의 분석 및 시각화를 용이하게 한다. 이 시스템은 예를 들어 환자의 혈관의 CT 스캔에 의해 생성된 컴퓨터 단층 촬영(CT) 영상의 세트에 기초하여 혈관을 다평면 포맷으로, 단면 뷰, 3D 관상 동맥 트리 뷰, 축면, 시상면 및 관상면 뷰로 디스플레이할 수 있다. CT 영상은 의료 영상 정보 및 관련 데이터의 통신 및 관리를 위한 표준인 의료용 디지털 영상 및 통신 표준(Digital Imaging and Communications in Medicine: DICOM) 영상일 수 있다. CT 영상 또는 CT 스캔은 본 명세서에 사용될 때, 컴퓨터 제어 스캐너에 의해 생성된 신체 내의 구조의 사진을 나타내는 광범위한 용어이다. 예를 들어, X-레이 빔을 사용하는 스캐너에 의해. 그러나, 다른 방사선 소스 및/또는 영상 시스템이 CT형 영상의 세트를 생성할 수도 있다는 것이 이해된다. 이에 따라, 본 명세서에서 용어 "CT 영상"의 사용은 달리 지시되지 않으면, 신체 내의 구조의 "슬라이스"를 묘사하고 있는 영상의 세트를 생성하는 임의의 유형의 영상 소스를 갖는 임의의 유형의 영상 시스템을 나타낼 수도 있다. 본 명세서에 설명된 사용자 인터페이스의 하나의 주 양태는 CT 영상에 디스플레이되는 뷰와 정보의 정확한 상관 관계이다. 사용자 인터페이스의 부분(또는 "패널") 상에 디스플레이된 CT 영상 내의 위치는 동일한 위치가 상이한 뷰에서 동시에 디스플레이되도록 시스템에 의해 정확하게 상관된다. 예를 들어, 2, 3, 4, 5 또는 6개의 뷰에서 동시에 관상 혈관의 부분을 동시에 디스플레이하고 다른 2 내지 6개의 뷰가 정확한 동일한 위치를 대응적으로 보여주는 동안 의사가 하나의 뷰에서 관상 혈관의 특정 위치를 탐색하게 함으로써, 혈관의 상태에 대한 막대한 양의 통찰력을 제공하고 의사/애널리스트가 제시된 정보를 신속하고 쉽게 시각적으로 통합하여 검사 중인 관상 혈관의 상태의 포괄적이고 정확한 이해를 얻을 수 있게 한다.
유리하게는, 본 개시내용은 사용자가 더 분석적으로 유용한 방식으로 영상 및 데이터와 상호작용하여 분석하게 하고 그리고/또는 계산 분석이 더 유용한 방식으로 수행될 수 있게 하여, 예를 들어 주의를 필요로 하는 상태를 검출하기 위해, CT 영상 및 데이터가 더 유용하고 정확한 방식으로 분석될 수 있게 한다. 본 명세서에 설명된 처리의 그래픽 사용자 인터페이스는 사용자가 그렇지 않으면 관상 동맥의 상이한 정보와 뷰 사이의 관계를 정의하기 어려운 것을 시각화하게 할 수 있다. 예에서, 관상 동맥의 부분을 CMPR 뷰, SMPR 뷰 및 단면 뷰에서 동시에 디스플레이하는 것은, 그렇지 않으면 더 적은 수의 뷰를 사용하여 인지 가능하지 않을 수도 있는 관상 동맥과 연관된 플라크 또는 협착의 통찰력을 애널리스트에게 제공할 수 있다. 유사하게, 관상 동맥의 부분을 CMPR 뷰, SMPR 뷰 및 단면 뷰에 추가하여, 축면 뷰, 시상면 뷰 및 관상면 뷰로 디스플레이하는 것은 그렇지 않으면 관상 동맥의 더 적은 수의 뷰로 인지 가능하지 않을 것인 추가 정보를 애널리스트에게 제공할 수 있다. 다양한 실시예에서, 시스템 또는 시스템과 상호작용하는 애널리스트에 의해 결정된, 본 명세서에 설명되거나 예시된 임의의 정보, 및 CT 영상의 세트에서 관상 혈관 세그먼트의 협착 및 플라크를 나타내는 정보 및 CT 영상의 세트에서 관상 혈관의 식별 및 위치를 나타내는 정보를 포함하는 CT 영상의 세트와 연관된 관상 동맥/혈관에 관한 다른 정보(예를 들어, 다른 외부 소스, 예를 들어 애널리스트로부터의)("동맥 정보")는 시스템에 저장되고 사용자 인터페이스의 다양한 패널 및 보고에 제시될 수 있다. 본 개시내용은 환자의 관상 동맥 및 관상 동맥과 연관된 피처의 더 쉽고 더 신속한 분석을 허용한다. 본 개시내용은 또한 관상 동맥 데이터의 선택된 부분에 대한 신속하고 정확한 액세스를 허용함으로써 관상 동맥 데이터의 더 빠른 분석을 허용한다. 본 개시내용의 시스템 및 방법을 사용하지 않고, CT 영상 및 관상 동맥 정보를 신속하게 선택, 디스플레이 및 분석하는 것은 번거롭고 비효율적일 수 있고, 애널리스트가 환자의 관상 동맥의 그 분석에 있어서 중요한 정보를 누락하는 결과를 야기할 수도 있는데, 이는 환자의 상태의 부정확한 평가를 야기할 수도 있다.
다양한 실시예에서, 시스템은 자동으로(예를 들어, 환자와 연관된 CT 영상의 세트의 전처리 단계 동안 기계 학습 알고리즘을 사용하여) 또는 시스템을 사용하는 애널리스트 또는 의사에 의해 대화식으로(예를 들어, 사용자로부터의 적어도 몇몇 입력을 수신함으로써) 환자의 관상 동맥을 식별할 수 있다. 본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 원시 CT 스캔 데이터의 처리는 환자의 특정 동맥 혈관의 존재 및/또는 비존재를 결정 및/또는 식별하기 위해 CT 데이터의 분석을 포함할 수 있다. 자연적으로 발생하는 현상으로서, 특정 동맥은 특정 환자에 존재할 수도 있는 반면 이러한 특정 동맥은 다른 환자에게는 존재하지 않을 수도 있다. 몇몇 실시예에서, 시스템은 스캔 데이터에서 검출된 동맥 혈관을 식별하고 라벨링하도록 구성될 수 있다. 특정 실시예에서, 시스템은 사용자가 환자 내에서 식별된 동맥의 라벨을 클릭할 수 있게 하고, 이에 의해 그 동맥이 환자 내에 존재하는 복수의 동맥 혈관의 전자 표현에서 강조될 수 있게 하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 CT 스캔 데이터에 존재하는 동맥을 분석하고 예를 들어 10 내지 15분 또는 그 미만 이내에 환자에게 존재하는 동맥의 다양한 뷰를 디스플레이하도록 구성된다. 대조적으로, 예로서, 양호 또는 불량 플라크 또는 임의의 다른 인자의 고려 없이, 협착만을 식별하기 위해 CT의 시각적 평가를 수행하는 것은 기술 레벨에 따라 15분 내지 1시간 초과 소용될 수 있고, 또한 방사선 전문의 및/또는 심장 이미저를 가로질러 상당한 가변성을 가질 수 있다.
몇몇 시스템은 애널리스트가 환자와 연관된 CT 영상을 뷰잉할 수 있게 할 수도 있지만, 이들 시스템은 환자에 특정한 관상 동맥의 3-D 동맥 트리 뷰 사이의 대응과 함께, 실시간 또는 거의 실시간으로, 모든 필요한 뷰, 다중 SMPR 뷰, 단면 뿐만 아니라 축면 뷰, 시상면 뷰 및/또는 관상면 뷰를 디스플레이하는 능력이 결여되어 있다. 시스템의 실시예는 용도 중 하나 이상 또는 모든 용도를 이 디스플레이에 구성할 수 있는데, 이는 환자의 관상 동맥의 비할 데 없는 가시성을 제공하고, 애널리스트 또는 의사가 이들 뷰 없이 단순히 인지 가능하지 않을 수도 있는 피처 및 정보를 인지할 수 있게 한다. 즉, 모든 이들 뷰, 뿐만 아니라 디스플레이된 관상 혈관에 관련된 정보를 보여주도록 구성된 사용자 인터페이스는 애널리스트 또는 의사가 시스템이 제공하는 정보와 함께 자신의 경험을 사용할 수 있게 하여 동맥의 상태를 더 양호하게 식별할 수 있게 하는데, 이는 환자를 위한 치료에 대한 결정을 내리는 것을 도울 수 있다. 게다가, 애널리스트 또는 의사에 의해 인지될 수 없는 시스템에 의해 결정되고 사용자 인터페이스에 의해 디스플레이되는 정보는 이해하기 쉽고 신속하게 동화되는 이러한 방식으로 제시된다. 예로서, 플라크의 실제 방사선 밀도 값의 지식은 단순히 CT 영상을 보고 분석하고 결정하는 것이 아니라 시스템이 모든 플라크에 대한 완전한 분석을 발견할 수 있고 제시할 수 있는 것이다.
일반적으로, 동맥 혈관은 본질적으로 곡선형이다. 이에 따라, 시스템은 이러한 곡선형 동맥 혈관을 동맥의 실질적으로 직선 뷰로 직선화하도록 구성될 수 있고, 몇몇 실시예에서, 전술된 내용은 직선 다평면 재구성(MPR) 뷰라 칭한다. 몇몇 실시예에서, 시스템은 복수의 동맥 혈관이 직선형 다평면 재구성 뷰로 보여지는 상태로 대시보드 뷰를 보여주도록 구성된다. 몇몇 실시예에서, 동맥 혈관의 선형 뷰는 동맥 혈관의 종축(또는 혈관의 길이 또는 장축)을 따른 단면 뷰를 보여주고 있다. 몇몇 실시예에서, 시스템은 사용자가 다양한 뷰 및 각도로부터 혈관 벽을 검토할 수 있게 하기 위해 사용자가 실질적으로 선형 동맥 혈관의 종축을 중심으로 360° 방식으로 회전할 수 있게 하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 내부 혈관 직경의 협소화 뿐만 아니라 내부 및/또는 외부 혈관 벽 자체의 특성을 나타내도록 구성된다. 몇몇 실시예에서, 시스템은 다수의 선형 뷰, 예를 들어 SMPR 뷰에서 복수의 동맥 혈관을 디스플레이하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 동맥 혈관의 곡률을 사용자에게 더 양호하게 보여주기 위해 복수의 동맥 혈관을 사시 뷰로 디스플레이하도록 구성될 수 있다. 몇몇 실시예에서, 사시 뷰는 곡선형 다평면 재구성 뷰라 칭한다. 몇몇 실시예에서, 사시 뷰는 예를 들어 동맥 트리 뷰에서 심장 및 혈관의 CT 영상을 포함한다. 몇몇 실시예에서, 사시 뷰는 심장의 혈관을 더 양호하게 강조하기 위해 디스플레이되는 심장 조직 없이 동맥 혈관을 보여주는 수정된 CT 영상을 포함한다. 몇몇 실시예에서, 시스템은 상이한 관점으로부터 환자의 다양한 동맥을 디스플레이하기 위해 사용자가 사시 뷰를 회전시키는 것을 허용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 위도 축(또는 혈관의 폭 또는 단축)을 따라 동맥 혈관의 단면 뷰를 보여주도록 구성될 수 있다. 종축을 따른 단면 뷰와 대조적으로, 몇몇 실시예에서, 시스템은 사용자가 위도 축을 가로지르는 단면 뷰로부터 동맥 혈관을 뷰잉함으로써 협소화하는 협착 또는 혈관 벽을 더 명확하게 볼 수 있게 할 수 있다.
몇몇 실시예에서, 시스템은 복수의 동맥 혈관을 삽화 뷰 또는 카툰 뷰로 디스플레이하도록 구성된다. 동맥 혈관의 삽화 뷰에서, 몇몇 실시예에서, 시스템은 특정 동맥 혈관 또는 동맥 혈관의 섹션에서 심혈관 이벤트가 발생할 위험의 다양한 정도를 나타내기 위해 특정 동맥 혈관 또는 특정 동맥 혈관의 섹션의 단색 채색 또는 회색조를 이용할 수 있다. 예를 들어, 시스템은 제1 동맥 혈관에서 발생하는 중위험의 심혈관 이벤트를 나타내기 위해 황색으로 제1 동맥 혈관을 디스플레이하면서 제2 동맥 혈관에서 발생하는 고위험의 심혈관 이벤트를 나타내기 위해 적색으로 제2 동맥 혈관을 디스플레이하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 동맥 혈관 또는 동맥 혈관의 섹션과 연관된 지정된 위험을 더 양호하게 이해하기 위해 사용자가 다양한 동맥 혈관 및/또는 동맥 혈관의 섹션과 상호작용할 수 있게 하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 사용자가 환자의 동맥의 삽화 뷰로부터 CT 뷰로 전환하는 것을 허용할 수 있다.
몇몇 실시예에서, 시스템은 본 명세서에 설명된 다양한 뷰의 전부 또는 일부를 단일 대시보드 뷰로 디스플레이하도록 구성될 수 있다. 예를 들어, 시스템은 사시 뷰와 함께 선형 뷰를 디스플레이하도록 구성될 수 있다. 다른 예에서, 시스템은 삽화 뷰와 함께 선형 뷰를 디스플레이하도록 구성될 수 있다.
몇몇 실시예에서, 처리된 CT 영상 데이터는 시스템이 환자의 다양한 동맥을 사용자에게 디스플레이하기 위해 이러한 처리된 데이터를 이용하는 것을 허용하게 할 수 있다. 전술된 바와 같이, 시스템은 환자의 복수의 동맥 혈관의 선형 뷰를 생성하기 위해 처리된 CT 데이터를 이용하도록 구성될 수 있다. 몇몇 실시예에서, 선형 뷰는 환자의 동맥을 실질적으로 직선과 유사하도록 선형 방식으로 디스플레이한다. 몇몇 실시예에서, 선형 뷰의 생성은 하나 이상의 자연 발생 곡선형 동맥 혈관의 영상의 스트레칭을 필요로 한다. 몇몇 실시예에서, 시스템은 사용자가 360° 회전 가능한 방식으로 동맥의 디스플레이된 선형 뷰를 회전할 수 있게 하기 위해 이러한 처리된 데이터를 이용하도록 구성될 수 있다. 몇몇 실시예에서, 처리된 CT 영상 데이터는 시간 경과에 따라, 즉, 심장 주기 전체에 걸쳐 동맥 형태를 시각화하고 비교할 수 있다. 동맥의 확장 또는 그 결여는 혈관 확장이 가능하지 않은 건강한 동맥 대 아픈 동맥을 나타낼 수도 있다. 몇몇 실시예에서, 단일 시점을 단순히 검사함으로써, 확장되거나 확장되지 않는 동맥의 능력을 결정하기 위해 예측 알고리즘이 구성될 수 있다.
전술된 바와 같이, 시스템의 양태는 환자의 관상 동맥을 시각화하는 데 도움이 될 수 있다. 몇몇 실시예에서, 시스템은 사용자가 특정 환자에 대해 데이터와 상호작용 및/또는 분석하기 위한 시각화 인터페이스를 동적으로 생성하기 위해 원시 CT 스캔으로부터 처리된 데이터를 이용하도록 구성될 수 있다. 시각화 시스템은 환자의 심장과 연관된 다수의 동맥을 디스플레이할 수 있다. 시스템은 동맥이 환자의 신체 내에서 선형이 아니더라도 실질적으로 선형 방식으로 다수의 동맥을 디스플레이하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 동맥의 상이한 영역을 시각화하기 위해 사용자가 동맥의 길이를 따라 상하 또는 좌우로 스크롤할 수 있도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 사용자가 상이한 각도에서 동맥의 상이한 부분을 볼 수 있게 하기 위해 사용자가 360° 방식으로 동맥을 회전할 수 있게 하도록 구성될 수 있다.
유리하게는, 시스템은 임계값 레벨을 초과하는 플라크 축적량이 있는 영역에 마킹을 포함하거나 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 사용자가 추가 검사를 위해 동맥의 특정 영역을 타겟화할 수 있도록 구성될 수 있다. 시스템은 사용자가 동맥의 길이를 따라 특정 지점에서 동맥과 연관된 기본 데이터를 디스플레이하기 위해 동맥의 하나 이상의 마킹된 영역을 클릭할 수 있도록 구성할 수 있다. 몇몇 실시예에서, 시스템은 환자의 동맥의 카툰 표현을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 동맥의 카툰 또는 컴퓨터 생성 표현은 사용자가 추가로 검사할 수 있게 하기 위해 환자의 동맥의 특정 영역을 강조하기 위한 컬러-코딩된 체계를 포함할 수 있다. 몇몇 실시예에서, 시스템은 사용자에 의한 추가 분석을 필요로 하는 동맥을 표명하기 위해 적색 컬러 또는 임의의 다른 그래픽 표현을 사용하여 동맥의 카툰 또는 컴퓨터 생성 영상을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 라벨링 체계에 따라 저장된 관상 혈관 라벨로, 동맥의 카툰 표현, 및 전술된 동맥의 3D 표현을 라벨링할 수 있다. 사용자가 원하는 경우, 라벨링 체계는 변경하거나 정제될 수 있고, 선호 라벨이 저장되어 관상 동맥을 라벨링하는 데 사용될 수도 있다.
몇몇 실시예에서, 시스템은 허혈이 발견될 가능성이 있는 동맥 내의 영역을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 불량 플라크가 존재하는 플라크의 영역을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 동맥 내의 영역의 착색 및/또는 회색조 레벨이 임계값 레벨을 초과하는지 여부를 결정함으로써 불량 플라크 영역을 식별하도록 구성될 수 있다. 예에서, 시스템은 플라크의 영역의 영상이 검은색 또는 실질적으로 검은색 또는 어두운 회색인 플라크의 영역을 식별하도록 구성될 수 있다. 예에서, 시스템은 동맥 내의 플라크의 영역에서 백색도 또는 밝은 회색의 지정에 의해 "양호" 플라크의 영역을 식별하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 심장 이벤트에 대한 고위험이 있는 동맥 혈관의 부분을 식별하고 그리고/또는 혈관 벽을 따라 윤곽을 작도하거나 혈관 벽을 따라 플라크 축적의 프로파일을 그리도록 구성된다. 몇몇 실시예에서, 시스템은 또한 이 정보를 사용자에게 디스플레이하고 그리고/또는 사용자가 AI 알고리즘이 윤곽 지정을 잘못 그렸다고 생각하는 경우 사용자가 식별된 부분 또는 윤곽 지정을 변경하게 하기 위한 편집 도구를 제공하도록 구성된다. 몇몇 실시예에서, 시스템은 "내강에 스냅(snap-to-lumen)"이라 칭하는 편집 도구를 포함하고, 여기서 사용자는 혈관의 특정 영역 주위에 박스를 작도하고 내강에 스냅 옵션을 선택함으로써 관심 영역을 선택하고 시스템은 혈관 벽 및/또는 플라크 축적의 경계를 더 밀접하게 추적하기 위해 윤곽 지정을 자동으로 재작도하고, 시스템은 이에 한정되는 것은 아니지만 에지 검출과 같은 영상 처리 기술을 사용한다. 몇몇 실시예에서, AI 알고리즘은 의료 영상 데이터를 완전한 정확도로 처리하지 않고 따라서 편집 도구가 의료 영상 데이터의 분석을 완료하기 위해 필요하다. 몇몇 실시예에서, 의료 영상 데이터의 최종 사용자 편집은 의료 영상 데이터를 처리하기 위해 AI 알고리즘만을 사용하는 것보다 의료 영상 데이터의 더 빠른 처리를 허용한다.
몇몇 실시예에서, 시스템은 더 고해상도 영상으로부터 영상을 복제하도록 구성된다. 예로서, CT에서, 칼슘으로부터의 부분 체적 아티팩트는 칼슘의 체적의 과대평가 및 동맥의 협소화를 야기하는 CT의 공지의 아티팩트이다. 혈관내 초음파 또는 광 간섭 단층 촬영 또는 조직 병리학의 것에 대한 CT 동맥 외관을 훈련하고 유효화함으로써, 몇몇 실시예에서, CT 동맥 외관이 IVUS 또는 OCT의 것과 유사하도록 복제될 수도 있고, 이러한 방식으로, CT 영상의 정확도를 개선시키기 위해 관상 칼슘 아티팩트를 디블룸할 수도 있다.
몇몇 실시예에서, 시스템은 시작 부분으로부터 종료 부분까지의 혈관 및/또는 혈관 길이의 코스에 걸쳐 혈관의 테이퍼링을 디스플레이하기 위한 그래픽 사용자 인터페이스를 제공하도록 구성된다. 그래픽 사용자 인터페이스에 디스플레이될 수 있는 패널의 다수의 예가 도 6a 내지 도 9n을 참조하여 예시되고 설명된다. 몇몇 실시예에서, 사용자 인터페이스의 부분, 패널, 버튼, 또는 사용자 인터페이스 상에 디스플레이되는 정보는 본 명세서에 설명되고 도면에 도시되어 있는 것과 상이하게 배열된다. 예를 들어, 사용자는 사용자 인터페이스의 상이한 부분에서 동맥의 상이한 뷰를 배열하기 위한 선호도를 가질 수도 있다.
몇몇 실시예에서, 그래픽 사용자 인터페이스는 혈관의 협착 또는 협착 뷰를 나타내기 위해 AI 알고리즘 분석으로부터 획득된 플라크 축적 데이터로 디스플레이된 혈관 뷰에 주석을 달도록 구성된다. 몇몇 실시예에서, 그래픽 사용자 인터페이스 시스템은 고위험 영역 또는 추가 분석 영역, 중간 위험 영역 및/또는 저위험 영역을 디스플레이하기 위해 컬러 디스플레이 또는 다른 디스플레이로 디스플레이된 혈관 뷰에 주석을 달도록 구성된다. 예를 들어, 그래픽 사용자 인터페이스 시스템은 상당한 불량 지방 플라크 축적 및/또는 협착이 존재하는 것을 나타내기 위해, 혈관 길이를 따라 특정 영역을 적색 마킹 또는 다른 그래픽 마킹으로 주석을 달도록 구성될 수 있다. 몇몇 실시예에서, 혈관 길이를 따라 주석이 달린 마킹은 이들에 한정되는 것은 아니지만, 협착, 생화학 시험, 바이오마커 시험, 의료 영상 데이터의 AI 알고리즘 분석 등과 같은 하나 이상의 변수에 기초한다. 몇몇 실시예에서, 그래픽 사용자 인터페이스 시스템은 혈관 뷰에 관절경화증 뷰로 주석을 달도록 구성된다. 몇몇 실시예에서, 그래픽 사용자 인터페이스 시스템은 혈관 뷰에 허혈 뷰로 주석을 달도록 구성된다. 몇몇 실시예에서, 그래픽 사용자 인터페이스는 혈관 및 주석이 달린 플라크 축적 뷰를 상이한 각도로부터 디스플레이하기 위해 사용자가 혈관을 180도 또는 360도 회전할 수 있게 하도록 구성된다. 이 뷰로부터, 사용자는 협착을 해결하기 위한 스텐트 길이 및 직경을 수동으로 결정할 수 있고, 몇몇 실시예에서, 시스템은 의료 영상 정보를 분석하여 추천된 스텐트 길이 및 직경을 결정하고, 이식을 위한 제안된 스텐트를 그래픽 사용자 인터페이스에서 디스플레이하여 어떻게 스텐트가 혈관의 식별된 영역 내에서 협착을 해결할 것인지를 사용자에게 예시하도록 구성된다. 몇몇 실시예에서, 본 명세서에 개시된 시스템, 방법 및 디바이스는 대상이 인간이든 다른 포유동물이든, 대상의 신체 및/또는 다른 혈관 및/또는 기관의 다른 영역에 적용될 수 있다.
예시적인 예
이러한 시스템의 주 용도 중 하나는 예를 들어 이들에 한정되는 것은 아니지만 관상 혈관과 같은, 혈관 내의 플라크의 존재를 결정하는 것일 수 있다. 플라크 유형은 사용자의 향상된 판독 가능성을 위해 하운즈필드 단위 밀도에 기초하여 시각화할 수 있다. 시스템의 실시예는 또한 세그먼트화된 관상 동맥에 대한 혈관 및 병변 레벨의 모두에서 협착 및 플라크 조성과 관련된 변수의 정량화를 제공한다.
몇몇 실시예에서, 시스템은 관상 동맥 질환(CAD), 또는 의심된 CAD의 평가를 위해 관상 컴퓨터 단층 촬영 혈관조영술(CCTA)을 받은 환자 내의 관상 플라크(즉, 죽상동맥경화증) 및 협착의 존재 및 범위를 결정하기 위해 심장 CT 데이터를 뷰잉하고 분석하기 위한 대화형 도구로서 훈련된 의사에 의해 사용되도록 의도된 웹 기반 소프트웨어 애플리케이션으로 구성된다. 이 시스템은 CT 스캐너를 사용하여 획득된 CT 영상을 후처리한다. 시스템은 관상 동맥의 피처를 특성화, 측정 및 시각화하기 위한 도구 및 기능을 제공하는 사용자 인터페이스를 생성하도록 구성된다.
시스템의 실시예의 특징은 예를 들어 중심선 및 내강/혈관 추출, 플라크 조성 오버레이, 협착의 사용자 식별, 혈관 길이, 병변 길이, 혈관 체적, 내강 체적, 플라크 체적(비석회화, 석회화, 저밀도-비석회화 플라크 및 전체), 최대 리모델링 지수, 및 면적/직경 협착(예를 들어, 백분율)을 포함하여 실시간으로 계산된 혈관 통계, 다평면 재구성된 혈관의 2차원(2D) 시각화 및 단면 뷰, 대화형 3차원(3D) 렌더링 관상 동맥 트리, CT 영상에 나타나는 실제 혈관에 대응하는 카툰 동맥 트리의 시각화, 사용자 수정 가능한 반자동 혈관 세그먼트화, 및 스텐트 및 만성 완전 폐색(CTO)의 사용자 식별을 포함할 수 있다.
실시예에서, 시스템은 관상 혈관 트리 내에 18개의 관상 세그먼트를 사용한다(예를 들어, 심혈관 컴퓨터 단층 촬영 학회의 가이드라인에 따라). 관상 세그먼트 라벨은:
pRCA - 근위 우관상 동맥
mRCA - 중간 우관상 동맥
dRCA - 원위 우관상 동맥
R-PDA - 우후 하행 동맥
LM - 좌주간 동맥
pLAD - 근위 좌하행 동맥
mLAD - 중앙 좌전 하행 동맥
dLAD - 원위 좌전 하행 동맥
D1 - 제1 대각선
D2 - 제2 대각선
pCx - 근위 좌회선 동맥
OM1 - 제1 둔각 변연
LCx - 원위 좌회선
OM2 - 제2 둔각 변연
L-PDA - 좌후 하행 동맥
R-PLB - 우후 외측 분지
RI - 중간지 동맥
L-PLB - 좌후 외측 분지
다른 실시예는 더 많거나 더 적은 관상 세그먼트 라벨을 포함할 수 있다. 개별 환자에게 존재하는 관상 세그먼트는 우측 또는 좌측 관상 우세 여부에 의존한다. 몇몇 세그먼트는 우측 관상 우세가 있을 때만 존재하고, 몇몇은 좌측 관상 우세가 있을 때만 존재한다. 따라서, 모든 경우는 아니지만 다수의 경우에, 단일 환자가 모든 18개의 세그먼트를 가질 수는 없다. 시스템은 대부분의 공지의 변형을 고려할 것이다.
시스템의 성능의 일 예에서, CT 스캔이 시스템에 의해 처리되었고, 생성 데이터는 전문 판독기에 의해 생성된 실측 결과와 비교되었다. 시스템 결과와 전문 판독기 결과 사이의 피어슨 상관 계수(Pearson Correlation Coefficients) 및 블랜드-앨트먼 일치(Bland-Altman Agreements)를 이하의 표에 나타낸다.
도 6a 내지 도 9n은 시스템의 사용자 인터페이스의 실시예를 도시하고 있고, 패널, 그래픽, 도구, CT 영상의 표현, 및 CT 영상의 세트에서 발견되는 관상 혈관과 관련된 특성, 구조 및 통계의 예를 도시하고 있다. 다양한 실시예에서, 사용자 인터페이스는 유연하고 패널의 다양한 배열, 영상, CT 영상의 그래픽 표현, 및 특성, 구조 및 통계를 보여주도록 구성될 수 있다. 예를 들어, 애널리스트의 선호도를 기초로 한다. 시스템은 관상 동맥을 시각화하는 것을 보조하기 위한 다수의 메뉴 및 탐색 도구를 갖는다. 키보드 및 마우스 단축키가 또한 환자의 CT 영상의 세트와 연관된 영상 및 정보를 탐색하기 위해 사용될 수 있다.
도 6a는 본 명세서에 설명된 CT 영상 분석 시스템 상에서 생성 및 디스플레이될 수 있는 사용자 인터페이스(600)의 예를 도시하고 있고, 사용자 인터페이스(600)는 환자의 동맥 및 동맥에 대한 정보의 다양한 대응하는 뷰를 보여줄 수 있는 다중 패널(뷰)을 갖는다. 실시예에서, 도 6a에 도시되어 있는 사용자 인터페이스(600)는 환자의 관상 동맥의 분석을 위한 시작점일 수 있고, 때때로 본 명세서에서 "연구 페이지"(또는 연구 페이지(600))라 칭한다. 몇몇 실시예에서, 연구 페이지는 예를 들어 애널리스트의 선호도 분석에 기초하여, 사용자 인터페이스(600) 상의 상이한 위치에 배열될 수 있는 다수의 패널을 포함할 수 있다. 사용자 인터페이스(600)의 다양한 경우에, 디스플레이될 수도 있는 가능한 패널의 특정 패널이 디스플레이되도록 선택될 수 있다(예를 들어, 사용자 입력에 기초하여).
도 6a에 도시되어 있는 연구 페이지(600)의 예는 CT 영상에 기초하는 관상 혈관의 3차원(3D) 표현을 포함하고 CT 영상에서 식별된 관상 혈관을 묘사하고, 각각의 세그먼트 라벨을 또한 묘사하는 동맥 트리(602)를 포함하는 제1 패널(601)(원 "2"에 또한 도시되어 있음)을 포함한다. CT 영상을 처리하는 동안, 시스템은 관상 혈관의 범위를 결정할 수 있고 동맥 트리가 생성된다. 관상 혈관의 부분이 아닌 구조(예를 들어, 심장 조직 및 관상 혈관 주위의 다른 조직)는 동맥 트리(602)에 포함되지 않는다. 이에 따라, 도 6a의 동맥 트리(602)는 동맥 트리(602)의 분지(혈관)(603) 사이에 어떠한 심장 조직도 포함하지 않아 심장 조직에 의해 가려지지 않고 동맥 트리(602)의 모든 부분을 시각화할 수 있게 한다.
이 연구 페이지(600) 예는 적어도 하나의 직선화된 다평면 재구성(SMPR) 혈관 뷰에서 선택된 관상 혈관의 적어도 일부를 예시하는 제2 패널(604)(또한 원 "1a"에 도시되어 있음)을 또한 포함한다. SMPR 뷰는 특정 회전 양태에서 혈관의 입면 뷰이다. 다수의 SMPR 뷰가 제2 패널(604)에 디스플레이될 때, 각각의 뷰는 상이한 회전 양태에 있을 수 있다. 예를 들어, 0° 내지 259.5°까지의 임의의 모든 각도 또는 절반 각도에서, 360°는 0°와 동일한 뷰이다. 이 예에서, 제2 패널(604)은 0°, 22.5°, 45° 및 67.5°의 상대 회전에서 입면 뷰에 디스플레이된 4개의 직선화된 다평면 혈관(604a-d)을 포함하고, 회전은 직선화된 다평면 혈관의 상부 부분을 나타낸다. 몇몇 실시예에서, 각각의 뷰의 회전은 예를 들어 상이한 상대 회전 간격으로 사용자에 의해 선택될 수 있다. 사용자 인터페이스는 사용자로부터 입력을 수신하도록 구성된 회전 도구(605)를 포함하고, SMPR 뷰의 회전을 조정하는 데(예를 들어, 1도 이상만큼) 사용될 수 있다. SMPR 뷰에 나타낸 혈관과 관련된 하나 이상의 그래픽이 또한 디스플레이될 수 있다. 예를 들어, 혈관의 내강을 나타내는 그래픽, 혈관 벽을 나타내는 그래픽, 및/또는 플라크를 나타내는 그래픽이 있다.
이 연구 페이지(600) 예는 환자의 CT 영상의 세트 내의 CT 영상에 기초하여 생성된 혈관(606a)의 단면 뷰를 보여주도록 구성되는 제3 패널(606)(또한 원 "1c"에 나타냄)을 또한 포함한다. 단면 뷰는 SMPR 뷰에 나타낸 혈관에 대응한다. 단면 뷰는 또한 SMPR 뷰에서 혈관의 사용자에 의해 표시된(예를 들어, 포인팅 디바이스로) 위치에 대응한다. 사용자 인터페이스는 제2 패널(604)에서 관상 혈관을 따른 특정 위치의 선택이 연관 CT 영상을 제3 패널(606)의 단면 뷰로 디스플레이하도록 구성된다. 이 예에서, 혈관 내의 플라크의 범위를 나타내는 그래픽(607)이 제2 패널(604) 및 제3 패널(606)에 디스플레이된다.
이 연구 페이지(600) 예는 선택된 관상 혈관의 해부학적 평면 뷰를 포함하는 제4 패널(608)을 또한 포함한다. 이 실시예에서, 연구 페이지(600)는 축면 평면 뷰(608a)(또한 원 "3a"에 의해 나타냄), 관상면 평면 뷰(608b)(또한 원 "3b"에 의해 나타냄) 및 시상면 평면 뷰(608c)(또한 원 "3c"에 의해 나타냄)를 포함한다. 축면 평면 뷰는 횡방향 또는 "상단" 뷰이다. 관상면 평면 뷰는 정면 뷰이다. 시상면 평면 뷰는 측면 뷰이다. 사용자 인터페이스는 선택된 관상 혈관의 대응 뷰를 디스플레이하도록 구성된다. 예를 들어, 사용자에 의해 선택된 관상 혈관 상의 위치에서 선택된 관상 혈관의 뷰(예를 들어, 제2 패널(604)의 SMPR 뷰 중 하나에서)가 있다.
도 6b는 시스템 상에서 생성 및 디스플레이될 수 있는 연구 페이지(사용자 인터페이스)(600)의 다른 예를 도시하고 있고, 사용자 인터페이스(600)는 환자의 동맥의 다양한 대응하는 뷰를 보여줄 수 있는 다중 패널을 갖는다. 이 예에서, 사용자 인터페이스(600)는 제1 패널(601)에 3D 동맥 트리를 디스플레이하고, 제3 패널(606)에 단면 뷰를 디스플레이하고, 제4 패널(608)에 축면, 관상면 및 시상면 평면 뷰를 디스플레이한다. 도 6a에 도시되어 있는 제2 패널(604) 대신에, 사용자 인터페이스(600)는 선택된 관상 혈관의 곡선형 다평면 재구성(CMPR) 혈관 뷰를 보여주는 제5 패널(609)을 포함한다. 제5 패널(609)은 하나 이상의 CMPR 뷰를 보여주도록 구성될 수 있다. 이 예에서, 2개의 CMPR 뷰가 생성되어 디스플레이되는데, 제1 CMPR 뷰(609a)는 0°이고 제2 CMPR 뷰(609b)는 90°이다. CMPR 뷰는 다양한 상대 회전, 예를 들어, 0° 내지 259.5°로 생성 및 디스플레이될 수 있다. CMPR 뷰에 보여진 관상 혈관은 선택된 혈관에 대응하고, 다른 패널에 디스플레이된 혈관에 대응한다. 하나의 패널 내의 혈관 상의 위치가 선택될 때(예를 들어, CMPR 뷰), 다른 패널 내의 뷰(예를 들어, 단면, 축면, 시상면 및 관상면 뷰)는 각각의 뷰에서 그 선택된 위치에서 혈관을 또한 나타내도록 자동으로 업데이트될 수 있어, 따라서 사용자에게 제시된 정보를 크게 향상시키고 분석의 효율을 증가시킨다.
도 6c, 도 6d 및 도 6e는 제2 패널의 다평면 재구성(Multiplanar Reformat: MPR) 혈관 뷰의 특정 상세 및 이 뷰와 연관된 특정 기능을 도시하고 있다. 사용자가 패널(602) 내의 관상 동맥 트리의 세그먼트화의 정확도를 검증한 후, 이들은 편집이 개별 혈관 세그먼트(예를 들어, 혈관 벽, 내강 등)에 행해질 수 있는 MPR 뷰와 상호작용하도록 진행할 수 있다. SMPR 및 CMPR 뷰에서, 혈관은 도 6c 및 도 6d에 도시되어 있는 화살표 아이콘(605)을 사용함으로써 증분(예를 들어, 22.5°)으로 회전될 수 있다. 대안적으로, 혈관은 도 6e에 도시되어 있는 바와 같이, 회전 명령(610)을 사용하여 360도에서 1도 증분만큼 연속적으로 회전될 수 있다. 혈관은 또한 COMMAND 또는 CTRL 버튼을 누르고 사용자 인터페이스(600)에서 마우스 좌클릭 + 드래그함으로써 회전할 수 있다.
도 6f는 사용자가 혈관을 뷰잉하고 혈관의 라벨을 수정할 수 있게 하는 제1 패널(601) 상의 관상 동맥 트리(602)의 3차원(3D) 렌더링의 부가의 정보를 도시하고 있다. 도 6g는 관상 동맥 트리(602), 축면 뷰(608a), 시상면 뷰(608b) 및 관상면 뷰(608c)에 대한 단축키 명령을 도시하고 있다. 도 6f에 도시되어 있는 패널(601)에서, 사용자는 도 6g에 도시되어 있는 사용자 인터페이스에서 선택된 명령을 사용하여 동맥 트리를 회전할 뿐만 아니라 3D 렌더링을 줌인 및 줌아웃할 수 있다. 혈관을 클릭하면 이를 황색으로 전환할 것인데, 이는 현재 검토 중인 혈관인 것을 나타낸다. 이 뷰에서, 사용자는 혈관을 이름 바꾸기 하기 위해 사용자로부터 입력을 수신하도록 구성된 패널(611)을 여는 혈관 이름의 우클릭에 의해 혈관을 이름 바꾸기 하거나 삭제할 수 있다. 패널(601)은 디스플레이된 라벨을 "턴온" 또는 "턴오프"하도록 활성화될 수 있는 컨트롤을 또한 포함한다. 도 6h는 3개의 해부학적 평면: 축면, 관상면 및 시상면에서 DICOM 영상을 뷰잉하기 위한 사용자 인터페이스의 패널(608)을 추가로 도시하고 있다. 도 6i는 혈관의 단면 뷰를 보여주는 패널(606)을 도시하고 있다. 스크롤, 줌인/줌아웃 및 팬 명령이 또한 이들 뷰에서 사용될 수 있다.
도 6j 및 도 6k는 사용자 인터페이스(600)의 툴바(612)및 메뉴 탐색 기능의 특정 양태를 도시하고 있다. 도 6j는 혈관을 탐색하기 위한 사용자 인터페이스의 툴바를 도시하고 있다. 툴바(612)는 스크린 상에 디스플레이된 각각의 혈관에 대한 버튼(612a, 612b 등)을 포함한다. 사용자 인터페이스(600)는 사용자에게 다양한 정보를 나타내기 위해 버튼(612a 내지 612n)을 디스플레이하도록 구성된다. 예에서, 혈관이 선택될 때, 대응 버튼, 예를 들어 버튼(612c)이 강조된다(예를 들어, 황색으로 디스플레이됨). 다른 예에서, 백색 글자가 있는 어두운 회색인 버튼은 혈관이 분석을 위해 이용 가능한 것을 나타낸다. 예에서, 검은색으로 음영화된 버튼(612d)은 혈관이 해부학적으로 존재하지 않거나 너무 많은 아티팩트가 있기 때문에 소프트웨어에 의해 분석될 수 없다는 것을 의미한다. 체크 마크가 있는 회색으로서 디스플레이된 버튼(612e)은 혈관이 검토되었다는 것을 나타낸다.
도 6k는 검토 및 분석을 위해 이용 가능한 모든 시리즈(영상의)를 뷰잉하기 위한 확장된 메뉴가 있는 사용자 인터페이스(600)의 뷰를 도시하고 있다. 시스템이 분석을 위해 상이한 시리즈의 영상으로부터 동일한 혈관 세그먼트 중 하나 초과를 제공한 경우, 사용자 인터페이스는 분석을 위해 원하는 시리즈를 선택하기 위해 사용자 입력을 수신하도록 구성된다. 예에서, 관심 시리즈로부터 라디오 버튼(613) 중 하나에 대한 선택에 의해 검토를 위한 시리즈를 나타내는 입력이 수신될 수 있다. 라디오 버튼은 검토를 위해 선택될 때 회색에서 보라색으로 변화할 것이다. 실시예에서, 소프트웨어는 디폴트로, 분석을 위해 최고 진단 품질의 2개의 시리즈를 선택하지만, 모든 시리즈가 검토를 위해 이용 가능하다. 사용자는 시스템에 의해 선택된 시리즈가 분석을 위해 요구되는 진단 품질을 갖는지를 결정하기 위해 임상 판단을 사용할 수 있고, 원하는 경우 분석을 위해 상이한 시리즈를 선택해야 한다. 시스템에 의해 선택된 시리즈는 진단 품질 영상을 우선순위화함으로써 작업흐름을 개선하도록 의도된다. 시스템은 모든 시리즈의 사용자의 검토 및 연구 내에서 진단 품질 영상의 선택을 대체하도록 의도된 것은 아니다. 사용자는 시리즈 위로 마우스를 호버링함으로써 혈관 세그먼트화를 제안하도록 시스템에 대해 도 6k에 도시되어 있는 임의의 시리즈를 송신하고 도 6l에 도시되어 있는 바와 같이 "분석" 버튼(614)을 선택할 수 있다.
도 6m은 일 실시예에 따른, 영상에 새로운 혈관을 추가하기 위해 사용자 인터페이스(600)에 디스플레이될 수 있는 패널을 도시하고 있다. 영상에 새로운 혈관을 추가하기 위해, 사용자 인터페이스(600)는 툴바(612)의 "+혈관 추가" 버튼을 통해 사용자 입력을 수신할 수 있다. 사용자 인터페이스는 축면, 관상면 및 시상면 뷰의 제4 패널(608)에 나타나는 "모드 생성"(615) 버튼을 디스플레이할 것이다. 다음, 다수의 점(예를 들어, 녹색 점)을 생성하기 위해 스크롤하고 마우스 좌측 버튼을 클릭함으로써 영상에 혈관이 추가될 수 있다. 새로운 혈관이 추가됨에 따라, MPR, 이는 단면 및 3D 동맥 트리 뷰에서 새로운 혈관으로서 미리 검토될 것이다. 사용자 인터페이스는 혈관 추가가 완료되었다는 것을 나타내는 "완료" 명령을 수신하도록 구성된다. 다음에, 시스템의 반자동 세그먼트화 도구를 이용하여 혈관을 세그먼트화하기 위해, 툴바에서 "분석"을 클릭하고 사용자 인터페이스는 검토 및 수정을 위해 제안된 세그먼트화를 디스플레이한다. 혈관의 이름은 제1 패널(601)의 3D 동맥 트리 뷰에서 "새로만들기"를 선택함으로써 선택될 수 있는데, 이는 이름 패널(611)을 활성화하고 혈관의 이름은 패널(611)로부터 선택될 수 있고, 이어서 새로운 혈관 및 그 이름을 저장한다. 실시예에서, 소프트웨어가 사용자에 의해 추가되어 있는 혈관을 식별하는 것이 불가능하면, 이는 사용자-추가 녹색 점을 연결하는 직선 혈관 라인을 반환할 것이고, 사용자는 중심선을 조정할 수 있다. 사용자 인터페이스의 팝업 메뉴(611)는 새로운 혈관이 식별되게 하고 표준 포맷에 따라 신속하고 일관되게 명명되게 할 수 있다.
도 7a는 사용자가 기계 학습 알고리즘으로 CT 스캔을 처리하고, 이어서 애널리스트에 의해 CT 스캔, 및 기계 학습 알고리즘에 의해 생성된 정보를 처리한 것으로부터 발생하는 발견의 정확도를 수정하고 개선할 수 있게 하는 편집 도구를 포함하는 편집 툴바(714)의 예를 도시하고 있다. 몇몇 실시예에서, 사용자 인터페이스는 발견의 정확도를 수정하고 개선하기 위해 사용될 수 있는 편집 도구를 포함한다. 몇몇 실시예에서, 편집 도구는 도 7a에 도시되어 있는 바와 같이, 사용자 인터페이스의 좌측에 위치된다. 이하는 이용 가능한 편집 도구의 목록 및 설명이다. 각각의 버튼(아이콘) 위로 호버링하는 것은 각각의 도구의 이름을 디스플레이할 것이다. 이들 도구는 클릭함으로써 활성화 및 비활성화될 수 있다. 도구의 컬러가 회색이면, 이는 비활성화된다. 소프트웨어가 혈관 내에서 임의의 이들 특성을 식별하면, 도구가 활성화될 때 주석이 이미 영상 위에 있을 것이다. 툴바의 편집 도구는 이하의 도구: 내강 벽(701), 혈관 벽에 스냅(702), 혈관 벽(703), 내강 벽에 스냅(704), 세그먼트(705), 협착(706), 플라크 오버레이(707), 중심선(708), 만성 완전 폐색(CTO)(709), 스텐트(710), 제외(711), 추적기(712) 및 거리(713) 중 하나 이상을 포함할 수 있다. 사용자 인터페이스(600)는 각각의 톨 아이콘(toll icon)(이하의 표 및 도 7a에 도시되어 있음)에 대한 사용자 선택을 수신함으로써 이들 도구의 각각을 활성화하도록 구성되고 이하의 편집 도구 설명 표에 설명된 기능을 제공하도록 구성된다.
도 7b 및 도 7c는 추적기 도구의 특정 기능을 도시하고 있다. 추적기 도구(712)는 예를 들어 SMPR, CMPR, 단면, 축면, 관상면, 시상면 및 3D 동맥 트리 뷰에서 사용자 인터페이스(600)의 다양한 패널에 보여진 뷰를 배향하고 사용자가 상관하는 것을 허용한다. 활성화하기 위해, 추적기 아이콘이 편집 툴바 상에서 선택된다. 추적기 도구(712)가 활성화될 때, 사용자 인터페이스는 SMPR 또는 CMPR 뷰에 라인(616)(예를 들어, 적색 라인)을 생성하고 디스플레이한다. 시스템은 라인(616)과 같은 대응 위치에서 제1 패널(601)의 3D 동맥 트리에 디스플레이되는 대응(적색) 디스크(617)를 사용자 인터페이스에 생성한다. 시스템은 라인(616)과 같은 대응 위치에서 제4 패널(608)의 축면, 시상면 및 관상면 뷰에 디스플레이되는 대응(적색) 점을 사용자 인터페이스 상에 생성한다. 라인(616), 디스크(617), 및 점(618)은 모두 상이한 뷰에서 동일한 위치를 참조하는 위치 표시기이므로, 임의의 추적기를 상하로 스크롤하는 것은 다른 뷰에서 위치 표시기의 동일한 이동을 또한 야기할 것이다. 또한, 사용자 인터페이스(600)는 위치 표시기에 의해 표시된 위치에 대응하는 패널(606)에 단면 영상을 디스플레이한다.
도 7d 및 도 7e는 내강 및 혈관 벽 윤곽을 수정하는 데 사용되는 혈관 및 내강 벽 도구의 특정 기능을 도시하고 있다. 내강 벽 도구(701) 및 혈관 벽 도구(703)는 혈관에 대해 이전에 결정되었던(예를 들어, 기계 학습 프로세스를 사용하여 CT 영상을 처리함으로써 결정됨) 내강 및 혈관 벽(또한 본 명세서에서 윤곽, 경계, 또는 피처라 칭함)을 수정하도록 구성된다. 이들 도구는 출력되거나 디스플레이되는 측정치를 결정하기 위해 시스템에 의해 사용된다. 이들 도구로 시스템에 의해 생성된 윤곽과 상호작용함으로써, 사용자는 윤곽 위치의 정확도, 및 이들 윤곽으로부터 도출된 임의의 측정치를 미세 조정할 수 있다. 이들 도구는 SMPR 및 단면 뷰에서 사용될 수 있다. 도구는 편집 툴바에서 혈관 및 내강 아이콘(701, 703)을 선택함으로써 활성화된다. 혈관 벽(619)은 컬러(예를 들어, 황색)의 그래픽 "트레이스" 오버레이로 MPR 뷰 및 단면 뷰에 디스플레이될 것이다. 내강 벽(629)은 상이한 컬러(예를 들어, 자주색)로 그래픽 "트레이스" 오버레이로 디스플레이될 것이다. 실시예에서, 사용자 인터페이스는 사용자와의 상호작용을 통해 윤곽을 미세 조정하도록 구성된다. 예를 들어, 윤곽선을 미세조정하기 위해, 사용자는 포인팅 디바이스(예를 들어, 마우스, 스타일러스, 핑거)로 윤곽 위로 마우스를 호버링할 수 있고, 따라서 이는 윤곽을 강조하고 원하는 혈관 또는 내강 벽의 윤곽을 클릭하고, 디스플레이된 트레이스를 새로운 경계를 설정하는 상이한 위치로 드래그한다. 사용자 인터페이스(600)는 이들 트레이싱에 대한 임의의 변경을 자동으로 저장하도록 구성된다. 시스템은 실시간 또는 거의 실시간으로 변경 윤곽으로부터 도출된 임의의 측정치를 재계산한다. 또한 하나의 뷰의 하나의 패널에서 행해진 변경은 다른 뷰/패널에 대응적으로 디스플레이된다.
도 7f는 내강 벽/혈관에 스냅 도구(701, 702), 및 혈관 벽/내강 벽에 스냅(703, 704) 도구를 각각 활성화하는 데 사용될 수 있는 사용자 인터페이스(600)의 내강 벽 버튼(701) 및 혈관 벽에 스냅 버튼(702)(좌측) 및 혈관 벽 버튼(703) 및 내강 벽에 스냅 버튼(704)(우측)을 도시하고 있다. 사용자 인터페이스는 이전에 결정된 내강 및 혈관 벽 윤곽을 수정하기 위해 이들 도구를 제공한다. 혈관/내강 벽에 스냅 도구는 내강과 혈관 벽 윤곽 사이의 간극을 쉽고 신속하게 폐쇄하는 데, 즉, 내강 윤곽의 트레이스와 혈관 윤곽의 트레이스를 동일하게, 또는 실질적으로 동일하게 이동시켜, 대화형 편집 시간을 절약하는 데 사용된다. 사용자 인터페이스(600)는 사용자가 포인팅 디바이스로 도구를 호버링하여 스냅 버튼을 드러낼 때 이들 도구를 활성화하도록 구성된다. 예를 들어, 내강 벽 버튼(701) 위로 호버링은 혈관에 스냅 버튼(702)을 내강 벽 버튼의 우측으로 드러내고, 혈관 벽 버튼(703) 위로 호버링은 내강 벽에 스냅 버튼(704)을 혈관 벽 버튼(703) 옆으로 드러낸다. 버튼은 원하는 도구를 활성화하도록 선택된다. 도 G를 참조하면, 포인팅 디바이스가 사용하여 제1 지점(620)을 클릭하고 편집할 혈관의 의도된 부분을 따라 제2 지점(621)으로 드래그할 수 있으며, 도구가 실행될 위치를 나타내는 영역(622)이 나타날 것이다. 일단 원하는 영역(622)의 단부가 작도되면, 선택을 해제하는 것은 내강과 혈관 벽을 함께 스냅할 것이다.
도 7h는 MPR 상의 개별 관상 세그먼트 사이의 경계를 마킹하는 것을 허용하는 세그먼트 도구(705)를 사용하는 동안 디스플레이될 수 있는 제2 패널(602)의 예를 도시하고 있다. 사용자 인터페이스(600)는 세그먼트 도구(705)가 선택될 때, 라인(예를 들어, 라인(623, 624))이 SMPR 뷰의 혈관에 대한 제2 패널(602)의 혈관 영상에 나타나도록 구성된다. 라인은 시스템에 의해 결정된 세그먼트 경계를 나타낸다. 이름은 각각의 라인(623, 624)에 인접한 아이콘(625, 626)에 디스플레이된다. 세그먼트의 이름을 편집하기 위해, 아이콘(625, 626)을 클릭하고 도 7i에 도시되어 있는 이름 패널(611)을 사용하여 적절하게 라벨링한다. 세그먼트는 또한 예를 들어, 휴지통 아이콘을 선택함으로써 삭제될 수 있다. 라인(623, 624)은 관심 세그먼트를 정의하기 위해 상하로 이동될 수 있다. 세그먼트가 누락된 경우, 사용자는 세그먼트 추가 버튼을 사용하여 새로운 세그먼트를 추가할 수 있고, 세그먼트 라벨링 팝업 메뉴(611)의 라벨링 피처를 사용하여 라벨링될 수 있다.
도 7j 내지 도 7m은 사용자 인터페이스(600)에서 협착 도구(706)를 사용하는 예를 도시하고 있다. 예를 들어, 도 7l은 사용자 편집된 내강 및 혈관 벽 윤곽에 기초하여 협착 마커를 드롭하는 데 사용될 수 있는 협착 버튼을 도시하고 있다. 도 7m은 곡선형 다평면 혈관(CMPR) 뷰에서 세그먼트 상의 협착 마커를 도시하고 있다. 제2 패널(604)은 사용자가 혈관 상의 협착의 영역을 마킹하기 위해 마커를 표시할 수 있게 하는 협착 도구(706)를 사용하는 동안 디스플레이될 수 있다. 실시예에서, 협착 도구는 혈관의 협착의 영역을 마킹하는 데 사용되는 5개의 마커의 세트를 포함한다. 이들 마커는 다음과 같이 정의된다:
R1: 협착/병변에 가장 가까운 근위 정상 슬라이스
P: 협착/병변의 가장 근위 비정상 슬라이스
O: 최대 폐색을 갖는 슬라이스
D: 협착/병변의 가장 원위 비정상 슬라이스
R2: 협착/병변에 가장 가까운 원위 정상 슬라이스
실시예에서, 다평면 뷰에 협착 마커를 추가하는 2개의 방법(직선화 및 곡선형)이 있다. 협착 도구(706)를 선택한 후, 협착은 도 7k 또는 도 7l에 도시되어 있는 협착 버튼을 활성화함으로써 추가될 수 있어: 5개의 균일하게 이격된 협착 마커를 드롭하여 (i) 협착 "+" 버튼(도 7k)을 클릭하고; (ii) 일련의 5개의 균일하게 이격된 황색 라인이 혈관에 나타날 것이고; 사용자는 이들 마커를 적용 가능 위치로 편집해야 하고; (iii) 마커에 의해 둘러싸인 강조된 영역 내부를 클릭하고 이들을 상하로 드래그함으로써 모든 5개의 마커를 동시에 이동시키고; (iv) 개별 황색 라인 또는 태그를 클릭하여 개별 마커를 이동시키고 상하로 이동시키고; (v) 협착을 삭제하기 위해, 적색 휴지통 아이콘을 클릭한다. 사용자-편집된 내강 및 혈관 벽 윤곽에 기초하여 협착 마커를 드롭하기 위해, 협착 
버튼을 클릭한다(도 7l 참조). 일련의 5개의 황색 라인이 혈관에 나타날 것이다. 위치는 사용자-편집된 윤곽에 기초한다. 사용자 인터페이스(600)는 사용자가 협착 마커를 편집하게 하기 위한, 예를 들어 협착 마커를 이동할 수 있는 기능을 제공한다. 도 7j는 SMPR 뷰에서 혈관에 배치된 협착 마커(R1, P, O, D, R2)를 도시하고 있다. 도 7m은 CMPR 뷰에서 혈관에 배치된 마커(R1, P, O, D, R2)를 도시하고 있다.
도 7n은 사용자 인터페이스의 플라크 오버레이 도구(707)를 사용하는 동안 디스플레이될 수 있는 패널의 예를 도시하고 있다. 실시예에서 및 도 7n을 참조하면, "플라크"는 저밀도 비석회화 플라크(LD-NCP)(701), 비석회화 플라크(NCP)(632) 또는 석회화 플라크(CP)(633)로 분류된다. 편집 툴바에서 플라크 오버레이 도구(707)를 선택하는 것은 도구를 활성화한다. 활성화될 때, 플라크 오버레이 도구(707)는 하운즈필드 단위(HU) 밀도에 기초하는 플라크의 영역을 갖고 제2 패널(604)의 SMPR 뷰에서, 단면에서 SMPR에서, 제3 패널(606)에서 단면 뷰(예를 들어, 도 7r 참조)에서 혈관에 상이한 컬러를 오버레이한다. 게다가, 범례는 도 7o 및 도 7q에 도시되어 있는 바와 같이 플라크 오버레이 컬러에 대한 플라크 유형에 대응하는 단면 뷰에서 열린다. 사용자는 도 7p에 도시되어 있는 바와 같이 단면 뷰의 우측 상단 코너에 위치된 "임계값 편집" 버튼을 클릭함으로써 3개의 상이한 유형의 플라크에 대해 상이한 HU 범위를 선택할 수 있다. 일 실시예에서, 플라크 임계값은 이하의 표에 나타낸 값으로 디폴트된다:
디폴트 값은, 원한다면, 예를 들어, 도 7q에 도시되어 있는 플라크 임계값 인터페이스를 사용하여 수정될 수 있다. 디폴트 값이 제공되지만, 사용자는 그들의 임상 판단에 기초하여 상이한 플라크 임계값을 선택할 수 있다. 사용자는 관심 영역을 추가로 검사하기 위해, 도 7r에 도시되어 있는 제3 패널(606)의 단면 뷰를 사용할 수 있다. 사용자는 또한 도 7s에 도시되어 있는 사용자 인터페이스(600)의 혈관 통계 패널에서 선택된 플라크 임계값을 뷰잉할 수 있다.
중심선 도구(708)는 사용자가 내강의 중심을 조정할 수 있게 한다. 중심 지점(중심선의)을 변경하는 것은, 존재하면, 내강 및 혈관 벽과 플라크 정량화를 변경할 수도 있다. 중심선 도구(708)는 사용자 인터페이스(600)에서 선택함으로써 활성화된다. 라인(635)(예를 들어, 황색 라인)은 CMPR 뷰(609)에 나타날 것이고 점(634)(예를 들어, 황색 점)은 제3 패널(606)의 단면 뷰에 나타날 것이다. 중심선은 라인/점을 클릭하고 드래그함으로써 필요에 따라 조정될 수 있다. CMPR 뷰에서 행해진 임의의 변경은 단면 뷰에 반영될 것이고, 그 반대도 마찬가지이다. 사용자 인터페이스(600)는 기존 혈관의 중심선을 연장하는 여러 방법을 제공한다. 예를 들어, 사용자는 이하에 의해 중심선을 연장할 수 있는데: (1) 축면, 관상면, 또는 시상면 뷰에서 윤곽 형성된 혈관을 점(634) 상에서 우클릭하고(도 7u 참조); (2) "시작부로부터 연장" 또는 "종료부로부터 연장"(도 7u 참조)을 선택하고, 뷰는 혈관의 시작부 또는 종료부로 점프할 것이고; (3) (녹색) 점을 추가하여 혈관을 연장하고(도 7v 참조); (4) 완료될 때, (청색) 체크 마크 버튼을 선택하여 연장을 취소하고, (적색) "x" 버튼을 선택한다(예를 들어, 도 7v 참조). 사용자 인터페이스는 이어서 사용자에 의해 행해진 변경에 따라 혈관을 확장한다. 사용자는 이어서 SMPR 또는 단면 뷰에서 내강 및 혈관 벽을 수동으로 편집할 수 있다(예를 들어, 도 7w 참조). 사용자 인터페이스가 사용자에 의해 추가되어 있는 혈관 섹션을 식별하는 것이 불가능하면, 이는 사용자-추가 점을 연결하는 직선 혈관 라인을 반환할 것이다. 사용자는 이어서 중심선을 조정할 수 있다.
사용자 인터페이스(600)는 또한 만성 완전 폐색(CTO)을 갖는 동맥의 부분, 즉, 100% 협착이 있고 검출 가능한 혈류가 없는 동맥의 부분을 식별하기 위한 만성 완전 폐색(CTO) 도구(709)를 제공한다. 다량의 혈전을 포함할 가능성이 높기 때문에, CTO 내의 플라크는 전체 플라크 정량화에 포함되지 않는다. 활성화하기 위해, 편집 툴바(612)에서 CTO 도구(709)를 클릭한다. CTO를 추가하기 위해, 사용자 인터페이스에서 CTO "+" 버튼을 클릭한다. 2개의 라인(마커)(636, 637)은 CTO의 혈관의 부분을 나타내는 도 7x에 도시되어 있는 바와 같이, 제2 패널(604)의 MPR 뷰에 나타날 것이다. 마커(636, 637)는 CTO의 범위를 조정하기 위해 이동될 수 있다. 하나 초과의 CTO가 존재하면, 사용자 인터페이스에서 CTO "+" 버튼을 다시 활성화함으로써 부가의 CTO가 추가될 수 있다. CTO는 또한 필요한 경우 삭제될 수 있다. CTO의 위치가 저장된다. 게다가, 지정된 CTO 내에 있는 혈관의 부분은 전체 플라크 계산에 포함되지 않고, 플라크 정량화 결정은 CTO가 식별된 후 필요에 따라 재계산된다.
사용자 인터페이스(600)는 또한 혈관 내에 스텐트가 존재하는 위치를 나타내기 위해 스텐트 도구(710)를 제공한다. 스텐트 도구는 툴바(612) 상의 스텐트 도구(710)의 사용자 선택에 의해 활성화된다. 스텐트를 추가하기 위해, 사용자 인터페이스에 제공된 스텐트 "+" 버튼을 클릭한다. 2개의 라인(638, 639)(예를 들어, 자주색 라인)이 도 7y에 도시되어 있는 바와 같이 MPR 뷰에 나타날 것이고, 라인(638, 639)은 개별 라인(638, 639)을 클릭하고 혈관을 따라 스텐트의 종료부까지 이들을 상하로 이동시킴으로써 스텐트의 확장을 나타내도록 이동될 수 있다. 스텐트(또는 CTO/제외/협착) 마커와 중첩하는 것은 사용자 인터페이스(600)에서 허용되지 않는다. 스텐트는 또한 삭제될 수 있다.
사용자 인터페이스(600)는 또한 움직임, 대조, 오정렬 또는 다른 이유에 의해 유발된 흐릿함으로 인해 분석으로부터 제외하기 위한 혈관의 부분을 나타내도록 구성된 제외 도구(711)를 제공한다. 열악한 품질 영상을 제외하는 것은 제외되지 않은 혈관의 비제외 부분에 대한 분석 결과의 전반적인 품질을 개선할 것이다. 혈관의 상단 또는 하단 부분을 제외하기 위해, 편집 툴바(612)에서 세그먼트 도구(705) 및 제외 도구(711)를 활성화한다. 도 7z는 혈관의 상단으로부터 부분을 제외하기 위한 제외 도구의 사용을 도시하고 있다. 도 7aa는 혈관의 하단 부분을 제외하기 위한 제외 도구의 사용을 도시하고 있다. 제1 세그먼트 마커는 혈관의 상단 부분에 대한 제외 마커로서 작용한다. 제외 마커에 의해 에워싸인 영역은 모든 혈관 통계 계산으로부터 제외된다. 영역은 상단 세그먼트 마커를 원하는 제외 영역의 하단으로 드래그함으로써 제외될 수 있다. 제외된 영역이 강조될 것이다. 또는 "종료" 마커가 원하는 제외 영역의 상단으로 드래그될 수 있다. 제외된 영역이 강조될 것이고, 사용자는 사용자 인터페이스에서 제외 이유를 입력할 수 있다(도 7ac 참조). 혈관 중앙에 새로운 제외를 추가하기 위해, 편집 툴바(612)에서 제외 도구(711)를 활성화한다. 제외 "+" 버튼을 클릭한다. 사용자 인터페이스 상의 팝업 윈도우가 제외 이유를 위해 나타날 것이고(도 7ac), 이유가 입력될 수 있고 표시된 제외 영역을 참조하여 저장된다. 2개의 마커(640, 641)는 도 7ab에 도시되어 있는 바와 같이 MPR에 나타날 것이다. 강조된 영역 내부를 클릭함으로써 양 마커를 동시에 이동시킨다. 사용자는 라인(640, 641)을 클릭하고 드래그함으로써 개별 마커를 이동할 수 있다. 사용자 인터페이스(600)는 제외 마커 라인(640, 641)(및 이전에 정의된 피처)의 위치를 추적하고 제외 라인(640, 641)에 의해 정의된 영역과 CTO, 스텐트 또는 협착을 갖는 혈관의 임의의 이전에 표시된 부분의 중첩을 금지한다. 사용자 인터페이스(600)는 또한 지정된 제외를 삭제하도록 구성된다.
이제, 도 7ad 내지 도 7ag를 참조하면, 사용자 인터페이스(600)는 또한 영상 상의 2개의 지점 사이의 거리를 측정하는 데 사용되는 거리 도구(713)를 제공한다. 이는 정확한 측정을 캡처하는 드래그 앤 드롭 눈금자이다. 거리 도구는 MPR, 단면, 축면, 관상면 및 시상면 뷰에서 작동한다. 활성화하기 위해, 편집 툴바(612) 상의 거리 도구(713)를 클릭한다. 다음에, 원하는 2개의 지점 사이를 클릭 및 드래그한다. 라인(642) 및 측정치(643)가 사용자 인터페이스(600)에 디스플레이된 영상에 나타날 것이다. 거리 라인(642) 또는 측정치(643)를 우클릭하고 사용자 인터페이스(600)에서 "거리 제거" 버튼(644)을 선택함으로써 측정치를 삭제한다(도 7af 참조). 도 7ad는 직선화 다평면 혈관(SMPR)의 거리를 측정하는 예를 도시하고 있다. 도 7ae는 곡선형 다평면 혈관(CMPR)의 거리(642)를 측정하는 예를 도시하고 있다. 도 7af는 혈관의 단면의 거리(642)를 측정하는 예를 도시하고 있다. 도 7ag는 환자의 해부학 구조의 축면 뷰 상에서 거리(642)를 측정하는 예를 도시하고 있다.
사용자 인터페이스(600)의 혈관 통계 패널의 예가 도 7ah 내지 도 7ak를 참조하여 설명된다. 도 7ah는 도 7ai에 도시되어 있는 혈관 통계 패널(646)(또는 "탭")을 디스플레이하도록 선택될 수 있는 패널의 사용자 인터페이스(600)(예를 들어, 버튼)의 "혈관 통계" 부분(645)을 도시하고 있다. 도 7aj는 사용자가 다수의 병변의 상세를 클릭할 수 있게 하는 혈관 통계 탭의 특정 기능을 도시하고 있다. 도 7ak는 사용자가 혈관 사이를 토글하는 데 사용할 수 있는 혈관 패널을 또한 도시하고 있다. 예를 들어, 사용자는 도 7ai에 도시되어 있는 패널의 우측 상단에 있는 "X"를 클릭함으로써 패널을 숨길 수 있다. 통계는 도 7aj에 나타낸 바와 같이, 혈관별 및 병변별(존재하면) 레벨로 보여진다.
하나 초과의 병변이 사용자에 의해 마킹되면, 사용자는 각각의 병변의 상세를 클릭할 수 있다. 각각의 혈관에 대한 통계를 뷰잉하기 위해, 사용자는 도 7ak에 도시되어 있는 혈관 패널에서 혈관 사이에서 토글할 수 있다.
길이 및 체적에 관한 일반 정보는, 혈관별 및 병변별 레벨에 대한 플라크 및 협착 정보와 함께, 혈관 통계 패널(646) 내에 혈관 및 병변(존재하면)에 대해 제시된다. 사용자는 제외 도구를 사용하여 계산에서 고려하고 싶지 않은 아티팩트를 영상으로부터 제외할 수도 있다. 이하의 표는 혈관, 병변, 플라크 및 협착에 대해 이용 가능한 특정 통계를 나타낸다.
혈관
병변
플라크
협착
예를 들어, 저밀도 비석회화 플라크, 비석회화 플라크 및 석회화 플라크와 관련하여 시스템에서 사용되고 사용자 인터페이스(600)의 다양한 부분에 디스플레이되는 정량적 변수는 하운즈필드 단위(HU)이다. 공지의 바와 같이, 하운즈필드 단위 척도는 방사선을 설명하기 위한 정량적 척도이고, 방사선 감쇠를 특성화하고 따라서 주어진 발견이 나타날 수도 있는 것을 더 쉽게 정의하기 위한 방법으로서 CT 스캔과 관련하여 자주 사용된다. 하운즈필드 단위 측정치는 정량적 척도와 관련하여 제시된다. 특정 재료의 하운즈필드 단위 측정치의 예는 이하의 표에 나타낸다.
실시예에서, 시스템이 협착증, 죽상동맥경화증, 및 CAD-RADS 상세와 관련하여 결정하는 정보는 도 8a에 도시되어 있는 바와 같이, 사용자 인터페이스(600)의 패널(800)에 포함된다. 디폴트로, CAD-RADS 스코어는 미선택될 수도 있고 사용자가 CAD-RADS 페이지에서 스코어를 수동으로 선택하는 것을 필요로 한다. "#" 아이콘 위로 호버링은 사용자 인터페이스(600)가 선택된 출력에 대한 더 많은 정보를 제공할 수 있게 한다. 협착증, 죽상동맥경화증 및 CAD-RADS 출력에 대한 더 많은 상세를 뷰잉하기 위해, 패널(800)의 우측 상부에 있는 "상세 뷰" 버튼을 클릭하는데 - 이는 적용 가능한 상세 페이지로 탐색할 것이다. 실시예에서, 사용자 인터페이스(600)의 주요 특징 페이지 뷰의 중앙에는, 도 8c의 패널(802)에 도시되어 있는 바와 같이, SCCT 관상 세그먼트화에 기초하여 세그먼트(805a 내지 855r)로 분류된 관상 동맥 트리(805)("카툰 동맥 트리" (805))의 비환자 특정 표현이 있다. 모든 분석된 혈관은 해당 혈관 내에서 가장 높은 직경의 협착에 기초하여 범례(806)에 따라 컬러로 디스플레이된다. 카툰 동맥 트리(805)에서 회색으로 나타낸 세그먼트/혈관, 예를 들어 세그먼트(805q, 805r)는 해부학적으로 이용 가능하지 않거나 시스템에서 분석되지 않았다(모든 세그먼트가 모든 환자에게 존재하지 않을 수도 있음). 영역당 및 세그먼트별 정보는 예를 들어 도 8b 및 도 8c에 도시되어 있는 바와 같이, 패널(801)의 사용자 인터페이스(600) 선택 버튼을 사용하여 트리 위의 영역(RCA, LM+LAD 등)을 클릭함으로써 뷰잉될 수 있다. 또는 카툰 관상 트리(805) 내에서 세그먼트(805a 내지 805r)를 선택할 수도 있다.
패널(807)의 사용자 인터페이스 상에 디스플레이된 협착증 및 죽상동맥경화증 데이터는 도 8d에 도시되어 있는 바와 같이, 다양한 세그먼트가 선택됨에 따라 그에 따라 업데이트될 것이다. 도 8e는 사용자 인터페이스의 영역당 요약 패널(807)의 부분의 예를 도시하고 있다. 도 8f는 또한 표시된 위치에서(예를 들어, SMPR 시각화를 따라 이동할 때 포인팅 디바이스에 의해 표시된 위치에서) 선택된 혈관의 SMPR 및 혈관을 따른 그 연관된 통계를 보여주는 패널(807)의 부분의 예를 도시하고 있다. 즉, 사용자 인터페이스(600)는 사용자 인터페이스가 예를 들어, 포인팅 디바이스를 통해 사용자로부터 디스플레이된 혈관의 위치 정보를 수신함에 따라 정보를 디스플레이하는 팝업 패널(810) 및 패널(809)의 SMPR 시각화에서 플라크 상세 및 협착 상세를 제공하도록 구성된다. 만성 완전 폐색(CT) 및/또는 스텐트의 존재는 혈관 세그먼트 레벨에서 표시된다. 예를 들어, 도 8g는 D1 세그먼트에 스텐트의 존재를 도시하고 있다. 도 8h는 mRCA 세그먼트에 CTO의 존재를 나타낸다. 관상 우세 및 임의의 이상은 도 8i에 도시되어 있는 바와 같이 관상 동맥 트리 아래에 디스플레이될 수 있다. 분석에서 선택된 이상은 예를 들어, "상세" 버튼 위로 포인팅 디바이스로 "호버링"함으로써 디스플레이될 수 있다. 플라크 임계값이 분석에서 변경되었으면, 사용자 인터페이스 또는 생성된 보고 상에 플라크 임계값이 변경되었음을 나타내는 경고가 디스플레이될 수 있다. 이상이 존재할 때, 각각의 이상과 연관된 관상 혈관 세그먼트(805)는 도 8j에 도시되어 있는 바와 같이 대동맥으로부터 탈착된 것처럼 나타날 것이다. 실시예에서, 분석의 텍스트 요약은 또한 예를 들어 도 8k의 패널(811)에 예시된 바와 같이, 관상 트리 아래에 디스플레이될 수 있다.
도 9a는 분석에 기초하는 죽상동맥경화증 정보의 요약을 디스플레이하는 사용자 인터페이스 상에 디스플레이될 수 있는 죽상동맥경화증 패널(900)을 도시하고 있다. 도 9b는 죽상동맥경화증 정보의 요약이 세그먼트별 기반으로 디스플레이되도록 혈관을 선택하는 데 사용될 수 있는 혈관 선택 패널을 도시하고 있다. 죽상동맥경화증 패널(900)의 상단 섹션은 도 9a에 도시되어 있는 바와 같이, 환자별 데이터를 포함한다. 사용자가 패널(901) 상의 "석회화 플라크를 갖는 세그먼트" 위로 "호버링"할 때, 또는 패널(902)의 "비석회화 플라크를 갖는 세그먼트" 위로 호버링할 때, 적용 가능한 플라크를 갖는 세그먼트 이름이 디스플레이된다. 환자 특정 데이터 아래에서, 사용자는 도 9b에 도시되어 있는, 혈관 버튼 중 하나를 클릭함으로써 혈관별 및 세그먼트별 죽상동맥경화증 데이터에 액세스할 수도 있다.
도 9c는 생성되어 사용자 인터페이스에 디스플레이될 수 있는 패널(903)을 도시하고 있는데, 이는 세그먼트별 기반으로 시스템에 의해 결정된 죽상동맥경화증 정보를 보여주고 있다. 양성 리모델링의 존재, 가장 높은 리모델링 지수 및 저밀도-비석회화 플라크의 존재가 도 9c에 도시되어 있는 패널(903)의 각각의 세그먼트에 대해 보고된다. 예를 들어, 플라크 데이터는 세그먼트별 기반으로 아래에 디스플레이될 수 있고, 플라크 조성 체적은 도 9c에 도시되어 있는 패널(903)에서 세그먼트별로 디스플레이될 수 있다.
도 9d는 환자 데이터별 협착을 포함하는 사용자 인터페이스 상에 디스플레이될 수 있는 패널(904)을 도시하고 있다. 협착 패널(904)의 상단 섹션은 환자별 데이터를 포함한다. 각각의 카운트에 대한 추가의 상세는 도 9e에 도시되어 있는 바와 같이, 숫자 위로 포인팅 디바이스를 호버링함으로써 디스플레이될 수 있다. 각각의 영역에 포함된 혈관은 이하의 표에 나타낸다.
실시예에서, 도 9f에 도시되어 있는 바와 같이, 백분율 직경 협착 막대 그래프(906)가 생성되어 사용자 인터페이스의 패널(905)에 디스플레이될 수 있다. 백분율 직경 협착 막대 그래프(906)는 각각의 세그먼트에서 최대 직경 협착을 디스플레이한다. CTO가 세그먼트 상에 마킹되어 있으면, 이는 100% 직경 협착으로서 디스플레이될 것이다. 하나 초과의 협착이 세그먼트 상에 마킹되어 있으면, 디폴트로 최고 값의 출력이 디스플레이되고 사용자는 각각의 협착 막대를 클릭하여 협착 상세를 뷰잉하고 해당 세그먼트 내에서 더 작은 협착(존재하면)을 조사할 수 있다. 사용자는 또한 혈관의 SMPR 뷰 중앙의 회색 버튼을 드래그함으로써 각각의 단면을 스크롤할 수 있고, 도 9g에 도시되어 있는 바와 같이, 임의의 선택된 위치에서 각각의 단면에서 내강 직경 및 백분율 직경 협착을 뷰잉할 수 있다.
도 9h는 분석에 기초하여 SMPR 상에 마킹된 하나 이상의 협착의 카테고리를 보여주는 패널을 도시하고 있다. 컬러가 디스플레이된 정보를 향상시키는 데 사용될 수 있다. 예에서, LM >= 50% 직경 협착에서의 협착은 적색으로 마킹된다. 도 9i의 사용자 인터페이스의 패널(907)에 예시된 바와 같이, 각각의 세그먼트의 최대 백분율 직경 협착에 대해, 도 9j에 도시되어 있는 바와 같이, 포인팅 디바이스가 그래픽 혈관 단면 표현 위에 "호버링"될 때 최소 내강 직경 및 기준에서의 내강 직경이 디스플레이될 수 있다. 세그먼트가 분석되지 않았거나 해부학적으로 존재하지 않는 경우, 세그먼트는 회색으로 나타낼 것이고 "분석되지 않음"을 디스플레이할 것이다. 세그먼트가 분석되었지만 어떠한 마킹된 협착도 갖지 않으면, 값은 "N/A"로 디스플레이할 것이다.
도 9k는 CADS-RADS 스코어 선택을 나타내는 사용자 인터페이스의 패널(908)을 도시하고 있다. CAD-RADS 패널은 ["Coronary Artery Disease - Reporting and Data System (CAD-RADS) An Expert Consensus Document of SCCT, ACR and NASCI: Endorsed by the ACC]"에 정의된 바와 같이 CAD-RADS의 정의를 디스플레이한다. 사용자는 CAD-RADS 스코어의 선택의 완전한 제어에 있다. 실시예에서, 어떠한 스코어도 시스템에 의해 제안되지 않을 것이다. 다른 실시예에서, CAD-RADS 스코어가 제안될 수 있다. 일단 이 페이지에서 CAD-RADS 스코어가 선택되면, 스코어는 특정 사용자 인터페이스의 패널과 전체 텍스트 보고 페이지의 모두에 디스플레이될 것이다. 일단 CAD-RADS 스코어가 선택되면, 사용자는 수정자를 선택 및 증상의 제시의 옵션을 갖는다. 일단 제시가 선택되면, 예를 들어 도 9l에 도시되어 있는 패널(909)에 예시된 바와 같이, 해석, 추가 심장 조사 및 관리 가이드라인이 사용자 인터페이스 상에서 사용자에게 디스플레이될 수 있다. 이들 가이드라인은 ["Coronary Artery Disease - Reporting and Data System (CAD-RADS) An Expert Consensus Document of SCCT, ACR and NASCI: Endorsed by the ACC]"에서 발견된 가이드라인을 재현한다.
도 9m 및 도 9n은 생성되어 사용자 인터페이스의 패널 상에 디스플레이될 수 있고 그리고/또는 보고에 포함될 수 있는 표를 도시하고 있다. 도 9m은 정량적 협착 및 혈관 출력을 도시하고 있다. 도 9n은 정량적 플라크 출력을 도시하고 있다. 이들 정량적 표에서, 사용자는 시스템 분석으로부터 정량적 세그먼트별 협착증 및 죽상동맥경화증 출력을 뷰잉할 수 있다. 정량적 협착 및 혈관 출력 표(도 9m)는 평가된 동맥 및 세그먼트에 대한 정보를 포함한다. 각각의 혈관 영역에 대한 총계가 제공된다. 정보는 예를 들어, 길이, 혈관 체적, 내강 체적, 총 플라크 체적, 최대 직경 협착, 최대 면적 협착 및 최고 리모델링 지수를 포함할 수 있다. 정량적 플라크 출력 표(도 9n)는 평가된 동맥 및 세그먼트에 대한 정보를 포함한다. 정보는 예를 들어, 총 플라크 체적, 총 석회화 플라크 체적, 비석회화 플라크 체적, 저밀도 비석회화 플라크 체적 및 총 비석회화 플라크 체적을 포함할 수 있다. 사용자는 또한 전체 텍스트 보고인 정량적 출력의 PDF 또는 CSV 파일을 다운로드하는 것이 가능하다. 전체 텍스트 보고는 죽상동맥경화증, 협착증 및 CAD-RADS 측정치의 텍스트 요약을 제시한다. 사용자는 원하는 대로 보고를 편집할 수 있다. 일단 사용자가 보고를 편집하도록 선택하면, 보고는 CAD-RADS 선택을 자동으로 업데이트하지 않을 것이다.
도 10은 CT 영상 및 대응 정보를 분석 및 디스플레이하기 위한 프로세스(1000)를 도시하고 있는 흐름도이다. 블록 1005에서, 프로세스(1000)는 컴퓨터 실행 가능 명령, 환자의 관상 혈관의 CT 영상의 세트, 혈관 라벨, 및 협착, 플라크 및 관상 혈관의 세그먼트의 위치의 정보를 포함하는 CT 영상의 세트와 연관된 동맥 정보를 저장한다. 프로세스의 모든 단계는 본 명세서에 설명된 시스템의 실시예, 예를 들어 도 13에 설명된 시스템의 실시예에 의해 수행될 수 있다. 예를 들어, 하나 이상의 비일시적 컴퓨터 저장 매체와 통신하는 하나 이상의 컴퓨터 하드웨어 프로세서에 의해, 하나 이상의 비일시적 컴퓨터 저장 매체에 저장된 컴퓨터 실행 가능 명령을 실행한다. 다양한 실시예에서, 사용자 인터페이스는 환자의 관상 동맥의 CT 영상, 관상 동맥의 그래픽 표현, 기계 학습 알고리즘에 의해 또는 애널리스트에 의해 추출되거나 수정되어 있는 피처(예를 들어, 혈관 벽, 내강, 중심선, 협착, 플라크 등), 및 시스템에 의해, 애널리스트에 의해, 또는 시스템과 상호작용하는 애널리스트에 의해 결정된 CT 영상에 관한 정보(예를 들어, CT 영상의 피처의 측정치)에 관련된 다양한 뷰(예를 들어, SMPR, CMPR, 단면, 축면, 시상면, 관상면 등)에서 영상 중 하나 이상을 디스플레이하도록 구성된 하나 이상의 부분 또는 패널을 포함할 수 있다. 다양한 실시예에서, 사용자 인터페이스의 패널은 본 명세서에 설명된 것 및 대응 도면에 도시되어 있는 것과 상이하게 배열될 수 있다. 사용자는 포인팅 디바이스 또는 터치스크린에서 사용자의 손가락을 사용하여 사용자 인터페이스에 입력할 수 있다. 실시예에서, 사용자 인터페이스는 사용자 인터페이스의 버튼/아이콘/부분의 선택을 결정함으로써 입력을 수신할 수 있다. 실시예에서, 사용자 인터페이스는 사용자 인터페이스의 정의된 필드에서 입력을 수신할 수 있다.
블록 1010에서, 프로세스(1000)는 CT 영상에 기초하여 관상 혈관의 3차원(3D) 표현을 포함하는 동맥 트리를 포함하고, CT 영상에서 식별된 관상 혈관을 묘사하고, 세그먼트 라벨을 묘사하는 제1 패널을 생성하여 사용자 인터페이스에 디스플레이할 수 있고, 동맥 트리는 동맥 트리의 분지 사이에 심장 조직을 포함하지 않는다. 이러한 동맥 트리(602)의 예가 도 6a의 패널(601)에 도시되어 있다. 다양한 실시예에서, 패널(601)은 도 6a에 도시되어 있는 것과 다른 사용자 인터페이스(600)의 위치에 위치될 수 있다.
블록 1015에서, 프로세스(1000)는 제1 패널의 동맥 트리에서 관상 혈관의 선택을 나타내는 제1 입력을 수신할 수 있다. 예를 들어, 제1 입력은 패널(601)의 동맥 트리(602) 내의 혈관의 사용자 인터페이스(600)에 의해 수신될 수 있다. 블록 1020에서, 제1 입력에 응답하여, 프로세스(1000)는 적어도 하나의 직선화된 다평면 혈관(SMPR) 뷰에서 선택된 관상 혈관의 적어도 일부를 예시하는 제2 패널을 생성하여 사용자 인터페이스 상에 디스플레이할 수 있다. 예에서, SMPR 뷰는 도 6a의 패널(604)에 디스플레이된다.
블록 1025에서, 프로세스(1000)는 선택된 관상 혈관의 단면 뷰를 보여주는 제3 패널을 생성하여 사용자 인터페이스에 디스플레이할 수 있고, 단면 뷰는 선택된 관상 혈관의 CT 영상의 세트 중 하나를 사용하여 생성된다. 적어도 하나의 SMPR 뷰를 따른 위치는 각각 CT 영상의 세트의 CT 영상 중 하나와 연관되어, 적어도 하나의 SMPR 뷰에서 관상 혈관을 따른 특정 위치의 선택이 제3 패널의 단면 뷰에서 연관된 CT 영상을 디스플레이하게 한다. 예에서, 단면 뷰는 도 6a에 도시되어 있는 바와 같이 패널(606)에 디스플레이될 수 있다. 블록 1030에서, 프로세스(1000)는 적어도 하나의 SMPR 뷰에서 선택된 관상 동맥을 따른 제1 위치를 나타내는 제2 입력을 사용자 인터페이스 상에 수신할 수 있다. 예에서, 사용자는 패널(604) 내의 SMPR 뷰에 보여진 혈관의 상이한 부분을 선택하기 위해 포인팅 디바이스를 사용할 수도 있다. 블록 1030에서, 프로세스(1000)는 제2 입력에 응답하여, 제3 패널, 즉 패널(606)의 단면 뷰와 연관된 연관 CT 스캔을 디스플레이한다. 즉, 제1 입력에 대응하는 단면 뷰가 SMPR 뷰에서 제2 입력에 대응하는 단면 뷰로 대체된다.
정규화 디바이스
몇몇 경우에, 본 출원 전체에 걸쳐 설명된 바와 같이 처리 및/또는 분석된 의료 영상은 정규화 디바이스를 사용하여 정규화될 수 있다. 이 섹션에서 더 상세히 설명되는 바와 같이, 정규화 디바이스는 공지의 물질의 영상을 제공하기 위해 의료 영상 시야에 배치될 수 있는 공지의 물질의 복수의 샘플을 포함하는 디바이스를 포함할 수도 있는데, 이는 의료 영상을 정규화하기 위한 기반으로서 역할을 할 수 있다. 몇몇 경우에, 정규화 디바이스는 환자 조직 및/또는 영상 내의 다른 물질(예를 들어, 플라크)과 정규화 디바이스 내의 공지의 물질 사이의 영상 내 직접 비교를 허용한다.
상기에 간략히 언급된 바와 같이, 몇몇 경우에, 의료 영상 스캐너는 동일한 객체에 대해 상이한 확장 가능한 방사선 밀도를 갖는 영상을 생성할 수도 있다. 이는 예를 들어, 사용된 의료 영상 스캐너 또는 장비의 유형 뿐만 아니라, 또한 스캔 파라미터 및/또는 스캔이 행해진 때의 특정 날짜 및/또는 시간의 환경에 의존할 수 있다. 그 결과, 동일한 대상의 2개의 상이한 스캔이 행해지더라도, 생성 의료 영상의 밝기 및/또는 어둡기가 상이할 수도 있는데, 이는 해당 영상으로부터 처리된 정확하지 못한 분석 결과를 야기할 수 있다. 이러한 차이를 고려하기 위해, 몇몇 실시예에서, 공지의 물질의 하나 이상의 공지의 샘플을 포함하는 정규화 디바이스가 대상과 함께 스캔될 수 있고, 하나 이상의 공지의 요소의 생성 영상이 생성 영상을 번역, 변환 및/또는 정규화하기 위한 기반으로서 사용될 수 있다.
분석될 의료 영상을 정규화하는 것은 여러 이유로 이익이 될 수 있다. 예를 들어, 의료 영상은 생성 의료 영상에 영향을 미칠 수 있는 광범위한 조건 하에서 캡처될 수 있다. 의료 이미저가 CT 스캐너를 포함하는 경우, 다수의 상이한 변수가 생성 영상에 영향을 미칠 수 있다. 예를 들어, 가변 영상 획득 파라미터는 생성 영상에 영향을 줄 수 있다. 가변 영상 획득 파라미터는 무엇보다도, 킬로볼트(kV), 킬로볼트 피크(kVp), 밀리암페어(mA) 또는 동기 방법 중 하나 이상을 포함할 수 있다. 몇몇 실시예에서, 동기 방법은 무엇보다도, 전향적 축방향 트리거링, 후향적 ECG 나선형 동기, 및 고속 피치 나선형을 포함할 수 있다. 임의의 이들 파라미터를 변경하는 것은 동일한 대상이 스캔되더라도, 생성 의료 영상에 약간의 차이를 생성할 수도 있다.
부가적으로, 스캔 후 영상을 준비하는 데 사용되는 재구성의 유형은 의료 영상의 차이를 제공할 수도 있다. 재구성의 예시적인 유형은 무엇보다도 반복적 재구성, 비반복적 재구성, 기계 학습 기반 재구성 및 다른 유형의 물리 기반 재구성을 포함할 수 있다. 도 11a 내지 도 11d는 상이한 재구성 기술을 사용하여 재구성된 상이한 영상을 도시하고 있다. 특히, 도 11a는 필터링된 역투영을 사용하여 재구성된 CT 영상을 도시하고 있고, 반면 도 11b는 반복적 재구성을 사용하여 재구성된 동일한 CT 영상을 도시하고 있다. 도시되어 있는 바와 같이, 2개의 영상은 약간 상이하게 나타난다. 이하에 설명된 정규화 디바이스는 2개의 영상 사이를 정규화하기 위한 방법을 제공함으로써 이들 차이를 고려하는 것을 돕는 데 사용될 수 있다. 도 11c는 반복적 재구성을 사용하여 재구성된 CT 영상을 도시하고 있고, 반면 도 11d는 기계 학습을 사용하여 재구성된 동일한 영상을 도시하고 있다. 다시, 영상이 약간의 차이를 포함한다는 것을 알 수 있고, 본 명세서에 설명된 정규화 디바이스는 유리하게는 2개의 차이를 고려하기 위해 영상을 정규화하는 데 유용할 수 있다.
다른 예로서, 다양한 유형의 영상 캡처 기술이 의료 영상을 캡처하는 데 사용될 수 있다. 의료 이미저가 CT 스캐너를 포함하는 경우, 이러한 영상 캡처 기술은 무엇보다도, 이중 소스 스캐너, 단일 소스 스캐너, 이중 에너지, 단색 에너지, 스펙트럼 CT, 광자 계수, 및 상이한 검출기 재료를 포함할 수도 있다. 이전과 마찬가지로, 차이 파라미터를 사용하여 캡처된 영상은 동일한 대상이 스캔되더라도, 약간 상이하게 나타날 수도 있다. CT 스캐너에 추가하여, 다른 유형의 의료 이미저가 또한 의료 영상을 캡처하는 데 사용될 수 있다. 이들은, 예를 들어 x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS)을 포함할 수 있다. 정규화 디바이스의 사용은 영상의 정규화를 용이하게 할 수 있어 이들 상이한 영상 디바이스에서 캡처된 영상이 본 명세서에 설명된 방법 및 시스템에서 사용될 수 있게 한다.
부가적으로, 새로운 유형의 의료 영상 기술이 현재 개발되고 있다. 정규화 디바이스의 사용은 본 명세서에 설명된 방법 및 시스템이 현재 개발 중이거나 미래에 개발될 의료 영상 기술과 함께 사용될 수 있게 할 수 있다. 상이한 또는 새로운 의료 영상 기술의 사용은 또한 영상 사이에 약간의 차이를 유발할 수 있다.
정규화 디바이스를 사용하여 고려될 수 있는 의료 영상의 차이를 유발할 수 있는 다른 인자는 의료 영상 중에 상이한 조영제의 사용일 수 있다. 다양한 조영제가 현재 존재하고, 여전히 다른 것들이 개발 중에 있다. 정규화 디바이스의 사용은 사용되는 조영제의 유형에 무관하게 그리고 심지어 조영제가 사용되지 않는 경우에도 의료 영상의 정규화를 용이하게 할 수 있다.
이들 약간의 차이는 몇몇 경우에, 특히 영상의 분석이 상이한 조건 하에서 캡처된 의료 영상을 사용하여 훈련되거나 개발된 인공 지능 또는 기계 학습 알고리즘에 의해 수행되는 경우에, 영상의 분석에 부정적인 영향을 미칠 수 있다. 몇몇 실시예에서, 의료 영상을 분석하기 위한 본 출원 전체에 걸쳐 설명된 방법 및 시스템은 인공 지능 및/또는 기계 학습 알고리즘의 사용을 포함할 수 있다. 이러한 알고리즘은 의료 영상을 사용하여 훈련될 수 있다. 몇몇 실시예에서, 이들 알고리즘을 훈련하는 데 사용되는 의료 영상은 알고리즘이 정규화된 영상에 기초하여 훈련되도록 정규화 디바이스를 포함할 수 있다. 다음, 이들 영상에 정규화 디바이스를 또한 포함함으로써 후속 영상을 정규화함으로써, 기계 학습 알고리즘은 전술된 것들과 같은 광범위한 파라미터 하에서 캡처된 의료 영상을 분석하는 데 사용될 수 있다.
몇몇 실시예에서, 본 명세서에 설명된 정규화 디바이스는 종래의 팬텀으로부터 구별 가능하다. 몇몇 경우에, CT 기계가 정확한 방식으로 동작하는지를 검증하기 위해 종래의 팬텀이 사용될 수 있다. 이들 종래의 팬텀은 CT 기계의 보정을 검증하기 위해 주기적으로 사용될 수 있다. 예를 들어, 몇몇 경우에, 적절한 기능과 보정을 보장하기 위해 각각의 스캔 전, 매주, 매월, 매년 또는 CT 기계의 유지보수 후에 종래의 팬텀이 사용될 수 있다. 그러나, 특히 종래의 팬텀은 상이한 기계, 상이한 파라미터, 상이한 환자 등을 가로지르는 생성 의료 영상의 정규화를 허용하는 정규화 기능을 제공하지 않는다.
몇몇 실시예에서, 본 명세서에 설명된 정규화 디바이스는 이 기능을 제공할 수 있다. 정규화 디바이스는 다양한 기계 유형에 의해 생성된 CT 데이터 또는 다른 의료 영상 데이터의 정규화 및/또는 상이한 환자를 가로지르는 정규화를 허용할 수 있다. 예를 들어, 다양한 제조자에 의해 제조된 상이한 CT 디바이스는 상이한 착색 및/또는 상이한 회색조 영상을 생성할 수 있다. 다른 예에서, 몇몇 CT 스캐닝 디바이스는 CT 스캐닝 디바이스가 노후화됨에 따라 또는 CT 스캐닝 디바이스가 사용됨에 따라 또는 스캐닝 동안 디바이스를 둘러싸는 환경 조건에 기초하여 상이한 착색 및/또는 상이한 회색조 영상을 생성할 수 있다. 다른 예에서, 환자 조직 유형 등은 의료 영상 스캔 데이터에서 상이한 착색 및/또는 회색조 레벨이 상이하게 나타나게 할 수 있다. CT 스캔 데이터의 정규화는 CT 스캔 데이터 또는 다른 의료 영상 데이터의 처리가 다양한 기계 또는 상이한 시간에 및/또는 상이한 환자를 가로질러 사용되는 동일한 기계에 의해 생성된 다양한 데이터 세트를 가로질러 일관적인 것을 보장하기 위해 중요할 수 있다. 몇몇 실시예에서, 스캐닝 장비는 시간 경과에 따라 변경될 수 있고 그리고/또는 환자는 각각의 스캔에서 상이하기 때문에 의료 영상 스캔이 수행될 때마다 정규화 디바이스가 사용될 필요가 있다. 몇몇 실시예에서, 정규화 디바이스는 환자의 의료 영상 데이터를 분석하는 데 사용되는 AI 알고리즘(들)에 대해 각각의 환자의 의료 영상 데이터를 정규화하기 위해 환자의 각각의 모든 스캔을 수행하는 데 사용된다. 달리 말하면, 몇몇 실시예에서, 정규화 디바이스는 각각의 스캐너에 대조적으로 각각의 환자에 대해 정규화하는 데 사용된다. 몇몇 실시예에서, 정규화 디바이스는 서로 인접한 상이한 밀도를 갖는 상이한 공지의 물질을 가질 수도 있다(예를 들어, 도 12f를 참조하여 설명된 바와 같이). 이 구성은 픽셀의 밀도가 인접 픽셀의 밀도에 영향을 미치고 각각의 개별 픽셀의 밀도에 따른 변화에 영향을 미치는 몇몇 CT 영상에 존재하는 문제를 해결할 수도 있다. 이러한 실시예의 일 예는 플라크 픽셀의 밀도에 영향을 미치는 관상 내강의 상이한 대조 밀도를 포함할 수 있다. 정규화 디바이스는 정량적 CT 영상 분석/측정에 대한 블루밍 아티팩트의 영향을 몇몇 방식으로 보정하는 영상 내의 물질/병변의 체적을 정확하게 평가하는 데 도움이 되도록 공지의 물질의 공지의 체적을 가짐으로써 이 문제를 해결할 수 있다. 몇몇 경우에, 정규화 디바이스는 공지의 체적 및 공지의 제어 가능한 움직임으로 공지의 물질을 이동시킬 수도 있다. 이는 정량적 CT 영상 분석/측정에 대한 움직임의 영향을 제외하거나 감소시키는 것을 허용할 수도 있다.
이에 따라, 정규화 디바이스는 몇몇 실시예에서, 정규화 디바이스가 특정 스캐너로 보정하는 것뿐만 아니라 특정 스캔에 대해, 특정 스캔 영상 획득 파라미터에 대해 및/또는 특정 조영제 프로토콜에 대해, 특정 환경에서 특정 시간에 특정 환자에 대해 정규화하기 때문에, 전통적인 의미에서 팬텀이 아니다. 이에 따라, 몇몇 실시예에서, 정규화 디바이스는 역 팬텀으로 고려될 수 있다. 이는 종래의 팬텀이 행할 것과 같이 특정 의료 이미저를 유효화하기 위한 메커니즘을 제공하기보다는, 정규화 디바이스가 생성 의료 영상을 정규화 또는 유효화하기 위한 메커니즘을 제공할 수 있어 상이한 조건 하에 취해진 다른 의료 영상과 비교될 수 있게 되기 때문일 수 있다. 몇몇 실시예에서, 정규화 디바이스는 검사될 의료 영상 데이터를 분석하기 위해 사용되는 AI 알고리즘을 훈련, 시험 및/또는 유효화하는 데 사용되는 의료 영상 데이터로 검사되는 의료 영상 데이터를 정규화하도록 구성된다.
몇몇 실시예에서, 의료 스캐닝 데이터의 정규화는 본 명세서에 개시된 AI 처리 방법에 필요할 수 있는데, 이는 몇몇 경우에 의료 스캐닝 데이터가 처리되는 모든 의료 스캐닝 데이터를 가로질러 일관적일 때에만 AI 처리 방법이 의료 스캐닝 데이터를 적절하게 처리할 수 있기 때문이다. 예를 들어, 제1 의료 스캐너가 지방 물질을 어두운 회색 또는 검은색으로 보여주는 의료 영상을 생성하고 반면에 제2 의료 스캐너가 중간 또는 밝은 회색으로 동일한 지방 물질을 보여주는 의료 영상을 생성하는 상황에서, 본 명세서에 개시된 시스템, 방법 및 디바이스의 AI 처리 방법론은 제1 및 제2 의료 스캐너에 의해 생성된 의료 영상의 하나의 세트 또는 양 세트에서 지방 물질을 오식별하고 그리고/또는 완전히 식별하지 않을 수도 있다. 이는 특정 재료 밀도의 관계가 일정하지 않을 수도 있고 심지어 재료 및 스캐닝 파라미터에 따라 비선형 방식으로 변경될 수도 있기 때문에 더욱 더 문제가 될 수 있다. 몇몇 실시예에서, 정규화 디바이스는 특정 의료 스캐너 디바이스에 대해 훈련된 AI 알고리즘의 사용이 아직 개발되지 않았을 수도 있는 차세대 의료 스캐너 디바이스에 의해 생성된 의료 영상에 사용되는 것을 가능하게 한다.
도 12a는 본 명세서에 설명된 방법 및 시스템과 함께 사용을 위해 의료 영상을 정규화하도록 구성될 수 있는 정규화 디바이스(1200)의 실시예를 표현하는 블록도이다. 예시된 실시예에서, 정규화 디바이스(1200)는 기판(1202)을 포함할 수 있다. 기판(1202)은 정규화 디바이스(1200)를 위한 본체 또는 구조를 제공할 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 정사각형 또는 직사각형 또는 정육면체 형상을 포함할 수 있지만, 다른 형상이 가능하다. 몇몇 실시예에서, 정규화 디바이스(1200)는 굴곡 가능하고 그리고/또는 자립하도록 구성된다. 예를 들어, 기판(1202)은 굴곡 가능하고 그리고/또는 자립될 수 있다. 굴곡 가능한 기판(1202)은 정규화 디바이스가 환자의 신체의 윤곽에 맞도록 할 수 있다. 몇몇 실시예에서, 기판(1202)은 하나 이상의 기준점(1203)을 포함할 수 있다. 기준점(1203)은 공지의 물질의 샘플을 보유하는 하나 이상의 구획의 각각의 영상에서의 위치가 결정될 수 있도록 정규화 디바이스의 영상에서 정규화 디바이스(1200)의 정렬의 결정을 용이하게 하도록 구성될 수 있다.
기판(1202)은 또한 복수의 구획(도 12a에는 도시되어 있지 않지만, 예를 들어, 도 12c 내지 도 12f의 구획(1216) 참조)을 포함할 수 있다. 구획(1216)은 조영제 샘플(1204), 연구된 변수 샘플(1206), 및 팬텀 샘플(1208)과 같은 공지의 물질의 샘플을 보유하도록 구성될 수 있다. 몇몇 실시예에서, 조영제 샘플(1204)은 의료 영상의 캡처 동안 사용되는 조영제 물질의 샘플을 포함한다. 몇몇 실시예에서, 조영제 물질(1204)의 샘플은 요오드, Gad, 탄탈륨, 텅스텐, 금, 비스무트, 또는 이테르븀 중 하나 이상을 포함한다. 이들 샘플은 다양한 농도에서 정규화 디바이스(1200)의 구획(1216) 내에 제공될 수 있다. 연구된 변수 샘플(1206)은 분석될 물질 시스템을 나타내는 물질의 샘플 및 본 명세서에 설명된 방법을 포함할 수 있다. 몇몇 예에서, 연구된 변수 샘플(1206)은 칼슘 1000 HU, 칼슘 220 HU, 칼슘 150 HU, 칼슘 130 HU, 및 저감쇠(예를 들어, 30 HU) 물질 중 하나 이상을 포함한다. 상이한 농도로 제공된 다른 연구된 변수 샘플(1206)이 또한 포함될 수 있다. 일반적으로, 연구된 변수 샘플(1206)은 의료 영상이 분석되는 물질에 대응할 수 있다. 팬텀 샘플(1208)은 하나 이상의 팬텀 물질의 샘플을 포함할 수 있다. 몇몇 예에서, 팬텀 샘플(1208)은 물, 지방, 칼슘, 요산, 공기, 철 또는 혈액 중 하나 이상을 포함한다. 다른 팬텀 샘플(1208)이 또한 사용될 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)에 포함된 물질이 많을수록, 또는 정규화 디바이스(1200) 내의 상이한 물질을 갖는 구획(1216)이 많을수록, 의료 스캐너에 의해 생성된 데이터의 정규화가 더 양호하다. 몇몇 실시예에서, 정규화 디바이스(1200) 또는 그 기판(1202)은 가요성 및/또는 굴곡 가능 플라스틱으로부터 제조된다. 몇몇 실시예에서, 정규화 디바이스(1200)는 MR 스캐닝 디바이스의 코일 내에 또는 아래에 위치되도록 구성된다. 몇몇 실시예에서, 정규화 디바이스(1200) 또는 그 기판(1202)은 강성 플라스틱으로부터 제조된다.
도 12a의 예시된 실시예에서, 정규화 디바이스(1200)는 또한 부착 메커니즘(1210)을 포함한다. 부착 메커니즘(1210)은 정규화 디바이스(1200)를 환자에게 부착하기 위해 사용될 수 있다. 예를 들어, 몇몇 실시예에서, 정규화 디바이스(1200)는 영상 획득 전에 영상화될 관상 영역 부근의 환자에게 부착된다. 몇몇 실시예에서, 정규화 디바이스(1200)는 접착제 또는 벨크로 또는 몇몇 다른 체결구 또는 아교를 사용하여 환자의 피부에 접착될 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 붕대처럼 환자에게 적용될 수 있다. 예를 들어, 몇몇 실시예에서, 제거 가능한 반창고 또는 스티커가 환자의 피부에 적용되고, 여기서, 반창고는 대응 벨크로 정합 부분을 갖는 정규화 디바이스가 환자의 피부에 부착된 반창고 또는 스티커에 접착될 수 있게 하는 벨크로 외향 지향 부분을 포함할 수 있다(예를 들어, 후술되는 도 12g의 정규화 디바이스 참조).
몇몇 실시예에서, 부착 메커니즘(1210)은 생략될 수 있어, 정규화 디바이스(1200)가 환자에게 부착될 필요가 없게 된다. 오히려, 몇몇 실시예에서, 정규화 디바이스는 환자와 함께 또는 환자 없이 의료 스캐너에 배치될 수 있다. 몇몇 실시예에서, 정규화 디바이스는 의료 스캐너 내에서 환자와 나란히 배치되도록 구성될 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)는 재사용 가능한 디바이스이거나 폐기 가능한 일회용 디바이스일 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 만료일을 포함하고, 예를 들어, 디바이스는 디바이스의 만료를 나타내기 위해 컬러를 변경하는 물질을 포함할 수 있고, 여기서, 컬러는 시간 경과에 따라 및/또는 특정 수의 스캔 또는 방사선 노출량 후에 변화한다(예를 들어, 후술되는 도 12h 및 도 12i 참조). 몇몇 실시예에서, 정규화 디바이스(1200)는 예를 들어 그 내에 포함된 샘플들 중 하나 이상을 보존하기 위해 사용 사이에 냉각을 필요로 한다. 몇몇 실시예에서, 정규화 디바이스(1200)는 열 노출 또는 냉각 실패로 인해 디바이스가 만료되었음을 사용자에게 통지하는 컬러 변화 표시기와 같은 표시기를 포함할 수 있다.
특정 실시예에서, 정규화 디바이스(1200)는, 몇몇 경우에 물질의 온도가 영상 스캐닝 디바이스에 의해 생성된 물질의 결과적인 착색 또는 회색조에 영향을 미칠 수 있기 때문에, 정규화 디바이스(1200) 내의 물질이 환자의 피부와 동일하거나 실질적으로 동일한 온도에 도달하게 하기 위해 환자의 피부로부터 열 전달을 허용하는 물질을 포함한다. 예를 들어, 기판(1202)은 환자로부터 기판(1202) 내의 샘플로의 열 전달을 용이하게 하기 위해 비교적 높은 열 전달 계수를 갖는 물질을 포함할 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 디바이스가 환자의 피부에 접착될 수 있게 할 수 있는 접착제를 사용하여 환자의 피부에 제거 가능하게 결합될 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)는 영상 시야에서 사용되거나 영상 시야에서 사용되지 않을 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 환자 영상 획득과 동시에 또는 순차적으로 영상화될 수 있다. 순차적인 사용은 먼저 정규화 디바이스(1200)를 영상화하고, 그 직후에 동일한 영상 파라미터를 사용하여 그 직후에 환자를 영상화하는 것을 포함할 수 있다(또는 그 반대도 마찬가지임). 몇몇 실시예에서, 정규화 디바이스(1200)는 정적이거나 영상 획득 또는 환자의 심장 또는 호흡 운동과 동기하여 움직이거나 이동하도록 프로그래밍될 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 영상 도메인 기반 데이터 또는 프로젝션 도메인 기반 데이터에 대한 비교를 이용할 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 2D(면적), 또는 3D(체적), 또는 4D(시간에 따른 변화) 디바이스일 수 있다. 몇몇 실시예에서, 스캐너 내의 상이한 깊이 및/또는 스캐너 내의 상이한 위치에서 착색 및/또는 회색조 레벨의 변화를 고려하기 위해 2개 이상의 정규화 디바이스(1200)가 의료 영상 스캐닝 동안 환자에 부착되고 그리고/또는 환자에 나란히 위치될 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)는 하나 이상의 층을 포함할 수 있고, 각각의 층은 디바이스의 다른 층과 동일하거나 상이한 물질을 보유하기 위한 구획을 포함한다. 도 12b는 예를 들어, 다층 기판(1202)을 포함하는 정규화 디바이스(1200)의 실시예의 사시도를 도시하고 있다. 예시된 실시예에서, 기판(1202)은 제1 층(1212) 및 제2 층(1214)을 포함한다. 제2 층(1214)은 제1 층(1212) 위에 위치될 수 있다. 다른 실시예에서, 하나 이상의 부가의 층이 제2 층(1214) 위에 위치될 수도 있다. 각각의 층(1212, 1214)은 도 12c에 도시되어 있는 바와 같이, 다양한 공지의 샘플을 보유하기 위한 구획으로 구성될 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)의 다양한 층(1212, 1214)은 MR 및 초음파와 같은 3차원 스캐닝을 수행하는 다양한 스캐닝 기계에 대한 다양한 깊이 레벨에서의 정규화를 허용한다. 몇몇 실시예에서, 시스템은 깊이의 변화로 인한 영상 특성의 착색 및/또는 회색조 레벨 변화의 평균화에 의해 정규화하도록 구성될 수 있다.
도 12c는 정규화 동안 사용을 위해 공지의 물질의 샘플을 보유하기 위해 그 내부에 위치된 다양한 구획(1216)을 도시하고 있는 도 12b의 정규화 디바이스(1200)의 단면도이다. 구획(1216)은 예를 들어, 도 12a에 도시되어 있는 조영제 샘플(1204), 연구된 변수 샘플(1206), 및 팬텀 샘플(1208)을 보유하도록 구성될 수 있다. 구획(1216)은 공간, 파우치, 큐브, 구, 영역 등을 포함할 수도 있고, 각각의 구획(1216) 내에는 하나 이상의 화합물, 유체, 물질, 요소, 재료 등이 포함된다. 몇몇 실시예에서, 각각의 구획(1216)은 상이한 물질 또는 재료를 포함할 수 있다. 몇몇 실시예에서, 각각의 구획(1216)은 기밀성이고 액체일 수도 있는 샘플이 누설되는 것을 방지하기 위해 밀봉된다.
각각의 층(1212, 1214) 내에서, 또는 기판(1202) 내에서, 정규화 디바이스(1200)는 구획(1216)에 대한 상이한 배열을 포함할 수도 있다. 도 12d는 정규화 디바이스(1200) 내의 복수의 구획(1216)의 예시적인 배열의 평면도를 도시하고 있다. 예시된 실시예에서, 복수의 구획(1216)은 직사각형 또는 격자형 패턴으로 배열된다. 도 12e는 정규화 디바이스(1200) 내의 복수의 구획(1216)의 다른 예시적인 배열의 평면도를 도시하고 있다. 예시된 실시예에서, 복수의 구획(1216)은 원형 패턴으로 배열된다. 다른 배열이 또한 가능하다.
도 12f는 인접하게 배열된 구획(1216A), 자체 밀봉 충전 가능 구획(1216B), 및 다양한 크기 및 형상의 구획(1216C)을 포함하는, 그 다양한 특징을 도시하고 있는 정규화 디바이스(1200)의 다른 실시예의 단면도이다. 도 12f에 도시되어 있는 바와 같이, 구획(1216A) 중 하나 이상은 구획(1216A) 내의 물질이 인접한 구획(1216A) 내의 물질과 접촉 및/또는 근접할 수 있도록 서로 인접하도록 배열될 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 어떻게 특정 스캐닝 디바이스가 특정 물질을 디스플레이하는지를 결정하여, 이에 의해 다중 스캐닝 디바이스를 가로지르는 정규화를 허용하기 위해 저밀도 물질에 병치된 고밀도 물질을 포함한다. 몇몇 실시예에서, 스캐닝 동안 특정 물질이 서로 영향을 미칠 수 있기 때문에 특정 물질은 다른 물질에 인접하거나 부근에 위치된다. 인접하게 위치된 구획(1216A)에 배치될 수 있는 물질의 예는 무엇보다도, 요오드, 공기, 지방 물질, 조직, 방사성 조영제, 금, 철, 다른 금속, 증류수 및/또는 물을 포함할 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)는 정규화 디바이스가 자체 밀봉되도록 물질 및/또는 유체를 수용하도록 구성된다. 이에 따라, 도 12f는 자체 밀봉되는 구획(1216B)을 도시하고 있다. 이들은 물질이 구획(1216B) 내로 주입되고 이어서 그 내에서 밀봉되게 할 수 있다. 예를 들어, 방사성 조영제는 정규화 디바이스(1200)의 구획(1216B)에 자체 밀봉 방식으로 주입될 수 있어, 스캐닝 디바이스로부터 생성된 의료 영상 데이터는 방사성 조영제가 스캐닝 절차 중에 시간 경과에 따라 감소함에 따라 시간 경과에 따라 정규화될 수 있게 된다. 몇몇 실시예에서, 정규화 디바이스는 환자 및/또는 분석되는 조직의 유형 및/또는 질환 유형 및/또는 스캐너 기계 유형에 대해 특정한 물질을 포함하도록 구성될 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)는 원과 같은 복수의 형상으로 정규화 디바이스(1200)를 구성함으로써 스캐너 해상도 및 해상도의 유형을 측정하도록 구성될 수 있다. 이에 따라, 구획(1216C)은 상이한 형상 및 크기를 구비할 수 있다. 도 12f는 구획(1216C)이 상이한 형상(입방형 및 구형) 및 상이한 크기를 구비하는 예를 도시하고 있다. 몇몇 실시예에서, 모든 구획(1216)은 동일한 형상 및 크기일 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)의 하나 이상의 구획(1216)의 크기는 의료 영상 스캐너의 해상도에 대응하도록 구성되거나 선택될 수 있다. 예를 들어, 몇몇 실시예에서, 의료 영상 스캐너의 공간 해상도가 0.5 mm×0.5 mm×0.5 mm이면, 정규화 디바이스의 구획의 치수는 또한 0.5 mm×0.5 mm×0.5 mm일 수 있다. 몇몇 실시예에서, 구획의 크기는 0.5 mm 내지 0.75 mm 범위이다. 몇몇 실시예에서, 정규화 디바이스의 구획의 폭은 약 0.1 mm, 약 0.15 mm, 약 0.2 mm, 약 0.25 mm, 약 0.3 mm, 약 0.35 mm, 약 0.4 mm, 약 0.45 mm, 약 0.5 mm, 약 0.55 mm, 약 0.6 mm, 약 0.65 mm, 약 0.7 mm, 약 0.75 mm, 약 0.8 mm, 약 0.85 mm, 약 0.9 mm, 약 0.95 mm, 약 1.0 mm, 및/또는 2개의 전술된 값에 의해 정의된 범위 내일 수 있다. 몇몇 실시예에서, 정규화 디바이스의 구획의 길이는 약 0.1 mm, 약 0.15 mm, 약 0.2 mm, 약 0.25 mm, 약 0.3 mm, 약 0.35 mm, 약 0.4 mm, 약 0.45 mm, 약 0.5 mm, 약 0.55 mm, 약 0.6 mm, 약 0.65 mm, 약 0.7 mm, 약 0.75 mm, 약 0.8 mm, 약 0.85 mm, 약 0.9 mm, 약 0.95 mm, 약 1.0 mm, 및/또는 2개의 전술된 값에 의해 정의된 범위 내일 수 있다. 몇몇 실시예에서, 정규화 디바이스의 구획의 높이는 약 0.1 mm, 약 0.15 mm, 약 0.2 mm, 약 0.25 mm, 약 0.3 mm, 약 0.35 mm, 약 0.4 mm, 약 0.45 mm, 약 0.5 mm, 약 0.55 mm, 약 0.6 mm, 약 0.65 mm, 약 0.7 mm, 약 0.75 mm, 약 0.8 mm, 약 0.85 mm, 약 0.9 mm, 약 0.95 mm, 약 1.0 mm, 및/또는 2개의 전술된 값에 의해 정의된 범위 내일 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)의 각각의 구획(1216)의 치수는 모든 구획(1216)에 대해 동일하거나 실질적으로 동일하다. 몇몇 실시예에서, 정규화 디바이스(1200) 내의 구획(1216)의 일부 또는 전부의 치수는, 정규화 디바이스(1200)가 상이한 해상도 능력을 갖는 다양한 의료 영상 스캐닝 디바이스에 사용될 수 있도록(예를 들어, 도 12f에 도시되어 있는 바와 같이) 단일 정규화 디바이스(1200)가 상이한 치수를 갖는 복수의 구획을 갖게 하기 위해 서로 상이할 수 있다. 몇몇 실시예에서, 상이한 치수를 갖는 복수의 구획(1216)을 갖는 정규화 디바이스(1200)는 정규화 디바이스가 스캐닝 디바이스의 실제 해상도 능력을 결정하는 데 사용되는 것을 가능하게 한다. 몇몇 실시예에서, 각각의 구획(1216)의 크기는 10 mm까지 연장될 수도 있고, 각각의 구획의 크기는 그 내에 포함된 물질에 따라 가변적일 수도 있다.
도 12c 및 도 12f의 예시된 실시예에서, 정규화 디바이스(1200)는 접착 표면(1218)을 포함하는 부착 메커니즘(1210)을 포함한다. 접착 표면(1218)은 정규화 디바이스(1200)를 환자의 피부에 부착(예를 들어, 제거 가능하게 부착)하도록 구성될 수 있다. 도 12g는 정규화 디바이스의 기판을 정규화 디바이스(1200)의 체결구에 고정하기 위해 후크 및 루프 체결구(1220)를 사용하는 정규화 디바이스(1200)용 부착 메커니즘(1210)의 실시예를 도시하고 있는 사시도이다. 예시된 실시예에서, 접착 표면(1218)은 환자에게 부착되도록 구성될 수 있다. 접착 표면(1218)은 제1 후크 및 루프 체결구(1220)를 포함할 수 있다. 대응 후크 및 루프 체결구(1220)는 기판(1202)의 하부 표면에 제공될 수 있고 후크 및 루프 체결구(1220)를 통해 접착 표면(1218)에 기판(1202)을 제거 가능하게 부착하는 데 사용될 수 있다.
도 12h 및 도 12i는 정규화 디바이스(1200)의 만료 상태를 표시하도록 구성된 표시기(1222)를 포함하는 정규화 디바이스(1200)의 실시예를 도시하고 있다. 표시기(1222)는 디바이스의 만료를 표시하기 위해 컬러를 변경하거나 단어를 드러내는 물질을 포함할 수 있고, 여기서, 컬러 또는 텍스트는 시간 경과에 따라 및/또는 특정 횟수의 스캔 또는 방사선 노출량 후에 변경되거나 나타난다. 도 12h는 만료되지 않은 상태를 나타내는 제1 상태의 표시기(1222)를 도시하고 있고, 도 12i는 만료된 상태를 나타내는 제2 상태의 표시기(1222)를 도시하고 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 사용 사이에 냉각을 필요로 한다. 몇몇 실시예에서, 컬러 변화 표시기와 같은 표시기(1222)는 열 노출 또는 냉각 실패로 인해 디바이스가 만료되었음을 사용자에게 통지할 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)는, 특정 의료 영상 스캐닝 디바이스가 증류수를 포함하는 정규화 디바이스(1200)의 구획을 0이 아닌 소정 값의 회색조 값을 갖는 것으로서 등록하면, 시스템은 등록된 값을 0으로 전치하거나 변환하기 위해 알고리즘을 이용할 수 있도록, 0의 회색조 값으로 증류수를 설정하도록 구성된 시스템과 함께 사용될 수 있다. 몇몇 실시예에서, 시스템은 정규화 디바이스(1200)의 구획 내의 특정 물질에 대해 설정된 공지의 값, 및 정규화 디바이스(1200)의 구획(1216) 내의 동일한 물질에 대한 의료 영상 스캐닝 디바이스에 의해 검출/생성된 값에 기초하여 정규화 알고리즘을 생성하도록 구성된다. 몇몇 실시예에서, 정규화 디바이스(1200)는 분석될 의료 영상 데이터를 정규화하기 위해 선형 회귀 모델에 기초하여 정규화 알고리즘을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 분석될 의료 영상 데이터를 정규화하기 위해 비선형 회귀 모델에 기초하여 정규화 알고리즘을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 정규화 디바이스(1200)는 분석될 의료 영상 데이터를 정규화하기 위해, 지수, 로그함수, 다항식, 거듭제곱, 이동 평균 등과 같은 임의의 유형의 모델 또는 모델들에 기초하여 정규화 알고리즘을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 정규화 알고리즘은 2차원 변환을 포함할 수 있다. 몇몇 실시예에서, 정규화 알고리즘은 깊이, 시간 등과 같은 다른 인자를 고려하기 위해 3차원 변환을 포함할 수 있다.
상이한 시간에 상이한 기계 또는 동일한 기계를 사용하여 공지의 물질을 스캔하기 위해 정규화 디바이스(1200)를 사용함으로써, 시스템은 상이한 시간에 다양한 스캐닝 기계 및/또는 동일한 스캐닝 기계를 가로질러 CT 스캔 데이터를 정규화할 수 있다. 몇몇 실시예에서, 본 명세서에 개시된 정규화 디바이스(1200)는 이들에 한정되는 것은 아니지만, x-레이, 초음파, 심장초음파상, 자기 공명(MR), 광 간섭 단층 촬영(OCT), 혈관내 초음파(IVUS) 및/또는 양전자 방출 단층 촬영(PET) 및 단일 광자 방출 컴퓨터 단층 촬영(SPECT)을 포함하는 핵의학 영상을 포함하는 임의의 스캐닝 양식과 함께 사용될 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)는 플라크를 형성하는 하나 이상의 물질(예를 들어, 연구된 변수 샘플(1206)) 및 검사 중에 정맥을 통해 환자에게 제공되는 조영제에 사용되는 하나 이상의 물질을 포함한다(예를 들어, 조영제 샘플(1204)). 몇몇 실시예에서, 구획(1216) 내의 물질은 다양한 농도의 요오드, 다양한 밀도의 칼슘, 다양한 밀도의 비석회화 플라크 물질 또는 등가물, 물, 지방, 혈액 또는 등가 밀도 물질, 철, 요산, 공기, 가돌리늄, 탄탈륨, 텅스텐, 금, 비스무트, 이테르븀 및/또는 다른 물질을 포함한다. 몇몇 실시예에서, AI 알고리즘의 훈련은 정규화 디바이스(1200)의 영상의 밀도와 관련된 데이터에 적어도 부분적으로 기초할 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 어떻게 정규화 디바이스(1200)가 AI 알고리즘의 훈련 동안 거동하거나 하나 이상의 영상에 보여졌는지에 대한 기존 데이터에 액세스하고 그리고/또는 저장할 수 있다. 몇몇 실시예에서, 시스템은 어떻게 정규화 디바이스(1200)가 AI 알고리즘이 적용되는 새로운 또는 현재의 CT 스캔에서 거동하는지와의 차이를 결정하기 위한 기준선으로서 이러한 이전 데이터를 사용할 수 있다. 몇몇 실시예에서, 결정된 차이는 최근에 획득된 영상(들)의 하나 이상의 밀도를 AI 알고리즘의 훈련 동안 획득 및/또는 사용된 하나 이상의 영상으로 보정, 정규화 및/또는 맵핑하는 데 사용될 수 있다.
비한정적인 예로서, 몇몇 실시예에서, 정규화 디바이스(1200)는 칼슘을 포함한다. 예를 들어, AI 알고리즘(들)을 훈련하는 데 사용된 CT 또는 정규화 디바이스(1200)의 칼슘이 300 하운즈필드 단위(HU)의 밀도를 나타내면, 그리고 동일한 칼슘이 새로운 스캔의 하나 이상의 영상에서 600 HU의 밀도를 나타내면, 시스템은, 몇몇 실시예에서, AI 알고리즘을 훈련하는 데 사용된 오래된 CT 영상(들)에 등가이도록 새로운 CT 영상(들)을 정규화하거나 변환하기 위해 모든 칼슘 밀도를 자동으로 절반으로 나누도록 구성될 수도 있다.
몇몇 실시예에서, 전술된 바와 같이, 정규화 디바이스(1200)는 관련될 수도 있는 복수의 또는 모든 물질을 포함하는데, 이는 상이한 물질이 스캔을 가로질러 상이한 양으로 밀도를 변경할 수 있기 때문에 유리할 수 있다. 예를 들어, 칼슘의 밀도가 스캔을 가로질러 2배 변경되면, 지방의 밀도는 동일한 스캔을 가로질러 약 10% 변화될 수도 있다. 이와 같이, 정규화 디바이스(1200)가 예를 들어 플라크, 혈액, 조영제, 및/또는 기타를 구성하는 하나 이상의 물질과 같은 복수의 물질을 포함하는 것이 유리할 수 있다.
전술된 바와 같이, 몇몇 실시예에서, 시스템은, 특정 스캐너 및/또는 대상을 사용하여 정규화 디바이스(1200)의 하나 이상의 동일한 물질로부터 획득된 밀도 판독값 및/또는 CT 영상에 비교하여 기준선 스캐너를 사용하여 정규화 디바이스(1200)의 하나 이상의 물질로부터 획득된 밀도 판독값 및/또는 CT 영상의 변화 또는 차이에 따라 비례적으로 특정 스캐너 및/또는 대상으로부터 획득된 밀도 판독값 및/또는 CT 영상을 정규화, 맵핑, 및/또는 보정하도록 구성될 수 있다. 비한정적인 예로서, 정규화 디바이스(1200)가 칼슘을 포함하는 실시예의 경우, 시스템은 기준선 스캔과 새로운 스캔 사이의 공지의 칼슘 밀도의 동일한 변화, 예를 들어 2배를 새로운 스캔의 모든 다른 모든 칼슘 판독값에 적용하여 판독값을 보정 및/또는 정규화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은, 동일한 기준선 스캐너를 사용하여 대상의 하나 이상의 물질 또는 영역으로부터 획득된 밀도 판독값 및/또는 CT 영상에 비교하여 기준선 스캐너를 사용하여 정규화 디바이스(1200)의 하나 이상의 물질로부터 획득된 밀도 판독값 및/또는 CT 영상 사이의 변화 또는 차이를 평균화함으로써 특정 스캐너 및/또는 대상으로부터 획득된 밀도 판독값 및/또는 CT 영상을 정규화, 맵핑, 및/또는 보정하도록 구성될 수 있다. 비한정적인 예로서, 정규화 디바이스(1200)가 칼슘을 포함하는 실시예의 경우, 시스템은 기준선 스캔 동안 대상 내의 칼슘의 다른 영역과 정규화 디바이스(1200)의 칼슘 사이의 밀도 판독값의 차이 또는 그 비를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 새로운 스캔 동안 대상 내의 칼슘의 다른 영역과 정규화 디바이스(1200)의 칼슘 사이의 밀도 판독값의 차이 또는 그 비를 유사하게 결정하도록 구성될 수 있고; 디바이스로부터의 칼슘의 값을 영상의 다른 부분의 칼슘의 값으로 나누는 것은 조건의 차이가 동일한 방식으로 동일한 물질에 영향을 미칠 수 있기 때문에 임의의 변경을 상쇄할 수 있다.
몇몇 실시예에서, 디바이스는 스캔 파라미터(예를 들어, mA 또는 kVp), 스캐너 내의 x-레이 소스의 유형 및 수(예를 들어, 단일 소스 또는 이중 소스), 스캐너의 시간적 해상도, 스캐너 또는 영상의 공간 해상도, 영상 재구성 방법(적응성 통계적 반복적 재구성, 모델 기반 반복적 재구성, 기계 학습 기반 반복적 재구성 또는 유사한 것); 영상 재구성 방법(상이한 유형의 커널, 후향적 ECG-나선형 연구로부터의 중첩 슬라이스, 전향적 축방향 트리거링된 연구의 비중첩 슬라이스, 고속 피치 나선형 연구 또는 절반 대 전체 스캔 통합 재구성과 같은); 내부 인자(산소, 혈액, 온도 등과 같은)를 고려하는 대조 밀도; 외부 인자(대조 밀도, 농도, 삼투압 농도 및 스캔 중 시간적 변화와 같은)를 고려하는 대조 밀도; 검출 기술(물질, 시준 및 필터링과 같은); 스펙트럼 영상(예를 들어, 물질 기반 분해 및 단일 에너지 영상과 함께 다색, 단색 및 스펙트럼 영상과 같은); 광자 계수; 및/또는 스캐너 브랜드 및 모델을 고려할 것이다.
몇몇 실시예에서, 정규화 디바이스(1200)는 MRI 연구에 적용될 수 있고, 코일의 유형; 위치설정의 배치, 안테나의 수; 코일 요소로부터의 깊이; 영상 획득 유형; 펄스 시퀀스 유형 및 특성; 필드 강도, 구배 강도, 슬루율 및 다른 하드웨어 특성; 자석 공급업체, 브랜드 및 유형; 영상 특성(두께, 매트릭스 크기, 시야, 가속 계수, 재구성 방법 및 특성, 2D, 3D, 4D[시네 영상, 시간 경과에 따른 모든 변화], 시간 해상도, 획득 수, 확산 계수, k-공간을 파퓰레이팅하는 방법); 대조(내인성[산소, 혈액, 온도 등] 및 외인성 유형, 체적, 투여 후 시간적 변화); 정적 또는 움직이는 물질; 정량적 영상(T1 T2 맵핑, ADC, 확산, 위상 대조 등을 포함함); 및/또는 영상 획득 중 의약품의 투여 중 하나 이상을 고려할 수 있다.
몇몇 실시예에서, 정규화 디바이스(1200)는 초음파 연구에 적용될 수 있고, 무엇보다도, 유형 및 기계 브랜드; 변환기 유형 및 주파수; 회색조, 컬러 및 펄스파 도플러; B- 또는 M-모드 도플러 유형; 조영제; 시야; 변환기로부터의 깊이; 펄스파 변형(탄성술 포함), 각도; 영상 특성(두께, 매트릭스 크기, 시야, 가속 계수, 재구성 방법 및 특성, 2D, 3D, 4D[시네 영상, 시간 경과에 따른 모든 변화]); 시간적 해상도; 획득 수; 이득 및/또는 초점 번호 및 장소 중 하나 이상을 고려한다.
몇몇 실시예에서, 정규화 디바이스(1200)는 PET 또는 SPECT와 같은 핵의학 연구에 적용될 수 있고, 무엇보다도, 유형 및 기계 브랜드; PET/CT의 경우 모든 CT가 적용되고; PET/MR의 경우 모든 MR이 적용되고; 대조(방사성 약제 유형, 체적, 투여 후 시간적 변화); 영상 특성(두께, 매트릭스 크기, 시야, 가속 계수, 재구성 방법 및 특성, 2D, 3D, 4D[시네 영상, 시간 경과에 따른 모든 변화]); 시간적 해상도; 획득 수; 이득 및/또는 초점 번호 및 장소 중 하나 이상을 고려한다.
몇몇 실시예에서, 정규화 디바이스는 서로 인접한 상이한 밀도를 갖는 상이한 공지의 물질을 가질 수도 있다. 이는 픽셀의 밀도가 인접 픽셀의 밀도에 영향을 미치고 각각의 개별 픽셀의 밀도에 따른 변화에 영향을 미치는 몇몇 CT 영상에 존재하는 임의의 문제를 해결할 수도 있다. 이 실시예의 일 예는 플라크 픽셀의 밀도에 영향을 미치는 관상 내강의 상이한 대조 밀도이다. 몇몇 실시예에서, 정규화 디바이스는 정량적 CT 영상 분석/측정에 대한 블루밍 아티팩트의 영향을 보정하기 위해 영상 내의 물질/병변의 체적을 정확하게 평가하는 데 도움이 되도록 공지의 물질의 공지의 체적을 포함할 수도 있다. 몇몇 실시예에서, 정규화 디바이스는 공지의 체적 및 공지의 제어 가능한 움직임으로 공지의 물질을 이동시킬 수도 있다. 이는 정량적 CT 영상 분석/측정에 대한 움직임의 영향을 제외하거나 감소시키는 것을 허용할 것이다.
몇몇 실시예에서, 정규화 디바이스의 영상에 공지의 물질을 갖는 것은 동일한 영상으로부터 물질 특정 재구성에 도움이 될 수도 있다. 예를 들어, 다수의 kV/스펙트럼 영상 하드웨어가 필요 없이, 단지 공지의 물질을 디스플레이하기 위해 단지 하나의 영상 세트만을 사용하는 것이 가능할 수 있다.
도 12j는 본 명세서에 설명된 분석과 같은 알고리즘 기반 의료 영상 분석을 위해 의료 영상을 정규화하기 위한 예시적인 방법(1250)을 도시하고 있는 흐름도이다. 정규화 디바이스의 사용은 알고리즘 기반 의료 영상 분석의 정확도를 개선시킬 수 있다. 방법(1250)은 프로세서 및 전자 저장 매체를 포함하는 시스템 상에서 구현되는 컴퓨터 구현 방법일 수 있다. 방법(1250)은 정규화 디바이스가 상이한 조건 하에 캡처된 의료 영상을 정규화하는 데 사용될 수 있다는 것 예시한다. 예를 들어, 블록 1252에서, 대상의 관상 영역 및 정규화 디바이스의 제1 의료 영상이 액세스된다. 제1 의료 영상은 비침습적으로 획득될 수 있다. 정규화 디바이스는 복수의 구획을 포함하는 기판을 포함할 수 있고, 복수의 구획의 각각은 예를 들어 전술된 바와 같이 공지의 물질의 샘플을 보유한다. 블록 1254에서, 대상의 관상 영역 및 정규화 디바이스의 제2 의료 영상이 캡처된다. 제2 의료 영상은 비침습적으로 획득될 수 있다. 방법(1250)은 환자의 관상 영역을 참조하여 설명되었지만, 모든 신체 부분, 모든 시점 및 모든 영상 디바이스에 동일한 원리가 적용되기 때문에, 방법은 또한 혈관만이 아니라 모든 신체 부분에도 또한 적용 가능하다. 이는 형광 투시법 또는 MR 실시간 영상과 같은 "라이브" 유형의 영상도 포함할 수 있다.
점선 내의 부분에 의해 예시된 바와 같이, 제1 의료 영상 및 제2 의료 영상은 이하의 적어도 하나를 포함할 수 있는데: (1) 제1 의료 영상의 캡처와 연관된 하나 이상의 제1 가변 획득 파라미터는 제2 의료 영상의 캡처와 연관된 대응하는 하나 이상의 제2 가변 획득 파라미터와 상이하고, (2) 제1 의료 영상을 캡처하는 데 사용되는 제1 영상 캡처 기술은 제2 의료 영상을 캡처하는 데 사용되는 제2 영상 캡처 기술과 상이하며, (3) 제1 의료 영상의 캡처 동안 사용된 제1 조영제는 제2 의료 영상의 캡처 동안 사용된 제2 조영제와 상이하다.
몇몇 실시예에서, 제1 의료 영상 및 제2 의료 영상은 각각 CT 영상을 포함하고, 하나 이상의 제1 가변 획득 파라미터 및 하나 이상의 제2 가변 획득 파라미터는 킬로볼트(kV), 킬로볼트 피크(kVp), 밀리암페어(mA) 또는 동기 방법 중 하나 이상을 포함한다. 몇몇 실시예에서, 동기 방법은 전향적 축방향 트리거링, 후향적 ECG 나선형 동기, 및 고속 피치 나선형 중 하나를 포함한다. 몇몇 실시예에서, 제1 영상 캡처 기술 및 제2 영상 캡처 기술은 각각 이중 소스 스캐너, 단일 소스 스캐너, 이중 에너지, 단색 에너지, 스펙트럼 CT, 광자 계수, 및 상이한 검출기 물질 중 하나를 포함한다. 몇몇 실시예에서, 제1 조영제 및 제2 조영제는 각각 다양한 농도의 요오드 조영제 또는 비-요오드 조영제 중 하나를 포함한다. 몇몇 실시예에서, 제1 영상 캡처 기술 및 제2 영상 캡처 기술은 각각 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS) 중 하나를 포함한다.
몇몇 실시예에서, 제1 의료 이미저를 캡처하는 제1 의료 이미저는 제2 의료 영상을 캡처하는 제2 의료 영상과는 상이하다. 몇몇 실시예에서, 제1 의료 영상의 대상은 제1 의료 영상의 대상과는 상이하다. 몇몇 실시예에서, 제1 의료 영상의 대상은 제2 의료 영상의 대상과 동일하다. 몇몇 실시예에서, 제1 의료 영상의 대상은 제2 의료 영상의 대상과는 상이하다. 몇몇 실시예에서, 제1 의료 영상의 캡처는 적어도 하루만큼 제2 의료 영상의 캡처로부터 분리된다. 몇몇 실시예에서, 제1 의료 영상의 캡처는 적어도 하루만큼 제2 의료 영상의 캡처로부터 분리된다. 몇몇 실시예에서, 제1 의료 영상의 캡처의 위치는 제2 의료 영상의 캡처의 위치와 지리적으로 분리된다.
이에 따라, 각각의 영상의 대상이 동일하더라도, 2개의 영상 사이에 차이를 유발할 수 있는 상이한 조건 하에서 제1 및 제2 의료 영상이 획득될 수 있는 것은 명백하다. 정규화 디바이스는 이들 차이를 정규화하고 고려하는 데 도움이 될 수 있다.
방법(1250)은 이어서 제1 의료 영상 내의 정규화 디바이스의 영상 파라미터 및 제2 의료 영상 내의 정규화 디바이스의 영상 파라미터가 각각 식별되는 블록 1262 및 1264로 이동한다. 제1 및 제2 의료 영상이 캡처되는 상이한 상황으로 인해, 정규화 디바이스는 각각의 영상에서 상이하게 나타날 수도 있지만, 정규화 디바이스는 동일한 공지의 샘플을 포함한다.
다음에, 블록 1266 및 1268에서, 방법은 제1 의료 영상 내의 정규화 디바이스의 제1 식별된 영상 파라미터에 부분적으로 기초하여 알고리즘 기반 의료 영상 분석을 위한 정규화된 제1 의료 영상을 생성하고 제2 의료 영상 내의 정규화 디바이스의 제2 식별된 영상 파라미터에 부분적으로 기초하여 알고리즘 기반 의료 영상 분석을 위한 정규화된 제2 의료 영상을 각각 생성한다. 이들 블록에서, 각각의 영상은 각각의 영상의 정규화 디바이스의 외관 또는 결정된 파라미터에 기초하여 정규화된다.
몇몇 실시예에서, 알고리즘 기반 의료 영상 분석은 인공 지능 또는 기계 학습 영상 분석 알고리즘을 포함하고, 인공 지능 또는 기계 학습 영상 분석 알고리즘은 정규화 디바이스를 포함하는 영상을 사용하여 훈련되었다.
시스템 개요
몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 도 13에 도시되어 있는 것과 같은 하나 이상의 컴퓨터 시스템의 네트워크를 사용하여 구현된다. 도 13은 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성, 및/또는 환자 보고 생성을 위한 시스템의 실시예(들)를 도시하고 있는 블록도이다.
도 13에 도시되어 있는 바와 같이, 몇몇 실시예에서, 메인 서버 시스템(1302)은 본 명세서에 설명된 하나 이상의 프로세스, 분석 및/또는 기술을 수행하도록 구성되는데, 그 중 일부는 의료 영상 분석, 시각화, 위험 평가, 질환 추적, 치료 생성 및/또는 환자 보고 생성에 관한 것이다. 몇몇 실시예에서, 메인 서버 시스템(1302)은 전자 통신 네트워크(1308)를 통해 하나 이상의 의료 시설 클라이언트 시스템(1304) 및/또는 하나 이상의 사용자 액세스 포인트 시스템(1306)에 연결된다. 예를 들어, 몇몇 실시예에서, 하나 이상의 의료 시설 클라이언트 시스템(1304)은 대상의 의료 시설에서 촬영된 의료 영상에 액세스하도록 구성될 수 있는데, 이는 이어서 추가 분석을 위해 네트워크(1308)를 통해 메인 서버 시스템(1302)으로 전송될 수 있다. 분석 후, 몇몇 실시예에서, 예를 들어 정량화된 플라크 파라미터, 심혈관 이벤트의 평가된 위험, 생성된 보고, 주석이 달린 및/또는 도출된 의료 영상 등과 같은 분석 결과는 네트워크(1308)를 통해 의료 시설 클라이언트 시스템(1304)에 다시 전송될 수 있다. 몇몇 실시예에서, 예를 들어 정량화된 플라크 파라미터, 심혈관 이벤트의 평가된 위험, 생성된 보고, 주석이 달린 및/또는 도출된 의료 영상 등과 같은 분석 결과는 환자 또는 대상의 스마트폰 또는 다른 컴퓨팅 디바이스와 같은 사용자 액세스 포인트 시스템(1306)에 또한 전송될 수 있다. 이와 같이, 몇몇 실시예에서, 환자는 환자의 컴퓨팅 디바이스 상의 의료 영상으로부터 시스템에 의해 생성 및/또는 도출된 환자-특정 보고 및/또는 다른 분석을 뷰잉하고 그리고/또는 액세스하도록 허용될 수 있다.
몇몇 실시예에서, 메인 서버 시스템(1302)은 본 명세서에 설명된 하나 이상의 프로세스, 분석, 및/또는 기술을 수행하기 위한 하나 이상의 모듈 및/또는 데이터베이스를 포함하고 그리고/또는 액세스하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 메인 서버 시스템(1302)은 영상 분석 모듈(1310), 플라크 정량화 모듈(1312), 지방 정량화 모듈(1314), 죽상동맥경화증, 협착증, 및/또는 허혈 분석 모듈(1316), 시각화/GUI 모듈(1318), 위험 평가 모듈(1320), 질환 추적 모듈(1322), 정규화 모듈(1324), 의료 영상 데이터베이스(1326), 파라미터 데이터베이스(1328), 치료 데이터베이스(1330), 환자 보고 데이터베이스(1332), 정규화 디바이스 데이터베이스(1334), 및/또는 기타를 포함할 수 있다.
몇몇 실시예에서, 영상 분석 모듈(1310)은 예를 들어 원시 의료 영상으로부터 혈관 및/또는 플라크 식별과 같은, 영상 분석과 관련하여 본 명세서에 설명된 하나 이상의 프로세스를 수행하도록 구성될 수 있다. 몇몇 실시예에서, 플라크 정량화 모듈(1312)은 예를 들어 원시 의료 영상으로부터 플라크의 방사선 밀도, 체적, 이질성 등과 같은, 정량화된 플라크 파라미터를 도출하거나 생성하는 것과 관련하여 본 명세서에 설명된 하나 이상의 프로세스를 수행하도록 구성될 수 있다. 몇몇 실시예에서, 지방 정량화 모듈(1314)은 예를 들어 원시 의료 영상으로부터 지방의 방사선 밀도, 체적, 이질성 등과 같은, 정량화된 지방 파라미터를 도출하거나 생성하는 것과 관련하여 본 명세서에 설명된 하나 이상의 프로세스를 수행하도록 구성될 수 있다. 몇몇 실시예에서, 죽상동맥경화증, 협착증, 및/또는 허혈 분석 모듈(1316)은 원시 의료 영상으로부터 죽상동맥경화증, 협착증, 및/또는 허혈의 평가 또는 정량화를 분석 및/또는 생성하는 것과 관련하여 본 명세서에 설명된 하나 이상의 프로세스를 수행하도록 구성될 수 있다. 몇몇 실시예에서, 시각화/GUI 모듈(1318)은 예를 들어 원시 의료 영상으로부터 양호 및/또는 불량 플라크의 영역을 식별하는 혈관의 직선화된 뷰와 같은, 하나 이상의 시각화 및/또는 GUI를 도출하거나 생성하는 것과 관련하여 본 명세서에 설명된 하나 이상의 프로세스를 수행하도록 구성될 수 있다. 몇몇 실시예에서, 위험 평가 모듈(1320)은 예를 들어 원시 의료 영상으로부터 심혈관 이벤트 또는 질환과 같은, 위험 평가를 도출하거나 생성하는 것과 관련하여 본 명세서에 설명된 하나 이상의 프로세스를 수행하도록 구성될 수 있다. 몇몇 실시예에서, 질환 추적 모듈(1322)은 예를 들어 원시 의료 영상으로부터 죽상동맥경화증, 협착증, 허혈 등과 같은 플라크 기반 질환을 추적하는 것과 관련하여 본 명세서에 설명된 하나 이상의 프로세스를 수행하도록 구성될 수 있다. 몇몇 실시예에서, 정규화 모듈(1324)은, 예를 들어 추가 처리 및/또는 분석을 위해 공지의 물질을 포함하는 정규화 디바이스의 의료 영상에 기초하여 의료 영상을 정규화 및/또는 번역하는 것과 관련하여 본 명세서에 설명된 하나 이상의 프로세스를 수행하도록 구성될 수 있다.
몇몇 실시예에서, 의료 영상 데이터베이스(1326)는 본 명세서에 설명된 다양한 분석 기술 및 프로세스 중 하나 이상에 사용되는 하나 이상의 의료 영상을 포함할 수 있다. 몇몇 실시예에서, 파라미터 데이터베이스(1328)는, 예를 들어 하나 이상의 혈관 형태 파라미터, 정량화된 플라크 파라미터, 정량화된 지방 파라미터 등과 같은, 시스템에 의해 원시 의료 영상으로부터 도출된 하나 이상의 파라미터를 포함할 수 있다. 몇몇 실시예에서, 치료 데이터베이스(1328)는 시스템에 의해 원시 의료 영상으로부터 도출된 하나 이상의 추천 치료를 포함할 수 있다. 몇몇 실시예에서, 환자 보고 데이터베이스(1332)는 시스템에 의해 원시 의료 영상으로부터 도출된 하나 이상의 환자-특정 보고 및/또는 의료 영상 분석 결과에 기초하여 환자-특정 보고를 생성하는 데 사용될 수 있는 그 하나 이상의 구성요소를 포함할 수 있다. 몇몇 실시예에서, 정규화 데이터베이스(1334)는 다양한 의료 영상을 정규화하는 하나 이상의 이력 데이터 포인트 및/또는 데이터세트 및/또는 특정 유형의 의료 영상 스캐너 및/또는 이들 영상을 획득하는 데 사용되는 특정 스캔 파라미터, 뿐만 아니라 상이한 의료 영상을 위한 이전에 사용된 정규화 변수 및/또는 번역을 포함할 수 있다.
컴퓨터 시스템
몇몇 실시예에서, 본 명세서에 설명된 시스템, 프로세스 및 방법은 도 14에 도시되어 있는 것과 같은 컴퓨팅 시스템을 사용하여 구현된다. 예시적인 컴퓨터 시스템(1402)은 하나 이상의 네트워크(1418)를 통해 하나 이상의 컴퓨팅 시스템(1420) 및/또는 하나 이상의 데이터 소스(1422)와 통신한다. 도 14는 컴퓨팅 시스템(1402)의 실시예를 도시하고 있지만, 컴퓨터 시스템(1402)의 구성요소 및 모듈에 제공된 기능은 더 적은 수의 구성요소 및 모듈로 조합되거나 부가의 구성요소 및 모듈로 더 분리될 수도 있다는 것이 인식된다.
컴퓨터 시스템(1402)은 본 명세서에 설명된 기능, 방법, 동작 및/또는 프로세스를 수행하는 의료 분석, 위험 평가 및 추적 모듈(1414)을 포함할 수 있다. 의료 분석, 위험 평가 및 추적 모듈(1414)은 아래에서 더 설명되는 중앙 처리 유닛(1406)에 의해 컴퓨터 시스템(1402)에서 실행된다.
일반적으로, 본 명세서에 사용될 때, 단어 "모듈"은 하드웨어나 펌웨어로 구현된 로직 또는 진입점 및 진출점을 갖는 소프트웨어 명령의 모음을 칭한다. 모듈은 JAVA, C 또는 C++, PYPHON 등과 같은 프로그램 언어로 기입된다. 소프트웨어 모듈은 실행 가능한 프로그램으로 컴파일링되거나 링크되고, 동적 링크 라이브러리에 설치될 수도 있거나, 또는 BASIC, PERL, LUA 또는 Python과 같은 해석된 언어로 기입될 수도 있다. 소프트웨어 모듈은 다른 모듈로부터 또는 자체로부터 호출될 수도 있고, 그리고/또는 검출된 이벤트 또는 중단에 응답하여 호출될 수도 있다. 하드웨어로 구현된 모듈은 게이트 및 플립플롭과 같은 연결된 로직 유닛을 포함하고 그리고/또는 프로그램 가능 게이트 어레이 또는 프로세서와 같은 프로그램 가능 유닛을 포함할 수도 있다.
일반적으로, 본 명세서에 설명하는 모듈은 물리적 편성 또는 저장에도 불구하고 다른 모듈과 조합되거나 하위 모듈로 분할될 수도 있는 로직 모듈을 칭한다. 모듈은 하나 이상의 컴퓨팅 시스템에 의해 실행되고, 임의의 적합한 컴퓨터 판독 가능 매체 상에 또는 내에 저장될 수도 있거나, 특수 설계된 하드웨어 또는 펌웨어 내에서 전체적으로 또는 부분적으로 구현될 수도 있다. 모든 계산, 분석 및/또는 최적화가 컴퓨터 시스템의 사용을 필요로 하는 것은 아니지만, 임의의 전술된 방법, 계산, 프로세스 또는 분석은 컴퓨터의 사용을 통해 용이하게 될 수도 있다. 또한, 몇몇 실시예에서, 본 명세서에 설명된 프로세스 블록은 변경, 재배열, 조합 및/또는 생략될 수도 있다.
컴퓨터 시스템(1402)은 마이크로프로세서를 포함할 수도 있는 하나 이상의 처리 유닛(CPU)(1406)을 포함한다. 컴퓨터 시스템(1402)은 정보의 임시 저장을 위한 랜덤 액세스 메모리(RAM), 정보의 영구 저장을 위한 판독 전용 메모리(ROM), 및 백업 저장소, 하드 드라이브, 회전 자기 디스크, 솔리드 스테이트 디스크(SSD), 플래시 메모리, 상 변화 메모리(PCM), 3D XPoint 메모리, 디스켓 또는 광학 매체 저장 디바이스와 같은 대용량 저장 디바이스(1404)와 같은 물리적 메모리(1410)를 더 포함한다. 대안적으로, 대용량 저장 디바이스는 서버의 어레이로 구현될 수도 있다. 일반적으로, 컴퓨터 시스템(1402)의 구성요소는 표준 기반 버스 시스템을 사용하여 컴퓨터에 연결된다. 버스 시스템은 주변 장치 상호접속(PCI), 마이크로 채널, SCSI, 산업 표준 아키텍처(ISA) 및 확장형 ISA(EISA) 아키텍처와 같은 다양한 프로토콜을 사용하여 구현될 수 있다.
컴퓨터 시스템(1402)은 키보드, 마우스, 터치패드 및 프린터와 같은 하나 이상의 입출력(I/O) 디바이스 및 인터페이스(1412)를 포함한다. I/O 디바이스 및 인터페이스(1412)는 사용자로의 데이터의 시각적 제시를 허용하는 모니터와 같은 하나 이상의 디스플레이 디바이스를 포함할 수 있다. 더 구체적으로, 디스플레이 디바이스는 예를 들어 애플리케이션 소프트웨어 데이터로서의 GUI의 제시 및 멀티미디어 제시를 제공한다. I/O 디바이스 및 인터페이스(1412)는 또한 다양한 외부 디바이스에 대한 통신 인터페이스를 제공할 수 있다. 컴퓨터 시스템(1402)은 예를 들어 스피커, 비디오 카드, 그래픽 가속기, 및 마이크로폰과 같은 하나 이상의 멀티미디어 디바이스(1408)를 포함할 수도 있다.
컴퓨터 시스템(1402)은 서버, Windows 서버, 구조 쿼리 언어 서버, Unix 서버, 퍼스널 컴퓨터, 랩탑 컴퓨터 등과 같은 다양한 컴퓨팅 디바이스에서 실행될 수도 있다. 다른 실시예에서, 컴퓨터 시스템(1402)은 클러스터 컴퓨터 시스템, 메인프레임 컴퓨터 시스템 및/또는 대규모 데이터베이스를 제어 및/또는 통신하고, 대용량 트랜잭션 처리를 수행하고, 대규모 데이터베이스로부터 보고를 생성하기에 적합한 다른 컴퓨팅 시스템에서 실행될 수도 있다. 컴퓨팅 시스템(1402)은 일반적으로 z/OS, Windows, Linux, UNIX, BSD, SunOS, Solaris, MacOS 또는 전용 운영 체제를 포함하는 다른 호환 가능한 운영 체제와 같은 운영 체제 소프트웨어에 의해 제어 및 조절된다. 운영 체제는 무엇보다도, 실행을 위해 컴퓨터 프로세스를 제어 및 스케쥴링하고, 메모리 관리를 수행하고, 파일 시스템, 네트워킹 및 I/O 서비스를 제공하고, 그래픽 사용자 인터페이스(GUI)와 같은 사용자 인터페이스를 제공한다.
도 14에 도시되어 있는 컴퓨터 시스템(1402)은 통신 링크(1416)(유선, 무선, 또는 그 조합)를 통해 LAN, WAN 또는 인터넷과 같은 네트워크(1418)에 결합된다. 네트워크(1418)는 다양한 컴퓨팅 디바이스 및/또는 다른 전자 디바이스와 통신한다. 네트워크(1418)는 하나 이상의 컴퓨팅 시스템(1420) 및 하나 이상의 데이터 소스(1422)와 통신하고 있다. 의료 분석, 위험 평가 및 추적 모듈(1414)은 웹 가능 사용자 액세스 포인트를 통해 컴퓨팅 시스템(1420) 및/또는 데이터 소스(1422)에 액세스할 수도 있거나 액세스될 수도 있다. 연결은 직접 물리적 연결, 가상 연결 및 다른 연결 유형일 수도 있다. 웹 가능 사용자 액세스 포인트는 데이터를 제시하고 네트워크(1418)를 통해 데이터와 상호작용을 허용하는 텍스트, 그래픽, 오디오, 비디오 및 다른 미디어를 사용하는 브라우저 모듈을 포함할 수도 있다.
컴퓨팅 시스템(1420) 및/또는 데이터 소스(1422)에 의한 컴퓨터 시스템(1402)의 의료 분석, 위험 평가 및 추적 모듈(1414)에 대한 액세스는 컴퓨팅 시스템(1420) 또는 데이터 소스(1422), 퍼스널 컴퓨터, 휴대폰, 스마트폰, 랩탑, 태블릿 컴퓨터, e-리더 디바이스, 오디오 플레이어 또는 네트워크(1418)에 연결이 가능한 다른 디바이스와 같은 웹 가능 사용자 액세스 포인트를 통해 이루어질 수도 있다. 이러한 디바이스는 데이터를 제시하고 네트워크(1418)를 통해 데이터와 상호작용을 허용하는 텍스트, 그래픽, 오디오, 비디오 및 다른 미디어를 사용하는 모듈로서 구현되는 브라우저 모듈을 가질 수도 있다.
출력 모듈은 음극선관(CRT), 액정 디스플레이(LCD), 플라즈마 디스플레이, 또는 다른 유형 및/또는 조합의 디스플레이와 같은 전점 어드레스 가능 디스플레이의 조합으로서 구현될 수도 있다. 출력 모듈은 입력 디바이스(1412)와 통신하도록 구현될 수도 있고, 이들은 사용자가 메뉴, 윈도우, 대화 박스, 툴바 및 컨트롤(예를 들어, 라디오 버튼, 체크 박스, 슬라이딩 스케일 등)과 같은 양식화된 스크린 요소의 사용을 통해 데이터에 액세스할 수 있게 하는 적절한 인터페이스를 갖는 소프트웨어를 또한 포함한다. 더욱이, 출력 모듈은 입력 및 출력 디바이스의 세트와 통신하여 사용자로부터 신호를 수신할 수도 있다.
입력 디바이스(들)는 키보드, 롤러 볼, 펜 및 스타일러스, 마우스, 트랙볼, 음성 인식 시스템, 또는 미리 지정된 스위치 또는 버튼을 포함할 수도 있다. 출력 디바이스(들)는 스피커, 디스플레이 스크린, 프린터 또는 음성 합성기를 포함할 수도 있다. 게다가, 터치스크린은 하이브리드 입출력 디바이스로 작용할 수도 있다. 다른 실시예에서, 사용자는 인터넷, WAN, LAN, 또는 유사한 네트워크를 통한 통신 없이 스코어 생성기에 연결된 시스템 터미널을 통해서와 같이 시스템과 더 직접적으로 상호작용할 수도 있다.
몇몇 실시예에서, 시스템(1402)은 실시간으로 대화형 데이터 및 데이터베이스를 온라인으로 업로드, 다운로드 또는 뷰잉하기 위한 명시적 목적을 위해 원격 마이크로프로세서와 메인프레임 호스트 컴퓨터 사이에 설정된 물리적 또는 논리적 연결을 포함할 수도 있다. 원격 마이크로프로세서는 클라이언트 서버 시스템 또는 메인 서버 시스템을 포함하는 컴퓨터 시스템(1402)을 동작하는 엔티티에 의해 동작될 수도 있고 그리고/또는 하나 이상의 데이터 소스(1422) 및/또는 하나 이상의 컴퓨팅 시스템(1420)에 의해 동작될 수도 있다. 몇몇 실시예에서, 터미널 에뮬레이션 소프트웨어가 마이크로-메인프레임 링크에 참여하기 위해 마이크로프로세서에서 사용될 수도 있다.
몇몇 실시예에서, 컴퓨터 시스템(1402)을 동작하는 엔티티 내부에 있는 컴퓨팅 시스템(1420)은 CPU(1406)에 의해 실행되는 애플리케이션 또는 프로세스로서 내부적으로 의료 분석, 위험 평가 및 추적 모듈(1414)에 액세스할 수도 있다.
컴퓨팅 시스템(1402)은 하나 이상의 내부 및/또는 외부 데이터 소스(예를 들어, 데이터 소스(1422))를 포함할 수도 있다. 몇몇 실시예에서, 전술된 데이터 저장소 및 데이터 소스 중 하나 이상은 DB2, Sybase, Oracle, CodeBase 및 Microsoft® SQL Server과 같은 관계형 데이터베이스 뿐만 아니라 플랫 파일 데이터베이스, 엔티티 관계 데이터베이스, 객체 지향 데이터베이스 및/또는 레코드 기반 데이터베이스와 같은 다른 유형의 데이터베이스를 사용하여 구현될 수도 있다.
컴퓨터 시스템(1402)은 또한 하나 이상의 데이터베이스(1422)에 액세스할 수도 있다. 데이터베이스(1422)는 데이터베이스 또는 데이터 저장소에 저장될 수도 있다. 컴퓨터 시스템(1402)은 네트워크(1418)를 통해 하나 이상의 데이터베이스(1422)에 액세스할 수도 있거나 I/O 디바이스 및 인터페이스(1412)를 통해 데이터베이스 또는 데이터 저장소에 직접 액세스할 수도 있다. 하나 이상의 데이터베이스(1422)를 저장하는 데이터 저장소는 컴퓨터 시스템(1402) 내에 상주할 수도 있다.
몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스의 하나 이상의 특징은 예를 들어 데이터 또는 사용자 정보를 저장 및/또는 전송하기 위해 URL 및/또는 쿠키를 이용할 수 있다. 유니폼 리소스 로케이터(URL)는 웹 어드레스 및/또는 데이터베이스 및/또는 서버에 저장된 웹 리소스에 대한 참조를 포함할 수 있다. URL은 컴퓨터 및/또는 컴퓨터 네트워크에서 리소스의 위치를 지정할 수 있다. URL은 네트워크 리소스를 검색하는 메커니즘을 포함할 수 있다. 네트워크 리소스의 소스는 URL을 수신하고, 웹 리소스의 위치를 식별하고, 웹 리소스를 요청자에게 다시 전송할 수 있다. URL은 IP 어드레스로 변환될 수 있고, 도메인 이름 시스템(DNS)은 URL과 그 대응 IP 어드레스를 조회할 수 있다. URL은 웹 페이지, 파일 전송, 이메일, 데이터베이스 액세스 및 다른 애플리케이션에 대한 참조일 수 있다. URL은 경로, 도메인 이름, 파일 확장자, 호스트 이름, 쿼리, 단편, 체계, 프로토콜 식별자, 포트 번호, 사용자 이름, 패스워드, 플래그, 객체, 리소스 이름, 및/또는 기타를 식별하는 문자열을 포함할 수 있다. 본 명세서에 개시된 시스템은 URL에 대한 액션을 생성, 수신, 전송, 적용, 파싱, 직렬화, 렌더링 및/또는 수행할 수 있다.
HTTP 쿠키, 웹 쿠키, 인터넷 쿠키 및 브라우저 쿠키라고도 또한 칭하는 쿠키는 웹사이트로부터 송신되고 그리고/또는 사용자의 컴퓨터에 저장된 데이터를 포함할 수 있다. 이 데이터는 사용자가 브라우징하는 동안 사용자의 웹 브라우저에 의해 저장될 수 있다. 쿠키는 웹사이트가 온라인 상점의 장바구니, 버튼의 클릭, 로그인 정보 및/또는 과거에 방문한 웹 페이지 또는 네트워크 리소스의 기록과 같은 이전 브라우징 정보를 기억하게 하는 데 유용한 정보를 포함할 수 있다. 쿠키는 이름, 어드레스, 패스워드, 신용카드 정보 등과 같은, 사용자가 입력하는 정보를 또한 포함할 수 있다. 쿠키는 또한 컴퓨터 기능을 수행할 수 있다. 예를 들어, 인증 쿠키는 사용자가 이미 로그인(예를 들어, 웹사이트에)했는지 여부를 식별하기 위해 애플리케이션(예를 들어, 웹 브라우저)에 의해 사용될 수 있다. 쿠키 데이터는 소비자에 대한 보안을 제공하기 위해 암호화될 수 있다. 추적 쿠키는 개인의 이력 브라우징 기록을 컴파일링하는 데 사용될 수 있다. 본 명세서에 개시된 시스템은 개인의 데이터에 액세스하기 위해 쿠키를 생성하고 사용할 수 있다. 시스템은 또한 진정성 정보를 저장하기 위한 JSON 웹 토큰, 인증 프로토콜로서의 HTTP 인증, 세션 또는 아이덴티티 정보를 추적하기 위한 IP 어드레스, URL 등을 생성하고 사용할 수 있다.
예시적인 실시예
이하는 관상 플라크를 특성화하는 시스템 및 방법의 특정 실시예의 비한정적인 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
실시예 1: 비침습적 의료 영상 분석에 기초하여 대상의 관상 영역 내의 관상 플라크를 정량화하고 분류하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 관상 동맥 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 하나 이상의 관상 동맥을 식별하는 단계로서, 관상 동맥 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 플라크 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 식별된 하나 이상의 관상 동맥 내의 플라크의 하나 이상의 영역을 식별하는 단계로서, 플라크 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 플라크의 하나 이상의 식별된 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 결정하는 단계로서, 정량화된 플라크 파라미터의 세트는 의료 영상 내의 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터의 가중 측정치 및 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트를 생성하는 단계; 및 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 결정된 세트의 생성된 가중 측정치에 적어도 부분적으로 기초하여 의료 영상 내의 플라크의 하나 이상의 영역을 안정 플라크 또는 불안정 플라크로서 분류하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 2: 실시예 1에 있어서, 관상 동맥 식별 알고리즘 또는 플라크 식별 알고리즘 중 하나 이상은 인공 지능 또는 기계 학습 알고리즘을 포함하는, 컴퓨터 구현 방법.
실시예 3: 실시예 1 또는 2 중 어느 하나에 있어서, 플라크 식별 알고리즘은 하나 이상의 관상 동맥의 혈관 벽과 내강 벽을 결정하고 혈관 벽과 내강 벽 사이의 체적을 하나 이상의 플라크의 영역으로서 결정함으로써 플라크의 하나 이상의 영역을 결정하도록 구성되는, 컴퓨터 구현 방법.
실시예 4: 실시예 1 내지 3 중 어느 하나에 있어서, 하나 이상의 관상 동맥은 크기에 의해 식별되는, 컴퓨터 구현 방법.
실시예 5: 실시예 1 내지 4 중 어느 하나에 있어서, 미리 결정된 임계값 미만의 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비는 안정 플라크를 나타내는, 컴퓨터 구현 방법.
실시예 6: 실시예 1 내지 5 중 어느 하나에 있어서, 미리 결정된 임계값을 초과하는 플라크의 하나 이상의 영역의 방사선 밀도는 안정 플라크를 나타내는, 컴퓨터 구현 방법.
실시예 7: 실시예 1 내지 6 중 어느 하나에 있어서, 미리 결정된 임계값 미만인 플라크의 하나 이상의 영역의 이질성은 안정 플라크를 나타내는, 컴퓨터 구현 방법.
실시예 8: 실시예 1 내지 7 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 플라크의 하나 이상의 영역의 확산율을 더 포함하는, 컴퓨터 구현 방법.
실시예 9: 실시예 1 내지 8 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 플라크의 하나 이상의 영역의 체적에 대한 방사선 밀도의 비를 더 포함하는, 컴퓨터 구현 방법.
실시예 10: 실시예 1 내지 9 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 분류된 플라크의 하나 이상의 영역에 적어도 부분적으로 기초하여 대상에 대한 제안된 치료를 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 11: 실시예 1 내지 10 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 분류된 플라크의 하나 이상의 영역에 적어도 부분적으로 기초하여 죽상동맥경화증, 협착증 또는 허혈 중 하나 이상에 대한 대상의 평가를 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 12: 실시예 1 내지 11 중 어느 하나에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 13: 실시예 12에 있어서, 의료 영상은 비조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 14: 실시예 12에 있어서, 의료 영상은 조영 증강 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 15: 실시예 1 내지 11 중 어느 하나에 있어서, 의료 영상은 자기 공명(MR) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 16: 실시예 1 내지 11 중 어느 하나에 있어서, 의료 영상은 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS) 중 하나 이상을 포함하는 영상 기술을 사용하여 획득되는, 컴퓨터 구현 방법.
실시예 17: 실시예 1 내지 16 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역의 기하학적 형상을 가로지르는 방사선 밀도 값의 3차원 막대 그래프를 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 18: 실시예 1 내지 17 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역을 가로지르는 방사선 밀도 값의 공간 맵핑을 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 19: 실시예 1 내지 18 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 상이한 방사선 밀도 값을 포함하는 플라크의 백분율 조성을 포함하는, 컴퓨터 구현 방법.
실시예 20: 실시예 1 내지 19 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 플라크의 체적의 함수로서 상이한 방사선 밀도 값을 포함하는 플라크의 백분율 조성을 포함하는, 컴퓨터 구현 방법.
실시예 21: 실시예 1 내지 20 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 기하학 형상은 둥근형 또는 장방형 형상을 포함하는, 컴퓨터 구현 방법.
실시예 22: 실시예 1 내지 21 중 어느 하나에 있어서, 하나 이상의 혈관 형태 파라미터는 동맥 리모델링의 분류를 포함하는, 컴퓨터 구현 방법.
실시예 23: 실시예 22에 있어서, 동맥 리모델링의 분류는 양성 동맥 리모델링, 음성 동맥 리모델링 및 중간 동맥 리모델링을 포함하는, 컴퓨터 구현 방법.
실시예 24: 실시예 22에 있어서, 동맥 리모델링의 분류는 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비에 적어도 부분적으로 기초하여 결정되는, 컴퓨터 구현 방법.
실시예 25: 실시예 23에 있어서, 동맥 리모델링의 분류는 양성 동맥 리모델링, 음성 동맥 리모델링 및 중간 동맥 리모델링을 포함하고, 양성 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비가 1.1 초과일 때 결정되고, 음성 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비가 0.95 미만일 때 결정되고, 중간 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서의 최대 혈관 직경의 비가 0.95 내지 1.1일 때 결정되는, 컴퓨터 구현 방법.
실시예 26: 실시예 1 내지 25 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 표면적에 대한 체적의 함수는 플라크의 하나 이상의 영역의 두께 또는 직경 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 27: 실시예 1 내지 26 중 어느 하나에 있어서, 가중 측정치는 플라크의 하나 이상의 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 동등하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 28: 실시예 1 내지 26 중 어느 하나에 있어서, 가중 측정치는 플라크의 하나 이상의 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 상이하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 29: 실시예 1 내지 26 중 어느 하나에 있어서, 가중 측정치는 플라크의 하나 이상의 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 로그함수적으로, 대수적으로, 또는 다른 수학적 변환을 이용하여 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 30: 비침습적 의료 영상 분석에 기초하여 혈관 플라크를 정량화하고 분류하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 의료 영상에 액세스하는 단계로서, 대상의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 동맥 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 의료 영상 내의 하나 이상의 동맥을 식별하는 단계로서, 동맥 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 플라크 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 의료 영상으로부터 식별된 하나 이상의 동맥 내의 플라크의 하나 이상의 영역을 식별하는 단계로서, 플라크 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 컴퓨터 시스템에 의해, 대상의 의료 영상으로부터 플라크의 하나 이상의 식별된 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 결정하는 단계로서, 정량화된 플라크 파라미터의 세트는 의료 영상으로부터 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터의 가중 측정치 및 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트를 생성하는 단계; 및 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 및 정량화된 플라크 파라미터의 결정된 세트의 생성된 가중 측정치에 적어도 부분적으로 기초하여 의료 영상 내의 플라크의 하나 이상의 영역을 안정 플라크 또는 불안정 플라크로서 분류하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 31: 실시예 30에 있어서, 식별된 하나 이상의 동맥은 경동맥, 대동맥, 신장 동맥, 하지 동맥, 또는 대뇌 동맥 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 32: 비조영 컴퓨터 단층 촬영(CT) 영상으로부터 비석회화 플라크를 결정하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 관상 영역의 비조영 CT 영상에 액세스하는 단계; 컴퓨터 시스템에 의해, 비조영 CT 영상에서 심장외막 지방을 식별하는 단계; 컴퓨터 시스템에 의해, 동맥의 외부 경계로서 식별된 심장외막 지방을 사용하여 비조영 CT 영상에서 동맥을 세그먼트화하는 단계; 컴퓨터 시스템에 의해, 미리 결정된 방사선 밀도 임계값 미만의 하운즈필드 단위 방사선 밀도 값을 포함하는 비조영 CT 영상 상의 동맥 내의 픽셀의 제1 세트를 식별하는 단계; 컴퓨터 시스템에 의해, 픽셀의 제1 세트를 비석회화 플라크의 제1 서브세트로서 분류하는 단계; 컴퓨터 시스템에 의해, 미리 결정된 방사선 밀도 범위 내의 하운즈필드 단위 방사선 밀도 값을 포함하는 비조영 CT 영상 상의 동맥 내의 픽셀의 제2 세트를 식별하는 단계; 컴퓨터 시스템에 의해, 픽셀의 제2 세트의 이질성 지수를 결정하고, 이질성 지수 임계값 초과의 이질성 지수를 포함하는 픽셀의 제2 세트의 서브세트를 식별하는 단계; 컴퓨터 시스템에 의해, 픽셀의 제2 세트의 서브세트를 비석회화 플라크의 제2 서브세트로서 분류하는 단계; 및 컴퓨터 시스템에 의해, 비석회화 플라크의 제1 서브세트와 비석회화 플라크의 제2 서브세트를 조합함으로써 비조영 CT 영상으로부터 비석회화 플라크를 결정하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 33: 실시예 32에 있어서, 미리 결정된 방사선 밀도 임계값은 30의 하운즈필드 단위 방사선 밀도 값을 포함하는, 컴퓨터 구현 방법.
실시예 34: 실시예 32 내지 33 중 어느 하나에 있어서, 미리 결정된 방사선 밀도 범위는 30 내지 100의 하운즈필드 단위 방사선 밀도 값을 포함하는, 컴퓨터 구현 방법.
실시예 35: 실시예 32 내지 34 중 어느 하나에 있어서, 비조영 CT 영상에서 심장외막 지방을 식별하는 단계는: 비조영 CT 영상 내의 각각의 픽셀의 하운즈필드 단위 방사선 밀도 값을 결정하는 단계; 및 미리 결정된 심장외막 지방 방사선 밀도 범위 내의 하운즈필드 단위 방사선 밀도 값을 갖는 비조영 CT 영상 내의 심장외막 지방 픽셀로서 분류하는 단계를 더 포함하고, 미리 결정된 심장외막 지방 방사선 밀도 범위는 -100의 하운즈필드 단위 방사선 밀도 값을 포함하는, 컴퓨터 구현 방법.
실시예 36: 실시예 32 내지 35 중 어느 하나에 있어서, 픽셀의 제2 세트의 이질성 지수는 픽셀의 제2 세트의 방사선 밀도 값의 공간 맵핑을 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 37: 실시예 32 내지 36 중 어느 하나에 있어서, 픽셀의 제2 세트의 이질성 지수는 픽셀의 제2 세트 내의 기하학 영역을 가로지르는 방사선 밀도 값의 3차원 막대 그래프를 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 38: 실시예 32 내지 37 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 이질성 지수 임계값 미만의 이질성 지수를 포함하는 픽셀의 제2 세트의 서브세트를 혈액으로서 분류하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 39: 실시예 32 내지 38 중 어느 하나에 있어서, 식별된 심장외막 지방에 제1 컬러를 할당하고, 세그먼트화된 동맥에 제2 컬러를 할당하고, 결정된 비석회화 플라크에 제3 컬러를 할당함으로써 대상의 관상 영역의 양자화된 컬러 맵을 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 40: 실시예 32 내지 39 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 미리 결정된 석회화 방사선 밀도 임계값 초과의 하운즈필드 단위 방사선 밀도 값을 포함하는 비조영 CT 영상 상의 동맥 내의 픽셀의 제3 세트를 식별하는 단계; 및 컴퓨터 시스템에 의해, 픽셀의 제3 세트를 석회화된 플라크로서 분류하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 41: 실시예 32 내지 40 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 결정된 비석회화 플라크에 적어도 부분적으로 기초하여 제안된 치료를 결정하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 42: 대상의 의료 영상으로부터 저감쇠 플라크를 결정하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 의료 영상에 액세스하는 단계; 컴퓨터 시스템에 의해, 대상의 의료 영상 내의 각각의 픽셀의 방사선 밀도 값을 결정하고; 미리 결정된 심장외막 지방 방사선 밀도 범위 내의 방사선 밀도 값을 갖는 대상의 의료 영상 내의 심장외막 지방 픽셀로서 분류함으로써 대상의 의료 영상에서 심장외막 지방을 식별하는 단계; 컴퓨터 시스템에 의해, 동맥의 외부 경계로서 식별된 심장외막 지방을 사용하여 대상의 의료 영상에서 동맥을 세그먼트화하는 단계; 컴퓨터 시스템에 의해, 미리 결정된 방사선 밀도 임계값 미만의 방사선 밀도 값을 포함하는 대상의 의료 영상 상의 동맥 내의 픽셀의 제1 세트를 식별하는 단계; 컴퓨터 시스템에 의해, 픽셀의 제1 세트를 저감쇠 플라크의 제1 서브세트로서 분류하는 단계; 컴퓨터 시스템에 의해, 미리 결정된 방사선 밀도 범위 내의 방사선 밀도 값을 포함하는 비조영 CT 영상 상의 동맥 내의 픽셀의 제2 세트를 식별하는 단계; 컴퓨터 시스템에 의해, 픽셀의 제2 세트의 이질성 지수를 결정하고, 이질성 지수 임계값 초과의 이질성 지수를 포함하는 픽셀의 제2 세트의 서브세트를 식별하는 단계; 컴퓨터 시스템에 의해, 픽셀의 제2 세트의 서브세트를 저감쇠 플라크의 제2 서브세트로서 분류하는 단계; 및 컴퓨터 시스템에 의해, 저감쇠 플라크의 제1 서브세트와 저감쇠 플라크의 제2 서브세트를 조합함으로써 대상의 의료 영상으로부터 저감쇠 플라크를 결정하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 43: 실시예 42에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 44: 실시예 42에 있어서, 의료 영상은 자기 공명(MR) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 45: 실시예 42에 있어서, 의료 영상은 초음파 영상을 포함하는, 컴퓨터 구현 방법.
실시예 46: 실시예 42 내지 45 중 어느 하나에 있어서, 의료 영상은 대상의 관상 영역의 영상을 포함하는, 컴퓨터 구현 방법.
실시예 47: 실시예 42 내지 46 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 결정된 저감쇠 플라크에 적어도 부분적으로 기초하여 질환을 위한 제안된 치료를 결정하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 48: 실시예 47에 있어서, 질환은 동맥 질환, 신장 동맥 질환, 복부 죽상동맥경화증, 또는 경동맥 죽상동맥경화증 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 49: 실시예 42 내지 48 중 어느 하나에 있어서, 픽셀의 제2 세트의 이질성 지수는 픽셀의 제2 세트의 방사선 밀도 값의 공간 맵핑을 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 50: 이중 에너지 컴퓨터 단층 촬영(DECT) 영상 또는 스펙트럼 컴퓨터 단층 촬영(CT) 영상으로부터 비석회화 플라크를 결정하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 관상 영역의 DECT 또는 스펙트럼 CT 영상에 액세스하는 단계; 컴퓨터 시스템에 의해, DECT 영상 또는 스펙트럼 CT에서 심장외막 지방을 식별하는 단계; 컴퓨터 시스템에 의해, DECT 영상 또는 스펙트럼 CT의 동맥을 세그먼트화하는 단계; 컴퓨터 시스템에 의해, 미리 결정된 방사선 밀도 임계값 미만의 하운즈필드 단위 방사선 밀도 값을 포함하는 DECT 또는 스펙트럼 CT 영상 상의 동맥 내의 픽셀의 제1 세트를 식별하는 단계; 컴퓨터 시스템에 의해, 픽셀의 제1 세트를 비석회화 플라크의 제1 서브세트로서 분류하는 단계; 컴퓨터 시스템에 의해, 미리 결정된 방사선 밀도 범위 내의 하운즈필드 단위 방사선 밀도 값을 포함하는 DECT 또는 스펙트럼 CT 영상 상의 동맥 내의 픽셀의 제2 세트를 식별하는 단계; 컴퓨터 시스템에 의해, 픽셀의 제2 세트의 서브세트를 비석회화 플라크의 제2 서브세트로서 분류하는 단계; 및 컴퓨터 시스템에 의해, 비석회화 플라크의 제1 서브세트와 비석회화 플라크의 제2 서브세트를 조합함으로써 DECT 영상 또는 스펙트럼 CT로부터 비석회화 플라크를 결정하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 51: 실시예 50에 있어서, 픽셀의 제2 세트의 서브세트는 컴퓨터 시스템에 의해, 픽셀의 제2 세트의 이질성 지수를 결정하고, 이질성 지수 임계값 초과의 이질성 지수를 포함하는 픽셀의 제2 세트의 서브세트를 식별함으로써 식별되는, 컴퓨터 구현 방법.
실시예 52: 비침습적 의료 영상 분석에 기초하여 대상에 대한 심혈관 이벤트의 위험을 평가하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 관상 동맥 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 하나 이상의 관상 동맥을 식별하는 단계로서, 관상 동맥 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 플라크 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 식별된 하나 이상의 관상 동맥 내의 플라크의 하나 이상의 영역을 식별하는 단계로서, 플라크 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 플라크의 하나 이상의 식별된 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 결정하는 단계로서, 정량화된 플라크 파라미터의 세트는 의료 영상 내의 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터의 가중 측정치 및 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트를 생성하는 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 결정된 세트의 생성된 가중 측정치에 적어도 부분적으로 기초하여 의료 영상 내의 플라크의 하나 이상의 영역을 안정 플라크 또는 불안정 플라크로서 분류하는 단계; 컴퓨터 시스템에 의해, 안정 플라크 또는 불안정 플라크로서 분류된 플라크의 하나 이상의 영역에 적어도 부분적으로 기초하여 대상에 대한 심혈관 이벤트의 위험을 생성하는 단계; 컴퓨터 시스템에 의해, 하나 이상의 다른 대상으로부터 도출된 관상 값의 하나 이상의 공지의 데이터세트를 포함하는 관상 값 데이터베이스에 액세스하고 안정 플라크 또는 불안정 플라크로서 분류된 플라크의 하나 이상의 영역을 관상 값의 하나 이상의 공지의 데이터세트에 비교하는 단계; 컴퓨터 시스템에 의해, 관상 값의 하나 이상의 공지의 데이터세트에 대한 안정 플라크 또는 불안정 플라크로서 분류된 플라크의 하나 이상의 영역의 비교에 적어도 부분적으로 기초하여 대상에 대해 생성된 심혈관 이벤트의 위험을 업데이트하는 단계; 및 컴퓨터 시스템에 의해, 관상 값의 하나 이상의 공지의 데이터세트에 대한 안정 플라크 또는 불안정 플라크로서 분류된 플라크의 하나 이상의 영역의 비교에 적어도 부분적으로 기초하여 대상에 대해 제안된 치료를 생성하는 단계를 포함하고; 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 53: 실시예 52에 있어서, 심혈관 이벤트는 주요 심혈관 이벤트(MACE), 급속 플라크 진행, 또는 약물에 대한 무반응 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 54: 실시예 52 내지 53 중 어느 하나에 있어서, 관상 값의 하나 이상의 공지의 데이터세트는 건강한 대상의 의료 영상으로부터 도출된 안정 플라크 및 불안정 플라크의 하나 이상의 파라미터를 포함하는, 컴퓨터 구현 방법.
실시예 55: 실시예 52 내지 54 중 어느 하나에 있어서, 하나 이상의 다른 대상은 건강한, 컴퓨터 구현 방법.
실시예 56: 실시예 52 내지 55 중 어느 하나에 있어서, 하나 이상의 다른 대상은 증대된 심혈관 이벤트의 위험을 갖는, 컴퓨터 구현 방법.
실시예 57: 실시예 52 내지 57 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 의료 영상 내의 하나 이상의 부가의 심혈관 구조를 식별하는 단계로서, 하나 이상의 부가의 심혈관 구조는 좌심실, 우심실, 좌심방, 우심방, 대동맥 판막, 승모 판막, 삼첨 판막, 폐동맥 판막, 대동맥, 폐동맥, 하대정맥 및 상대정맥, 심장외막 지방 또는 심막 중 하나 이상을 포함하는, 식별 단계; 컴퓨터 시스템에 의해, 식별된 하나 이상의 부가의 심혈관 구조와 연관된 하나 이상의 파라미터를 결정하는 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 파라미터에 적어도 부분적으로 기초하여 하나 이상의 부가의 심혈관 구조를 분류하는 단계; 컴퓨터 시스템에 의해, 하나 이상의 다른 대상의 의료 영상으로부터 도출된 심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트를 포함하는 심혈관 구조 값 데이터베이스에 액세스하고 분류된 하나 이상의 부가의 심혈관 구조를 심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트와 비교하는 단계; 및 컴퓨터 시스템에 의해, 심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트에 대한 분류된 하나 이상의 부가의 심혈관 구조의 비교에 적어도 부분적으로 기초하여 대상에 대해 생성된 심혈관 이벤트의 위험을 업데이트하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 58: 실시예 57에 있어서, 하나 이상의 부가의 심혈관 구조는 정상 또는 비정상으로서 분류되는, 컴퓨터 구현 방법.
실시예 59: 실시예 57에 있어서, 하나 이상의 부가의 심혈관 구조는 증가 또는 감소된 것으로서 분류되는, 컴퓨터 구현 방법.
실시예 60: 실시예 57에 있어서, 하나 이상의 부가의 심혈관 구조는 시간 경과에 따라 정적 또는 동적으로서 분류되는, 컴퓨터 구현 방법.
실시예 61: 실시예 57 내지 60 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 부가의 심혈관 구조에 대한 양자화된 컬러 맵을 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 62: 실시예 57 내지 61 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트에 대한 분류된 하나 이상의 부가의 심혈관 구조의 비교에 적어도 부분적으로 기초하여 대상에 대한 제안된 치료를 업데이트하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 63: 실시예 57 내지 62 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 의료 영상 내의 하나 이상의 비심혈관 구조를 식별하는 단계로서, 하나 이상의 비심혈관 구조는 폐, 뼈 또는 간 중 하나 이상을 포함하는 식별 단계; 컴퓨터 시스템에 의해, 식별된 하나 이상의 비심혈관 구조와 연관된 하나 이상의 파라미터를 결정하는 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 파라미터에 적어도 부분적으로 기초하여 하나 이상의 비심혈관 구조를 분류하는 단계; 컴퓨터 시스템에 의해, 하나 이상의 다른 대상의 의료 영상으로부터 도출된 비심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트를 포함하는 비심혈관 구조 값 데이터베이스에 액세스하고 분류된 하나 이상의 비심혈관 구조를 비심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트와 비교하는 단계; 및 컴퓨터 시스템에 의해, 비심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트에 대한 분류된 하나 이상의 비심혈관 구조의 비교에 적어도 부분적으로 기초하여 대상에 대해 생성된 심혈관 이벤트의 위험을 업데이트하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 64: 실시예 63에 있어서, 하나 이상의 비심혈관 구조는 정상 또는 비정상으로서 분류되는, 컴퓨터 구현 방법.
실시예 65: 실시예 63에 있어서, 하나 이상의 비심혈관 구조는 증가 또는 감소된 것으로서 분류되는, 컴퓨터 구현 방법.
실시예 66: 실시예 63에 있어서, 하나 이상의 비심혈관 구조는 시간 경과에 따라 정적 또는 동적으로서 분류되는, 컴퓨터 구현 방법.
실시예 67: 실시예 63 내지 66 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 비심혈관 구조에 대한 양자화된 컬러 맵을 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 68: 실시예 63 내지 67 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 비심혈관 구조 파라미터의 하나 이상의 공지의 데이터세트에 대한 분류된 하나 이상의 비심혈관 구조의 비교에 적어도 부분적으로 기초하여 대상에 대한 제안된 치료를 업데이트하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 69: 실시예 63 내지 68 중 어느 하나에 있어서, 식별된 하나 이상의 비심혈관 구조와 연관된 하나 이상의 파라미터는 식별된 하나 이상의 비심혈관 구조의 표면적에 대한 체적의 비, 이질성, 방사선 밀도, 또는 기하학 형상 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 70: 실시예 52 내지 69 중 어느 하나에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 71: 실시예 52 내지 69 중 어느 하나에 있어서, 의료 영상은 자기 공명(MR) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 72: 비침습적 의료 영상 분석에 기초하여 대상의 관상 영역 내의 관상 죽상동맥경화증을 정량화하고 분류하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 관상 동맥 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 하나 이상의 관상 동맥을 식별하는 단계로서, 관상 동맥 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 플라크 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 식별된 하나 이상의 관상 동맥 내의 플라크의 하나 이상의 영역을 식별하는 단계로서, 플라크 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 플라크의 하나 이상의 식별된 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 결정하는 단계로서, 정량화된 플라크 파라미터의 세트는 의료 영상 내의 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터의 가중 측정치 및 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트를 생성하는 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터 및 결정된 정량화된 플라크 파라미터의 생성된 가중 측정치의 세트에 적어도 부분적으로 기초하여 대상의 관상 죽상동맥경화증을 정량화하는 단계; 컴퓨터 시스템에 의해, 대상의 정량화된 관상 죽상동맥경화증에 적어도 부분적으로 기초하여 대상의 관상 죽상동맥경화증을 고위험, 중위험 또는 저위험 중 하나 이상으로서 분류하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 73: 실시예 72에 있어서, 관상 동맥 식별 알고리즘 또는 플라크 식별 알고리즘 중 하나 이상은 인공 지능 또는 기계 학습 알고리즘을 포함하는, 컴퓨터 구현 방법.
실시예 74: 실시예 72 또는 73 중 어느 하나에 있어서, 대상의 관상 영역의 의료 영상으로부터 결정된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 세트에 적어도 부분적으로 기초하여 대상의 관상 협착증의 수치 계산을 결정하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 75: 실시예 72 내지 74 중 어느 하나에 있어서, 대상의 관상 영역의 의료 영상으로부터 결정된 하나 이상의 혈관 형태 파라미터 및/또는 정량화된 플라크 파라미터의 세트에 적어도 부분적으로 기초하여 대상의 허혈의 위험을 평가하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 76: 실시예 72 내지 75 중 어느 하나에 있어서, 플라크 식별 알고리즘은 하나 이상의 관상 동맥의 혈관 벽과 내강 벽을 결정하고 혈관 벽과 내강 벽 사이의 체적을 하나 이상의 플라크의 영역으로서 결정함으로써 플라크의 하나 이상의 영역을 결정하도록 구성되는, 컴퓨터 구현 방법.
실시예 77: 실시예 72 내지 76 중 어느 하나에 있어서, 하나 이상의 관상 동맥은 크기에 의해 식별되는, 컴퓨터 구현 방법.
실시예 78: 실시예 72 내지 77 중 어느 하나에 있어서, 미리 결정된 임계값 미만의 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비는 저위험을 나타내는, 컴퓨터 구현 방법.
실시예 79: 실시예 72 내지 78 중 어느 하나에 있어서, 미리 결정된 임계값을 초과하는 플라크의 하나 이상의 영역의 방사선 밀도는 저위험을 나타내는, 컴퓨터 구현 방법.
실시예 80: 실시예 72 내지 79 중 어느 하나에 있어서, 미리 결정된 임계값 미만의 플라크의 하나 이상의 영역의 이질성은 저위험을 나타내는, 컴퓨터 구현 방법.
실시예 81: 실시예 72 내지 80 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 플라크의 하나 이상의 영역의 확산율을 더 포함하는, 컴퓨터 구현 방법.
실시예 82: 실시예 72 내지 81 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 플라크의 하나 이상의 영역의 체적에 대한 방사선 밀도의 비를 더 포함하는, 컴퓨터 구현 방법.
실시예 83: 실시예 72 내지 82 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 분류된 죽상동맥경화증에 적어도 부분적으로 기초하여 대상에 대한 제안된 치료를 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 84: 실시예 72 내지 83 중 어느 하나에 있어서, 대상의 관상 죽상동맥경화증은 관상 죽상동맥경화증 분류 알고리즘을 사용하여 컴퓨터 시스템에 의해 분류되고, 관상 죽상동맥경화증 분류 알고리즘은 플라크의 하나 이상의 영역의 표면적의 체적의 비, 체적, 이질성 지수, 및 방사선 밀도의 조합을 입력으로서 이용하도록 구성되는, 컴퓨터 구현 방법.
실시예 85: 실시예 72 내지 84 중 어느 하나에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 86: 실시예 85에 있어서, 의료 영상은 비조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 87: 실시예 85에 있어서, 의료 영상은 조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 88: 실시예 72 내지 84 중 어느 하나에 있어서, 의료 영상은 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS) 중 하나 이상을 포함하는 영상 기술을 사용하여 획득되는, 컴퓨터 구현 방법.
실시예 89: 실시예 72 내지 88 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역의 기하학적 형상을 가로지르는 방사선 밀도 값의 3차원 막대 그래프를 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 90: 실시예 72 내지 89 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역을 가로지르는 방사선 밀도 값의 공간 맵핑을 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 91: 실시예 72 내지 90 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 상이한 방사선 밀도 값을 포함하는 플라크의 백분율 조성을 포함하는, 컴퓨터 구현 방법.
실시예 92: 실시예 72 내지 91 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 플라크의 체적의 함수로서 상이한 방사선 밀도 값을 포함하는 플라크의 백분율 조성을 포함하는, 컴퓨터 구현 방법.
실시예 93: 실시예 72 내지 92 중 어느 하나에 있어서, 결정된 하나 이상의 혈관 형태 파라미터 및 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트의 가중 측정치는 정량화된 플라크 파라미터의 하나 이상의 미리 결정된 세트에 정량화된 플라크 파라미터의 결정된 세트를 비교함으로써 적어도 부분적으로 기초하여 생성되는, 컴퓨터 구현 방법.
실시예 94: 실시예 93에 있어서, 정량화된 플라크 파라미터의 하나 이상의 미리 결정된 세트는 다른 대상의 하나 이상의 의료 영상으로부터 도출되는, 컴퓨터 구현 방법.
실시예 95: 실시예 93에 있어서, 정량화된 플라크 파라미터의 하나 이상의 미리 결정된 세트는 대상의 하나 이상의 의료 영상으로부터 도출되는, 컴퓨터 구현 방법.
실시예 96: 실시예 72 내지 95 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 기하학 형상은 둥근형 또는 장방형 형상을 포함하는, 컴퓨터 구현 방법.
실시예 97: 실시예 72 내지 96 중 어느 하나에 있어서, 하나 이상의 혈관 형태 파라미터는 동맥 리모델링의 분류를 포함하는, 컴퓨터 구현 방법.
실시예 98: 실시예 97에 있어서, 동맥 리모델링의 분류는 양성 동맥 리모델링, 음성 동맥 리모델링 및 중간 동맥 리모델링을 포함하는, 컴퓨터 구현 방법.
실시예 99: 실시예 97에 있어서, 동맥 리모델링의 분류는 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비에 적어도 부분적으로 기초하여 결정되는, 컴퓨터 구현 방법.
실시예 100: 실시예 99에 있어서, 동맥 리모델링의 분류는 양성 동맥 리모델링, 음성 동맥 리모델링 및 중간 동맥 리모델링을 포함하고, 양성 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비가 1.1 초과일 때 결정되고, 음성 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비가 0.95 미만일 때 결정되고, 중간 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서의 최대 혈관 직경의 비가 0.95 내지 1.1일 때 결정되는, 컴퓨터 구현 방법.
실시예 101: 실시예 72 내지 100 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 표면적에 대한 체적의 함수는 플라크의 하나 이상의 영역의 두께 또는 직경 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 102: 실시예 72 내지 101 중 어느 하나에 있어서, 가중 측정치는 플라크의 하나 이상의 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 동등하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 103: 실시예 72 내지 101 중 어느 하나에 있어서, 가중 측정치는 플라크의 하나 이상의 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 상이하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 104: 실시예 72 내지 101 중 어느 하나에 있어서, 가중 측정치는 플라크의 하나 이상의 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 로그함수적으로, 대수적으로, 또는 다른 수학적 변환을 이용하여 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 105: 비침습적 의료 영상 분석에 기초하여 플라크, 허혈, 및 지방 염증의 정량화에 기초하여 관상 동맥 질환의 상태를 정량화하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 관상 동맥 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 하나 이상의 관상 동맥을 식별하는 단계로서, 관상 동맥 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 플라크 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 식별된 하나 이상의 관상 동맥 내의 플라크의 하나 이상의 영역을 식별하는 단계로서, 플라크 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 지방 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 지방의 하나 이상의 영역을 식별하는 단계로서, 지방 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 플라크의 하나 이상의 식별된 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 결정하는 단계로서, 정량화된 플라크 파라미터의 세트는 의료 영상 내의 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트에 적어도 부분적으로 기초하여 관상 협착증을 정량화하는 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트에 적어도 부분적으로 기초하여 허혈의 존재 또는 위험을 결정하는 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내에서 지방의 하나 이상의 식별된 영역의 정량화된 지방 파라미터의 세트를 결정하는 단계로서, 정량화된 지방 파라미터의 세트는 의료 영상 내의 지방의 하나 이상의 영역의 체적, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터, 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트, 정량화된 관상 협착증, 결정된 허혈의 존재 또는 위험, 및 정량화된 지방 파라미터의 결정된 세트의 가중 측정치를 생성하는 단계; 및 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터, 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트, 정량화된 관상 협착증, 결정된 허혈의 존재 또는 위험, 및 정량화된 지방 파라미터의 결정된 세트의 생성된 가중 측정치에 적어도 부분적으로 기초하여 대상의 관상 질환의 위험 평가를 생성하는 단계를 포함하고; 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 106: 실시예 105에 있어서, 관상 동맥 식별 알고리즘 또는 플라크 식별 알고리즘, 또는 지방 식별 알고리즘 중 하나 이상은 인공 지능 또는 기계 학습 알고리즘을 포함하는, 컴퓨터 구현 방법.
실시예 107: 실시예 105 또는 106 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 정량화된 관상 협착증에 적어도 부분적으로 기초하여 대상의 관상 동맥 질환 보고 및 데이터 시스템(CAD-RADS) 분류 스코어를 자동으로 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 108: 실시예 105 내지 107 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 결정된 하나 이상의 혈관 형태 파라미터, 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트, 정량화된 관상 협착증, 결정된 허혈의 존재 또는 위험, 및/또는 정량화된 지방 파라미터의 결정된 세트 중 하나 이상에 적어도 부분적으로 기초하여 대상의 CAD-RADS 수정자를 자동으로 생성하는 단계를 더 포함하고, CAD-RADS 수정자는 비진단(N), 스텐트(S), 이식편(G), 또는 취약성(V) 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 109: 실시예 105 내지 108 중 어느 하나에 있어서, 관상 협착증은 혈관별 기반으로 정량화되는, 컴퓨터 구현 방법.
실시예 110: 실시예 105 내지 109 중 어느 하나에 있어서, 허혈의 존재 또는 위험은 혈관별 기반으로 결정되는, 컴퓨터 구현 방법.
실시예 111: 실시예 105 내지 110 중 어느 하나에 있어서, 지방의 하나 이상의 영역은 심장외막 지방을 포함하는, 컴퓨터 구현 방법.
실시예 112: 실시예 105 내지 111 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 관상 질환의 생성된 위험 평가에 적어도 부분적으로 기초하여 대상에 대한 제안된 치료를 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 113: 실시예 105 내지 112 중 어느 하나에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 114: 실시예 113에 있어서, 의료 영상은 비조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 115: 실시예 113에 있어서, 의료 영상은 조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 116: 실시예 113 내지 115 중 어느 하나에 있어서, 결정된 플라크 파라미터의 세트는 플라크의 하나 이상의 영역 내에서 더 높은 방사선 밀도 칼슘 플라크 또는 더 낮은 방사선 밀도 칼슘 플라크의 백분율 중 하나 이상을 포함하고, 더 높은 방사선 밀도 칼슘 플라크는 1000 초과의 하운즈필드 방사선 밀도 단위를 포함하고, 더 낮은 방사선 밀도 칼슘 플라크는 1000 미만의 하운즈필드 방사선 밀도 단위를 포함하는, 컴퓨터 구현 방법.
실시예 117: 실시예 105 내지 112 중 어느 하나에 있어서, 의료 영상은 자기 공명(MR) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 118: 실시예 105 내지 112 중 어느 하나에 있어서, 의료 영상은 초음파 영상을 포함하는, 컴퓨터 구현 방법.
실시예 119: 실시예 105 내지 112 중 어느 하나에 있어서, 의료 영상은 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS) 중 하나 이상을 포함하는 영상 기술을 사용하여 획득되는, 컴퓨터 구현 방법.
실시예 120: 실시예 105 내지 119 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역의 기하학적 형상을 가로지르는 방사선 밀도 값의 3차원 막대 그래프를 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 121: 실시예 105 내지 119 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역을 가로지르는 방사선 밀도 값의 공간 맵핑을 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 122: 실시예 105 내지 121 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 상이한 방사선 밀도 값을 포함하는 플라크의 백분율 조성을 포함하는, 컴퓨터 구현 방법.
실시예 123: 실시예 105 내지 122 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 플라크의 하나 이상의 영역의 확산율을 더 포함하는, 컴퓨터 구현 방법.
실시예 124: 실시예 105 내지 123 중 어느 하나에 있어서, 정량화된 플라크 파라미터의 세트는 플라크의 하나 이상의 영역의 체적에 대한 방사선 밀도의 비를 더 포함하는, 컴퓨터 구현 방법.
실시예 125: 실시예 105 내지 124 중 어느 하나에 있어서, 플라크 식별 알고리즘은 하나 이상의 관상 동맥의 혈관 벽과 내강 벽을 결정하고 혈관 벽과 내강 벽 사이의 체적을 하나 이상의 플라크의 영역으로서 결정함으로써 플라크의 하나 이상의 영역을 결정하도록 구성되는, 컴퓨터 구현 방법.
실시예 126: 실시예 105 내지 125 중 어느 하나에 있어서, 하나 이상의 관상 동맥은 크기에 의해 식별되는, 컴퓨터 구현 방법.
실시예 127: 실시예 105 내지 126 중 어느 하나에 있어서, 대상의 관상 질환의 생성된 위험 평가는 위험 스코어를 포함하는, 컴퓨터 구현 방법.
실시예 128: 실시예 105 내지 127 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 기하학 형상은 둥근형 또는 장방형 형상을 포함하는, 컴퓨터 구현 방법.
실시예 129: 실시예 105 내지 128 중 어느 하나에 있어서, 하나 이상의 혈관 형태 파라미터는 동맥 리모델링의 분류를 포함하는, 컴퓨터 구현 방법.
실시예 130: 실시예 129에 있어서, 동맥 리모델링의 분류는 양성 동맥 리모델링, 음성 동맥 리모델링 및 중간 동맥 리모델링을 포함하는, 컴퓨터 구현 방법.
실시예 131: 실시예 129에 있어서, 동맥 리모델링의 분류는 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비에 적어도 부분적으로 기초하여 결정되는, 컴퓨터 구현 방법.
실시예 132: 실시예 131에 있어서, 동맥 리모델링의 분류는 양성 동맥 리모델링, 음성 동맥 리모델링 및 중간 동맥 리모델링을 포함하고, 양성 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비가 1.1 초과일 때 결정되고, 음성 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서 최대 혈관 직경의 비가 0.95 미만일 때 결정되고, 중간 동맥 리모델링은 정상 기준 혈관 직경에 대한 플라크의 하나 이상의 영역에서의 최대 혈관 직경의 비가 0.95 내지 1.1일 때 결정되는, 컴퓨터 구현 방법.
실시예 133: 실시예 105 내지 132 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 표면적에 대한 체적의 함수는 플라크의 하나 이상의 영역의 두께 또는 직경 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 134: 실시예 105 내지 133 중 어느 하나에 있어서, 가중 측정치는 하나 이상의 혈관 형태 파라미터, 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트, 정량화된 관상 협착증, 결정된 허혈의 존재 또는 위험, 및 정량화된 지방 파라미터의 결정된 세트를 동등하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 135: 실시예 105 내지 133 중 어느 하나에 있어서, 가중 측정치는 하나 이상의 혈관 형태 파라미터, 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트, 정량화된 관상 협착증, 결정된 허혈의 존재 또는 위험, 및 정량화된 지방 파라미터의 결정된 세트를 상이하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 136: 실시예 105 내지 133 중 어느 하나에 있어서, 가중 측정치는 하나 이상의 혈관 형태 파라미터, 플라크의 하나 이상의 영역의 정량화된 플라크 파라미터의 세트, 정량화된 관상 협착증, 결정된 허혈의 존재 또는 위험, 및 정량화된 지방 파라미터의 결정된 세트를 로그함수적으로, 대수적으로, 또는 다른 수학적 변환을 이용하여 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 137: 비침습적 의료 영상 분석을 사용하여 대상의 플라크 진행의 상태를 결정하는 것에 적어도 부분적으로 기초하여 플라크 기반 질환을 추적하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 영역과 연관된 플라크 파라미터의 제1 세트에 액세스하는 단계로서, 플라크 파라미터의 제1 세트는 대상의 제1 의료 영상으로부터 도출되고, 대상의 제1 의료 영상은 제1 시점에 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 제2 의료 영상에 액세스하는 단계로서, 대상의 제2 의료 영상은 제2 시점에 비침습적으로 획득되고, 제2 시점은 제1 시점보다 나중인, 액세스 단계; 컴퓨터 시스템에 의해, 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 식별하는 단계; 컴퓨터 시스템에 의해, 제2 의료 영상 및 제2 의료 영상으로부터 식별된 하나 이상의 플라크의 영역을 분석함으로써 대상의 영역과 연관된 플라크 파라미터의 제2 세트를 결정하는 단계; 컴퓨터 시스템에 의해, 플라크 파라미터의 제2 세트 중 하나 이상에 대해 플라크 파라미터의 제1 세트 중 하나 이상을 비교함으로써 하나 이상의 플라크 파라미터의 변화를 분석하는 단계; 컴퓨터 시스템에 의해, 하나 이상의 플라크 파라미터의 분석된 변화에 적어도 부분적으로 기초하여 대상에 대한 플라크 기반 질환과 연관된 플라크 진행의 상태를 결정하는 단계로서, 결정된 플라크 진행의 상태는 급속 플라크 진행, 비급속 칼슘 우세 혼합 반응, 비급속 비칼슘 우세 혼합 반응, 또는 플라크 퇴행 중 하나 이상을 포함하는, 결정 단계; 및 컴퓨터 시스템에 의해, 결정된 플라크 진행의 상태에 적어도 부분적으로 기초하여 플라크 기반 질환의 진행을 추적하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 138: 실시예 137에 있어서, 급속 플라크 진행은 대상의 죽종 용적 비율 증가가 연간 1% 초과일 때 결정되고, 비급속 칼슘 우세 혼합 반응은 대상의 죽종 용적 비율 증가가 연간 1% 미만이고 석회화 플라크가 총 새로운 플라크 형성의 50% 초과를 나타낼 때 결정되고, 비급속 비칼슘 우세 혼합 반응은 대상의 죽종 용적 비율 증가가 연간 1% 미만이고 비석회화 플라크가 총 새로운 플라크 형성의 50% 초과를 나타낼 때 결정되고, 플라크 퇴행은 총 죽종 용적 비율의 감소가 존재할 때 결정되는, 컴퓨터 구현 방법.
실시예 139: 실시예 137 내지 138 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 플라크 기반 질환의 결정된 플라크 진행의 상태에 적어도 부분적으로 기초하여 대상에 대한 제안된 치료를 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 140: 실시예 137 내지 139 중 어느 하나에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 141: 실시예 140에 있어서, 의료 영상은 비조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 142: 실시예 140에 있어서, 의료 영상은 조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 143: 실시예 140 내지 142 중 어느 하나에 있어서, 결정된 플라크 진행의 상태는 더 높은 방사선 밀도 플라크 또는 더 낮은 방사선 밀도 플라크의 백분율 중 하나 이상을 더 포함하고, 더 높은 방사선 밀도 플라크는 1000 초과의 하운즈필드 단위를 포함하고, 더 낮은 방사선 밀도 플라크는 1000 미만의 하운즈필드 단위를 포함하는, 컴퓨터 구현 방법.
실시예 144: 실시예 137 내지 139 중 어느 하나에 있어서, 의료 영상은 자기 공명(MR) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 145: 실시예 137 내지 139 중 어느 하나에 있어서, 의료 영상은 초음파 영상을 포함하는, 컴퓨터 구현 방법.
실시예 146: 실시예 137 내지 145 중 어느 하나에 있어서, 대상의 영역은 대상의 관상 영역을 포함하는, 컴퓨터 구현 방법.
실시예 147: 실시예 137 내지 145 중 어느 하나에 있어서, 대상의 영역은 경동맥, 신장 동맥, 복부 대동맥, 대뇌 동맥, 하지 또는 상지 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 148: 실시예 137 내지 147 중 어느 하나에 있어서, 플라크 기반 질환은 죽상동맥경화증, 협착증, 또는 허혈 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 149: 실시예 137 내지 148 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트에 적어도 부분적으로 기초하여 대상의 제1 관상 동맥 질환 보고 및 데이터 시스템(CAD-RADS) 분류 스코어를 결정하는 단계; 컴퓨터 시스템에 의해, 플라크 파라미터의 제2 세트에 적어도 부분적으로 기초하여 대상의 제2 CAD-RADS 분류 스코어를 결정하는 단계; 및 컴퓨터 시스템에 의해, 제1 CAD-RADS 분류 스코어와 제2 CAD-RADS 분류 스코어의 비교에 기초하여 대상의 CAD-RADS 분류 스코어의 진행을 추적하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 150: 실시예 137 내지 149 중 어느 하나에 있어서, 플라크 기반 질환은 혈청 바이오마커, 유전학, 오믹스, 전사체학, 미생물체학, 또는 대사체학 중 하나 이상을 분석함으로써 컴퓨터 시스템에 의해 추가로 추적되는, 컴퓨터 구현 방법.
실시예 151: 실시예 137 내지 150 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트는 제1 의료 영상 내의 플라크의 하나 이상의 영역의 체적, 표면적, 기하학적 형상, 위치, 이질성 지수, 및 방사선 밀도 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 152: 실시예 137 내지 151 중 어느 하나에 있어서, 플라크 파라미터의 제2 세트는 제2 의료 영상 내의 플라크의 하나 이상의 영역의 체적, 표면적, 기하학적 형상, 위치, 이질성 지수, 및 방사선 밀도 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 153: 실시예 137 내지 152 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트 및 플라크 파라미터의 제2 세트는 플라크의 하나 이상의 영역의 체적에 대한 방사선 밀도의 비를 포함하는, 컴퓨터 구현 방법.
실시예 154: 실시예 137 내지 153 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트 및 플라크 파라미터의 제2 세트는 플라크의 하나 이상의 영역의 확산율을 포함하는, 컴퓨터 구현 방법.
실시예 155: 실시예 137 내지 154 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트 및 플라크 파라미터의 제2 세트는 플라크의 하나 이상의 영역의 체적 대 표면적 비를 포함하는, 컴퓨터 구현 방법.
실시예 156: 실시예 137 내지 155 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트 및 플라크 파라미터의 제2 세트는 플라크의 하나 이상의 영역의 이질성 지수를 포함하는, 컴퓨터 구현 방법.
실시예 157: 실시예 156에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역의 기하학적 형상을 가로지르는 방사선 밀도 값의 3차원 막대 그래프를 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 158: 실시예 156에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역을 가로지르는 방사선 밀도 값의 공간 맵핑을 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 159: 실시예 137 내지 158 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트 및 플라크 파라미터의 제2 세트는 상이한 방사선 밀도 값을 포함하는 플라크의 백분율 조성을 포함하는, 컴퓨터 구현 방법.
실시예 160: 실시예 137 내지 159 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트 및 플라크 파라미터의 제2 세트는 플라크의 체적의 함수로서 상이한 방사선 밀도 값을 포함하는 플라크의 백분율 조성을 포함하는, 컴퓨터 구현 방법.
실시예 161: 대상의 관상 칼슘 스코어의 변화를 특성화하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 제1 관상 칼슘 스코어 및 대상의 관상 영역과 연관된 플라크 파라미터의 제1 세트에 액세스하는 단계로서, 제1 관상 칼슘 스코어 및 파라미터의 제1 세트는 제1 시점에서 획득되고, 플라크 파라미터의 제1 세트는 대상의 관상 영역 내의 플라크의 하나 이상의 영역에 대한 체적, 표면적, 기하학적 형상, 위치, 이질성 지수, 및 방사선 밀도를 포함하는, 액세스 단계; 컴퓨터 시스템에 의해, 액세스된 플라크 파라미터의 제1 세트의 제1 가중 측정치를 생성하는 단계; 컴퓨터 시스템에 의해, 대상의 제2 관상 칼슘 스코어 및 대상의 관상 영역의 하나 이상의 의료 영상에 액세스하는 단계로서, 제2 관상 칼슘 스코어 및 하나 이상의 의료 영상은 제2 시점에서 획득되고, 제2 시점은 제1 시점보다 나중이고, 대상의 관상 영역의 하나 이상의 의료 영상은 플라크의 하나 이상의 영역을 포함하는, 액세스 단계; 컴퓨터 시스템에 의해, 제1 관상 칼슘 스코어와 제2 관상 칼슘 스코어를 비교함으로써 대상의 관상 칼슘 스코어의 변화를 결정하는 단계; 컴퓨터 시스템에 의해, 하나 이상의 의료 영상으로부터 플라크의 하나 이상의 영역을 식별하는 단계; 컴퓨터 시스템에 의해, 하나 이상의 의료 영상을 분석함으로써 대상의 관상 영역과 연관된 플라크 파라미터의 제2 세트를 결정하는 단계로서, 플라크 파라미터의 제2 세트는 플라크의 하나 이상의 영역에 대한 체적, 표면적, 기하학적 형상, 위치, 이질성 지수, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 결정된 플라크 파라미터의 제2 세트의 제2 가중 측정치를 생성하는 단계; 컴퓨터 시스템에 의해, 액세스된 플라크 파라미터의 제1 세트의 제1 가중 측정치 및 결정된 플라크 파라미터의 제2 세트의 제2 가중 측정치의 변화를 분석하는 단계; 및 컴퓨터 시스템에 의해, 식별된 플라크의 하나 이상의 영역 및 액세스된 플라크 파라미터의 제1 세트의 제1 가중 측정치 및 결정된 플라크 파라미터의 제2 세트의 제2 가중 측정치의 분석된 변화에 적어도 부분적으로 기초하여 대상의 관상 칼슘 스코어의 변화를 특성화하는 단계를 포함하고, 관상 칼슘 스코어의 관상의 변화는 양성, 중성 또는 음성으로 특성화되고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 162: 실시예 161에 있어서, 플라크의 하나 이상의 영역의 방사선 밀도는 식별된 플라크의 하나 이상의 영역의 하운즈필드 단위를 분석함으로써 하나 이상의 의료 영상으로부터 결정되는, 컴퓨터 구현 방법.
실시예 163: 실시예 161 내지 162 중 어느 하나에 있어서, 대상의 관상 영역 내의 플라크의 하나 이상의 영역의 체적과 방사선 밀도 사이의 비의 변화를 결정하는 단계를 더 포함하고, 대상의 관상 칼슘 스코어의 변화는 대상의 관상 영역 내의 플라크의 하나 이상의 영역의 체적과 방사선 밀도 사이의 비의 결정된 변화에 적어도 부분적으로 기초하여 또한 특성화되는, 컴퓨터 구현 방법.
실시예 164: 실시예 161 내지 163 중 어느 하나에 있어서, 대상의 관상 칼슘 스코어의 변화는 각각의 혈관에 대해 특성화되는, 컴퓨터 구현 방법.
실시예 165: 실시예 161 내지 164 중 어느 하나에 있어서, 대상의 관상 칼슘 스코어의 변화는 각각의 세그먼트에 대해 특성화되는, 컴퓨터 구현 방법.
실시예 166: 실시예 161 내지 165 중 어느 하나에 있어서, 대상의 관상 칼슘 스코어의 변화는 각각의 플라크에 대해 특성화되는, 컴퓨터 구현 방법.
실시예 167: 실시예 161 내지 166 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트 및 플라크 파라미터의 제2 세트는 플라크의 하나 이상의 영역의 확산율을 더 포함하는, 컴퓨터 구현 방법.
실시예 168: 실시예 161 내지 167 중 어느 하나에 있어서, 대상의 관상 칼슘 스코어의 변화는 플라크의 하나 이상의 영역의 방사선 밀도가 증가될 때 양성으로서 특성화되는, 컴퓨터 구현 방법.
실시예 169: 실시예 161 내지 168 중 어느 하나에 있어서, 대상의 관상 칼슘 스코어의 변화는 플라크의 하나 이상의 새로운 영역이 하나 이상의 의료 영상으로부터 식별될 때 음성으로서 특성화되는, 컴퓨터 구현 방법.
실시예 170: 실시예 161 내지 169 중 어느 하나에 있어서, 대상의 관상 칼슘 스코어의 변화는 플라크의 하나 이상의 영역의 체적 대 표면적 비가 감소될 때 양성으로서 특성화되는, 컴퓨터 구현 방법.
실시예 171: 실시예 161 내지 170 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 이질성 지수는 플라크의 하나 이상의 영역의 기하학적 형상을 가로지르는 방사선 밀도 값의 3차원 막대 그래프를 생성함으로써 결정되는, 컴퓨터 구현 방법.
실시예 172: 실시예 161 내지 171 중 어느 하나에 있어서, 대상의 관상 칼슘 스코어의 변화는 플라크의 하나 이상의 영역의 이질성 지수가 감소될 때 양성으로서 특성화되는, 컴퓨터 구현 방법.
실시예 173: 실시예 161 내지 172 중 어느 하나에 있어서, 대상의 제2 관상 칼슘 스코어는 대상의 관상 영역의 하나 이상의 의료 영상을 분석함으로써 결정되는, 컴퓨터 구현 방법.
실시예 174: 실시예 161 내지 172 중 어느 하나에 있어서, 대상의 제2 관상 칼슘 스코어는 데이터베이스로부터 액세스되는, 컴퓨터 구현 방법.
실시예 175: 실시예 161 내지 174 중 어느 하나에 있어서, 대상의 관상 영역의 하나 이상의 의료 영상은 비조영 컴퓨터 단층 촬영(CT) 스캔으로부터 획득된 영상을 포함하는, 컴퓨터 구현 방법.
실시예 176: 실시예 161 내지 174 중 어느 하나에 있어서, 대상의 관상 영역의 하나 이상의 의료 영상은 조영 증강 CT 스캔으로부터 획득된 영상을 포함하는, 컴퓨터 구현 방법.
실시예 177: 실시예 176에 있어서, 대상의 관상 영역의 하나 이상의 의료 영상은 조영 증강 CT 혈관조영상으로부터 획득된 영상을 포함하는, 컴퓨터 구현 방법.
실시예 178: 실시예 161 내지 177 중 어느 하나에 있어서, 관상 칼슘 스코어의 관상의 변화의 양성 특성화는 플라크 안정화를 나타내는, 컴퓨터 구현 방법.
실시예 179: 실시예 161 내지 178 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트 및 플라크 파라미터의 제2 세트는 플라크 주위의 체적의 방사선 밀도를 더 포함하는, 컴퓨터 구현 방법.
실시예 180: 실시예 161 내지 179 중 어느 하나에 있어서, 대상의 관상 칼슘 스코어의 변화는 컴퓨터 시스템에 의해 이용되는 기계 학습 알고리즘에 의해 특성화되는, 컴퓨터 구현 방법.
실시예 181: 실시예 161 내지 180 중 어느 하나에 있어서, 제1 가중 측정치는 액세스된 플라크 파라미터의 제1 세트를 동등하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 182: 실시예 161 내지 180 중 어느 하나에 있어서, 제1 가중 측정치는 액세스된 플라크 파라미터의 제1 세트를 상이하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 183: 실시예 161 내지 180 중 어느 하나에 있어서, 제1 가중 측정치는 액세스된 플라크 파라미터의 제1 세트를 로그함수적으로, 대수적으로, 또는 다른 수학적 변환을 이용하여 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 184: 비침습적 의료 영상 분석에 기초하여 대상에 대한 심혈관 이벤트의 진단을 생성하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 관상 동맥 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 하나 이상의 관상 동맥을 식별하는 단계로서, 관상 동맥 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 플라크 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상으로부터 식별된 하나 이상의 관상 동맥 내의 플라크의 하나 이상의 영역을 식별하는 단계로서, 플라크 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내에서 플라크의 하나 이상의 식별된 영역의 정량화된 플라크 파라미터의 세트를 결정하는 단계로서, 정량화된 플라크 파라미터의 세트는 의료 영상 내의 플라크의 하나 이상의 영역의 표면적에 대한 체적, 체적 대 표면적의 비, 이질성 지수, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 정량화된 플라크 파라미터의 결정된 세트에 적어도 부분적으로 기초하여 의료 영상 내의 플라크의 하나 이상의 영역을 안정 플라크 또는 불안정 플라크로서 분류하는 단계; 컴퓨터 시스템에 의해, 의료 영상 내에서 분류된 불안정 플라크의 체적 및 의료 영상 내의 하나 이상의 관상 동맥의 총 체적을 결정하는 단계; 컴퓨터 시스템에 의해, 하나 이상의 관상 동맥의 총 체적에 대한 불안정 플라크의 체적의 비를 결정하는 단계; 컴퓨터 시스템에 의해, 하나 이상의 관상 동맥의 총 체적에 대한 불안정 플라크의 체적의 비, 플라크의 하나 이상의 영역의 체적, 및 의료 영상 내에서 분류된 불안정 플라크의 체적을 분석하는 것에 적어도 부분적으로 기초하여 대상에 대한 심혈관 이벤트의 예후를 생성하는 단계로서, 분석은 하나 이상의 관상 동맥의 총 체적에 대한 불안정 플라크의 체적, 플라크의 하나 이상의 영역의 체적, 및 불안정 플라크의 체적의 하나 이상의 비의 공지의 데이터세트에 대한 비교를 수행하는 것을 포함하고, 공지의 데이터세트는 다른 대상으로부터 수집되는, 생성 단계; 및 컴퓨터 시스템에 의해, 대상에 대한 심혈관 이벤트의 생성된 예후에 적어도 부분적으로 기초하여 대상에 대한 치료 계획을 생성하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 185: 실시예 184에 있어서, 컴퓨터 시스템에 의해, 하나 이상의 관상 동맥의 총 체적에 대한 불안정 플라크의 체적의 비, 플라크의 하나 이상의 영역의 체적, 및 의료 영상 내에서 분류된 불안정 플라크의 체적의 가중 측정치를 생성하는 단계를 더 포함하고, 심혈관 이벤트의 예후는 가중 측정치를 공지의 데이터세트로부터 도출된 하나 이상의 가중 측정치에 비교함으로써 추가로 생성되는, 컴퓨터 구현 방법.
실시예 186: 실시예 185에 있어서, 가중 측정치는 하나 이상의 관상 동맥의 총 체적에 대한 불안정 플라크의 체적의 비, 플라크의 하나 이상의 영역의 체적, 및 의료 영상 내에서 분류된 불안정 플라크의 체적을 동등하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 187: 실시예 185에 있어서, 가중 측정치는 하나 이상의 관상 동맥의 총 체적에 대한 불안정 플라크의 체적의 비, 플라크의 하나 이상의 영역의 체적, 및 의료 영상 내에서 분류된 불안정 플라크의 체적을 상이하게 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 188: 실시예 185에 있어서, 가중 측정치는 하나 이상의 관상 동맥의 총 체적에 대한 불안정 플라크의 체적의 비, 플라크의 하나 이상의 영역의 체적, 및 의료 영상 내에서 분류된 불안정 플라크의 체적을 로그함수적으로, 대수적으로, 또는 다른 수학적 변환을 이용하여 가중함으로써 생성되는, 컴퓨터 구현 방법.
실시예 189: 실시예 184 내지 188 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 대상의 비관상 심혈관계의 의료 영상을 분석하는 단계를 더 포함하고, 대상에 대한 심혈관 이벤트의 예후는 대상의 비관상 심혈관계의 분석된 의료 영상에 적어도 부분적으로 기초하여 추가로 생성되는, 컴퓨터 구현 방법.
실시예 190: 실시예 184 내지 189 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 대상의 혈액 화학 또는 바이오마커 시험의 결과에 액세스하는 단계를 더 포함하고, 대상에 대한 심혈관 이벤트의 예후는 대상의 혈액 화학 또는 바이오마커 시험의 결과에 적어도 부분적으로 기초하여 추가로 생성되는, 컴퓨터 구현 방법.
실시예 191: 실시예 184 내지 190 중 어느 하나에 있어서, 대상에 대한 심혈관 이벤트의 생성된 예후는 대상에 대한 심혈관 이벤트의 위험 스코어를 포함하는, 컴퓨터 구현 방법.
실시예 192: 실시예 184 내지 191 중 어느 하나에 있어서, 심혈관 이벤트의 예후는 인공 지능 또는 기계 학습 알고리즘을 이용하는 컴퓨터 시스템에 의해 생성되는, 컴퓨터 구현 방법.
실시예 193: 실시예 184 내지 192 중 어느 하나에 있어서, 심혈관 이벤트는 죽상동맥경화증, 협착증 또는 허혈 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 194: 실시예 184 내지 193 중 어느 하나에 있어서, 생성된 치료 계획은 스타틴의 사용, 생활 습관 변화, 또는 수술 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 195: 실시예 184 내지 194 중 어느 하나에 있어서, 관상 동맥 식별 알고리즘 또는 플라크 식별 알고리즘 중 하나 이상은 인공 지능 또는 기계 학습 알고리즘을 포함하는, 컴퓨터 구현 방법.
실시예 196: 실시예 184 내지 195 중 어느 하나에 있어서, 플라크 식별 알고리즘은 하나 이상의 관상 동맥의 혈관 벽과 내강 벽을 결정하고 혈관 벽과 내강 벽 사이의 체적을 하나 이상의 플라크의 영역으로서 결정함으로써 플라크의 하나 이상의 영역을 결정하도록 구성되는, 컴퓨터 구현 방법.
실시예 197: 실시예 184 내지 196 중 어느 하나에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 198: 실시예 197에 있어서, 의료 영상은 비조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 199: 실시예 197에 있어서, 의료 영상은 조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 200: 실시예 184 내지 196 중 어느 하나에 있어서, 의료 영상은 자기 공명(MR) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 201: 실시예 184 내지 196 중 어느 하나에 있어서, 의료 영상은 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS) 중 하나 이상을 포함하는 영상 기술을 사용하여 획득되는, 컴퓨터 구현 방법.
실시예 202: 비침습적 의료 영상 분석에 기초하여 이식을 위한 환자-특정 스텐트 파라미터 및 안내를 결정하는 컴퓨터 구현 방법이며, 방법은 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상에 액세스하는 단계로서, 환자의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 관상 동맥 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상 내의 하나 이상의 관상 동맥을 식별하는 단계로서, 관상 동맥 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 플라크 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상으로부터 식별된 하나 이상의 관상 동맥 내의 플라크의 하나 이상의 영역을 식별하는 단계로서, 플라크 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상으로부터 플라크의 하나 이상의 식별된 영역의 정량화된 플라크 파라미터의 세트를 결정하는 단계로서, 정량화된 플라크 파라미터의 세트는 의료 영상 내의 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비 또는 함수, 이질성 지수, 위치, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상 내에서 하나 이상의 관상 동맥의 협착 혈관 파라미터의 세트를 결정하는 단계로서, 혈관 파라미터의 세트는 협착의 존재시에 의료 영상 내에서 하나 이상의 관상 동맥의 체적, 곡률, 혈관 벽, 내강 벽, 및 직경을 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상 내에서 하나 이상의 관상 동맥의 정상 혈관 파라미터의 세트를 결정하는 단계로서, 혈관 파라미터의 세트는 협착 없이 의료 영상 내에서 하나 이상의 관상 동맥의 체적, 곡률, 혈관 벽, 내강 벽, 및 직경을 포함하고, 정상 혈관 파라미터의 세트는 플라크의 식별된 하나 이상의 영역을 환자의 관상 영역의 의료 영상으로부터 그래픽으로 제거함으로써 결정되는, 결정 단계; 컴퓨터 시스템에 의해, 정량화된 플라크 파라미터 세트 및 혈관 파라미터 세트에 적어도 부분적으로 기초하여 환자에 대한 스텐트 이식의 예측된 유효성을 결정하는 단계; 컴퓨터 시스템에 의해, 환자에 대한 스텐트 이식의 예측된 유효성이 미리 결정된 임계값을 초과할 때 환자에 대한 환자-특정 스텐트 파라미터를 생성하는 단계로서, 환자-특정 스텐트 파라미터는 정량화된 플라크 파라미터의 세트, 혈관 파라미터의 세트, 및 정상 혈관 파라미터의 세트에 적어도 부분적으로 기초하여 생성되는, 생성 단계; 및 컴퓨터 시스템에 의해, 환자-특정 스텐트 파라미터를 포함하는 환자-특정 스텐트의 이식을 위한 안내를 생성하는 단계를 포함하고, 환자-특정 스텐트의 이식을 위한 안내는 정량화된 플라크 파라미터의 세트 및 혈관 파라미터의 세트에 적어도 부분적으로 기초하여 생성되고, 환자-특정 스텐트의 이식을 위한 생성된 안내는 안내 와이어의 삽입 및 환자-특정 스텐트의 위치설정을 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 203: 실시예 202에 있어서, 컴퓨터 시스템에 의해, 환자의 관상 영역의 이식 후 의료 영상에 액세스하고 이식 후 분석을 수행하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 204: 실시예 203에 있어서, 컴퓨터 시스템에 의해, 이식 후 분석에 적어도 부분적으로 기초하여 환자에 대한 치료 계획을 생성하는 단계를 더 포함하는, 컴퓨터 구현 방법.
실시예 205: 실시예 204에 있어서, 생성된 치료 계획은 스타틴의 사용, 생활 습관 변화, 또는 수술 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 206: 실시예 202 내지 205 중 어느 하나에 있어서, 협착 혈관 파라미터의 세트는 하나 이상의 관상 동맥의 분지의 위치, 곡률 및 직경을 포함하는, 컴퓨터 구현 방법.
실시예 207: 실시예 202 내지 206 중 어느 하나에 있어서, 환자-특정 스텐트 파라미터는 환자-특정 스텐트의 직경을 포함하는, 컴퓨터 구현 방법.
실시예 208: 실시예 207에 있어서, 환자-특정 스텐트의 직경은 협착이 없는 하나 이상의 관상 동맥의 직경과 실질적으로 동일한, 컴퓨터 구현 방법.
실시예 209: 실시예 207에 있어서, 환자-특정 스텐트의 직경은 협착이 없는 하나 이상의 관상 동맥의 직경 미만인, 컴퓨터 구현 방법.
실시예 210: 실시예 202 내지 209 중 어느 하나에 있어서, 환자에 대한 스텐트 이식의 예측된 유효성은 인공 지능 또는 기계 학습 알고리즘을 이용하는 컴퓨터 시스템에 의해 결정되는, 컴퓨터 구현 방법.
실시예 211: 실시예 202 내지 210 중 어느 하나에 있어서, 환자에 대한 환자-특정 스텐트 파라미터는 인공 지능 또는 기계 학습 알고리즘을 이용하는 컴퓨터 시스템에 의해 생성되는, 컴퓨터 구현 방법.
실시예 212: 실시예 202 내지 211 중 어느 하나에 있어서, 관상 동맥 식별 알고리즘 또는 플라크 식별 알고리즘 중 하나 이상은 인공 지능 또는 기계 학습 알고리즘을 포함하는, 컴퓨터 구현 방법.
실시예 213: 실시예 202 내지 212 중 어느 하나에 있어서, 플라크 식별 알고리즘은 하나 이상의 관상 동맥의 혈관 벽과 내강 벽을 결정하고 혈관 벽과 내강 벽 사이의 체적을 하나 이상의 플라크의 영역으로서 결정함으로써 플라크의 하나 이상의 영역을 결정하도록 구성되는, 컴퓨터 구현 방법.
실시예 214: 실시예 202 내지 213 중 어느 하나에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 215: 실시예 214에 있어서, 의료 영상은 비조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 216: 실시예 214에 있어서, 의료 영상은 조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 217: 실시예 202 내지 213 중 어느 하나에 있어서, 의료 영상은 자기 공명(MR) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 218: 실시예 202 내지 213 중 어느 하나에 있어서, 의료 영상은 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS) 중 하나 이상을 포함하는 영상 기술을 사용하여 획득되는, 컴퓨터 구현 방법.
실시예 219: 비침습적 의료 영상 분석에 기초하여 환자에 대한 관상 동맥 질환에 대한 환자-특정 보고를 생성하는 컴퓨터 구현 방법이며, 컴퓨터 시스템에 의해 환자의 관상 영역의 의료 영상에 액세스하는 단계로서, 환자의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 관상 동맥 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상 내의 하나 이상의 관상 동맥을 식별하는 단계로서, 관상 동맥 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 플라크 식별 알고리즘을 이용하는 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상으로부터 식별된 하나 이상의 관상 동맥 내의 플라크의 하나 이상의 영역을 식별하는 단계로서, 플라크 식별 알고리즘은 입력으로서 원시 의료 영상을 이용하도록 구성되는, 식별 단계; 컴퓨터 시스템에 의해, 환자의 관상 영역의 의료 영상으로부터 플라크의 하나 이상의 식별된 영역의 하나 이상의 혈관 형태 파라미터 및 정량화된 플라크 파라미터의 세트를 결정하는 단계로서, 정량화된 플라크 파라미터의 세트는 의료 영상 내의 플라크의 하나 이상의 영역의 표면적에 대한 체적의 비 또는 함수, 체적, 이질성 지수, 위치, 기하학 형상, 및 방사선 밀도를 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트에 적어도 부분적으로 기초하여 환자의 협착증 및 죽상동맥경화증을 정량화하는 단계; 컴퓨터 시스템에 의해, 의료 영상, 환자의 정량화된 협착증 및 죽상동맥경화증, 및 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트에 적어도 부분적으로 기초하여 하나 이상의 주석이 달린 의료 영상을 생성하는 단계; 컴퓨터 시스템에 의해, 환자의 정량화된 협착증 및 죽상동맥경화증 및 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트를 환자의 연령 그룹 내의 건강한 대상의 하나 이상의 의료 영상으로부터 도출된 하나 이상의 정량화된 협착증 및 죽상동맥경화증 및 하나 이상의 정량화된 플라크 파라미터의 공지의 데이터세트에 비교함으로써 적어도 부분적으로 기초하여 환자에 대한 관상 동맥 질환의 위험을 결정하는 단계; 컴퓨터 시스템에 의해, 환자의 관상 동맥 질환에 대한 환자-특정 보고를 동적으로 생성하는 단계를 포함하고, 생성된 환자-특정 보고는 하나 이상의 주석이 달린 의료 영상, 정량화된 플라크 파라미터의 세트 중 하나 이상, 및 관상 동맥 질환의 결정된 위험을 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 220: 실시예 219에 있어서, 환자-특정 보고는 영화 보고를 포함하는, 컴퓨터 구현 방법.
실시예 221: 실시예 220에 있어서, 환자-특정 보고는 증강 현실(AR) 또는 가상 현실(VR) 경험을 제공하도록 구성된 콘텐츠를 포함하는, 컴퓨터 구현 방법.
실시예 222: 실시예 219 내지 221 중 어느 하나에 있어서, 환자-특정 보고는 환자의 정량화된 협착증 및 죽상동맥경화증, 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트, 및 관상 동맥 질환의 결정된 위험에 적어도 부분적으로 기초하여 환자에 대해 동적으로 생성된 오디오를 포함하는, 컴퓨터 구현 방법.
실시예 223: 실시예 219 내지 222 중 어느 하나에 있어서, 환자-특정 보고는 환자의 정량화된 협착증 및 죽상동맥경화증, 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트, 및 관상 동맥 질환의 결정된 위험에 적어도 부분적으로 기초하여 환자에 대해 동적으로 생성된 문구를 포함하는, 컴퓨터 구현 방법.
실시예 224: 실시예 219 내지 223 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 환자의 정량화된 협착증 및 죽상동맥경화증, 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트, 및 관상 동맥 질환의 결정된 위험에 적어도 부분적으로 기초하여 환자에 대한 치료 계획을 생성하는 단계를 더 포함하고, 환자-특정 보고는 생성된 치료 계획을 포함하는, 컴퓨터 구현 방법.
실시예 225: 실시예 224에 있어서, 생성된 치료 계획은 스타틴의 사용, 생활 습관 변화, 또는 수술 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 226: 실시예 219 내지 225 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 의료 영상으로부터 결정된 정량화된 플라크 파라미터의 세트 중 하나 이상을 환자의 이전 의료 영상으로부터 도출된 하나 이상의 이전의 정량화된 플라크 파라미터에 대해 비교하는 것에 적어도 부분적으로 기초하여 환자에 대한 관상 동맥 질환의 진행을 추적하는 단계를 더 포함하고, 환자-특정 보고는 관상 동맥 질환의 추적된 진행을 포함하는, 컴퓨터 구현 방법.
실시예 227: 실시예 219 내지 226 중 어느 하나에 있어서, 관상 동맥 식별 알고리즘 또는 플라크 식별 알고리즘 중 하나 이상은 인공 지능 또는 기계 학습 알고리즘을 포함하는, 컴퓨터 구현 방법.
실시예 228: 실시예 219 내지 227 중 어느 하나에 있어서, 플라크 식별 알고리즘은 하나 이상의 관상 동맥의 혈관 벽과 내강 벽을 결정하고 혈관 벽과 내강 벽 사이의 체적을 하나 이상의 플라크의 영역으로서 결정함으로써 플라크의 하나 이상의 영역을 결정하도록 구성되는, 컴퓨터 구현 방법.
실시예 229: 실시예 219 내지 228 중 어느 하나에 있어서, 의료 영상은 컴퓨터 단층 촬영(CT) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 230: 실시예 229에 있어서, 의료 영상은 비조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 231: 실시예 229에 있어서, 의료 영상은 조영 CT 영상을 포함하는, 컴퓨터 구현 방법.
실시예 232: 실시예 219 내지 228 중 어느 하나에 있어서, 의료 영상은 자기 공명(MR) 영상을 포함하는, 컴퓨터 구현 방법.
실시예 233: 실시예 219 내지 228 중 어느 하나에 있어서, 의료 영상은 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS) 중 하나 이상을 포함하는 영상 기술을 사용하여 획득되는, 컴퓨터 구현 방법.
실시예 234: 시스템이며, 컴퓨터 실행 가능 명령, 환자의 관상 혈관의 컴퓨터 단층 촬영(CT) 영상의 세트, 혈관 라벨, 및 협착, 플라크 및 관상 혈관의 세그먼트의 위치의 정보를 포함하는 CT 영상의 세트와 연관된 동맥 정보를 적어도 저장하도록 구성된 적어도 하나의 비일시적 컴퓨터 저장 매체; 적어도 하나의 비일시적 컴퓨터 저장 매체와 통신하는 하나 이상의 컴퓨터 하드웨어 프로세서를 포함하고, 하나 이상의 컴퓨터 하드웨어 프로세서는 적어도: CT 영상에서 식별된 관상 혈관을 묘사하고 있는 관상 혈관의 3차원(3D) 표현을 포함하는 동맥 트리를 포함하고, 동맥 트리와 관련된 세그먼트 라벨을 포함하는 제1 패널을 생성하여 사용자 인터페이스에 디스플레이하고 - 동맥 트리는 동맥 트리의 분지 사이에 심장 조직을 포함하지 않음 -; 제1 패널의 동맥 트리에서 관상 혈관의 선택을 나타내는 사용자 인터페이스 상의 입력에 응답하여, 적어도 하나의 직선화된 다평면 혈관(SMPR) 뷰에 선택된 관상 혈관의 적어도 일부를 예시하는 제2 패널을 생성하여 사용자 인터페이스 상에 디스플레이하고; 선택된 관상 혈관의 단면 뷰를 보여주는 제3 패널을 생성하여 사용자 인터페이스에 디스플레이하고, 단면 뷰는 선택된 관상 혈관의 CT 영상의 세트 중 하나를 사용하여 생성되고, 적어도 하나의 SMPR 뷰를 따른 위치는 각각 CT 영상의 세트의 CT 영상 중 하나와 연관되어, 적어도 하나의 SMPR 뷰에서 관상 혈관을 따른 특정 위치의 선택이 제3 패널의 단면 뷰에서 연관된 CT 영상을 디스플레이하게 하고; 적어도 하나의 SMPR 뷰에서 선택된 관상 동맥을 따른 제1 위치를 나타내는 제3 패널 상의 입력에 응답하여, 제3 패널의 제1 위치에서 선택된 관상 동맥과 연관된 단면 뷰를 디스플레이하기 위해 컴퓨터 실행 가능 명령을 실행하도록 구성되는, 시스템.
실시예 235: 실시예 234에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는, 적어도 하나의 SMPR 뷰에서 선택된 관상 동맥을 따른 제2 위치를 나타내는 사용자 인터페이스의 제2 패널 상의 입력에 응답하여, 제3 패널의 단면 뷰에서 제2 위치와 연관된 연관 CT 스캔을 디스플레이하기 위해 컴퓨터 실행 가능 명령을 실행하도록 추가로 구성되는, 시스템.
실시예 236: 실시예 234에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는, 제1 패널에 디스플레이된 동맥 트리에서 제2 관상 혈관의 선택을 나타내는 사용자 인터페이스 상의 제2 입력에 응답하여, 적어도 하나의 직선화 다평면 혈관(SMPR) 뷰에서 선택된 제2 관상 혈관의 적어도 일부를 생성하여 제2 패널에 디스플레이하고, 선택된 제2 관상 혈관의 단면 뷰를 생성하여 제3 패널에 디스플레이하기 위해 컴퓨터 실행 가능 명령을 실행하도록 추가로 구성되고, 단면 뷰는 선택된 제2 관상 혈관의 CT 영상의 세트 중 하나를 사용하여 생성되고, 적어도 하나의 SMPR 뷰에서 선택된 제2 관상 동맥을 따른 위치는 각각 CT 영상의 세트의 CT 영상 중 하나와 연관되어, 적어도 하나의 SMPR 뷰에서 제2 관상 혈관을 따른 특정 위치의 선택이 제3 패널의 단면 뷰에서 연관된 CT 영상을 디스플레이하게 하는, 시스템.
실시예 237: 실시예 234에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는 적어도 하나의 비일시적 컴퓨터 저장 매체에 동맥 정보를 저장하기 전에 CT 영상을 처리하는 기계 학습 알고리즘을 사용하여 혈관 세그먼트를 식별하도록 추가로 구성되는, 시스템.
실시예 238: 실시예 234에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는 제4 패널의 사용자 인터페이스에 카툰 동맥 트리를 생성하고 디스플레이하기 위해 컴퓨터 실행 가능 명령을 실행하도록 추가로 구성되고, 카툰 동맥 트리는 관상 동맥 트리의 비환자 특정 그래픽 표현을 포함하고, 카툰 동맥 트리에서 혈관 세그먼트의 선택에 응답하여, 선택된 혈관 세그먼트의 뷰가 SMPR 뷰에서 사용자 인터페이스의 패널에 디스플레이되고, SMPR 뷰에 디스플레이되는 혈관 세그먼트의 위치의 선택시에, 선택된 위치에서 선택된 혈관에 대한 정보를 디스플레이하는 패널을 생성하고 사용자 인터페이스에 디스플레이하는, 시스템.
실시예 239: 실시예 238에 있어서, 디스플레이된 정보는 선택된 혈관의 협착 및 플라크에 관한 정보를 포함하는, 시스템.
실시예 240: 실시예 234에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는 세그먼트의 이름을 나타내는, 동맥 트리 상의 각각의 세그먼트에 근접한 이름 라벨을 생성 및 세그먼트화하기 위해 컴퓨터 실행 가능 명령을 실행하도록 추가로 구성되는, 시스템.
실시예 241: 실시예 240에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는, 사용자 인터페이스 상에 디스플레이된 제1 세그먼트 이름 라벨의 입력 선택에 응답하여, 혈관 세그먼트 이름의 목록을 갖고 그리고 선택된 혈관 세그먼트의 현재 이름을 나타내는 패널을 생성하여 사용자 인터페이스 상에 디스플레이하고; 목록 상의 제2 세그먼트 이름 라벨의 입력 선택에 응답하여, 사용자 인터페이스에서 디스플레이된 동맥 트리의 제2 세그먼트 이름 라벨로 제1 세그먼트 이름 라벨을 대체하기 위해 컴퓨터 실행 가능 명령을 실행하도록 추가로 구성되는, 시스템.
실시예 242: 실시예 234에 있어서, 선택된 관상 혈관의 적어도 하나의 SMPR 뷰는 회전 간격으로 인접하게 디스플레이되는 선택된 관상 혈관의 적어도 2개의 SMPR 뷰를 포함하는, 시스템.
실시예 243: 실시예 234에 있어서, 적어도 하나의 SMPR 뷰는 0°, 22.5°, 45° 및 67.5°의 상대 회전으로 디스플레이되는 4개의 SMPR 뷰를 포함하는, 시스템.
실시예 244: 실시예 234에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는, 사용자 입력에 응답하여, 적어도 하나의 SMPR 뷰를 1°의 증분으로 회전시키기 위해 컴퓨터 실행 가능 명령을 실행하도록 추가로 구성되는, 시스템.
실시예 245: 실시예 234에 있어서, 동맥 트리, 적어도 하나의 SMPR 뷰, 및 단면 뷰는 사용자 인터페이스 상에 동시에 디스플레이되는, 시스템.
실시예 246: 실시예 245에 있어서, 여기서, 동맥 트리는 사용자 패널의 중심부에 디스플레이되고, 단면 뷰는 동맥 트리 위 또는 아래에서 사용자 인터페이스의 중심부에 디스플레이되고, 적어도 하나의 SMPR 뷰는 사용자 인터페이스의 중심부의 일 측면에 디스플레이되는, 시스템.
실시예 247: 실시예 246에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는, 사용자 인터페이스의 중심부의 일 측면에, 선택된 관상 동맥에 대응하는 하나 이상의 해부학적 평면 뷰를 생성하여 디스플레이하도록 추가로 구성되고, 선택된 관상 혈관의 해부학적 평면 뷰는 CT 영상에 기초하는, 시스템.
실시예 248: 실시예 247에 있어서, 해부학적 평면 뷰는 3개의 해부학적 평면 뷰를 포함하는, 시스템.
실시예 249: 실시예 247에 있어서, 해부학적 평면 뷰는 축면 평면 뷰, 관상면 평면 뷰, 또는 시상면 평면 뷰 중 적어도 하나를 포함하는, 시스템.
실시예 250: 실시예 234에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는 사용자 인터페이스 상에서 회전 입력을 수신하고, 회전 입력에 기초하여 적어도 하나의 SMPR 뷰를 증분적으로 회전시키도록 추가로 구성되는, 시스템.
실시예 251: 실시예 234에 있어서, 적어도 하나의 비일시적 컴퓨터 저장 매체는 관상 동맥 혈관의 내강 및 혈관 벽을 나타내는 정보를 포함하는 혈관 벽 정보를 적어도 저장하도록 추가로 구성되고, 하나 이상의 컴퓨터 하드웨어 프로세서는 제3 패널의 단면 뷰에 디스플레이된 관상 혈관에 대응하는 내강 및 혈관 벽 정보를 그래픽으로 디스플레이하도록 추가로 구성되는, 시스템.
실시예 252: 실시예 251에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는 적어도 하나의 SMPR 뷰에서 관상 혈관의 선택된 부분에 기초하여 사용자 인터페이스에 내강 및 혈관 벽의 정보를 디스플레이하도록 추가로 구성되는, 시스템.
실시예 253: 실시예 251에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는 적어도 하나의 SMPR 뷰에서 관상 혈관의 선택된 부분에 기초하여 플라크의 정보를 디스플레이하도록 추가로 구성되는, 시스템.
실시예 254: 실시예 251에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는 적어도 하나의 SMPR 뷰에서 관상 혈관의 선택된 부분에 기초하여 협착의 정보를 디스플레이하도록 추가로 구성되는, 시스템.
실시예 255: 실시예 234에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는 카툰 동맥 트리를 생성하여 사용자 인터페이스에 디스플레이하기 위해 컴퓨터 실행 가능 명령을 실행하도록 추가로 구성되고, 카툰 동맥 트리는 동맥 트리의 비환자 특정 그래픽 표현이고, 동맥 트리의 부분은 위험 레벨에 대응하는 컬러로 디스플레이되는, 시스템.
실시예 256: 실시예 255에 있어서, 위험 레벨은 협착에 기초하는, 시스템.
실시예 257: 실시예 255에 있어서, 위험 레벨은 플라크에 기초하는, 시스템.
실시예 258: 실시예 255에 있어서, 위험 레벨은 허혈에 기초하는, 시스템.
실시예 259: 실시예 255에 있어서, 하나 이상의 컴퓨터 하드웨어 프로세서는, 카툰 동맥 트리의 부분을 선택하고, 카툰 동맥 트리의 선택된 부분에 대응하는 혈관의 SMPR 뷰를 제2 패널에 디스플레이하고, 카툰 동맥 트리의 선택된 부분에 대응하는 단면 뷰를 제3 패널에 디스플레이하는 것에 응답하여 컴퓨터 실행 가능 명령을 실행하도록 추가로 구성되는, 시스템.
실시예 269: 시스템이며, 컴퓨터 실행 가능 명령, 환자의 관상 혈관의 컴퓨터 단층 촬영(CT) 영상의 세트, 혈관 라벨, 및 협착, 플라크 및 관상 혈관의 세그먼트의 위치의 정보를 포함하는 CT 영상의 세트와 연관된 동맥 정보를 저장하기 위한 수단; 및 적어도: CT 영상에 기초하여 관상 혈관의 3차원(3D) 표현을 포함하는 동맥 트리를 포함하고, CT 영상에서 식별된 관상 혈관을 묘사하고, 세그먼트 라벨을 묘사하는 제1 패널을 생성하여 사용자 인터페이스에 디스플레이하고 - 동맥 트리는 동맥 트리의 분지 사이에 심장 조직을 포함하지 않음 - ; 제1 패널의 동맥 트리에서 관상 혈관의 선택을 나타내는 사용자 인터페이스 상의 입력에 응답하여, 적어도 하나의 직선화된 다평면 혈관(SMPR) 뷰에 선택된 관상 혈관의 적어도 일부를 예시하는 제2 패널을 생성하여 사용자 인터페이스 상에 디스플레이하고; 선택된 관상 혈관의 단면 뷰를 보여주는 제3 패널을 생성하여 사용자 인터페이스에 디스플레이하고, 단면 뷰는 선택된 관상 혈관의 CT 영상의 세트 중 하나를 사용하여 생성되고, 적어도 하나의 SMPR 뷰를 따른 위치는 각각 CT 영상의 세트의 CT 영상 중 하나와 연관되어, 적어도 하나의 SMPR 뷰에서 관상 혈관을 따른 특정 위치의 선택이 제3 패널의 단면 뷰에서 연관된 CT 영상을 디스플레이하게 하고; 적어도 하나의 SMPR 뷰에서 선택된 관상 동맥을 따른 제1 위치를 나타내는 사용자 인터페이스 상의 입력에 응답하여, 제3 패널의 단면 뷰와 연관된 연관 CT 스캔을 디스플레이하기 위해 컴퓨터 실행 가능 명령을 실행하기 위한 수단을 포함하는, 시스템.
실시예 261: CT 영상 및 대응 정보를 분석하기 위한 방법이며, 방법은 컴퓨터 실행 가능 명령, 환자의 관상 혈관의 컴퓨터 단층 촬영(CT) 영상의 세트, 혈관 라벨, 및 협착, 플라크 및 관상 혈관의 세그먼트의 위치의 정보를 포함하는 CT 영상의 세트와 연관된 동맥 정보를 저장하는 단계; CT 영상에 기초하여 관상 혈관의 3차원(3D) 표현을 포함하는 동맥 트리를 포함하고, CT 영상에서 식별된 관상 혈관을 묘사하고, 세그먼트 라벨을 묘사하는 제1 패널을 생성하여 사용자 인터페이스에 디스플레이하는 단계 - 동맥 트리는 동맥 트리의 분지 사이에 심장 조직을 포함하지 않음 -; 제1 패널의 동맥 트리에서 관상 혈관의 선택을 나타내는 제1 입력을 수신하는 단계; 제1 입력에 응답하여, 적어도 하나의 직선화된 다평면 혈관(SMPR) 뷰에서 선택된 관상 혈관의 적어도 일부를 예시하는 제2 패널을 생성하여 사용자 인터페이스 상에 디스플레이하는 단계; 선택된 관상 혈관의 단면 뷰를 보여주는 제3 패널을 생성하여 사용자 인터페이스에 디스플레이하는 단계로서, 단면 뷰는 선택된 관상 혈관의 CT 영상의 세트 중 하나를 사용하여 생성되고, 적어도 하나의 SMPR 뷰를 따른 위치는 각각 CT 영상의 세트의 CT 영상 중 하나와 연관되어, 적어도 하나의 SMPR 뷰에서 관상 혈관을 따른 특정 위치의 선택이 제3 패널의 단면 뷰에서 연관된 CT 영상을 디스플레이하게 하는, 생성 및 디스플레이 단계; 적어도 하나의 SMPR 뷰에서 선택된 관상 동맥을 따른 제1 위치를 나타내는 사용자 인터페이스 상에 제2 입력을 수신하는 단계; 및 제2 입력에 응답하여, 제3 패널의 단면 뷰와 연관된 연관 CT 스캔을 디스플레이하는 단계를 포함하고, 방법은 하나 이상의 비일시적 컴퓨터 저장 매체 상에 통신적으로 저장된 컴퓨터 실행 가능 명령을 실행하는 하나 이상의 컴퓨터 하드웨어 프로세서에 의해 수행되는, 방법.
실시예 262: 실시예 261에 있어서, 적어도 하나의 SMPR 뷰에서 선택된 관상 동맥을 따른 제2 위치를 나타내는 사용자 인터페이스의 제2 패널 상의 입력에 응답하여, 제3 패널의 단면 뷰에서 제2 위치와 연관된 연관 CT 스캔을 디스플레이하는 단계를 더 포함하는, 방법.
실시예 263: 실시예 261 및 262 중 어느 하나에 있어서, 제1 패널에 디스플레이된 동맥 트리에서 제2 관상 혈관의 선택을 나타내는 사용자 인터페이스 상의 제2 입력에 응답하여, 적어도 하나의 직선화 다평면 혈관(SMPR) 뷰에서 선택된 제2 관상 혈관의 적어도 일부를 생성하여 제2 패널에 디스플레이하고, 선택된 제2 관상 혈관의 단면 뷰를 생성하여 제3 패널에 디스플레이하는 단계를 더 포함하고, 단면 뷰는 선택된 제2 관상 혈관의 CT 영상의 세트 중 하나를 사용하여 생성되고, 적어도 하나의 SMPR 뷰에서 선택된 제2 관상 동맥을 따른 위치는 각각 CT 영상의 세트의 CT 영상 중 하나와 연관되어, 적어도 하나의 SMPR 뷰에서 제2 관상 혈관을 따른 특정 위치의 선택이 제3 패널의 단면 뷰에서 연관된 CT 영상을 디스플레이하게 하는, 방법.
실시예 264: 실시예 261 내지 263 중 어느 하나에 있어서, 제4 패널의 사용자 인터페이스에 카툰 동맥 트리를 생성하고 디스플레이하는 단계를 더 포함하고, 카툰 동맥 트리는 관상 동맥 트리의 비환자 특정 그래픽 표현을 포함하고, 카툰 동맥 트리에서 혈관 세그먼트의 선택에 응답하여, 선택된 혈관 세그먼트의 뷰가 SMPR 뷰에서 사용자 인터페이스의 패널에 디스플레이되고, SMPR 뷰에 디스플레이되는 혈관 세그먼트의 위치의 선택시에, 선택된 위치에서 선택된 혈관에 대한 정보를 디스플레이하는 패널을 생성하고 사용자 인터페이스에 디스플레이하는, 방법.
실시예 265: 실시예 264에 있어서, 디스플레이된 정보는 선택된 혈관의 협착 및 플라크에 관한 정보를 포함하는, 방법.
실시예 266: 실시예 261 내지 265 중 어느 하나에 있어서, 저장된 동맥 정보를 사용하여, 세그먼트의 이름을 나타내는, 동맥 트리 상의 각각의 세그먼트에 근접한 세그먼트 이름 라벨을 생성 및 디스플레이하는 단계를 더 포함하는, 방법.
실시예 267: 실시예 261 내지 266 중 어느 하나에 있어서, 사용자 인터페이스 상에 디스플레이된 제1 세그먼트 이름 라벨의 입력 선택에 응답하여, 혈관 세그먼트 이름의 목록을 갖고 그리고 선택된 혈관 세그먼트의 현재 이름을 나타내는 패널을 생성하여 사용자 인터페이스 상에 디스플레이하는 단계, 및 목록 상의 제2 세그먼트 이름 라벨의 입력 선택에 응답하여, 사용자 인터페이스에서 디스플레이된 동맥 트리의 제2 세그먼트 이름 라벨로 제1 세그먼트 이름 라벨을 대체하는 단계를 더 포함하는, 방법.
실시예 268: 실시예 261 내지 267 중 어느 하나에 있어서, 사용자 인터페이스의 제4 패널에 툴바를 생성하고 디스플레이하는 단계를 더 포함하고, 툴바는 사용자 인터페이스 상에 디스플레이된 동맥 정보를 추가, 삭제 또는 수정하기 위한 도구를 포함하는, 방법.
실시예 269: 실시예 268에 있어서, 툴바의 도구는 내강 벽 도구, 혈관 벽에 스냅 도구, 내강 벽에 스냅 도구, 혈관 벽 도구, 세그먼트 도구, 협착 도구, 플라크 오버레이 도구, 중심선에 스냅 도구, 만성 완전 폐색 도구, 스텐트 도구, 제외 도구, 추적기 도구 또는 거리 측정 도구를 포함하는, 방법.
실시예 270: 실시예 268에 있어서, 툴바의 도구는 내강 벽 도구, 혈관 벽에 스냅 도구, 내강 벽에 스냅 도구, 혈관 벽 도구, 세그먼트 도구, 협착 도구, 플라크 오버레이 도구, 중심선에 스냅 도구, 만성 완전 폐색 도구, 스텐트 도구, 제외 도구, 추적기 도구, 및 거리 측정 도구를 포함하는, 방법.
실시예 271: 알고리즘 기반 의료 영상 분석을 위한 대상의 관상 영역의 의료 영상의 정규화를 용이하게 하도록 구성된 정규화 디바이스이며, 정규화 디바이스는 폭, 길이 및 깊이 치수를 갖는 기판으로서, 기판은 근위 표면 및 원위 표면을 갖고, 근위 표면은 환자의 신체 부분의 표면에 인접하게 배치되도록 구성되는, 기판; 기판 내에 위치된 복수의 구획으로서, 복수의 구획의 각각은 공지의 물질의 샘플을 보유하도록 구성되는 복수의 구획을 포함하고, 여기서: 복수의 구획의 제1 서브세트는 상이한 농도를 갖는 조영제 물질의 샘플을 보유하고, 복수의 구획의 제2 서브세트는 알고리즘 기반 의료 영상 분석에 의해 분석될 물질을 나타내는 물질의 샘플을 보유하고, 복수의 구획의 제3 서브세트는 팬텀 물질의 샘플을 보유하는, 정규화 디바이스.
실시예 272: 실시예 271에 있어서, 조영제 물질은 요오드, Gad, 탄탈륨, 텅스텐, 금, 비스무트, 또는 이테르븀 중 하나를 포함하는, 정규화 디바이스.
실시예 273: 실시예 271 내지 272 중 어느 하나에 있어서, 알고리즘 기반 의료 영상 분석에 의해 분석될 물질을 나타내는 물질의 샘플은 칼슘 1000 HU, 칼슘 220 HU, 칼슘 150 HU, 칼슘 130 HU 및 저감쇠(예를 들어, 30 HU) 물질 중 적어도 2개를 포함하는, 정규화 디바이스.
실시예 274: 실시예 271 내지 273 중 어느 하나에 있어서, 팬텀 물질의 샘플은 물, 지방, 칼슘, 요산, 공기, 철 또는 혈액 중 하나 이상을 포함하는, 정규화 디바이스.
실시예 275: 실시예 271 내지 274 중 어느 하나에 있어서, 제1 배열의 하나 이상의 구획의 각각의 영상의 위치가 하나 이상의 기준점을 사용하여 결정될 수 있도록 정규화 디바이스의 영상 내의 정규화 디바이스의 정렬을 결정하기 위해 기판 상에 또는 내에 위치된 하나 이상의 기준점을 더 포함하는, 정규화 디바이스.
실시예 276: 실시예 271 내지 275 중 어느 하나에 있어서, 기판은 제1 층을 포함하고, 복수의 구획 중 적어도 몇몇은 제1 배열로 제1 층에 위치되는, 정규화 디바이스.
실시예 277: 실시예 276에 있어서, 기판은 제1 층 위에 위치된 제2 층을 더 포함하고, 복수의 구획 중 적어도 몇몇은 제2 배열을 포함하는 제2 층에 위치되는, 정규화 디바이스.
실시예 278: 실시예 277에 있어서, 제2 층 위에 위치된 하나 이상의 부가의 층을 더 포함하고, 복수의 구획 중 적어도 몇몇은 하나 이상의 부가의 층 내에 위치되는, 정규화 디바이스.
실시예 279: 실시예 271 내지 278 중 어느 하나에 있어서, 구획 중 적어도 하나는, 물질이 자체 밀봉 구획 내로 주입될 수 있고 구획이 주입된 물질을 수용하도록 밀봉되도록, 자체 밀봉되도록 구성되는, 정규화 디바이스.
실시예 280: 실시예 271 내지 279 중 어느 하나에 있어서, 기판의 근위 표면 상에 있고 정규화 디바이스를 환자의 신체 부분에 접착하도록 구성된 접착제를 더 포함하는, 정규화 디바이스.
실시예 281: 실시예 271 내지 280 중 어느 하나에 있어서, 환자의 신체 부분으로부터 하나 이상의 구획 내의 물질로 열을 전달하도록 설계된 열 전달 물질을 더 포함하는, 정규화 디바이스.
실시예 282: 실시예 271 내지 280 중 어느 하나에 있어서, 근위측 및 원위측을 갖는 접착 스트립을 더 포함하고, 근위측은 신체 부분에 접착되도록 구성되고, 접착 스트립은 기판의 근위 표면에 제거 가능하게 부착되도록 구성된 체결구를 포함하는, 정규화 디바이스.
실시예 283: 실시예 282에 있어서, 체결구는 후크 및 루프 체결구의 제1 부분을 포함하고, 제1 층은 후크 및 루프 체결구의 대응하는 제2 부분을 포함하는, 정규화 디바이스.
실시예 284: 실시예 271 내지 283 중 어느 하나에 있어서, 기판은 기판이 신체 부분의 형상에 합치할 수 있게 하도록 하는 가요성 물질인, 정규화 디바이스.
실시예 285: 실시예 271 내지 284 중 어느 하나에 있어서, 제1 배열은 구획의 원형 배열을 포함하는, 정규화 디바이스.
실시예 286: 실시예 271 내지 284 중 어느 하나에 있어서, 제1 배열은 구획의 직사각형 배열을 포함하는, 정규화 디바이스.
실시예 287: 실시예 271 내지 286 중 어느 하나에 있어서, 적어도 2개의 구획의 물질은 동일한, 정규화 디바이스.
실시예 288: 실시예 271 내지 287 중 어느 하나에 있어서, 구획의 길이, 폭 또는 깊이 치수 중 적어도 하나는 0.5 mm 미만인, 정규화 디바이스.
실시예 289: 실시예 271 내지 287 중 어느 하나에 있어서, 구획의 폭 치수는 0.1 mm 내지 1 mm인, 정규화 디바이스.
실시예 290: 실시예 289에 있어서, 구획의 길이 치수는 0.1 mm 내지 1 mm인, 정규화 디바이스.
실시예 291: 실시예 290에 있어서, 구획의 깊이 치수는 0.1 mm 내지 1 mm인, 정규화 디바이스.
실시예 292: 실시예 271 내지 287 중 어느 하나에 있어서, 구획의 길이, 폭 또는 깊이 치수 중 적어도 하나는 1.0 mm 초과인, 정규화 디바이스.
실시예 293: 실시예 271 내지 287 중 어느 하나에 있어서, 몇몇 실시예에서, 정규화 디바이스 내의 구획의 일부 또는 전부의 치수는, 정규화 디바이스가 상이한 해상도 능력을 갖는 다양한 의료 영상 스캐닝 디바이스에 사용될 수 있도록 단일 정규화 디바이스가 상이한 치수를 갖는 복수의 구획을 가질 수 있게 하기 위해 서로 상이한, 정규화 디바이스.
실시예 294: 실시예 271 내지 287 중 어느 하나에 있어서, 정규화 디바이스는 정규화 디바이스가 스캐닝 디바이스의 실제 해상도 능력을 결정하는 데 사용될 수 있도록 상이한 치수를 갖는 복수의 구획을 포함하는, 정규화 디바이스.
실시예 295: 정규화 디바이스이며, 폭, 길이, 및 깊이 치수를 갖는 제1 층으로서, 제1 층은 근위 표면 및 원위 표면을 갖고, 근위 표면은 환자의 신체 부분의 표면에 인접하게 배치되도록 구성되고, 제1 층은 제1 배열로 제1 층에 위치된 하나 이상의 구획을 포함하고, 하나 이상의 구획의 각각은 공지의 물질을 포함하는, 제1 층; 및 제1 배열의 하나 이상의 구획의 각각의 영상의 위치가 하나 이상의 기준점을 사용하여 결정되도록 정규화 디바이스의 영상 내의 정규화 디바이스의 정렬을 결정하기 위한 하나 이상의 기준점을 포함하는, 정규화 디바이스.
실시예 296: 실시예 295에 있어서, 폭, 길이, 및 깊이 치수를 갖는 제2 층을 더 포함하고, 제2 층은 근위 표면 및 원위 표면을 갖고, 근위 표면은 제1 층의 원위 표면에 인접하고, 제2 층은 제2 배열로 제2 층에 위치된 하나 이상의 구획을 포함하고, 제2 층의 하나 이상의 구획의 각각은 공지의 물질을 포함하는, 정규화 디바이스.
실시예 297: 실시예 296에 있어서, 폭, 길이 및 깊이 치수를 각각 갖는 하나 이상의 부가의 층을 더 포함하고, 하나 이상의 부가의 층은 근위 표면 및 원위 표면을 갖고, 근위 표면은 제2 층을 향하고 하나 이상의 층의 각각은 제2 층이 제1 층과 하나 이상의 부가의 층 사이에 있도록 위치되고, 하나 이상의 부가의 층의 각각은 제2 배열로 각각의 하나 이상의 부가의 층에 위치된 하나 이상의 구획을 각각 포함하고, 하나 이상의 부가의 층의 하나 이상의 구획의 각각은 공지의 물질을 포함하는, 정규화 디바이스.
실시예 298: 실시예 295 내지 297 중 어느 하나에 있어서, 구획 중 적어도 하나는, 물질이 자체 밀봉 구획 내로 주입될 수 있고 구획이 주입된 물질을 수용하도록 밀봉되도록, 자체 밀봉되도록 구성되는, 정규화 디바이스.
실시예 299: 실시예 295에 있어서, 제1 층의 근위 표면 상의 접착제를 더 포함하는, 정규화 디바이스.
실시예 300: 실시예 295에 있어서, 환자의 신체 부분으로부터 하나 이상의 구획 내의 물질로 열을 전달하도록 설계된 열 전달 물질을 더 포함하는, 정규화 디바이스.
실시예 301: 실시예 295에 있어서, 근위측 및 원위측을 갖는 접착 스트립을 더 포함하고, 근위측은 신체 부분에 접착되도록 구성되고, 접착 스트립은 제1 층의 근위 표면에 제거 가능하게 부착되도록 구성된 체결구를 포함하는, 정규화 디바이스.
실시예 302: 실시예 301에 있어서, 체결구는 후크 및 루프 체결구의 제1 부분을 포함하고, 제1 층은 후크 및 루프 체결구의 대응하는 제2 부분을 포함하는, 정규화 디바이스.
실시예 303: 실시예 295에 있어서, 정규화 디바이스는 정규화 디바이스가 신체 부분의 형상에 합치할 수 있게 하는 가요성 물질을 포함하는, 정규화 디바이스.
실시예 304: 실시예 295에 있어서, 제1 배열은 구획의 원형 배열을 포함하는, 정규화 디바이스.
실시예 305: 실시예 295에 있어서, 제1 배열은 구획의 직사각형 배열을 포함하는, 정규화 디바이스.
실시예 306: 실시예 295에 있어서, 제1 층의 적어도 2개의 구획 내의 물질은 동일한, 정규화 디바이스.
실시예 307: 실시예 296 또는 297 중 어느 하나에 있어서, 임의의 층의 적어도 2개의 구획 내의 물질은 동일한, 정규화 디바이스.
실시예 308: 실시예 295에 있어서, 하나 이상의 구획 중 적어도 하나는 조영제 물질을 포함하는, 정규화 디바이스.
실시예 309: 실시예 308에 있어서, 조영제 물질은 요오드, Gad, 탄탈륨, 텅스텐, 금, 비스무트, 또는 이테르븀 중 하나를 포함하는, 정규화 디바이스.
실시예 310: 실시예 295에 있어서, 하나 이상의 구획 중 적어도 하나는 연구된 변수를 나타내는 물질을 포함하는, 정규화 디바이스.
실시예 311: 실시예 309에 있어서, 연구된 변수는 칼슘 1000 HU, 칼슘 220 HU, 칼슘 150 HU, 칼슘 130 HU, 및 저감쇠(예를 들어, 30 HU) 물질을 나타내는, 정규화 디바이스.
실시예 312: 실시예 295에 있어서, 하나 이상의 구획 중 적어도 하나는 팬텀을 포함하는, 정규화 디바이스.
실시예 313: 실시예 312에 있어서, 팬텀은 물, 지방, 칼슘, 요산, 공기, 철 또는 혈액 중 하나를 포함하는, 정규화 디바이스.
실시예 314: 실시예 295에 있어서, 제1 배열은 조영제를 포함하는 적어도 하나의 구획, 연구 변수를 포함하는 적어도 하나의 구획 및 팬텀을 포함하는 적어도 하나의 구획을 포함하는, 정규화 디바이스.
실시예 315: 실시예 295에 있어서, 제1 배열은 조영제를 포함하는 적어도 하나의 구획 및 연구 변수를 포함하는 적어도 하나의 구획을 포함하는, 정규화 디바이스.
실시예 316: 실시예 295에 있어서, 제1 배열은 조영제를 포함하는 적어도 하나의 구획 및 팬텀을 포함하는 적어도 하나의 구획을 포함하는, 정규화 디바이스.
실시예 317: 실시예 295에 있어서, 제1 배열은 연구 변수를 포함하는 적어도 하나의 구획 및 팬텀을 포함하는 적어도 하나의 구획을 포함하는, 정규화 디바이스.
실시예 318: 실시예 271에 있어서, 제1 층의 제1 배열은 조영제를 포함하는 적어도 하나의 구획, 연구 변수를 포함하는 적어도 하나의 구획 및 팬텀을 포함하는 적어도 하나의 구획을 포함하고, 제2 층의 제2 배열은 조영제를 포함하는 적어도 하나의 구획, 연구 변수를 포함하는 적어도 하나의 구획 및 팬텀을 포함하는 적어도 하나의 구획을 포함하는, 정규화 디바이스.
실시예 319: 실시예 295에 있어서, 구획의 길이, 폭 또는 깊이 치수 중 적어도 하나는 0.5 mm 미만인, 정규화 디바이스.
실시예 320: 실시예 295에 있어서, 구획의 폭 치수는 0.1 mm 내지 1 mm인, 정규화 디바이스.
실시예 321: 실시예 295에 있어서, 구획의 길이 치수는 0.1 mm 내지 1 mm인, 정규화 디바이스.
실시예 322: 실시예 295에 있어서, 구획의 깊이(또는 높이) 치수는 0.1 mm 내지 1 mm인, 정규화 디바이스.
실시예 323: 실시예 295에 있어서, 구획의 길이, 폭 또는 깊이 치수 중 적어도 하나는 1.0 mm 초과인, 정규화 디바이스.
실시예 324: 실시예 295 내지 297 중 어느 하나에 있어서, 정규화 디바이스 내의 구획의 일부 또는 전부의 치수는, 정규화 디바이스가 상이한 해상도 능력을 갖는 다양한 의료 영상 스캐닝 디바이스에 사용될 수 있도록 단일 정규화 디바이스가 상이한 치수를 갖는 복수의 구획을 가질 수 있게 하기 위해 서로 상이한, 정규화 디바이스.
실시예 325: 실시예 295 내지 297 중 어느 하나에 있어서, 정규화 디바이스는 정규화 디바이스가 스캐닝 디바이스의 실제 해상도 능력을 결정하는 데 사용될 수 있도록 상이한 치수를 갖는 복수의 구획을 포함하는, 정규화 디바이스.
실시예 326: 알고리즘 기반 의료 영상 분석을 위해 의료 영상을 정규화하기 위한 컴퓨터 구현 방법이며, 의료 영상의 정규화는 알고리즘 기반 의료 영상 분석의 정확도를 개선시키고, 방법은 컴퓨터 시스템에 의해, 대상의 영역 및 정규화 디바이스의 제1 의료 영상에 액세스하는 단계로서, 제1 의료 영상은 비침습적으로 획득되고, 정규화 디바이스는 복수의 구획을 포함하는 기판을 포함하고, 복수의 구획의 각각은 공지의 물질의 샘플을 보유하는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 영역 및 정규화 디바이스의 제2 의료 영상에 액세스하는 단계로서, 제2 의료 영상은 비침습적으로 획득되고, 제1 의료 영상 및 제2 의료 영상은 이하의 적어도 하나를 포함하는데: 제1 의료 영상의 캡처와 연관된 하나 이상의 제1 가변 획득 파라미터는 제2 의료 영상의 캡처와 연관된 대응하는 하나 이상의 제2 가변 획득 파라미터와 상이하고, 제1 의료 영상을 캡처하는 데 사용되는 제1 영상 캡처 기술은 제2 의료 영상을 캡처하는 데 사용되는 제2 영상 캡처 기술과 상이하며, 제1 의료 영상의 캡처 동안 사용된 제1 조영제는 제2 의료 영상의 캡처 동안 사용된 제2 조영제와 상이한, 액세스 단계; 컴퓨터 시스템에 의해, 제1 의료 영상 내에서 정규화 디바이스의 영상 파라미터를 식별하는 단계; 제1 의료 영상 내의 정규화 디바이스의 제1 식별된 영상 파라미터에 부분적으로 기초하여 알고리즘 기반 의료 영상 분석을 위한 정규화된 제1 의료 영상을 생성하는 단계; 컴퓨터 시스템에 의해, 제2 의료 영상 내에서 정규화 디바이스의 영상 파라미터를 식별하는 단계; 제2 의료 영상 내의 정규화 디바이스의 제2 식별된 영상 파라미터에 부분적으로 기초하여 알고리즘 기반 의료 영상 분석을 위한 정규화된 제2 의료 영상을 생성하는 단계를 포함하고; 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 컴퓨터 구현 방법.
실시예 327: 실시예 326에 있어서, 알고리즘 기반 의료 영상 분석은 인공 지능 또는 기계 학습 영상 분석 알고리즘을 포함하고, 인공 지능 또는 기계 학습 영상 분석 알고리즘은 정규화 디바이스를 포함하는 영상을 사용하여 훈련되는, 컴퓨터 구현 방법.
실시예 328: 실시예 326 내지 327 중 어느 하나에 있어서, 제1 의료 영상 및 제2 의료 영상은 각각 CT 영상을 포함하고, 하나 이상의 제1 가변 획득 파라미터 및 하나 이상의 제2 가변 획득 파라미터는 킬로볼트(kV), 킬로볼트 피크(kVp), 밀리암페어(mA) 또는 동기 방법 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
실시예 329: 실시예 328에 있어서, 동기 방법은 전향적 축방향 트리거링, 후향적 ECG 나선형 동기, 및 고속 피치 나선형 중 하나를 포함하는, 컴퓨터 구현 방법.
실시예 330: 실시예 326 내지 329 중 어느 하나에 있어서, 제1 영상 캡처 기술 및 제2 영상 캡처 기술은 각각 이중 소스 스캐너, 단일 소스 스캐너, 이중 소스 대 단일 소스 스캐너 이중 에너지, 단색 에너지, 스펙트럼 CT, 광자 계수, 및 상이한 검출기 물질 중 하나를 포함하는, 컴퓨터 구현 방법.
실시예 331: 실시예 326 내지 330 중 어느 하나에 있어서, 제1 조영제 및 제2 조영제는 각각 다양한 농도의 요오드 조영제 또는 비-요오드 조영제 중 하나를 포함하는, 컴퓨터 구현 방법.
실시예 332: 실시예 326 내지 327 중 어느 하나에 있어서, 제1 영상 캡처 기술 및 제2 영상 캡처 기술은 각각 CT, x-레이, 초음파, 심장초음파, 혈관내 초음파(IVUS), MR 영상, 광 간섭 단층 촬영(OCT), 핵의학 영상, 양전자 방출 단층 촬영(PET), 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 또는 근거리 적외선 분광법(NIRS) 중 하나를 포함하는, 컴퓨터 구현 방법.
실시예 333: 실시예 326 내지 332 중 어느 하나에 있어서, 제1 의료 이미저를 캡처하는 제1 의료 이미저는 제2 의료 영상을 캡처하는 제2 의료 영상과는 상이한, 컴퓨터 구현 방법.
실시예 334: 실시예 326 내지 333 중 어느 하나에 있어서, 제1 의료 영상의 대상은 제1 의료 영상의 대상과는 상이한, 컴퓨터 구현 방법.
실시예 335: 실시예 326 내지 333 중 어느 하나에 있어서, 제1 의료 영상의 대상은 제2 의료 영상의 대상과 동일한, 컴퓨터 구현 방법.
실시예 336: 실시예 326 내지 333 중 어느 하나에 있어서, 제1 의료 영상의 대상은 제2 의료 영상의 대상과는 상이한, 컴퓨터 구현 방법.
실시예 337: 실시예 326 내지 336 중 어느 하나에 있어서, 제1 의료 영상의 캡처는 적어도 하루만큼 제2 의료 영상의 캡처로부터 분리되는, 컴퓨터 구현 방법.
실시예 338: 실시예 326 내지 337 중 어느 하나에 있어서, 제1 의료 영상의 캡처는 적어도 하루만큼 제2 의료 영상의 캡처로부터 분리되는, 컴퓨터 구현 방법.
실시예 339: 실시예 326 내지 338 중 어느 하나에 있어서, 제1 의료 영상의 캡처의 위치는 제2 의료 영상의 캡처의 위치와 지리적으로 분리되는, 컴퓨터 구현 방법.
실시예 340: 실시예 326 내지 339 중 어느 하나에 있어서, 정규화 디바이스는 실시예 271 내지 325 중 어느 하나의 정규화 디바이스를 포함하는, 컴퓨터 구현 방법.
실시예 340: 실시예 326 내지 339 중 어느 하나에 있어서, 정규화 디바이스는 실시예 271 내지 325 중 어느 하나의 정규화 디바이스를 포함하는, 컴퓨터 구현 방법.
실시예 341: 실시예 326 내지 340 중 어느 하나에 있어서, 대상의 영역은 대상의 관상 영역을 포함하는, 컴퓨터 구현 방법.
실시예 342: 실시예 326 내지 341 중 어느 하나에 있어서, 대상의 영역은 대상의 하나 이상의 관상 동맥을 포함하는, 컴퓨터 구현 방법.
실시예 343: 실시예 326 내지 340 중 어느 하나에 있어서, 대상의 영역은 대상의 경동맥, 신장 동맥, 복부 대동맥, 대뇌 동맥, 하지 또는 상지 중 하나 이상을 포함하는, 컴퓨터 구현 방법.
부가의 상세 - 정규화 디바이스
전술된 바와 같이 그리고 본 출원 전체에 걸쳐, 몇몇 실시예에서, 정규화 디바이스는 환자의 의료 영상이 알고리즘 기반 의료 영상 분석에 의해 분석되기 전에 환자의 의료 영상을 정규화 및/또는 보정하는 데 사용될 수도 있다. 이 섹션은 정규화 디바이스의 실시예 및 그 사용 실시예에 관한 부가의 상세를 제공한다.
일반적으로, 정규화 디바이스는 적어도 2개의 기능을 제공하도록 구성될 수 있는데: (1) 정규화 디바이스는 공지의 상대 스펙트럼으로 의료 영상을 정규화하고 보정하는 데 사용될 수 있고; (2) 정규화 디바이스는 다양한 물질을 표현하는 의료 영상 내의 픽셀이 공지의 절대 밀도의 물질로 정규화되고 보정될 수 있도록 의료 영상을 보정하는 데 사용될 수 있는데 - 이는 의료 영상 내의 물질의 식별을 용이하게 하고 허용할 수 있다. 몇몇 실시예에서, 이들 2개의 기능의 각각은 이하에 설명되는 바와 같이 정확한 알고리즘 기반 의료 영상 분석을 제공하는 역할을 한다.
예를 들어, 공지의 상대 스펙트럼으로 의료 영상을 정규화하고 보정하는 것이 중요할 수 있다. 특정 예로서, CT 스캔은 일반적으로 회색조로 표현되는 픽셀을 포함하는 의료 영상을 생성한다. 그러나, 2개의 CT 스캔이 상이한 조건 하에서 촬영될 때, 제1 영상 내의 회색조 스펙트럼이 제2 영상 내의 회색조 스펙트럼과 일치하지 않을 수도 있다(일치하지 않을 가능성이 있을 것임). 즉, 제1 및 제2 CT 영상이 동일한 대상을 표현하는 경우에도, 동일한 구조에 대한 2개의 영상 내의 특정 회색조 값이 일치하지 않을 수도 있다(일치하지 않을 가능성이 있을 것임). 혈관 내의 석회화된 플라크 축적을 표현하는 제1 영상 내의 픽셀 또는 픽셀 그룹은, 제1 및 제2 영상 내의 픽셀 또는 픽셀 그룹이 동일한 석회화 플라크 축적을 표현하더라도, 제2 영상 내에서 픽셀 또는 픽셀 그룹과는 상이하게(예를 들어, 더 어둡거나 더 밝은 회색의 상이한 음영) 나타날 수도 있다(나타날 가능성이 있을 것임).
더욱이, 제1 및 제2 영상 사이의 차이는 선형적이지 않을 수도 있다. 즉, 제2 영상은 제1 영상보다 균일하게 더 밝거나 더 어둡지 않을 수도 있어, 2개의 영상이 대응하게 하기 위해 간단한 선형 변환을 사용하는 것이 가능하지 않게 된다. 오히려, 예를 들어, 제1 영상 내의 몇몇 영역은 제2 영상 내의 대응 영역보다 더 밝게 나타날 수도 있고, 반면, 동시에 제1 영상 내의 다른 영역은 제2 영상 내의 대응 영역보다 더 어둡게 나타날 수도 있는 것이 가능하다. 각각 동일한 회색조 스펙트럼에 나타나도록 2개의 의료 영상을 정규화하기 위해, 비선형 변환이 필요할 수도 있다. 정규화 디바이스의 사용은, 그렇지 않으면 동일한 회색조 스펙트럼을 갖지 않는 것처럼 나타날 것인 상이한 의료 영상이 각각의 영상 내에서 동일한 회색조 스펙트럼이 사용되도록 조정되도록 하는 이러한 비선형 변환을 용이하게 하고 가능하게 할 수 있다.
다양한 인자가 상이한 회색조 스펙트럼에 속하는, 심지어 동일한 대상의, 상이한 의료 영상에 기여할 수 있다. 이는 예를 들어, 상이한 의료 영상 기계 파라미터, 환자와 연관된 상이한 파라미터, 사용된 조영제의 차이 및/또는 상이한 의료 영상 획득 파라미터를 포함할 수 있다.
의료 영상의 알고리즘 기반 분석을 용이하게 하기 위해 의료 영상을 공지의 상대 스펙트럼으로 정규화하고 보정하는 것이 중요할 수 있다. 본 명세서에 설명된 바와 같이, 몇몇 알고리즘 기반 의료 영상 분석은 인공 지능 및/또는 기계 학습 시스템을 사용하여 수행될 수 있다. 이러한 인공 지능 및/또는 기계 학습 시스템은 많은 수의 의료 영상을 사용하여 훈련될 수 있다. 이러한 인공 지능 및/또는 기계 학습 시스템의 훈련 및 성능은 의료 영상이 모두 동일한 또는 유사한 상대 척도로 정규화되고 보정될 때 개선될 수 있다.
부가적으로, 정규화 디바이스는 다양한 물질을 표현하는 의료 영상 내의 픽셀이 공지의 절대 밀도의 물질로 정규화되고 보정될 수 있도록 의료 영상을 정규화하거나 또는 보정하는 데 사용될 수 있다. 예를 들어, 예를 들어 석회화된 플라크 축적을 특징화하기 위해 관상 영역의 영상을 분석할 때, 의료 영상 내의 어느 픽셀 또는 픽셀 그룹이 석회화된 플라크 축적의 영역에 대응하는지를 정확하게 결정하는 것이 중요할 수 있다. 유사하게, 영상 내에서 조영제, 혈액, 혈관 벽, 지방 및 다른 샘플을 정확하게 식별하는 것이 가능한 것이 중요할 수 있다. 정규화 디바이스의 사용은 의료 영상 내의 특정 물질의 식별을 용이하게 하고 가능하게 할 수 있다.
본 출원 전체에 걸쳐 설명된 정규화 디바이스는 이들 2개의 기능을 달성하도록 구성될 수 있다. 특히, 정규화 디바이스는 상이한 샘플을 보유하는 구획으로 구성된 기판 또는 본체를 포함할 수 있다. 샘플의 배열(예를 들어, 공간적 배열), 뿐만 아니라 샘플의 물질, 샘플의 체적, 샘플의 절대 밀도, 및 정규화 디바이스 내의 다른 샘플의 것에 대한 샘플의 상대 밀도와 같은 각각의 샘플과 연관된 다른 특성이 공지되어 있다. 사용 중에, 몇몇 실시예에서, 정규화 디바이스는 환자와 함께 의료 이미저에 포함될 수 있어, 정규화 디바이스의 영상 - 그 내부에 위치된 공지의 샘플을 포함함 - 이 영상 내에 나타나게 된다. 영상 처리 알고리즘은 영상 내의 정규화 디바이스를 인식하고 전술된 2개의 기능을 수행하기 위해 정규화 디바이스의 공지의 샘플을 사용하도록 구성될 수 있다.
예를 들어, 영상 처리 알고리즘은 의료 영상 내의 공지의 샘플을 검출하고 공통 또는 원하는 상대 스펙트럼을 사용하도록 의료 영상을 조정하기 위해 공지의 샘플을 사용할 수 있다. 예를 들어, 정규화 디바이스가 주어진 밀도의 칼슘의 샘플을 포함하면, 그 칼슘의 샘플은 영상 내에서 특정 회색조 값으로 나타날 것이다. 그러나, 의료 영상이 촬영된 다양한 상이한 조건으로 인해, 영상 내의 특정 회색조 값이 원하는 상대 스펙트럼에 대응하지 않을 가능성이 있을 것이다. 영상 처리 알고리즘은 이어서 원하는 상대 스펙트럼 상의 적절한 위치에 있도록 영상 내의 회색조 값을 조정할 수 있다. 동시에, 영상 처리 알고리즘은 정규화 디바이스에 대응하지 않지만 의료 영상 내에서 동일한 회색조 값을 공유하는 영상 내의 다른 픽셀을 조정할 수 있어, 이들 픽셀이 원하는 상대 스펙트럼 상의 적절한 위치에 속하게 된다. 이는 영상 내의 모든 픽셀에 대해 행해질 수 있다. 전술된 바와 같이, 이 변환은 선형이 아닐 수도 있다. 그러나, 일단 완료되면, 의료 영상의 픽셀은 이들이 모두 원하는 상대 회색조 스펙트럼에 속하도록 조정될 것이다. 이러한 방식으로, 상이한 조건 하에서 캡처되고 따라서 초기에 상이하게 나타나는 동일한 대상의 2개의 영상이 동일하게 나타나도록(예를 들어, 동일한 상대 회색조 스펙트럼에 나타남) 조정될 수 있다.
부가적으로, 정규화 디바이스는 의료 영상 내의 특정 물질을 식별하는 데 사용될 수 있다. 예를 들어, 정규화 디바이스의 샘플이 공지되어 있기 때문에(예를 들어, 공지의 물질, 체적, 위치, 절대 밀도 및/또는 상대 밀도), 환자의 해부학 구조를 표현하는 픽셀이 정규화 디바이스의 물질(또는 정규화 디바이스의 물질에 의해 설정된 척도)에 대해 비교될 수 있어 픽셀에 대응하는 환자의 해부학 구조의 물질이 식별될 수 있게 된다. 간단한 예로서, 정규화 디바이스는 주어진 밀도의 칼슘의 샘플을 포함할 수 있다. 칼슘의 샘플에 대응하는 픽셀과 동일하게 나타나는 픽셀은 샘플과 동일한 밀도를 갖는 칼슘을 표현하는 것으로서 식별될 수 있다.
몇몇 실시예에서, 정규화 디바이스는 그 내부에 포함된 샘플이 생성 영상이 분석될 것인 질환 또는 상태, 환자의 해부학 구조의 관심 영역 내의 물질 및/또는 사용될 의료 이미저의 유형에 대응하도록 설계된다. 영상 내에 정규화 디바이스를 사용함으로써, 본 출원 전체에 걸쳐 설명된 영상 처리 알고리즘은 현재 개발 중이거나 아직 개발되지 않은 새로운 영상화 양식을 포함하여, 다른 영상화 양식과 함께 사용을 위해 쉽게 확장될 수 있다. 이는 이들 새로운 영상화 양식이 온라인 상태가 될 때, 적합한 정규화 디바이스가 그와 함께 사용을 위해 설계될 수 있기 때문이다.
또한, 본 출원은 관상 상태의 진단 및 치료를 위한 정규화 디바이스의 사용을 주로 설명하고 있지만, 다른 정규화 디바이스가 다른 유형의 의료 절차 또는 진단에 사용을 위해 구성될 수 있다. 이는 수행될 절차 또는 분석될 질환과 가장 관련이 있는 샘플을 선택함으로써 행해질 수 있다.
본 출원에 설명된 정규화 디바이스는 의료 영상 용례에서 통상적으로 사용되는 종래의 팬텀 디바이스와 구별 가능하다. 종래의 팬텀 디바이스는 일반적으로 적절하게 작동하는 것을 보장하기 위해 의료 이미저를 보정하는 데 사용된다. 예를 들어, 종래의 팬텀 디바이스는 의료 영상이 팬텀 디바이스의 정확한 표현을 생성하는 것을 보장하기 위해 종종 자체로 영상화된다. 종래의 팬텀 디바이스는 기계 자체를 검증하고 보정하기 위해 주기적으로 영상화된다. 그러나, 이들 팬텀 디바이스는 환자와 함께 영상화되지 않고 그리고/또는 환자의 영상을 보정하거나 정규화하는 데 사용되지 않는다.
대조적으로, 정규화 디바이스는 특히 정규화 디바이스의 크기 및 영상화 양식이 정규화 디바이스와 환자가 동시에 영상화될 수 있게 허용하는 경우, 종종 환자와 함께 직접 영상화된다. 동시 영상이 가능하지 않으면, 또는 다른 실시예에서, 정규화 디바이스는 환자와 별도로 영상화될 수 있다. 그러나, 이들 경우에, 환자의 영상과 정규화 디바이스의 영상이 동일한 조건 하에서 영상화되는 것이 중요하다. 영상 디바이스가 적절하게 기능하는지 검증하기보다는, 정규화 디바이스는 영상 처리 알고리즘 중에 영상을 보정하고 정규화하여 전술된 2개의 기능을 제공하는 데 사용된다.
종래의 팬텀 디바이스와 정규화 디바이스 사이의 차이를 더 예시하기 위해, 정규화 디바이스의 사용이 종래의 팬텀의 사용을 대체하지 않는다는 것이 주목될 것이다. 오히려, 양자 모두가 영상화 절차 중에 사용될 수도 있다. 예를 들어, 먼저, 종래의 팬텀이 단독으로 영상화될 수 있다. 팬텀의 결과 영상이 검토하고 분석되어 영상 디바이스가 정확하게 보정되었는지 여부를 결정할 수 있다. 만일 그러하면, 정규화 디바이스와 환자가 함께 영상화될 수 있다. 결과 영상은 영상 내의 정규화 디바이스를 검출하고, 영상 내의 정규화 디바이스의 표현에 기초하여 영상의 픽셀을 조정하고, 이어서 전술된 바와 같이 정규화 디바이스를 사용하여 영상 내의 특정 물질을 식별하기 위해 분석될 수 있다.
정규화 디바이스의 여러 실시예가 도 12a 내지 도 12i를 참조하여 전술되었다. 도 15는 정규화 디바이스(1500)의 다른 실시예를 제시하고 있다. 예시된 실시예에서, 정규화 디바이스(1500)는 관상 상태의 분석 및 진단을 위해 환자의 관상 영역의 의료 영상과 함께 사용을 위해 구성되지만; 정규화 디바이스(1500)는 또한 다른 유형의 의료 영상과 함께 그리고 다른 유형의 의료 상태에 사용을 위해 사용될 수도 있고 수정될 수도 있다. 이하에 설명될 바와 같이, 예시된 실시예에서, 정규화 디바이스(1500)는 환자의 혈관을 모방하도록 구성되고, 따라서 환자의 혈관과 관련된 상태의 분석 및 진단을 위해 사용하기에 특히 적합할 수도 있다.
도 15에 도시되어 있는 바와 같이, 정규화 디바이스(1500)는 그 내부에 형성된 샘플을 보유하는 복수의 구획을 갖는 기판을 포함한다. 예시된 실시예에서, 샘플은 A1 내지 A4, B1 내지 B4 및 C1 내지 C4로 표기된다. 도 15에 도시되어 있는 바와 같이, 샘플 A1 내지 A4는 정규화 디바이스(1500)의 중심을 향해 위치되고, 반면, 샘플 B1 내지 B4 및 C1 내지 C4는 일반적으로 샘플 A1 내지 A4 주위에 배열된다. 각각의 샘플에 대해, 물질, 체적, 절대 밀도, 상대 밀도 및 공간 구성이 공지되어 있다.
샘플 자체는 정규화 디바이스(1500)가 일반적으로 단면 혈액 샘플에 대응하도록 선택될 수 있다. 예를 들어, 일 실시예에서, 샘플 A1 내지 A4는 상이한 밀도 또는 농도를 갖는 조영제의 샘플을 포함한다. 상이한 조영제의 예는 이전에 제공되었고 이들 조영제(또는 다른 조영제)가 여기서 사용될 수 있다. 일반적으로, 시술 중에, 조영제가 혈관을 통해 유동한다. 이에 따라, 이는 정규화 디바이스의 중심에 있는 샘플 A1 내지 A4로서 조영제를 배치함으로써 모방될 수 있다. 몇몇 실시예에서, 샘플 A1 내지 A4 중 하나 이상은 혈액과 같은 혈관을 통해 유동할 수도 있는 다른 샘플로 대체될 수 있다.
샘플 B1 내지 B4는 일반적으로 내부 혈관 벽 상에 또는 그 주위에 발견될 것인 샘플을 포함하도록 선택될 수 있다. 예를 들어, 몇몇 실시예에서, 샘플 B1 내지 B4 중 하나 이상은 상이한 밀도의 칼슘 샘플을 포함하고, 그리고/또는 B1 내지 B4의 샘플 중 하나 이상은 상이한 밀도의 지방 샘플을 포함한다. 유사하게, 샘플 C1 내지 C4는 일반적으로 외부 혈관 벽 상에 또는 그 주위에 발견될 것인 샘플을 포함하도록 선택될 수 있다. 예를 들어, 몇몇 실시예에서, 샘플 C1 내지 C4 중 하나 이상은 상이한 밀도의 칼슘 샘플을 포함하고, 그리고/또는 C1 내지 C4의 샘플 중 하나 이상은 상이한 밀도의 지방 샘플을 포함한다. 일 예에서, 샘플 B1, B3 및 C4는 상이한 밀도의 지방 샘플을 포함하고, 샘플 B2, B4, C1, C2 및 C3은 상이한 밀도의 칼슘 샘플을 포함한다. 다른 배열도 또한 가능하고, 몇몇 실시예에서, 구획들 중 하나 이상은 예를 들어 공기, 조직, 방사성 조영제, 금, 철, 다른 금속, 증류수, 물 또는 다른 것과 같은 다른 샘플을 보유할 수도 있다.
도 15의 정규화 디바이스(1500)의 실시예는 몇몇 정규화 디바이스에 존재할 수도 있는 여러 부가의 특징을 더 예시한다. 하나의 이러한 특징은 샘플에 대해 상이한 크기의 구획 또는 체적에 의해 표현된다. 예를 들어, 예시된 실시예에서 샘플 B1은 샘플 B2보다 더 작은 체적을 갖는다. 유사하게, 샘플 C4는 샘플 C3보다 더 큰 체적을 갖는다. 이는 몇몇 실시예에서, 샘플의 체적이 모두 동일한 크기여야 할 필요가 있는 것을 예시한다. 다른 실시예에서, 샘플의 체적은 동일한 크기일 수도 있다.
도 15의 실시예는 또한 다양한 샘플이 다른 샘플에 인접하여(예를 들어, 바로 인접하거나 병치) 배치될 수 있는 것을 예시한다. 이는 의료 영상의 몇몇 경우에, 하나의 픽셀의 방사선 밀도가 인접한 픽셀의 방사선 밀도에 영향을 미칠 수도 있기 때문에 중요할 수 있다. 이에 따라, 몇몇 실시예에서, 서로 근접하여 발견될 가능성이 있는 물질 샘플이 유사하게 정규화 디바이스 상에 서로 근접하거나 인접하여 위치되도록 정규화 디바이스를 구성하는 것이 유리할 수 있다. 정규화 디바이스(1500)의 혈관형 배열은 유리하게 이러한 구성을 제공할 수도 있다.
예시된 실시예에서, 각각의 샘플 A1 내지 A4는 2개의 다른 샘플 A1 내지 A4 및 2개의 샘플 B1 내지 B4에 인접하도록 위치된다. 샘플 C1 내지 C4는 각각 2개의 다른 샘플 C1 내지 C4 및 샘플 B1 내지 B4에 인접하도록 위치된다. 특정 구성이 예시되었지만, 샘플을 서로 인접하게 배치하기 위한 다양한 다른 구성이 제공될 수 있다. 정규화 디바이스(1500)가 평면 내에 도시되어 있지만, 정규화 디바이스(1500)는 샘플 A1 내지 A4, B1 내지 B4 및 C1 내지 C4의 각각이 3차원 체적을 포함하도록 하는 깊이 치수를 또한 포함할 것이다.
전술된 바와 같이, 정규화 디바이스는 상이한 유형 의료 이미저, 뿐만 아니라 상이한 유형의 질환에 대해 특별히 보정될 수 있다. 정규화 디바이스(1500)의 설명된 실시예는 CT 스캔과 함께 사용을 위해 그리고 관상 상태의 분석을 위해 적합할 수도 있다.
다른 유형의 의료 이미저와 함께 사용을 위해 정규화 디바이스를 구성할 때, 의료 이미저의 특정 특성이 고려되어야 한다. 예를 들어, MRI 기계에서, 코일에 대한 상이한 깊이 또는 거리를 보정하는 것이 중요할 수 있다. 이에 따라, MRI와 함께 사용을 위해 구성된 정규화 디바이스는 영상화될 신체의 두께(예를 들어, 전방으로부터 후방으로)에 일반적으로 대응하는 충분한 깊이 또는 두께를 가질 수도 있다. 이들 경우에, 정규화 디바이스는, 정규화 디바이스의 상단이 환자의 흉부와 동일한 높이에 위치되고, 반면, 정규화 디바이스의 하단은 환자의 등과 동일한 높이에 위치되도록 환자에 인접하게 배치될 수 있다. 이러한 방식으로, 환자의 해부학 구조와 코일 사이의 거리가 정규화 디바이스와 코일 사이의 거리에 의해 미러링될 수 있다.
몇몇 실시예에서, 샘플 물질은 정규화 디바이스 내에 위치된 튜브 내에 삽입될 수 있다.
전술된 바와 같이, 몇몇 실시예에서, 정규화 디바이스는 다양한 시간 기반 변화를 고려하도록 구성될 수도 있다. 즉, 3차원(위치) 보정 도구를 제공하는 것에 추가하여, 정규화 디바이스는 4차원(위치 + 시간) 보정 도구를 제공할 수도 있다. 이는 예를 들어 호흡, 심장 박동, 혈류 등으로 인한 환자의 움직임으로 인해 발생하는 바와 같은 시간에 발생하는 변화를 고려하는 것을 도울 수 있다. 심장 박동을 고려하기 위해, 예를 들어, 정규화 디바이스는 환자의 심장과 동일한 주파수로 이를 박동하게 하는 기계적 구조를 포함할 수도 있다. 시간 기반 변화의 다른 예로서, 정규화 디바이스는 환자의 신체를 통해 조영제의 확산을 시뮬레이션하도록 구성될 수 있다. 예를 들어, 조영제가 신체 내에 주입될 때, 유사한 조영제 샘플이 정규화 디바이스 내로 주입되거나 파열될 수 있어, 확산의 시간 기반 미러링을 허용한다.
예를 들어, 영상이 흐릿하게 나타나게 하는 충분히 큰 시간 단계에 걸쳐 환자 영상이 캡처되는 경우 시간 기반 변화를 고려하는 것이 특히 중요할 수 있다. 몇몇 실시예에서, 인공 지능 또는 다른 영상 처리 알고리즘이 이러한 흐릿한 영상으로부터 선명한 영상을 재구성하는 데 사용될 수 있다. 이들 경우에, 알고리즘은 영상의 변환이 성공적인 것을 검증하기 위한 체크로서 정규화 디바이스를 사용할 수 있다. 예를 들어, 정규화 디바이스(공지의 구성을 가짐)가 변환된 영상 내에 정확하게 나타나면, 영상의 나머지가 마찬가지로 정확하게 변환되었다는 가정이 이루어질 수 있다.
의료 보고 개요
의료 정보의 전통적인 보고는 의사 또는 다른 제공자의 소비 및 사용을 위해 지정된다. 진단 영상 연구, 실험실 혈액 검사, 병리 보고, EKG 판독값 등은 모두 종종 이해하기 어렵거나 또는 심지어 대부분의 환자에 의해 이해할 수 없는 방식으로 해석되고 제시된다. 통상적인 보고로부터의 텍스트, 데이터 및 영상은 일반적으로 독자가 상당한 의료 경험 및 교육을 갖거나, 적어도 의료 전문가에 의해 이해 가능하지만 종종 비의료 비전문가 환자에게는 불명료한 의료 전문 용어에 익숙하다고 가정한다. 간결하게 말하면, 의료 보고는 어떠한 종류의 배경 교육 콘텐츠도 포함하지 않고, 독자는 정식 의료 교육을 받았으며 보고의 모든 소견의 의미 뿐만 아니라 환자에 대한 이들 결과의 임상적 의미를 이해한다고 가정한다. 또한, 종종 소견은 특정 질환 상태에 대해 서로 협력하여 나타나고(예를 들어, 감소된 박출률은 종종 상승된 좌심실 체적과 연관됨), 이들 관계는 통상적으로 질환 상태 또는 증후군과 연관된 증상의 집합체의 부분인 것으로서 보고되고, 따라서 비의료 비전문가 환자는 그/그녀의 질환 상태에 대한 소견의 관계를 이해할 수 없다.
이어서, 직접 대면하거나 또는 더 최근에는 원격 의료 방문 중에 제공자와의 만남시에 통상적으로 환자와 구두로 전달되는 언어로 보고를 "번역"하는 것은 의료 제공자의 책임과 역할이다. 제공자는 시험이 무엇을 행하는지, 어떻게 작동하는지, 그 제한이 무엇인지, 환자의 결과가 무엇인지 및 마지막으로 이들 결과가 환자의 미래에 대해 무엇을 의미할 수도 있는지를 설명한다. 불행하게도, 환자는 빈번히 제공자가 짧은 10 내지 15분의 통상적인 환자 만남에서 환자와 논의할 수 있는 모든 정보를 완전히 해석하고 유지할 수 없다. 환자는 이어서 혼란스럽고 그들의 의료 보고의 결과에 대해 단지 부분적으로만 교육을 받는다. 종종 제공자는 그 기록을 위해 뿐만 아니라 환자 만남 후에 자신이 검토하는 것을 가능하게 하기 위해 보고의 사본을 환자에게 제공할 것이다.
환자 보고를 손에 들고 의사의 설명을 들은 후에도, 환자는 종종 결과와 그 의미에 대해 불완전하게 통지되어 남아 있다. 이는 제공자 뿐만 아니라 환자 모두에게 좌절의 주요 원인이 될 수 있다. 환자는 연구 결과와 그 의미를 완전히 이해하지 못한다. 빈번히 환자는 그들의 검사 결과를 이해하는 것을 돕기 위해 친구나 가족에게 연락할 것이거나 부가의 배경 교육 및 의미를 위해 인터넷에서 검색을 수행할 것이다. 그러나, 빈번히, 이는 심지어 환자가 질환 프로세스에 대해 검색하거나 질문해야 하는 것이 무엇인지를 이해하지 못할 수도 있고 많은 온라인 건강 정보 사이트가 부정확하거나 오해하게 할 수도 있기 때문에 성공적이지 않다. 이 모두는 환자의 현재 의료 상태, 의료 제공자와의 관계, 뿐만 아니라 이들에 한정되는 것은 아니지만 치료 및 미래 진단 시험 준수를 포함하여 미래의 건강 영향에도 영향을 미칠 수 있다.
이에 응답하여, 제공자는 때때로 환자를 웹사이트로 조회시키거나 시험 소견 및 어떻게 이것이 질환과 관련될 수도 있는지를 설명하는 것을 도울 수도 있는 기입된 자료를 제공한다. 그러나, 이들은 환자-특정하지 않고 환자 특정 소견을 포함하지 않으며 환자의 특정 조건 또는 증상과 관련되지 않는 "일반" 자료이다. 그러나, 지금까지, 쉽게 액세스되고 검토될 수 있으며 이들이 요구될 수도 있을 때 반복적 소비를 위해 환자의 여가 시간에 이용 가능한 방식으로 환자 대면 교육 콘텐츠 뿐만 아니라 환자의 특정 개별 보고 소견을 조합하는 방법이 안출되거나 설명되지 않았다. 따라서, 영화, 혼합 현실 또는 홀로그래픽 환경과 같은 더 진보되고 현대적인 기술의 형태로 보고의 생성을 위해 환자-특정 정보를 활용함으로써 간단한 종이 보고를 넘어 이들 소견의 통신을 가능하게 하는 시스템 및 방법에 유리하다.
특정 환자에 대한 의료 보고 데이터세트 및 대응하는 의료 보고를 생성하는 시스템 및 방법의 다양한 양태가 본 명세서에 개시된다. 일 예에서, 프로세스는 하나 이상의 컴퓨터 프로세서 및 하나 이상의 디스플레이를 갖는 컴퓨팅 시스템의 디스플레이 상에 디스플레이하기 위해 환자에 대한 보고 생성 요청의 선택을 수신하는 것, 상기 환자 정보를 저장하는 환자 정보 소스로부터 환자 정보를 수신하는 것으로서, 환자 정보는 보고 생성 요청과 연관되는, 환자 정보를 수신하는 것, 환자 정보에 기초하여 보고 생성 요청과 연관된 환자 특성을 결정하는 것, 환자 특성과 각각의 환자 의료 정보 사이, 의료 영상 및 환자에 대해 수행된 하나 이상의 시험의 시험 결과의 연관성을 저장하는 데이터 구조에 액세스하는 것, 및 특정 환자에 관련되지 않은 멀티미디어 보고 데이터와 환자 특성 사이의 연관성을 저장하는 것, 환자 의료 정보 및 보고 생성 요청과 연관된 보고 패키지를 데이터 구조로부터 선택하는 것으로서, 선택된 보고 패키지는 환자의 언어로 이루어지고 환자 데이터에 기초하여 선택된 아바타에 의해 제시되는 환자 인사말, 수행된 시험의 설명, 시험의 결과, 시험의 결과의 설명을 전달하는 멀티미디어 프리젠테이션, 및 아바타에 의해 제시된 결론 세그먼트를 포함하고, 멀티미디어 프리젠테이션의 적어도 일부는 보고 데이터 소스로부터의 보고 멀티미디어 데이터, 결과 정보 소스로부터의 시험 결과, 의료 정보 소스로부터의 의료 정보, 및 의료 영상 소스로부터 시험에 관련된 의료 영상을 포함하는, 보고 패키지를 선택하는 것, 선택된 보고 패키지를 자동으로 생성하는 것, 및 선택된 보고 패키지를 하나 이상의 디스플레이에 디스플레이하는 것을 포함하고, 선택된 보고는 선택된 부모 보고와 상호작용하는 데 사용 가능한 컴퓨팅 시스템의 사용자로부터 입력을 수신하도록 구성된다.
의료 보고를 생성하기 위한 시스템은 기존 환자 의료 정보, 새로운 영상 및 시험 데이터, 및/또는 예를 들어 환자의 하나 이상의 생리학적 상태 또는 특성을 모니터링하는 의료 웨어러블 디바이스로부터 수신된 환자의 동시 정보를 이용할 수 있다. 이러한 시스템은 원하는 보고를 자동으로 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 의료 보고에 포함될 특정 양태를 결정하기 위해 의사 및/또는 환자 대화형 입력을 사용할 수도 있다. 일 예에서, 의료 보고를 자동으로 생성하기 위한 시스템은 저장된 환자 정보를 환자 정보 포맷으로 제공하는 환자 정보 소스, 의료 정보를 의료 정보 포맷으로 제공하는 의료 정보 소스, 및 의료 영상을 의료 영상 포맷으로 제공하는 의료 영상 소스를 포함할 수 있다. 의료 영상은 예를 들어, 동맥 베드와 같은 환자의 해부학 구조의 부분을 묘사하고 있는 임의의 영상일 수 있다. 하나 이상의 동맥 베드. 예에서, 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나의 동맥을 포함한다. 의료 영상은 하나 이상의 동맥 베드를 묘사하고 있는 임의의 영상일 수 있다. 예에서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나의 동맥을 포함하고, 제2 동맥 베드는 제1 동맥 베드의 동맥과는 상이한 대동맥, 경동맥, 하지 동맥, 신장 동맥, 또는 대뇌 동맥 중 하나의 동맥을 포함한다. 몇몇 실시예에서, 정규화 디바이스(예를 들어, 본 명세서에 설명된 바와 같은)는 의료 영상을 생성할 때 사용되고, 정규화 디바이스로부터의 정보는 의료 영상을 처리할 때 사용된다. 의료 영상은 본 명세서에 설명된 임의의 방법, 프로세스 및/또는 시스템, 또는 다른 방법, 프로세스 및/또는 시스템을 사용하는 프로세스일 수 있다. 본 명세서에 설명된 임의의 방법은 생성된 영상의 자동 영상 평가의 품질을 개선하기 위해 정규화 디바이스를 사용하는 영상에 기초할 수 있다. 의료 보고를 자동으로 생성하기 위한 시스템은 또한 결과 정보 포맷으로 환자에 대해 수행된 하나 이상의 시험의 시험 결과를 제공하는 시험 결과 정보 소스, 보고 데이터 소스로서, 보고 데이터 소스는 의료 보고에 포함을 위한 멀티미디어 데이터를 제공하고, 멀티미디어 데이터는 환자의 비의료 특성에 관한 저장된 환자 정보의 적어도 일부에 의해 인덱싱되는, 보고 데이터 소스, 상기 환자 정보를 수신하기 위한 보고 생성 인터페이스 유닛으로서, 환자 정보는 환자 연령, 성별, 언어, 인종, 교육 레벨, 및/또는 문화 등을 나타내는 특성을 포함하는 환자의 비의료적 특성을 포함하는, 보고 생성 인터페이스 유닛을 또한 포함할 수 있고, 상기 보고 생성 인터페이스 유닛은 상기 환자 특성과 연관되고 환자 및 시험과 연관된 수신된 보고 생성 요청에 기초하여 상기 각각의 환자 특성에 의해 인덱싱되는 보고 데이터 소스 상의 보고 멀티미디어 데이터와 연관된 의료 보고 데이터 링크를 자동으로 생성하도록 구성될 수 있고, 보고 생성 인터페이스 유닛은 또한 보고 생성 요청에 기초하여 환자 정보, 의료 정보, 의료 영상 및 환자 및 시험과 연관된 시험 결과에 대한 링크를 자동으로 생성하도록 구성된다. 시스템은 보고 멀티미디어 데이터, 환자 정보, 의료 정보, 의료 영상, 시험 결과를 의료 보고 데이터 링크를 사용하여 자동으로 액세스 및 검색하고 보고 멀티미디어 데이터, 환자 정보, 의료 정보, 의료 영상, 시험 결과에 기초하여 시험 및 환자와 연관된 의료 보고를 자동으로 생성하도록 구성된 의료 보고 데이터세트 생성기를 더 포함하고, 의료 보고는 환자의 언어로 이루어지고 환자 데이터에 기초하여 선택된 아바타에 의해 제시되는 환자 인사말, 수행된 시험의 설명, 시험의 결과, 시험의 결과의 설명을 전달하는 멀티미디어 프리젠테이션, 및 아바타에 의해 제시된 결론 세그먼트를 전달하고, 멀티미디어 프리젠테이션의 적어도 일부는 보고 데이터 소스로부터의 보고 멀티미디어 데이터, 결과 정보 소스로부터의 시험 결과, 의료 정보 소스로부터의 의료 정보, 및 의료 영상 소스로부터 시험에 관련된 의료 영상을 포함한다.
본 명세서에 설명된 바와 같이, 하나의 혁신은 대화형 의료 데이터 보고를 생성하는 것에 관한 것이다. 더 구체적으로, 본 출원은 대화형 프리젠테이션 및 환자에 의한 더 명확한 이해를 위해 최적화된 대화형 관상 동맥 의료 보고를 생성하기 위한 방법 및 시스템을 설명한다. 하나의 혁신은 하나 이상의 환자 시험과 연관된 의료 시험의 의료 보고를 생성하는 방법을 포함한다. 방법은 특정 환자에 대해 생성하기 위한 의료 보고의 요청의 입력을 수신하는 단계로서, 요청은 의료 보고의 포맷의 선택을 나타내는, 입력 수신 단계, 및 상기 환자 정보를 저장하는 환자 정보 소스로부터 환자 정보를 수신하는 단계를 포함할 수 있고, 환자 정보는 보고 생성 요청과 연관된다. 방법은 환자 정보에 기초하여 환자와 연관된 환자 특성을 결정하는 단계, 및 의료 보고의 유형, 환자 특성 및 각각의 환자 의료 정보, 의료 영상 및 환자에 대해 수행된 하나 이상의 시험의 시험 결과의 연관성을 저장하는 하나 이상의 데이터 구조에 액세스하는 단계를 포함할 수 있다. 데이터 구조는 환자 특성과 특정 환자에 관련되지 않은 멀티미디어 보고 데이터 사이의 연관성을 저장하도록 구조화된다. 이러한 방법은 하나 이상의 데이터 구조를 사용하여 환자의 의료 정보 및 의료 보고 요청과 연관된 보고 콘텐츠에 액세스하는 단계를 포함할 수 있다.
의료 보고의 콘텐츠는 환자의 언어로 이루어진 인사말, 수행된 시험의 유형의 설명 세그먼트, 시험 결과를 전달하는 결과 세그먼트, 시험의 결과를 설명하는 설명 세그먼트, 및 결론 세그먼트를 포함하는 멀티미디어 콘텐츠를 포함할 수 있고, 멀티미디어 콘텐츠의 적어도 일부는 보고 데이터 소스로부터의 보고 데이터, 결과 정보 소스로부터의 시험 결과, 의료 정보 소스로부터의 의료 정보, 및 의료 영상 소스로부터의 시험과 관련된 의료 영상을 포함한다. 이러한 방법은 또한 의료 보고의 선택된 포맷에 적어도 부분적으로 기초하여 액세스된 보고 콘텐츠를 사용하여 요청된 의료 보고를 자동으로 생성하는 단계를 포함할 수 있다. 이러한 방법은 또한 환자에게 의료 보고를 디스플레이하는 단계를 포함할 수 있다. 몇몇 실시예에서, 멀티미디어 정보는 아바타를 생성하고 디스플레이 상에 디스플레이하기 위한 데이터를 더 포함하고, 아바타는 의료 보고에 포함된다. 몇몇 실시예에서, 방법은 하나 이상의 환자 특성에 기초하여 아바타를 생성하는 단계를 더 포함한다. 몇몇 실시예에서, 환자 특성은 연령, 인종 및 성별 중 하나 이상을 포함한다.
이러한 방법의 몇몇 실시예에서, 방법은 컴퓨터 시스템의 하나 이상의 디스플레이 상에 의료 보고를 디스플레이하는 단계, 의료 보고가 디스플레이될 수 있는 동안 사용자 입력을 수신하는 단계, 및 상기 수신된 사용자 입력에 기초하여 의료 보고의 적어도 하나의 부분을 변경하는 단계를 포함할 수 있다. 몇몇 실시예에서, 의료 보고를 디스플레이하는 단계는 환자의 스마트 디바이스 상에 의료 보고를 디스플레이하는 단계를 포함한다. 몇몇 실시예에서, 방법은 의료 보고를 저장하는 단계를 포함한다. 몇몇 실시예에서, 하나 이상의 데이터 구조는 환자의 의료 상태의 중증도를 표현하는 정보를 저장하도록 구성되고, 의료 보고의 세그먼트의 콘텐츠의 선택은 환자의 의료 상태의 중증도를 표현하는 저장된 정보에 부분적으로 기초한다.
이러한 방법은 또한 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 및 예후의 중증도 중 하나 이상에 기초하여 의료 보고를 위한 인사말 세그먼트를 선택하는 단계를 포함할 수 있다. 방법은 또한 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 및 예후의 중증도 중 하나 이상에 기초하여 설명 세그먼트에 대한 멀티미디어 콘텐츠를 선택하는 단계를 포함할 수 있다. 방법은 또한 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 및 예후의 중증도 중 하나 이상에 기초하여 결과 세그먼트의 설명에 대한 멀티미디어 콘텐츠를 선택하는 단계를 포함할 수 있다. 방법은 또한 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 및 예후의 중증도 중 하나 이상에 기초하여 결론 세그먼트에 대한 멀티미디어 콘텐츠를 선택하는 단계를 포함할 수 있다. 몇몇 실시예에서, 하나 이상의 데이터 구조는 의료 상태의 정상성, 위험, 치료 유형 및 치료 이점과 관련된 연관성을 저장하도록 구성되고, 방법은 환자 시험 결과, 및 정상성, 위험, 치료 유형 및 치료 이점과 관련된 저장된 연관성에 기초하여 보고에 포함되도록 정상성, 위험, 치료 유형 및 치료 이점을 자동으로 결정하는 단계를 더 포함한다. 몇몇 실시예에서, 방법은 이전에 생성된 의료 보고, 새로운 시험 결과 및 의사에 의한 입력에 기초하여 업데이트된 의료 보고를 생성하는 단계를 더 포함할 수 있다.
관상 동맥 의료 데이터를 자동으로 생성하기 위한 예시적인 시스템 및 방법
의료 시험 또는 검사가 찾으려고 의도된 것이 무엇인지, 환자의 특정 의료 소견의 결과 및 이들 소견이 환자에게 의미할 수도 있는 것이 무엇인지의 심층적인 설명을 제공하는 의료 보고를 생성하기 위한 시스템 및 방법이 본 명세서에 설명된다. 의료 보고는 자동으로 생성될 수 있고, 개별화되고 적응된 개인 집계 의료 정보의 자동으로 생성된 이해하기 쉬운 교육 보강 영화이다. 예로서, 환자에 대한 멀티미디어 의료 보고를 생성하는 컴퓨터 구현 방법, 의료 보고는 환자의 하나 이상의 시험과 연관된다. 의료 보고에 대한 정보를 결정하는 데 사용되는 하나 이상의 영상 및/또는 의료 보고에 사용되는 영상 중 하나 이상은 본 명세서에 설명된 정규화 디바이스를 사용하여 생성된 영상에 기초할 수 있고, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선한다. 예에서, 방법은 환자에 대한 의료 보고를 생성하라는 요청의 입력을 수신하는 단계로서, 요청은 의료 보고에 대한 포맷을 나타내는, 입력 수신 단계, 환자에 관한 환자 정보를 수신하는 단계로서, 환자 정보는 보고 생성 요청과 연관되는, 수신 단계, 환자 정보를 사용하여 환자와 연관된 하나 이상의 환자 특성을 결정하는 단계, 의료 보고의 유형과 환자 의료 정보 사이의 연관성에 액세스하는 단계로서, 환자 의료 정보는 환자에 관한 의료 영상 및 환자에 대해 수행된 하나 이상의 시험의 시험 결과를 포함하고, 의료 영상은 정규화 디바이스를 사용하여 생성되는, 액세스 단계, 및 환자의 의료 정보 및 요청된 의료 보고와 연관된 보고 콘텐츠에 액세스하는 단계를 포함한다. 보고 콘텐츠는 특정 환자와 관련되지 않는 멀티미디어 콘텐츠를 포함할 수 있다. 예를 들어, 멀티미디어 콘텐츠는 환자의 언어로 이루어진 인사말 세그먼트, 수행된 시험의 유형을 설명하는 설명 세그먼트, 시험 결과를 전달하기 위한 결과 세그먼트, 및 시험의 결과를 설명하는 설명 세그먼트, 및 결론 세그먼트를 포함할 수 있고, 멀티미디어 콘텐츠의 적어도 일부는 시험 결과 및 환자에 대해 수행된 시험과 관련된 하나 이상의 의료 영상을 포함한다. 방법은 의료 보고의 포맷에 적어도 부분적으로 기초하여, 환자 정보 및 보고 콘텐츠를 사용하여 요청된 의료 보고를 생성하는 단계를 더 포함할 수 있다.
이러한 시스템 및 방법의 특정 실시예의 특정 구성요소가 본 명세서에 설명된다. 단일 검사에서 심장 CT 연구 영상의 예가 제공된다.
1) 개별 환자 특정 의료 정보를 이해하기 쉬운 영화로 변환한다. 본 발명은 이전에 수행되지 않은 방식으로 환자 특정 의료 결과와 환자 지향 의료 교육을 조합한다. 많은 온라인 사이트는 의료 질환 프로세스를 설명하고 있지만, 이들은 환자의 의료 시험의 결과를 갖지 않고 환자는 종종 이들이 정확한 영역을 보고 있는지조차 알지 못한다. 환자 지향 교육적 배경 뿐만 아니라 이들의 시험 결과 및 의미의 특정 분석을 조합함으로써, 환자는 더 양호한 건강 결정을 내릴 수 있는 권한을 부여하는 방식으로 교육을 받게 될 것이다. 이 접근법은 이어서 환자 이력, 신체, 임상 전자 의료 기록, 웨어러블 피트니스 및 건강 추적기, 환자 특정 웹 브라우저 검색 이력 등으로부터 도출된 부가의 정보를 포함하여, 현재 시험 소견 이외에 부가의 자료를 조합할 수 있다.
2) 수행된 시험의 심층적인 설명을 제공한다. 시험의 결과가 무엇인지 이해하기 위해, 환자는 시험이 하려고 의도되는 것이 무엇인지, 어떻게 작동하는지에 관한 설명, 뿐만 아니라 정상 및 비정상 모두의 결과의 잠재적 범위를 이해해야 한다. 수행된 시험의 설명은 시험이 찾으려고 의도되는 것이 무엇인지 및 결과의 가능성의 범위가 무엇일 수도 있는지의 간단하고 이해할 수도 있는 방법을 포함할 것이다. 제공된 예에서, 관상 동맥 CT 혈관조영상은 환자의 관상 동맥 내에 폐색 또는 플라크가 있는지를 평가하도록 의도된다. 결과를 이해하기 위해, 환자는 시험이 심장 근육에 공급하는 혈관을 평가하도록 의도된 것이고, 조영제를 주입하고 CT 영상을 수행함으로써, 이들의 관상 동맥이 플라크 및 연관 폐색의 존재에 대해 평가될 수 있다는 것을 이해할 필요가 있다. 이러한 이해는 환자의 실제 영상을 사용하여 환자에게 전달될 수 있고, 따라서 증가된 참여와 이해가 있다.
3) 환자의 개별 환자 특정 검사의 결과를 제공한다. 어떤 시험을 받았는지 뿐만 아니라 모든 가능한 결과의 범위에 관하여 환자를 교육한 후, 이들은 이제 어느 그 특정 결과가 검사로부터의 잠재적 결과의 범위의 맥락에 있는지를 이해하도록 더 양호하게 권한을 부여받는다. 환자의 발견의 결과를 시험이 찾고 있는 것이 무엇인지의 설명과 조합하는 것은 환자가 이들 결과의 의미를 더 양호하게 이해하는 것을 가능하게 한다. 환자의 개별 결과는, 이들이 혈액 검사로부터의 정량적 값이든, CT, MRI, 초음파 등과 같은 진단 영상 연구의 영상 및 결과 해석이든, ECG 검사 등으로부터 발생한다. 정량적 결과, 영상, PDF 또는 다른 결과가 업로드되어 영화 내에 제시될 수 있다.
4) 결과의 설명을 제공한다. 결과를 환자에게 직접 제시하는 것에 추가하여, 결과의 의미의 설명이 이어서 동시에 제시될 수 있다. 이는 이전에 기록된 정의 및 개별 시험에 대해 예상되는 결과의 범위의 설명과 함께 정의된 집계 알고리즘을 사용하여 수행된다. 예를 들어, 심장 CT 혈관조영상 보고의 경우, 혈관의 협소화의 결과의 의미에 대한 간단한 설명을 전개할 것이다. 협소화가 존재하지 않으면, 짧은 애니메이션 비디오 설명은 협소화가 존재하지 않았고 이것이 의미하는 것이 무엇인지를 설명할 것이고, 1 내지 24%의 협소화로서 임상적으로 정의되는 경미한 협소화가 존재하면, 상이한 비디오가 재생될 것이다. 협소화가 24 내지 49%이면, 다른 비디오가 재생되는 등이다. 예상 결과의 범위의 이전에 생성된 비디오 설명이 생성될 것이고 이어서 개별 검사 결과에 따라 비디오 내에 배치되도록 이용 가능하다. 몇몇 경우에, 이진 결과만 있을 수도 있고, 따라서 단지 2개의 설명만이 필요하다. 다른 경우에, 이는 초기 시험과 가능한 임상적으로 유의미한 결과의 범위에 따라 다수의 비디오일 수도 있다. 환자 특정 결과는 때때로 동일한 연령 및 성별의 평균 환자에게 예상될 것 또는 그 결과가 "평균-정상"으로 고려될 연령과 비교될 수 있다. 구체적으로, 이 단계에서, 환자의 시험 발견은 임상 치료 또는 대규모 등록 및 시험으로부터 도출된 것과 같은, 전문적인 사회적 진료 가이드라인 또는 현대 연구 과학에 기초할 수 있는 부가의 진단 추천과 링크될 수 있다. 이러한 방식으로, 이 접근법은 또한 의료 전문가에게 교육적일 수 있고 개선되고 현대적인 임상 결정 지원을 허용할 수도 있다. 이는 과학 문헌을 읽을 필요 없이, 환자와 의료 전문가를 위한 공유된 의사 결정 모멘트를 허용할 것이다.
5) 환자에게 친숙하고 비위협적인 애니메이션을 사용한다. 비디오를 위해 선택된 애니메이션은 환자를 더 편안하게 하고 설명을 듣고 이해하는 데 더 개방적이게 하기 위해 환자에게 전문적이지만 친숙하고 비위협적인 것으로 의도될 것이다. 비디오의 애니메이션 의사 또는 다른 설명자는 또한 환자의 성별, 연령 및 인종과 일치될 수 있고 심지어 환자의 모국어로 제시될 수 있다. 대안적으로, 환자 자신의 용모가 사진으로부터 오거나, 또는 대안적으로 카툰 또는 아바타로서 렌더링된 방식으로 비디오 내의 환자일 수 있다.
6) 웹 기반 및 비-웹 기반 방법을 통해 전달될 수 있다. 환자에게 전달하는 방법은 암호화된 HIPAA 준수 웹 기반 방법 또는 컴퓨터 디스크, 다른 저장 매체 등과 같은 비-웹 기반 방법을 통해 이루어질 수 있다.
7) 컴퓨터, 휴대폰 및 다른 디바이스에서 뷰잉될 수 있다. 이러한 방식으로, 모든 환자는 그들의 사회 경제적 지위에 무관하게 보고에 액세스를 가질 것이다. 모든 환자가 인터넷, 휴대폰 또는 다른 디바이스에 액세스를 갖는 것은 아니다. 다중 미디어 플랫폼에서 이용 가능하게 하는 것은 액세스의 정도를 증가시킨다.
8) 설명을 위해 혼합 현실을 사용한다. 고급 컴퓨터 그래픽, 증강 또는 가상 현실의 사용은 일부 설명을 환자가 이해하기 쉽게 만들 수도 있다. 예를 들어, 신체 내로 그리고 혈관을 통한 가상 현실 여행에 이어서 폐색의 광경에서 감속 및/또는 정지하는 혈류를 명시하는 것은 환자가 신체 내의 폐색을 갖는 중요성을 이해하는 데 도움이 될 것이다. 폐색의 광경에서 그 혈관 내에 스텐트의 배치를 명시하는 것은 이어서 환자가 어떻게 그들의 병리가 치료될 수도 있는지 그리고 왜 치료되는지를 이해하는 데 도움이 될 것이다. 이는 또한 3D/4D 가상 현실 방식으로; 또는 홀로그램으로서; 또는 다른 시각적 디스플레이에 의해 수행될 수 있다. 유사하게, 이 정보는 팟캐스트 등과 같은 오디오 방법에 의해 전달될 수 있다.
9) 미래의 참조를 위해 환자에 의해 저장될 수 있다. 시험의 설명, 그 결과 및 부가의 정보를 포함하는 환자 특정 영화는 미래 사용을 위해 저장할 수 있는 환자의 특성이 된다.
10) 정상 기준 모집단 값과 비교될 수 있다. 몇몇 경우에, 환자 이해를 최대화하기 위해, 모집단 기반 코호트 또는 다른 질환 코호트로부터 도출된 규범적 기준 값과 비교될 수 있는 결과가 있을 수도 있다. 이는 연령 비교(예를 들어, 심장 연령 대 생물학적 연령)에 의해, 또는 시각적 디스플레이(예를 들어, 벨형상 곡선 또는 막대 그래프)에 의해 백분위수로 제공될 수도 있다.
11) 이전 연구와 비교될 수 있다. 몇몇 경우에, 환자는 자동으로 차이에 대해 비교되고 #1 내지 10에서 전술된 바와 같이 보고될 수 있는 2개의 연구(동일한 시험, 예를 들어, CT-CT 또는 상이한 시험 CT-초음파)를 가질 수도 있다. 이는 환자가 생활 습관 또는 의료 요법 또는 중재 요법에 응답하여 시간 경과에 따라 그/그녀의 진행을 이해할 수 있게 할 것이다. 다른 경우에, 시험 발견은 유전 가능성(예를 들어, 게놈 또는 다른 오믹스 또는 가족력), 감수성(예를 들어, 시간 경과에 따른 실험실 마커로부터 또는 흡연과 같은 환경적 생활 습관 모욕)의 함수로서 #1 내지 10에서와 같이 전달될 수 있다.
12) 성공의 가능성을 전달하도록 구성될 수 있다. 몇몇 경우에, 생성된 비디오는 위험 계산기를 통해 가능성을 계산하거나 임상 시험 데이터 또는 진료 가이드라인을 사용하여 임의의 주어진 중재의 성공 또는 실패의 가능성을 추정할 것이고; 이는 영화에서 보고될 수 있다.
의료 보고 생성 시스템 및 방법의 예
도 16은 본 명세서에 설명된 특정 시스템 및 방법을 이용하여, 환자 의료 보고, 예를 들어 CT 스캔 및 분석에 기초하는 환자 의료 보고를 자동으로 생성하기 위한 시스템(1600)의 예의 다양한 구성요소를 도시하고 있는 시스템 도면이다. 이러한 시스템의 다양한 실시예는 도 16에 도시되어 있는 것보다 더 적은 수의 구성요소, 부가의 구성요소 또는 상이한 구성요소를 포함할 수도 있다. 이 예에서 시스템(1600)은 MRI 스캐너(16160), 초음파 스캐너(1611), CT 스캐너(1612) 및 다른 유형의 영상 디바이스(1613)를 포함한다. 스캐너 및 영상 디바이스로부터의 정보는 하나 이상의 통신 링크(1601) 또는 정보 통신을 위한 다른 통신 메커니즘을 통해 시스템의 다른 구성요소에 제공된다. 통신 링크는 또한 도 16에 도시되어 있는 시스템의 다른 구성요소에 연결된다.
시스템(1600)은 보관된 환자 의료 정보 및 다양한 소스에서 일정 시간 기간 동안 수집되었을 수도 있는 기록(1602)을 더 포함한다. 정보 및 기록은 환자 데이터(1604), 환자 결과(1606), 환자 영상(1608)(예를 들어, CT 스캔, 초음파 스캔, MRI 스캔 또는 다른 영상 데이터의 저장된 영상)을 포함할 수도 있다.
시스템(1600)은 저장된 영상(1614)(환자와 관련되거나 관련되지 않을 수도 있음)를 더 포함한다. 시스템(1600)은 환자에 의해 착용된 하나 이상의 디바이스, 통상적으로 일정 시간 기간에 걸쳐 환자의 하나 이상의 유형의 생리학적 데이터 또는 특성을 감지하거나 측정하는 디바이스를 수집할 수도 있는 환자 웨어러블 정보(1616)를 더 포함한다. 시스템(1600)은 실험실 데이터(1618)(예를 들어, 최근 혈액 분석 결과) 및 임의의 환자 관련 데이터(예를 들어, 영상, 시험실 데이터, 웨어러블 정보 등)의 의사 분석(1620)을 더 포함할 수 있다. 시스템(1600)은 통신 링크(1601)와 통신하는 네트워크(1650)를 통해 다른 시스템 및 디바이스와 통신할 수도 있다.
시스템(1600)은 시스템(1600)에 대한 정보를 통신, 분석, 수집 또는 뷰잉하는 것과 관련된 임의의 기능을 수행하는 데 사용될 수도 있는 컴퓨팅 시스템(1622)을 더 포함할 수도 있다. 컴퓨팅 시스템(1622)은 컴퓨팅 시스템(1622)의 예시된 구성요소(예를 들어, 프로세서(1624), 메모리(1628), 디스플레이(1630), 인터페이스(1632), 입력/출력 디바이스(1634), 통신 링크(1601))에 결합되고, 또한 컴퓨팅 시스템(1622)의 다른 구성요소에 결합될 수도 있는 버스(도시되어 있지 않음)를 포함할 수 있다. 컴퓨팅 시스템(1622)은 정보를 처리하고 컴퓨터 명령을 실행하기 위한 프로세서(1624) 또는 다중 프로세서를 포함할 수도 있다. 하드웨어 프로세서(1624)는 예를 들어, 하나 이상의 범용 마이크로프로세서일 수도 있다. 컴퓨터 시스템(1622)은 또한 프로세서(1624)에 의해 실행될 정보 및 명령을 저장하기 위한 랜덤 액세스 메모리(RAM), 캐시 및/또는 다른 동적 저장 디바이스와 같은 메모리(예를 들어, 메인 메모리)(1628)를 포함한다. 메모리(1628)는 또한 프로세서(1624)에 의해 실행될 명령의 실행 동안 임시 변수 또는 다른 중간 정보를 저장하기 위해 사용될 수도 있다. 이러한 명령은 프로세서(1624)에 액세스 가능한 저장 매체에 저장될 때, 컴퓨터 시스템(1622)을 명령에 지정된 작업을 수행하도록 맞춤화된 특수 목적 기계로 렌더링한다. 메모리(1628)는 예를 들어 도 16 및 도 17과 관련하여 설명된 바와 같이, 예를 들어, 환자 정보 및 의료 데이터를 저장하기 위해 사용자가 시계열 데이터를 조작할 수 있게 하는 명령을 포함할 수도 있다. 메모리(1628)는 판독 전용 메모리(ROM) 또는 프로세서(1624)에 대한 정적 정보 및 명령을 저장하는 프로세서(1624)와 통신하여 결합된 다른 정적 저장 디바이스(들)를 포함할 수 있다. 메모리(1628)는 또한 프로세서(1628)에 결합되고 정보 및 명령을 저장하기 위해 구성된 자기 디스크, 광학 디스크 또는 USB 썸 드라이브(플래시 드라이브) 등과 같은 저장 디바이스를 포함할 수 있다.
컴퓨터 시스템(1622)은 버스를 통해 디스플레이(1630), 예를 들어 음극선관(CRT), 발광 다이오드(LED) 또는 액정 디스플레이(LCD)에 결합될 수도 있다. 디스플레이는 터치스크린 인터페이스를 포함할 수도 있다. 컴퓨팅 시스템(1622)은 영숫자 및 다른 키를 포함하는 입력 디바이스(1634)를 포함할 수도 있고, 정보 및 명령 선택을 프로세서(1622)에 통신하기 위해 버스에 결합된다. 다른 유형의 사용자 입력 디바이스는 방향 정보 및 명령 선택을 프로세서(1622)에 통신하고 디스플레이(1630) 상의 커서 움직임을 제어하기 위한 마우스, 트랙볼 또는 커서 방향 키와 같은 커서 컨트롤이다. 입력 디바이스는 통상적으로 2개의 축, 즉, 디바이스가 평면 내에서 위치를 지정할 수 있게 하는 제1 축(예를 들어, x)과 제2 축(예를 들어, y)에서 2개의 자유도를 갖는다. 몇몇 실시예에서, 커서 컨트롤과 동일한 방향 정보 및 명령 선택은 커서 없이 터치스크린 상의 터치를 수신하는 것을 통해 구현될 수도 있다.
컴퓨팅 시스템(1622)은 컴퓨팅 디바이스(들)에 의해 실행되는 컴퓨터 실행 가능 프로그램 명령으로서 대용량 저장 디바이스에 저장될 수도 있는 GUI를 구현하기 위한 사용자 인터페이스 모듈(1632)을 포함할 수도 있다. 컴퓨터 시스템(1622)은 또한 컴퓨터 시스템과 조합하여 컴퓨터 시스템(1622)이 특수 목적 기계가 되게 하거나 프로그램하는 맞춤화 유선 로직, 하나 이상의 ASIC 또는 FPGA, 펌웨어 및/또는 프로그램 로직을 사용하여 본 명세서에 설명된 기술을 구현할 수도 있다. 일 실시예에 따르면, 본 명세서의 기술은 메모리(1628)에 포함된 하나 이상의 컴퓨터 판독 가능 프로그램 명령의 하나 이상의 시퀀스를 실행하는 프로세서(들)(1624)에 응답하여 컴퓨터 시스템(1622)에 의해 수행된다. 이러한 명령은 다른 저장 매체로부터 메모리(1628) 내로 판독될 수도 있다. 메모리(1628) 내에 포함된 명령의 시퀀스의 실행은 프로세서(들)(1624)가 본 명세서에 설명된 프로세스 단계를 수행하게 한다. 대안 실시예에서, 유선 회로는 소프트웨어 명령 대신에 또는 조합하여 사용될 수도 있다.
다양한 형태의 컴퓨터 판독 가능 저장 매체는 실행을 위해 하나 이상의 컴퓨터 판독 가능 프로그램 명령의 하나 이상의 시퀀스를 프로세서(1624)로 운반하는 데 관여할 수도 있다. 메모리(1628)에 의해 수신된 명령은 선택적으로 프로세서(1624)에 의한 실행 전 또는 후에 저장될 수도 있다.
컴퓨터 시스템(1622)은 또한 컴퓨터 시스템의 다른 구성요소 및 통신 링크(1601)에 결합된 통신 인터페이스(1637)를 포함한다. 통신 인터페이스(1637)는 통신 링크(1601)에 연결되는 네트워크 링크에 결합하는 양방향 데이터 통신을 제공한다. 예를 들어, 통신 인터페이스(1637)는 ISDN(Integrated Services Digital Network) 카드, 케이블 모뎀, 위성 모뎀 또는 대응 유형의 전화 라인에 데이터 통신 연결을 제공하는 모뎀일 수도 있다. 다른 예로서, 통신 인터페이스(1637)는 호환 가능한 LAN(또는 WAN과 통신하기 위한 WAN 구성요소)에 대한 데이터 통신 연결을 제공하는 근거리 통신망(LAN) 카드일 수도 있다. 무선 링크가 또한 구현될 수도 있다. 임의의 이러한 구현에서, 통신 인터페이스(1637)는 다양한 유형의 정보를 표현하는 디지털 데이터 스트림을 운반하는 전기, 전자기 또는 광학 신호를 송신 및 수신한다.
네트워크 링크는 통상적으로 하나 이상의 네트워크를 통해 다른 데이터 디바이스에 데이터 통신을 제공한다. 예를 들어, 네트워크 링크는 로컬 네트워크를 통해 인터넷 서비스 공급자(ISP)가 운영하는 호스트 컴퓨터 또는 데이터 장비에 대한 연결을 제공할 수도 있다. ISP는 이어서 이제 통상적으로 "인터넷"이라고 칭하는 전세계 패킷 데이터 통신 네트워크를 통해 데이터 통신 서비스를 제공한다. 컴퓨터 시스템(1622)은 네트워크(들), 통신 링크(1601) 및 통신 인터페이스(1637)를 통해 메시지를 송신하고 프로그램 코드를 포함하는 데이터를 수신할 수 있다. 인터넷 예에서, 서버는 인터넷, ISP, 로컬 네트워크 통신 링크(1601) 및 통신 인터페이스를 통해 애플리케이션 프로그램에 대한 요청된 코드를 전송할 수도 있다. 수신된 코드는 수신된 대로 프로세서(1624)에 의해 실행될 수도 있고, 그리고/또는 이후의 실행을 위해 메모리(1628) 또는 다른 비휘발성 저장 장치에 저장될 수도 있다. 프로세서(1624), 운영 체제(1626), 메모리 구성요소(1628), 하나 이상의 디스플레이(1630), 하나 이상의 인터페이스(1632), 입력 디바이스(1634) 및 모듈(1636)은 이용될 때 시스템에 대한 기능을 수행하는 하드웨어 또는 소프트웨어, 또는 하드웨어와 소프트웨어의 조합일 수도 있다. 예를 들어, 모듈(1626)은 시스템(1600)의 기능을 수행하기 위해 프로세서(1624)에 의해 실행되는 컴퓨터 실행 가능 명령을 포함할 수도 있다.
시스템(1600)은 요청된 보고 유형에 대해 특정 환자에 대한 의료 보고 데이터 세트를 생성하는 데 사용되는 다양한 구성요소를 포함할 수 있는 의료 보고 생성 시스템(1638)("또는 의료 보고 생성기")을 더 포함할 수도 있다. 의료 보고 생성 시스템(1638)은 컴퓨팅 시스템, 예를 들어 서버 또는 컴퓨팅 시스템(1640)을 포함할 수도 있다. 몇몇 실시예에서, 컴퓨팅 시스템(1640)은 서버를 포함한다. 의료 보고 생성 시스템은 또한 수집된 또는 결정된 환자 특정 정보(1648), 및 환자, 환자 정보(1648)(환자와 연관된 영상, 의료 분석 및 시험 결과) 및 보고 세그먼트, 보고 요소, 원하는 요소의 보고 사이의 연관성을 포함하는 보고 템플릿 데이터 구조(1642)를 포함한다. 의료 보고 생성 시스템(1638)은 의사 및/또는 환자에 특정하거나 의사 및/또는 환자에 의해 입력될 수도 있는 사용자 파라미터(1646)를 더 포함한다.
시스템(1600)은 또한 통신 링크(들)(1601)를 통해 시스템의 구성요소와 통신하는 하나 이상의 컴퓨팅 디바이스(1652)를 포함할 수도 있다. 통신 링크(들)(1601)는 유선 및 무선 링크를 포함할 수도 있다. 컴퓨팅 디바이스(1652)는 태블릿 컴퓨터, 랩탑 컴퓨터, 데스크탑 컴퓨터, 스마트폰 또는 다른 모바일 디바이스일 수도 있다.
도 17은 환자의 하나 이상의 스캔, 환자 정보, 의사의 스캔의 분석, 및/또는 이전 시험 결과에 기초하여 환자 의료 보고를 생성하기 위한 데이터 흐름 및 기능(1700)의 예를 도시하고 있는 블록도이다. 이 데이터 흐름의 시작부에서, 새로운 의료 영상(1702)이 시스템에 의해 수신되거나 스캐너에 의해 생성된다. 영상은 본 명세서에 설명된 정규화 디바이스를 사용하여 생성될 수 있다. 정규화 디바이스를 사용하여 생성 및 처리된 영상으로부터 도출된 정보는 본 명세서에 설명된 바와 같이, 더 일관되고 그리고/또는 정확할 수 있다. 영상은 CT, MRI, 초음파 또는 다른 유형의 스캐너로부터 올 수 있다. 영상은 예를 들어, 관상 동맥과 같은 환자 신체의 타겟 특징을 묘사하고 있다. 영상은 다른 유형의 환자 데이터(예를 들어, 이전에 생성된 영상, 환자 시험 결과, 연령, 성별, 인종, BMI, 약물, 혈압, 심장 박동수, 체중, 신장, 체질, 흡연, 당뇨병, 고혈압, 이전 CAD, 가족력, 실험실 시험 결과 등을 포함할 수 있는 환자 특정 정보)를 저장하는 환자 의료 정보 저장 구성요소(1708)에 보관될 수도 있다. 새로운 영상(1702)은 영상 분석(1704)을 위해 제공되며, 이는 영상 내의 특정 특성에서 특징을 검출하도록 훈련되어 있는 인공 지능/기계 학습 알고리즘을 사용하는 영상의 분석을 포함할 수도 있다. 다른 시험(1706)이 또한 환자에 대해 수행되었을 수도 있다(예를 들어, 혈액 시험 또는 다른 시험).
새로운 영상(1702), 기계 생성 결과(1712), 의사(1714)에 의해 결정된 결과 및 이전 시험 결과(1716)가 결과 페이즈(1710)에서 수집되고, 이 정보는 의료 보고 데이터 세트 생성 블록(1720)으로 전달된다. 다른 환자 의료 정보(1718)는 또한 의료 보고 데이터 세트 생성부(1720)에 제공될 수 있다. 상기에 나타낸 바와 같이, 이 정보는 예를 들어 환자의 연령, 성별, 인종, BMI, 약물, 혈압, 심장 박동수, 체중, 신장, 체질, 흡연, 당뇨병, 고혈압, 이전 CAD, 가족력, 실험실 시험 결과 등을 포함할 수도 있다. 결과(1710) 및 다른 환자 의료 정보(1718)에 추가하여, 의료 보고 데이터 세트 생성부(1720)는 또한 보고 데이터(1728)를 수신할 수 있다. 보고 데이터(1728)는 보고에 사용되는 멀티미디어 정보를 포함할 수 있다. 예를 들어, 오디오, 영상, 영상의 시퀀스(즉, 비디오), 텍스트, 배경, 아바타 또는 특정 환자의 의료 정보와 관련되지 않은 보고의 다른 모든 것.
의료 보고 데이터 세트 생성부(1720)는 요청된 유형의 보고에 대한 의료 보고 데이터 세트를 생성하기 위해 새로운 영상(1702), 결과(1710), 다른 환자 의료 정보(1718) 및 보고 데이터(1728)를 사용할 수 있다. 의료 보고 데이터 세트 생성부(1770)는 대화형일 수 있고, 의사는 어느 유형의 보고가 생성되고 있는지를 식별한 입력을 제공할 수 있다. 블록 1722에서, 의료 보고 데이터 세트 생성 동안, 요청된 보고를 위해 필요한 모든 정보가 집계되고 의료 보고가 생성된다. 예를 들어, 다양한 입력으로부터 수집된 영상, 환자 데이터 및 보고를 위해 필요한 다른 정보가 식별된다. 블록 1724에서, 프로세스는 특정 환자에 대한 보고를 맞춤화하기 위해 특정 환자 정보를 사용한다. 예를 들어, 보고 내의 정보를 환자에게 제시하는 아바타의 하나 이상의 특성은 환자에게 보고 정보를 가장 양호하게 전달하기 위해 아바타가 생성되도록 환자 데이터로부터 식별될 수 있다. 몇몇 예에서, 이러한 정보는 환자의 성별, 연령, 언어, 교육, 문화 등의 특성을 포함한다. 블록 1726에서, 프로세스는 보고를 위해 가장 양호하게 사용되는 시험 설명을 결정한다. 예를 들어, 특정 시험에 대해 10개의 상이한 설명이 있을 수도 있고, 10개의 설명 중 하나가 보고를 위해 선택된다. 시험 설명의 결정은 환자 및/또는 시험의 결과의 진단 또는 예후에 기초할 수도 있다. 달리 말하면, 동일한 시험은 시험의 결과가 무엇으로 판명되었는지에 기초하여 다양한 방식으로 설명될 수도 있다. 블록 1728에서 프로세스는 결과 설명을 결정한다. 동일한 결과에 대해 다수의 설명이 있을 수 있고, 선택된 포트에 대한 설명 중 하나가 있을 수 있다. 결과 설명의 선택은 예를 들어, 환자 정보, 결과의 내용 또는 다른 정보에 기초할 수 있다.
블록 1730에서, 프로세스는 보고에서 사용될 인사말을 결정한다. 보고를 위해 선택된 인사말은 수많은 가능한 인사말 중 하나일 수도 있다. 다양한 실시예에서, 인사말은 환자 정보, 사용자 입력 또는 시험 결과에 기초하여 선택될 수도 있다. 예를 들어, 시험 결과가 환자에게 좋은 소식을 나타내면, 제1 유형의 인사말이 선택될 수도 있다. 시험 결과가 환자에게 불리한 경우, 후속 전달 결과에 더 적절한 제2 유형의 인사말이 선택될 수도 있다.
블록 1732에서, 프로세스는 보고에서 사용될 결론을 결정한다. 보고를 위해 선택된 결론은 수많은 가능한 결론 중 하나일 수도 있다. 다양한 실시예에서, 포함은 환자 정보, 사용자 입력 또는 시험 결과에 기초하여 선택될 수도 있다. 예를 들어, 시험 결과가 환자에게 좋은 것을 나타내면, 제1 유형이 선택될 수도 있다. 시험 결과가 환자에게 불리하고, 선택한 제2 유형의 결론이 이전에 보고된 불리한 결과에 더 적절하다.
의료 보고 데이터 세트 생성부(1720)는 의료 보고(1736)를 제공한다. 몇몇 실시예에서, 의료 보고는 환자 식별 인사말(1738), 및 각각의 시험에 대해, 시험(1740)의 설명, 시험(1742)의 결과 및 결과(1744)의 설명을 포함하는 비디오이다. 다수의 시험을 포함하는 의료 보고의 경우, 보고는 반복적으로 시험 설명을 제시하고, 결과를 제시하고, 수행된 각각의 시험에 대한 설명 결과를 제시할 수도 있다. 의료 보고는 또한 결론 세그먼트(1746)를 포함한다. 몇몇 실시예에서, 의료 보고는 디스플레이 상에서 환자/환자의 가족에게 디스플레이된다. 몇몇 실시예에서, 의료 보고는 환자가 집에서 또는 컴퓨터의 다른 곳에서 뷰잉하게 하기 위해 비디오로서 제공된다. 몇몇 실시예에서, 의료 보고는 종이 사본으로 제공될 수 있다.
도 18a는 몇몇 실시예에 따른, 도 17에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제1 부분의 예의 블록도이다. 블록 1802에서, 하나 이상의 의료 시험이 환자에게 수행된다. 블록 1804에서, 결과는 기계(예를 들어, 혈액 검사), 훈련 의료 해석기에 의해 생성되고 그리고/또는 인공 지능/기계 학습 알고리즘에 기초하여 자동으로/반자동으로 결정된다. 블록 1806에서, 결과, 환자 정보 및 다른 데이터가 수집되어 의료 보고의 생성을 위해 컴퓨터 디바이스 또는 네트워크로 송신된다. 블록 1808에서, 보고의 의료 관련 부분을 생성하기 위해 결과가 영상, 환자 정보, 다른 데이터, 멀티미디어 정보 등과 함께 집계된다. 블록 1810에서, 프로세스는 특정 선택된 환자 정보, 예를 들어 환자의 약력 데이터를 사용하여 보고의 비디오 진행자(예를 들어, 아바타)를 생성한다. 예를 들어, 환자가 어린이일 때, 환자 정보는 어린이에게 보고를 제시하는 어린이 아바타를 생성하기 위해 사용될 수도 있다. 몇몇 실시예에서, 어린이 아바타는 또한 어린이에게 보고를 제시하는 것을 돕는 아바타 애완동물이었을 수도 있어, 어린이에게 보고를 더 흥미롭고 더 재미있게 만든다. 환자가 고등 교육을 받은 성인일 때, 환자 정보는 사용하여 해당 환자에게 보고를 제시하는 데 적절한 아바타를 생성하는 데 사용될 수도 있다. 몇몇 실시예에서, 아바타는 환자의 특정 특성(예를 들어, 인종, 연령 또는 성별)을 반영하거나 환자의 특정 특성에 대해 결정된 상보적 아바타일 수도 있다.
도 18b는 몇몇 실시예에 따른, 도 17에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제2 부분의 예의 블록도이다. 블록 1812에서, 프로세스는 보고를 위해 사용될 시험 설명을 선택한다. 시험 설명의 선택은 환자 정보, 부상 또는 질환의 중증도 및/또는 보고의 심각성(예를 들어, 최종 진단)에 기초할 수 있다. 일 예에서, 특정 시험 설명이 4개의 시험 설명 비디오 중 하나로부터 선택될 수도 있다. 블록 1814에서, 프로세스는 보고를 위해 사용될 설명 결과를 선택한다. 결과의 선택은 또한 환자 정보, 부상 또는 질환의 중증도 및/또는 보고의 심각성(예를 들어, 최종 진단)에 기초할 수 있다. 일 예에서, 특정 결과 설명이 4개의 결과 설명 비디오 중 하나로부터 선택될 수도 있다.
도 18c는 몇몇 실시예에 따른, 도 17에 관련하여 설명된 기능 및 데이터를 사용하여 의료 보고를 생성하기 위한 프로세스의 제3 부분의 예의 블록도이다. 블록 1816에서, 프로세스는 환자 식별 인사말을 선택한다. 보고는 환자 식별 판독으로 시작하는데, 이는 카툰 캐릭터 또는 아바타, 설명에 의한 환자의 판독 및 어느 시험이 설명되고 언제 수행되었는지의 언급, 누가 시험을 주문하였고 어디서 수행되었는지를 포함할 수도 있다. 블록 1818에서, 프로세스는 환자에 대해 수행된 시험을 설명한다. 이전에 기록된 세그먼트는 예를 들어, 환자에게 어느 시험이 수행되었는지, 어떻게 작동하는지, 일반적으로 제공자에 의해 왜 주문되었는지, 및 예상되는 결과의 범위가 무엇일 수도 있는지를 설명한다. 블록 1820에서, 보고는 이어서 환자에게 결과를 제시한다. 결과는 환자에게 결과를 전달하는 데 도움이 될 수도 있는 정량적 값, 영상, 차트, 비디오 및 다른 유형의 데이터를 포함할 수 있다. 블록 1822에서, 보고는 몇몇 예에서 결과가 정확히 무엇을 의미하는지를 환자에게 명확화하는 것을 돕기 위한 결과의 설명을 제시할 수도 있으며, 비디오의 적절한 미리 기록된 애니메이션은 결과의 의미를 설명한다. 다수의 시험이 환자에 대해 수행되었으면, 프로세스는 각각의 시험을 반복적으로 설명하고, 시험 결과를 제시하고, 이어서 결과를 설명할 수도 있다. 블록 1824에서, 프로세스는 환자에 대한 정보를 요약하고, 부가의 정보를 제공하고, 그리고/또는 환자에 의해 취하거나 또는 의사에 의해 취해질 다음 단계에 대한 안내를 제공할 수도 있는 결론 세그먼트를 제시한다. 보고의 모든 부분에 대해, 의료 보고 생성 기능은 환자 정보, 실제 영상 및/또는 시험 결과 및 다른 멀티미디어 정보의 조합을 사용하여 시험 결과에서 수행된 각각의 시험에 대한 포괄적이고 명확한 설명을 제시한다.
도 18d는 의료 보고를 구성할 수 있는 다양한 부분을 도시하고 있는 도면으로서, 입력은 의사에 의해 및 환자 정보 또는 환자 입력에 의해 제공될 수 있다. 도 18d에 도시되어 있는 바와 같이, 의사는 생성될 의료 보고의 유형(예를 들어, 보고 1, 보고 2 등)을 대화식으로 선택할 수 있다. 각각의 의료 보고는 보고의 다양한 세그먼트에서 수집 및 제시될 수 있는 데이터 및 정보의 집합이다. 예를 들어, 세그먼트는 인사말, 수행된 시험(들)의 설명, 결과, 결과의 설명, 및 결론을 포함할 수 있다. 다수의 시험을 포함하는 의료 보고는 수행된 각각의 시험의 설명, 각각의 시험의 결과, 및 각각의 시험의 결과의 설명을 제시하는 다수의 세그먼트를 포함할 수 있다. 몇몇 실시예에서, 세그먼트의 모두 또는 일부는 환자 정보, 수행된 시험의 유형, 및 각각의 시험의 결과에 기초하여 자동으로 생성된다. 몇몇 실시예에서, 의사는 각각의 세그먼트에 대해 사용할 정보를 선택하거나 증명할 수 있다. 몇몇 실시예에서, 보고는 세그먼트를 생성하거나 보고의 일부를 제시하기 위해 어느 정보를 사용할지를 결정하는 것을 도울 수 있는 환자의 입력에서 대화형일 수 있다. 각각의 세그먼트는 다수의 요소를 포함할 수도 있다. 각각의 요소는 하나 이상의 하위 요소를 포함할 수 있다. 예를 들어, 시험 결과의 세그먼트는 보고에 포함될 각각의 시험 결과에 대한 요소를 포함할 수도 있다. 몇몇 실시예에서, 의사는 요소 및/또는 하위 요소에 대해 어느 정보를 사용할지를 선택하거나 승인할 수 있다. 몇몇 실시예에서, 요소 및/또는 하위 요소는 환자 정보 및/또는 환자 입력에 적어도 부분적으로 기초하여 결정될 수 있다. 통상적으로, 의사는 보고에 사용된 모든 자료를 대화식으로 선택 및/또는 승인할 수 있다. 몇몇 실시예에서, 보고의 콘텐츠는 의료 보고의 각각의 세그먼트 내의 요소를 결정하기 위해 환자 정보, 의료 시험, 의료 결과 및 의사의 선호도의 조합을 사용하는 미리 결정된 알고리즘에 기초한다.
도 18e는 보고를 생성하기 위해 사용되는 의료 보고 생성 데이터 흐름 및 데이터의 통신의 예를 도시하고 있는 개략도이다. 도 16 내지 도 18d에 도시되어 있는 구성요소 및 데이터와 관련된 예시된 구성요소 및 데이터. 의료 보고 생성기(1850)는 특정 환자에 대한 특정 의료 보고를 생성하기 위해 사용하는 복수의 입력을 수신한다. 이 의료 보고는 환자와 환자의 간병인에게 특정 환자의 의료 시험 및 결과를 교육하고 통지하기 위해 생성된다. 이 의료 보고는 개인의 의료 정보를 이해하기 쉬운 영화로 변환하는 프로세스이다. 영화는 환자의 아바타 또는 아바타형(예를 들어, 성별, 연령 민족 등에 의해 일치함)로 이루어진다. 보고의 뷰잉은 의료 시설의 컴퓨터 또는 환자의 컴퓨터(예를 들어, 스마트폰, 태블릿, 랩탑 등) 상의 어디에서나 행해질 수 있다. 보고는 멀티미디어 데이터 오디오, 텍스트, 영상 및/또는 비디오를 포함할 수도 있다. 비디오는 카툰, 실생활 비디오를 포함할 수도 있다. 애니메이션은 가상 현실을 포함될 수 있는데, 예를 들어 비디오가 신체에 진입하고, 혈관을 중심으로 혈액이 흐르면서 심장이 뛰는 것을 보고, 혈관을 통해 유동하는 혈액을 보고 속도와 유동의 변화가 있는 플라크를 나타내고 플라크로 이동하여 그 고유한 유형을 본다. 몇몇 실시예에서, 증강 현실은 연령, 약리학적 변화, 검사가 행해지는 곳에서 이용 가능한 약리학적 제제, 상이한 질환 정도, 스텐트 및 우회와 같은 중재의 효과, 거동 변화 및 운동을 시뮬레이션하는 데 사용될 수도 있다. 보고는 공유 가능할 수도 있어 사용자가 정의된 가용성 시간 또는 영원히 누구와도 공유할 수 있게 한다. 예를 들어, 인쇄를 위해 PDF, DICOM 또는 Word 문서 또는 다른 포맷으로 변환 및 압축될 수 있다. 보고에 사용되는 언어는 환자의 모국어일 수 있다. 몇몇 실시예에서, 청각 장애인을 위해 모국어로 자막, 또는 시각 장애인을 위해 점자가 사용될 수 있다. 아바타를 사용하는 실시예에서, 아바타 내레이션은 연령, 성별, 민족 - 환자 외모의 변화, 이해의 레벨 - 언어의 변화 및 정보의 깊이를 포함하도록 환자에 대해 개별화될 수 있다.
의료 보고 생성기(1850)는 특정 환자에 대한 특정 유형의 보고를 생성하도록 지시하는 의사로부터 입력(1875)을 수신할 수 있다. 몇몇 실시예에서, 의사는 보고의 특정 양태를 결정하기 위한 입력을 제공할 수 있다. 예를 들어, 의사는 어느 영상 데이터가 보고에 포함될 어느 시험 결과에 사용할지를 지시할 수도 있다. 다른 예에서, 의사는 시험 결과 및/또는 진단의 중증도에 기초할 수 있고, 의사는 진단에서 시험 결과를 보고하기에 적절하도록 보고의 "어조" 또는 심각성에 영향을 미칠 수 있다.
몇몇 실시예에서, 의사는 보고에 포함될 잠정적인 자동으로 선택된 자료를 승인하기 위한 입력을 제공할 수 있다. 보고 생성과 관련된 연관성을 저장하는 데이터 구조(1880)와 통신하는 의료 보고 생성기(1800). 몇몇 실시예에서, 데이터 구조(1880)는 특정 의사와 그가 생성하기를 선호하는 의료 보고의 특성 사이의 연관성을 포함한다. 연관성은 동적일 수도 있고 대화식으로 또는 시간 경과에 따라 자동으로 변경될 수도 있다. 데이터 구조(1880)는 또한 보고를 생성하는 데 사용될 수 있는 모든 자료와 관련된 연관성을 포함할 수 있다. 예를 들어, 의사가 특정 의료 보고가 특정 환자에 대해 생성되는 것을 지시한 후, 의료 보고 생성기(1880)는 의료 보고를 생성하는 데 필요한 연관성 데이터 구조에 기초하여 환자 정보(1880)를 수신한다.
도 18e에 도시되어 있는 바와 같이, 의료 보고 생성기(1850)는 멀티미디어 인사말, 시험의 설명, 결과의 프리젠테이션, 설명 결과, 및 결론을 포함할 수 있는 보고(1855)(세그먼트, 요소, 하위 요소)의 기존의 부분을 수신할 수 있다. 이 자료는 보고를 생성하기 위해 의료 보고 생성기(1850)의 다른 입력과 조합될 수 있다. 예를 들어, 의료 보고 생성기(1850)는 의료 보고 내의 정보가 특정 환자에게 가장 양호하게 전달되도록 의료 보고를 맞춤화하는 데 사용될 수도 있는 환자의 적절한 정보의 임의의 다른 특성에 환자의 연령, 성별, 인종, 교육, 민족, 지리적 위치를 포함하는 환자 정보(1860)를 수신할 수 있다. 의료 보고 생성기(1850)는 또한 환자에 대해 수행된 최근 시험(예를 들어, CT, MRI, 초음파 스캔 또는 다른 영상 데이터)에 관련된 영상 데이터(1862) 및/또는 이전에 수집된 영상 데이터(1865)(예를 들어, 이전에 수집된 CT, MRI, 초음파 스캔 또는 다른 영상 데이터)를 수신할 수 있다. 예를 들어, 이전에 수집된 영상 데이터(1865)는 일정 시간 기간(예를 들어, 며칠, 몇주, 몇개월 또는 몇년)에 걸쳐 촬영된 영상 데이터를 포함할 수 있다. 의료 보고 생성기(1850)는 또한 이들에 한정되는 것은 아니지만 환자의 시험, 결과, 진단을 포함하는 다른 의료 데이터(1867)를 수신할 수 있다. 의료 보고 생성기(1850)는 또한 의료 보고의 부분을 형성하는 데 사용되는 멀티미디어 보고 데이터(1870)를 수신할 수 있다. 멀티미디어 보고 데이터(1870)는 보고에 포함될 수도 있는 아바타, 오디오 정보, 비디오 정보, 영상 및 텍스트에 관한 정보를 포함할 수 있다.
의료 보고는 시험 결과 - 영상 및 비영상 시험, 및 치료적 접근법을 갖거나 갖지 않고 격리되거나 집계된 다른 의료 정보에 적용 및/또는 설명할 수 있다. 예를 들어, 담석 수술의 경우, 의료 보고는 실험실 시험, 객관적 관찰, 의료 이력, 영상 시험으로부터의 정보를 집계할 수 있고, 수술 제안, 수술 설명, 가상 수술, 병리학적 소견(암에서 더 중요함)을 포함하고, 정상 생활 또는 치료 FUP(예를 들어, 암에서 화학 요법)까지 수술 회복 후에 설명할 수 있다. 의료 보고는 또한 교육적이고 일반적일 수 있으며, 환자, 질환 및/또는 치료, 시험에 적응되고, 질환, 위험 인자, 치료, 거동 및 거동 변화를 해결할 수 있다. 몇몇 예로, 의료 보고는 환자의 완전한 전자 의료 기록(EMR) 정보의 부분을 형성하도록 생성될 수 있다. 몇몇 예에서, 의료 보고 생성기(1850)는 환자에게 "당신의 의료 생활 영화 보고"를 보여주는 포괄적인 의료 보고를 환자마다 생성할 수 있다.
의료 보고 생성기(1850)는 다수의 상이한 포맷으로 의료 보고를 생성하도록 구성될 수 있다. 예를 들어, 영화, 증강 현실, 가상 현실, 홀로그램, 팟캐스트(오디오 전용), 웹캐스트(비디오) 또는 대화형 웹 기반 포털을 사용하여 액세스한다. 몇몇 실시예에서, 의료 보고에 대해 생성된 정보는 데이터 구조(1880)에 저장될 수 있다(예를 들어, 데이터 구조(1880)는 의료 보고 생성기(1850)에 대한 임의의 입력으로부터의 정보를 포함하도록 수정되거나 업데이트될 수 있음). 몇몇 실시예에서, 의료 보고, 또는 데이터 구조(1880)에 저장된 의료 보고로부터의 정보는 자동 계산 특징을 통해 부가의 시도 시험에 대한 환자의 적격성을 결정하는 데 사용될 수 있다. 이러한 경우에, 데이터 구조(1880)는 예를 들어 환자의 연령, 성별, 민족 및/또는 인종, 건강, 알레르기, 기존 상태, 의료 진단 등에 관한 정보를 포함하여, 이러한 적격성을 결정(또는 자동 계산)하기 위해 필요한 정보를 저장하도록 구성된다. 몇몇 예에서, 데이터 구조(1880)에 저장된 정보는 환자가 대규모 무작위 시험에 대한 포함 기준에 맞는지 여부를 결정하고, 환자가 적절한 사용 기준 또는 전문적인 사회적 가이드라인(예를 들어, AHA/ACC 진료 가이드라인)을 위한 기준에 맞는지 여부를 결정하고, 환자의 보험이 특정 약물(예를 들어, 스타틴 대 PCSK9 억제제)을 보장하는지 여부를 결정하고, 환자가 특정 직원 혜택(예를 들어, 운동 프로그램)에 대한 자격이 있는지 여부를 결정하는 데 사용될 수 있다. 몇몇 실시예에서, 데이터 구조(1880)에 사용된 정보는 환자의 정상성, 위험, 치료 유형 및 치료 이점을 결정/지시하는 데 사용될 수 있고, 이러한 정보는 예를 들어 의사의 선호도에 기초하여 의료 보고에 포함될 수 있다. 이에 따라, 다양한 실시예에서, 인사말, 시험 설명, 제시된 결과, 결과 설명 및 결론에 관한 미리 결정된 비디오/정보(1855)에 추가하여, 의료 보고 생성기(1850)는, 의사가 결과와 최선의 방법을 설명하는 것을 돕기 위해 정보를 포함하는 의료 보고를 생성하도록 구성될 수 있고, 정보는 이하를 포함하는 환자의 특정 데이터(예를 들어, 시험 데이터)에 적어도 부분적으로 기초한다:
a. 환자 특정 소견.
b. 정상 값과의 비교(모집단 기반 규범의 연령, 성별, 민족, 인종 특정 값).
c. 비정상 값과의 비교(예를 들어, 누군가의 CAD 결과를 심근경색을 경험한 사람의 데이터베이스 또는 유사한 다른 데이터베이스와 비교).
d. 결과와 비교(예를 들어, 시험 및 약물 치료에 대한 포함 기준 식별, 카플란 마이어(Kaplan Meier) 곡선 또는 각각의 시간 간격(예를 들어, 생존율)의 이벤트 확률을 보여주는 다른 시각적 표현을 자동 계산).
e. 치료의 이점을 식별하기 위한 비교(예를 들어, 특정 유형의 치료, 예를 들어, 스타틴 대 PCSK9 억제제를 사용한 약물 요법, 약물 치료 대 경피적 중재; PCI 대 수술 우회의 상대적 이점을 검사하기 위해 임상 시험 또는 임상 데이터에 대한 자동 링크).
f. 이전에 발표된(또는 미발표된) 스코어, 예를 들어, CONFIRM 스코어, SYNTAX 스코어 등의 계산
g. 일련의 연구로부터의 비교.
h. 약물 및 다른 치료의 환자 특정 설명을 가능하게 하기 위한 EMR 또는 환자 입력 데이터에 대한 자동 링크.
i. 환자 참여를 촉진하고 환자 문해력을 보장하기 위해 종료시에 "시험" 또는 "퀴즈"를 포함할 수 있다.
j. 대화형 환자 만족도 조사.
k. 환자 입력(1875)을 통해 환자와 상호작용하여, 환자가 뷰잉하고 더 양호하게 이해하기를 원하는 정보를 선택하게 함.
l. 민족적, 인종적, 성별 다양성, 그리고 환자에게 보고를 전달하는 데 사용되는 성별, 인종 및 민족에 기초하는 언어, 콘텐츠의 동적 변경을 허용함;
m. 연령, 태어난 타임프레임(밀레니엄 대 베이비 붐 세대)에 기초하여 언어 및 콘텐츠의 변경을 허용하는 연령 적응.
몇몇 실시예에서, 의료 보고 생성기(1850)는 의료 보고가 시간 경과에 따라 변화하고 최신 이용 가능한 보고를 포함하도록 시간 경과에 따라 업데이트/수신된 업데이트를 확인하도록 구성될 수 있다(예를 들어, 자동 업데이트). 몇몇 실시예에서, 의료 보고 생성기(1850)는 다른 의료 또는 웨어러블 디바이스로부터의 정보를 포함하기 위해 네트워크 또는 웹 기반 포털을 통해 통신할 수 있다. 몇몇 실시예에서, 의료 보고 생성기(1850)는 발표된 과학적 증거에 기초하고 환자의 의료 보고에 대해 구체적으로 큐레이팅된 환자 환자 특정 교육을 제공하고 일련의 변화에 기초하여 보고를 자동 업데이트하도록 구성될 수 있다.
도 18f는 의료 보고에 사용되는 연관 정보, 환자의 특성 중 하나 이상, 환자의 의료 상태, 또는 환자 및/또는 의사로부터의 입력에 기초하는 환자와 연관된 정보를 저장하고 액세스하기 위한 다수의 구조를 갖는 시스템(1881)의 예의 표현을 도시하고 있는 도면이다. 몇몇 실시예에서, 시스템(1881)은 의료 보고를 생성하기 위해 사용되는 정보가 도 16, 도 17 또는 도 18e의 시스템에 어떻게 저장되는지의 표현이다. 도 18f에는, 정보가 복수의 데이터베이스에 저장되어 있는 것으로서 설명되어 있다. 본 명세서에 사용될 때, 데이터베이스는 정보가 저장된 정보와 연관된 하나 이상의 값(예를 들어, 다른 정보)에 의해 참조될 수 있도록 정보를 저장하는 방식을 칭한다. 다양한 실시예에서, "데이터베이스"는 예를 들어 데이터베이스, 데이터 저장 구조, 링크된 목록, 룩업 테이블 등일 수 있다. 몇몇 실시예에서, 데이터베이스는 구조화된 정보(예를 들어, 미리 결정된 크기의 정보, 예를 들어, 이름, 연령, 성별, 또는 미리 결정된 최대 필드 크기를 갖는 다른 정보)를 저장하도록 구성될 수 있다. 몇몇 실시예에서, 데이터베이스는 구조화 또는 비구조화된 정보(예를 들어, 영상 또는 비디오와 같이 미리 결정되거나 미리 결정되지 않을 수도 있는 정보)를 저장하도록 구성될 수 있다. 저장된 정보는 환자의 임의의 다른 정보와 연관될 수도 있다. 예를 들어, 저장된 정보는 환자의 특성(예를 들어, 이름, 연령, 성별, 민족, 지리적 출신, 교육, 체중 및/또는 신장), 환자의 하나 이상의 의료 상태, 환자의 의료 상태에 대한 예후, 의료 치료 등 중 하나 이상과 연관될 수 있다. 도 18f의 예시적인 시스템(1881)은 13개의 상이한 데이터베이스(예를 들어, 설명의 명확성을 위해)를 갖는 것을 도시하고 있지만, 다른 실시예에서 이러한 시스템은 더 많거나 더 적은 데이터베이스를 가질 수 있거나, 도시되어 있는 데이터베이스에 저장된 특정 정보가 다른 정보와 조합되어 동일한 데이터베이스에 함께 저장될 수 있다.
시스템(1881)은 구성요소가 필요에 따라 서로 통신할 수 있게 하는 통신 버스(1897)를 포함한다. 통신 버스(1897)의 하나 이상의 부분은 유선 통신 버스로서 구현되거나 무선 통신 버스로서 구현될 수 있다. 다양한 실시예에서, 통신 버스(1897)는 복수의 통신 네트워크 또는 하나 이상의 유형(예를 들어, 근거리 통신망(LAN), 광대역 통신망(WAN), 인터넷 또는 로컬 무선 네트워크(예를 들어, 블루투스))을 포함한다. 시스템(1881)은 또한 통신 버스(1897)와 통신하는 의료 보고 생성기(1894)를 포함한다. 의료 보고 생성기(1894)는 또한 환자 및/또는 의사가 컴퓨터(예를 들어, 데스크탑 컴퓨터, 랩탑 컴퓨터, 태블릿 컴퓨터 또는 모바일 디바이스, 예를 들어 스마트폰)를 사용하여 의료 보고 생성기(1894)와 인터페이싱하게 하기 위해 사용될 수 있는 하나 이상의 입력 구성요소(1895)와 통신한다.
의료 보고 생성기(1894)는 통신 버스(1897)를 사용하여 임의의 데이터베이스 데이터 구조와 통신할 수 있다. 다양한 실시예에서, 의료 보고 생성기(1894)는 환자 식별, 환자 선호도, 의료 영상 소견, 환자 진단, 예후, 임상 의사 결정, 건강 문해력, 환자 교육, 영상 생성/디스플레이 및 보고 후 교육을 포함하는 환자 특정 보고를 생성하기 위해 작업흐름에서 예시된 데이터베이스 중 하나 이상으로부터의 정보를 사용할 수 있다.
의료 보고에 포함될 아바타를 생성하기 위해 의료 보고 생성기(1894)에 의해 환자 식별이 사용된다. 예를 들어, 의료 보고의 적어도 일부 동안 디스플레이되거나 의료 보고의 적어도 일부가 디스플레이되어 환자에게 "제시"된다. 환자 정보 결정은 능동적 또는 수동적 방법에 기초할 수 있다.
수동적
몇몇 실시예에서, 의료 보고 생성기(1894)는 환자의 생체 측정(예를 들어, 신장, 체중)을 이해하기 위해 (특정 환자에 대해) 환자 연령, 성별, 민족 및 다른 잠재적 관련 특성을 결정하기 위해 환자 인구 통계학적 특성을 확인하도록 전자 의료 기록(EMR) 데이터베이스(1893)와 자동으로 통신하도록 구성될 수 있다.
몇몇 실시예에서, 의료 보고 생성기(1894)는 환자의 이름 및/또는 다른 환자 정보에 기초하여 환자의 성별 및 민족을 전체적으로 또는 부분적으로 결정하기 위해 이름 및 이름의 민족적 기원을 포함하는 독점 또는 웹 기반 이름 기원 데이터베이스(1883)를 자동으로 질의하도록 구성될 수 있다.
능동적
몇몇 실시예에서, 의료 보고 생성기(1894)는 인터페이스 시스템(1895)으로부터 입력 정보를 수신할 수 있고, 입력 정보는 의료 보고의 일부를 생성하는 데 사용될 수 있다. 예를 들어, 환자, 가족/친구 구성원, 또는 의료 전문가는 환자 연령, 성별, 민족 및 다른 잠재적 관련 특성을 입력할 수 있다. 이는 예를 들어, 보고의 수신시에 그리고 보고를 재생하기 전에; 또는 시스템 내로의 환자의 등록시에 수행될 수 있다.
몇몇 실시예에서, 의료 보고 생성기(1894)는 인터페이스 시스템(1895)을 통해 또는 통신 버스(1897)를 통해 환자의 사진을 수신할 수 있고, 사진은 의료 보고의 일부를 생성하는 데 사용될 수 있다. 예를 들어, 환자의 사진은 시스템에 입력되거나 촬영될(예를 들어, 전자 영상으로 입력되거나 또는 사진을 스캐닝함으로써 입력됨) 수 있고, 사진은 사진을 관련 아바타(예를 들어, 환자에 관련됨)로 자동으로 변환하기 위해 의료 보고 생성기(또는 의료 보고 생성기에 결합된 시스템)에서 사용될 수 있다. 아바타의 특성의 결정은 데이터 시스템 내에 존재하는 아바타의 저장소로부터 아바타를 결정하거나 선택하는 링크된 영상 기반 알고리즘을 사용하여 수행될 수 있으며, 아바타는 적어도 부분적으로는 환자의 사진에 기초하여 선택된다.
몇몇 실시예에서, QR 코드는 아바타를 생성하는 데 사용될 수 있는 환자에 대한 정보를 수용할 수 있는 회사와 관련된 모든 제품(예를 들어, Cleerly 관련 제품)에 대해 사용될 수 있다.
환자 선호도. 몇몇 실시예에서, 이 단계에서 의료 보고 생성기(1902)는 의료 보고의 환자 이해를 최대화하기 위해 이상적이거나 원하는 교육 방법을 식별하기 위해 환자 또는 의사로부터 입력을 수신하도록(예를 들어, 인터페이스 시스템(1895)을 통해) 구성될 수 있다. 몇몇 실시예에서, 시스템은 환자에 의해 선택될 수 있는 옵션을 포함하는 그래픽 사용자 인터페이스(GUI)를 생성한다. 몇몇 실시예에서, GUI는 사용자(예를 들어, 환자, 의사, 또는 다른 사람)가 선호도(예를 들어, 분 단위의 보고의 길이)와 관련된 데이터를 입력할 수 있는 하나 이상의 필드를 포함할 수 있다. 시스템에 의해 수신될 수 있는 입력의 예는 이하에 예시된다:
● 전달 방법 - 환자는 자신의 의료 보고를 영화, 혼합 현실(AR/VR), 홀로그래피, 팟캐스트로서 뷰잉하도록 선택할 수도 있다. 다른 실시예에서, 전달 방법은 환자 정보에 의해 적어도 부분적으로 결정된다.
● 보고의 길이. 일부 환자는 다른 환자보다 더 상세하며 더 많은 대 더 적은 정보를 좋아할 것이다. 환자는 그들의 보고의 길이를 선택할 수 있다(예를 들어, <5분, 5 내지 10분, >10분). 다른 실시예에서, 보고의 길이는 환자 정보를 사용하여 적어도 부분적으로 자동으로 결정된다.
● 보고의 인기도. 환자가 어느 보고의 유형을 이들이 원하는지를 알지 못하는 경우, 환자는 "가장 인기 있는" 옵션을 선택할 수 있다. 다른 실시예에서, 보고의 유형은 환자 정보를 사용하여 적어도 부분적으로 자동으로 결정된다.
● 보고의 유효성. 환자가 어느 유형의 보고를 이들이 원하는지의 선호도를 갖지 않으면, 이들은 건강 문해력을 최대화하기 위해 환자 투표에 의해 또는 과학적 연구에 의해 입증되어 있는 보고 방법과 링크될 수 있는 "가장 교육적인"을 선택할 수 있다. 다른 실시예에서, 보고의 "유효성"은 적어도 부분적으로 환자 정보에 기초하여 자동으로 결정된다.
● 전달 음성을 보고한다. 환자는 어느 유형의 음성을 이들이 보고에 대해 듣고 싶어할 것인지를 선택할 수 있다.
의료 보고 생성기(1894)는 또한 환자 특정 의료 보고를 위해 의료 영상 소견 데이터베이스(1884)를 이용할 수 있다. 결정되어 의료 영상 소견 데이터베이스(1884)에 저장될 수 있는 다수의 "의료 영상 소견"이 있고, 이들 중 어느 하나 이상은 의료 보고에 통합될 수 있다. 이하는 결정되어 의료 영상 소견 데이터베이스(1884)에 저장될 수 있는 정보의 몇몇 예이다.
영상 처리 알고리즘은 CT 스캔으로부터 세그먼트로 심장 및 심장 동맥을 처리한다:
● 관상 동맥 - 죽상동맥경화증, 혈관 형태, 허혈
● 심혈관 구조 - 좌심실 질량, 좌심실 체적, 심방 체적, 대동맥 치수, 심장외막 지방, 지방간, 판막
심장 및 심장 동맥 소견은 예를 들어 이하에 의해 정량화된다:
● 관상 동맥 플라크 - 예를 들어, 플라크 부담, 체적; 플라크 유형, 죽종 용적 비율, 위치, 방향성 등.
● 혈관 형태 - 예를 들어, 내강 체적, 혈관 체적, 동맥 리모델링, 이상, 동맥류, 가교, 박리 등.
● 좌심실 질량 - 그램 단위 또는 신체 표면적 또는 체질량 지수로 인덱싱됨
● 좌심실 체적 - ml 단위 또는 신체 표면적 또는 체질량 지수로 인덱싱됨
● 심방 체적 - ml 단위 또는 신체 표면적 또는 체질량 지수로 인덱싱됨
● 대동맥 치수 - ml 단위 또는 신체 표면적 또는 체질량 지수로 인덱싱됨
● 심장외막 지방 - ml 단위 또는 신체 표면적 또는 체질량 지수로 인덱싱됨
● 지방간 - 단독으로 또는 비장에 관련하는 하운즈필드 단위 밀도
정량화된 심장 및 심장 동맥 소견은 이들 소견의 각각의 분류를 위해 양호하게 정의된 영역을 갖는 의료 영상 정량적 소견 데이터베이스(1885)로 자동으로 송신된다.
몇몇 실시예에서, 의료 영상 정량적 소견 데이터베이스(1885)는 단일 질환 상태에 대한 증후군을 포함하는 관련 소견을 함께 링크하는 알고리즘을 갖는다.
예에서, 좌심방 체적 상승의 존재와 함께, 승모 판막의 비후와 함께, 정상 우심방 체적과 함께, 좌심실 체적 상승의 존재는 상당한 승모판 역류(또는 누설 승모 판막)가 있는 환자를 시사할 수도 있다.
다른 예에서, 증가된 대동맥 치수 및 증가된 좌심실 질량의 존재는 사람이 고혈압을 가지고 있는 것을 시사할 수도 있다.
의료 영상 정량적 소견 데이터베이스(1885)는 연구 소견 사이의 잠재적 연관 관계를 식별하기 위해 다른 전자 데이터 소스(예를 들어, 회사 데이터베이스, 전자 건강 기록 등)에 링크할 수 있다. 예를 들어, 전자 건강 기록이 환자가 고혈압을 갖는 것을 지시할 수도 있는데, 이 경우, 보고는 특히 고혈압이 있는 환자, 즉 예를 들어, 정상성 또는 좌심실 질량, 심방 체적, 심실 체적, 대동맥 치수에 대한 건강 보고 카드를 자동으로 큐레이팅할 것이다.
의료 영상 정량적 소견 데이터베이스(1885)는 인터넷에 링크하여 의료 영상 소견 특정 검색을 수행할 수 있다(즉, 검색은 전술된 바와 같이 영상 데이터 큐레이션에 기초함). 증후군을 포함하는 관련 소견을 링크할 수도 있는 정보를 검색한다.
진단: 심장 및 심장 동맥 소견의 형태학적 분류:
형태학적 분류는 다음을 기초할 수 있다:
평균/95% 신뢰 구간, 중간/사분위 구간을 갖는 범위를 포함하는 모집단 기반 규범적 참조 범위 데이터베이스(1886)와의 비교; 정상성을 위한 10분위; 정상성의 5분위 등. 이들 데이터는 또한 "연령"의 의료 보고에 보고될 수 있다. 예를 들어, 환자의 생물학적 연령은 50세일 수도 있고, 반면 이들의 심장 연령은 연령 및 성별 기반 규범적 참조 범위 데이터베이스와 비교에 기초하여 70세일 수도 있다.
모집단 기반 규범적 참조 범위 데이터베이스(1886)가 시스템(1881)에 존재하지 않는 경우, 몇몇 실시예에서 시스템(1881)은 예를 들어 PubMed 검색에서 그리고 자연어 처리 및 과학 논문의 "읽기"에 의해 이들 규범적 범위를 찾기 위해 인터넷을 검색할 수 있다.
분류 등급: 다수의 방식으로 수행될 수 있다:
● 존재/부재
● 정상, 경증, 중등도, 중증
● 상승 또는 감소
● 연령, 성별 및 민족에 대한 백분위수
다른 환자 상태를 또한 고려하는 임의의 상기 분류 시스템(예를 들어, 환자가 고혈압을 가지면, 이들의 예상된 플라크 체적은 고혈압이 없는 환자보다 더 높을 수도 있음).
예를 들어 발생한 변화를 보고하는 특정 이전 검사 데이터베이스(1887)에 존재하는 환자의 이전 연구와 소견의 자동 비교에 의해, 그리고 질환의 이러한 변화가 예상적으로 정상, 경증, 중등도, 중증 등(또는 다른 분류 등급 방법)인지 여부를 결정하기 위해 모집단 기반 규범적 참조 범위 데이터베이스(1886)로의 직접 비교에 의해 시간적/동적 변화가 행해져서 의료 보고에 통합될 수 있다.
시간적/동적 변화는 환자 연구의 데이터베이스에서 >2 연구(예를 들어, 4개 연구)의 비교에 의해 행해질 수도 있고, 여기서 변화는 회귀 라인을 따라 절대, 상대 %에 의해 또는 다른 수학적 변환에 의해 보고될 수 있고, 이들 소견은 모집단 기반 규범적 참조 범위 데이터베이스에 비교된다.
예후
환자 결과의 자동 예후는 환자 레벨 결과와 함께 존재하는 예후 데이터베이스(1888)의 직접적인 인터로게이션에 의해 의료 영상 소견(± 다른 환자 데이터에 결합 ± 규범적 참조 범위 데이터베이스에 결합)을 통합함으로써 행해질 수 있다. 예후 데이터베이스(1888)는 단일 데이터베이스(예를 들어, 관상 동맥 플라크 소견의) 또는 다중 데이터베이스(예를 들어, 관상 플라크에 대한 하나의 데이터베이스, 심실 소견에 대한 하나의 데이터베이스, 비관상 혈관 소견에 대한 하나의 데이터베이스 등)일 수도 있다.
몇몇 실시예에서, 여러 및 개별 데이터베이스가 상이한 유형의 예후에 대해 존재할 수도 있고, 예를 들어, 하나의 데이터베이스가 주요 심혈관 이벤트(MACE) 위험의 자동 계산을 위해 존재할 수도 있고, 반면 다른 데이터베이스가 급속 질환 진행의 자동 계산을 위해 존재할 수도 있다. 이들 데이터베이스는 순차적으로 인터로게이팅될 수도 있거나 서로 상호작용할 수도 있다(예를 들어, 더 높은 급속 질환 진행률을 갖는 사람은 또한 더 높은 MACE의 위험을 가질 수도 있지만, 급속 질환 진행의 존재는 급속 질환 진행을 경험하지 않는 사람의 경우를 넘어 MACE의 위험을 증가시킬 수도 있음).
예후 소견은 상승/감소; % 위험, 위험 비, 시간-대-이벤트 카플란 마이어 곡선 등에 의해 영화 보고로 보고될 수 있다.
임상 의사 결정
치료의 자동 추천이 상기 소견을 치료 데이터베이스(1889)와 통합함으로써 행해질 수 있다. 치료 데이터베이스(1889)는 환자의 의료 영상 소견, 진단, 증후군 및 예후가 링크될 수 있는 과학적 및 임상적 증거 데이터를 수용할 수 있다. 이들 소견 - 뿐만 아니라 임상 시험 포함/제외/적격성 기준 - 에 기초하여, 환자의 상태를 개선할 수도 있는 특정 약물 또는 절차에 대한 치료 추천이 제공될 수 있다.
예를 들어, 환자는 환자의 제1 연구에서 특정 양의 플라크를 가졌고, 플라크는 환자의 제2 연구에서 상당히 진행되었을 수도 있다. 시스템은 규범적 참조 범위 데이터베이스 및 이전 연구 데이터베이스의 질의에 기초하여 높음, 정상 또는 낮음으로서 변경을 보고하고 이에 기초하여 예후를 렌더링할 것이다. 시스템은 이어서 어느 약물을 환자가 현재 복용하고 있는지를 확인하기 위해 EMR 데이터베이스에 질의할 수 있고, 시스템은 환자가 스타틴을 복용하고 있는 것을 알아낸다. 시스템은 이어서 스타틴 약물 상단에 PCSK9 억제제 약물을 추가하는 것이 XX%의 상대적 위험 감소와 연관될 것이라는 것을 시스템이 알게 할 것인 데이터베이스를 검사할 수 있다. 유사한 예는 침습적 시술을 고려 중인 환자에 대한 것일 것이다.
다수의 경우에, 치료 경로는 특정 종류의 요법을 수행하기 위해 이점 뿐만 아니라 위험이 있는 위치가 100% 명확하지 않다. 이 경우, 시스템은 치료 옵션에 대한 과학적 증거를 열거하고 이들 접근법의 모든 이점 뿐만 아니라 한계를 열거하는 공유 결정 데이터베이스(1890)에 질의할 수 있다. 상이한 치료 접근법의 "장점"과 "단점"이 환자 의료 보고에 통합될 수 있다.
예를 들어, 의료 영상 소견, 규범적 참조 비교, 예후 평가 및 치료 질의에 기초하여, 아마도 81세 여성은 그 부작용이 골다공증을 악화시키는 약물로부터 고도로 이익을 받을 것이다. 이 경우, 여성은 중증 골다공증을 가질 수도 있고, 그녀에 대해서는, 공유 의사 결정 데이터베이스를 통해 예시되고 전달되는 바와 같이, 약물의 이점이 위험보다 뛰어나다. 이들 유형의 경우, 대안이 제공될 수도 있다.
예를 들어, 공유 의사 결정 데이터베이스는 환자가 옵션, 장점 및 단점을 이해할 수 있도록 소비자 보고 또는 amazon.com 제품 옵션이 열거되는 방식과 유사하게, 치료의 비교 유효성을 보여줄 수도 있다.
시스템(1881)은 또한 건강 문해력 데이터베이스(1891)를 포함할 수 있다. 의료 보고를 생성하는 작업흐름의 이 부분은 환자가 연구 소견, 진단, 예후 및 치료 의사 결정을 이해한 것을 보장하기 위해 대화형 "퀴즈"일 수 있다. 환자가 "퀴즈"에 실패하면, 시스템은 환자가 그들의 상태를 이해할 수 있도록 콘텐츠를 더욱 더 간단한 용어로 자동으로 큐레이팅할 것이다.
따라서, 건강 문해력 데이터베이스(1891)는 간단 내지 복잡에 기초하는 영화의 계층화된 데이터베이스일 수 있고, 환자의 선호도 뿐만 아니라 "퀴즈"에 대한 그들의 스코어에 맞춤화될 것이다. 이 정보는 해당 환자의 미래 영화를 위해 보관될 수 있다.
그 반대가 또한 발생할 수 있다. 예로서, 아마도 환자가 "퀴즈"를 통과하고 시스템은 환자에게 이들이 상태에 대해 더 알고 싶은지 여부를 문의한다. 환자가 '예'라고 대답하면, 시스템은 환자에게 디스플레이를 위해 더욱 더 복잡한 영화를 추출할 수 있다. 이러한 방식으로, 건강 문해력 데이터베이스(1891)는 멀티레벨 및 대화형이다.
시스템(1881)은 또한 과학 및 의학에 기초하고 내용이 콘텐츠가 중복되지만 전달 방법이 상이한 교육 자료를 갖는 교육 데이터베이스(1892)를 포함할 수 있다.
예로서, 시스템이 환자에게 특정 소견을 갖는다고 기록하면, 시스템은 환자에게 이들이 특정 상태에 대해 더 알고 싶은지 문의할 수 있다. 환자가 '예'라고 지시하면, 시스템은 환자가 요약 인포그래픽 페이지, 슬라이드 프리젠테이션, 영화 등을 보고 싶은지 여부를 문의할 수 있다.
시스템(1881)은 또한 의료 보고 생성기(1894)가 환자가 더 양호하게 이해할 수 있는 카툰 포맷 또는 더 간단한 포맷으로 의료 영상을 변환하기 위해 사용하는 영상을 포함하는 영상 디스플레이 데이터베이스(1893)를 포함할 수 있다.
시스템은 또한 특정 의료 상태와 관련된 새로운 정보를 실시간으로 지속적으로 업로드하는 보고 후 교육 데이터베이스(1896)를 포함할 수 있다. 의료 보고 생성기(1894)는 이러한 보고 후 교육 데이터베이스(1896)에 질의하고, 인터넷 상에 존재하는 교육 콘텐츠(예를 들어, 과학 기사, 간행물, 프리젠테이션 등)를 큐레이팅하고, 이어서 보고 후 교육 데이터베이스(1896)를 예를 들어, 환자 정보에 의해 또는 사용자 입력에 의해 결정된 바와 같이, 환자가 알고 싶어하는 정보로 이들을 통해 수정할 수 있다.
의료 보고 생성기(1894) 시스템은 대화형, 뿐만 아니라 수동적일 수 있다. 상이한 유형의 보고 및 정보는 의료 보고를 위한 정보의 세트로서 생성될 수 있고, 사용자는 인터페이스 시스템(1895)(예를 들어, 사용자의 컴퓨터 시스템)을 사용하여 어느 정보를 뷰잉할 것인지 대화식으로 선택할 수 있고, 의료 보고 생성기(1894)에 입력을 제공함으로써 제시/디스플레이될 다른 정보를 선택할 수 있다.
죽상동맥경화성 심혈관 질환(ASCVD)을 결정하기 위한 비연속적 또는 상이한 동맥 베드의 영상 방법을 위한 시스템 및 방법
본 개시내용의 이 부분은 순차적인 비연속적 동맥 베드 영상을 사용하여 죽상동맥경화성 심혈관 질환 위험을 평가하기 위한 시스템 및 방법에 관한 것이다. 본 명세서에 설명된 다양한 실시예는 ASCVD 평가 또는 ASCVD 위험 스코어를 생성하기 위한 순차적 비연속적 동맥 베드 영상의 정량화 및 특성화에 관한 것이다. 생성된 임의의 위험 스코어는 제안된 위험 스코어일 수 있고, 의사는 환자를 위한 ASCVD 위험 스코어를 제공하기 위해 제안된 ASCVD 위험 스코어를 사용할 수 있다. 다양한 실시예에서, 제안된 ASCVD 위험 스코어는 제안된 ASCVD 위험 스코어에 기초하여, 또는 부가의 정보와 함께 환자에게 ASCVD 위험 스코어를 제공하기 위해 사용될 수 있다.
몇몇 실시예에서, ASCVD 위험 스코어는 일정 기간, 예를 들어, 1년, 3년, 5년, 10년 이상에 걸쳐 심혈관 문제를 가질 위험의 계산이다. 몇몇 실시예에서, 심혈관 문제는 심근경색 또는 뇌졸중 중 하나 이상을 포함할 수 있다. 그러나, 다른 심혈관 문제가 또한 포함될 수 있는데, 즉, 위험으로서 평가될 수 있다. 몇몇 실시예에서, 이 위험 추정치는 연령, 성별, 인종, 콜레스테롤 레벨, 혈압, 약물 사용, 당뇨병 상태 및/또는 흡연 상태를 고려한다. 몇몇 실시예에서, ASCVD 위험 스코어는 백분율로서 주어진다. 이는 다음 10년 안에 심장 질환 또는 뇌졸중을 가질 기회이다. 위험 스코어에 따라 상이한 치료 추천이 있다. 예로서, 0.0 내지 4.9 퍼센트 위험의 ASCVD 위험 스코어는 낮은 것으로 고려될 수 있다. 건강한 식단을 섭취하고 운동을 하면 위험을 낮추는 데 도움이 될 것이다. LDL 또는 "불량" 콜레스테롤이 190 이상이 아니면 약물은 추천되지 않는다. 5.0 내지 7.4 퍼센트 위험의 ASCVD 위험 스코어는 경계선으로 고려될 수 있다. "위험 향상제"라고 칭할 수도 있는 특정 조건을 가지면 스타틴 약물의 사용이 추천될 수도 있다. 이들 상태는 심장 질환 또는 뇌졸중의 위험을 증가시킬 수도 있다. 아래 목록에 있는 임의의 위험 향상제를 갖는지를 확인하기 위해 주치의와 상담한다. 7.5 내지 20 퍼센트 위험의 ASCVD 위험 스코어는 중간으로 고려될 수 있다. 통상적으로, 이 범위의 스코어를 갖는 환자의 경우, 중간 강도의 스타틴 요법이 시작되는 것이 추천된다. 20 초과 퍼센트 위험의 ASCVD 위험 스코어는 높은 것으로 고려될 수 있다. ASCVD 위험 스코어가 높은 위험을 지시할 때, 환자는 고강도 스타틴 요법을 시작하도록 추천될 수도 있다.
본 명세서에 설명된 다양한 실시예는 또한 예를 들어 단일 영상 검사로부터 상이한 동맥 베드의 ASCVD를 정량화하고 특성화하기 위한 시스템 및 방법에 관한 것이다. 몇몇 실시예에서, 시스템 및 방법은 2개 이상의 영상 검사로부터 상이한 동맥 베드의 ASCVD를 정량화하고 특성화할 수 있다. 수행된 임의의 영상은 본 명세서의 다른 곳에서 설명된 정규화 디바이스와 함께 행해질 수 있다. 본 명세서에 설명된 다양한 실시예는 또한 각각의 동맥 베드로부터의 소견을 가중함으로써 ASCVD 이벤트를 예후하기 위한 통합 메트릭을 결정하기 위한 시스템 및 방법에 관한 것이다. 의료 요법 또는 생활 습관 변화 후 CAD의 개선된 진단, 예후 및 추적을 통해 임상 의사 결정을 논리적으로 안내하기 위해 ASCVD 부담, 유형 및 진행을 정량화하고 특성화하기 위한 시스템 및 방법의 예가 설명된다. 이와 같이, 일부 시스템 및 방법은 전체론적 환자 레벨 ASCVD 위험 평가, 뿐만 아니라 동맥 베드 특정 ASCVD 부담, 유형 및 진행을 모두 제공할 수 있다.
정규화 디바이스와 함께 행해지는 비연속적 동맥 베드의 영상화에 관한 예로서, 정규화 디바이스는 알고리즘 기반 의료 영상화 분석을 위해 대상의 관상 영역의 의료 영상을 정규화하도록 구성된다. 예에서, 정규화 디바이스는 적어도 환자의 관심 영역 및 정규화 디바이스가 의료 이미저에 의해 촬영된 의료 영상에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 환자와 함께 의료 이미저에 배치될 크기 및 형상으로 구성된 기판, 기판 상에 또는 내에 위치된 복수의 구획으로서, 복수의 구획의 배열은 기판 상에 또는 내에 고정되는, 복수의 구획, 및 복수의 샘플로서, 복수의 샘플의 각각은 복수의 구획 중 하나 내에 위치되고, 복수의 샘플의 각각의 체적, 절대 밀도 및 상대 밀도가 알려져 있는, 복수의 샘플을 포함한다. 복수의 샘플은 조영제 샘플의 세트로서, 각각의 조영제 샘플은 조영제 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 조영제 샘플의 세트, 칼슘 샘플의 세트로서, 각각의 칼슘 샘플은 칼슘 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 칼슘 샘플의 세트, 및 지방 샘플의 세트로서, 각각의 지방 샘플은 지방 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 지방 샘플의 세트를 포함할 수 있다. 세트 조영제 샘플은 칼슘 샘플 세트 및 지방 샘플 세트가 조영제 샘플 세트를 둘러싸도록 복수의 구획 내에 배열될 수 있다.
예에서, 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 컴퓨터 구현 방법은 알고리즘 기반 영상 분석의 정확도를 개선하기 위해 정규화 디바이스(본 명세서에 설명된 바와 같은)를 사용한다. 몇몇 실시예에서, 의료 영상 방법은 제1 동맥 베드의 제1 세트의 영상 및 제2 동맥 베드의 제1 세트의 영상을 수신하는 단계로서, 제2 동맥 베드는 제1 동맥 베드와 비연속적이고, 제1 동맥 베드의 제1 세트의 영상과 제2 동맥 베드의 제1 세트의 영상 중 적어도 하나는 정규화 디바이스를 사용하여 정규화되는, 수신 단계, 제1 동맥 베드의 제1 세트의 영상을 사용하여 제1 동맥 베드 내의 ASCVD를 정량화하는 단계, 제2 동맥 베드의 제1 세트의 영상을 사용하여 제2 동맥 베드 내의 ASCVD를 정량화하는 단계, 및 제1 동맥 베드 내의 정량화된 ASCVD 및 제2 동맥 베드 내의 정량화된 ASCVD에 기초하여 제1 ASCVD 위험 스코어를 결정하는 단계를 포함한다. 몇몇 실시예에서, 제1 동맥 베드의 정량화된 ASCVD 및 제1 동맥 베드에 대한 가중된 불리한 이벤트에 기초하여 제1 동맥 베드의 제1 가중 평가를 결정하는 단계, 및 제2 동맥 베드의 정량화된 ASCVD 및 제2 동맥 베드에 대한 가중된 불리한 이벤트에 기초하여 제2 동맥 베드의 제2 가중 평가를 결정하는 단계가 있다. 제1 ASCVD 위험 스코어를 결정하는 단계는 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 위험 스코어를 결정하는 단계를 더 포함한다. 몇몇 실시예에서, 방법은 제1 동맥 베드의 제2 세트의 영상 및 제2 동맥 베드의 제2 세트의 영상을 수신하는 단계로서, 제1 동맥 베드의 제2 세트의 영상은 제1 동맥 베드 제1 세트의 영상을 생성한 후에 생성되고, 제2 동맥 베드의 제2 세트의 영상은 제2 동맥 베드의 제1 세트의 영상을 생성한 후에 생성되는, 수신 단계, 제1 동맥 베드의 제2 세트의 영상을 사용하여 제1 동맥 베드 내의 ASCVD를 정량화하는 단계, 제2 동맥 베드 제2 세트의 영상을 사용하여 제2 동맥 베드 내의 ASCVD를 정량화하는 단계, 및 제2 세트의 영상을 사용하여 제1 동맥 베드 내의 정량화된 ASCVD 및 제2 세트의 영상을 사용하여 제2 동맥 베드 내의 정량화된 ASCVD에 기초하여 제2 ASCVD 위험 스코어를 결정하는 단계를 더 포함할 수 있다. 제2 ASCVD 위험 스코어를 결정하는 단계는 또한 제1 ASCVD 위험 스코어에 기초할 수 있다. 몇몇 실시예에서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나의 동맥을 포함한다. 제2 동맥 베드는 제1 동맥 베드의 동맥과는 상이한 대동맥, 경동맥, 하지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나의 동맥을 포함한다. 본 명세서에 설명된 임의의 방법은 생성된 영상의 자동 영상 평가의 품질을 개선하기 위해 정규화 디바이스를 사용하는 영상에 기초할 수 있다.
실시예에서, 이들 방법의 출력은 개인화된 방식으로 동맥 베드 특정 이벤트가 없는 생존을 개선할 수 있는 단일 환자 레벨 위험 스코어일 수 있다. 몇몇 실시예에서, 2020년 1월 5일 출원되고 발명의 명칭이 "의료 영상 분석, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스(Systems, Methods, and Devices for Medical Image Analysis, Risk Stratification, Decision Making and/or Disease Tracking)"인 미국 특허 출원 17/142,120(본 명세서에 참조로서 합체되어 있음)에 설명된 특성화 기술 및 프로세스의 임의의 양자화가 ASCVD 위험 평가를 생성하기 위해 전체적으로 또는 부분적으로 채용될 수 있다.
컴퓨터 단층 촬영, 자기 공명 영상, 핵 영상 또는 초음파에 의한 3D 영상을 사용하는 전통적인 심혈관 영상은 관심 영역으로서 단일 혈관 베드(또는 영역) 영상에 의존해 왔다. 때때로, 이들이 예를 들어 흉부-복부-골반 CT, 경동맥 및 대뇌 동맥 영상 등과 같이 연속적인 경우, 다수의 신체 부분이 영상화될 수도 있다. 다중 신체 부위 영상은 인접한 또는 지리적으로 가까운 해부학적 영역에 영향을 미치는 질환 프로세스를 식별하는 데 유용할 수 있다. 다중 신체 부위 영상은 진단, 예후를 향상시키고 치료적 중재(예를 들어, 약물, 경피적 중재, 수술 등)의 임상적 의사 결정을 안내하는 데 사용될 수 있다.
부가적으로, 비연속적 동맥 베드의 다중 신체 부위 영상을 채용하는 방법은 죽상동맥경화성 심혈관 질환(ASCVD)의 진단, 예후 및 임상 의사 결정을 향상시키기 위해 유리할 수 있다. ASCVD는 관상 동맥, 경동맥, 대동맥, 신장 동맥, 하지 동맥, 대뇌 동맥 및 상지 동맥을 포함하여, 모든 혈관 베드에 영향을 미칠 수 있는 전신성 질환이다. 역사적으로 단일 진단으로서 고려되었지만, ASCVD의 상대적 유병률, 정도, 중증도 및 유형(및 혈관 형태에 대한 그 결과적 영향)은 상이한 동맥 베드 사이에서 매우 높은 차이를 나타낼 수 있다. 예로서, 중증 경동맥 죽상동맥경화증이 있는 환자는 관상 동맥 죽상동맥경화증을 갖지 않을 수도 있다. 대안적으로, 중증 관상 동맥 죽상동맥경화증이 있는 환자는 더 경증 형태의 하지 죽상동맥경화증을 가질 수도 있다. 유병률, 정도 및 중증도와 마찬가지로, 죽상동맥경화증의 유형도 혈관 베드 사이에 또한 상이할 수 있다.
고급 영상에 의해 정량화되고 특성화되는 바와 같이, 연구의 중요한 부위는 이제 죽상동맥경화성 심혈관 질환(ASCVD) 부담, 유형 및 진행의 임상적 중요성을 명확하게 한다. 예로서, 관상 컴퓨터 단층 촬영 혈관조영술(CCTA)은 이제 모든 주요 혈관 영역에서 ASCVD 및 혈관 형태의 정량적 평가를 허용한다. 여러 연구 시험은 ASCVD의 양(또는 부담) 뿐만 아니라, 또한 플라크의 유형도 위험도 층화에 중요하다는 것을 입증하였는데: 특히, 저감쇠 플라크(LAP) 및 양성 동맥 리모델링을 나타내는 비석회화 플라크는 미래의 주요 심혈관 이벤트(MACE)의 더 큰 발병률에 관련되고; 석회화 플라크, 특히 더 고밀도의 석회화 플라크가 더 안정적인 것으로 보인다. 이 개념을 평가한 일부 연구는 관찰적이며 무작위 제어 시험 내에서 이루어졌다. 또한, 약물 사용은 LAP의 감소 및 모집단 내의 석회화 플라크 형성의 가속화와 연관되었고, 사람내 추정치는 아직 보고되지 않았다. 스타틴, 아이코소펜트 에틸 및 콜히친과 같은 약물은 관상 동맥 내의 ASCVD의 수정과 연관되는 것으로 관상 컴퓨터 단층 촬영 혈관조영술(CCTA)에 의해 관찰되었다. 경동맥에서 ASCVD의 복잡성 또는 유형과 관련된 유사한 소견이 뇌졸중, 뿐만 아니라 신장 동맥 및 하지 동맥에 대한 설명으로서 신봉되었다.
이에 따라, 각각의 혈관 동맥 베드에서 ASCVD의 존재, 정도, 중증도 및 유형을 이해하는 것은 불리한 심혈관 이벤트의 미래 위험 뿐만 아니라 발생할 것인 불리한 심혈관 이벤트의 유형(예를 들어, 심근경색 대 뇌졸중 대 절단)의 이해를 개선하고, 다수의 동맥 베드에서 질환 프로세스에 대한 유익한 약물 및 생활 습관 수정의 효과의 추적을 허용할 수 있다. 또한, 비연속적 동맥 베드로부터의 소견을 단일 예측 모델로 통합하는 것은 시간 경과에 따라 개인화되고 정밀 기반 방식으로 요법에 대한 개인의 위험 및 반응에 대한 전체론적 평가를 개선시킬 수 있다. 몇몇 예에서, 이러한 평가는 관상 동맥의 평가를 하나 이상의 다른 동맥 베드, 예를 들어 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 및 대뇌 동맥 중 하나 이상의 평가와 통합하는 것을 포함할 수 있다. 몇몇 예에서, 이러한 평가는 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 임의의 것의 평가를 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 다른 하나와 통합하는 것을 포함할 수 있다.
본 명세서에 설명된 다양한 실시예는 심혈관 위험 및/또는 이벤트를 감소시키기 위해 사용될 수도 있는 평가를 결정하기 위한 시스템 및 방법에 관한 것이다. 예를 들어, 이러한 평가는 적어도 부분적으로, 실제 죽상동맥경화성 심혈관 질환(ASCVD) 부담, ASCVD 유형 및/또는 ASCVD 진행에 기초하는 생활 습관, 약물 및/또는 중재 요법을 결정하거나 생성하는 데 사용될 수 있다. 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 예를 들어 하나 이상의 인공 지능(AI) 및/또는 기계 학습(ML) 알고리즘을 사용하여, 실제 ASCVD 부담, ASCVD 유형 및/또는 ASCVD 진행을 나타내거나 연관된 하나 이상의 측정을 생성하기 위해, 예를 들어 환자의 동맥 베드의 비침습적 CT, MRI, 및/또는 다른 의료 영상 데이터와 같은 의료 영상 데이터를 동적으로 및/또는 자동으로 분석하도록 구성된다. 동맥 베드는 예를 들어, 관상 동맥, 경동맥 및 하지 동맥, 신장 동맥 및/또는 대뇌 동맥을 포함할 수 있다. 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 예를 들어 하나 이상의 인공 지능(AI) 및/또는 기계 학습(ML) 알고리즘을 사용하여, 실제 ASCVD 부담, ASCVD 유형 및/또는 ASCVD 진행에 기초하여 하나 이상의 환자 특정 치료 및/또는 약물에 사용될 수 있는 평가를 자동으로 및/또는 동적으로 생성하도록 추가로 구성될 수 있다.
몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 예를 들어 그 국소화 및/또는 병변 주위 조직과 같은, ASCVD의 존재, 정도, 중증도 및/또는 유형을 정량화하기 위해 2개 이상의 동맥 베드 상의 하나 이상의 CCTA 알고리즘 및/또는 하나 이상의 의료 치료 알고리즘을 이용하도록 구성된다. 몇몇 실시예에서, 하나 이상의 의료 치료 알고리즘은 예를 들어 컴퓨터 단층 촬영(CT), 자기 공명(MR), 초음파, 핵의학, 분자 영상 등과 같은 임의의 영상 양식으로부터 획득된 임의의 의료 영상을 분석하도록 구성된다. 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 개인화되고(모집단 기반이 아닌), 실제 질환(위험 인자와 같은 질환의 대리 마커가 아닌)을 치료하고, 그리고/또는 시간 경과에 따른 CCTA 식별된 ASCVD의 변화(예를 들어, 진행, 퇴행, 변환 및/또는 안정화와 같은)에 따라 안내되는 하나 이상의 의료 치료 알고리즘을 이용하도록 구성된다. 몇몇 실시예에서, 하나 이상의 CCTA 알고리즘 및/또는 하나 이상의 의료 치료 알고리즘은 컴퓨터 구현 알고리즘이고 그리고/또는 하나 이상의 AI 및/또는 ML 알고리즘을 이용한다.
몇몇 실시예에서, 시스템 및 방법은 2개 이상의 동맥체를 사용하는 개인의 기준선 ASCVD를 평가하도록 구성된다. 몇몇 실시예에서, 시스템 및 방법은 관상 CT 혈관조영술(CCTA)을 이용함으로써 ASCVD를 평가하도록 구성된다. 몇몇 실시예에서, 시스템 및 방법은 죽상동맥경화증의 존재, 국소, 정도, 중증도, 유형, 병변 주위 조직 특성 등을 식별 및/또는 분석하도록 구성된다. 몇몇 실시예에서, ASCVD 평가 방법은 관상, 경동맥 및/또는 다른 혈관 베드(예를 들어, 하지, 대동맥, 신장 등과 같은)의 분석을 수행하는 정량적 영상화 알고리즘에 의존할 수 있다.
몇몇 실시예에서, 시스템 및 방법은 위험에 기초하여 ASCVD를 특정 카테고리로 카테고리화하도록 구성된다. 예를 들어, 이러한 카테고리의 몇몇 예는: 스테이지 0, 스테이지 I, 스테이지 II, 스테이지 III; 또는 없음, 최소, 경증, 중등도; 또는 주로 석회화 대 주로 비석회화; 또는 저밀도 비석회화 플라크의 X 단위; 또는 전체 체적 또는 부담의 함수로서 NCP의 X%를 포함할 수 있다. 몇몇 실시예에서, 시스템 및 방법은 ASCVD를 연속적으로 정량화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템 및 방법은 심근경색, 뇌졸중, 절단, 박리 등과 같은 이벤트의 미래 ASCVD 위험 레벨에 의해 카테고리를 정의하도록 구성될 수 있다. 몇몇 실시예에서, 하나 이상의 다른 비-ASCVD 측정은 예를 들어 심혈관 측정(고혈압의 경우 좌심실 비대; 심방 세동의 경우 심방 체적; 지방 등) 및/또는 ASCVD에 기여할 수도 있는 비심혈관 측정(예를 들어, 폐기종)과 같은 위험 평가를 향상시키기 위해 포함될 수도 있다. 몇몇 실시예에서, 이들 측정치는 하나 이상의 CCTA 알고리즘을 사용하여 정량화될 수 있다.
몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 2개 이상의 동맥체의 평가에 기초하여 개인화된 또는 환자-특정 치료를 생성하도록 구성될 수 있다. 더 구체적으로, 몇몇 실시예에서, 시스템 및 방법은 ASCVD 존재, 정도, 중증도, 및/또는 유형에 기초하여 치료 추천을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 위험 인자(예를 들어, 콜레스테롤, 당뇨병과 같은)를 이용하는 것보다, 치료 알고리즘은 개인화된 방식으로 ASCVD에 직접 기초하여 의료 요법, 생활 습관 및/또는 중재 요법을 보강하는 계층적 접근법을 포함 및/또는 이용할 수 있다. 몇몇 실시예에서, 치료 알고리즘은 일반적으로 성공의 하나 이상의 종래의 마커 - 콜레스테롤, 헤모글로빈 A1C 저하 등과 같은 - 를 무시하고, 대신에 ASCVD 존재, 질환의 정도, 중증도, 및/또는 유형을 활용하여 의료 요법 보강의 치료 결정을 안내하도록 구성될 수 있다. 몇몇 실시예에서, 치료 알고리즘은 성공의 하나 이상의 종래의 마커 - 콜레스테롤, 헤모글로빈 A1C 저하 등과 같은 - 를 ASCVD 존재, 질환의 정도, 중증도, 및/또는 유형과 조합하여 의료 요법 보강의 치료 결정을 안내하도록 구성될 수 있다. 몇몇 실시예에서, 치료 알고리즘은 성공의 하나 이상의 신규한 마커 - 유전학, 전사체학 또는 다른 오믹스 측정과 같은 - 를 ASCVD 존재, 질환의 정도, 중증도, 및/또는 유형과 조합하여 의료 요법 보강의 치료 결정을 안내하도록 구성될 수 있다. 몇몇 실시예에서, 치료 알고리즘은 성공의 하나 이상의 다른 영상 마커 - 경동맥 초음파 영상, 복부 대동맥 초음파 또는 컴퓨터 단층 촬영, 하지 동맥 평가 등과 같은 - 를 ASCVD 존재, 질환의 정도, 중증도, 및/또는 유형과 조합하여 의료 요법 보강의 치료 결정을 안내하도록 구성될 수 있다.
몇몇 실시예에서, 시스템 및 방법은 2개 이상의 동맥체의 반응 평가에 기초하여 개인화된 치료를 업데이트하도록 구성된다. 특히, 몇몇 실시예에서, 기준선과 후속 조치 CCTA 사이의 ASCVD의 변화에 기초하여, 악화가 발생하는 경우 개인화된 치료가 업데이트되고 보강될 수 있거나 개선이 발생하는 경우 축소/일정하게 유지될 수 있다. 비한정적 예로서, 안정화가 발생한 경우, 이는 현재 의료 요법의 성공의 증거가 될 수 있다. 대안적으로, 다른 비한정적 예로서, 안정화가 발생하지 않고 ASCVD가 진행된 경우, 이는 현재 의료 요법의 실패의 증거가 될 수 있고, 알고리즘적 접근이 취해져서 의료 요법을 보강할 수 있다.
본 명세서에 설명된 시스템 및 방법의 이해를 용이하게 하기 위해, 여러 용어가 이하에 설명된다. 이들 용어, 뿐만 아니라 본 명세서 사용된 다른 용어는 제공된 설명, 용어의 일반적이고 관례적인 의미 및/또는 각각의 용어에 대한 임의의 다른 암시적 의미를 포함하는 것으로 해석되어야 하며, 이러한 구성은 용어의 맥락과 일치한다. 따라서, 아래의 설명은 이들 용어의 의미를 제한하지 않으며, 단지 예시적인 설명을 제공한다.
ASCVD의 존재: 이는 플라크의 존재 대 부재; 또는 비석회화 플라크의 존재 대 부재; 또는 저감쇠 플라크의 존재 대 부재일 수 있다.
ASCVD의 정도: 이는 이하를 포함할 수 있다:
● 총 ASCVD 체적
● 죽종 용적 비율(죽종 체적/혈관 체적×100)
● 혈관 길이로 정규화된 총 죽종 체적(TAVnorm).
● 확산율(ASCVD의 영향을 받는 혈관의 %)
ASCVD의 중증도: 이는 이하를 포함할 수 있다:
● ASCVD 중증도는 연령, 성별, 민족 및/또는 CAD 위험 인자로 정규화된 모집단 기반 추정치와 링크될 수 있다.
● 없음, 1-, 2- 또는 3-VD에서 혈관조영술 협착 ≥70% 또는 ≥50%
ASCVD의 유형: 이는 이하를 포함할 수 있다:
● 비석회화 플라크 대 석회화된 플라크의 비율(비, % 등)
● 저감쇠 비석회화 대 비석회화 대 저밀도 석회화 대 고밀도 석회화인 플라크의 비율
● 비석회화 플라크 및 석회화 플라크의 절대량
● 저감쇠 비석회화 대 비석회화 대 저밀도 석회화 대 고밀도 석회화인 플라크의 절대량
● 서수 분류가 없는 플라크의 연속 회색조 측정
● 양성 리모델링(혈관 직경/정상 기준 직경, 또는 혈관 면적/정상 참조 면적; 또는 혈관 체적/정상 참조 체적의 ≥1.10 또는 ≥1.05 비) 대 음성 리모델링(≤1.10 또는 ≤1.05)으로서 플라크에 의해 부과된 혈관 리모델링
● 연속 비로서 플라크에 의해 부과된 혈관 리모델링
ASCVD 진행
● 진행은 급속 진행을 정의하기 위한 임계값(예를 들어, >1.0% 죽종 용적 비율, >200 mm3 플라크 등)과 함께 급속 대 비급속으로서 정의될 수 있다.
● ASCVD의 일련의 변화는 급속 진행, 주로 석회화된 플라크 형성을 갖는 진행, 주로 비석회화 플라크 형성을 갖는 진행 및 퇴행을 포함할 수 있다.
위험의 카테고리
● 스테이지: 혈관조영 중증도(없음, 비폐색성 및 폐색성 1VD, 2VD 및 3VD)와 연관된 플라크 체적에 기초하여 0, I, II 또는 III.
● 연령, 성별, 민족 및 위험 인자(예를 들어, 당뇨병, 고혈압 등)의 존재에 대한 백분위수
● 전체 플라크 체적의 함수로서 % 석회화 대 % 비석회화
● 저밀도 비석회화 플라크의 X 단위
● 병변별, 혈관별, 환자별로 플라크의 회색조의 연속 3D 막대 그래프 분석
● 위험은 MACE의 위험, 협심증의 위험, 허혈의 위험, 급속 진행의 위험, 약물 무반응의 위험 등을 포함하는 다수의 방식으로 정의될 수 있다.
비연속적 동맥 베드의 평가를 결정하는 것과 관련된 시스템 및 방법의 실시예의 특정 특징이 이하에 설명된다.
비연속적 동맥 베드의 의료 영상
본 명세서에 설명된 시스템 및 방법은 또한 비연속적 동맥 베드의 의료 영상에 관한 것이다. 예를 들어, 단일 영상 검사에서 비연속적 동맥 베드의 영상. 다른 실시예에서, 2개 이상의 영상 검사에서 비연속적 동맥 베드의 영상 및 생성된 영상으로부터의 정보는 환자의 건강에 관한 정보를 결정하는 데 사용될 수 있다. 예로서, 관상 동맥과 경동맥은 동일한 대조 볼러스를 사용하여 영상화된다. 이 경우, 관상 동맥은 CCTA에 의해 영상화될 수 있다. CCTA 영상 획득 직후, CT 테이블이 이동하고 동일한 또는 보충 조영제를 사용하여 경동맥을 영상화한다. 여기의 예는 단일 검사에서 CT 영상에 대해 제공되지만, 또한 다수의 영상 검사; 또는 다중 양식 영상 통합(예를 들어, 경동맥 초음파, 관상의 컴퓨터 단층 촬영)으로부터의 정보를 조합하는 데에도 적용될 수 있다.
자동화된 동맥 베드 특정 위험 평가
이는 개선된 진단, 예후, 임상 의사 결정 및 시간 경과에 따른 질환 변화의 추적을 위해 개별 동맥 영역에서 ASCVD의 정량화 및 특성화를 위한 자동화된 방법에 의해 달성된다. 이들 소견은 동맥 베드 특정적일 수도 있다. 예로서, 석회화 플라크로 비석회화 플라크의 변환은 관상 동맥에서는 유익하고 효과적인 의료 요법의 징후로 고려되는 특징일 수도 있지만, 하지 동맥에서는 병리학적 프로세스로 고려될 수도 있다. 또한, 상이한 동맥 영역 내의 ASCVD의 정량화 및 특성화에 의해 가능화된 예후는 상이할 수도 있다. 예로서, 경동맥의 유해한 소견은 미래 뇌졸중을 예후할 수도 있고; 반면 관상 동맥 내의 유해한 소견은 미래의 심근 경색을 예후할 수도 있다. 위험의 부분적 중첩이 발생할 수도 있는데, 예를 들어 경동맥 내의 불리한 소견은 관상 동맥 이벤트의 증가와 연관될 수도 있다.
환자 특정 위험 평가
동맥 베드 소견의 상대 가중치와 함께 각각의 동맥 베드의 소견을 조합함으로써, 위험도 층화, 임상 의사 결정 및 질환 추적이 개인화된 방식으로 더 큰 정밀도로 행해질 수 있다. 따라서, 환자 레벨 예측 모델은 비연속적 동맥 베드의 ASCVD 소견 이해에 기초하지만 단일 통합 메트릭(예를 들어, 1 내지 100, 경증/중등도/중증 위험 등)으로서 전달된다.
동맥 베드 및 환자 특정 위험의 종방향 업데이트
치료 변경(예를 들어, 약물, 생활 습관 등) 후 종방향 일련의 영상화에 의해, ASCVD의 변화가 정량화하고 특성화될 수 있으며, 동맥 베드 특정 뿐만 아니라 환자 레벨 위험이 변화 뿐만 아니라 가장 현대적인 ASCVD 영상 소견에 기초하여 업데이트될 수 있다.
도 19a는 몇몇 실시예에 따른, 환자의 비연속적 동맥 베드의 순차적 영상을 사용하여 위험 평가를 결정하기 위한 프로세스(1900)의 예를 도시하고 있다. 블록 1905에서, 환자의 비연속적 동맥 베드의 순차적 영상화가 수행될 수도 있다. 예로서, 비연속적 제1 동맥 베드 제2 동맥 베드의 순차적인 영상화가 수행된다. 몇몇 실시예에서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나를 포함하고, 제2 동맥 베드는 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 다른 하나를 포함한다. 몇몇 실시예에서, 제3 동맥 베드가 영상화될 수도 있다. 몇몇 실시예에서 제4 동맥 베드가 영상화될 수도 있다. 제3 및 제4 동맥 베드는 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나를 포함할 수도 있다. 비연속적 동맥 베드의 순차적 영상은 영상 기계에서 동일한 설정으로, 상이한 시간에, 또는 상이한 영상화 양식, 예를 들어, CT 및 초음파로 행해질 수도 있다.
블록 1910에서, 프로세스(1900)는 영상화된 동맥 베드에서 ASCVD를 자동으로 정량화하고 특성화한다. 몇몇 실시예에서, 제1 동맥 베드 및 제2 동맥 베드 내의 ASCVD는 본 명세서에 개시된 자격 및 특성화 중 임의의 것을 사용하여 정량화되고 특성화된다. 예를 들어, 제1 동맥 베드의 영상은 복수의 동맥 베드 영상 및 동맥 베드 영상의 주석이 달린 특징에 대해 훈련되어 있는 기계 학습 프로그램으로 구성된 시스템에 의해 분석된다. 다른 실시예에서, ASCVD 및 제1 동맥 베드 및 제2 동맥 베드는 특성화의 다른 유형의 자격을 사용하여 정량화된다.
블록 1915에서, 프로세스(1900)는 동맥 베드 특정 불리한 이벤트의 예후 평가를 생성한다. 예로서, 관상 동맥의 경우, 불리한 이벤트는 심근경색일 수 있다. 다른 예에서, 경동맥의 경우, 불리한 이벤트는 뇌졸중이다. 다른 예에서, 하지 동맥의 경우, 불리한 이벤트는 절단이다. 불리한 이벤트는 평가를 수행하는 시스템에서 액세스 가능한 환자 정보로부터 결정될 수 있다. 예를 들어, 보관된 환자 의료 정보(예를 들어, 도 16에 도시되어 있는 환자 의료 정보(1602)) 또는 이전의 불리한 이벤트의 임의의 다른 저장된 정보로부터. 각각의 이벤트는 미리 결정된 체계에 기초하는 가중치와 연관될 수 있다. 가중치는 예를 들어 0.00과 1.00 사이의 값일 수 있다. 상이한 불리한 이벤트와 연관된 가중치는 예를 들어, 데이터베이스와 같은 비일시적 저장 매체에 저장될 수 있다. 환자의 경우, 불리한 이벤트의 각각의 특정 발생의 가중 평가가 결정될 수 있다. 몇몇 실시예에서, 가중치는 이벤트에 의해 곱해진다. 예를 들어, 0.05의 가중치를 갖는 이벤트 1의 제1 발생의 경우, 해당 이벤트의 하나의 발생은 00.05의 가중 평가를 야기한다. 이벤트 1의 제2 발생은 동일한 가중치 또는 상이한 가중치를 가질 수도 있다. 예를 들어, 증가된 체중. 일 예에서, 이벤트 1의 제2 발생은 0.15의 가중치를 가져, 이벤트의 2개의 발생이 발생할 때 가중 평가는 제1 및 제2 발생의 가중치의 합(예를 들어, 0.20)이 된다. 다른 이벤트는 차이 가중치를 가질 수 있고, 가중 평가는 발생한 모든 이벤트에 대한 모든 가중치의 합을 포함할 수 있다.
블록 1920에서, 프로세스(1900)는 환자 레벨 위험 스코어, 예를 들어 ASCVD 위험 스코어를 결정하기 위해 동맥 베드 특정 위험 평가를 사용한다. 예에서, ASCVD 위험 스코어는 동맥 베드의 가중 평가에 기초한다. 예에서, ASCVD 위험 스코어는 동맥 베드 및 다른 환자 정보의 가중 평가에 기초한다.
블록 1925에서, 프로세스(1900)는 ASCVD 내의 유익한 또는 불리한 변화를 결정하기 위해 치료 및 생활 습관에 기초하여 ASCVD의 변화를 추적한다. 몇몇 실시예에서, 블록 1930에 나타낸 바와 같이, 프로세스(1900)는 하나 이상의 비연속적 동맥 베드의 상이한 시간(예를 들어, 며칠, 몇주, 몇개월 또는 몇년 후)에 촬영된 부가의 순차적 영상을 사용하고 프로세스(1900)는 동맥 베드 및 환자 레벨 위험 평가를 업데이트하고, 부가의 영상에 기초하여 업데이트된 ASCVD 스코어를 결정한다. 기준선 및 업데이트된 평가는 또한 동맥 베드 및 환자 특정 위험과 연관된 비영상 소견을 통합할 수 있다. 이들은 실험실 시험(예를 들어, 트로포닌, b형 나트륨이뇨 펩티드 등); 약물 유형, 용량 및 기간(예를 들어, 6년 동안 매일 로바스타틴 20 mg); 다수의 약물 사이의 상호작용(예를 들어, 로바스타틴 단독 대 로바스타틴 플러스 에제티미베); 생체 정보(예를 들어, 심장 박동수, 심장 박동수 변동성, 맥박 산소 측정 등) 및 환자 이력(예를 들어, 증상, 가족력 등)을 포함할 수도 있다. ASCVD 스코어를 모니터링하고 ASCVD 스코어의 변화를 환자 치료 및 환자 생활 습관 변화와 상관시킴으로써, 해당 환자에 대한 더 양호한 치료 프로토콜 및 생활 습관 선택이 결정될 수도 있다.
도 19b는 순차적인 비연속적 동맥 베드 영상화가 수행되는 예를 도시하고 있다. 이 예에서는, (1) 관상 동맥과 (2) 경동맥에 대하여 순차적인 비연속적 동맥 베드 영상화가 수행된다. 관상 동맥과 경동맥 모두에서 죽상동맥경화증의 정량화 및 특성화에서 알 수 있듯이, 질환 프로세스의 표현형 구성은 매우 가변적이며, 관상 동맥 단면에서는 청색(석회화) 및 적색(저밀도 비석회화) 플라크가 모두 보이고; 경동맥 단면에서는 황색(비석회화) 및 적색(저밀도 비석회화) 플라크만이 보인다. 또한, 죽상동맥경화증의 양은 경동맥보다 관상 동맥에서 더 높으며, 이는 각각 심근경색 및 뇌졸중의 차등 위험을 나타낸다.
도 19c는 몇몇 실시예에 따른, 비연속적 동맥 베드의 순차적 영상화를 사용하여 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 결정하기 위한 프로세스(1950)의 예이다. 블록 1952에서 환자의 제1 동맥 베드가 영상화된다. 몇몇 실시예에서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나를 포함한다. 몇몇 실시예에서, 사용되는 영상화는 디지털 감산 혈관조영술(DSA), 듀플렉스 초음파(DUS), 컴퓨터 단층 촬영(CT), 자기 공명 혈관조영술(MRA), 초음파 또는 자기 공명 영상화(MRI), 또는 동맥 베드의 표현을 생성하는 다른 유형의 영상화일 수 있다. 블록 1954에서 프로세스(1950)는 제2 동맥 베드를 영상화한다. 제2 동맥 베드의 영상화는 제1 동맥 베드와 비연속적이다. 몇몇 실시예에서, 제2 동맥 베드는 제1 동맥 베드와는 상이한 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나일 수 있다. 몇몇 실시예에서, 제2 동맥 베드의 영상화는 DSA, DUS, CT, MRA, 초음파, 또는 MRI 영상화 프로세스, 또는 다른 영상화 프로세스에 의해 수행될 수 있다. 블록 1956에서 프로세스(1950)는 제1 동맥 베드에서 ASCVD를 자동으로 정량화한다. 블록 1958에서, 프로세스(1950)는 제2 동맥 베드에서 ASCVD를 자동으로 정량화한다. 제1 동맥 베드 및 제2 동맥 베드에서의 ASCVD의 정량화는 본 명세서에 개시된 정량화(예를 들어, 주석이 달린 영상으로 훈련된 신경망을 사용함) 또는 다른 정량화를 사용하여 수행될 수 있다.
블록 1960에서, 프로세스(1950)는 제1 동맥 베드의 제1 가중 평가를 결정하고, 제1 가중 평가는 제1 동맥 베드에 대한 동맥 베드 특정 부작용과 연관된다. 블록 1962에서 프로세스(1950)는 제2 동맥 베드의 제2 가중 평가를 결정하고, 제2 가중 평가는 제2 동맥 베드에 대한 동맥 베드 특정 부작용과 연관된다. 블록 1964에서 프로세스(1950)는 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 환자 위험 스코어를 생성한다.
도 19d는 몇몇 실시예에 따른, 비연속적 동맥 베드의 순차적 영상화를 사용하여 위험 평가를 결정하기 위한 프로세스(1970)의 예이다. 블록 1972에서, 프로세스(1970)는 제1 동맥 베드 및 제2 동맥 베드의 영상을 수신하며, 제2 동맥 베드는 제1 동맥 베드와 비연속적이고 제1 동맥 베드와 상이하다. 몇몇 실시예에서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나일 수 있다. 제2 동맥 베드의 영상화는 제1 동맥 베드와 비연속적이다. 몇몇 실시예에서, 제1 동맥 베드의 영상은 DSA, DUS, CT, MRA, 초음파, 또는 MRI 영상화 프로세스, 또는 다른 영상화 프로세스에 의해 생성되었다. 몇몇 실시예에서, 제2 동맥 베드의 영상은 DSA, DUS, CT, MRA, 초음파, 또는 MRI 영상화 프로세스, 또는 다른 영상화 프로세스에 의해 생성되었다. 몇몇 실시예에서, 제2 동맥 베드는 제1 동맥 베드와는 상이한 대동맥, 경동맥, 하지 동맥, 상지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나일 수 있다. 몇몇 실시예에서, 제1 동맥 베드 및 제2 동맥 베드의 영상은 환자 영상을 저장하도록 구성된 컴퓨터 저장 매체로부터 수신될 수 있다. 몇몇 실시예에서, 제1 동맥 베드 및 제2 동맥 베드의 영상은 영상을 생성한 시설로부터 직접적으로 수신될 수 있다. 몇몇 실시예에서, 제1 동맥 베드 및 제2 동맥 베드의 영상은 영상을 생성한 시설로부터 간접적으로 수신될 수 있다. 몇몇 실시예에서, 제1 동맥 베드의 영상은 제2 동맥 베드의 영상과 상이한 소스로부터 수신될 수 있다.
블록 1974에서 프로세스(1970)는 제1 동맥 베드에서 ASCVD를 자동으로 정량화한다. 블록 1976에서, 프로세스(1970)는 제2 동맥 베드에서 ASCVD를 자동으로 정량화한다. 제1 동맥 베드 및 제2 동맥 베드에서의 ASCVD의 정량화는 본 명세서에 개시된 정량화 또는 다른 정량화를 사용하여 수행될 수 있다.
블록 1978에서 프로세스(1970)는 제1 동맥 베드의 제1 가중 평가를 결정하고, 제1 가중 평가는 제1 동맥 베드에 대한 동맥 베드 특정 부작용과 연관된다. 블록 1980에서 프로세스(1970)는 제2 동맥 베드의 제2 가중 평가를 결정하고, 제2 가중 평가는 제2 동맥 베드에 대한 동맥 베드 특정 부작용과 연관된다. 블록 1982에서 프로세스(1970)는 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 환자 위험 스코어를 생성한다.
도 19e는 환자의 비연속적 동맥 베드의 순차적 영상화를 사용하여 위험 평가를 결정하기 위한 시스템 및 방법의 하나 이상의 실시예를 구현하기 위한 소프트웨어를 실행하도록 구성된 컴퓨터 하드웨어 시스템(1985)의 실시예를 도시하고 있는 블록도이다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 프로세스 및 방법은 도 19e에 도시되어 있는 것과 같은 컴퓨팅 시스템을 사용하여 구현된다. 예시적인 컴퓨터 시스템(1985)은 하나 이상의 네트워크(1993)를 통해 하나 이상의 컴퓨팅 시스템(1994) 및/또는 하나 이상의 데이터 소스(1995)와 통신한다. 도 19e는 컴퓨팅 시스템(1985)의 실시예를 도시하고 있지만, 컴퓨터 시스템(1985)의 구성요소 및 모듈에 제공된 기능은 더 적은 수의 구성요소 및 모듈로 조합되거나 부가의 구성요소 및 모듈로 더 분리될 수도 있다는 것이 인식된다.
컴퓨터 시스템(1985)은 본 명세서에 설명된 기능, 방법, 동작 및/또는 프로세스를 수행하는 정량화, 가중 및 평가 엔진(1991)을 포함할 수 있다. 예를 들어, 몇몇 실시예에서 도 19c의 블록(1956, 1958, 1960, 1962 및 1964)의 기능. 몇몇 실시예에서, 도 19d의 블록(1972, 1974, 1976, 1978, 1980 및 1982)의 기능. 정량화, 가중 및 평가 엔진(1991)은 아래에서 더 설명되는 중앙 처리 유닛(1989)에 의해 컴퓨터 시스템(1985)에서 실행된다.
일반적으로, 본 명세서에 사용될 때, 단어 "엔진"은 하드웨어나 펌웨어로 구현된 로직 또는 진입점 및 진출점을 갖는 소프트웨어 명령의 모음을 칭한다. 이러한 "엔진"은 모듈이라고 할 수도 있으며, JAVA, C 또는 C++ 등과 같은 프로그램 언어로 작성된다. 소프트웨어 모듈은 실행 가능한 프로그램으로 컴파일 또는 링크되거나, 동적 링크 라이브러리에 설치되거나, 또는 BASIC, PERL, LAU, PHP 또는 Python 및 임의의 이러한 언어와 같은 해석된 언어로 작성될 수 있다. 소프트웨어 모듈은 다른 모듈로부터 또는 자체로부터 호출될 수 있고, 그리고/또는 검출된 이벤트 또는 중단에 응답하여 호출될 수 있다. 하드웨어로 구현된 모듈은 게이트 및 플립플롭과 같은 연결된 로직 유닛을 포함하고 그리고/또는 프로그램 가능 게이트 어레이 또는 프로세서와 같은 프로그램 가능 유닛을 포함할 수 있다.
일반적으로, 본 명세서에 설명하는 모듈은 물리적 편성 또는 저장에도 불구하고 다른 모듈과 조합되거나 하위 모듈로 분할될 수 있는 로직 모듈을 칭한다. 모듈은 하나 이상의 컴퓨팅 시스템에 의해 실행되고, 임의의 적합한 컴퓨터 판독 가능 매체 상에 또는 내에 저장될 수 있거나, 특수 설계된 하드웨어 또는 펌웨어 내에서 전체적으로 또는 부분적으로 구현될 수 있다. 모든 계산, 분석 및/또는 최적화가 컴퓨터 시스템의 사용을 필요로 하는 것은 아니지만, 임의의 전술된 방법, 계산, 프로세스 또는 분석은 컴퓨터의 사용을 통해 용이하게 될 수 있다. 또한, 몇몇 실시예에서, 본 명세서에 설명된 프로세스 블록은 변경, 재배열, 조합 및/또는 생략될 수 있다.
컴퓨터 시스템(1985)은 마이크로프로세서를 포함할 수 있는 하나 이상의 처리 유닛(CPU, GPU, TPU)(1989)을 포함한다. 컴퓨터 시스템(1985)은 정보의 임시 저장을 위한 랜덤 액세스 메모리(RAM), 정보의 영구 저장을 위한 판독 전용 메모리(ROM), 및 백업 저장소, 하드 드라이브, 회전 자기 디스크, 솔리드 스테이트 디스크(SSD), 플래시 메모리, 상 변화 메모리(PCM), 3D XPoint 메모리, 디스켓 또는 광학 매체 저장 디바이스와 같은 대용량 저장 디바이스(1986)와 같은 물리적 메모리(1990)를 더 포함한다. 대안적으로, 대용량 저장 디바이스는 서버의 어레이로 구현될 수 있다. 일반적으로, 컴퓨터 시스템(1985)의 구성요소는 표준 기반 버스 시스템을 사용하여 컴퓨터에 연결된다. 버스 시스템은 주변 장치 상호접속(PCI), 마이크로 채널, SCSI, 산업 표준 아키텍처(ISA) 및 확장형 ISA(EISA) 아키텍처와 같은 다양한 프로토콜을 사용하여 구현될 수 있다.
컴퓨터 시스템(1985)은 키보드, 마우스, 터치패드 및 프린터와 같은 하나 이상의 입출력(I/O) 디바이스 및 인터페이스(1988)를 포함한다. I/O 디바이스 및 인터페이스(1988)는 사용자로의 데이터의 시각적 제시를 허용하는 모니터와 같은 하나 이상의 디스플레이 디바이스를 포함할 수 있다. 더 구체적으로, 디스플레이 디바이스는 예를 들어 애플리케이션 소프트웨어 데이터로서의 GUI의 제시 및 멀티미디어 제시를 제공한다. I/O 디바이스 및 인터페이스(1988)는 또한 다양한 외부 디바이스에 대한 통신 인터페이스를 제공할 수 있다. 컴퓨터 시스템(1985)은 예를 들어 스피커, 비디오 카드, 그래픽 가속기, 및 마이크로폰과 같은 하나 이상의 멀티미디어 디바이스(1985)를 포함할 수 있다.
컴퓨팅 시스템 디바이스/운영 체제
컴퓨터 시스템(1985)은 서버, Windows 서버, 구조 쿼리 언어 서버, Unix 서버, 퍼스널 컴퓨터, 랩탑 컴퓨터 등과 같은 다양한 컴퓨팅 디바이스에서 실행될 수 있다. 다른 실시예에서, 컴퓨터 시스템(1985)은 클러스터 컴퓨터 시스템, 메인프레임 컴퓨터 시스템 및/또는 대규모 데이터베이스를 제어 및/또는 통신하고, 대용량 트랜잭션 처리를 수행하고, 대규모 데이터베이스로부터 보고를 생성하기에 적합한 다른 컴퓨팅 시스템에서 실행될 수 있다. 컴퓨팅 시스템(1985)은 일반적으로 z/OS, Windows, Linux, UNIX, BSD, PHP, SunOS, Solaris, MacOS, ICloud 서비스 또는 전용 운영 체제를 포함하는 다른 호환 가능한 운영 체제와 같은 운영 체제 소프트웨어에 의해 제어 및 조절된다. 운영 체제는 무엇보다도, 실행을 위해 컴퓨터 프로세스를 제어 및 스케쥴링하고, 메모리 관리를 수행하고, 파일 시스템, 네트워킹 및 I/O 서비스를 제공하고, 그래픽 사용자 인터페이스(GUI)와 같은 사용자 인터페이스를 제공한다.
네트워크
도 19e에 도시되어 있는 컴퓨터 시스템(1985)은 통신 링크(1992)(유선, 무선, 또는 그 조합)를 통해 LAN, WAN 또는 인터넷과 같은 네트워크(1993)에 결합된다. 네트워크(1993)는 다양한 컴퓨팅 디바이스 및/또는 다른 전자 디바이스와 통신한다. 네트워크(1993)는 하나 이상의 컴퓨팅 시스템(1994) 및 하나 이상의 데이터 소스(1995)와 통신하고 있다. 예를 들어, 컴퓨터 시스템(1985)은 네트워크(1993)를 통해 컴퓨팅 시스템(1994) 및/또는 데이터 소스(1995)로부터 영상 정보(예를 들어, 동맥 또는 동맥 베드의 영상, 영상과 연관된 정보 등을 포함)를 수신하고, 수신된 영상 정보를 대용량 저장 디바이스(1986)에 저장할 수 있다. 이후, 정량화, 가중 및 평가 엔진(1991)이 필요에 따라 대용량 저장 디바이스(1986)에 액세스할 수 있다. 몇몇 실시예에서, 정량화, 가중 및 평가 엔진(1991)은 컴퓨팅 시스템(1994) 및/또는 데이터 소스(1995)에 액세스하거나, 또는 웹 가능 사용자 액세스 포인트를 통해 컴퓨팅 시스템(1985) 및/또는 데이터 소스(1995)에 의해 액세스될 수 있다. 연결은 직접 물리적 연결, 가상 연결 및 다른 연결 유형일 수 있다. 웹 가능 사용자 액세스 포인트는 데이터를 제시하고 네트워크(1993)를 통해 데이터와 상호작용을 허용하는 텍스트, 그래픽, 오디오, 비디오 및 다른 미디어를 사용하는 브라우저 모듈을 포함할 수 있다.
출력 모듈은 음극선관(CRT), 액정 디스플레이(LCD), 플라즈마 디스플레이, 또는 다른 유형 및/또는 조합의 디스플레이와 같은 전점 어드레스 가능 디스플레이의 조합으로서 구현될 수 있다. 출력 모듈은 입력 디바이스(1988)와 통신하도록 구현될 수 있고, 이들은 사용자가 메뉴, 윈도우, 대화 박스, 툴바 및 컨트롤(예를 들어, 라디오 버튼, 체크 박스, 슬라이딩 스케일 등)과 같은 양식화된 스크린 요소의 사용을 통해 데이터에 액세스할 수 있게 하는 적절한 인터페이스를 갖는 소프트웨어를 또한 포함한다. 더욱이, 출력 모듈은 입력 및 출력 디바이스의 세트와 통신하여 사용자로부터 신호를 수신할 수 있다.
다른 시스템
컴퓨팅 시스템(1985)은 하나 이상의 내부 및/또는 외부 데이터 소스(예를 들어, 데이터 소스(1995))를 포함할 수 있다. 몇몇 실시예에서, 전술된 데이터 저장소 및 데이터 소스 중 하나 이상은 DB2, Sybase, Oracle, CodeBase 및 Microsoft® SQL Server와 같은 관계형 데이터베이스 뿐만 아니라 플랫 파일 데이터베이스, 엔티티 관계 데이터베이스, 객체 지향 데이터베이스 및/또는 레코드 기반 데이터베이스와 같은 다른 유형의 데이터베이스를 사용하여 구현될 수 있다.
컴퓨터 시스템(1985)은 또한 하나 이상의 데이터베이스(1995)에 액세스할 수 있다. 데이터베이스(1995)는 데이터베이스 또는 데이터 저장소에 저장될 수 있다. 컴퓨터 시스템(1985)은 네트워크(1993)를 통해 하나 이상의 데이터 소스(1995)에 액세스할 수 있거나, I/O 디바이스 및 인터페이스(1988)를 통해 데이터베이스 또는 데이터 저장소에 직접 액세스할 수 있다. 하나 이상의 데이터 소스(1995)를 저장하는 데이터 저장소는 컴퓨터 시스템(1985) 내에 상주할 수 있다.
부가의 상세 - 일반
본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 시스템은 의료 영상으로부터 도출된 하나 이상의 플라크 특징을 분석, 특성화, 추적 및/또는 이용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 플라크의 하나 이상의 차원 및/또는 플라크의 영역을 예를 들어 시간 경과에 따라 또는 시간 경과에 따른 변화로 2차원, 3차원 및/또는 4차원으로 분석, 특성화, 추적 및/또는 이용하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 플라크의 하나 이상의 영역을 순위화하거나 및/또는 이러한 순위를 분석에 이용하도록 구성될 수 있다. 몇몇 실시예에서, 순위는 이진, 서수, 연속 및/또는 수학적으로 변환될 수 있다. 몇몇 실시예에서, 시스템은 플라크의 부담 또는 하나 이상의 기하학 형상 및/또는 플라크의 영역을 분석, 특성화, 추적 및/또는 이용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 하나 이상의 기하학 형상은 시간 경과에 따른 2차원, 3차원 및/또는 4차원의 공간 맵핑을 포함할 수 있다. 다른 예로서, 몇몇 실시예에서, 시스템은 하나 이상의 기하학 형상의 변환을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 반점 대 연속과 같은 플라크 영역의 확산성을 분석, 특성화, 추적 및/또는 이용하도록 구성될 수 있다. 예를 들어, 일부 실시예에서, 관심 영역 내의 픽셀 또는 복셀은 더 많은 정보를 획득하기 위해 관심 영역 외부의 픽셀 또는 복셀과 비교될 수 있다. 특히, 몇몇 실시예에서, 시스템은 플라크 픽셀 또는 복셀을 다른 플라크 픽셀 또는 복셀로 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크 픽셀 또는 복셀을 지방 픽셀 또는 복셀과 비교하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크 픽셀 또는 복셀을 루멘 픽셀 또는 복셀과 비교하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크의 위치 또는 플라크의 하나 이상의 면적을 분석, 특성화, 추적 및/또는 이용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템에 의해 결정 및/또는 분석되는 플라크의 위치는 플라크가 좌전 하행 동맥(LAD), 좌회선 동맥(LCx) 및/또는 우측 관상 동맥(RCA) 내에 있는지의 여부를 포함할 수 있다. 특히, 몇몇 실시예에서, 근위 LAD의 플라크는 중간 LAD의 플라크에 영향을 미칠 수 있고, LCx의 플라크는 예를 들면 혼합 효과 모델링을 통해 LAD의 플라크에 영향을 미칠 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 이웃 구조를 고려하도록 구성될 수 있다. 몇몇 실시예에서, 위치는 그것이 혈관의 근위, 중간 또는 원위 부분에 있는지의 여부에 기초할 수 있다. 몇몇 실시예에서, 위치는 플라크가 주 혈관 또는 분기 혈관에 있는지의 여부에 기초할 수 있다. 몇몇 실시예에서, 위치는 플라크가 심근 쪽인지 또는 심막 쪽인지의 여부(예를 들어, 동맥의 절대 이진 이분류화로서 또는 약 360도 연속 특성화로서), 플라크가 지방 또는 심장외막 지방에 병치되는지 또는 지방 또는 심장외막 지방에 병치되지 않는지의 여부, 또는 상당한 양의 심근에 대치되는지 또는 소량의 심근에 대치되는지의 여부에 기초할 수 있다. 예를 들어, 많은 양의 대치된 심근에 대치되는 동맥 및/또는 플라크는 그렇지 않은 것과는 다르게 거동할 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 대치된 심근의 비율과의 관계를 고려하도록 구성될 수 있다.
본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 시스템은 의료 영상으로부터 도출된 하나 이상의 플라크 주변 특징을 분석, 특성화, 추적 및/또는 이용하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 예를 들어 면적에 관하여 2차원으로, 체적에 관하여 3차원으로, 및/또는 시간에 걸쳐 4차원으로 루멘을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 면적에 관하여 2차원으로, 체적에 관하여 3차원으로, 및/또는 시간에 걸쳐 4차원으로 혈관 벽을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 관상 동맥 주위 지방을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 대치된 심근 질량의 비율과 같은 심근에 대한 관계를 분석하도록 구성될 수 있다.
본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 시스템은 상이한 영상 획득 프로토콜 및/또는 변수를 사용하여 획득된 의료 영상을 분석 및/또는 사용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 영상을 분석함에 있어서 이러한 영상 획득 프로토콜 및/또는 변수를 특성화, 추적, 분석 및/또는 달리 사용하도록 구성될 수 있다. 예를 들어, 영상 획득 파라미터는 mA, kVp, 스펙트럼 CT, 광자 계수 검출기 CT 등 중에서 하나 이상을 포함할 수 있다. 또한, 몇몇 실시예에서, 시스템은 후향적 대 전향적 ECG 나선형과 같은 ECG 동기 파라미터를 고려하도록 구성될 수 있다. 다른 예는 전향적 축 동기 대 동기 없음일 수 있다. 또한, 몇몇 실시예에서, 시스템은 예를 들어 베타 차단제 있음 또는 없음, 조영제 있음 또는 없음, 니트로글리세린 있음 또는 없음 등과 같이 약물이 영상 획득에 사용되었는지의 여부를 고려하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 영상 획득 프로세스 동안 사용되는 조영제의 존재 또는 부재를 고려하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 조영제 유형, 조영제 대 노이즈 비 등에 기초하여 영상을 정규화하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은 의료 영상을 분석할 때 환자의 생체 정보를 고려하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 영상을 대상의 체질량 지수(BMI)에 대하여 정규화하고, 영상을 신호 대 노이즈 비에 대하여 정규화하고, 영상을 영상 노이즈에 대하여 정규화하고, 영상을 시야 내의 조직에 대하여 정규화하도록 구성될 수 있는 등이다. 몇몇 실시예에서, 시스템은 예를 들어 CT, 비조영 CT, MRI, x-레이, 핵의학, 초음파, 및/또는 본 명세서에 언급된 임의의 다른 영상화 양상과 같은 영상 유형을 고려하도록 구성될 수 있다.
본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 시스템은 영상 처리에 기초하든 그렇지 않든 간에 임의의 분석 및/또는 결과를 정규화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 대상의 의료 영상에서 도출된 것과 같은 대상의 임의의 판독 또는 분석을 규범적 참조 데이터베이스에 대하여 표준화하도록 구성될 수 있다. 유사하게, 몇몇 실시예에서, 시스템은 예를 들어 심근경색을 경험한 환자, 허혈성이 있는 환자 등과 같이, 대상의 의료 영상에서 도출된 것과 같은 대상의 임의의 판독 또는 분석을 질병 데이터베이스에 대하여 표준화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 비교, 표준화 및/또는 정규화 목적을 위해 제어 데이터베이스를 이용하도록 구성될 수 있다. 예를 들어, 제어 데이터베이스는 심근경색을 경험한 대상의 50% 및 그렇지 않은 50% 등과 같이, 대상의 조합에서 도출된 데이터를 포함할 수 있다. 몇몇 실시예에서, 시스템은 선형, 대수, 지수 및/또는 2차 변환과 같은 수학적 변환을 적용함으로써 임의의 분석, 결과 또는 데이터를 정규화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 기계 학습 알고리즘을 적용함으로써 임의의 분석, 결과 또는 데이터를 정규화하도록 구성될 수 있다.
본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 용어 "밀도"는 하운즈필드 단위와 같은 방사선 밀도를 의미할 수 있다. 본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 용어 "밀도"는 예를 들어 이중 에너지, 스펙트럼, 광자 계수 CT 등과 같은 영상화 양상으로부터 획득한 영상을 분석할 때에는 절대 밀도를 의미할 수 있다. 몇몇 실시예에서, 시스템에 의해 분석 및/또는 액세스되는 하나 이상의 영상은 대조 대 노이즈로 정규화될 수 있다. 몇몇 실시예에서, 시스템에 의해 분석 및/또는 액세스되는 하나 이상의 영상은 신호 대 노이즈로 정규화될 수 있다. 몇몇 실시예에서, 시스템에 의해 분석 및/또는 액세스되는 하나 이상의 영상은 혈관의 길이에 걸쳐, 예를 들어 내강경유 감쇠 구배를 따라 정규화될 수 있다. 몇몇 실시예에서, 시스템에 의해 분석 및/또는 액세스되는 하나 이상의 영상은 예를 들어 대수, 지수 및/또는 2차 변환을 적용함으로써 수학적으로 변환될 수 있다. 몇몇 실시예에서, 시스템에 의해 분석 및/또는 액세스되는 하나 이상의 영상은 기계 학습을 사용하여 변환될 수 있다.
본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 용어 "동맥"은 예를 들어 관상 동맥, 경동맥, 대뇌 동맥, 대동맥, 신장 동맥, 하지 동맥 및/또는 상지 동맥과 같은 임의의 동맥을 포함할 수 있다.
본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 시스템은 의료 영상으로부터 데이터를 분석 및/또는 도출함에 있어서 다양한 소스로부터 획득된 추가 정보를 이용할 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 환자 이력 및/또는 신체 검사로부터 부가의 정보를 획득하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 심장 박동수, 심장 박동수 변동성, 혈압, 산소 포화도, 수면의 질, 움직임, 신체 활동, 흉벽 임피던스, 흉벽 전기적 활동 등을 포함할 수 있는, 웨어러블 디바이스로부터 얻을 수 있는 것과 같은 다른 생체 정보 데이터로부터 부가의 정보를 획득하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 전자 의료 기록(EMR)과 같은 임상 데이터로부터 부가의 정보를 획득하도록 구성될 수 있다. 몇몇 실시예에서, 시스템에 의해 사용되는 부가의 정보는 예를 들어 콜레스테롤, 신장 기능, 염증, 심근 손상 등과 같은 혈청 바이오마커에 연결될 수 있다. 몇몇 실시예에서, 시스템에 의해 사용되는 부가의 정보는 예를 들어 전사체학, 단백질체학, 유전체학, 대사체학, 미생물군체학 등과 같은 다른 오믹스 마커에 연결될 수 있다.
본 명세서에 설명된 임의의 특징 및/또는 실시예와 관련하여, 몇몇 실시예에서, 시스템은 의료 영상 분석을 이용하여 환자의 평가를 도출 및/또는 생성하고/하거나 환자 평가를 가이드하기 위한 평가 도구를 제공할 수 있으며, 이로써 임상적 중요성 및 이용이 추가된다. 몇몇 실시예에서, 시스템은 플라크 레벨(예를 들어, 이 플라크가 심근경색을 유발하게 됨 및/또는 이 플라크가 허혈을 유발함), 혈관 레벨(예를 들어, 이 혈관이 장래의 심근경색 부위가 됨 및/또는 이 혈관이 허혈을 나타냄), 및/또는 환자 레벨(예를 들어, 이 환자가 심근경색 등을 경험하게 됨)에서 위험 평가를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 플라크 특징의 합산 또는 가중 합산은 세그먼트 레벨 특징에 기여할 수 있고, 이는 결국 환자 레벨 특징에 기여할 수 있게 되는 혈관 레벨 특징에 기여할 수 있다.
몇몇 실시예에서, 시스템은, 예를 들어 심근경색, 뇌졸중, 입원, 불안정 협심증, 안정 협심증, 관상 동맥 혈관재형성 등과 같은 미래의 주요 불리한 심혈관 이벤트의 위험 평가를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 급속 플라크 진행, 약물 무반응(예를 들어, 약물이 제공된 경우에도 플라크가 상당히 진행되는 경우), 관상 동맥 혈관재형성의 이익(또는 그 결여), 현재 임의의 플라크가 없는 부위에 새로운 플라크 형성, 플라크에 기인한 증상(예컨대, 협심증, 숨가쁨)의 발생, 허혈 등의 위험 평가를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은, 예를 들어 경동맥(뇌졸중), 하지(파행, 임계 사지 허혈, 절단), 대동맥(박리, 동맥류), 신장 동맥(고혈압), 대뇌 동맥(동맥류, 파열) 등과 같은 다른 동맥 결과의 평가를 생성하도록 구성될 수 있다.
부가의 상세 - 의료 영상(들)으로부터 비석회화 플라크의 결정
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 비조영 CT 영상 및/또는 본 명세서에서 언급된 것과 같은 임의의 다른 영상 양식을 사용하여 획득된 영상과 같은 의료 영상으로부터 비석회화 플라크를 결정하도록 구성될 수 있다. 또한, 본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 의료 영상으로부터 비석회화 플라크를 구별 및/또는 결정하기 위한 파라미터 또는 측정으로서 방사선 밀도를 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 의료 영상으로부터 비석회화 플라크를 결정하기 위해 방사선 밀도에 추가하여 및/또는 그에 대한 대안으로서 사용될 수 있는 하나 이상의 다른 인자를 이용할 수 있다.
예를 들어, 몇몇 실시예에서, 시스템은 이중 에너지 CT, 스펙트럼 CT 또는 광자 계수 검출기를 통해 절대 물질 밀도를 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은, 예를 들어 공지의 플라크 데이터베이스와 비교하여 플라크처럼 "보이는" 공간 맵의 기하학 형상을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 비석회화 플라크를 결정하는 것을 돕기 위해 의료 영상으로부터 영상 노이즈 및 이질성을 제거하기 위해 평활화 및/또는 변환 기능을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은, 예를 들어 신호 대 노이즈 비, 체형(예를 들어, 비만은 더 많은 영상 노이즈를 도입할 수 있음) 등과 같은 영상 특성에 기초한 방사선 밀도 값의 자동 조정 가능한 및/또는 수동 조정 가능한 임계값을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 상이한 동맥에 기초하여 상이한 임계값을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 특정 동맥에 우선적으로 영향을 미칠 수도 있는 빔 경화 아티팩트와 같은 잠재적 아티팩트를 고려하도록 구성될 수도 있다(예를 들어, 척추는 몇몇 경우에 우관상 동맥에 영향을 미칠 수도 있음). 몇몇 실시예에서, 시스템은, 예를 들어 전향적 대 후향적 ECG 동기, mA 및 kvP가 어느 정도인지 등과 같은 상이한 영상 획득 파라미터를 고려하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은, 예를 들어 고속 피치 나선형 대 전통적인 나선형과 같은 상이한 스캐너 유형을 고려하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은, 예를 들어 심장 박동수, 촬영된 시야에서의 스캔 체적 등과 같은 환자-특정 파라미터를 고려하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 사전 지식을 고려하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 환자가 과거에 조영 증강 CT 혈관조영상을 받았다면, 시스템은 전방 이동하는 환자의 비조영 CT 영상(들)에 대한 이전 조영 증강 CT 혈관조영상으로부터의 발견을 활용하도록 구성될 수 있다. 몇몇 실시예에서, 심장외막 지방이 동맥 외부에 존재하지 않는 경우에, 시스템은 외부 동맥 벽을 도시하기 위해 다른 하운즈필드 유닛 임계값 범위를 활용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등)의 차이를 고려하기 위해 본 명세서에 설명된 것과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
부가의 상세 - 칼슘 변화의 원인 결정
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 하나 이상의 의료 영상을 분석함으로써 대상의 칼슘 레벨 변화의 원인을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 칼슘 레벨의 변화는, 예를 들어 약물 치료, 생활 습관 변화(예컨대, 식이 요법 개선, 신체 활동), 스텐트 삽입, 외과적 우회술 등과 같은 일부 외력에 의한 것일 수 있다. 몇몇 실시예에서, 시스템은 치료의 하나 이상의 평가 및/또는 이들 발견에 기초한 치료의 추천을 포함하도록 구성된다.
몇몇 실시예에서, 시스템은 대상의 칼슘 레벨 변화의 원인을 결정하고 이를 예후에 사용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 죽상동맥경화증, 협착증, 허혈, 관상 동맥 주위 영역의 염증 등의 개선된 진단을 가능하게 하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 개선된 예후, 예를 들어 일부 임상적 이벤트, 예컨대 주요 불리한 심혈관 이벤트, 급속 진행, 약물 무반응, 혈관재형성의 필요성 등의 예측을 가능하게 하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은, 예를 들어 누가 어떤 요법으로부터 이익을 획득할 것인지의 식별을 가능하게 하고 및/또는 시간 경과에 따른 이러한 변화의 모니터링을 가능하게 하는 것과 같이 개선된 예측을 가능하게 하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은, 예를 들어 어떤 약물이 도움이 될 수도 있는지, 어떤 생활 습관 중재가 도움이 될 수도 있는지, 어떤 혈관재형성 또는 수술 절차가 도움이 될 수도 있는지 등과 같은 개선된 임상 의사 결정을 가능하게 하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 공지의 실측 데이터베이스에 대한 발견을 정규화하기 위해 하나 이상의 표준 데이터베이스에 대한 비교를 가능하게 하도록 구성될 수 있다.
몇몇 실시예에서, 칼슘 레벨의 변화는 선형, 비선형 및/또는 변형될 수 있다. 몇몇 실시예에서, 칼슘 레벨의 변화는 그 자체로 일어날 수 있거나 달리 말하면 칼슘만을 수반할 수 있다. 몇몇 실시예에서, 칼슘 레벨의 변화는, 예를 들어 다른 비석회화 플라크, 혈관 체적/면적, 내강 체적/면적 등과 같은 하나 이상의 다른 성분과 관련될 수 있다. 몇몇 실시예에서, 칼슘 레벨의 변화는 상대적일 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 칼슘 레벨의 변화가 절대 임계값 초과인지 미만인지, 칼슘 레벨의 변화가 상향 또는 하향의 연속적인 변화를 포함하는지, 칼슘 레벨의 변화가 상향 또는 하향의 수학적 변환을 포함하는지 등의 여부를 결정하도록 구성될 수 있다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 칼슘 레벨의 변화의 원인을 결정함에 있어서 플라크와 관련된 것과 같은 하나 이상의 변수 또는 파라미터를 분석하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 주어진 시점에 대상의 관상 영역 내의 플라크의 하나 이상의 영역의 체적 또는 표면적의 비율 또는 함수, 이질성 지수, 기하학 형상, 위치, 방향성, 및/또는 방사선 밀도와 같은 하나 이상의 플라크 파라미터를 분석하도록 구성될 수 있다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 2개의 시점 사이의 칼슘 레벨의 변화를 특성화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 칼슘 레벨의 변화를 양성, 중성 또는 음성 중 하나로서 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크 영역의 표면적에 대한 체적의 비율이 감소되었을 때 칼슘 레벨의 변화를 양성으로서 특성화하도록 구성될 수 있는 데, 이는 구조가 얼마나 균질하고 치밀한지를 나타낼 수 있기 때문이다. 몇몇 실시예에서, 시스템은 플라크 영역의 크기가 감소되었을 때 칼슘 레벨의 변화를 양성으로 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크 영역의 밀도가 증가되었을 때 또는 플라크 영역의 영상이 더 높은 밀도 값을 갖는 더 많은 픽셀을 포함할 때 칼슘 레벨의 변화를 양성으로 특성화하도록 구성될 수 있는데, 이는 안정적인 플라크를 나타낼 수 있기 때문이다. 몇몇 실시예에서, 시스템은 감소된 확산이 있을 때 칼슘 레벨의 변화를 양성으로 특성화하도록 구성될 수 있다. 예를 들어, 플라크의 3개의 작은 영역이 하나의 인접한 플라크로 수렴되는 경우, 전체 플라크 길이를 따라 석회화하는 비석회화 플라크를 나타낼 수 있다.
몇몇 실시예에서, 시스템은 플라크의 새로운 영역이 형성되었다고 시스템이 결정할 때 칼슘 레벨의 변화를 음성으로 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 석회화된 플라크를 갖는 더 많은 혈관이 나타날 때 칼슘 레벨의 변화를 음성으로 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 체적 대 표면적의 비율이 증가되었을 때 칼슘 레벨의 변화를 음성으로 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 칼슘 픽셀당 하운즈필드 밀도의 증가가 없을 때 칼슘 레벨의 변화를 음성으로 특성화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등)의 차이를 고려하기 위해 본 명세서에 설명된 것과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
부가의 상세 - 플라크, 협착증 및/또는 CAD-RADS 스코어의 정량화
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 의료 영상으로부터 플라크, 협착증 및/또는 CAD-RADS 스코어의 정량화를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 이러한 정량화 분석의 부분으로서, 시스템은 플라크의 영역 내의 고밀도 또는 저밀도 플라크의 백분율을 결정하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 고밀도 플라크를 800 및/또는 1000 초과의 하운즈필드 밀도 단위를 포함하는 픽셀 또는 복셀로 분류하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 저밀도 플라크를 800 및/또는 1000 미만의 하운즈필드 밀도 단위를 포함하는 픽셀 또는 복셀로 분류하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 다른 임계값을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 연속 척도, 서수 척도, 및/또는 수학적으로 변환된 척도로 측정치를 보고하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등)의 차이를 고려하기 위해 본 명세서에 설명된 것과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
부가의 상세 - 질환 추적
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 죽상동맥경화증, 협착증, 허혈 등과 같은 동맥 및/또는 플라크 기반 질환의 진행 및/또는 퇴행을 추적하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 2개의 상이한 시점으로부터 획득된 하나 이상의 의료 영상을 분석함으로써 시간 경과에 따른 질환의 진행 및/또는 퇴행을 추적하도록 구성될 수 있다. 예로서, 몇몇 실시예에서, 이전 스캔으로부터의 하나 이상의 정상 영역은 제2 스캔에서 비정상 영역으로 바뀔 수 있고 그 반대도 가능하다.
몇몇 실시예에서, 2개의 상이한 시점으로부터 획득된 하나 이상의 의료 영상은 동일한 양식 및/또는 상이한 양식으로부터 획득될 수 있다. 예를 들어, 양쪽 모두의 시점으로부터의 스캔은 CT일 수 있는 반면, 몇몇 경우에 이전 스캔은 CT일 수 있고 나중 스캔은 초음파일 수 있다.
또한, 몇몇 실시예에서, 시스템은 하나 이상의 픽셀 및/또는 복셀의 밀도 변화, 예를 들어 하운즈필드 밀도 및/또는 절대 밀도를 식별 및/또는 추적함으로써 질환의 진행 및/또는 퇴행을 추적하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 픽셀 또는 복셀의 밀도 변화를 연속 기반으로 및/또는 이분법적 기반으로 추적하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 플라크 영역의 안정화로서 밀도의 증가를 분류하고 및/또는 플라크 영역의 불안정화로서 밀도의 감소를 분류하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크의 영역의 표면적 및/또는 체적, 둘 사이의 비율, 표면적 및/또는 체적의 절대값, 표면적 및/또는 체적의 구배(들), 표면적 및/또는 체적의 수학적 변환, 플라크의 영역의 방향성 등을 분석하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 혈관 형태를 분석함으로써 질환의 진행 및/또는 퇴행을 추적하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 커지거나 작아지는 외부 혈관 벽에 대한 플라크의 영향, 작아지거나 커지는 내부 혈관 내강에 대한 플라크의 영향 등을 분석 및/또는 추적하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등)의 차이를 고려하기 위해 본 명세서에 설명된 것과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
전역 허혈 지수
본 명세서에 설명된 시스템, 디바이스 및 방법의 몇몇 실시예는 특정 대상에 대한 허혈의 위험을 나타내는 전역 허혈 지수를 결정하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 적어도 부분적으로 하나 이상의 의료 영상 및/또는 허혈 기여자 뿐만 아니라 시간적 허혈 캐스케이드를 따라 허혈에 대한 결과 및/또는 연관 인자의 분석에 기초하여 대상에 대한 전역 허혈 지수를 생성하도록 구성된다. 몇몇 실시예에서, 생성된 전역 허혈 지수는 하나 이상의 치료의 결과를 결정 및/또는 예측하고 및/또는 대상에 대해 추천되는 의료 치료, 요법, 약물 및/또는 절차를 생성 또는 안내하기 위해 본 명세서에 설명된 시스템, 방법 및 디바이스에 의해 사용될 수 있다.
특히, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은, 예를 들어 하나 이상의 기계 학습, 인공 지능(AI), 및/또는 퇴행 기술을 사용하여, 하나 이상의 의료 영상 및/또는 다른 데이터를 자동으로 및/또는 동적으로 분석하고 플라크, 지방 등과 같은 하나 이상의 피처를 식별하도록 구성될 수 있다. 몇몇 실시예에서, 의료 영상 데이터로부터 식별된 하나 이상의 피처는 전역 허혈 지수를 자동으로 및/또는 동적으로 생성하기 위해 퇴행 알고리즘 또는 다변수 퇴행 수학식일 수 있는 2차 알고리즘과 같은 알고리즘에 입력될 수 있다. 몇몇 실시예에서, 전역 허혈 지수를 결정하기 위한 AI 알고리즘은 본 명세서에 설명된 바와 같은 허혈 캐스케이드의 상이한 시간적 단계와 같은 하나 이상의 변수를 입력으로서 이용하고, 동일한 것을 실측으로서 심근 혈류와 같은 출력과 비교하도록 구성될 수 있다. 몇몇 실시예에서, 심근 혈류와 같은 출력은 이진 척도로서 허혈의 존재 또는 부재 및/또는 없음, 경증, 중등도, 중증 등과 같은 허혈의 하나 이상의 완화를 나타낼 수 있다.
몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등)의 차이를 고려하기 위해 본 명세서에 설명된 것과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
몇몇 실시예에서, 예를 들어 하나 이상의 기계 학습 및/또는 퇴행 기술과 같은 하나 이상의 컴퓨터 구현 알고리즘을 이용함으로써, 본 명세서에 설명된 시스템, 디바이스 및 방법은 하나 이상의 의료 영상 및/또는 다른 데이터를 분석하고 전역 허혈 지수 및/또는 추천된 치료 또는 요법을, 예를 들어 약 1분, 약 2분, 약 3분, 약 4분, 약 5분, 약 10분, 약 20분, 약 30분, 약 40분, 약 50분, 약 1시간, 약 2시간, 약 3시간, 및/또는 전술한 값 중 2개에 의해 정의된 시간 기간 내에와 같은 임상 합리적 시간 내에 생성하도록 구성될 수 있다.
전역 허혈 지수를 생성함에 있어서, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은, (a) 관상 허혈의 발생 및 악화의 그 시간적 순서에 기초하여 "허혈" 경로를 따라 하나 이상의 변수를 일시적으로 통합하고 그의 입력을 상이하게 가중하고; 및/또는 (b) 허혈의 진단을 개선하기 위해 허혈의 기여자, 연관 인자 및 결과를 통합하도록 구성된다. 더욱이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 단지 관상 동맥 또는 단지 좌심실 심근만을 넘어선 분석을 초월하며, 대신에 관상 동맥; 니트로글리세린 또는 혈관확장제 투여 후 관상 동맥; 관상 동맥을 분획 심근 질량과 관련시키는 것; 비심장 심장 검사; 관상-비관상 심장의 관계; 및/또는 비심장 검사 중 하나 이상의 조합을 포함할 수 있다. 또한, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은, 예를 들어 전역 허혈 지수와 같은 본 명세서에 설명된 임의의 다른 피처와 조합하여, 심근 질량 또는 대치 심근 질량 대 혈관 또는 내강 체적의 분율을 결정하고, 혈관재형성, 스텐트 삽입술, 수술, 스타틴과 같은 약물 등과 같은 추천되는 의료 치료 또는 절차를 추가로 결정 및/또는 안내하도록 구성될 수 있다. 이와 같이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 허혈을 평가하고 및/또는 허혈에 기여하는 전체 정보를 고려하여 현재 존재하지 않는 방식으로 동일한 것에 대한 추천된 의료 치료를 제공하도록 구성된다.
몇몇 실시예에서, 시스템은, 예를 들어 심장외막 관상 동맥 중 하나 이상의 분석, 심근 밀도의 측정, 심근 질량, 심장외막 관상 동맥의 체적 등에 기초하여 미세 혈관 허혈과 거대 혈관 허혈을 구별하도록 구성될 수 있다. 몇몇 실시예에서, 미세 혈관 허혈과 거대 혈관 허혈을 구별함으로써, 시스템은 이러한 구별에 기초하여 상이한 예후 및/또는 치료 접근법을 생성하도록 구성될 수 있다.
몇몇 실시예에서, 예를 들어 CT, MRI, 및/또는 임의의 다른 양식을 사용하여 환자의 의료 영상(들)이 획득될 때, 관상 동맥에 관한 정보 뿐만 아니라 기준 프레임 내에 있는 혈관계 및/또는 나머지 심장 및/또는 흉부 영역과 관련된 정보를 포함할 수 있는 다른 정보도 획득된다. 특정 기술은 이러한 의료 스캔으로부터 관상 동맥에 관한 정보에 단순히 초점을 맞출 수도 있지만, 본 명세서에 설명된 몇몇 실시예는 이러한 영상으로부터 본질적으로 획득되는 정보를 더 많이 활용하여 허혈의 더 전체적인 표시를 획득하고 및/또는 동일한 정보를 사용하여 의료 요법을 생성 및/또는 안내하도록 구성된다.
특히, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 기여자 또는 결과에만 초점을 맞추기보다는 허혈에 대한 결과 및 연관 인자 뿐만 아니라 기여자 모두를 조사하도록 구성된다. 또한, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 허혈의 시간적 순서 또는 "허혈 경로"의 전체 및/또는 일부를 고려하도록 구성된다. 더욱이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 허혈에 기여하는 비심장 연관 인자 뿐만 아니라 비관상 심장 결과를 고려하도록 구성된다. 또한, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 관상 혈관 확장 전 및 후의 비교를 고려하도록 구성된다. 더욱이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 허혈에 대한 그 기여도를 적절하게 가중하는 일반적인 주제보다는 변수의 특정 목록을 고려하도록 구성된다. 또한, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 완전 심근 혈류, 심근 관류, 및/또는 유동 비율을 포함하는 허혈의 다중 "측정"에 대해 검증될 수 있다.
일반적으로, 허혈 진단은 현재 스트레스 시험(심근 허혈) 또는 관상 동맥의 유동 비율(관상 허혈)에 의해 평가되며, 후자는 분획 유량 예비, 순간 무파동 압력 비율, 충혈 저항, 관상 동맥 유동 등을 포함할 수 있다. 그러나, 관상 허혈은 심근에서 일어나는 일에 대한 간접적인 척도로만 고려될 수 있고, 심근 허혈은 관상 동맥에서 일어나는 일에 대한 간접적인 척도로만 고려될 수 있다.
또한, 특정 시험은 허혈의 기여자(예컨대, 협착증) 또는 허혈 후유증(예컨대, 심근 관류 또는 혈류 감소)과 같은 허혈의 개별 구성요소만 측정한다. 그러나, 협착층 이외에 허혈에 기여하는 수많은 다른 요인, 허혈의 가능성을 증가시키는 수많은 연관 인자, 및 허혈의 다른 많은 초기 및 후기 결과가 있다.
이러한 기존 기술의 한 가지 기술적인 단점은 허혈에 기여하거나 허혈과 연관된 인자만 본다면 항상 너무 이르다는, 즉, 허혈 전 단계에 있다는 것이다. 반대로, 허혈의 결과/후유증인 인지만 본다면 항상 너무 늦는, 즉, 허혈 후 단계에 있다는 것이다.
그리고 궁극적으로, 모든 것(관련 인자, 기여자, 초기 및 후기 결과를 포함)을 본다면, 관상 허혈의 연속체에서 개인이 어디에 존재하는지 이해하지 못할 것이다. 이는 개인이 받아야 하는 치료 유형, 예를 들어 의료 요법, 의료 요법의 보강, 스텐트 삽입에 의한 관상 혈관재형성, 및/또는 관상 동맥 우회 수술에 의한 관상 혈관재형성에 매우 중요한 영향을 미칠 수도 있다. 이와 같이, 본 명세서에 설명된 몇몇 실시예에서, 시스템, 방법 및 디바이스는 환자의 하나 이상의 의료 영상 또는 데이터의 분석에 적어도 부분적으로 기초하여 특정 환자에 대한 전역 허혈 지수를 생성하거나 결정하도록 구성되며, 여기서 생성된 전역 허혈 지수는 하기에서 더 상세히 설명되는 바와 같이 관상 허혈 또는 허혈 캐스케이드의 연속체를 따라 환자에 대한 허혈의 척도이다. 달리 말하면, 몇몇 실시예에서, 기존의 기술 또는 기법과 달리, 시스템에 의해 생성된 전역 허혈 지수는 관상 허혈 또는 허혈 캐스케이드의 연속체를 따라 특정 환자의 허혈의 단계 또는 위험 또는 발달을 나타낼 수 있다.
또한, 허혈에 기여/유발하는 것과 지속적이고 중첩되는 방식으로 발생하는 허혈의 결과/후유증 사이에는 관계가 있을 수 있다. 따라서, 허혈의 결과/후유증인 인자와 허혈에 기여/유발하는 다양한 인자를 조합함으로써 허혈 개인을 식별하는 것이 훨씬 더 정확할 수 있다.
이와 같이, 본 명세서에 설명된 몇몇 실시예에서, 시스템, 디바이스 및 방법은 전역 허혈 지수를 생성할 때 허혈의 초기 및 후기 결과 뿐만 아니라 하나 이상의 관련 인자, 기여자를 분석하도록 구성되며, 이는 보다 전체적인 허혈의 위험 표시를 제공할 수 있다. 또한, 본 명세서에 설명된 몇몇 실시예에서, 시스템, 디바이스 및 방법은 그러한 생성된 전역 허열 지수를 사용하여, 예를 들어 의료 요법, 의료 요법의 보강, 스텐트 시술에 의한 관상 동맥 혈관재형성, 및/또는 관상 동맥 우회 수술에 의한 관상 동맥 혈관재형성과 같이 개인이 받아야 하는 요법의 유형을 결정 및/또는 안내하도록 구성된다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템, 디바이스 및 방법은 하나 이상의 의료 영상 및/또는 다른 데이터에 기초하여 특정 대상에 대한 허혈의 위험을 나타내는 및/또는 표현하는 전역 허혈 지수를 생성하도록 구성된다. 더 구체적으로, 몇몇 실시예에서, 시스템은 심근 허혈의 측정으로서 전역 허혈 지수를 생성하도록 구성될 수 있다.
몇몇 실시예에서, 생성된 전역 허혈 지수는 기존 기술에 비교하여 심근 허혈의 훨씬 더 정확한 및/또는 직접적인 측정을 제공한다. 허혈은, 그 정의에 따라, 장기 또는 신체 일부에 대한 혈액 공급이 불충분한 것이다. 이 정의에 따르면, 허혈 진단은 관상 동맥(혈액 공급)과 심장(장기 또는 신체 일부)의 관계를 검사하여 가장 잘 수행될 수 있다. 그러나, 현재 세대의 시험은 관상 동맥(예를 들어, FFR, iFR) 또는 심장(예를 들어, 핵 SPECT, PET, CMR 또는 에코에 의한 스트레스 시험)을 측정하기 때문에 그렇지 않다. 현재 세대의 시험은 관상 동맥의 관계를 검사하지 못하기 때문에, 허혈의 진행(없음에서 일부로, 뿐만 아니라 경증에서 중등도로, 중등도에서-중증으로) 또는 "허혈성 경로"에서 발생하는 이벤트의 시간적 순서를 고려하지 않는데, 이에 대해서는 본 명세서에서 더 상세히 설명될 것이다. 허혈의 발현에 관하여 심장 및 다른 비관상 구조에 대한 관상 동맥의 관계 뿐만 아니라 허혈 캐스케이드에서 허혈의 단계와 연관된 시간적 발견을 정량화하면, 현재 세대의 시험으로는 불가능한 방식으로 진단의 정확도 - 뿐만 아니라 허혈 중증도의 이해 - 를 개선시킬 수 있다.
전술한 바와 같이, 허혈을 직접 측정하기 위한 시험은 현재 존재하지 않는다; 오히려, 기존 시험은, 예를 들어 저관류 또는 분획 유량 예비(FFR) 또는 벽 운동 이상과 같은 허혈과 연관된 특정 특이 인자 또는 대리 마커만 측정한다. 달리 말하면, 허혈 평가에 대한 현재 접근법은 전적으로 너무 단순하고 모든 변수를 고려하지 않는다.
허혈은 역사적으로 스트레스 시험에 의해 "측정"되었다. 존재하는 가능한 스트레스 시험은, (a) 영상 없는 운동 런닝머신 ECG 시험;(b) 단일 광자 방출 컴퓨터 단층 촬영(SPECT)에 의한 스트레스 시험; (c) 양전자 방출 단층 촬영(PET)에 의한 스트레스 시험; (d) 컴퓨터 단층 촬영 관류(CTP)에 의한 스트레스 시험; (e) 심장 자기 공명(CMR) 관류에 의한 스트레스 시험; 및 (f) 심장초음파에 의한 스트레스 시험을 포함한다. 또한, SPECT, PET, CTP 및 CMR은 좌심실 심근의 가장 정상으로 보이는 부분과 비정상적으로 보이는 부분을 비교한다는 점에서 상대 심근 관류를 측정할 수 있다. PET 및 CTP는 절대 심근 혈류를 측정하고 이들 정량적 측정을 사용하여 좌심실로의 정상적인 혈액 공급을 평가하는 추가 능력을 가질 수 있다. 이와 달리, 운동 런닝머신 ECG 시험은 심내막하 허혈(심장 근육의 내부 부분으로의 혈액 공급 감소)의 간접적인 측정으로서 ST-세그먼트 함몰을 측정하는 반면, 스트레스 심장초음파는 심장에서 스트레스로 유발된 좌심실의 국부 벽 운동 이상을 평가한다. 비정상적인 상대 관류, 절대 심근 혈류, ST 세그먼트 함몰 및 국부 벽 운동 이상은 "허혈 경로"의 상이한 지점에서 발생한다.
더욱이, 좌심실의 심근 측정과는 달리, 허혈을 결정하는 대안 방법은 압력 또는 유동 와이어로 관상 동맥을 직접 평가하는 것을 수반한다. 가장 일반적인 2가지 측정은 분획 유량 예비(fractional flow reserve)FFR 또는 iFR이다. 이들 기술은 주어진 관상 협착증에 대한 원위 압력을 협착증에 대한 근위 압력과 비교할 수 있다. 이해하기 쉽고 잠재적으로 직관적이지만, 이들 기술은 협착증을 유발하는 죽상동맥경화증의 유형인 "가벼운" 협착증의 확산을 포함하여 허혈에 기여할 수 있는 중요한 파라미터를 고려하지 않는다; 이들 기술은 전체 좌심실이나 주어진 동맥에 의해 대치된 % 좌심실을 고려하지 않는다.
몇몇 실시예에서, 전역 허혈 지수는 심근 허혈의 척도이고, 기여자, 연관 인자 및 허혈의 결과에 관한 정량적 정보를 활용한다. 또한, 몇몇 실시예에서, 시스템은 그에 따라 기여도를 가중함으로써 허혈 예측을 증가시키기 위해 이들 인자를 사용한다. 몇몇 실시예에서, 전역 허혈 지수는 심근 관류 및 관상 압력 모두의 직접적인 척도로서 작용하고 이들 발견을 통합하여 허혈 진단을 개선하는 것을 목표로 한다.
몇몇 실시예에서, 단일 인자 또는 허혈 경로의 단일 지점에만 초점을 맞추는 기존의 허혈 "측정" 기술과 달리, 본 명세서에 설명된 시스템, 디바이스 및 방법은 전역 허혈 지수를 생성할 때 허혈 경로의 상이한 지점에서 발생하는 하나 이상의 인자를 분석하고 및/또는 입력으로서 사용하도록 구성된다. 달리 말하면, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 허혈의 위험을 평가하기 위한 전역 허혈 지수를 생성하고 및/또는 특정 대상에 대해 추천된 치료 또는 요법을 생성하는 데 있어서 전체 시간적 허혈 캐스케이드를 고려하도록 구성된다.
도 20a는 예시적 허혈 경로의 하나 이상의 특징을 도시하고 있다. 허혈 경로는 확실하게 입증되지는 않았지만, 도 20a에 도시되어 있는 바와 같을 것으로 고려된다. 이렇게 말했지만, 이 허혈 경로는 실제로 이 정확한 순서로 발생하지 않을 수도 있다. 허혈 경로는 실제로 상이한 순서로 발생할 수도 있거나 많은 이벤트가 동시에 발생하고 중첩될 수도 있다. 그럼에도 불구하고, 허혈 경로에 따른 상이한 지점은 상이한 시점에서 발생할 수 있으며, 이에 의해 본 명세서에 설명된 몇몇 실시예가 고려하는 허혈의 발달에 시간적 양태를 추가한다.
도 20a에 예시되어 있는 바와 같이, 허혈 경로는 심장 근육으로의 혈액 공급을 감소시키는 심장 동맥이 막혔을 때 발생할 수 있는 다양한 상태를 설명할 수 있다. 달리 말하면, 허혈 경로는 관상 동맥 질환에 의해 유발되는 일련의 병태 생리학적 이벤트를 설명할 수 있다. 도 20a에 도시되어 있는 바와 같이, 허혈은 이분법적 개념이 아닌 다수의 상이한 단계에서 발생하거나 점진적으로 발전할 수 있다. 허혈 경로는 환자가 점점 더 허혈에 빠지면서 발생할 수도 있는 다양한 조건을 설명한다.
다양한 기존 시험이 허혈 경로를 따라 상이한 단계에서 허혈을 보여줄 수 있다. 예를 들어, 핵 스트레스 시험은, 허혈 경로의 초기 이벤트인 저관류를 핵 영상이 조사하는 반면, 스트레스 심장초음파는 수축기 기능 장애와 같은 나중 이벤트를 조사하기 때문에 에코 시험보다 더 빨리 허혈을 보여줄 수 있다. 또한, 운동 런닝머신 EKG 시험은 EKG 시험이 비정상적인 ECG 변화가 나타나는 것처럼 에코 스트레스 시험 후 언젠가 허혈을 나타낼 수 있다. 또한, PET 스캔은 유동의 불균형 분포를 측정할 수 있으므로, 핵 스트레스 시험 이전에 허혈의 징후를 나타낼 수 있다. 이와 같이, 허혈 캐스케이드를 따라 다양한 조건과 단계를 측정하기 위한 다양한 시험이 존재한다. 그러나, 허혈 경로의 과정 전체에 걸쳐 발생하는 이들 다양한 조건을 모두 고려하는 전체적인 기술은 존재하지 않는다. 이와 같이, 본 명세서의 몇몇 실시예에서, 시스템, 디바이스 및 방법은 시간적 허혈 경로를 따라 다수의 상이한 측정치를 분석하고 및/또는 전역 허혈 지수를 생성할 때 상이하게 가중하도록 구성되는데, 전역 허혈 지수는 허혈을 진단하고 및/또는 추천된 요법 및/또는 치료를 제공하는 데 사용될 수 있다. 몇몇 실시예에서, 시간적 허혈 경로를 따른 이러한 다중 측정은 전연 허혈 지수를 생성하는 데 있어서 상이하게 가중될 수 있다; 예를 들어, 더 조기에 오는 특정 측정은 몇몇 실시예에서 허혈 캐스케이드에서 나중에 발생하는 측정보다 덜 가중될 수 있다. 더 구체적으로, 몇몇 실시예에서, 허혈의 하나 이상의 척도는 다음의 일반적인 순서로 덜 심한 것에서 더 심한 것으로 가중될 수 있다: 유동 이상 분포, 저관류, 이완기 기능 장애, 수축기 기능 장애, ECG 변화, 협심증, 및/또는 국부 벽 운동 이상.
몇몇 실시예에서, 시스템은 허혈 경로의 시간적 순서를 취하고 이에 따라 전역 허혈 지수를 생성함에 있어서 다양한 조건 또는 이벤트를 통합하고 가중하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 시스템은, 예를 들어 관상 동맥 질환과 연관된 당뇨병과 연관된 지방간과 같은 실제 징후 허혈이 발생하기 훨씬 전에 특정 상태 또는 "연관 인자"를 식별하도록 구성될 수 있다. 달리 말하면, 몇몇 실시예에서, 시스템은 허혈과 연관되고, 원인이 되고, 기여하고 및/또는 결과적인 하나 이상의 인자를 통합하고, 동일한 것의 시간적 순서를 고려하며, 그에 따라 가중치를 부여하여 허혈의 위험을 나타내고 및/또는 예측하는 지수를 생성하고 및/또는 추천된 치료를 생성하도록 구성될 수 있다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에 의해 생성된 전연 허혈 지수는, 다수의 단점을 갖는, 허혈을 평가하기 위한 기존 기술에 비교하여 상당한 기술적 장점을 제공한다. 예를 들어, 관상 동맥 검사만으로는, 예를 들어 (1) 3D 유동(내강, 협착증 등); (2) 관상 동맥의 내피 기능/혈관 확장/혈관 수축 능력(예를 들어, 플라크 유형, 부담 등); (3) 관상 동맥(예를 들어, 심장을 둘러싼 심장외막 지방 조직)의 혈관 확장/혈관 수축 능력에 영향을 미칠 수도 있는 염증; 및/또는 (4) 위치(심근을 향하는 플라크는 심장외막 지방으로부터 더 멀리 떨어져 있고, 지방의 염증 기여에 의해 덜 영향을 받을 수도 있음)를 포함하여 허혈에 대한 풍부한 잠재적 기여자를 고려하지 않는다. 분지, 삼분지 또는 근위/구공 위치에 있는 플라크는 분지, 삼분지 또는 근위/구공 위치에 있지 않은 플라크보다 허혈의 가능성에 더 많은 영향을 미칠 수도 있다.
한 가지 중요한 고려 사항은 CT로 허혈을 결정하는 현재 방법이 정의에 따라 유체 구조 상호 작용(FSI)을 포함하지 않는 전산 유체 역학에 주로 의존한다는 것이다. 그러나, FSI를 사용하기 위해서는 관상 동맥 혈관의 물질 밀도와 플라크 성분에 대한 이해가 필요하며, 이는 잘 알려져 있지 않다.
따라서, 본 명세서에 설명된 몇몇 실시예에서, 하나의 중요한 구성요소는, 관상 동맥(내강 벽, 혈관 벽, 플라크)의 측면 경계 조건이 상이한 물질 밀도를 나타내는 하운즈필드 단위 임계값을 설정하거나 공지의 물질 밀도(즉, 이전 특허의 정규화 디바이스)와의 비교를 기초로 픽셀에 대한 절대 물질 밀도를 설정함으로써 상대적인 방식으로 알려질 수 있다는 것이다. 그렇게 하고 기계 학습 알고리즘에 결합함으로써, 본 명세서의 몇몇 실시예는 정확한 물질 밀도를 이해하지 않고도 유체-구조 상호작용의 이해를 개선시킬 수도 있으며, 이는 허혈(혈관 내 혈류) 뿐만 아니라 시간 경과에 따른 "피로"에 대한 플라크의 능력을 알려줄 수도 있다.
또한, 몇몇 실시예에서, 시스템은 관상 심장 데이터에 더하여 비관상 심장 검사 및 데이터를 고려하도록 구성된다. 관상 동맥은 좌심실 뿐만 아니라 좌심방, 우심실, 우심방을 포함하여 심장의 다른 챔버에도 혈액을 공급한다. 현세대의 스트레스 시험에 의해 이들 챔버에서 관류가 잘 측정되지 않는 반면, 몇몇 실시예에서 허혈의 말단 기관 효과는 혈액량 또는 압력(즉, 크기 또는 체적)의 증가를 결정함으로써 이들 챔버에서 측정될 수 있다. 또한, 이들 챔버에서 혈액량 또는 압력이 증가하면, 인접한 챔버 또는 혈관으로의 체적 과부하로 인해 혈류를 "백업" 하는 효과가 있을 수 있다. 따라서, 연쇄 반응으로서, 좌심실 체적의 증가는 다음의 순서로 체적을 증가시킬 수도 있다: (1) 좌심방; (2) 폐정맥; (3) 폐동맥; (4) 우심실; (5) 우심방; (6) 상대정맥 또는 하대정맥. 몇몇 실시예에서, 비관상 심장 검사를 고려함으로써, 시스템은 허혈 경로에서 "상류" 또는 "하류"에 있는 심실에 대한 허혈의 역할을 구별하도록 구성될 수 있다.
더욱이, 몇몇 실시예에서, 시스템은 관상 동맥과 비관상 심장 검사의 관계를 고려하도록 구성될 수 있다. 허혈 결정의 기존 방법은 관상 동맥(예를 들어, FFR, iFR) 또는 심장 좌심실 심근으로 검사를 제한한다. 그러나, 본 명세서의 몇몇 실시예에서, 관상 동맥과 심실의 관계는 허혈의 진단을 개선시키기 위해 상승적으로 작용할 수도 있다.
또한, 몇몇 실시예에서, 시스템은 비심장 검사를 고려하도록 구성될 수 있다. 현재, 허혈의 가능성에 대한 임상적 요인(예를 들어, 고혈압, 당뇨병)의 영향을 고려하는 관상/심근 허혈 결정 방법은 없다. 그러나, 이들 임상 기여자는 개인이 허혈을 나타낼 가능성을 증가시킬 수도 있는 여러 영상 기반 말단 기관 효과를 나타낼 수도 있다. 여기에는 대동맥 차원(동맥류는 고혈압의 일반적인 말단 기관 효과임) 및/또는 비알코올성 지방간염(지방간은 당뇨병 또는 당뇨병 전단계의 일반적인 말단 기관 효과임)과 같은 영상 기반 징후가 포함될 수 있다. 이와 같이, 몇몇 실시예에서, 시스템은 스캔 특유의 개별화된 방식으로 허혈 진단의 가능성을 증가시키기 위해 이들 특징을 고려하도록 구성될 수 있다.
더욱이, 현재, 심근 허혈 결정 방법은 단일 방법으로는 확인할 수 없지만 다른 방법으로 검사를 통해 결정될 수도 있는 다른 영상 발견을 통합하지 않는다. 예를 들어, 허혈 경로는 대사 변화(실험실 시험), 관류 이상(스트레스 관류), 이완기 기능 장애(심장초음파), 수축기 기능 장애(심장초음파 또는 스트레스 시험), ECG 변화(ECG) 및 이어서 협심증(흉통, 인간 환자 보고)로부터 순차적인 순서로 발생하는 것으로 흔히 고려된다. 몇몇 실시예에서, 시스템은 이들 인자를 CT 스캔의 영상 기반 발견과 통합하도록 구성될 수 있고 허혈 캐스케이드의 단계에 따라 이들 변수를 가중함으로써 허혈 결정의 개선을 가능하게 할 수 있다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템, 방법 및 디바이스는 허혈을 진단하기 위해 전역 허혈 지수를 생성하도록 구성된다. 몇몇 실시예에서, 전연 허혈 지수는, 예를 들어 하기 중 하나 이상을 포함하는 허혈에 기여하는 발견의 총체를 고려한다: 관상 동맥 + 니트로글리세린/혈관확장제 투여 + 관상 동맥을 분획 심근 질량에 관련 + 비관상 심장 검사 + 관상 동맥 대 비관상 동맥 심장 + 비심장 검사의 관계 및/또는 그 서브세트. 몇몇 실시예에서, 전역 허혈 지수는 영상 기반 발견이 허혈의 병리생리학에서 어디에 있는지에 기초하여 허혈의 기여에 대한 변수의 가중 증가를 제공한다. 몇몇 실시예에서, 전역 허혈 지수를 생성함에 있어서, 시스템은 대상이 허혈인지의 여부를 최적으로 진단하기 위해 허혈에 관련, 기여, 우발적 및/또는 결과인 하나 이상의 인자를 퇴행 모델에 입력하도록 구성된다.
도 20b는 본 명세서에 설명된 예시적인 실시예(들)에 의해 이용되는 허혈의 결과의 하나 이상의 시간적 시퀀스 및 하나 이상의 기여자를 도시하고 있는 블록도이다. 도 20b에 예시된 바와 같이, 몇몇 실시예에서, 시스템은 기여자, 연관 인자, 인과 인자, 및/또는 허혈의 결과 인자를 포함하는 다수의 인자를 분석하고 및/또는 전역 허혈 지수를 생성하기 위한 입력으로서 동일하게 사용하도록 구성될 수 있다. 이러한 요인 중 일부는 도 20b에 도시된 조건을 포함할 수 있다. 예를 들어, 지방간 및/또는 폐의 폐기종의 징후는 전역 허혈 지수를 생성하기 위한 입력으로서 시스템에 의해 사용되는 연관 인자일 수 있다. 시스템에 의해 입력(들)으로 사용되는 기여자의 몇몇 예는 산화질소 및/또는 니트로글리세린, 저밀도 비석회화 플라크, 작은 동맥 등으로 혈관 확장 불능을 포함할 수 있다. 시스템에 의해 입력(들)으로 사용되는 허혈의 초기 결과의 몇몇 예는 심장 근육의 관류 감소, 심장 체적의 크기 증가를 포함할 수 있다. 시스템에 의해 입력(들)으로 사용되는 허혈의 후기 결과의 예는 좌심실 이외에 심장의 다른 챔버로 역류하기 시작하는 혈액을 포함할 수 있다.
몇몇 실시예에서, 전역 허혈 지수는 허혈에 대한 직접적인 기여자, 허혈의 초기 결과, 허혈의 후기 결과, 허혈과 연관된 인자 및 허혈과 연관된 다른 시험 발견을 고려한다. 몇몇 실시예에서, 하나 이상의 이들 인자는 기계 학습 알고리즘과 같은 하나 이상의 알고리즘을 사용하여 자동으로, 반자동으로, 및/또는 동적으로 식별 및/또는 도출될 수 있다. 이러한 특징을 식별하기 위한 몇 가지 예시적인 알고리즘이 아래에서 더 상세히 설명된다. 이들 훈련된 알고리즘이 없으면, 합리적인 시간 내에 전역 허혈 지수를 생성하는 데 있어 이들 모든 인자를 고려하는 것이 불가능하지는 않더라도 어려울 수 있다.
몇몇 실시예에서, 상이하고 적절하게 가중된 이들 인자는 허혈의 진단을 개선시킬 수 있다. 도 20c는 상이한 인자를 상이하게 가중함으로써 허혈을 결정하기 위한 예시적인 실시예(들)의 하나 이상의 특징을 도시하고 있는 블록도이다. 몇몇 실시예에서, 전역 허혈 지수를 생성함에 있어서, 시스템은 허혈 캐스케이드의 시간적 양태를 고려하고 시간적 양태에 따라 하나 이상의 인자에 가중치를 부여하도록 구성되며, 예를 들어 허혈의 초기 징후는 허혈의 나중 징후와 비교하여 덜 가중될 수 있다. 몇몇 실시예에서, 시스템은, 예를 들어 퇴행 모델을 사용하여 각각의 인자에 대한 상이한 가중치를 자동으로 및/또는 동적으로 결정할 수 있다. 몇몇 실시예에서, 시스템은 어떤 인자가 다른 인자에 비교하여 다소 가중되어야 하는 지를 결정하기 위해 데이터의 이전 분석에 기초하여 하나 이상의 적절한 가중 인자를 도출하도록 구성될 수 있다. 몇몇 실시예에서, 사용자는 상이한 인자를 가중하기 위한 입력을 안내 및/또는 달리 제공할 수 있다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 전역 허혈 지수는 기계 학습 알고리즘 및/또는 심근 혈류, 심근 관류 또는 유동 비율에 의해 측정된 바와 같이, 이 다차원 정보를 "금본위제"와 비교할 때 "허혈" 또는 "허혈 없음"의 출력으로 압축하는 퇴행 알고리즘에 의해 생성될 수 있다. 몇몇 실시예에서, 시스템은 없음, 경증, 중등도, 중증 등과 같은 허혈의 중등도의 표시를 출력하도록 구성될 수 있다. 몇몇 실시예에서, 허혈의 출력 표시는 연속적 규모일 수 있다.
도 20d는 전역 허혈 지수를 계산하기 위한 예시적인 실시예(들)의 하나 이상의 특징을 도시하고 있는 블록도이다. 도 20d에 예시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 절대 심근 혈류에 대해 출력된 전역 허혈 지수를 검증하도록 구성될 수 있으며, 이는 예를 들어 상이한 영역 내에 상이한 혈액 유동이 있는지를 보기 위해 심장의 상이한 영역을 측정하도록 PET 및/또는 CT 스캔에 의해 측정될 수 있다. 절대 심근 혈류는 시간당 체적의 절대값을 제공할 수 있으므로, 몇몇 실시예에서, 시스템은 한 영역의 절대 심근 혈류를 다른 영역과 비교하도록 구성될 수 있으며, 이는, 예를 들어 핵 스트레스 시험을 사용하는 것과 같이 상대 측정을 사용하여 가능하지 않을 것이다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템, 디바이스 및 방법은 전역 허혈 지수를 생성하기 위해 상이한 인자를 분석 및/또는 가중하기 위해 기계 학습 알고리즘 및/또는 퇴행 알고리즘을 이용하도록 구성될 수 있다. 그렇게 함으로써, 몇몇 실시예에서, 시스템은 하나 이상의 통계적 및/또는 기계 학습 고려사항을 고려하도록 구성될 수 있다. 더 구체적으로, 몇몇 실시예에서, 시스템은 특정 변수의 기여도를 의도적으로 복제하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 비석회화 플라크(NCP), 저밀도 비석회화 플라크(LD-NCP), 및/또는 고위험 플라크(HRP)는 모두 허혈에 기여할 수도 있다. 전통적인 통계에서, 공선성은 이들 세 가지 변수 중 하나만 선택하는 이유가 될 수도 있지만, 몇몇 실시예에서 기계 학습을 이용함으로써, 시스템은 특정 피처를 공유하더라도, 여러 변수의 기여도에 대한 데이터 기반 탐색을 허용할 수도 있다. 또한, 몇몇 실시예에서, 시스템은 전역 허혈 지수를 생성하기 위한 알고리즘을 훈련 및/또는 적용할 때 특정 시간적 고려 사항을 고려할 수도 있다. 예를 들어, 몇몇 실시예에서, 시스템은 결과/후유증이 이미 발생했기 때문에, 원인/기여자보다는 결과/후유증에 더 큰 가중치를 부여하도록 구성될 수 있다.
또한, 어떤 상황에서는, 관상 동맥의 크기/체적을 최대화할 수 있기 때문에 관상 CT 스캔 전에 관상 혈관 확장이 유도된다. 니트로글리세린은, 예를 들어 내피-의존성 혈관확장제인 산화질소와 비교할 때 내피-비의존성 혈관확장제이다. 니트로글리세린 유도 혈관 확장이 관상 동맥에서 발생하고 "타이밍" 요오드 조영제가 종종 실제 관상 동맥 CT 조영술 전에 투여되기 때문에, 니트로글리세린 투여 전후의 관상 동맥 체적을 비교하면 정확한 허혈 진단을 크게 개선시킬 수도 있는 관상 혈관 확장 능력의 직접 평가를 가능하게 할 수 있다. 대안적으로, 산화질소 또는 이산화탄소와 같은 내피 의존성 혈관 확장제는 관상 동맥이 혈관 확장하는 능력에 대한 이해를 최대화하기 위해 내피 독립적 혈관 확장(니트로글리세린에 의한)과 대체되거나 결합될 수도 있는 방식으로 관상 동맥 크기의 증가를 허용할 수도 있다.
몇몇 실시예에서, 시스템은, 예를 들어 니트로글리세린 및/또는 산화질소의 투여 전 및/또는 후에 하나 이상의 동맥의 직경을 측정함으로써 혈관 확장 효과를 측정하고, 이러한 혈관 확장 효과를 직접적인 측정 또는 허혈의 표시로서 사용하도록 구성될 수 있다. 전술된 것에 대안으로 및/또는 추가하여, 몇몇 실시예에서, 시스템은 이러한 혈관 확장 효과를 측정하고 전역 허혈 지수를 결정 또는 생성하고 및/또는 대상에 대해 추천된 의료 요법 또는 치료를 개발하는 데 입력으로 동일한 것을 사용하도록 구성될 수 있다.
또한, 몇몇 실시예에서, 시스템은 혈액을 제공하는 심장 근육에 관상 동맥을 관련시키도록 구성될 수 있다. 달리 말하면, 몇몇 실시예에서, 시스템은 전역 허혈 지수를 생성할 때 분획 심근 질량을 고려하도록 구성될 수 있다. 허혈 진단을 위해, 스트레스 시험은, 현재, 좌심실로 제한될 수 있다. 예를 들어, 스트레스 심장초음파(초음파)에서는, 스트레스 유도된 좌심실 국부 벽 운동 이상의 영향을 검사하고, SPECT, PET, 심장 MRI에서는, 스트레스 유도된 좌심실 심근 관류의 영향을 검사한다. 그러나, 현재 존재하는 기술은 크기(체적), 기하학 형상, 경로 및 다른 혈관과의 관계를 해당 동맥에 의해 대치되는 % 분획 심근 질량과 관련시키지 않는다. 또한, 관상 동맥 분포가 최적이라고 가정하지만, 많은 사람에게는 그렇지 않을 수도 있다. 따라서, 관상 동맥을 통한 최적의 혈류를 계산하는 최적화 플랫폼을 이해하면 치료 결정을 안내하는 데 유용할 수도 있다.
이와 같이, 몇몇 실시예에서, 시스템은 관상 동맥이 대향하는 좌심실 심근에 대한 관상 동맥의 관계 또는 분획 심근 질량을 결정하도록 구성된다. 특히, 몇몇 실시예에서, 시스템은 동맥 혈관의 체적에 대한 대향 심근의 질량을 결정 및/또는 고려하도록 구성된다. 역사적으로, 심근 허혈에 대한 심근 관류 평가는 핵 SPECT, PET, 심장 MRI 또는 심장 CT 관류와 같은 스트레스 시험을 사용하여 수행되었다. 이들 방법은 관류 결함을 위치별로 분류하는 17-세그먼트 심근 모델에 의존하였다. 여기에는 다음을 포함하는 몇 가지 제한 사항이 있을 수 있다: (1) 17개 세그먼트 모두가 동일한 크기를 갖는다고 가정함; (2) 17개 세그먼트 모두가 동일한 예후적 중요성을 갖는다고 가정함; (3) 심근 세그먼트에 혈액 공급을 제공하는 관상 동맥에 심근 세그먼트를 관련시키지 않는다.
이와 같이, 이러한 결점을 해결하기 위해, 몇몇 실시예에서, 시스템은 분획 심근 질량(FMM)을 분석하도록 구성될 수 있다. 일반적으로 말해서, FMM은 관상 동맥을 대응하는 심근의 양과 관련시키는 것을 목표로 한다. 이들은 예후 및 치료에 중요한 영향을 미칠 수 있다. 예를 들어, 환자의 동맥에 70% 협착증이 있을 수도 있으며, 이는 관상 동맥 혈관재형성(스텐트 삽입)이 고려되는 이력 컷 지점이었다. 그러나, 심근의 1%에 대응하는 동맥에 70% 협착증이 있는 환자와 심근의 15%에 대응하는 동맥에 70% 협착증이 있는 환자에게 매우 중요한 예후 및 치료적 의미가 있을 수도 있다.
이 FMM은 역사적으로 CT 스캔의 심근과 CT 스캔의 관상 동맥 사이의 "스템-크라운" 관계를 사용하여 계산되었으며 다음 관계를 갖는 것으로 보고되었다: M = kL3/4, 여기서 M = 질량, k = 상수, L = 길이이다.
그러나, 이 관계는 꽤 자주 기록되지만 광범위하게 검증되지는 않았다. 요법을 효과적으로 안내할 수 있는 임의의 컷 지점도 없었다. 요법 지침은 다음을 포함하여 많은 측면에서 나타날 수 있다: (1) 혈관재형성을 수행하기 위한 결정: 고 FMM, 무혈관 생존 개선을 위한 혈관재형성 수행; 저 FMM, 혈관재형성 없이 단독 의료 요법; (2) 상이한 치료 요법: 고 FMM, 무혈관 생존 개선을 위한 몇 가지 약물 제공; 저 FMM, 약간의 약물 제공; (3) 예후: 고 FMM, 나쁜 예후; 저 FMM, 좋은 예후.
또한, 3D 영상 시대에는, M=kL 관계를 M=kV 관계로 확장해야 하며, 여기서 V = 혈관의 체적 또는 내강의 체적이다. 이와 같이, 몇몇 실시예에서, 시스템은 (1) 3차원, 즉, M=kVn으로 알로메트릭 스케일링 법칙을 설명하고; (2) FMM을 컷 지점으로 사용하여 관상 혈관재형성을 안내하며; 및/또는 (3) (a) 약물 사용 대 사용 안함, (b) FMM 컷 지점에 기초하여 다양한 유형의 약물(콜레스테롤 저하제, 혈관 확장제, 심장 박동수 감소 약물 등); (c) FMM 컷 지점에 기초한 약물의 수; 및/또는 (d) FMM 컷 지점에 기초한 예후를 포함하여 임상 결정을 위해 FMM 컷 지점을 사용하도록 구성된다. 몇몇 실시예에서, 3D FMM 계산에 의한 FMM 컷 지점의 사용은 무혈관 생존을 개선하는 방식으로 의사 결정을 개선할 수 있다.
전술된 바와 같이, 몇몇 실시예에서, 시스템은 전역 허혈 지수를 생성하기 위한 입력으로서 허혈의 하나 이상의 기여자 또는 원인을 이용하도록 구성될 수 있다. 시스템에 의해 입력으로서 이용되고 및/또는 분석될 수 있는 허혈의 기여자 또는 원인의 예는 혈관 구경을 포함할 수 있다. 특히, 몇몇 실시예에서, 시스템은 협착증의 백분율 직경을 입력으로서 분석 및/또는 이용하도록 구성될 수 있으며, 협착증이 클수록 허혈 가능성이 더 커진다. 또한, 몇몇 실시예에서, 시스템은 입력 내강 체적에서와 같이 분석 및/또는 이용하도록 구성될 수 있으며, 여기서 내강 체적이 작을수록 허혈 가능성이 더 높다. 몇몇 실시예에서, 시스템은 % 분획 심근 질량, 신체 표면적(BSA), 체질량 지수(BMI), 좌심실(LV) 질량, 전체 심장 크기에 인덱싱된 입력 내강 체적을 분석 및/또는 이용하도록 구성될 수 있고, 내강 체적이 작을수록, 허혈 가능성이 높다. 몇몇 실시예에서, 시스템은 입력 혈관 체적을 분석 및/또는 이용하도록 구성될 수 있으며, 여기서 혈관 체적이 작을수록 허혈 가능성이 더 높다. 몇몇 실시예에서, 시스템은 입력 최소 내강 직경(input minimal luminal diameter)(MLD), 최소 내강 면적(minimal luminal area)(MLA), 및/또는 MLD/MLA와 같은 MLD와 MLA 사이의 비율을 분석 및/또는 입력으로 이용하도록 구성될 수 있다.
시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 기여자 또는 원인은 혈관 확장/혈관 축소하는 동맥의 능력에 현저한 영향을 미칠 수도 있는 플라크를 포함할 수 있다. 특히, 몇몇 실시예에서, 시스템은 더 큰 내피 기능 장애 및 충혈로의 혈관 확장 불능을 유발할 수도 있는 비석회화 플라크(NCP)를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 괴사성 코어, 섬유질 및/또는 섬유지방에 대한 이진, 삼진 등과 같은, NCP를 분석하기 위해 하나 이상의 임의의 컷오프를 이용할 수도 있다. 몇몇 실시예에서, 시스템은 NCP에 대한 연속적인 밀도 측정을 이용할 수도 있다. 또한, 몇몇 실시예에서, 시스템은 이중 에너지, 단색 및/또는 물질 기반 분해에 대해 NCP를 분석할 수도 있다. 몇몇 실시예에서, 시스템은 플라크 기하학 형상 및/또는 플라크 이질성 및/또는 다른 방사성 특징을 분석 및/또는 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 내강 지향 플라크 및/또는 심장외막 지방 지향 플라크를 분석 및/또는 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 전역 허혈 지수를 생성하기 위한 알고리즘에 직접 제공될 수 있는 영상 기반 정보를 도출 및/또는 식별하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 예를 들어 NCP와 관련하여 전술된 하나 이상의 특정 기술을 사용하여 더 큰 내피 기능 장애 및 충혈로의 혈관 확장 불능을 유발할 수도 있는 저밀도 NCP를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 더 많은 층류, 더 적은 내피 기능 장애 및 더 적은 허혈을 야기할 수도 있는 석회화 플라크(CP)를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 1K 플라크(플라크 >1000 하운즈필드 단위) 및/또는 CP에 대한 연속 밀도 측정치와 같은 하나 이상의 임의의 컷오프를 이용할 수도 있다.
몇몇 실시예에서, 시스템은 플라크의 위치를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 특히, 시스템은 심근 지향 플라크가 심근에 대한 그 근접도로 인해 감소된 허혈과 연관될 수도 있다는 것을 결정할 수도 있다(예를 들어, 심근 가교는 죽상동맥경화증을 거의 갖지 않음). 몇몇 실시예에서, 시스템은 심막 지향 플라크가 관상주위 지방 조직에 대한 그 근접도로 인해 증가된 허혈과 연관될 수도 있다는 것을 결정할 수도 있다. 몇몇 실시예에서, 시스템은 분지 및/또는 삼분지 병변이 층류의 붕괴로 인해 증가된 허혈과 연관될 수도 있다는 것을 결정할 수도 있다.
몇몇 실시예에서, 3차원 플라크의 시각화는 플라크가 서로에 대해 그리고 및/또는 심근에서 심막에 대해 관계에 있는 것을 인간 관찰자에 대한 이해를 개선시키기 위해 시스템에 의해 생성 및/또는 사용자에게 제공될 수 있다. 예를 들어, 특정 정맥에서, 시스템은 단일 2D 영상에서 모든 플라크의 시각화를 허용하도록 구성될 수도 있다. 이와 같이, 몇몇 실시예에서, 시스템은 플라크가 2D 시야에 있는지 여부, 또는 2D 시야로부터 더 멀리 이격하여 있는지 여부에 따라 플라크에 대한 컬러-코딩 및/또는 음영화 라벨 및/또는 다른 라벨로, 모든 플라크가 단일 뷰에서 시각화되도록 허용할 수 있다. 이는 조영제로 채워진 내강을 강조하지만, 시야로부터 상이한 거리 또는 상이한 밀도의 플라크에 강도 투사(최대, 최소, 평균, 서수)을 적용하는 최대 강도 투사 뷰와 유사할 수 있다.
몇몇 실시예에서, 시스템은 최대 강도 투사(MIP) 기술을 사용하여 플라크를 시각화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 MIP 기술 및/또는 볼륨 렌더링 기술(VRT)과 같은 다른 기술을 사용하여 플라크를 2D, 3D 및/또는 4D로 시각화하도록 구성될 수 있다. 더 구체적으로, 4D의 경우, 몇몇 실시예에서, 시스템은 시간의 견지에서 플라크의 진행을 시각화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 영상 및/또는 비디오 및/또는 다른 디지털 지원에서 내강 및/또는 플라크의 추가를 2D, 3D 및/또는 4D로 시각화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 시간 또는 4D의 변화를 나타내도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 상이한 시점에서 취해진 다수의 스캔을 취하고 그리고/또는 정보의 모두 또는 일부를 치료법과 통합하도록 구성될 수 있다. 몇몇 실시예에서, 동일한 것에 기초하여, 시스템은 요법의 변화를 결정하고 그리고/또는 예후 정보를 결정하여, 예를 들어 요법 성공을 평가하도록 구성될 수 있다.
시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 기여자 또는 원인은 지방을 포함할 수 있다. 몇몇 실시예에서, 시스템은 내피 기능 장애를 야기하는 염증 특성으로 인해 허혈을 야기할 수도 있는 관상주위 지방 조직을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 전체 심장 염증의 원인일 수도 있는 심장외막 지방 조직을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 이질성, 밀도, 혈관으로부터 이격하는 밀도 변화, 체적 등과 같은, 알고리즘에 직접 제공되는 심장외막 지방 및/또는 방사성학 또는 영상 기반 정보를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다.
전술된 바와 같이, 몇몇 실시예에서, 시스템은 전역 허혈 지수를 생성하기 위한 입력으로서 허혈의 하나 이상의 결과 또는 후유증을 이용하도록 구성될 수 있다. 시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 결과 또는 후유증은 좌심실에 관련될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 좌심실의 관류 및/또는 하운즈필드 단위 밀도를 분석하도록 구성될 수 있는데, 이는 전역적이고 그리고/또는 분획 심근 질량의 백분율에 관련될 수 있다. 몇몇 실시예에서, 시스템은 좌심실의 질량을 분석하도록 구성될 수 있고, 여기서 질량이 클수록, 내강 체적과 LV 질량 사이의 잠재적인 불일치가 더 커지고, 이는 전역적일 뿐만 아니라 분획 심근 질량의 백분율과 관련될 수 있다. 몇몇 실시예에서, 시스템은 좌심실 체적을 분석하도록 구성될 수 있는 시스템일 수 있고, 여기서 좌심실 체적의 증가는 허혈의 직접적인 징후일 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 스티커 또는 정규화 디바이스를 사용하여 절대적 및/또는 상대적일 수 있는 심근의 밀도 측정치를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 밀도의 영역 및/또는 전역 변화를 분석 및/또는 입력으로서 사용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 밀도의 내부, 중간 벽 및/또는 심장외막 변화를 분석 및/또는 입력으로서 사용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 두께, 지방의 존재 및/또는 그 국소화, 칼슘의 존재, 이질성, 방사성 특징 등을 분석 및/또는 입력으로서 사용하도록 구성될 수 있다.
시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 결과 또는 후유증은 우심실에 관련될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 우심실의 관류 및/또는 하운즈필드 단위 밀도를 분석하도록 구성될 수 있는데, 이는 전역적이고 그리고/또는 분획 심근 질량의 백분율에 관련될 수 있다. 몇몇 실시예에서, 시스템은 우심실의 질량을 분석하도록 구성될 수 있고, 여기서 질량이 클수록, 내강 체적과 LV 질량 사이의 잠재적인 불일치가 더 커지고, 이는 전역적일 뿐만 아니라 분획 심근 질량의 백분율과 관련될 수 있다. 몇몇 실시예에서, 시스템은 우심실 체적을 분석하도록 구성될 수 있는 시스템일 수 있고, 여기서 우심실 체적의 증가는 허혈의 직접적인 징후일 수 있다.
시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 결과 또는 후유증은 좌심방에 관련될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 좌심방의 체적을 분석하도록 구성될 수 있고, 여기서 증가된 좌심방 체적은 허혈이 되고 심부전으로 진행하는 환자에서 발생할 수 있다.
시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 결과 또는 후유증은 우심방에 관련될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 우심방의 체적을 분석하도록 구성될 수 있고, 여기서 증가된 우심방 체적은 허혈이 되고 심부전으로 진행하는 환자에서 발생할 수 있다.
시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 결과 또는 후유증은 하나 이상의 대동맥 치수에 관련될 수 있다. 예를 들어, 고혈압의 장기간 기여자로서 증가된 대동맥 크기는 관상 동맥에 대한 고혈압의 종말 기관 효과(더 많은 질환을 유발함) 및 LV 질량(더 많은 LV 질량-관상 내강 체적 불일치를 초래함)과 연관될 수도 있다.
시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 결과 또는 후유증은 폐정맥에 관련될 수 있다. 예를 들어, 체적 과부하가 있는 환자의 경우, 폐정맥의 충혈은 허혈의 중요한 징후일 수도 있다.
전술된 바와 같이, 몇몇 실시예에서, 시스템은 전역 허혈 지수를 생성하기 위한 입력으로서 허혈의 하나 이상의 연관 인자를 이용하도록 구성될 수 있다. 시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 예시적인 연관 인자는 하운즈필드 단위 밀도를 측정하기 위해 간에 관심 영역(ROI)을 배치함으로써 진단될 수 있는 상태인 지방간 또는 비알코올성 지방간염의 존재와 관련될 수 있다. 시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 연관 인자는 하운즈필드 단위 밀도를 측정하기 위해 폐에 관심 영역을 배치함으로써 진단될 수 있는 상태인 폐기종과 관련될 수 있다. 시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 연관 인자는 척추 내에 관심 영역을 배치함으로써 진단할 수 있는 상태인 골다공증과 관련될 수 있다. 시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 연관 인자는 승모판 고리에서 칼슘(예를 들어, HU>350 등)을 식별함으로써 진단될 수 있는 상태인 승모판 고리 석회화와 관련될 수 있다. 시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 연관 인자는 대동맥 판막에서 칼슘을 식별함으로써 진단될 수 있는 상태인 대동맥 판막 석회화와 관련될 수 있다. 시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 연관 인자는 종종 고혈압에서 보이는 대동맥 확대와 관련될 수 있고, 장기간의 고혈압으로 인해 근위 대동맥의 확대를 드러낼 수 있다. 시스템에 의해 입력으로서 이용 및/또는 분석될 수 있는 허혈의 다른 예시적인 연관 인자는 승모 판막에서 칼슘을 식별함으로써 진단될 수 있는 승모 판막 석회화와 관련될 수 있다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템은 예를 들어 회귀 모델 또는 다른 알고리즘에 유사한 것을 입력함으로써 전역 허혈 지수를 생성하기 위한 하나 이상의 입력 또는 변수를 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 방사성 특징 및/또는 영상 기반 딥 러닝을 입력으로서 사용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 환자 신장, 체중, 성별, 민족, 신체 표면, 이전 약물, 유전학 등 중 하나 이상을 입력으로서 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 칼슘, 별개의 칼슘 밀도, 내강에 대한 국소화 칼슘, 칼슘의 체적 등을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 대조 혈관 감쇠를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 세그먼트의 시작부에서 내강의 평균 대조 및/또는 그 세그먼트의 종료부에서 내강의 평균 대조를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 몇몇 경우에 종료부가 너무 작을 수 있기 때문에, 그 혈관의 원위 세그먼트의 시작부에 대한 혈관의 시작부에서 내강의 평균 대조를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 플라크 이질성을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 석회화 플라크 체적 대 및/또는 비석회화 플라크 체적을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크의 3개의 상이한 구성요소 중 하나 이상의 표준 편차를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 혈관 확장 메트릭을 입력으로서 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 플라크의 최고 리모델링 지수를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 그 석회화 및/또는 비석회화 구성요소에 대해 플라크의 최고, 평균 및/또는 최소 두께를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 최고 리모델링 지수 및/또는 내강 면적을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크의 병변 길이 및/또는 세그먼트 길이를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 예를 들어 그 부재의 존재와 같은 분지 병변을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 입력 관상 우세, 예를 들어 좌측 우세, 우측 우세 및/또는 공동 우세를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 좌측이 우세한 경우, 시스템은 하나 이상의 우관상 메트릭을 무시 및/또는 덜 가중하도록 구성될 수 있다. 유사하게, 우측이 우세한 경우, 시스템은 하나 이상의 좌관상 메트릭을 무시 및/또는 덜 가중하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 혈관화 메트릭을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 하나 이상, 일부 또는 모든 혈관의 내강의 체적을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 비-우관상 동맥(비-RCA), 좌전 하행 동맥(LAD) 혈관, 회선(CX) 혈관 등과 같은 하나 이상의 이차 혈관의 내강의 체적을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 혈관의 체적 및/또는 플라크의 체적 및/또는 이들의 비를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 염증 메트릭을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 예를 들어 5개의 픽셀 및/또는 처음 1 또는 2개의 픽셀을 무시하고 5의 3 또는 4개의 픽셀과 같은 병변 외부의 하나 이상의 픽셀의 평균 밀도를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 병변 또는 플라크가 아닌 각각의 혈관의 처음 2/3을 포함하는 병변 외부의 하나 이상의 픽셀의 평균 밀도를 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 병변 외부의 하나 이상의 픽셀 및/또는 그 장소에 플라크가 존재하지 않으면 근위 우관상 동맥(R1) 위의 3 mm 섹션에서 동일한 픽셀의 평균을 분석 및/또는 입력으로서 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 본 명세서에 설명된 임의의 인자 및/또는 변수의 하나 이상의 비를 입력으로서 분석 및/또는 이용하도록 구성될 수 있다.
전술된 바와 같이, 몇몇 실시예에서, 시스템은, 예를 들어 허혈에 대한 하나 이상의 직접 기여자, 허혈의 조기 결과, 허혈의 후기 결과, 허혈과 연관된 인자, 및 허혈과 관련하는 다른 시험 소견을 포함하여, 전역 허혈 지수를 생성하기 위한 하나 이상의 입력을 식별, 도출 및/또는 분석하는데 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 하나 이상의 이러한 기계 학습 알고리즘은 이러한 인자의 완전 자동화 정량화 및/또는 특성화를 제공할 수 있다.
예로서, 몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 하대정맥을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 하대정맥의 측정은 우측 심부전 및 삼첨판 역류가 있는 환자에서 매우 중요할 수 있다.
게다가, 몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 심방 중격을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 심방 중격 치수는 좌측 경도관 시술을 경험하는 환자에게 매우 중요할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 하행 흉부 대동맥을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 하행 흉부 대동맥의 측정은 대동맥류가 있는 환자, 및 장기간 흡연자의 모집단 기반 선별에서 매우 중요할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 관상동을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 관상동 치수는 양심실 조율을 경험하고 있는 심부전이 있는 환자에게 매우 중요할 수 있다. 몇몇 실시예에서, 관상동을 분석함으로써, 시스템은 관상 체적, 심근 질량과 관련될 수 있는 모든 또는 일부 심근 혈류를 도출하도록 구성될 수 있다. 게다가, 몇몇 실시예에서, 시스템은 허혈 및/또는 미세혈관 허혈을 도출하기 위해 비대 심근병증(HCM), 다른 비대, 허혈 등을 분석, 도출 및/또는 식별하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 전방 승모판 첨판을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 수술적 또는 경도관 승모 판막 복구 또는 치환을 고려 중인 환자의 경우, 현재 전방 승모판 첨판 치수를 측정하는 현재 방법은 존재하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 좌심방이를 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 좌심방이 형태는 심방 세동이 있는 환자의 뇌졸중과 링크되지만, 자동화 특성화 해결책은 현재 존재하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 좌심방 자유벽 질량을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 현재 심방 세동이 있는 환자에게 중요할 수도 있는 좌심방 자유벽의 질량을 정확하게 측정하는 방법은 존재하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 좌심실 질량을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 고혈압의 불리한 결과로서 좌심실 비대를 측정하는 특정 방법은 고도로 부정밀한 2D 추정 공식을 채용하는 심장초음파에 의존한다. 자기 공명 영상(MRI) 또는 컴퓨터 단층 촬영(CT)에 의한 3D 영상은 훨씬 더 정확하지만, 현재 소프트웨어 도구는 시간 집약적이고 부정밀하다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 좌심방 체적을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 좌심방 체적의 결정은 심방 세동이 있거나 위험이 있는 환자의 진단 및 위험도 층화를 개선할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 좌심실 체적을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 좌심실 체적 측정은 심부전이 있거나 심부전의 위험이 있는 개인의 결정을 가능하게 할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 좌심실 유두근 질량을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 현재 좌심실 유두근 질량을 측정하는 방법은 존재하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 후방 승모판 첨판을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 수술적 또는 경도관 승모 판막 복구 또는 치환을 고려 중인 환자의 경우, 현재 후방 승모판 첨판 치수를 측정하는 현재 방법은 존재하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 폐정맥을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 폐정맥 치수의 측정은 동맥 세동, 심부전 및 승모판 역류가 있는 환자에게 매우 중요할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 폐동맥을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 폐동맥 치수의 측정은 폐 고혈압, 심부전 및 폐색전이 있는 환자에게 매우 중요할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 우심방 자유벽 질량을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 현재 심방 세동이 있는 환자에게 중요할 수도 있는 우심방 자유벽의 질량을 정확하게 측정하는 방법은 존재하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 우심실 질량을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 폐 고혈압 및/또는 심부전의 불리한 결과로서 우심실 비대를 측정하는 방법은 현재 존재하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 근위 상행 대동맥을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 대동맥류는 CT 및 MRI와 같은 3D 기술에 의해 더 정확한 대동맥의 고도로 정밀한 측정을 필요로 할 수 있다. 현재, 현재의 알고리즘은 고도로 정확한 자동화 측정을 허용하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 우심방 체적을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 우심방 체적의 결정은 심방 세동이 있거나 위험이 있는 환자의 진단 및 위험도 층화를 개선할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 우심실 유두근 질량을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 현재 우심실 유두근 질량을 측정하는 방법은 존재하지 않는다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 우심실 체적을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 우심실 체적 측정은 심부전이 있거나 심부전의 위험이 있는 개인의 결정을 가능하게 할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 의료 영상으로부터 상대정맥을 식별, 도출 및/또는 분석하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다. 현재까지 삼첨 판막 부전 및 심부전을 갖는 환자에게 중요할 수도 있는 상대정맥 치수를 측정하는 신뢰할 수도 있는 방법은 존재하지 않는다.
몇몇 실시예에서, 시스템은 좌우심실 체적(LVV, RVV), 좌우심방 체적(LAV, RAV) 및/또는 좌심실 심근 질량(LVM)과 같은, 하나 이상의 의료 영상으로부터 하나 이상의 심장 구조를 식별, 도출, 분석, 세그먼트화 및/또는 정량화하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다.
또한, 몇몇 실시예에서, 시스템은 근위 상행 및 하행 대동맥(PAA, DA), 상대정맥 및 하대정맥(SVC, IVC), 폐동맥(PA), 관상동(CS), 우심실 벽(RVW) 및 좌심방 벽(LAW)과 같은, 하나 이상의 의료 영상으로부터 하나 이상의 심장 구조를 식별, 도출, 분석, 세그먼트화 및/또는 정량화하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다.
게다가, 몇몇 실시예에서, 시스템은 좌심방이, 좌심방 벽, 관상동, 하행 대동맥, 상대정맥, 하대정맥, 폐동맥, 우심실 벽, 발살바동, 좌심실 체적, 좌심실 벽, 우심실 체적, 좌심방 체적, 우심방 체적, 및/또는 근위 상행 대동맥과 같은, 하나 이상의 의료 영상으로부터 하나 이상의 심장 구조를 식별, 도출, 분석, 세그먼트화 및/또는 정량화하기 위해 하나 이상의 기계 학습 알고리즘을 이용하도록 구성될 수 있다.
도 20e는 대상에 대한 전역 허혈 지수를 생성하고 대상에 대한 허혈 위험의 평가를 지원하기 위해 이를 사용하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 20e에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 202와 관련하여 전술된 임의의 특징과 관련하여 및/또는 임의의 방식으로 블록 202에서 대상의 하나 이상의 의료 영상에 액세스하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 블록 2002에서 하나 이상의 의료 영상에서 하나 이상의 혈관, 플라크 및/또는 지방을 식별하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 혈관, 플라크 및/또는 지방을 식별하기 위해 하나 이상의 AI 및/또는 ML 알고리즘 및/또는 다른 영상 처리 기술을 사용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2004에서, 예를 들어 액세스된 하나 이상의 의료 영상 및/또는 다른 의료 데이터에 기초하여, 본 명세서에 설명된 허혈에 대한 임의의 기여자를 포함하여, 대상의 허혈에 대한 하나 이상의 기여자를 분석 및/또는 액세스하도록 구성된다. 몇몇 실시예에서, 시스템은 블록 2006에서, 예를 들어 액세스된 하나 이상의 의료 영상 및/또는 다른 의료 데이터에 기초하여, 조기 및/또는 후기 결과를 포함하여, 본 명세서에 설명된 허혈의 임의의 결과를 포함하여, 대상의 허혈의 하나 이상의 결과를 분석 및/또는 액세스하도록 구성된다. 몇몇 실시예에서, 시스템은 블록 2008에서, 예를 들어 액세스된 하나 이상의 의료 영상 및/또는 다른 의료 데이터에 기초하여, 본 명세서에 설명된 허혈에 대한 임의의 연관 인자를 포함하여, 대상의 허혈에 대한 하나 이상의 연관 인자를 분석 및/또는 액세스하도록 구성된다. 몇몇 실시예에서, 시스템은 블록 2010에서 예를 들어 침습적 시험, 비침습적 시험, 영상 기반 시험, 비영상 기반 시험 등과 같은 다른 시험으로부터의 하나 이상의 결과를 분석 및/또는 액세스하도록 구성된다.
몇몇 실시예에서, 시스템은 블록 2012에서, 예를 들어 허혈에 대한 하나 이상의 기여자, 허혈의 하나 이상의 결과, 허혈에 대한 하나 이상의 연관 인자, 하나 이상의 다른 시험 결과 등과 같은 하나 이상의 파라미터에 기초하여 전역 허혈 지수를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 파라미터의 가중 측정치를 생성함으로써 대상에 대한 전역 허혈 지수를 생성하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 파라미터를 상이하게 및/또는 동등하게 가중하도록 구성된다. 몇몇 실시예에서, 시스템은 로그함수적으로, 대수적으로, 및/또는 다른 수학적 변환을 이용하여 파라미터 중 하나 이상을 가중하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 파라미터의 일부 또는 모두만을 사용하여 가중 측정치를 생성하도록 구성된다.
몇몇 실시예에서, 블록 2014에서, 시스템은 생성된 전역 허혈 지수를 검증하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 본 명세서에 설명된 것들과 같은 하나 이상의 혈류 파라미터에 비교에 의해 생성된 전역 허혈 지수를 검증하도록 구성된다. 몇몇 실시예에서, 블록 2016에서, 시스템은 예를 들어 사용자 인터페이스 및/또는 다른 것을 통해 그래픽으로, 생성된 전역 허혈 지수에 기초하여, 사용자가 대상에 대한 허혈의 위험의 평가를 결정하는 것을 돕기 위해 사용자 지원을 생성하도록 구성된다.
CAD 스코어(들)
본 명세서에 설명된 시스템, 디바이스 및 방법의 몇몇 실시예는 특정 대상에 대한 CAD의 위험을 표현하는 하나 이상의 관상 동맥 질환(CAD) 스코어를 생성하도록 구성된다. 몇몇 실시예에서, 위험 스코어는 예를 들어 플라크 체적, 플라크 조성, 혈관 리모델링, 고위험 플라크, 내강 체적, 플라크 위치(근위 대 중간 대 원위), 플라크 위치(심근 대 심막 지향), 플라크 위치(분지 또는 삼분지 대 분지 또는 삼분지가 아님), 플라크 위치(주 혈관 대 분지 혈관), 협착 중증도, 백분율 관상 혈액량, 백분율 분획 심근 질량, 연령 및/또는 성별에 대한 백분위수, 사람내, 혈관내, 플라크간, 플라크-심근 관계의 제어를 허용하기 위한 상수 또는 다른 보정 계수 등과 같은 플라크 및/또는 심혈관 특징과 관련된 하나 이상의 양태 또는 특성을 분석 및/또는 조합함으로써 생성될 수 있다. 몇몇 실시예에서, CAD 위험 스코어(들)는 예를 들어 CT 스캔 또는 본 명세서에 언급된 임의의 다른 양식으로부터 획득된 영상과 같은, 하나 이상의 의료 영상의 자동 및/또는 동적 분석에 기초하여 생성될 수 있다. 몇몇 실시예에서, 환자의 하나 이상의 의료 영상을 분석하는 것으로부터 획득된 데이터는 해당 환자에 대한 CAD 위험 스코어(들)를 생성할 때 정규화될 수 있다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 상이한 혈관, 혈관 영역 및/또는 환자에 대한 CAD 위험 스코어(들)를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 혈관 기반, 혈관 영역 기반 및/또는 환자 기반에 기초하여 환자의 CAD 위험의 그래픽 시각화를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 생성된 CAD 위험 스코어(들)에 기초하여, 본 명세서에 설명된 시스템, 방법 및 디바이스는 환자를 위한 하나 이상의 추천 치료를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등과 같은)의 차이를 고려하기 위해, 본 명세서에 설명된 것들과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 수많은 상이한 진단 및 예후 도구 중 하나 이상의 사용에 의해 의심 관상 동맥 질환(CAD)을 갖는 환자를 평가하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 공지의 CAD가 없는 환자에 대한 심혈관 치료에 대한 위험 스코어를 사용하도록 구성될 수 있다.
비한정적인 예로서, 몇몇 실시예에서, 시스템은 연령, 성별, 인종, 혈압, 콜레스테롤(총, HDL 및 LDL), 당뇨병 상태, 담배 사용, 고혈압 및/또는 의료 요법(예를 들어, 스타틴 및 아스피린과 같은)의 조합에 기초할 수 있는 죽상동맥경화성 심혈관 질환(ASCVD) 위험 스코어를 생성하도록 구성될 수 있다.
다른 비한정적 예로서, 몇몇 실시예에서, 시스템은 관상 동맥이 석회화 플라크의 존재에 대해 시각화되는 비조영 CT 스캔에 기초할 수 있는 관상 동맥 칼슘 스코어(CACS)를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 아가츠톤(예를 들어, 관상 CT 스캔에서 칼슘의 척도) 스코어는 CACS를 결정하기 위해 사용될 수도 있다. 특히, 몇몇 실시예에서, CACS 스코어는: 아가츠톤 스코어 = 표면적×하운즈필드 단위 밀도(더 고밀도를 갖는 더 밝은 플라크가 더 높은 스코어를 받음)에 의해 계산될 수 있다. 그러나, 몇몇 실시예에서, CACS 스코어에 특정 제한이 있을 수도 있다. 예를 들어, 몇몇 실시예에서, 표면적 대 체적 비는 전체 체적의 함수로서 감소하기 때문에, 더 많은 구형 플라크는 아가츠톤 스코어에 덜 기여하는 것으로서 잘못 가중될 수 있다. 게다가, 몇몇 실시예에서, 하운즈필드 단위 밀도는 주요 심혈관 이벤트(MACE)의 위험에 반비례하기 때문에, HU 밀도를 더 높게 가중하는 것은 더 높은 스코어를 갖는 것으로서 더 낮은 위험 플라크를 스코어링할 수 있다. 더욱이, 몇몇 실시예에서, 2.5 내지 3 mm 두께의 CT "슬라이스"는 더 작은 석회화 플라크를 누락할 수 있고 그리고/또는 베타 차단제를 사용하지 않는 것은 상당한 운동 아티팩트를 야기하는데, 이는 아티팩트로 인해 칼슘 스코어를 증가시킬 수 있다.
몇몇 실시예에서, 관상 CT 혈관조영술을 경험하는 증상이 있는 환자의 경우, 시스템은 세그먼트 협착 스코어, 세그먼트 관여 스코어, 세그먼트 위험 스코어, 듀크 진단 지수, CTA 스코어 등과 같은 하나 이상의 부가의 위험 스코어를 생성 및/또는 이용하도록 구성될 수 있다. 더 구체적으로, 몇몇 실시예에서, 세그먼트 협착 스코어는 전체 18 관상 세그먼트를 가로질러 특정 협착을 가중하여(0=0%, 1=1 내지 24%, 2=25 내지 49%, 3=50 내지 69%, 4=>70%), 72의 총 가능한 스코어를 생성한다. 몇몇 실시예에서, 세그먼트 관여 스코어는 18개의 세그먼트에 위치된 플라크의 수를 카운팅하고 18의 총 가능한 스코어를 갖는다.
몇몇 실시예에서, 위험 세그먼트 스코어는 중증 근위 플라크에 의해 대치되는 모든 원위 관상 세그먼트의 잠재적 감수성을 반영한다. 따라서, 몇몇 실시예에서, 중증 근위 플라크에 의해 대치된 모든 세그먼트는 마찬가지로 중증으로 스코어링될 수 있고, 이어서 18개 세그먼트에 걸쳐 합산되어 위험 세그먼트 스코어를 생성할 수 있다. 예를 들어, LCx의 근위부가 심각하게 폐색성인 것으로 고려되는 경우, LCx에 대한 위험 세그먼트 스코어는 18의 총 회선 위험 세그먼트 스코어에 대해, 근위 회선(=3) + 중간 회선(=3) + 원위 회선(=3) + 근위 둔각 변연(=3) + 중간 둔각 변연(=3) + 원위 둔각 변연(=3)일 수 있다. 이 개인에서, LAD가 근위부(=1)에 경미한 플라크를 나타내고 중간부(=2)에 중등도 플라크를 나타내면, LAD 위험 세그먼트 스코어는 3일 수 있다. RCA가 근위부(=3)에 중등도 플라크를 나타내는 경우, RCA 위험 세그먼트 스코어는 2일 수 있다. 따라서, 이 개인에 대해, 총 위험 세그먼트 스코어는 가능한 48 중 23일 수 있다.
몇몇 실시예에서, 듀크 예후 지수는 플라크 위치를 고려한 관상 동맥 플라크 중증도의 반영일 수 있다. 몇몇 실시예에서, 수정된 듀크 CAD 지수는 좌주간 또는 근위 LAD 내의 공존 플라크와 이를 관련시키는 전체 플라크 정도를 고려할 수 있다. 몇몇 실시예에서, 이 스코어링 시스템을 사용하여, 개인은 6개의 뚜렷한 그룹: 명백한 관상 동맥 플라크 없음; 임의의 동맥에 근위 플라크를 갖는 ≥2개의 경미한 플라크 또는 임의의 동맥에 1개의 중등도 플라크; 임의의 동맥에 2개의 중등도 플라크 또는 1개의 중증 플라크; 3개의 중등도 관상 동맥 플라크 또는 2개의 중증 관상 동맥 플라크 또는 근위 LAD에 격리된 중증 플라크; 근위 LAD 플라크를 갖는 3개의 중증 관상 동맥 플라크 또는 2개의 중증 관상 동맥 플라크; 중등도 또는 중증 좌측 주 플라크로 카테고리화될 수 있다.
몇몇 실시예에서, CT 혈관조영술(CTA) 스코어는 예를 들어 근위 RCA, 중간 RCA, 원위 RCA, R-PDA, R-PLB, 좌주간, 근위 LAD, 중간 LAD, 원위 LAD, D1, D2, 근위 LCX, 원위 LCX, IM/AL, OM, L-PL, L-PDA 등과 같은 각각의 세그먼트에서 CAD를 결정함으로써 계산될 수 있다. 특히, 각각의 세그먼트에 대해, 플라크가 없을 때, 시스템은 0의 스코어가 할당되도록 구성될 수 있고, 플라크가 존재할 때, 시스템은 플라크 조성(각각 석회화, 비석회화 및 혼합 플라크와 같은)에 따라 1.1, 1.2 또는 1.3의 스코어를 할당하도록 구성될 수 있다. 몇몇 실시예에서, 이들 스코어는 관상 동맥 트리에서 세그먼트의 위치에 대한 가중 인자로 곱해질 수 있다(예를 들어, 혈관, 근위 위치 및 시스템 우세에 따라 0.5 내지 6). 몇몇 실시예에서, 이들 스코어는 또한 협착 중증도에 대한 가중 인자로 곱해질 수 있다(예를 들어, ≥50% 협착에 대해 1.4 및 <50% 협착증에 대해 1.0). 몇몇 실시예에서, 최종 스코어는 개별 세그먼트 스코어의 가산에 의해 계산될 수 있다.
몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 이전에 측정하기 매우 어려웠던 CT 혈관조영술에 대한 다수의 파라미터의 개선된 정량화 및/또는 특성화를 이용 및/또는 수행하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 근위/원위 기준을 활용하여 협착 중증도를 결정하고 예를 들어 직경, 면적 및/또는 체적 협착에 의해 0 내지 100%의 연속 척도로 보고하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 비석회화 플라크 체적(예를 들어, 연속 변수, 서수 변수, 또는 단일 변수로서), 석회화 플라크 체적(예를 들어, 연속 변수, 서수 변수 또는 단일 변수로서) 및/또는 혼합 플라크 체적(예를 들어, 연속 변수, 서수 변수 또는 단일 변수로서)을 포함하는 전체 혈관 체적(PAV)의 백분율로서 또는 체적으로 보고되는 총 죽종 부담을 결정하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 예를 들어 HU 밀도에 기초하여 예/아니오 이진법 또는 연속 변수로서 보고되는 저감쇠 플라크를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 서수 음성, 중간 또는 양성(예를 들어, <0.90, 0.90 내지 1.10 또는 >1.0) 또는 연속으로서 보고되는 혈관 리모델링을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 근위/중간/원위, 심근 지향 대 심막 지향, 분지에서 대 분지가 아님, 주혈관 대 분지 혈관 등과 같은 심장과 같은 플라크의 다양한 위치를 결정 및/또는 분석하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 전체 관상 혈관 체적(예를 들어, 가상적으로 정상으로서 측정 또는 계산됨)의 함수로서 내강(및 몇몇 실시예에서 하류 대치 혈관)의 체적을 보고할 수 있는 백분율 관상 혈액량을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 관상 내강 또는 혈관 체적을 백분율 하류 대치 심근 질량에 관련시킬 수 있는 백분율 분획 심근 질량을 결정하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 예를 들어 혈관 거동/위험에 영향을 미치기 위해 플라크-플라크 기반으로 또는 환자 거동/위험에 영향을 미치기 위해 혈관-혈관 기반으로 서로에 대한 상기의 모두 또는 일부의 관계를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 정상 연령 및/또는 성별 기반 기준 값에 대한 하나 이상의 동일한 것의 비교를 이용하도록 구성될 수 있다.
몇몇 실시예에서, 본 명세서에 설명된 메트릭 중 하나 이상은 세그먼트별 기반으로 계산될 수 있다. 몇몇 실시예에서, 세그먼트별 기반으로 계산된 메트릭 중 하나 이상은 이어서 혈관, 혈관 영역 및/또는 환자 레벨을 가로질러 합산될 수 있다. 몇몇 실시예에서, 시스템은 지리적 규모에서 세그먼트별 기반 및/또는 혈관, 혈관 영역 및/또는 환자 기반인지 여부에 상관없이 이러한 메트릭 중 하나 이상을 시각화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 3D 및/또는 4D 막대 그래프를 사용하여 그래픽 규모로 하나 이상의 이러한 메트릭을 시각화하도록 구성될 수 있다.
또한, 몇몇 실시예에서, 심장 CT 혈관조영술은 관상 동맥 질환 뿐만 아니라 다른 심혈관 질환에 모두 기여할 수도 있는 관상 동맥 너머의 무수한 심혈관 구조의 정량적 평가를 가능하게 한다. 예를 들어, 이들 측정치는: (1) 좌심실 - 예를 들어, 심실 관류의 대리 마커로서 좌심실 질량, 좌심실 체적, 좌심실 하운즈필드 단위 밀도; (2) 우심실 - 예를 들어, 우심실 질량, 우심실 체적; (3) 좌심방 - 예를 들어 체적, 크기, 기하학 형상; (4) 우심방 - 예를 들어, 체적, 크기, 기하학 형상; (5) 좌심방이 - 예를 들어, 형태(예를 들어, 치킨 윙, 윈드스톡 등), 체적, 각도 등; (6) 폐정맥 - 예를 들어, 크기, 형상, 좌심방으로부터의 이륙 각도 등; (7) 승모 판막 - 예를 들어 체적, 두께, 형상, 길이, 석회화, 해부학적 구멍 면적 등; (8) 대동맥 판막 - 예를 들어 체적, 두께, 형상, 길이, 석회화, 해부학적 구멍 면적 등; (9) 삼첨 판막 - 예를 들어 체적, 두께, 형상, 길이, 석회화, 해부학적 구멍 면적 등; (10) 폐동맥 판막 - 예를 들어 체적, 두께, 형상, 길이, 석회화, 해부학적 구멍 면적 등; (11) 심막 및 관상 동맥주위 지방 - 예를 들어 체적, 감쇠 등; (12) 심장외막 지방 - 예를 들어 체적, 감쇠 등; (13) 심막 - 예를 들어, 두께, 질량, 체적; 및/또는 (14) 대동맥 - 예를 들어 치수, 석회화, 죽종 중 하나 이상의 것들을 포함할 수 있다.
심혈관 위험을 특성화하는 데 도움이 될 수 있는 다수의 측정치가 주어지면, 특정 기존의 스코어는 환자의 전체론적 평가에서 제한될 수 있으며 환자 결과에 영향을 미칠 수도 있는 다수의 주요 파라미터를 고려하지 못할 수도 있다. 예를 들어, 특정 기존의 스코어는 위험을 효과적으로 예측하는 데 필요한 전체 데이터를 고려하지 않을 수도 있다. 게다가, 위험을 정확하게 예측할 것인 데이터는 다차원적일 수 있고, 특정 스코어는 서로에 대한 플라크의 관계, 또는 서로에 대한 혈관의 관계 또는 플라크-혈관-심근 관계 또는 환자-레벨 위험에 대한 이들 모든 관계를 고려하지 않는다. 또한, 특정 기존의 스코어에서, 데이터는 플라크, 혈관 및 환자를 카테고리화할 수도 있어, 따라서 이들 스코어에 요약된 픽셀 단위 데이터의 세분성을 손실한다. 게다가, 특정 기존의 스코어에서, 데이터는 위험을 결정하기 위한 벤치마크로서 정상 연령 및 성별 기반 기준 값을 반영하지 않을 수도 있다. 더욱이, 특정 스코어는 관상 동맥 질환, 혈관 형태 및/또는 하류 심실 질량의 정량적 평가로부터 수집될 수 있는 다수의 부가의 항목을 고려하지 않을 수도 있다. 또한, 플라크, 세그먼트, 혈관, 혈관 영역의 사람내 관계는 특정 위험 스코어 내에서 고려되지 않을 수도 있다. 더욱이, 지금까지 영상을 이용하는 어떠한 위험 스코어도 스캐너 제조자/모델, 조영제 유형, 조영제 주입 속도, 심장 박동수/심장 박출량, 환자 특성, 대비-대-노이즈 비, 신호-대 노이즈 비 및/또는 영상 획득 파라미터(예를 들어, 단일 대 이중 대 스펙트럼 에너지 영상; 후향적 나선형 대 전향적 축방향 대 패스트-피치 나선형, 전체 심장 영상 대 비-전체 심장[즉, 비체적] 영상 등)의 차이를 고려하는 표준에 이들 위험을 정규화하지 않는다. 본 명세서에 설명된 몇몇 실시예에서, 시스템, 방법 및 디바이스는 이러한 기술적 단점을 극복한다.
특히, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 (1) 총 죽종 부담, 절대 밀도 또는 하운즈필드 단위(HU) 밀도와 같은 밀도(예를 들어, 총 체적 또는 상대 체적, 즉, 플라크 체적/혈관 체적×100%로서 카테고리화될 수 있음)에 대해 정규화됨; (2) 밀도 또는 HU 밀도에 의한 플라크 조성(예를 들어, 연속적으로, 서수적으로 또는 이진법적으로 카테고리화될 수 있음); (3) 저감쇠 플라크(예를 들어, 밀도 또는 HU 밀도에 기초하여 예/아니오 이진 또는 연속 변수로서 보고될 수 있음); (4) 혈관 리모델링(예를 들어, 서수 음성, 중간 또는 양성(<0.90, 0.90 내지 1.10 또는 >1.0) 또는 연속으로서 보고될 수 있음); (5) 플라크 위치 - 근위 대 중간 대 원위; (6) 플라크 위치 - 어느 혈관 또는 혈관 영역; (7) 플라크 위치 - 심근 지향 대 심막 지향; (8) 플라크 위치 - 분지 대 분지 아님; (9) 플라크 위치 - 주 혈관 대 분지 혈관; (10) 협착 중증도; (11) 백분율 관상 혈액량(예를 들어, 이 메트릭은 전체 관상 혈관 체적(예를 들어, 가상적으로 정상으로서 측정되거나 계산됨)의 함수로서 내강(및 하류 대치 혈관)의 체적을 보고할 수 있음); (12) 백분율 분획 심근 질량(예를 들어, 이 메트릭은 관상 내강 또는 혈관 체적을 백분율 하류 대치 심근 질량과 관련시킬 수 있음); (13) 정상 연령 및/또는 성별 기반 기준 값의 고려; 및/또는 (14) 서로에 대한 상기의 모두 또는 일부의 통계적 관계(예를 들어, 혈관 거동/위험에 영향을 미치는 플라크-플라크 기반 또는 환자 거동/위험에 영향을 미치는 혈관-혈관 기반) 중 하나 이상을 고려함으로써 전술된 한계를 해결하는 새로운 CAD 위험 스코어를 생성 및/또는 생성하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 (1) 연령; (2) 성별; (3) 당뇨병(예를 들어, 존재, 지속기간, 인슐린 의존성, 당뇨병성 케톤산증의 병력, 종말 기관 합병증, 어느 약물, 얼마나 많은 약물 등); (4) 고혈압(예를 들어, 존재, 지속기간, 중증도, 종말 기관 손상, 좌심실 비대, 약물의 수, 어느 약물, 고혈압 긴급 또는 응급의 이력 등); (5) 이상지혈증(예를 들어, 저밀도 지단백질(LDL), 트리글리세리드, 총 콜레스테롤, 지단백질(a) Lp(a), 아포지단백질 B(ApoB) 등 포함); (6) 담배 사용(예를 들어, 어느 유형, 얼마의 지속기간, 얼마나 많이 사용하는지 등 포함); (7) 가족력(예를 들어, 어느 친척, 어느 연령, 어느 이벤트 유형 등 포함); (8) 말초 동맥 질환(예를 들어, 어느 유형, 지속기간, 중증도, 종말 기관 손상 등 포함); (9) 뇌혈관 질환(예를 들어, 어느 유형, 지속기간, 중증도, 종말 기관 손상 등 포함); (10) 비만(예를 들어, 얼마나 비만인지, 얼마나 오래되었는지, 고중성지질혈증, 구심성 비만, 당뇨병 등과 같은 다른 대사 장애와 연관되어 있는지 포함); (11) 신체 활동(예를 들어, 어느 유형, 빈도, 지속기간, 운동 레벨 등 포함); 및/또는 (12) 심리사회적 상태(예를 들어, 우울증, 불안, 스트레스, 수면 등 포함) 중 하나 이상과 같은 이러한 인자를 포함하는, 기준선 임상 평가(들)를 결정하도록 구성될 수 있다.
몇몇 실시예에서, CAD 위험 스코어는 예를 들어 세그먼트 1, 세그먼트 2, 또는 일부 또는 모든 세그먼트와 같은 각각의 세그먼트에 대해 계산된다. 몇몇 실시예에서, 스코어는: (1) 플라크 체적(예를 들어, mm3 또는 PAV와 같은 절대 체적; 가중될 수도 있음); (2) 플라크 조성(예를 들어, NCP/CP, 서수 NCP/서수 CP; 연속; 가중될 수도 있음); (3) 혈관 리모델링(예를 들어, 양성/중간/음성; 연속; 가중될 수도 있음); (4) 고위험 플라크(예를 들어, 양성 리모델링 + 저감쇠 플라크; 가중될 수도 있음); (5) 내강 체적(예를 들어, mm3 단위와 같은 절대 체적 또는 혈관 체적에 대한 또는 가상의 혈관 체적에 대한 것일 수도 있음; 가중될 수도 있음); (6) 위치 - 근위/중간/원위(가중될 수도 있음); (7) 위치 - 심근 대 심막 지향(가중될 수도 있음); (8) 위치 - 분지/삼분지 대 분지/삼분지가 아님(가중될 수도 있음); (9) 위치 - 주 혈관 대 분지 혈관(가중될 수도 있음); (10) 협착 중증도(예를 들어, ><70%, <>50%, 1 내지 24, 25 내지 49, 50 내지 69, >70%; 0, 1 내지 49, 50 내지 69, >70%; 연속; 직경, 면적 또는 체적을 사용할 수도 있음; 가중될 수도 있음); (11) 백분율 관상 혈액량(가중될 수도 있음); (12) 백분율 분획 심근 질량(예를 들어, 총 혈관 체적 대 LV 질량 비; 내강 체적 대 LV 질량 비를 포함할 수도 있음; 가중될 수도 있음); (13) 연령 및 성별에 대한 백분위수; (14) 상수/보정 계수(예를 들어, 사람내, 혈관내, 플라크간 및/또는 플라크-심근 관계의 제어를 허용하기 위해) 중 하나 이상을 조합함으로써(예를 들어, 임의의 다른 수학적 변환을 곱하거나 적용하거나 또는 가중 측정치 생성함으로써) 계산된다. 비한정적인 예로서, 세그먼트 1이 플라크를 갖지 않으면, 몇몇 실시예에서 0으로서 가중될 수 있다.
몇몇 실시예에서, 위험을 결정하기 위해(미래의 심근 경색, 주요 심혈관 이벤트, 허혈, 급속 진행, 의료 요법에 대한 불충분한 제어, 협심증으로의 진행, 및/또는 타겟 혈관 혈관재형성이 필요한 진행의 위험으로서 정의될 수 있음), 세그먼트의 모두 또는 일부가 혈관별, 혈관 영역별 및 환자별 기반으로 추가된다. 몇몇 실시예에서, 플롯을 사용함으로써, 시스템은 혈관 기반, 혈관 영역 기반 및 환자 기반에 기초하여 위험을 시각화 및/또는 정량화하도록 구성될 수 있다.
몇몇 실시예에서, 스코어는 예를 들어: (1) 환자 체질량 지수; (2) 환자 흉부 밀도; (3) 스캐너 제조자/모델; (4) Z축을 따른 그리고 혈관 및/또는 심혈관 구조를 따른 조영 밀도; (5) 대비-대-노이즈 비; (6) 신호-대-노이즈 비; (7) ECG 동기의 방법(예를 들어, 후향적 나선형, 전향적 축방향, 패스트-피치 나선형); (8)에너지 획득(예를 들어, 단일, 이중, 스펙트럼, 광자 계수); (9) 심장 박동수; (10) 심혈관 구조에 영향을 미칠 수도 있는 사전-CT 약물(예를 들어, 질산염, 베타 차단제, 항불안제)의 사용; (11) mA; 및/또는 (12) kvp와 같은 항목을 고려함으로써 환자 및 스캔 특정 방식으로 정규화될 수도 있다.
몇몇 실시예에서, 정규화 없이, 심혈관 구조(관상 동맥 및 그 이상)는 동일한 구조에 대해 현저히 상이한 하운즈필드 단위를 가질 수도 있다(예를 들어, 100 대 120 kvp가 사용되는 경우, 단일 관상 플라크는 매우 상이한 하운즈필드 단위를 나타낼 수도 있음). 따라서, 몇몇 실시예에서, 이 "정규화" 단계가 필요하고, 이전에 획득된 영상의 데이터베이스에 기초하여 수행될 수 있고 그리고/또는 본 명세서에 설명된 것들과 같은 외부 정규화 디바이스를 사용하여 전향적으로 수행될 수 있다.
몇몇 실시예에서, CAD 위험 스코어는 시스템에 의해 사용자에게 여러 방식으로 전달될 수 있다. 예를 들어, 몇몇 실시예에서, 생성된 CAD 위험 스코어는 90 내지 100이 우수한 예후를 나타낼 수 있고, 80 내지 90이 양호한 예후를 나타낼 수 있고, 70 내지 80이 만족스러운 예후를 나타낼 수 있고, 60 내지 70이 평균 미만 예후를 나타낼 수 있고, <60이 불량 예후를 나타낼 수 있는 등의 100점 척도와 같은 척도로 정규화될 수 있다. 몇몇 실시예에서, 시스템은 대상의 CAD 위험 스코어(들)에 기초하여 혈관 연령 대 생물학적 연령을 생성 및/또는 사용자에게 보고하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 대상의 CAD 위험을 정상, 경증, 중등도 및/또는 중증 중 하나 이상으로 특성화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 서수 또는 연속 디스플레이에서 적색, 황색, 녹색과 같은 생성된 CAD 위험 스코어에 기초하여 하나 이상의 컬러 히트 맵을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 대상에 대한 CAD의 위험을 고위험 대 비고위험 등으로 특성화하도록 구성될 수 있다.
비한정적 예로서, 몇몇 실시예에서, 병변 1에 대해 생성된 CAD 위험 스코어는 소견의 중증도를 전달하기 위해 Vol×조성HU×RI×HRP×내강 체적×위치×협착%×CBV×%FMM×연령/성별 정상 값 %× 보정 상수)× 스캔 및 환자 특정 파라미터에 대한 보정 계수× 정규화 인자로서 계산될 수 있다. 유사하게, 몇몇 실시예에서, 병변 2에 대해 생성된 CAD 위험 스코어는 소견의 중증도를 전달하기 위해 Vol×조성HU×RI×HRP×내강 체적×위치×협착%×CBV×%FMM×연령/성별 정상 값 %× 보정 상수)× 스캔 및 환자 특정 파라미터에 대한 보정 계수× 정규화 인자로서 계산될 수 있다. 몇몇 실시예에서, 병변 3에 대해 생성된 CAD 위험 스코어는 소견의 중증도를 전달하기 위해 Vol×조성HU×RI×HRP×내강 체적×위치×협착%×CBV×%FMM×연령/성별 정상 값 %× 보정 상수)× 스캔 및 환자 특정 파라미터에 대한 보정 계수× 정규화 인자로서 계산될 수 있다. 몇몇 실시예에서, 병변 4에 대해 생성된 CAD 위험 스코어는 소견의 중증도를 전달하기 위해 Vol×조성HU×RI×HRP×내강 체적×위치×협착%×CBV×%FMM×연령/성별 정상 값 %× 보정 상수)× 스캔 및 환자 특정 파라미터에 대한 보정 계수× 정규화 인자로서 계산될 수 있다. 몇몇 실시예에서, CAD 위험 스코어는 임의의 다른 병변에 대해 유사하게 생성될 수 있다.
몇몇 실시예에서, CAD 위험 스코어는, 예를 들어: (1) 관상 동맥 질환 및 그 하류 위험(예를 들어, 심근 경색, 급성 관상 증후군, 허혈, 급속 진행, 의료 요법에도 불구하고 진행, 협심증으로의 진행, 타겟 혈관 혈관재형성을 필요로 하는 진행 등); (2) 심부전; (3) 심방 세동; (4) 좌심실 비대 및 고혈압; (5) 대동맥류 및/또는 박리; (6) 판막 역류 또는 협착; (7) 갑작스러운 관상 동맥 박리 등을 포함하여, 심혈관계 내의 다른 질환 상태에 적응될 수 있다.
도 21은 대상에 대한 관상 동맥 질환(CAD) 스코어(들)를 생성하고 대상에 대한 CAD의 위험 평가를 지원하기 위해 이를 사용하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 21에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 2102에서 대상의 기준선 임상 평가를 수행하도록 구성된다. 특히, 몇몇 실시예에서, 시스템은 예를 들어 연령, 성별, 당뇨병, 고혈압, 이상지혈증, 담배 사용, 가족력, 말초 동맥 질환, 뇌혈관 질환, 비만, 신체 활동, 심리사회적 상태, 및/또는 본 명세서에 설명된 전술된 것의 임의의 상세와 같은 대상과 연관된 하나 이상의 임상 평가 인자를 고려하도록 구성될 수 있다. 몇몇 실시예에서, 하나 이상의 기준선 임상 평가 인자는 데이터베이스로부터 시스템에 의해 액세스되고 그리고/또는 비영상 기반 및/또는 영상 기반 데이터로부터 도출될 수 있다.
몇몇 실시예에서, 블록 202에서, 시스템은 블록 202와 관련하여 전술된 임의의 특징과 관련하여 및/또는 임의의 방식으로 블록 202에서 대상의 하나 이상의 의료 영상에 액세스하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 블록 2104에서 하나 이상의 의료 영상에서 하나 이상의 세그먼트, 혈관, 플라크 및/또는 지방을 식별하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 하나 이상의 세그먼트, 혈관, 플라크 및/또는 지방을 식별하기 위해 하나 이상의 AI 및/또는 ML 알고리즘 및/또는 다른 영상 처리 기술을 사용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2106에서 하나 이상의 플라크 파라미터를 분석 및/또는 액세스하도록 구성된다. 예를 들어, 몇몇 실시예에서, 하나 이상의 플라크 파라미터는 플라크 체적, 플라크 조성, 플라크 감쇠, 플라크 위치 등을 포함할 수 있다. 특히, 몇몇 실시예에서, 플라크 체적은 절대 체적 및/또는 PAV에 기초할 수 있다. 몇몇 실시예에서, 플라크 조성은 절대 밀도 및/또는 하운즈필드 단위 밀도와 같은 의료 영상에서 플라크의 하나 이상의 영역의 밀도에 기초하여 시스템에 의해 결정될 수 있다. 몇몇 실시예에서, 시스템은 플라크 조성을 예를 들어 석회화 또는 비석회화 플라크와 같이 이진법적으로 및/또는 플라크의 석회화 레벨에 기초하여 연속적으로 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 플라크 감쇠는 유사하게 시스템에 의해 예를 들어 밀도에 기초하여 고감쇠 또는 저감쇠로서 이진법적으로 또는 플라크의 감쇠 레벨에 기초하여 연속적으로 카테고리화될 수 있다. 몇몇 실시예에서, 플라크 위치는 관상 동맥 혈관을 따라 근위, 중간 또는 원위 중 하나 이상으로서 시스템에 의해 카테고리화될 수 있다. 몇몇 실시예에서, 시스템은 플라크가 위치되는 혈관에 기초하여 플라크 위치를 분석할 수 있다. 몇몇 실시예에서, 시스템은 심근 지향인지, 심막 지향인지, 분지에 위치되는지, 삼분지에 위치되는지, 분지에 위치되지 않는지, 및/또는 삼분지에 위치되지 않는지 여부에 기초하여 플라크 위치를 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 그것이 주 혈관에 있는지 또는 분지 혈관에 있는지 여부에 기초하여 플라크 위치를 분석하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2108에서, 예를 들어 협착 중증도, 내강 체적, 관상 혈액량의 백분율, 분획 심근 질량의 백분율 등과 같은, 하나 이상의 혈관 파라미터를 분석 및/또는 액세스하도록 구성된다. 몇몇 실시예에서, 시스템은 예를 들어 직경, 면적, 및/또는 체적에 기초하여 협착 백분율의 하나 이상의 미리 결정된 범위에 기초하여 협착 중증도를 카테고리화하거나 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 절대 체적, 혈관 체적에 대한 체적, 가상 체적에 대한 체적 등에 기초하여 내강 체적을 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 전체 관상 혈관 체적의 함수로서 내강의 체적을 결정하는 것에 기초하여 관상 혈액량의 백분율을 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 좌심실 질량에 대한 총 혈관 체적의 비, 좌심실 질량에 대한 내강 체적의 비 등으로서 분획 심근 질량의 백분율을 결정하도록 구성된다.
몇몇 실시예에서, 시스템은 블록 2110에서, 예를 들어 연령에 대한 백분위수 조건, 대상의 성별에 대한 백분위수 조건, 및/또는 본 명세서에 설명된 임의의 다른 임상 파라미터와 같은 하나 이상의 임상 파라미터를 분석 및/또는 액세스하도록 구성된다.
몇몇 실시예에서, 시스템은 블록 2112에서, 예를 들어 하나 이상의 플라크 파라미터, 하나 이상의 혈관 파라미터, 및/또는 하나 이상의 임상 파라미터와 같은 하나 이상의 파라미터의 가중 측정치를 생성하도록 구성된다. 몇몇 실시예에서, 시스템은 각각의 세그먼트에 대한 하나 이상의 파라미터의 가중 측정치를 생성하도록 구성된다. 몇몇 실시예에서, 시스템은 로그함수적으로, 대수적으로 및/또는 다른 수학적 변환을 이용하여 가중 측정치를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 사람내, 혈관내, 플라크간 및/또는 플라크-심근 관계의 제어를 허용하기 위해, 보정 계수 또는 상수를 적용함으로써 가중 측정치를 생성하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2114에서 대상에 대한 하나 이상의 CAD 위험 스코어를 생성하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 혈관별, 혈관 영역별, 및/또는 대상별 기반으로 CAD 위험 스코어를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 파라미터의 생성된 가중 측정치를 조합함으로써 대상의 하나 이상의 CAD 위험 스코어를 생성하도록 구성된다.
몇몇 실시예에서, 시스템은 블록 2116에서, 생성된 하나 이상의 CAD 스코어를 정규화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 본 명세서에 설명된 것들을 포함하여, 대상, 스캐너 및/또는 스캔 파라미터로 인한 차이를 고려하기 위해 생성된 하나 이상의 CAD 스코어를 정규화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2118에서, 대상에 대한 CAD의 위험을 시각화하고 정량화하기 위해 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어의 그래픽 플롯을 생성하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 혈관별, 혈관별 및/또는 대상별 기반으로 하나 이상의 CAD 위험 스코어의 그래픽 플롯을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 그래픽 플롯은 예를 들어 막대 그래프와 같은 2D, 3D 또는 4D 표현을 포함할 수 있다.
몇몇 실시예에서, 시스템은 블록 2120에서, 사용자가 분석에 기초하여 대상에 대한 CAD의 위험 평가를 생성하는 것을 지원하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 대상에 대한 스케일링된 CAD 위험 스코어를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 대상에 대한 혈관 연령을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 예를 들어 정상, 경증, 중등도 또는 중증으로서 대상에 대한 CAD의 위험을 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 컬러 심장 맵을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 대상에 대한 CAD의 위험을 고위험 또는 저위험으로서 카테고리화하도록 구성될 수 있다.
영상 처리
본 명세서에 설명된 시스템, 디바이스 및 방법의 몇몇 실시예는 영상 분석에 기초하여 관상 동맥 질환(CAD)과 같은 질환의 진행을 추적하고 환자에 대한 치료를 결정하기 위해 이러한 추적 결과를 사용하도록 구성된다. 달리 말하면, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 환자 또는 대상을 영상으로 치료하도록 구성된다. 특히, 몇몇 실시예에서, 시스템은 시간 경과에 따른 하나 이상의 의료 영상을 분석함으로써 의료 치료에 응답하여 질환의 진행을 추적하고 의료 치료가 효과적인지 여부를 결정하기 위해 이를 사용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 이전의 의료 치료가 영상 분석에 기초하는 질환 진행의 추적에 기초하여 효과적인 것으로 결정되면, 시스템은 동일한 치료의 지속적인 사용을 제안하도록 구성될 수 있다. 다른 한편으로, 몇몇 실시예에서, 이전의 의료 치료가 영상 분석에 기초하는 질환 진행의 추적에 기초하여 중립적이거나 비효과적인 것으로 결정되면, 시스템은 이전 치료의 수정 및/또는 대상에 대한 새로운 치료를 제안하도록 구성될 수 있다. 몇몇 실시예에서, 치료는 약물, 생활 습관 변화 또는 조치, 및/또는 혈관재형성 절차를 포함할 수 있다.
특히, 본 명세서에 설명된 시스템, 디바이스, 및 방법의 몇몇 실시예는, 예를 들어 불리한 관상 이벤트를 감소시킬 것인 방식으로, 시간 경과에 따른 관상 동맥 질환 또는 다른 혈관 질환의 진행, 퇴행 또는 안정화 및/또는 불안정화 중 하나 이상을 결정하도록 구성된다. 예를 들어, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 플라크 감쇠 추적에 기초하는 의료 분석 및/또는 치료를 제공하도록 구성된다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 플라크의 감쇠를 추적하기 위해 컴퓨터 시스템 및/또는 인공 지능 플랫폼을 이용하도록 구성될 수 있고, 여기서 플라크의 퇴행보다는, 의료 영상 위의 저감쇠 플라크로부터 고감쇠 플라크로의 자동으로 검출된 변환이 관상 질환의 진행률 및/또는 증가된/감소된 위험률을 표현할 수 있는 플라크 감쇠 스코어 또는 상태를 생성하기 위한 주요 기반으로서 사용될 수 있다. 이와 같이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 개인의 생활 코스를 따라 의료 요법, 생활 습관 중재, 및/또는 관상 혈관재형성의 반응 평가를 제공하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 컴퓨터 단층 촬영 혈관조영술(CCTA)을 이용하도록 구성될 수 있다. 일반적으로 말하면, 컴퓨터 단층 촬영 혈관조영술(CCTA)은 관상 및 다른 동맥에서 죽상동맥경화증의 존재, 정도, 중증도, 위치 및/또는 유형의 평가를 가능하게 할 수 있다. 이들 인자는 의료 요법, 생활 습관 수정 및 관상 중재술로 변경될 수 있다. 비한정적 예로서, 몇몇 경우에, 오메가-3 지방산은 38.6개월 후 고위험 플라크 유병률, 고위험 플라크의 수 및/또는 냅킨 링 징후를 낮출 수 있다. 또한, 플라크의 CT 밀도는 오메가-3 지방산 그룹에서 더 높을 수 있다. 다른 비한정적인 예로서, 몇몇 경우에, 아이코사펜트 에틸은 기준선 및 플라시보에 비교하여 저감쇠 플라크(LAP) 체적을 17%만큼 및 전체 플라크 체적을 9%만큼 감소시킬 수 있다. 게다가, 다른 비한정적인 예로서, HIV 양성 환자의 몇몇 경우에, 항레트로바이러스 요법에 대한 더 높은 비석회화 및 고위험 플라크 부담이 더 높을 수 있고 더 높은 심혈관 위험을 수반할 수 있다. 또한, 다른 비한정적 예로서, 스타틴을 복용하는 일부 환자의 경우, 석회화된 죽종 체적 백분율의 더 빠른 진행과 함께 더 느린 백분율 죽종 진행 속도가 있을 수 있다. 플라크의 다른 변화는 또한 일부 다른 노출로 인해 발생할 수 있다. 중요하게는, 몇몇 경우에, 환자는 종종 이들 약물의 조합을 취하고, 그리고/또는 예를 들어 본 명세서에 설명된 하나 이상의 실시예를 이용하여, 예측 가능하지 않지만 측정 가능할 수 있는 방식으로 시간 경과에 따른 플라크의 변화에 다요인적으로 기여할 수도 있는 건강하거나 건강하지 않은 생활 습관을 생활할 수도 있다.
몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 플라크의 이분법적 및/또는 카테고리적 변화(예를 들어, 비석회화로부터 석회화로, 고위험에서 비고위험으로 등) 및 플라크의 부담(예를 들어, 체적, 죽종 용적 비율 등)을 분석하고, 뿐만 아니라 시간 경과에 따른 일련의 연속적 변화를 분석하도록 구성될 수 있다. 게다가, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 의료 요법의 보강, 생활 습관의 변화 및/또는 관상 혈관재형성에 대한 필요성을 안내하기 위한 종방향 방법으로서 플라크의 특징의 연속적인 변화를 활용하도록 구성될 수 있다. 또한, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 환자 특정 이벤트가 없는 생존을 개선하는 방식으로 요법을 안내하는 방법으로서 시간 경과에 따른 이들 변화의 차이를 활용하도록 구성될 수 있다.
이와 같이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는, 예를 들어 불리한 관상 이벤트를 감소시킬 것인 방식의 의료 치료에 응답하여, 시간 경과에 따른 관상 동맥 질환 및/또는 다른 혈관 질환의 진행, 퇴행 또는 안정화 및/또는 불안정화를 결정하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 밀도/신호 강도, 혈관 리모델링, 플라크의 위치, 플라크 체적/질환 부담 등을 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등과 같은)의 차이를 고려하기 위해, 본 명세서에 설명된 것들과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 일련의 영상에 의해 시간 경과에 따른 관상 죽상동맥경화성 병변의 영상 밀도(CT) 및/또는 신호 강도(MRI)를 추적하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크의 안정화의 측정치로서 시간 경과에 따른 관상 병변의 방향성 변화(예를 들어, 더 낮은-대-더 높은 CT 밀도, 더 높은-대-더욱 더 높은 CT 밀도 등)를 활용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 질환 이벤트의 위험(예를 들어, 높은 CT 밀도는 심근경색의 더 낮은 위험과 연관됨)에 링크하기 위해 방향성 변화를 활용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 다른 약물을 추가할지/의료 요법을 보강할지의 여부에 대한 의사 결정을 안내하도록 구성될 수 있다. 예를 들어, 1년 후에 환자에 대한 밀도/신호 강도에 변화가 없으면, 시스템은 다른 약물의 추가를 제안하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 불리한 관상 동맥 이벤트(예를 들어, 급성 관상 증후군, 급속 진행, 허혈 등)를 감소시키기 위해 상기 방식으로 의사 결정을 안내하도록 구성될 수 있다.
도 22a는 관상 동맥 및/또는 다른 혈관 질환의 분석 및/또는 치료를 위한 플라크의 감쇠를 추적하는 예(들)를 도시하고 있다. 비한정적인 예로서, 도 22a는 CT 영상으로부터 동맥의 예시적인 단면을 도시하고 있다. 도시되어 있는 예시적인 실시예에서, 황색 원은 내강이고, 주황색 원은 외부 혈관 벽이며, 그 사이의 모든 것은 플라크 조직 또는 그와 유사한 것이다. 도시되어 있는 예시적인 실시예에서, CT에 의한 "고위험 플라크"는 좌측에 표시되며, 여기서 이들은 저감쇠 플라크(예를 들어, <30 하운즈필드 단위) 및 양성(>1) 혈관 리모델링(예를 들어, 가장 근위측 정상 단면의 단면적과 비교하여 최대 플라크 부위의 단면적 또는 직경)을 가짐으로써 이와 같이 분류된다. 몇몇 실시예에서, 양성 동맥 리모델링은 >1.05 또는 >1.10으로서 정의될 수 있다.
도 22a의 예시적인 실시예에 도시되어 있는 바와 같이, 몇몇 실시예에서, 플라크는 연속적으로 상이한 밀도를 가질 수 있다. 도시되어 있는 예시적인 실시예의 가장 좌측 단면에서, 플라크는 검은색이고, 점진적으로 회색으로 전환되고 이어서 도시되어 있는 예시적인 실시예의 가장 우측 단면에서 >1000의 하운즈필드 단위 밀도로 매우 밝은 백색이 될 때까지 더 밝아지고 밝아진다. 몇몇 실시예에서, 이 밀도는 단일 에너지, 이중 에너지, 스펙트럼 및/또는 광자 계수 영상을 포함할 수 있는 CT 영상의 획득 모드에 따라 하운즈필드 단위 밀도 또는 다른 것으로서 연속적으로 보고될 수 있다.
몇몇 실시예에서, 영상화 방법(예를 들어, CT에 의한)을 사용하여, 더 어두운 플라크(예를 들어, 더 낮은 하운즈필드 단위 밀도를 가짐)는 더 높은 위험(예를 들어, 심근 경색, 허혈 유발, 급속 진행 등의)을 표현할 수 있고, 반면 더 밝은 플라크(예를 들어, 더 높은 하운즈필드 단위 밀도를 가짐)는 더 낮은 위험을 표현할 수 있다.
몇몇 실시예에서, 시스템은 치료 후 플라크의 증가된 안정화에 대한 마커로서 플라크 조성 밀도의 연속적인 척도를 활용하고, 미래 관상 이벤트(예를 들어, 급성 관상 증후군, 허혈 등)에 대한 예후 위험도 층화를 지속적으로 업데이트하기 위해 이 정보를 활용하도록 구성된다. 따라서, 몇몇 실시예에서, 개인의 심근경색의 위험은 플라크의 밀도에 의존할 수 있고, 치료 후 밀도의 변화는 그 위험을 감쇠시키고, 그 위험을 증가시키고, 그리고/또는 위험에 영향을 미치지 않을 수 있다.
몇몇 실시예에서, 시스템은 약물(예를 들어, 스타틴, 인간 면역결핍 바이러스(HIV) 약물, 아이코사펜트 에틸, 벰페도산, 리바록사반, 아스피린, 프로단백질 전환 효소 서브틸리신/켁신 9형(PCSK-9) 억제제, 인클리시란, 나트륨-포도당 공수송체-2(SGLT-2) 억제제, 글루카곤 유사 펩티드-1(GLP-1) 수용체 길항제, 저밀도 지단백질(LDL) 성분채집술 등); 생활 습관(증가된 운동, 유산소 운동, 무산소 운동, 금연, 식이 변화 등); 및/또는 혈관재형성(우회 이식, 스텐트 삽입, 생체흡수성 스캐폴드 등 후)을 포함할 수도 있는 다수의 상이한 형태로 치료를 생성 및/또는 제안하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 플라크가 안정화하고 예후가 개선되고 있는 것을 보장하기 위해 시간 경과에 따라 플라크 변화를 추종하기 위한 방법을 임상의와 환자에게 제공하는 "영상 처리" 연속 접근법을 생성 및/또는 제공하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 환자는 그 CT 스캔 후에 스타틴 약물로 시작될 수도 있다. 시간 경과에 따라(예를 들어, 몇개월), 플라크는 하운즈필드 단위 밀도에서 30으로부터 45 HU로 변경될 수도 있다. 몇몇 실시예에서, 이는 플라크 안정화의 유익한 결과를 표현할 수도 있고 플라크에 대한 스타틴 약물의 효능을 암시할 수도 있다. 대안적으로, 시간 경과에 따라, 플라크는 하운즈필드 단위 밀도에서 변경되지 않고, 시간 경과에 따라 30 HU로 유지될 수도 있다. 이 경우, 몇몇 실시예에서, 이는 스타틴 약물이 플라크를 안정화시키는데 비효과적이라는 불리한 결과를 표현할 수도 있다. 몇몇 실시예에서, 플라크가 의료 요법에 대해 안정화되지 않으면(예를 들어, HU 밀도가 낮게 유지되거나 매우 느리게 상승하는 경우), 다른 약물(예를 들어, PCSK-9 억제제)이 추가될 수도 있는데, 이는 HU에서 불변성이 의료 요법 보강을 안내하고 궁극적으로 환자 결과를 개선하는 데 사용되는 적정 바이오마커가 될 수 있기 때문이다(예를 들어, 심근 경색, 급속 진행, 허혈 및/또는 다른 불리한 이벤트를 감소시킴으로써).
몇몇 실시예에서, 플라크의 밀도는: 스캐너 유형, 영상 획득 파라미터(예를 들어, mA, kVp 등), 에너지(예를 들어, 단일-, 이중-, 스펙트럼, 광자 계수 등), 동기(예를 들어, 축방향 대 후향적 나선형 등), 대조, 연령, 환자 신체 체질, 주변 심장 구조, 플라크 유형(예를 들어, 칼슘은 부분 체적 아티팩트 등을 유발할 수도 있음) 등 중 하나 이상을 포함할 수 있는 다수의 인자에 의해 영향을 받을 수도 있다. 이와 같이, 몇몇 실시예에서, 시스템은 시간 경과에 따른 플라크 유형의 비교를 추가로 표준화하기 위해 이들 인자 중 하나 이상으로 정규화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 영상 분석 기술을 사용하여 시간 경과에 따른 관상 죽상동맥경화성 병변의 혈관 리모델링을 추적하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 리모델링의 방향성 변화(예를 들어, 외향, 중간, 내향 등)를 활용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 환자, 혈관, 세그먼트, 병변 및/또는 단면 기반으로 방향성을 평가하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 질환 이벤트의 위험에 링크하기 위해 방향성 변화를 활용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 더 외향 리모델링은 심근경색 등의 더 높은 위험을 나타낼 수 있다. 몇몇 실시예에서, 시스템은 다른 약물을 추가할지/의료 요법을 보강할지 및/또는 악화 또는 새로운 양성 리모델링에 기초하여 관상 혈관재형성을 수행할지 여부에 대한 의사 결정을 안내하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 불리한 관상 동맥 이벤트(예를 들어, 급성 관상 증후군, 급속 진행, 허혈 등)를 감소시키기 위해 상기 방식으로 의사 결정을 안내하도록 구성될 수 있다.
몇몇 실시예에서, 플라크 조성에 대한 유사한 비유는 특정 관상 병변에서 및/또는 관상 혈관 트리 내의 모든 관상 병변을 가로지르는 혈관 리모델링의 측정에 적용될 수 있다. 특히, 몇몇 실시예에서, 리모델링 지수는 연속 측정일 수 있고 직경, 면적 및/또는 체적 중 하나 이상에 의해 보고될 수 있다. 양성 리모델링은 급성 관상 증후군의 시점에서 병변과 연관될 수 있고 음성 리모델링은 그렇지 않을 수도 있으므로, 몇몇 실시예에서, 일련의 영상(예를 들어, CT 스캔 등)은 플라크가 다소 양성 리모델링을 야기하는지 여부를 결정하기 위해 시간을 가로질러 추종될 수 있다. 몇몇 실시예에서, 양성 리모델링의 중단 및/또는 둔화는 개인 또는 병변의 심근 경색 또는 다른 불리한 관상 이벤트(예를 들어, 허혈 등)의 위험을 예후적으로 업데이트하는 데 사용될 수 있는 유리한 징후일 수 있다.
몇몇 실시예에서, 시스템은 플라크가 안정화하고 예후가 개선되고 있는 것을 보장하기 위해 시간 경과에 따라 플라크 변화를 추종하기 위한 방법을 임상의와 환자에게 제공하는 "영상 처리" 연속 접근법을 제공하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 환자는 그 CT 스캔 후에 스타틴 약물로 시작될 수도 있다. 시간 경과에 따라(예를 들어, 몇개월 등), 플라크는 리모델링 지수를 1.10으로부터 1.08로 변경할 수도 있다. 몇몇 실시예에서, 이는 플라크 안정화의 유익한 결과를 표현할 수도 있고 플라크에 대한 스타틴 약물의 효능을 암시할 수도 있다. 대안적으로, 시간 경과에 따라, 플라크는 시간 경과에 따라 리모델링 지수를 변경하지 않고 1.10로 유지시킬 수도 있다. 이 경우, 몇몇 실시예에서, 이는 스타틴 약물이 플라크를 안정화시키는데 비효과적이라는 불리한 결과를 표현할 수도 있다. 몇몇 실시예에서, 플라크가 의료 요법에 대해 안정화되지 않으면(예를 들어, 리모델링 지수가 높게 유지되거나 매우 느리게 감소하는 경우), 다른 약물(예를 들어, PCSK-9 억제제 등)이 추가될 수도 있는데, 이는 리모델링에서 불변성이 의료 요법 보강을 안내하고 궁극적으로 환자 결과를 개선하는 데 사용되는 적정 바이오마커가 될 수 있기 때문이다(예를 들어, 심근 경색, 급속 진행, 허혈 및/또는 다른 불리한 이벤트를 감소시킴으로써).
몇몇 실시예에서, 플라크의 리모델링 지수는: 스캐너 유형, 영상 획득 파라미터(예를 들어, mA, kVp 등), 에너지(예를 들어, 단일-, 이중-, 스펙트럼, 광자 계수 등), 동기(예를 들어, 축방향 대 후향적 나선형 등), 대조, 연령, 환자 신체 체질, 주변 심장 구조, 플라크 유형(예를 들어, 칼슘은 부분 체적 아티팩트 등을 유발할 수도 있음) 등 중 하나 이상을 포함할 수 있는 다수의 인자에 의해 영향을 받을 수도 있다. 몇몇 실시예에서, 시스템은 시간 경과에 따른 플라크 유형의 비교를 추가로 표준화하기 위해 이들 인자 중 하나 이상으로 정규화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 시간 경과에 따라 플라크의 하나 이상의 영역의 위치를 추적하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 심근 지향 대 심막 지향; 분지 또는 삼분지에서; 근위 대 중간 대 원위; 주 혈관 대 분지 혈관; 등 중 하나 이상에 기초하여 플라크의 하나 이상의 영역의 위치를 추적하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 환자, 혈관, 세그먼트, 병변 및/또는 단면 기반으로 방향성을 평가하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 질환 이벤트의 위험(예를 들어, 더 많은 외향 리모델링, 더 높은 심근경색 위험 등)에 링크하기 위해 방향성 변화를 활용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 다른 약물을 추가할지/의료 요법을 보강할지 또는 관상 혈관재형성을 수행할지 등의 여부에 대한 의사 결정을 안내하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 불리한 관상 동맥 이벤트(예를 들어, 급성 관상 증후군, 급속 진행, 허혈 등)를 감소시키기 위해 상기 방식으로 의사 결정을 안내하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 시간 경과에 따라 증가된 위험과 연관되는 것으로서 특정 관상 이벤트를 식별 및/또는 상관시키도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 심막 지향 플라크는 심근 지향 플라크보다 심근 경색시에 원인 병변이 되는 더 높은 비율을 가질 수도 있다. 몇몇 실시예에서, 분지 병변은 비분지/삼분지 병변보다 심근 경색시에 원인 병변이 되는 더 높은 비율을 갖는 것으로 나타날 수 있다. 몇몇 실시예에서, 근위 병변은 원위 병변보다 더 흔한 경향이 있을 수 있고 또한 가장 빈번하게 심근 경색 또는 다른 불리한 관상 이벤트의 부위가 될 수 있다.
몇몇 실시예에서, 시스템은 플라크의 이들 개별 위치의 각각 또는 일부를 추적하도록 구성될 수 있고, 이들의 존재, 정도 및 중증도에 기초하여, 기준선 위험을 할당하도록 구성될 수 있다. 몇몇 실시예에서, 약물, 생활 습관 또는 중재로 치료 후, 위험 평가를 업데이트하는 데 사용할 수 있는 이들 특징의 변화를 결정하기 위해 일련의 영상(예를 들어, CT 등에 의한)이 수행될 수 있다.
몇몇 실시예에서, 시스템은 플라크가 안정화하고 예후가 개선되고 있는 것을 보장하기 위해 시간 경과에 따라 플라크 위치 변화를 추종하기 위한 방법을 임상의와 환자에게 제공하는 "영상 처리" 연속 접근법을 제공하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 환자는 그 CT 스캔 후에 스타틴 약물로 시작될 수도 있다. 시간 경과에 따라(예를 들어, 몇개월 등), 플라크는 심막 지향 영역에서 퇴행할 수도 있지만 심근 지향 영역에는 남아 있다. 몇몇 실시예에서, 이는 플라크 안정화의 유익한 결과를 표현할 수도 있고 플라크에 대한 스타틴 약물의 효능을 암시할 수도 있다. 대안적으로, 시간 경과에 따라, 플라크는 시간 경과에 따라 위치 변경되지 않고 심막 지향 유지될 수도 있다. 이 경우, 몇몇 실시예에서, 이는 스타틴 약물이 플라크를 안정화시키는데 비효과적이라는 불리한 결과를 표현할 수도 있다. 몇몇 실시예에서, 플라크가 의료 요법에 대해 안정화되지 않으면(예를 들어, 플라크의 위치가 심막 지향 유지되거나 매우 느리게 변화하는 경우), 다른 약물(예를 들어, PCSK-9 억제제 등)이 추가될 수도 있는데, 이는 플라크의 위치에서 불변성이 의료 요법 보강을 안내하고 궁극적으로 환자 결과를 개선하는 데 사용되는 적정 바이오마커가 될 수 있기 때문이다(예를 들어, 심근 경색, 급속 진행, 허혈 또는 다른 불리한 이벤트를 감소시킴으로써).
몇몇 실시예에서, 플라크 위치의 CT 외관은: 스캐너 유형, 영상 획득 파라미터(예를 들어, mA, kVp 등), 에너지(예를 들어, 단일-, 이중-, 스펙트럼, 광자 계수 등), 동기(예를 들어, 축방향 대 후향적 나선형 등), 대조, 연령, 환자 신체 체질, 주변 심장 구조, 플라크 유형(예를 들어, 칼슘은 부분 체적 아티팩트 등을 유발할 수도 있음) 등 중 하나 이상을 포함할 수도 있는 다수의 인자에 의해 영향을 받을 수도 있다. 몇몇 실시예에서, 시스템은 시간 경과에 따른 플라크 유형의 비교를 추가로 표준화하기 위해 이들 인자 중 하나 이상으로 정규화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 플라크 체적 및/또는 혈관 체적의 함수로서 플라크 체적(예를 들어, 죽종 용적 비율 또는 PAV 등)을 추적하도록 구성될 수 있다. 몇몇 실시예에서, 플라크 체적 및/또는 PAV는 환자별, 혈관별, 세그먼트별 또는 병변별 기반으로 추적될 수 있다. 몇몇 실시예에서, 시스템은 플라크 체적 또는 PAV의 방향성을 평가하도록 구성될 수 있다(예를 들어, 증가, 감소 또는 동일하게 유지). 몇몇 실시예에서, 시스템은 질환 이벤트의 위험에 링크하기 위해 방향성 변화를 활용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 플라크 체적 또는 PAV의 증가는 더 높은 위험을 나타낼 수 있다. 유사하게, 몇몇 실시예에서, 플라크 진행의 둔화는 더 낮은 위험 등을 나타낼 수 있다. 몇몇 실시예에서, 시스템은 다른 약물을 추가할지/의료 요법을 보강할지 또는 관상 혈관재형성을 수행할지의 여부에 대한 의사 결정을 안내하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 증가하는 플라크 체적 또는 PAV에 응답하여, 시스템은 증가된/보강된 의료 요법, 다른 치료, 증가된 약물 투여량 등을 제안하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 불리한 관상 동맥 이벤트(예를 들어, 급성 관상 증후군, 급속 진행, 허혈 등)를 감소시키기 위해 의사 결정을 안내하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 시간 경과에 따라 증가된 위험과 연관되는 것으로서 특정 불리한 관상 이벤트를 식별 및/또는 상관시키도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 더 높은 플라크 체적 및/또는 더 높은 PAV는 CAD 이벤트의 높은 위험을 야기할 수 있다.
몇몇 실시예에서, 시스템은 플라크 체적 및/또는 PAV를 추적하고 그 존재, 범위 및/또는 중증도에 적어도 부분적으로 기초하여 기준선 위험을 할당하도록 구성될 수 있다. 몇몇 실시예에서, 약물, 생활 습관 또는 중재로 치료 후, 위험 평가를 업데이트하는 데 사용할 수 있는 이들 특징의 변화를 결정하기 위해 일련의 영상(예를 들어, CT에 의한)이 수행될 수 있다.
몇몇 실시예에서, 시스템은 플라크가 안정화하고 예후가 개선되고 있는 것을 보장하기 위해 시간 경과에 따라 플라크 위치 변화를 추종하기 위한 방법을 임상의와 환자에게 제공하는 "영상 처리" 연속 접근법을 제공하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 환자는 그 CT 스캔 후에 스타틴 약물로 시작될 수도 있다. 시간 경과에 따라(예를 들어, 몇개월 등), 플라크는 체적 또는 PAV가 증가할 수도 있다. 몇몇 실시예에서, 이는 불리한 결과를 표현할 수도 있고 스타틴 약물의 비효능성을 암시할 수도 있다. 대안적으로, 시간 경과에 따라, 플라크의 체적이 변화하지 않을 수도 있다. 이 경우, 몇몇 실시예에서, 이는 스타틴 약물이 플라크를 안정화시키는데 효과적이라는 유익한 결과를 표현할 수도 있다. 몇몇 실시예에서, 플라크가 의료 요법에 대해 안정화되지 않으면(예를 들어, 플라크 체적 또는 PAV가 증가하는 경우), 다른 약물(예를 들어, PCSK-9 억제제 등)이 추가될 수도 있는데, 이는 플라크 체적 또는 PAV에서 불변성이 의료 요법 보강을 안내하고 궁극적으로 환자 결과를 개선하는 데 사용되는 적정 바이오마커가 될 수 있기 때문이다(예를 들어, 심근 경색, 급속 진행, 허혈 및/또는 다른 불리한 이벤트를 감소시킴으로써).
몇몇 실시예에서, 플라크 위치의 CT 외관은: 스캐너 유형, 영상 획득 파라미터(예를 들어, mA, kVp 등), 에너지(예를 들어, 단일-, 이중-, 스펙트럼, 광자 계수 등), 동기(예를 들어, 축방향 대 후향적 나선형 등), 대조, 연령, 환자 신체 체질, 주변 심장 구조, 플라크 유형(예를 들어, 칼슘은 부분 체적 아티팩트 등을 유발할 수도 있음) 등 중 하나 이상을 포함할 수도 있는 다수의 인자에 의해 영향을 받을 수도 있다. 몇몇 실시예에서, 시스템은 시간 경과에 따른 플라크 유형의 비교를 추가로 표준화하기 위해 이들 인자 중 하나 이상으로 정규화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 환자별, 혈관별, 세그먼트별, 및/또는 병변별 기반으로 플라크 조성, 혈관 리모델링, 및/또는 다른 특징과 관련하여 전술된 전반적 변화 중 하나 이상을 분석 및/또는 보고하여, 예를 들어 단독으로(예를 들어, 단지 조성 등) 및/또는 조합하여(예를 들어, 조성 + 리모델링 + 위치 등) 예후 위험도 층화를 제공하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 위험 평가를 업데이트하고 그리고/또는 의료 요법, 생활 습관 변화, 및/또는 중재 요법을 영상 분석 및/또는 질환 추적에 기초하여 안내하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템은 질환 안정화 또는 악화를 추적하기 위한 방법으로서 연속적 기반으로 발생하는 동맥/플라크에 대한 변화를 다수의 방식으로 보고하도록 구성될 수 있다. 몇몇 실시예에서, 질환을 추적하는 방법으로서, 시스템은 불리한 관상 이벤트의 위험을 보고하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 영상 기반 변화에 기초하여, 정량적 위험 스코어는 후속 조치에서 기준선으로부터 업데이트될 수 있다. 몇몇 실시예에서, 시스템은: (1) 진행 - 악화를 수반함(예를 들어, 더 저감쇠, 더 큰 양성 리모델링 등); (2) 퇴행 - 감소를 수반함(예를 들어, 더 높은 감쇠, 더 낮은 양성 리모델링 등); (3) 혼합 반응 - 진행, 그러나 더 예후적으로 유익한 소견을 가짐(예를 들어, 시간 경과에 따른 더 높은 체적의 플라크, 그러나 석회화된 1K 플라크가 우세를 가짐)(혼합 반응은 플라크 리모델링 및 위치를 또한 포함할 수 있음); 및/또는 (4) 혼합 반응 - 진행, 그러나 더 예후적으로 불리한 소견을 가짐(시간 경과에 따라 더 높은 체적의 플라크, 그러나 더 많은 비석회화 저감쇠 플라크를 가짐)(혼합 반응은 플라크 리모델링 및 위치를 또한 포함할 수 있음)을 분석하는 4-카테고리 방법을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 요법을 안내하기 위한 방법으로서 질환을 추적하기 위해, 의료 요법의 보강 및/또는 생활 습관 변화 또는 관상 혈관재형성의 제도가 발생할 수도 있고 불리한 관상 이벤트의 증가된 위험에 의해 촉구되거나 예를 들어 "진행" 또는 "혼합 반응 - 석회화된 플라크의 진행" 카테고리에 있을 수도 있다. 또한, 몇몇 실시예에서, 조성, 리모델링 및/또는 위치 변화에 기초하는 질환의 일련의 추적 및 의료 요법, 생활 습관 변화 또는 관상 혈관재형성의 적절한 보강이 불리한 관상 이벤트를 감소시키기 위한 가이드로서 제공될 수 있다.
도 22b는 영상을 처리하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 22b에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 2202에서, 예를 들어 관상 동맥과 관련하는 것과 같은, 대상의 플라크 및/또는 혈관 파라미터의 제1 세트에 액세스하도록 구성된다. 몇몇 실시예에서, 하나 이상의 플라크 및/또는 혈관 파라미터는 플라크 및/또는 혈관 파라미터 데이터베이스(2204)로부터 액세스될 수 있다. 몇몇 실시예에서, 하나 이상의 플라크 및/또는 혈관 파라미터는 의료 영상 데이터베이스(100)에 저장되는 하나 이상의 의료 영상으로부터 도출 및/또는 분석될 수 있다.
하나 이상의 플라크 파라미터 및/또는 혈관 파라미터는 본 명세서에 설명된 임의의 이러한 파라미터를 포함할 수 있다. 비한정적 예로서, 하나 이상의 플라크 파라미터는 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함할 수 있다. 밀도는 절대 밀도, 하운즈필드 단위 밀도 등일 수 있다. 플라크의 하나 이상의 영역의 위치는 하나 이상의 심근 지향, 심막 지향, 분지에서, 삼분지에서, 혈관을 따라 근위, 중간 또는 원위, 또는 주 혈관 또는 분지 혈관 등 중 하나 이상으로서 결정될 수 있다. 체적은 절대 체적, PAV 등일 수 있다. 또한, 하나 이상의 혈관 파라미터는 혈관 리모델링 또는 본 명세서에 설명된 임의의 다른 혈관 파라미터를 포함할 수 있다. 예를 들어, 혈관 리모델링은 외향, 중간 또는 내향과 같은 리모델링의 방향성 변화를 포함할 수 있다. 몇몇 실시예에서, 혈관 리모델링은 하나 이상의 관상 죽상동맥경화 병변의 혈관 리모델링을 포함할 수 있다.
몇몇 실시예에서, 블록 2206에서, 대상은 CAD와 같은 질환을 해결하기 위해 몇몇 의료 치료로 치료될 수 있다. 몇몇 실시예에서, 치료는 하나 이상의 약물, 생활 습관 변화 또는 상태, 혈관재형성 절차 등을 포함할 수 있다. 예를 들어, 몇몇 실시예에서, 약물은 스타틴, 인간 면역결핍 바이러스(HIV) 약물, 아이코사펜트 에틸, 벰페도산, 리바록사반, 아스피린, 프로단백질 전환 효소 서브틸리신/켁신 9형(PCSK-9) 억제제, 인클리시란, 나트륨-포도당 공수송체-2(SGLT-2) 억제제, 글루카곤 유사 펩티드-1(GLP-1) 수용체 길항제, 저밀도 지단백질(LDL) 성분채집술 등을 포함할 수 있다. 몇몇 실시예에서, 생활 습관 변화 또는 상태는 증가된 운동, 유산소 운동, 무산소 운동, 금연, 식이 변화 등을 포함할 수 있다. 몇몇 실시예에서, 혈관재형성은 우회 이식, 스텐트 삽입, 생체흡수성 스캐폴드의 사용 등을 포함할 수 있다.
몇몇 실시예에서, 블록 2208에서, 시스템은 대상이 일정 시간 동안 의료 치료로 치료된 후에 촬영된 대상의 하나 이상의 의료 영상에 액세스하도록 구성될 수 있다. 의료 영상은 예를 들어 CT, MRI 등과 같은 본 명세서에 설명되는 임의의 유형의 영상을 포함할 수 있다. 몇몇 실시예에서, 블록 2210에서, 시스템은 예를 들어 본 명세서에 설명된 하나 이상의 영상 분석 기술을 사용하여, 하나 이상의 의료 영상 상의 플라크의 하나 이상의 영역을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 블록 2212에서, 시스템은 플라크 및/또는 혈관 파라미터의 제2 세트를 결정하기 위해 하나 이상의 의료 영상을 분석하도록 구성될 수 있다. 플라크 및/또는 혈관 파라미터의 제2 세트는 몇몇 실시예에서 플라크 및/또는 혈관 파라미터 데이터베이스(2204)로부터 저장 및/또는 액세스될 수 있다. 플라크 및/또는 혈관 파라미터의 제2 세트는 예를 들어 플라크 및/또는 혈관 파라미터의 제1 세트의 것들을 포함하여, 본 명세서에 설명된 임의의 파라미터를 포함할 수 있다.
몇몇 실시예에서, 시스템은 블록 2214에서, 플라크 파라미터의 제1 세트, 혈관 파라미터의 제1 세트, 플라크 파라미터의 제2 세트, 및/또는 혈관 파라미터의 제2 세트 중 하나 이상을 정규화하도록 구성될 수 있다. 본 명세서에 설명된 바와 같이, 하나 이상의 이러한 파라미터 또는 그 정량화는 이러한 파라미터가 도출된 의료 영상을 획득하기 위해 사용되는 스캐너 유형 또는 스캔 파라미터에 의존할 수 있다. 이와 같이, 몇몇 실시예에서, 이러한 차이를 정규화하는 것이 유리할 수 있다. 그와 같이 하기 위해, 몇몇 실시예에서, 시스템은 본 명세서에 설명된 바와 같은 정규화 디바이스로부터 획득된 판독값을 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2216에서, 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 특정 유형의 플라크 파라미터 사이의 변화를 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크 파라미터의 제1 세트 중 하나 이상의 제1 가중 측정치 및 플라크 파라미터의 제2 세트 중 하나 이상의 제2 가중 측정치를 생성하고 제1 가중 측정치와 제2 가중 측정치 사이의 변화를 분석하도록 구성될 수 있다. 가중 측정치는 수학적 변환 또는 본 명세서에 설명된 임의의 다른 기술을 적용함으로써 몇몇 실시예에서 생성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2218에서, 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 특정 유형의 혈관 파라미터 사이의 변화를 분석하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 혈관 파라미터의 제1 세트 중 하나 이상의 제1 가중 측정치 및 혈관 파라미터의 제2 세트 중 하나 이상의 제2 가중 측정치를 생성하고 제1 가중 측정치와 제2 가중 측정치 사이의 변화를 분석하도록 구성될 수 있다. 가중 측정치는 수학적 변환 또는 본 명세서에 설명된 임의의 다른 기술을 적용함으로써 몇몇 실시예에서 생성될 수 있다.
몇몇 실시예에서, 블록 2220에서, 시스템은 하나 이상의 플라크 파라미터 및/또는 혈관 파라미터 사이의 분석된 변화에 기초하여 CAD와 같은 질환의 진행을 추적하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 플라크 파라미터의 가중 측정치 및/또는 본 명세서에 설명된 바와 같은 혈관 파라미터 사이의 변화를 분석하는 것에 기초하여 질환의 진행을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 특정 플라크 파라미터 및/또는 혈관 파라미터 사이의 변화를 분석하는 것에 기초하여 질환의 진행을 결정하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 플라크의 하나 이상의 영역의 밀도의 증가는 질환 안정화를 나타낼 수 있다. 몇몇 실시예에서, 심막 지향으로부터 심근 지향으로의 플라크의 영역의 위치의 변화는 질환 안정화를 나타낸다. 몇몇 실시예에서, 제1 시점과 제2 시점 사이의 플라크의 하나 이상의 영역의 체적의 증가는 질환 안정화를 나타낸다. 몇몇 실시예에서, 제1 시점과 제2 시점 사이의 더 외향 리모델링은 질환 안정화를 나타낸다. 몇몇 실시예에서, 질환 진행은 대상별, 혈관별, 세그먼트별 또는 병변별 기반 중 하나 이상으로 추적된다. 몇몇 실시예에서, 질환 진행은 진행, 퇴행, 혼합 반응 - 석회화 플라크의 진행, 혼합 반응 - 비석회화 플라크의 진행 중 하나 이상으로서 시스템에 의해 결정될 수 있다.
몇몇 실시예에서, 블록 2222에서, 시스템은 예를 들어 추적된 질환 진행에 기초하여 의료 치료의 효능을 결정하도록 구성될 수 있다. 이와 같이, 몇몇 실시예에서, 영상 분석 기술을 사용하여 하나 이상의 의료 영상으로부터 도출된 바와 같은 하나 이상의 플라크 및/또는 혈관 파라미터의 변화는 치료를 평가하기 위한 바이오마커로서 사용될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 플라크 파라미터의 가중 측정치 및/또는 본 명세서에 설명된 바와 같은 혈관 파라미터 사이의 변화를 분석하는 것에 기초하여 치료의 효능을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 특정 플라크 파라미터 및/또는 혈관 파라미터 사이의 변화를 분석하는 것에 기초하여 치료의 효능을 결정하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 플라크의 하나 이상의 영역의 밀도의 증가는 의료 치료의 긍정적인 효능을 나타낼 수 있다. 몇몇 실시예에서, 심막 지향으로부터 심근 지향으로의 플라크의 영역의 위치의 변화는 의료 치료의 긍정적 효능을 나타낸다. 몇몇 실시예에서, 제1 시점과 제2 시점 사이의 플라크의 하나 이상의 영역의 체적 증가는 의료 치료의 부정적인 효능을 나타낸다. 몇몇 실시예에서, 제1 시점과 제2 시점 사이의 더 외향 리모델링은 의료 치료의 부정적인 효능을 나타낸다.
몇몇 실시예에서, 블록 2224에서, 시스템은 이전 치료의 결정된 효능에 기초하여 대상에 대한 제안된 의료 치료를 생성하도록 구성된다. 예를 들어, 이전 치료가 양성이거나 질환을 안정화하는 것으로 결정되면, 시스템은 동일한 치료를 제안하도록 구성될 수 있다. 몇몇 실시예에서, 이전 치료가 음성이거나 질환을 안정화하지 않는 것으로 결정되면, 시스템은 상이한 치료를 제안하도록 구성될 수 있다. 새롭게 제안된 치료는 예를 들어 블록 2206에서 이전 치료와 관련하여 설명된 것들을 포함하여, 본 명세서에 설명된 임의의 유형의 치료를 포함할 수 있다.
심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료(들) 결정
본 명세서에 설명된 시스템, 디바이스 및 방법의 몇몇 실시예는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료(들)를 결정하도록 구성된다. 특히, 본 명세서에 설명된 시스템 및 방법의 몇몇 실시예는 실제 죽상동맥경화성 심혈관 질환(ASCVD) 부담, ASCVD 유형 및/또는 ASCVD 진행에 기초하여 생활 습관, 약물 및/또는 중재 요법을 자동으로 및/또는 동적으로 결정하거나 생성하도록 구성된다. 이와 같이, 본 명세서에 설명된 일부 시스템 및 방법은 CCTA-특성화된 ASCVD에 기초하는 개인화된 의료 요법을 제공할 수 있다. 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 예를 들어 하나 이상의 인공 지능(AI) 및/또는 기계 학습(ML) 알고리즘을 사용하여, 실제 ASCVD 부담, ASCVD 유형 및/또는 ASCVD 진행을 나타내거나 연관된 하나 이상의 측정을 생성하기 위해, 예를 들어 환자의 관상 영역의 비침습적 CT, MRI, 및/또는 다른 의료 영상 데이터와 같은 의료 영상 데이터를 동적으로 및/또는 자동으로 분석하도록 구성된다. 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 예를 들어 하나 이상의 인공 지능(AI) 및/또는 기계 학습(ML) 알고리즘을 사용하여, 실제 ASCVD 부담, ASCVD 유형 및/또는 ASCVD 진행에 기초하여 하나 이상의 환자 특정 치료 및/또는 약물을 자동으로 및/또는 동적으로 생성하도록 추가로 구성될 수 있다. 몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등과 같은)의 차이를 고려하기 위해, 본 명세서에 설명된 것들과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
무증상 개인의 심혈관 위험 평가의 몇몇 실시예에서, 시스템은 위험도 층화 및 치료를 안내하기 위해 하나 이상의 위험 인자를 사용하도록 구성될 수 있다. 예를 들어, 일부 심혈관 위험 인자는 이상지혈증, 고혈압, 당뇨병 등을 포함하는 CAD에 기여하는 임상 상태의 관상 동맥 질환(CAD)의 대리 측정치의 측정치를 포함할 수 있다. 몇몇 실시예에서, 이러한 인자는 총 콜레스테롤 및 LDL 콜레스테롤(혈액 바이오마커), 혈압(생체) 및 헤모글로빈 A1C(혈액 바이오마커)와 같은, CAD의 이들 대리 마커에 기초하는 의료 치료 및 생활 습관에 대한 정의된 목표를 가질 수 있는 전문가 사회 가이드라인에서 치료 추천의 기반을 형성할 수 있다. 몇몇 실시예에서, 이 접근법은 모집단 기반 생존을 개선하고 심근경색 및 뇌졸중의 발병률을 감소시킬 수 있다. 그러나, 몇몇 실시예에서, 이들 방법은 또한 특이성의 결여를 겪고, 치료는 모집단에서 더 효과적일 수 있지만 잔여 위험이 있는 개인을 정확히 위치 지정하지 못할 수도 있다. 예로서, LDL은 모집단 기반 연구에서 미래 심근경색의 29%만 설명하는 것으로 나타났으며, 중추 스타틴 치료 시험에서도, 스타틴으로 효과적으로 치료되는 이들 개인은 여전히 심근경색의 70 내지 75%의 잔여 위험을 보유한다.
이와 같이, 본 명세서에 설명된 몇몇 실시예는 실제 죽상동맥경화성 심혈관 질환(ASCVD) 부담, ASCVD 유형 및/또는 ASCVD 진행에 기초하는 생활 습관, 약물 및/또는 중재 요법을 활용함으로써 이러한 기술적 단점을 해결한다. 죽상동맥경화증, 혈전증 및 염증 경로를 통해 ASCVD 프로세스를 타겟화하기 위해 이용 가능한 다수의 약물이 주어지면, 몇몇 실시예에서, 이러한 직접적인 정밀 의학 ASCVD 진단 및 치료 접근법은 개인 레벨에서 ASCVD의 대리 마커를 치료하는 것보다 더 효과적일 수 있다.
몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 실제 죽상동맥경화성 심혈관 질환(ASCVD) 부담, ASCVD 유형 및/또는 ASCVD 진행에 기초하여 생활 습관, 약물 및/또는 중재 요법을 자동으로 및/또는 동적으로 결정하거나 생성하도록 구성된다. 특히, 몇몇 실시예에서, 시스템 및 방법은 예를 들어 관상, 경동맥, 대동맥, 하지, 대뇌, 신장 동맥 등을 포함하는 하나 이상의 또는 모든 혈관 영역에서 ASCVD의 정량적 평가를 위해 관상 컴퓨터 단층 촬영 혈관조영술(CCTA)을 사용하도록 구성된다. 몇몇 실시예에서, 시스템 및 방법은 ASCVD의 양(또는 부담), 뿐만 아니라 위험도 층화에서 플라크의 유형을 분석 및/또는 이용하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템 및 방법은, 석회화 플라크 및 특히 더 고밀도의 석회화 플라크를 더 안정한 것으로서 연관시키면서, 특정 밀도의 저감쇠 플라크(LAP) 및/또는 비석회화 플라크(NCP)를 미래의 주요 불리한 심혈관 이벤트(MACE)과 연관시키도록 구성된다. 또한, 몇몇 실시예에서, 시스템 및 방법은 특정 밀도의 LAP 또는 NCP의 감소 및/또는 모집단 내의 석회화 플라크 형성의 가속, 즉, 조성 부담에 의한 플라크의 변환과 연관된 약물의 사용을 포함할 수 있는 환자 특정 치료 계획을 생성하도록 구성된다. 몇몇 실시예에서, 시스템 및 방법은 예를 들어 다른 것들 중에서도, 스타틴, PCSK9 억제제, GLP 수용체 길항제, 아이코사펜트 에틸, 및/또는 콜히친 등과 같은, 관상 동맥, 경동맥 및/또는 다른 동맥에서 ASCVD의 수정과 연관될 CCTA에 의해 관찰될 수 있는 약물의 사용을 포함할 수 있는 환자 특정 치료 계획을 생성하도록 구성된다.
본 명세서에 설명된 바와 같이, 몇몇 실시예에서, 시스템 및 방법은 ASCVD 부담, 유형 및/또는 진행을 활용하여 임상 의사 결정을 논리적으로 안내하도록 구성된다. 특히, 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 불리한 ASCVD 이벤트를 감소시키고 그리고/또는 개인화된 방식으로 환자 특정 이벤트가 없는 생존을 개선하기 위해 의료 요법을 안내하기 위해 ASCVD 부담, 유형 및/또는 진행을 활용, 분석 및/또는 이용하도록 구성된다. 예를 들어, 몇몇 실시예에서, 시스템은 병변 주위 조직 분위기, 국소화 등과 같은 ASCVD 유형을 분석 및/또는 이용하도록 구성될 수 있다.
더 구체적으로, 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 예를 들어 그 국소화 및/또는 병변 주위 조직과 같은, ASCVD의 존재, 정도, 중증도 및/또는 유형을 정량화하는 하나 이상의 CCTA 알고리즘 및/또는 하나 이상의 의료 치료 알고리즘을 이용하도록 구성된다. 몇몇 실시예에서, 하나 이상의 의료 치료 알고리즘은 예를 들어 컴퓨터 단층 촬영(CT), 자기 공명(MR), 초음파, 핵의학, 분자 영상 등과 같은 임의의 영상 양식으로부터 획득된 임의의 의료 영상을 분석하도록 구성된다. 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 개인화되고(모집단 기반이 아닌), 실제 질환(위험 인자와 같은 질환의 대리 마커가 아닌)을 치료하고, 그리고/또는 시간 경과에 따른 CCTA 식별된 ASCVD의 변화(예를 들어, 진행, 퇴행, 변환 및/또는 안정화와 같은)에 따라 안내되는 하나 이상의 의료 치료 알고리즘을 이용하도록 구성된다. 몇몇 실시예에서, 하나 이상의 CCTA 알고리즘 및/또는 하나 이상의 의료 치료 알고리즘은 컴퓨터 구현 알고리즘이고 그리고/또는 하나 이상의 AI 및/또는 ML 알고리즘을 이용한다.
몇몇 실시예에서, 시스템 및 방법은 개인의 기준선 ASCVD를 평가하도록 구성된다. 몇몇 실시예에서, 시스템 및 방법은 관상 CT 혈관조영술(CCTA)을 이용함으로써 ASCVD를 평가하도록 구성된다. 몇몇 실시예에서, 시스템 및 방법은 죽상동맥경화증의 존재, 국소, 정도, 중증도, 유형, 병변 주위 조직 특성 등을 식별 및/또는 분석하도록 구성된다. 몇몇 실시예에서, ASCVD 평가 방법은 관상, 경동맥 및/또는 다른 혈관 베드(예를 들어, 하지, 대동맥, 신장 등과 같은)의 분석을 수행하는 정량적 영상화 알고리즘에 의존할 수 있다.
몇몇 실시예에서, 시스템 및 방법은 위험에 기초하여 ASCVD를 특정 카테고리로 카테고리화하도록 구성된다. 예를 들어, 이러한 카테고리의 몇몇 예는: 스테이지 0, 스테이지 I, 스테이지 II, 스테이지 III; 또는 없음, 최소, 경증, 중등도/중증; 또는 주로 석회화 대 주로 비석회화; 또는 저밀도 비석회화 플라크의 X 단위; 또는 전체 체적 또는 부담의 함수로서 NCP의 X%를 포함할 수 있다. 몇몇 실시예에서, 시스템 및 방법은 ASCVD를 연속적으로 정량화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템 및 방법은 심근경색, 뇌졸중, 절단, 박리 등과 같은 이벤트의 미래 ASCVD 위험 레벨에 의해 카테고리를 정의하도록 구성될 수 있다. 몇몇 실시예에서, 하나 이상의 다른 비-ASCVD 측정은 예를 들어 심혈관 측정(예를 들어, 고혈압의 경우 좌심실 비대; 심방 세동의 경우 심방 체적; 지방 등) 및/또는 ASCVD에 기여할 수도 있는 비심혈관 측정(예를 들어, 폐기종, 등)과 같은 위험 평가를 향상시키기 위해 포함될 수도 있다. 몇몇 실시예에서, 이들 측정치는 하나 이상의 CCTA 알고리즘을 사용하여 정량화될 수 있다.
몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 개인화된 또는 환자-특정 치료를 생성하도록 구성될 수 있다. 더 구체적으로, 몇몇 실시예에서, 시스템 및 방법은 ASCVD 존재, 정도, 중증도, 및/또는 유형에 기초하여 치료 추천을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 위험 인자(예를 들어, 콜레스테롤, 당뇨병과 같은)를 이용하는 것보다, 치료 알고리즘은 개인화된 방식으로 ASCVD에 직접 기초하여 의료 요법, 생활 습관 및/또는 중재 요법을 보강하는 계층적 접근법을 포함 및/또는 이용할 수 있다. 몇몇 실시예에서, 치료 알고리즘은 일반적으로 성공의 하나 이상의 종래의 마커(예를 들어, 콜레스테롤, 헤모글로빈 A1C 저하 등)를 무시하고, 대신에 ASCVD 존재, 질환의 정도, 중증도, 및/또는 유형을 활용하여 의료 요법 보강의 치료 결정을 안내하도록 구성될 수 있다. 몇몇 실시예에서, 치료 알고리즘은 성공의 하나 이상의 종래의 마커(예를 들어, 콜레스테롤, 헤모글로빈 A1C 저하 등)를 ASCVD 존재, 질환의 정도, 중증도, 및/또는 유형과 조합하여 의료 요법 보강의 치료 결정을 안내하도록 구성될 수 있다. 몇몇 실시예에서, 치료 알고리즘은 성공의 하나 이상의 신규한 마커(예를 들어, 유전학, 전사체학 또는 다른 오믹스 측정 등과 같은)를 ASCVD 존재, 질환의 정도, 중증도, 및/또는 유형과 조합하여 의료 요법 보강의 치료 결정을 안내하도록 구성될 수 있다. 몇몇 실시예에서, 치료 알고리즘은 성공의 하나 이상의 다른 영상 마커(예를 들어, 경동맥 초음파 영상, 복부 대동맥 초음파 또는 컴퓨터 단층 촬영, 하지 동맥 평가 등과 같은)를 ASCVD 존재, 질환의 정도, 중증도, 및/또는 유형과 조합하여 의료 요법 보강의 치료 결정을 안내하도록 구성될 수 있다.
몇몇 실시예에서, 시스템 및 방법은 반응 평가를 수행하도록 구성된다. 특히, 몇몇 실시예에서, 시스템 및 방법은 개인화 기반으로 요법의 효능을 결정하고, ASCVD의 진행, 안정화, 변환 및/또는 퇴행을 결정하기 위해 반복 및/또는 일련의 CCTA를 수행하도록 구성된다. 몇몇 실시예에서, 진행은 급속 또는 비급속으로서 정의될 수 있다. 몇몇 실시예에서, 안정화는 비석회화로부터 석회화로의 ASCVD의 변환, 또는 저감쇠 플라크의 감소, 또는 양성 동맥 리모델링의 감소로서 정의될 수 있다. 몇몇 실시예에서, ASCVD의 퇴행은 ASCVD 체적 또는 부담의 감소 또는 비석회화 또는 저감쇠 플라크와 같은 특정 플라크 유형의 감소로서 정의될 수 있다.
몇몇 실시예에서, 시스템 및 방법은 반응 평가에 기초하여 개인화된 치료를 업데이트하도록 구성된다. 특히, 몇몇 실시예에서, 기준선과 후속 조치 CCTA 사이의 ASCVD의 변화에 기초하여, 악화가 발생하는 경우 개인화된 치료가 업데이트되고 보강될 수 있거나 개선이 발생하는 경우 축소/일정하게 유지될 수 있다. 비한정적 예로서, 안정화가 발생한 경우, 이는 현재 의료 요법의 성공의 증거가 될 수 있다. 대안적으로, 다른 비한정적 예로서, 안정화가 발생하지 않고 ASCVD가 진행된 경우, 이는 현재 의료 요법의 실패의 증거가 될 수 있고, 알고리즘적 접근이 취해져서 의료 요법을 보강할 수 있다.
몇몇 실시예에서, 보강 요법은 지질 저하제를 계층적 방식으로 채용하고, ASCVD 존재, 정도, 중증도, 유형 및/또는 진행을 고려한다. 몇몇 실시예에서, 보강 요법은 국소 및/또는 병변 주위 조직을 고려한다. 몇몇 실시예에서, 보강 요법 및 그 내의 약물의 사용은 또한 LDL 콜레스테롤 및 트리글리세라이드(TG) 및 Lp(a) 및 Apo(B) 레벨; 또는 콜레스테롤 입자 밀도 및 크기에 의해 또한 안내될 수 있다. 예를 들어, 도 23f 내지 도 23g는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 생성된 지질 저하 약물(들) 및/또는 치료(들)를 채용하는 치료(들)의 예시적인 실시예(들)를 도시하고 있다.
몇몇 실시예에서, ASCVD, 염증 및 혈전증을 포함하는 MACE 기여자의 다차원적 특성이 주어지면, 보강 요법은 ASCVD 진행을 제어하기 위해 항염증 약물(예를 들어, 콜히친) 및/또는 항혈전 약물(예를 들어, 리보락사반 및 아스피린)을 통합할 수 있다. 몇몇 실시예에서, MACE 이벤트 감소에 두드러진 효과를 갖는 새로운 당뇨병 약물 - SGLT2 억제제 및 GLP1R 길항제를 포함함 - 이 또한 통합될 수 있다. 예를 들어, 도 23h 내지 도 23i는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 생성된 당뇨병 약물(들) 및/또는 치료(들)를 채용하는 치료(들)의 예시적인 실시예(들)를 도시하고 있다.
도 23a는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)를 도시하고 있다. 몇몇 실시예에서, 본 명세서에 설명된 시스템 및 방법은 관상 동맥을 분석하도록 구성된다. 몇몇 실시예에서, 시스템 및 방법은 또한 대동맥, 경동맥, 하지, 신장 동맥, 대뇌 동맥 등과 같은 다른 동맥 베드에도 마찬가지로 적용될 수 있다.
몇몇 실시예에서, 시스템은 플라크의 존재 대 부재, 비석회화 플라크의 존재 대 부재, 저감쇠 플라크의 존재 대 부재 등일 수 있는 ASCVD의 존재를 그 분석에서 결정 및/또는 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 총 ASCVD 체적, 죽종 용적 비율(죽종 체적/혈관 체적×100), 혈관 길이(TAVnorm)에 대해 정규화된 총 죽종 체적, 확산율(ASCVD에 의해 영향을 받는 혈관의 %) 등을 포함할 수 있는 ASCVD의 정도를 그 분석에서 결정 및/또는 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 ASCVD의 중증도를 그 분석에서 결정 및/또는 이용하도록 구성될 수 있다. 몇몇 실시예에서, ASCVD 중증도는 연령, 성별, 민족, CAD 위험 인자 등에 대해 정규화된 모집단 기반 추정치와 링크될 수 있다. 몇몇 실시예에서, ASCVD 중증도는 없음, 1-, 2-및/또는 3-VD에서 >70% 또는 >50%의 혈관조영 협착증을 포함할 수 있다.
몇몇 실시예에서, 시스템은 예를 들어 비석회화 대 석회화된 플라크의 비율(비, % 등), 저감쇠 비석회화 대 비석회화 대 저밀도 석회화 대 고밀도 석회화된, 플라크의 비율, 비석회화 플라크 및 석회화 플라크의 절대량, 저감쇠 비석회화 대 비석회화 대 저밀도 석회화 대 고밀도 석회화된 플라크의 절대량, 서수 분류가 없는 플라크의 연속 회색조 측정, 이질성 등을 포함하는 플라크의 방사성 특징, 양성 리모델링(혈관 직경/정상 기준 직경; 또는 혈관 면적/정상 기준 면적; 또는 혈관 체적/정상 기준 체적의 >1.10 또는 >1.05 비) 대 음성 리모델링(<1.10 또는 <1.05)으로서 플라크에 의해 부과된 혈관 리모델링, 연속 비로서 플라크에 의해 부과된 혈관 리모델링 등을 포함할 수 있는 ASCVD의 유형을 그 분석에서 결정 및/또는 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 예를 들어 혈관, 세그먼트, 분지 등과 관련하여 동맥 베드에서와 같은 플라크의 장소를 그 분석에서 결정 및/또는 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 예를 들어 지방과 같은 플라크 주위 조직의 밀도, 혈관 주위 공간에서의 지방의 양, 이질성 등을 포함하는 병변 주위 조직의 방사성 특징 등과 같은 병변 주위 조직 환경을 그 분석에서 결정 및/또는 이용하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 그 분석에서 ASCVD 진행을 결정 및/또는 이용하도록 구성될 수 있다. 몇몇 실시예에서, 진행은 급속 진행을 정의하기 위한 임계값(예를 들어, >1.0% 죽종 용적 비율, >200 mm3 플라크 등)과 함께 급속 대 비급속으로서 정의될 수 있다. 몇몇 실시예에서, ASCVD의 일련의 변화는 급속 진행, 주로 석회화된 플라크 형성을 갖는 진행, 주로 비석회화 플라크 형성을 갖는 진행 및 퇴행을 포함할 수 있다.
몇몇 실시예에서, 시스템은 위험의 하나 이상의 카테고리를 그 분석에서 결정 및/또는 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 혈관조영 중증도와 연관된 플라크 체적에 기초하여 0, I, II 또는 III와 같은 하나 이상의 스테이지를 이용하도록 구성될 수 있다(예를 들어, 없음, 비폐색성 및 폐색성 1VD, 2VD 및 3VD와 같은). 몇몇 실시예에서, 시스템은 예를 들어, 연령, 성별, 민족, 및/또는 하나 이상의 위험 인자(당뇨병, 고혈압 등과 같은)의 존재를 고려하여 하나 이상의 백분위수를 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 전반적인 플라크 체적의 함수로서 석회화 플라크의 백분율 대 비석회화 플라크의 백분율을 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 저밀도 비석회화 플라크의 단위의 수를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 병변별, 혈관별, 및/또는 환자별로 플라크의 회색조의 연속 3D 막대 그래프 및/또는 지리 공간적 맵(플라크 기하학 형상에 대한) 분석을 생성하도록 구성될 수 있다. 몇몇 실시예에서, 위험은 예를 들어 MACE의 위험, 협심증의 위험, 허혈의 위험, 급속 진행의 위험, 약물 무반응의 위험 등을 포함하는 다수의 방식으로 정의될 수 있다.
몇몇 실시예에서, 치료 추천은 ASCVD 존재, 범위, 질환의 중증도 유형, ASCVD 진행 등에 기초할 수 있다. 예를 들어, 도 23f 내지 도 23g는 지질 저하 약물(들) 및/또는 치료(들)를 채용하는 치료(들)의 예시적인 실시예(들)를 도시하고 있고, 도 23h 내지 도 23i는 당뇨병 약물(들)을 채용하는 치료(들)의 예시적인 실시예(들) 및/또는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 생성된 치료(들)를 도시하고 있다.
몇몇 실시예에서, 생성된 치료 프로토콜은 ASCVD 안정화, 염증 감소, 및/또는 혈전증 가능성의 감소를 목표로 하는 약물로 정확한 시점에 적절하게 치료하는 것을 목표로 한다(예를 들어, CCTA 기반 ASCVD 특성화에 기초함). 몇몇 실시예에서, 이에 대한 논리적 근거는 ASCVD 이벤트가 염증성 죽상혈전증 현상일 수 있지만, 혈청 바이오마커, 생체 측정 및 혈관조영 협착 중증도의 종래의 측정은 위험을 최적으로 정의하고 임상 의사 결정에 대한 안내를 제공하기에 부적절할 수 있다는 것이다. 이와 같이, 본 명세서에 설명된 일부 시스템 및 방법은 CCTA-특성화된 ASCVD에 기초하는 개인화된 의료 요법을 제공할 수 있다.
몇몇 실시예에서, 시스템은 하나 이상의 정량화된 ASCVD 측정과 함께, 본 명세서에 설명된 것과 같은 하나 이상의 전통적인 위험 인자를 조합하는 위험 스코어를 생성하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 일부 약물이 일부 사람들 및/또는 특정 유전자를 가진 사람들에게 더 양호하게 작용할 수도 있기 때문에, 하나 이상의 유전학 분석을 하나 이상의 정량화된 ASCVD 측정과 조합하는 위험 스코어를 생성하도록 구성될 수 있다. 게다가, 몇몇 실시예에서, 시스템은 질환의 나머지로부터 특정 플라크를 제외하거나 공제하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 이러한 플라크의 존재가 위험에 부정적으로 영향을 미칠 수도 있도록, 고밀도 칼슘을 갖는 위험이 그를 갖지 않는 질환을 갖는 것보다 더 양호할 수 있게 안정한 고밀도 칼슘을 무시하거나 제외하도록 구성될 수 있다.
도 23b 및 도 23c는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 사용되는 죽상동맥경화증 중증도의 정의 또는 카테고리의 예시적인 실시예(들)를 도시하고 있다.
도 23d는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 의해 사용되는 질환 진행, 안정화 및/또는 퇴행의 정의 또는 카테고리의 예시적인 실시예(들)를 도시하고 있다.
도 23e는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 시스템 및 방법의 예시적인 실시예(들)에 대한 치료 시간 목표(들)의 예시적인 실시예(들)를 도시하고 있다.
도 23j는 심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료를 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 23j에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 하나 이상의 정량적 영상 분석 기술 및/또는 알고리즘을 사용하는 CCTA 분석에 기초하여 ASCVD 위험을 낮추기 위해 대상에 대해 제안된 개인화된 치료를 결정하도록 구성된다.
특히, 몇몇 실시예에서, 시스템은 블록 2302에서, 예를 들어 의료 영상 데이터베이스(100)로부터 제1 시점으로부터 촬영된 하나 이상의 의료 영상에 액세스하도록 구성될 수 있다. 하나 이상의 의료 영상은 본 명세서에 설명된 임의의 영상화 양식을 사용하여 획득된 영상을 포함할 수 있다. 몇몇 실시예에서, 하나 이상의 의료 영상은 예를 들어 관상, 경동맥, 하지, 상지, 대동맥, 신장 등과 같은 하나 이상의 동맥을 포함할 수 있다.
몇몇 실시예에서, 시스템은 블록 2304에서, 하나 이상의 의료 영상을 분석하도록 구성될 수 있다. 더 구체적으로, 몇몇 실시예에서, 시스템은 의료 영상으로부터 하나 이상의 파라미터를 식별 및/또는 도출하기 위해 CCTA 분석 및/또는 정량적 영상 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 파라미터 데이터베이스(2306)에 하나 이상의 식별된 및/또는 도출된 파라미터를 저장하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 파라미터 데이터베이스(2306)로부터 하나 이상의 이러한 파라미터에 액세스하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 플라크 파라미터, 혈관 파라미터, 죽상동맥경화증 파라미터 및/또는 병변주위 조직 파라미터를 분석하도록 구성될 수 있다. 플라크 파라미터 및/또는 혈관 파라미터는 본 명세서에 설명된 어느 하나 이상의 이러한 파라미터를 포함할 수 있다.
몇몇 실시예에서, 블록 2308에서, 시스템은 하나 이상의 이러한 파라미터에 기초하여 대상의 기준선 ASCVD 위험을 평가하도록 구성될 수 있다. 몇몇 실시예에서, 블록 2310에서, 시스템은 대상의 기준선 ASCVD 위험을 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 기준선 ASCVD 위험을 하나 이상의 미리 결정된 카테고리로 카테고리화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 기준선 ASCVD 위험을 스테이지 0, I, II 또는 III 중 하나로서 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 기준선 ASCVD 위험을 없음, 최소, 경증 또는 보통 중 하나로서 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 기준선 ASCVD 위험을 주로 석회화된 또는 주로 비석회화된 플라크 중 하나로서 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 영상으로부터 식별된 저밀도 비석회화 플라크의 단위에 기초하여 기준선 ASCVD 위험을 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 기준선 ASCVD 위험을 연속적인 규모로 카테고리화하도록 구성된다. 몇몇 실시예에서, 시스템은 심근경색, 뇌졸중, 절단, 박리 등과 같은 미래 ASCVD 이벤트의 위험에 기초하여 기준선 ASCVD 위험을 카테고리화하도록 구성된다. 몇몇 실시예에서, 시스템은 하나 이상의 CCTA 알고리즘을 사용하여 정량화될 수 있는 하나 이상의 비-ASCVD 측정에 기초하여 기준선 ASCVD 위험을 카테고리화하도록 구성된다. 예를 들어, 비-ASCVD 측정은 하나 이상의 심혈관 측정(예를 들어, 고혈압의 경우 좌심실 비대 또는 심방 세동의 경우 심방 체적 등) 또는 ASCVD에 기여할 수도 있는 비심혈관 측정(예를 들어, 폐기종, 등)을 포함할 수 있다.
몇몇 실시예에서, 시스템은 블록 2312에서, 대상에 대한 초기 제안된 치료를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 콜레스테롤 또는 헤모글로빈 A1C의 분석과 함께 또는 분석 없이 초기 제안된 치료를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 대상의 저밀도 지단백질(LDL) 콜레스테롤 또는 트리글리세라이드(TG) 레벨의 분석과 함께 또는 분석 없이 초기 제안된 치료를 결정하도록 구성될 수 있다.
몇몇 실시예에서, 초기 제안된 치료는 의료 요법, 생활 습관 요법 및/또는 중재 요법을 포함할 수 있다. 예를 들어, 의료 요법은 지질 저하 약물, 항염증 약물(예를 들어, 콜히친 등), 항혈전 약물(예를 들어, 리바록사반, 아스피린 등), 당뇨병 약물(예를 들어, 나트륨-포도당 공수송체-2(SGLT2) 억제제, 글루카곤 유사 펩티드-1 수용체(GLP1R) 길항제 등) 등과 같은 하나 이상의 약물을 포함할 수 있다. 생활 습관 요법 및/또는 중재 요법은 본 명세서에 설명된 어느 하나 이상의 이러한 요법을 포함할 수 있다. 몇몇 실시예에서, 블록 2314에서, 대상은 하나 이상의 이러한 의료 치료로 치료될 수 있다.
몇몇 실시예에서, 시스템은 블록 2316에서, 예를 들어 의료 영상 데이터베이스(100)로부터 대상이 초기 치료로 치료된 후 제2 시점으로부터 촬영된 하나 이상의 의료 영상에 액세스하도록 구성될 수 있다. 하나 이상의 의료 영상은 본 명세서에 설명된 임의의 영상화 양식을 사용하여 획득된 영상을 포함할 수 있다. 몇몇 실시예에서, 하나 이상의 의료 영상은 예를 들어 관상, 경동맥, 하지, 상지, 대동맥, 신장 등과 같은 하나 이상의 동맥을 포함할 수 있다.
몇몇 실시예에서, 시스템은 블록 2318에서, 제2 시점에서 촬영된 하나 이상의 의료 영상을 분석하도록 구성될 수 있다. 더 구체적으로, 몇몇 실시예에서, 시스템은 의료 영상으로부터 하나 이상의 파라미터를 식별 및/또는 도출하기 위해 CCTA 분석 및/또는 정량적 영상 알고리즘을 이용하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 파라미터 데이터베이스(2306)에 하나 이상의 식별된 및/또는 도출된 파라미터를 저장하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 파라미터 데이터베이스(2306)로부터 하나 이상의 이러한 파라미터에 액세스하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 하나 이상의 플라크 파라미터, 혈관 파라미터, 죽상동맥경화증 파라미터 및/또는 병변주위 조직 파라미터를 분석하도록 구성될 수 있다. 플라크 파라미터 및/또는 혈관 파라미터는 본 명세서에 설명된 어느 하나 이상의 이러한 파라미터를 포함할 수 있다.
몇몇 실시예에서, 블록 2320에서, 시스템은 하나 이상의 이러한 파라미터에 기초하여 대상의 업데이트된 ASCVD 위험을 평가하도록 구성될 수 있다. 몇몇 실시예에서, 블록 2322에서, 시스템은 대상의 업데이트된 ASCVD 위험을 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 업데이트된 ASCVD 위험을 하나 이상의 미리 결정된 카테고리로 카테고리화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 업데이트된 ASCVD 위험을 스테이지 0, I, II 또는 III 중 하나로서 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 업데이트된 ASCVD 위험을 없음, 최소, 경증 또는 보통 중 하나로서 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 업데이트된 ASCVD 위험을 주로 석회화된 또는 주로 비석회화된 플라크 중 하나로서 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 영상으로부터 식별된 저밀도 비석회화 플라크의 단위에 기초하여 업데이트된 ASCVD 위험을 카테고리화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 업데이트된 ASCVD 위험을 연속적인 규모로 카테고리화하도록 구성된다. 몇몇 실시예에서, 시스템은 심근경색, 뇌졸중, 절단, 박리 등과 같은 미래 ASCVD 이벤트의 위험에 기초하여 업데이트된 ASCVD 위험을 카테고리화하도록 구성된다. 몇몇 실시예에서, 시스템은 하나 이상의 CCTA 알고리즘을 사용하여 정량화될 수 있는 하나 이상의 비-ASCVD 측정에 기초하여 업데이트된 ASCVD 위험을 카테고리화하도록 구성된다. 예를 들어, 비-ASCVD 측정은 하나 이상의 심혈관 측정(예를 들어, 고혈압의 경우 좌심실 비대 또는 심방 세동의 경우 심방 체적 등) 또는 ASCVD에 기여할 수도 있는 비심혈관 측정(예를 들어, 폐기종, 등)을 포함할 수 있다.
몇몇 실시예에서, 시스템은 블록 2324에서, 초기 제안된 치료에 대한 대상의 반응을 평가하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 제1 시점과 제2 시점 사이의 ASCVD 위험 및/또는 분류된 ASCVD 위험의 차이 또는 변화를 비교하도록 구성될 수 있다. 몇몇 실시예에서, 대상 반응은 ASCVD의 진행, 안정화 또는 퇴행 중 하나 이상에 기초하여 평가된다. 몇몇 실시예에서, 진행은 급속 및/또는 비급속 진행을 포함할 수 있다. 몇몇 실시예에서, 안정화는 비석회화로부터 석회화로의 ASCVD의 변환, 저감쇠 플라크의 감소, 및/또는 양성 동맥 리모델링의 감소를 포함할 수 있다. 몇몇 실시예에서, 퇴행은 ASCVD 체적 또는 부담의 감소, 비석회화 플라크의 감소, 및/또는 저감쇠 플라크의 감소를 포함할 수 있다.
몇몇 실시예에서, 시스템은 블록 2326에서, 예를 들어 초기 치료에 대한 대상 반응에 기초하여 대상에 대해 지속적인 제안된 치료를 결정하도록 구성될 수 있다. 특히, 몇몇 실시예에서, 시스템이 초기 치료에 대한 응답으로 ASCVD 위험의 진행이 있었다고 결정하면, 시스템은 초기 치료에 비교하여 더 높은 계층화된 치료를 제안하도록 구성될 수 있다. 몇몇 실시예에서, 시스템이 초기 치료에 대한 응답으로 ASCVD 위험의 안정화 또는 퇴행이 있었다고 결정하면, 시스템은 동일한 초기 치료 또는 동일하거나 유사한 계층화된 대안 치료 또는 초기 치료에 비교하여 더 낮은 계층화된 치료를 제안하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 콜레스테롤 또는 헤모글로빈 A1C의 분석과 함께 또는 분석 없이 지속적인 제안된 치료를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 대상의 저밀도 지단백질(LDL) 콜레스테롤 또는 트리글리세라이드(TG) 레벨의 분석과 함께 또는 분석 없이 지속적인 제안된 치료를 결정하도록 구성될 수 있다.
몇몇 실시예에서, 지속적인 제안된 치료는 의료 요법, 생활 습관 요법 및/또는 중재 요법을 포함할 수 있다. 예를 들어, 의료 요법은 지질 저하 약물, 항염증 약물(예를 들어, 콜히친 등), 항혈전 약물(예를 들어, 리바록사반, 아스피린 등), 당뇨병 약물(예를 들어, 나트륨-포도당 공수송체-2(SGLT2) 억제제, 글루카곤 유사 펩티드-1 수용체(GLP1R) 길항제 등) 등과 같은 하나 이상의 약물을 포함할 수 있다. 생활 습관 요법 및/또는 중재 요법은 본 명세서에 설명된 어느 하나 이상의 이러한 요법을 포함할 수 있다.
몇몇 실시예에서, 시스템은 상이한 시점에서 도 23j와 관련하여 설명된 하나 이상의 프로세스를 반복하도록 구성될 수 있다. 달리 말하면, 몇몇 실시예에서, 시스템은 대상의 ASCVD 및 대상의 지속적인 치료를 위한 치료에 대한 대상의 반응을 계속 모니터링하기 위해 치료의 일련의 분석 및/또는 추적을 적용하도록 구성될 수 있다.
심혈관 위험 및/또는 이벤트를 감소시키기 위한 치료(들) 결정
본 명세서에 설명된 시스템, 디바이스 및 방법의 몇몇 실시예는 죽상동맥경화증의 존재시에 협착 중증도 및/또는 혈관 리모델링을 결정하도록 구성된다. 특히, 본 명세서에 설명된 시스템, 디바이스 및 방법의 몇몇 실시예는 예를 들어 플라크, 자연 동맥 테이퍼링 및/또는 3D 체적의 존재를 고려하면서, 협착 중증도 및 혈관 리모델링을 결정하도록 구성된다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 예를 들어 비정상 동맥 내의 플라크의 존재를 고려하면서, 중요한 병태생리학적 프로세스(심근 경색; 허혈 등의 크기의 위험과 같은)에 대한 특정 동맥 및/또는 분지의 기여의 결정을 위해 % 분획 혈액량을 결정하도록 구성된다. 몇몇 실시예에서, 본 명세서에 설명된 시스템, 방법 및 디바이스는 예를 들어 생리학적으로 사실적인 범위(예를 들어, 휴식, 가벼운/적당한/과격한 운동 등의 범위)를 가로지르는 혈류를 고려하면서, 연속 수학식을 적용함으로써 허혈을 결정하도록 구성된다.
일반적으로 말하면, 관상 동맥 영상은 의심된 또는 알려진 관상 동맥 질환(CAD)이 있는 환자의 진단, 예후 및/또는 임상적 의사 결정을 위한 핵심 구성요소가 될 수 있다. 더 구체적으로, 몇몇 실시예에서, 관상 동맥 영상화 파라미터의 어레이는 이들 임상 작업을 안내하고 통지하는 데 유용할 수 있고 동맥 협소화(협착) 및 혈관 리모델링의 이러한 측정을 포함할 수 있다.
몇몇 실시예에서, 시스템은 관상 동맥 죽상동맥경화 병변으로 인한 상대 동맥 협소화(협착)를 정의하도록 구성될 수 있다. 몇몇 실시예에서, 이들 측정은 (1) 관상 혈관의 정상 영역에 대한 질환이 있는 영역에 대한 비교, 및/또는 (2) 관상 동맥 병변으로 인한 직경 또는 면적 감소의 2D 측정에 크게 의존할 수 있다. 그러나, 이러한 실시예에는 제한이 존재할 수 있다.
예를 들어, 이러한 실시예 중 일부에서, 상대 협소화는 질환이 있는 혈관에서 결정하기 어려울 수 있다. 구체적으로, 몇몇 실시예에서, 관상 협착은 상대 협소화, 즉, 직경 질환/정상 직경 기준×100% 또는 면적 질환/정상 면적 기준×100%로서 보고될 수 있다. 그러나, 몇몇 경우에, 관상 혈관이 광범위하게 질환이 있는데, 이는 혈관의 "정상" 영역으로의 질환이 있는 협착 영역의 비교를 문제가 있게 하고 비교할 질환이 없는 혈관의 정상 영역이 없을 때 어려울 수 있다.
게다가, 이러한 실시예 중 일부에서, 협착 측정은 3D가 아니라 2D로 보고될 수 있다. 구체적으로, 몇몇 실시예는 본질적으로 2차원이고 따라서 협착을 상대 % 면적 협소화(2D) 또는 상대 % 직경 협소화(2D)로 보고하는 영상화 방법에 의존한다. 이러한 실시예 중 일부는 종종 존재하는 관상 동맥 병변의 현저한 불규칙성을 고려하지 않고 혈관의 길이를 가로지르는 관상 동맥 병변에 대한 정보를 제공하지 않는다. 특히, x축이 관상 혈관을 따른 축방향 거리, y축이 동맥 벽의 폭, z축이 혈관의 길이에 따른 플라크의 불규칙적 토폴로지인 것으로 고려되면, 단일 % 면적 협소화 또는 단일 % 직경 협소화는 관상 병변의 복잡성을 전달하기에 부적절하다는 것이 명백해질 수 있다.
이러한 실시예 중 일부에서, % 면적 및 % 직경 협착은 2D 측정에 기초하기 때문에, 협착 중증도를 정의하는 특정 방법은 그 길이(즉, 체적)를 가로질러 협소화하는 정도 및 길이의 이질성을 나타내는 3차원 관상 병변에 의해 부여된 협착보다는 최대 % 협착에 의존할 수 있다. 이와 같이, 이러한 실시예 중 일부에서, 2D의 변화가 훨씬 덜 정확할 수 있는 경우 시간 경과에 따른 추적이 어려울 수 있다(예를 들어, 요법의 효과 모니터링). 유사한 비유는 환자가 후속 조치를 취하는 동안 폐 결절의 변화를 평가할 때일 수 있는데, 이는 2D보다 3D에서 훨씬 더 정확할 수 있다.
더욱이, 이러한 실시예 중 일부에서, 동맥의 자연 테이퍼링은 임의의 및/또는 모든 형태의 영상화에 대해 고려되지 않을 수도 있다. 도 24a에 도시되어 있는 바와 같이, 관상 동맥은 그 길이를 따라 자연적으로 작아질 수 있다. 이는 % 면적 및 % 직경 측정에 문제가 될 수 있는데, 이들 접근법은 정상 관상 동맥이 그 길이를 따라 점진적으로 테이퍼지는 것을 고려하지 않을 수도 있기 때문이다. 따라서, 이러한 실시예 중 일부에서, 정상 기준 직경 또는 정상 기준 면적에 대한 비교는 병변에 근위측에서 가장 정상적으로 나타나는 혈관 세그먼트/단면을 사용하는 것이었다. 이 경우, 근위 단면이 자연적으로 더 크기 때문에(테이퍼링으로 인해), 실제 % 협소화(면적 또는 직경 기준)는 실제보다 더 낮을 수 있다.
이와 같이, 이러한 실시예 중 일부에서, 관상 동맥 협착의 등급화에 특정 제한이 있다. 따라서, 이하에 설명된 특정 다른 실시예에서와 같이, 자연 혈관 테이퍼링을 고려하면서 체적 방식으로 질환의 확산을 고려하는 것이 유리할 수 있다. 대신에, 전술된 이러한 실시예 중 일부에서, 특정 공식이 이들 현상을 3차원보다는 2차원으로 평가하는 데 사용될 수 있는데, 여기서 또한 협착 또는 최대 직경 감소라고도 칭하는 협소화의 상대적 정도가 질환이 있는 세그먼트 내의 가장 좁은 내강 직경을 측정하고 이를 가장 가까운 인접 근위측 무질환 섹션의 내강 직경과 비교함으로써 결정된다. 이러한 실시예 중 일부에서, 이는 플라크가 존재하는 경우 그 지점에서 원래 내강 직경이 무엇인지 직접 측정하는 것이 더 이상 가능하지 않을 수 있기 때문이다.
유사하게, 이러한 실시예 중 일부에서, 리모델링 지수는 문제가 될 수 있다. 특히, 이러한 실시예 중 일부에서, 리모델링 지수는 혈관의 외경을 측정함으로써 결정되고 이는 가장 가까운 인접한 근위 무질환 섹션의 직경과 비교된다. 이러한 실시예 중 일부에서, CT 영상에서, 정상 관상 동맥 벽은 ~0.3 mm의 그 두께가 해상도 제한으로 인해 CT 상에 묘사될 수 있는 능력을 넘어섰기 때문에 해상되지 않는다.
이러한 실시예 중 일부에서 이들 문제의 몇몇 예가 도 24b 내지 도 24g 및 수반 텍스트에 예시되어 있다. 예를 들어, 도 24b는 % 협착 및 리모델링 지수를 결정하는 이러한 실시예(들)를 도시하고 있다. 예시된 실시예(들)에서, 가장 가까운 인접한 근위측 무질환 섹션의 직경(R)은 협착 또는 외향 리모델링 지점에서의 직경이 무엇인지를 정확하게 반영하는 것으로 가정된다. 그러나, 이 간단한 공식은 실제 협착을 상당히 과대평가하고 리모델링 지수를 과소평가할 수도 있다. 특히, 이들 간단한 공식은 정상 관상 동맥이 도 24c에 도시되어 있는 바와 같이 그 길이를 따라 점진적으로 테이퍼진 것을 고려하지 않을 수도 있다. 도 24c에 도시되어 있는 바와 같이, 관상 직경은 일정하지 않을 수도 있고, 오히려 혈관은 그 코스를 따라 점진적으로 테이퍼질 수 있다. 예를 들어, 원위 동맥 직경(D2)은 근위 직경(D1)의 50% 이상 더 작을 수도 있다.
또한, 긴 죽상동맥경화 플라크가 존재하는 경우, 혈관의 "정상" 근위 부분에서 측정된 기준 직경(R0)은, 특히 측정된 협착 또는 리모델링 지수가 플라크의 시작부로부터 멀리 위치될 때, 초기에 존재했던 직경보다 상당히 더 큰 직경을 가질 수도 있다. 이는 협착 % 수학식에 오류를 도입할 수 있어, 백분율 직경 협착을 더 크게 하고 리모델링 지수를 상당히 더 낮게 한다. 도 24d에 도시되어 있는 바와 같이, 최대 협착(Lx) 또는 양성 리모델링(Wx) 지점에 근위측에 위치된 긴 플라크가 존재할 때, 이러한 실시예 중 몇몇에서, 기준 직경(R0)은 혈관의 가장 가까운 정상 부분에서 현재 측정될 수 있지만; 이 시점에서 혈관은 초기에 위치 x에 있었던 것보다 상당히 더 클 수 있어, 오류를 도입한다.
일반적으로 말하면, 심장학에서의 임상 의사 결정은 종종 가이드라인을 따르며 결정은 종종 정량적 백분율 협착 또는 리모델링 지수를 고려한다. 예를 들어, 백분율 협착의 경우, 50 또는 70%의 임계값이 부가의 진단 시험 또는 중재가 요구되는지를 결정하는 데 사용될 수 있다. 비한정적인 예로서, 도 24e는 부정확하게 추정된 R0이 결과 협착 백분율 및 리모델링 지수에 어떻게 유의하게 영향을 미칠 수 있는지를 도시하고 있다. 도 24e에 도시되어 있는 바와 같이, 추정된 R0이 협착 또는 양성 리모델링 부위에서 실제 내강보다 큰 경우, 상당한 오류가 도입될 수 있다.
몇몇 실시예에서, 영상(이들에 한정되는 것은 아니지만, CT, MRI 등을 포함함)에 의한 현재 기술로, 내부 내강(L) 및 외부(W)는 관상 동맥의 전체 길이를 따라 연속적으로 측정 가능하다. 몇몇 실시예에서, 내강 직경이 벽 직경과 같을 때, 죽상동맥경화 플라크가 존재하지 않고, 혈관은 "정상"이다. 반대로, 몇몇 실시예에서, 벽 직경이 내강 직경보다 클 때, 플라크가 존재한다. 이는 도 24f에 예시되어 있다. 도 24f에 도시되어 있는 바와 같이, 몇몇 실시예에서, 내강 직경 및 외부 벽 직경의 모두는 CT와 같은 현재의 영상 기술을 사용하여 연속적으로 측정된다. 몇몇 실시예에서, L=W일 때, 플라크가 존재하지 않는다.
몇몇 실시예에서, 추정된 기준 직경은 플라크가 존재하는 혈관 내의 모든 지점에서 연속적으로 계산될 수 있다. 예를 들어, 플라크 직전의 R0 및 플라크의 종료부 직후의 Rn을 사용함으로써, 플라크 길이를 따른 테이퍼링 정도가 계산될 수 있다. 몇몇 실시예에서, 이러한 정도의 테이퍼링은 대부분의 경우 선형이지만; 또한 다른 수학적으로 예측 가능한 방식(로그, 2차 등)으로 테이퍼질 수도 있고, 따라서 측정치는 도 24g에 도시되어 있는 바와 같이, 특정 수학식에 의해 변환될 수도 있다. 몇몇 실시예에서, 도 24g의 공식을 사용하여, Rx는 이어서 플라크 길이를 따른 임의의 위치에서 결정될 수 있다. 몇몇 실시예에서 이는 "정상" 혈관이 그 길이를 가로질러 선형(또는 다른 수학적으로 예측 가능한 방식) 방식으로 테이퍼졌을 것이라고 가정한다. 도 24g에 도시되어 있는 바와 같이, 몇몇 실시예에서, 기준 직경은 플라크 직전 직경(R0) 및 플라크 직후 직경(Rn)이 알려지는 한, 혈관의 질환이 있는 부분의 길이를 따라 연속적으로 더 양호하게 추정될 수 있다.
몇몇 실시예에서, 일단 연속 Rx 기준 직경이 결정되면, 플라크를 가로지르는 연속 백분율 협착 및/또는 리모델링 지수는 예를 들어 다음을 사용하여 쉽게 계산될 수 있다.
더 구체적으로, 몇몇 실시예에서, 연속 내강 직경(Lx) 및 벽 직경(Wx)이 이미 알려져 있기 때문에, 백분율 협착 및 리모델링 지수에 대한 연속 값은 일단 Rx 값이 생성되면 쉽게 계산될 수 있다.
전술된 바와 같이, 몇몇 실시예에서, 협착 중증도 및 리모델링 지수를 2차원으로 계산하는 데에는 특정한 제한이 있다. 또한, 몇몇 실시예에서 혈관 테이퍼 및 플라크의 존재의 고려에 의한 개선으로서도, 이들 접근법은 3D 측정(예를 들어, 체적)보다는 2D(면적, 직경)에 의존한다는 점에서 여전히 제한적일 수도 있다. 따라서, 본 명세서의 몇몇 실시예에서 설명된 바와 같이, 이 접근법에 대한 개선은 체적 협착, 체적 리모델링, 및/또는 체적 방식으로 서로에 대한 관상 동맥의 구획의 비교를 계산하는 것일 수도 있다.
이와 같이, 몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은, 예를 들어 하나 이상의 의료 영상 스캐닝 양식을 사용하여 대상으로부터 획득된 하나 이상의 의료 영상에 대한 하나 이상의 영상 분석 기술을 이용함으로써, 체적 협착, 체적 리모델링, 및/또는 체적 방식으로 서로에 대한 관상 동맥의 구획의 비교를 계산하도록 구성된다. 몇몇 실시예에서, 시스템은 상이한 스캐너, 스캔 파라미터 등 사이의 스캔 결과(예를 들어, 밀도 값 등과 같은)의 차이를 고려하기 위해, 본 명세서에 설명된 것들과 같은 정규화 디바이스를 이용하도록 구성될 수 있다.
특히, 몇몇 실시예에서, 체적 협착은 도 24h 및 도 24i에 도시되어 있는 바와 같이 계산된다. 도 24h 및 도 24i에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 혈관을 따른 하나 이상의 경계를 식별하기 위해 대상의 의료 영상을 분석하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 플라크가 존재하지 않는 경우 동맥 벽의 이론적 또는 가상의 정상 경계를 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 내강 벽 및 플라크의 부재시에, 혈관 벽을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 인터로게이션 영역(예를 들어, 최대 폐색 부위)을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 플라크가 있는 세그먼트를 결정하도록 구성될 수 있다.
따라서, 도 24i에 도시되어 있는 바와 같은 몇몇 실시예에서, % 체적 협착은 정상 혈관 테이퍼 및 가상의 정상 혈관 벽 경계를 고려하면서, 내강 체적을 협소화하기 위한 플라크의 기여의 3D 불규칙성을 고려하는 이하의 수학식: 플라크를 고려하는 내강 체적(측정될 수 있음)/가상의 정상 혈관의 체적(계산될 수 있음)×100% = 체적 % 협착에 의해 계산될 수 있다.
몇몇 실시예에서, % 체적 협착에 대한 대안적인 방법은 전체 혈관 체적(즉, 가상적인 것이 아니라 측정된 것)을 포함하는 것일 수 있다. 이는 이하의 수학식: 플라크를 고려하는 내강 체적(측정될 수 있는)/혈관 체적(측정될 수 있는)×100% = 체적 % 협착에 의해 결정될 수 있다
몇몇 실시예에서, % 체적 협착을 결정하기 위한 다른 대안적인 방법은 도 24i에 도시되어 있는 바와 같이, 전체 동맥(즉, 협소화부 전, 부위 및 후에 있는 것)을 포함하는 것이다.
몇몇 실시예에서, 본 명세서에 설명된 시스템, 디바이스 및 방법은 체적 리모델링을 계산하도록 구성된다. 특히, 몇몇 실시예에서, 체적 리모델링은 혈관의 자연적인 테이퍼링, 병변의 3D 특성 및/또는 적절한 참조 표준과의 비교를 고려할 수 있다. 도 24j는 체적 리모델링을 결정하는 실시예(들)의 개략도이다. 도 24j의 예에서, 길이가 5.2 mm인 병변 #1의 리모델링 지수가 예시된다.
도 24j에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 플라크의 영역이 존재하는 병변 #1의 길이를 의료 영상으로부터 식별하도록 구성될 수 있다(면적, 직경 또는 체적에 의한 자연적인 8% 테이퍼를 주목하라). 몇몇 실시예에서, 시스템은 혈관의 정상 부분에서 병변 #1 직전의 병변 길이를 식별하도록 구성될 수 있다(면적, 직경 또는 체적에 의한 자연적인 12% 테이퍼를 주목하라). 몇몇 실시예에서, 시스템은 혈관의 정상 부분에서 병변 #1 직후의 병변 길이를 식별하도록 구성될 수 있다(면적, 직경 또는 체적에 의한 자연적인 6% 테이퍼를 주목하라). 몇몇 실시예에서, 시스템은 플라크의 하나 이상의 영역을 식별하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 병변 #1 직전 및/또는 직후 및/또는 병변 #1 내의 5.2 mm의 병변 길이를 가로지르는 혈관의 3D 체적을 식별하거나 결정하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은: (플라크가 존재하지 않은 병변 #1 내의 체적 + 혈관 벽 외부의 병변 #1 내의 플라크의 체적)/플라크가 존재하지 않은 병변 #1 내의 체적에 의해 체적 리모델링 지수를 계산하도록 구성될 수 있다. 이 공식을 이용함으로써, 몇몇 실시예에서, 결과 체적 리모델링 지수는 테이퍼링을 고려할 수 있는 데, 이는 플라크가 존재하지 않은 병변 #1 내의 체적이 테이퍼링의 임의의 효과를 고려하기 때문이다.
몇몇 실시예에서, 체적 리모델링 지수는: 자연 혈관 테이퍼링에 대해 수학적으로 조정된, 플라크가 존재하지 않은 병변 #1 내의 체적/병변 #1에 바로 근위측에 있는 근위 정상 체적×100%과 같은 다른 방법을 사용하여 계산될 수 있다. 이 체적 리모델링 지수는 근위 정상 체적을 참조 표준으로서 사용한다.
대안적으로, 몇몇 실시예에서, 자연 혈관 테이퍼링을 직접 고려하지 않는 체적 리모델링 지수를 결정하는 방법은 자연 테이퍼링을 고려하기 위해 플라크가 존재하지 않은 병변 #1 내의 체적/((병변 #1에 바로 근위측에 있는 근위 정상 체적 + 병변 #1에 바로 원위측에 있는 원위 정상 체적))/2에 의해 계산될 수 있다.
또한, 몇몇 실시예에서, 관상 혈관을 3D로 평가하는 능력과, 플라크의 존재시에도 혈관 벽의 가상의 정상 경계를 결정하는 능력과 함께, 본 명세서에 설명된 시스템, 방법 및 디바이스는 정상 관상 혈관 혈액량을 측정하거나(플라크의 부재시에) 계산하도록 구성될 수 있다.
예를 들어, 몇몇 실시예에서, 이 관상 혈관 혈액량은 :(1) 총 관상 체적(모든 관상 동맥 및 분지의 총 체적을 표현함); (2) 영역 또는 동맥 특정 체적 또는 % 분획 혈액량(특정 동맥 또는 분지 내의 체적을 표현함); (3) 세그먼트 특정 체적(일반적으로 18개 세그먼트로 고려되는 특정 관상 세그먼트의 체적을 표현함); 및/또는 동맥내 % 분획 혈액량(이는 혈관 또는 분지의 일부, 즉, 병변 전의 동맥의 영역, 병변 부위에서의 동맥의 영역, 병변 후의 동맥의 영역 내의 등의 체적을 표현함) 중 하나 이상에 의해 평가될 수 있다.
도 24k는 총 관상 체적에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다. 도 24l은 영역 또는 동맥-특정 체적에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다. 예를 들어, 예시된 실시예에서, 우관상 동맥 영역 체적은 #1, #2, #3, #4 및 #5 내의 체적이 될 것이고, 반면에 우관상 동맥 체적은 #1, #2 및 #3 내의 체적이 될 것이다. 관상 혈관 혈액량의 세그먼트 특정 체적 기반 평가의 예로서, 세그먼트 특정 체적(예를 들어, 중간-우관상 동맥)은 #2의 체적이 될 수 있다. 도 24m은 근위 및 원위 영역이 동맥 분획 혈액량의 일부를 포함하는 동맥내 % 분획 혈액량에 기초하는 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
수많은 장점이 분획 혈액량을 평가하기 위해 존재한다. 몇몇 실시예에서, 이 방법은 플라크의 존재시에도 혈관 벽의 관상 체적 가상의 정상 경계의 결정을 허용하기 때문에, 이들 접근법은 심근에 대한 잠재적 위험을 부여하는 % 혈액량의 계산을 허용하고 - 정상 관상 혈관 혈액량을 측정하거나(플라크의 부재시에) 계산하는 능력이 된다. 도 24n은 관상 혈관 혈액량 평가의 실시예(들)를 도시하고 있다.
몇몇 실시예에서, 전술된 하나 이상의 메트릭, 뿐만 아니라 혈관의 가상의 정상 경계를 결정하는 능력에 기초하여, 본 명세서에 설명된 시스템, 디바이스 및 방법은 다수의 상이한 방법에 의해 혈관의 허혈-유발 특성을 결정하도록 구성될 수 있다.
특히, 몇몇 실시예에서, 시스템은 예를 들어: 측정된 내강 체적/가상의 정상 혈관 체적×100%에 의해, % 혈관 체적 협착을 결정하도록 구성될 수 있다. 이는 도 24o에 예시되어 있다.
몇몇 실시예에서, 시스템은 가상의 정상 동맥, 연속 수학식 및 자연적 발생 관상 유량 범위 및/또는 다른 생리학적 파라미터를 사용하여 병변을 가로지르는 압력차를 결정하도록 구성될 수 있다. 이는 도 24p에 예시되어 있다. 도 24p에 도시되어 있는 실시예에서, 내강 내로 연장되고 내강을 협소화하는 플라크가 있다(최대 협소화부에서, 이는 R0임). 몇몇 실시예에서, 시스템은 R0을 R-1, R-2, R-3 또는 병변 전의 임의의 단면과 비교할 수 있다.
몇몇 실시예에서, 이 비교를 사용하여, 시스템은 실제 측정(예를 들어, 도 24p의 라인에서) 또는 혈관의 가상의 정상 직경을 사용하여 연속 수학식을 적용할 수 있다. 관상 동맥에 적용된 연속 수학식은 도 24q에 예시되어 있다.
도 24q에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 영상(CT, MRI 등)을 사용함으로써, 최대 협소화 부위(A1) 전의 정의된 지점에서 동맥의 단면적 및 최대 협소화 부위(A2)의 동맥의 단면적을 높은 정확도로 결정하도록 구성될 수 있다. 그러나, 몇몇 실시예에서, 속도 및 속도 시간 적분은 알려져 있지 않다. 따라서, 몇몇 실시예에서, 최대 협소화 부위(V1) 전의 정의된 지점에서의 속도 시간 적분(VTI) 및 최대 협소화 부위(V2) 후의 정의된 지점에서의 VTI가 예를 들어, 휴식시 및 운동 중(가벼운, 적당한 및 과격한)에 대해 사람들에 대해 실험적으로 측정된 것에 기초하여 카테고리 출력으로 제공된다.
비한정적 예로서, 휴식시, 총 관상 혈류는 약 ~250 ml/min(심장 근육의 ~0.8 ml/min*g)일 수 있으며, 이는 심장 박출량의 ~5%를 표현한다. 증가하는 운동 레벨에서, 관상 혈류는 최대 5배까지 그 양을 증가할 수 있다(~1250 ml/min). 따라서, 몇몇 실시예에서, 시스템은 유동을 약 250 ml/min, 약 250 내지 500 ml/min, 약 500 내지 750 ml/min, 약 750 내지 1000 ml/min, 및/또는 약 1250 ml/min으로 카테고리화할 수 있다. 다른 카테고리화가 존재할 수 있고, 이들 숫자는 연속, 카테고리 및/또는 이진 표현으로 보고될 수 있다. 또한, 혈류의 관찰에 기초하여, 이들 관계는 반드시 선형일 필요는 없을 수도 있고, 수학적 연산(예를 들어, 로그 변환, 2차 변환 등과 같은)에 의해 변환될 수 있다.
또한, 몇몇 실시예에서, 다른 인자는 범위, 이진 표현 및/또는 연속 값, 예를 들어 심장 박동수, 대동맥 혈압 및 하류 심근 저항, 동맥 벽/플라크 저항, 혈액 점도 등에 기초하여 계산될 수 있다. 이들 상이한 조건에서 유체 거동의 실험적 측정은 연속 수학식에 대한 적정 입력을 모으는 것을 허용할 수 있다.
또한, 몇몇 실시예에서, 영상은 전체 심장 주기를 가로질러 동맥의 평가를 허용하기 때문에, 측정된(또는 가정된) 관상 혈관 확장은 시간 평균화된 A1 및 A2 측정을 허용할 수 있다.
이와 같이, 몇몇 실시예에서, 시스템은 이하의 수학식: (1) Q = 면적×속도 @ 최대 폐색부의 부위(실험 측정에서 관찰된 유동의 범위를 가로질러); (2) Q = 면적×속도 @ 최대 폐색부에 근위측에 있는 부위(실험 측정에서 관찰된 유동 범위를 가로질러) 중 하나 이상을 이용하도록 구성될 수 있다.
가정된 유동 및 측정된 영역으로부터, 몇몇 실시예에서, 시스템은 이어서 속도를 역계산할 수 있다. 이어서, 시스템은 압력 변화 = 4(V2-V1)2인 단순화된 또는 완전한 베르누이 수학식을 적용할 수 있다. 이로부터, 몇몇 실시예에서, 시스템은 병변을 가로지르는 압력 강하를 계산할 수 있고, 동등하게 중요하게, 환자가 실생활에서 직면하게 될 생리학적으로 사실적인 파라미터(예를 들어, 휴식, 가벼운/적당한/과격한 운동)를 가로질러 이 압력 변화를 평가할 수 있다.
또한, 몇몇 실시예에서, 시스템은 예를 들어: (1) Q = 체적×속도 @ 최대 폐색부의 부위(실험 측정에서 관찰된 유동의 범위를 가로질러); (2) Q = 체적×속도 @ 최대 폐색부에 근위측에 있는 부위(실험 측정에서 관찰된 유동 범위를 가로질러)와 같은, 병변 협소화 전후의 혈액의 체적을 고려하기 위해 체적 연속 수학식을 적용할 수 있다. 가정된 유동 및 측정된 체적으로부터, 몇몇 실시예에서, 시스템은 이어서 속도를 역계산할 수 있고, 심장 박동수를 가정하거나 측정하는 경우, 시스템은 이어서 속도 시간 적분을 역계산할 수 있다.
도 24r은 체적 협착증 및/또는 체적 혈관 리모델링을 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 24r에 도시되어 있는 바와 같이, 몇몇 실시예에서, 블록 2402에서 시스템은 예를 들어 의료 영상 데이터베이스(100)로부터 하나 이상의 의료 영상에 액세스하도록 구성된다. 하나 이상의 의료 영상은 본 명세서에 설명된 영상화 양식 중 어느 하나 이상을 사용하여 획득될 수 있다. 몇몇 실시예에서, 블록 2404에서, 시스템은 의료 영상을 분석함으로써 동맥의 하나 이상의 세그먼트 및/또는 플라크의 영역을 식별하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2406에서, 플라크가 존재하는 하나 이상의 세그먼트 내의 내강 벽 경계를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 블록 2406에서, 플라크가 존재하지 않는 경우 가상의 정상 동맥 경계를 결정하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 블록 2408에서, 플라크가 있는 내강 체적 및/또는 플라크가 존재하지 않은 가상의 정상 혈관 체적을 정량화하도록 구성될 수 있다. 몇몇 실시예에서, 전술된 것을 사용하여, 시스템은 블록 2410에서, 영상 분석에 기초하는 혈관 형태의 테이퍼링 및 실제 평가를 고려하여, 하나 이상의 세그먼트의 체적 협착을 결정하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2412에서, 플라크의 하나 이상의 영역의 체적을 정량화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 세그먼트 또는 병변에 대해 플라크의 총 체적, 가상의 정상 동맥 경계 내부의 플라크의 체적, 가상의 정상 동맥 경계 외부의 플라크의 체적 등을 정량화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 블록 2414에서, 체적 리모델링 지수를 결정하기 위해 전술된 것을 이용하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 가상의 정상 혈관 체적과 가상의 정상 동맥 경계 외부의 플라크 체적의 합을 가상의 정상 혈관 체적으로 나눔으로써 체적 리모델링 지수를 결정하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2416에서, 예를 들어 결정된 체적 협착증 및/또는 체적 혈관 리모델링 지수 중 하나 이상에 기초하여 대상에 대한 CAD의 위험을 결정하도록 구성될 수 있다.
도 24s는 허혈을 결정하기 위한 방법의 예시적인 실시예(들)의 개요를 도시하고 있는 흐름도이다. 도 24s에 도시되어 있는 바와 같이, 몇몇 실시예에서, 시스템은 블록 2402에서 의료 영상에 액세스하고, 블록 2404에서 동맥의 하나 이상의 세그먼트 및/또는 플라크의 영역을 식별하고, 그리고/또는 블록 2406에서 현재 플라크 및/또는 플라크가 존재하지 않는 경우 가상의 정상 동맥 경계를 고려하면서 내강 벽 경계를 결정할 수 있다. 몇몇 실시예에서, 블록 2418에서, 시스템은 동맥을 따른 근위 및/또는 원위 단면적 및/또는 체적을 정량화하도록 구성될 수 있다. 예를 들어, 몇몇 실시예에서, 시스템은 관심 병변에 근위측에 있는 병변에서 근위 단면적 및/또는 체적을 정량화하도록 구성될 수 있다. 몇몇 실시예에서, 관심 병변은 플라크 및/또는 혈관의 최대 협소화를 포함할 수 있다. 몇몇 실시예에서, 시스템은 관심 병변의 원위 단면적 및/또는 체적을 정량화하도록 구성될 수 있다.
몇몇 실시예에서, 시스템은 블록 2420에서 근위 섹션에서의 가정된 혈류의 속도를 적용하도록 구성될 수 있다. 몇몇 실시예에서, 가정된 혈류의 속도는 예를 들어, 휴식 중, 가벼운 운동 중, 적당한 운동 중, 과격한 운동 중 등과 같은 상이한 상태에 기초하여 미리 저장되거나 미리 결정될 수 있다.
몇몇 실시예에서, 블록 2422에서, 시스템은 원위 섹션, 예를 들어 플라크를 포함하는 병변 및/또는 혈관의 최대 협소화부에서 혈류의 속도를 정량화하도록 구성될 수 있다. 몇몇 실시예에서, 시스템은 연속 수학식을 이용함으로써 원위 섹션에서의 혈류의 속도를 정량화하도록 구성된다. 몇몇 실시예에서, 시스템은 정량화된 근위 단면적 또는 체적, 정량화된 원위 단면적 또는 체적, 및/또는 근위 섹션에서의 가정된 혈류의 속도 중 하나 이상을 이용함으로써 원위 섹션에서의 혈류의 속도를 정량화하도록 구성된다.
몇몇 실시예에서, 시스템은 블록 2424에서, 예를 들어 근위 섹션에서의 가정된 혈류의 속도, 원위 섹션에서의 정량화된 혈류의 속도, 근위 섹션에서의 단면적 및/또는 원위 섹션에서의 단면적에 기초하여 근위 및 원위 섹션 사이의 압력 변화를 결정하도록 구성된다. 몇몇 실시예에서, 블록 2426에서, 시스템은 예를 들어 원위 섹션에서 혈류의 정량화된 속도에 기초하여 원위 섹션에서 속도 시간 적분(VTI)을 결정하도록 구성된다. 몇몇 실시예에서, 시스템은 블록 2428에서, 예를 들어 근위 및 원위 섹션 사이의 결정된 압력 변화 및/또는 원위 섹션에서 VTI 중 하나 이상에 기초하여 대상에 대한 허혈을 결정하도록 구성된다.
부가의 예시적인 실시예
이하는 관상 플라크 및/또는 다른 관련 특징을 특성화하는 시스템 및 방법의 특정 실시예의 비한정적인 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
정규화 디바이스에 관한 특정 실시예.
이하는 정규화 디바이스 및/또는 다른 관련 특징의 특정 실시예의 비한정적인 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
실시예 1: 알고리즘 기반의 의료 영상 분석을 위해 환자의 의료 영상을 정규화하도록 구성된 정규화 디바이스이며, 정규화는 적어도 환자의 관심 영역 및 정규화 디바이스가 의료 이미저에 의해 촬영된 의료 영상에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 환자와 함께 의료 이미저에 배치될 크기 및 형상으로 구성된 기판; 기판 상에 또는 내에 위치된 복수의 구획으로서, 복수의 구획의 배열은 기판 상에 또는 내에 고정되는, 복수의 구획; 및 복수의 샘플로서, 복수의 샘플의 각각은 복수의 구획 중 하나 내에 위치되고, 복수의 샘플의 각각의 체적, 절대 밀도 및 상대 밀도가 알려져 있는, 복수의 샘플을 포함하는, 정규화 디바이스.
실시예 2: 실시예 1에 있어서, 기판 상에 배치된 부착 메커니즘을 더 포함하고, 부착 메커니즘은 환자 및 정규화 디바이스의 관심 영역이 의료 이미저에 의해 촬영된 의료 영상 내에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 정규화 디바이스를 환자에게 부착하도록 구성되는, 정규화 디바이스.
실시예 3: 실시예 1 또는 2에 있어서, 복수의 샘플 중 적어도 일부에 대해, 체적, 절대 밀도 및 상대 밀도는 의료 영상 내에서 분석될 의료 상태에 기초하여 선택되는, 정규화 디바이스.
실시예 4: 실시예 3에 있어서, 복수의 샘플 중 적어도 일부에 대해, 체적, 절대 밀도 및 상대 밀도는 의료 이미저의 유형에 기초하여 선택되는, 정규화 디바이스.
실시예 5: 실시예 4에 있어서, 복수의 샘플 중 적어도 일부는 알고리즘 기반 의료 영상 분석으로 분석될 물질을 표현하는 물질을 포함하는, 정규화 디바이스.
실시예 6: 실시예 1 내지 5 중 어느 하나에 있어서, 복수의 샘플은 칼슘 샘플의 세트를 포함하고, 칼슘 샘플의 세트의 각각의 칼슘 샘플은 칼슘 샘플의 세트의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 정규화 디바이스.
실시예 7: 실시예 6에 있어서, 칼슘 샘플의 세트는 각각의 칼슘 샘플이 칼슘 샘플의 적어도 다른 하나에 인접하게 위치하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 8: 실시예 6에 있어서, 칼슘 샘플의 세트의 무선 밀도의 범위는 약 130 하운즈필드 단위 내지 약 1000 하운즈필드 단위인, 정규화 디바이스.
실시예 9: 실시예 6에 있어서, 복수의 샘플은 조영제 샘플의 세트를 포함하고, 각각의 조영제 샘플의 세트는 조영제 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 정규화 디바이스.
실시예 10: 실시예 9에 있어서, 조영제 샘플의 세트는 각각의 조영제 샘플이 조영제 샘플의 적어도 다른 하나에 인접하게 위치하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 11: 실시예 10에 있어서, 조영제 샘플의 세트는 각각의 조영제 샘플이 칼슘 샘플 중 적어도 하나에 인접하게 위치하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 12: 실시예 p에 있어서, 복수의 샘플은 지방 샘플의 세트를 포함하고, 각각의 지방 샘플의 세트는 지방 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 정규화 디바이스.
실시예 13: 실시예 13에 있어서, 지방 샘플의 세트는 각각의 지방 샘플이 지방 샘플의 다른 하나에 인접하게 위치하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 14: 실시예 13에 있어서, 지방 샘플의 세트는 각각의 지방 샘플이 칼슘 샘플의 세트 중 하나에 인접하게 위치하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 15: 실시예 12에 있어서, 조영제 샘플 세트는 조영제 샘플의 세트가 칼슘 샘플의 세트 및 지방 샘플 세트에 의해 둘러싸이도록 복수의 구획 내에 배열되어 위치되는, 정규화 디바이스.
실시예 16: 실시예 12에 있어서, 복수의 샘플은 적어도 하나의 공기 샘플을 포함하는, 정규화 디바이스.
실시예 17: 실시예 12에 있어서, 복수의 샘플은 적어도 하나의 물 샘플을 포함하는, 정규화 디바이스.
실시예 18: 알고리즘 기반의 의료 영상 분석을 위해 대상의 관상 영역의 의료 영상을 정규화하도록 구성된 정규화 디바이스이며, 정규화는 적어도 환자의 관심 영역 및 정규화 디바이스가 의료 이미저에 의해 촬영된 의료 영상에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 환자와 함께 의료 이미저에 배치될 크기 및 형상으로 구성된 기판; 기판 상에 또는 내에 위치된 복수의 구획으로서, 복수의 구획의 배열은 기판 상에 또는 내에 고정되는, 복수의 구획; 복수의 샘플로서, 복수의 샘플의 각각은 복수의 구획 중 하나 내에 위치되고, 복수의 샘플의 각각의 체적, 절대 밀도 및 상대 밀도가 알려져 있는 복수의 샘플을 포함하고, 복수의 샘플은 조영제 샘플의 세트로서, 각각의 조영제 샘플은 조영제 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 조영제 샘플의 세트; 칼슘 샘플의 세트로서, 각각의 칼슘 샘플은 칼슘 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는 칼슘 샘플의 세트; 및 지방 샘플의 세트로서, 각각의 지방 샘플은 지방 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 지방 샘플의 세트를 포함하고; 조영제 샘플의 세트는 칼슘 샘플의 세트 및 지방 샘플 세트가 조영제 샘플의 세트를 둘러싸도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 19: 실시예 18에 있어서, 기판 상에 배치된 부착 메커니즘을 더 포함하고, 부착 메커니즘은 환자 및 정규화 디바이스의 관심 영역이 의료 이미저에 의해 촬영된 의료 영상 내에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 정규화 디바이스를 환자에게 부착하도록 구성되는, 정규화 디바이스.
실시예 20: 실시예 18에 있어서, 조영제 샘플의 세트는 4개의 조영제 샘플을 포함하고; 칼슘 샘플의 세트는 4개의 칼슘 샘플을 포함하고; 지방 샘플의 세트는 4개의 지방 샘플을 포함하는, 정규화 디바이스.
실시예 21: 실시예 20에 있어서, 복수의 샘플은 공기 샘플 및 물 샘플 중 적어도 하나를 더 포함하는, 정규화 디바이스.
실시예 22: 실시예 18에 있어서, 제1 조영제 샘플의 체적은 제2 조영제 샘플의 체적과는 상이하고; 제1 칼슘 샘플의 체적은 제2 칼슘 샘플의 체적과는 상이하고; 제1 지방 샘플의 체적은 제2 지방 샘플의 체적과는 상이한, 정규화 디바이스.
실시예 23: 실시예 18에 있어서, 제1 조영제 샘플은 제2 조영제 샘플, 제1 칼슘 샘플 및 제1 지방 샘플에 인접하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 24: 실시예 18에 있어서, 제1 칼슘 샘플은 제2 칼슘 샘플, 제1 조영제 샘플 및 제1 지방 샘플에 인접하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 25: 실시예 18에 있어서, 제1 지방 샘플은 제2 지방 샘플, 제1 조영제 샘플 및 제1 칼슘 샘플에 인접하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
실시예 26: 실시예 18에 있어서, 조영제 샘플의 세트, 칼슘 샘플의 세트 및 지방 샘플 세트는 혈관을 모방하는 방식으로 배열되는, 정규화 디바이스.
의료 보고 생성과 관련된 특정 실시예.
이하는 관상 플라크 및/또는 다른 관련 특징을 특성화하는 시스템 및 방법의 특정 실시예의 비한정적인 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
실시예 1: 환자에 대한 멀티미디어 의료 보고를 생성하기 위한 장치이며, 의료 보고는 환자의 하나 이상의 시험과 연관되며, 컴퓨터 실행 가능 명령을 저장하도록 구성된 비일시적 메모리; 및 메모리와 통신하는 하나 이상의 하드웨어 프로세서를 포함하고, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자에 대한 의료 보고를 생성하라는 요청의 입력을 수신하는 것으로서, 요청은 의료 보고에 대한 포맷을 나타내는, 요청의 입력을 수신하는 것; 보고 생성 요청과 연관된 환자에 관한 환자 정보를 수신하는 것; 환자 정보를 사용하여 환자와 연관된 하나 이상의 환자 특성을 결정하는 것; 의료 보고의 유형과 환자 의료 정보 사이의 연관성에 액세스하는 것으로서, 환자 의료 정보는 환자와 관련된 의료 영상 및 환자에 대해 수행된 하나 이상의 시험의 시험 결과를 포함하는, 연관성에 액세스하는 것; 환자의 의료 정보 및 요청된 의료 보고와 연관된 보고 콘텐츠에 액세스하는 것으로서, 보고 콘텐츠는 특정 환자와 관련되지 않은 멀티미디어 콘텐츠를 포함하고, 멀티미디어 콘텐츠는 환자의 언어로 이루어진 인사말 세그먼트, 수행된 시험의 유형을 설명하는 설명 세그먼트, 시험 결과를 전달하기 위한 결과 세그먼트, 및 시험의 결과를 설명하는 설명 세그먼트, 및 결론 세그먼트를 포함하며, 멀티미디어 콘텐츠의 적어도 일부는 시험 결과 및 환자에 대해 수행된 시험과 관련된 하나 이상의 의료 영상을 포함하는, 보고 콘텐츠에 액세스하는 것; 의료 보고의 포맷에 적어도 부분적으로 기초하여, 환자 정보 및 보고 콘텐츠를 사용하여 요청된 의료 보고를 생성하는 것을 하게 하도록 하나 이상의 프로세서를 구성하는, 장치.
실시예 2: 실시예 1에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고를 디스플레이하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 3: 실시예 1에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고를 환자의 사용자 디바이스 상에 디스플레이하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 4: 실시예 3에 있어서, 사용자 디바이스는 스마트폰, 랩탑 컴퓨터, 태블릿 컴퓨터 또는 데스크탑 컴퓨터인, 장치.
실시예 5: 실시예 1에 있어서, 보고 콘텐츠는 의료 보고가 디스플레이될 때 아바타를 생성하고 디스플레이하기 위한 정보를 더 포함하는, 장치.
실시예 6: 실시예 5에 있어서, 아바타는 하나 이상의 환자 특성에 기초하는, 장치.
실시예 7: 실시예 6에 있어서, 환자 특성은 연령, 인종 또는 성별 중 하나 이상을 포함하는, 장치.
실시예 8: 실시예 1 내지 3 및 5 내지 7 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 컴퓨터 시스템의 하나 이상의 디스플레이 상에 의료 보고를 디스플레이하고, 의료 보고가 디스플레이되는 동안 사용자 입력을 수신하고, 수신된 사용자 입력에 기초하여 의료 보고의 적어도 하나의 부분을 변경하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 9: 실시예 1 내지 3 및 5 내지 7 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고를 저장하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 10: 실시예 1 내지 3 및 5 내지 7 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고 유형과 환자 의료 정보 사이의 연관성에 액세스하도록 하나 이상의 프로세서를 추가로 구성하고, 의료 보고 유형과 환자 의료 정보 사이의 연관성을 저장하는 하나 이상의 데이터 구조에 액세스하는 것을 포함하는, 장치.
실시예 11: 실시예 1 내지 3 및 5 내지 7 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 의료 상태의 중증도에 적어도 부분적으로 기초하여 의료 보고에 포함될 멀티미디어 콘텐츠를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 12: 실시예 1 내지 3 및 5 내지 7 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 또는 예후의 중증도 중 하나 이상에 적어도 부분적으로 기초하여 의료 보고에 대한 인사말 세그먼트를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 13: 실시예 1 내지 3 및 5 내지 7 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 또는 예후의 중증도 중 하나 이상에 적어도 부분적으로 기초하여 설명 세그먼트를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 14: 실시예 1 내지 3, 5 내지 7 및 13 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 또는 예후의 중증도 중 하나 이상에 적어도 부분적으로 기초하여 결과 세그먼트를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 15: 실시예 1 내지 3, 5 내지 7, 13 및 14 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 또는 예후의 중증도 중 하나 이상에 기초하여 결론 세그먼트를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 16: 실시예 1 내지 16 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 상태의 정상성, 위험, 치료 유형 및 치료 이점과 관련된 연관성을 저장하도록 구성된 하나 이상의 데이터 구조에 액세스하도록 하나 이상의 프로세서를 추가로 구성하고, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자 시험 결과, 및 정상성, 위험, 치료 유형 및 치료 이점과 관련된 저장된 연관성에 기초하여 보고에 포함되도록 정상성, 위험, 치료 유형 및 치료 이점을 자동으로 결정하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 17: 실시예 1 내지 17 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 이전에 생성된 의료 보고, 새로운 환자 의료 정보, 및 의사에 의한 입력에 기초하여 업데이트된 의료 보고를 생성하도록 하나 이상의 프로세서를 추가로 구성하는, 장치.
실시예 18: 환자에 대한 멀티미디어 의료 보고를 생성하기 위한 비일시적 컴퓨터 판독 가능 매체이며, 의료 보고는 환자의 하나 이상의 시험과 연관되며, 컴퓨터 판독 가능 매체는 하드웨어 프로세서가: 환자에 대한 의료 보고를 생성하라는 요청의 입력을 수신하는 것으로서, 요청은 의료 보고에 대한 포맷을 나타내는, 요청의 입력을 수신하는 것; 환자에 관련하는 환자 정보를 수신하는 것으로서, 환자 정보는 보고 생성 요청과 연관되는, 환자 정보를 수신하는 것; 환자 정보를 사용하여 환자와 연관된 하나 이상의 환자 특성을 결정하는 것; 의료 보고의 유형과 환자 의료 정보 사이의 연관성에 액세스하는 것으로서, 환자 의료 정보는 환자와 관련된 의료 영상 및 환자에 대해 수행된 하나 이상의 시험의 시험 결과를 포함하는, 연관성에 액세스하는 것; 환자의 의료 정보 및 요청된 의료 보고와 연관된 보고 콘텐츠에 액세스하는 것으로서, 보고 콘텐츠는 특정 환자와 관련되지 않은 멀티미디어 콘텐츠를 포함하고, 멀티미디어 콘텐츠는 환자의 언어로 이루어진 인사말 세그먼트, 수행된 시험의 유형을 설명하는 설명 세그먼트, 시험 결과를 전달하기 위한 결과 세그먼트, 및 시험의 결과를 설명하는 설명 세그먼트, 및 결론 세그먼트를 포함하며, 멀티미디어 콘텐츠의 적어도 일부는 시험 결과 및 환자에 대해 수행된 시험과 관련된 하나 이상의 의료 영상을 포함하는, 보고 콘텐츠에 액세스하는 것; 및 게다가 의료 보고의 포맷에 적어도 부분적으로 기초하여, 환자 정보 및 보고 콘텐츠를 사용하여 요청된 의료 보고를 생성하는 것의 방법을 수행하게 하기 위한 프로그램 명령을 갖는, 비일시적 컴퓨터 판독 가능 매체.
실시예 19: 실시예 18에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고를 디스플레이하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 20: 실시예 19에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고를 환자의 사용자 디바이스 상에 디스플레이하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 21: 실시예 19에 있어서, 사용자 디바이스는 스마트폰, 랩탑 컴퓨터, 태블릿 컴퓨터 또는 데스크탑 컴퓨터인, 비일시적 컴퓨터 판독 가능 매체.
실시예 22: 실시예 19에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고의 부분으로서 아바타를 생성하여 디스플레이하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 23: 실시예 22에 있어서, 아바타는 하나 이상의 환자 특성에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 24: 실시예 23에 있어서, 환자 특성은 연령, 인종 또는 성별 중 하나 이상을 포함하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 25: 실시예 19 내지 21 및 23 내지 25 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 컴퓨터 시스템의 하나 이상의 디스플레이 상에 의료 보고를 디스플레이하고, 의료 보고가 디스플레이되는 동안 사용자 입력을 수신하고, 수신된 사용자 입력에 기초하여 의료 보고의 적어도 하나의 부분을 변경하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 26: 실시예 19 내지 21 및 23 내지 25 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고를 저장하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 27: 실시예 19 내지 21 및 23 내지 25 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 보고 유형과 환자 의료 정보 사이의 연관성에 액세스하도록 하나 이상의 프로세서를 추가로 구성하고, 의료 보고 유형과 환자 의료 정보 사이의 연관성을 저장하는 하나 이상의 데이터 구조에 액세스하는 것을 포함하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 28: 실시예 19 내지 21 및 23 내지 25 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 의료 상태의 중증도에 적어도 부분적으로 기초하여 의료 보고에 포함될 멀티미디어 콘텐츠를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 29: 실시예 19 내지 21 및 23 내지 25 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 또는 예후의 중증도 중 하나 이상에 적어도 부분적으로 기초하여 의료 보고에 대한 인사말 세그먼트를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 30: 실시예 19 내지 21, 23 내지 25 및 29 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 또는 예후의 중증도 중 하나 이상에 적어도 부분적으로 기초하여 설명 세그먼트를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 31: 실시예 19 내지 21, 23 내지 25, 29 및 30 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 또는 예후의 중증도 중 하나 이상에 적어도 부분적으로 기초하여 결과 세그먼트를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 32: 실시예 19 내지 21, 23 내지 25, 29 내지 31 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자의 인종, 연령, 성별, 민족, 문화, 언어, 교육, 지리적 위치 또는 예후의 중증도 중 하나 이상에 기초하여 결론 세그먼트를 선택하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 33: 실시예 18 내지 32 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 의료 상태의 정상성, 위험, 치료 유형 및 치료 이점과 관련된 연관성을 저장하도록 구성된 하나 이상의 데이터 구조에 액세스하도록 하나 이상의 프로세서를 추가로 구성하고, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 환자 시험 결과, 및 정상성, 위험, 치료 유형 및 치료 이점과 관련된 저장된 연관성에 기초하여 보고에 포함되도록 정상성, 위험, 치료 유형 및 치료 이점을 자동으로 결정하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 34: 실시예 18 내지 33 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 이전에 생성된 의료 보고, 새로운 환자 의료 정보, 및 사용자 입력에 기초하여 업데이트된 의료 보고를 생성하도록 하나 이상의 프로세서를 추가로 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 35: 환자에 대한 멀티미디어 의료 보고를 생성하는 방법이며, 의료 보고는 환자의 하나 이상의 시험과 연관되고, 방법은: 환자에 대한 의료 보고를 생성하라는 요청의 입력을 수신하는 단계로서, 요청은 의료 보고에 대한 포맷을 나타내는, 요청의 입력을 수신하는 단계; 보고 생성 요청과 연관되는 환자에 관련하는 환자 정보를 수신하는 단계; 환자 정보를 사용하여 환자와 연관된 하나 이상의 환자 특성을 결정하는 단계; 의료 보고의 유형과 환자 의료 정보 사이의 연관성에 액세스하는 단계로서, 환자 의료 정보는 환자와 관련된 의료 영상 및 환자에 대해 수행된 하나 이상의 시험의 시험 결과를 포함하는, 연관성에 액세스하는 단계; 환자의 의료 정보 및 요청된 의료 보고와 연관된 보고 콘텐츠에 액세스하는 단계로서, 보고 콘텐츠는 특정 환자와 관련되지 않은 멀티미디어 콘텐츠를 포함하고, 멀티미디어 콘텐츠는 환자의 언어로 이루어진 인사말 세그먼트, 수행된 시험의 유형을 설명하는 설명 세그먼트, 시험 결과를 전달하기 위한 결과 세그먼트, 및 시험의 결과를 설명하는 설명 세그먼트, 및 결론 세그먼트를 포함하며, 멀티미디어 콘텐츠의 적어도 일부는 시험 결과 및 환자에 대해 수행된 시험과 관련된 하나 이상의 의료 영상을 포함하는, 보고 콘텐츠에 액세스하는 단계; 및 의료 보고의 포맷에 적어도 부분적으로 기초하여, 환자 정보 및 보고 콘텐츠를 사용하여 요청된 의료 보고를 생성하는 단계를 포함하고, 방법은 비일시적 컴퓨터 판독 가능 매체 상에서 프로그램 명령을 실행하는 하나 이상의 하드웨어 프로세서에 의해 수행되는, 방법.
실시예 36: 실시예 35에 있어서, 의료 보고를 디스플레이하는 단계를 더 포함하는, 방법.
실시예 37: 실시예 35에 있어서, 환자의 사용자 디바이스 상에 의료 보고를 디스플레이하는 단계를 더 포함하는, 방법.
실시예 38: 실시예 19에 있어서, 사용자 디바이스는 스마트폰, 랩탑 컴퓨터, 태블릿 컴퓨터 또는 데스크탑 컴퓨터인, 비일시적 컴퓨터 판독 가능 매체.
실시예 39: 실시예 35 내지 38 중 어느 하나에 있어서, 의료 보고의 부분으로서 아바타를 생성하고 디스플레이하는 단계를 더 포함하는, 방법.
실시예 40: 실시예 39에 있어서, 아바타는 하나 이상의 환자 특성에 기초하는, 방법.
실시예 41: 실시예 40에 있어서, 환자 특성은 연령, 인종 또는 성별 중 하나 이상을 포함하는, 방법.
실시예 42: 실시예 35 내지 41 중 어느 하나에 있어서, 의료 보고를 저장하는 단계를 더 포함하는, 방법.
순차적인 비연속적 동맥 베드 영상 및 죽상동맥경화성 심혈관 질환 평가의 시스템 및 방법의 실시예:
실시예 1: 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 장치이며, 컴퓨터 실행 가능 명령을 저장하도록 구성된 비일시적 메모리; 및 메모리와 통신하는 하나 이상의 하드웨어 프로세서를 포함하고, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 제1 동맥 베드 및 제2 동맥 베드의 영상을 수신하는 것으로서, 제2 동맥 베드는 제1 동맥 베드와 비연속적인, 제2 동맥 베드의 영상을 수신하는 것; 제1 동맥 베드 내에서 ASCVD를 정량화하는 것; 제2 동맥 베드 내에서 ASCVD를 정량화하는 것; 제1 동맥 베드의 제1 가중 평가를 결정하는 것으로서, 제1 가중 평가는 제1 동맥 베드에 대한 가중된 불리한 이벤트를 사용하여 생성되는, 제1 동맥 베드의 제1 가중 평가를 결정하는 것; 제2 동맥 베드의 제2 가중 평가를 결정하는 것으로서, 제2 가중 평가는 제1 동맥 베드에 대한 가중된 불리한 이벤트를 사용하여 생성되는, 제2 동맥 베드의 제2 가중 평가를 결정하는 것; 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 환자 위험 스코어를 결정하는 것을 하게 하도록 하나 이상의 프로세서를 구성하는, 장치.
실시예 2: 실시예 1에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 적어도 제1 동맥 베드의 다른 가중 평가 또는 제2 동맥 베드 제2 가중의 다른 가중 평가에 기초하여 환자의 제2 ASCVD 환자 위험 스코어를 생성하도록 하나 이상의 프로세서를 구성하는, 장치.
실시예 3: 실시예 1 또는 2 중 어느 하나에 있어서, 다른 가중 평가는 ACSVD 환자 위험 스코어를 결정하기 위해 사용된 환자 영상 이후에 촬영된 환자 영상에 기초하는, 장치.
실시예 4: 실시예 1 내지 3 중 어느 하나에 있어서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 및 대뇌 동맥 중 하나의 동맥을 포함하는, 장치.
실시예 5: 실시예 1 내지 4 중 어느 하나에 있어서, 제2 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 및 대뇌 동맥 중 하나의 동맥을 포함하는, 장치.
실시예 6: 실시예 1 내지 5 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 플라크의 부재 또는 존재에 적어도 부분적으로 기초하는, 장치.
실시예 7: 실시예 1 내지 6 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 비석회화 플라크의 부재 또는 존재에 적어도 부분적으로 기초하는, 장치.
실시예 8: 실시예 1 내지 7 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 저감쇠 플라크의 부재 또는 존재에 적어도 부분적으로 기초하는, 장치.
실시예 9: 실시예 1 내지 8 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 적어도 부분적으로 제1 동맥 베드 및 제2 동맥 베드 내의 ASCVD 정도의 측정치에 기초하는, 장치.
실시예 10: 실시예 1 내지 9 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 적어도 부분적으로 제1 동맥 베드 및 제2 동맥 베드 내의 총 ASCVD 체적의 측정치에 기초하는, 장치.
실시예 11: 실시예 1 내지 10 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 적어도 부분적으로 제1 동맥 베드 및 제2 동맥 베드 내의 죽종 용적 비율의 측정치에 기초하는, 장치.
실시예 12: 실시예 11에 있어서, 죽종 용적 비율은 죽종 체적/혈관 체적×100에 의해 결정되는, 장치.
실시예 13: 실시예 1에 있어서, ASCVD 환자 위험 스코어는 제1 동맥 베드 및 제2 동맥 베드에서 혈관 길이로 정규화된 총 죽종 체적(TAVnorm) 측정치에 적어도 부분적으로 기초하는, 장치.
실시예 14: 실시예 1 내지 13 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 적어도 부분적으로 제1 동맥 베드 및 제2 동맥 베드 내의 확산율 측정치에 기초하는, 장치.
실시예 15: 실시예 14에 있어서, 확산율 측정치는 ASCVD에 의해 영향을 받는 혈관의 백분율에 의해 결정되는, 장치.
실시예 16: 실시예 14에 있어서, 확산율 측정치는 ASCVD의 중증도에 의해 결정되는, 장치.
실시예 17: 실시예 1 내지 16 중 어느 하나에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 연령, 성별, 민족 및/또는 CAD 위험 인자 중 적어도 하나에 기초하여 ASCVD 환자 위험 스코어를 정규화하도록 하나 이상의 프로세서를 구성하는, 장치.
실시예 18: 실시예 1 내지 17 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 제1 동맥 베드 및 제2 동맥 베드 내의 혈관조영 협착 결정에 기초하는, 장치.
실시예 19: 실시예 1 내지 18 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 비석회화 대 석회화된 플라크의 비율에 기초하는, 장치.
실시예 20: 실시예 1 내지 19 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 저감쇠 비석회화 대 비석회화 대 저밀도 석회화 대 고밀도 석회화 플라크인 플라크의 비율에 기초하는, 장치.
실시예 21: 실시예 1 내지 20 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 비석회화 플라크 및 석회화 플라크의 절대량의 비율에 기초하는, 장치.
실시예 22: 실시예 1 내지 21 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 서수 분류 없이 플라크의 연속적 회색조 측정치인 플라크의 비율에 기초하는, 장치.
실시예 23: 실시예 1에 있어서, ASCVD 환자 위험 스코어는 양성 리모델링(예를 들어, 혈관 직경/정상 기준 직경, 또는 혈관 면적/정상 참조 면적; 또는 [혈관 체적/정상 참조 체적]의 ≥1.10 또는 ≥1.05 비) 대 음성 리모델링(≤1.10 또는 ≤1.05)으로서 플라크에 의해 부과된 혈관 리모델링에 기초하는, 장치.
실시예 24: 실시예 1 내지 23 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 연속 비로서 플라크에 의해 부과된 혈관 리모델링에 기초하는, 장치.
실시예 25: 실시예 1 내지 24 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 ASCVD 진행에 기초하는, 장치.
실시예 26: 실시예 1 내지 25 중 어느 하나에 있어서, ASCVD 진행은 급속 또는 비급속으로서 특성화되는, 장치.
실시예 27: 실시예 1 내지 26 중 어느 하나에 있어서, ASCVD 진행이 급속 또는 비급속으로서 특성화되는지 여부는 미리 결정된 임계값에 기초하는, 장치.
실시예 28: 실시예 27에 있어서, 미리 결정된 임계값은 죽종 용적 비율과 관련되는지 여부, 장치.
실시예 29: 실시예 27에 있어서, 미리 결정된 임계값은 플라크의 체적량과 관련되는지 여부, 장치.
실시예 30: 실시예 1 내지 29 중 어느 하나에 있어서, ASCVD 진행이 진행의 하나 이상의 급속도, 주로 석회화 플라크 형성을 갖는 진행, 주로 비석회화 플라크 형성을 갖는 진행, 또는 퇴행에 기초하는지 여부, 장치.
실시예 31: 실시예 1 내지 30 중 어느 하나에 있어서, ASCVD 환자 위험 스코어는 MACE의 위험, 협심증의 위험, 허혈의 위험, 급속 진행의 위험, 및 약물 무반응의 위험 중 적어도 하나를 포함하는 위험의 카테고리화에 기초하는, 장치.
실시예 32: 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 비일시적 컴퓨터 판독 가능 매체이며, 컴퓨터 판독 가능 매체는 하드웨어 프로세서가: 제1 동맥 베드 및 제2 동맥 베드의 영상을 수신하는 것으로서, 제2 동맥 베드는 제1 동맥 베드와 비연속적인, 제2 동맥 베드의 영상을 수신하는 것; 제1 동맥 베드 내에서 ASCVD를 정량화하는 것; 제2 동맥 베드 내에서 ASCVD를 정량화하는 것; 제1 동맥 베드의 제1 가중 평가를 결정하는 것으로서, 제1 가중 평가는 제1 동맥 베드에 대한 가중된 불리한 이벤트를 사용하여 생성되는, 제1 동맥 베드의 제1 가중 평가를 결정하는 것; 제2 동맥 베드의 제2 가중 평가를 결정하는 것으로서, 제2 가중 평가는 제1 동맥 베드에 대한 가중된 불리한 이벤트를 사용하여 생성되는, 제2 동맥 베드의 제2 가중 평가를 결정하는 것; 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 환자 위험 스코어를 결정하는 것의 방법을 수행하게 하기 위한 프로그램 명령을 갖는, 비일시적 컴퓨터 판독 가능 매체.
실시예 33: 실시예 32에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 적어도 제1 동맥 베드의 다른 가중 평가 또는 제2 동맥 베드 제2 가중의 다른 가중 평가에 기초하여 환자의 제2 ASCVD 환자 위험 스코어를 생성하도록 하나 이상의 프로세서를 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 34: 실시예 33에 있어서, 다른 가중 평가는 ACSVD 환자 위험 스코어를 결정하기 위해 사용된 환자 영상 이후에 촬영된 환자 영상에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 35: 실시예 32에 있어서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 및 대뇌 동맥 중 하나의 동맥을 포함하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 36: 실시예 32에 있어서, 제2 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 및 대뇌 동맥 중 하나의 동맥을 포함하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 37: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 플라크의 부재 또는 존재에 적어도 부분적으로 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 38: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 비석회화 플라크의 부재 또는 존재에 적어도 부분적으로 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 39: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 저감쇠 플라크의 부재 또는 존재에 적어도 부분적으로 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 40: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 적어도 부분적으로 제1 동맥 베드 및 제2 동맥 베드 내의 ASCVD 정도의 측정치에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 41: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 적어도 부분적으로 제1 동맥 베드 및 제2 동맥 베드 내의 총 ASCVD 체적의 측정치에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 42: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 적어도 부분적으로 제1 동맥 베드 및 제2 동맥 베드 내의 죽종 용적 비율의 측정치에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 43: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 적어도 부분적으로 제1 동맥 베드 및 제2 동맥 베드 내의 확산율 측정치에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 44: 실시예 32에 있어서, 확산율 측정치는 ASCVD에 의해 영향을 받는 혈관의 백분율에 의해 결정되는, 비일시적 컴퓨터 판독 가능 매체.
실시예 45: 실시예 32에 있어서, 확산율 측정치는 ASCVD의 중증도에 의해 결정되는, 비일시적 컴퓨터 판독 가능 매체.
실시예 46: 실시예 32에 있어서, 컴퓨터 실행 가능 명령은 하나 이상의 프로세서에 의해 실행될 때, 연령, 성별, 민족 및/또는 CAD 위험 인자 중 적어도 하나에 기초하여 ASCVD 환자 위험 스코어를 정규화하도록 하나 이상의 프로세서를 구성하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 47: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 제1 동맥 베드 및 제2 동맥 베드 내의 혈관조영 협착 결정에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 48: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 비석회화 대 석회화된 플라크의 비율에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 49: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 저감쇠 비석회화 대 비석회화 대 저밀도 석회화 대 고밀도 석회화 플라크인 플라크의 비율에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 50: 실시예 32에 있어서, ASCVD 환자 위험 스코어는 비석회화 플라크 및 석회화 플라크의 절대량의 비율에 기초하는, 비일시적 컴퓨터 판독 가능 매체.
실시예 51: 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 컴퓨터 구현 방법이며, 방법은: 제1 동맥 베드 및 제2 동맥 베드의 영상을 수신하는 단계로서, 제2 동맥 베드는 제1 동맥 베드와 비연속적인, 제2 동맥 베드의 영상을 수신하는 단계; 제1 동맥 베드 내에서 ASCVD를 정량화하는 단계; 제2 동맥 베드 내에서 ASCVD를 정량화하는 단계; 제1 동맥 베드의 제1 가중 평가를 결정하는 단계로서, 제1 가중 평가는 제1 동맥 베드에 대한 가중된 불리한 이벤트를 사용하여 생성되는, 제1 동맥 베드의 제1 가중 평가를 결정하는 단계; 제2 동맥 베드의 제2 가중 평가를 결정하는 단계로서, 제2 가중 평가는 제1 동맥 베드에 대한 가중된 불리한 이벤트를 사용하여 생성되는, 제2 동맥 베드의 제2 가중 평가를 결정하는 단계; 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 환자 위험 스코어를 결정하는 단계를 포함하는, 방법. 이 방법은 비일시적 컴퓨터 판독 가능 매체 상에서 프로그램 명령을 실행하는 하나 이상의 하드웨어 프로세서에 의해 수행될 수도 있다. 이러한 방법의 실시예는 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 장치와 관련하여 본 명세서에 설명된 기능을 포함할 수 있다.
실시예 52: 예를 들어 본 명세서에 설명된 바와 같은 정규화 디바이스를 사용하여 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 컴퓨터 구현 방법이며, 의료 영상화의 정규화는 알고리즘 기반 영상화 분석의 정확도를 개선시킨다. 방법은 제1 동맥 베드의 제1 세트의 영상 및 제2 동맥 베드의 제1 세트의 영상을 수신하는 단계로서, 제2 동맥 베드는 제1 동맥 베드와 비연속적이고, 제1 동맥 베드의 제1 세트의 영상과 제2 동맥 베드의 제1 세트의 영상 중 적어도 하나는 정규화 디바이스를 사용하여 정규화되는, 수신 단계; 제1 동맥 베드의 제1 세트의 영상을 사용하여 제1 동맥 베드 내의 ASCVD를 정량화하는 단계; 제2 동맥 베드의 제1 세트의 영상을 사용하여 제2 동맥 베드 내의 ASCVD를 정량화하는 단계; 및 제1 동맥 베드 내의 정량화된 ASCVD 및 제2 동맥 베드 내의 정량화된 ASCVD에 기초하여 제1 ASCVD 위험 스코어를 결정하는 단계를 포함한다. 이 방법은 비일시적 컴퓨터 판독 가능 매체 상에서 프로그램 명령을 실행하는 하나 이상의 하드웨어 프로세서에 의해 수행될 수도 있다.
실시예 53: 실시예 52에 있어서, 제1 동맥 베드의 정량화된 ASCVD 및 제1 동맥 베드에 대한 가중된 불리한 이벤트에 기초하여 제1 동맥 베드의 제1 가중 평가를 결정하는 단계; 및 제2 동맥 베드의 정량화된 ASCVD 및 제2 동맥 베드에 대한 가중된 불리한 이벤트에 기초하여 제2 동맥 베드의 제2 가중 평가를 결정하는 단계를 더 포함하고, 제1 ASCVD 위험 스코어를 결정하는 단계는 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 위험 스코어를 결정하는 단계를 더 포함하는, 방법.
실시예 54: 실시예 53에 있어서, 방법은: 제1 동맥 베드의 제2 세트의 영상 및 제2 동맥 베드의 제2 세트의 영상을 수신하는 단계로서, 제1 동맥 베드의 제2 세트의 영상은 제1 동맥 베드 제1 세트의 영상을 생성한 후에 생성되고, 제2 동맥 베드의 제2 세트의 영상은 제2 동맥 베드의 제1 세트의 영상을 생성한 후에 생성되는, 수신 단계; 제1 동맥 베드의 제2 세트의 영상을 사용하여 제1 동맥 베드 내의 ASCVD를 정량화하는 단계; 제2 동맥 베드 제2 세트의 영상을 사용하여 제2 동맥 베드 내의 ASCVD를 정량화하는 단계; 및 제2 세트의 영상을 사용하여 제1 동맥 베드 내의 정량화된 ASCVD 및 제2 세트의 영상을 사용하여 제2 동맥 베드 내의 정량화된 ASCVD에 기초하여 제2 ASCVD 위험 스코어를 결정하는 단계를 더 포함하는, 방법.
실시예 55: 실시예 54에 있어서, 제2 ASCVD 위험 스코어를 결정하는 단계는 또한 제1 ASCVD 위험 스코어에 기초하는, 방법.
실시예 56: 실시예 52에 있어서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나의 동맥을 포함하는, 방법.
실시예 57: 실시예 56에 있어서, 제2 동맥 베드는 제1 동맥 베드의 동맥과는 상이한 대동맥, 경동맥, 하지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나의 동맥을 포함하는, 방법.
전역 허혈 지수 생성에 관한 특정 실시예
이하는 전역 허혈 지수 및/또는 다른 관련 특징을 생성하는 시스템 및 방법의 특정 실시예의 비한정적 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
실시예 1: 비침습적 의료 영상 분석으로부터 도출된 다차원 정보에 기초하여 전역 허혈 지수를 생성함으로써 대상에 대한 허혈의 위험을 결정하는 컴퓨터 구현 방법이며, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 허혈에 관한 다차원 정보를 도출하기 위해 대상의 관상 영역의 의료 영상을 분석하는 단계로서, 허혈에 관한 다차원 정보는 허혈에 대한 기여자, 허혈의 결과 및 허혈의 연관 인자를 포함하는, 분석 단계; 기계 학습 알고리즘을 사용하는 컴퓨터 시스템에 의해, 허혈과 관련된 다차원 정보의 가중 측정치를 생성함으로써 대상에 대한 전역 허혈 지수를 생성하는 단계로서, 허혈과 관련된 다차원 정보의 가중 측정치는 허혈에 대한 기여자, 허혈의 결과, 또는 허혈의 연관 인자 중 하나 이상의 시간적 고려 사항을 고려함으로써 생성되는, 생성 단계; 및 컴퓨터 시스템에 의해, 대상에 대해 생성된 전역 허혈 지수에 기초하여 대상의 허혈의 위험의 평가를 지원하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법.
실시예 2: 실시예 1에 있어서, 컴퓨터 시스템에 의해, 심근 혈류, 심근 관류, 분획 유량 보유량 또는 대상의 다른 혈류 비 중 하나 이상에 의해 측정된 바와 같은 허혈의 평가에 비교에 의해 대상에 대한 생성된 전역 허혈 지수를 유효화하는 단계를 더 포함하는, 방법.
실시예 3: 실시예 1 또는 2에 있어서, 허혈에 대한 기여자는 허혈에 관련된 다차원 정보의 가중 측정치를 생성할 때 허혈의 결과 또는 허혈의 연관 인자와 비교하여 더 무겁게 가중되는, 방법.
실시예 4: 실시예 1 내지 3 중 어느 하나에 있어서, 허혈의 결과는 허혈에 대한 기여자에 비교하여 덜 무겁게 가중되고, 허혈의 결과는 허혈과 관련된 다차원 정보의 가중 측정치를 생성할 때 허혈의 연관 인자에 비교하여 더 무겁게 가중되는, 방법.
실시예 5: 실시예 1 내지 4 중 어느 하나에 있어서, 허혈의 결과는 허혈의 조기 결과 및 허혈의 후기 결과를 포함하고, 허혈의 조기 결과는 허혈과 관련된 다차원 정보의 가중 측정치를 생성할 때 허혈의 후기 결과에 비교하여 더 무겁게 가중되는, 방법.
실시예 6: 실시예 1 내지 5 중 어느 하나에 있어서, 허혈의 연관 인자는 허혈에 대한 기여자 및 허혈의 결과에 비교하여 덜 무겁게 가중되는, 방법.
실시예 7: 실시예 1 내지 6 중 어느 하나에 있어서, 허혈에 대한 기여자는 하나 이상의 혈관 구경 파라미터, 플라크 파라미터 또는 지방 파라미터를 포함하는, 방법.
실시예 8: 실시예 7에 있어서, 혈관 구경 파라미터는 백분율 직경 협착, 절대 내강 체적, 백분율 분획 심근 질량에 인덱싱된 내강 체적, 혈관 체적, 최소 내강 직경(MLD), 최소 내강 면적(MLA) 또는 MLD 대 MLA의 비 중 하나 이상을 포함하는, 방법.
실시예 9: 실시예 7 또는 8에 있어서, 플라크 파라미터는 비석회화 플라크, 저밀도 비석회화 플라크, 석회화 플라크 또는 플라크의 위치 중 하나 이상과 관련된 하나 이상의 파라미터를 포함하는, 방법.
실시예 10: 실시예 9에 있어서, 플라크의 위치는 심근 지향, 심막 지향, 분지 병변 또는 삼분지 병변 중 하나 이상을 포함하는, 방법.
실시예 11: 실시예 7 내지 10 중 어느 하나에 있어서, 지방 파라미터는 관상주위 지방 조직 또는 심장외막 지방 조직과 관련된 하나 이상의 파라미터를 포함하는, 방법.
실시예 12: 실시예 1 내지 11 중 어느 하나에 있어서, 허혈의 결과는 하나 이상의 좌심실 파라미터, 좌심방 파라미터, 우심실 파라미터, 우심방 파라미터, 대동맥 치수 또는 폐정맥 파라미터를 포함하는, 방법.
실시예 13: 실시예 12에 있어서, 좌심실 파라미터 및 우심실 파라미터는 좌심실 또는 우심실의 관류 또는 하운즈필드 단위 밀도, 질량 또는 체적 중 하나 이상을 포함하는, 방법.
실시예 14: 실시예 12 또는 13에 있어서, 좌심방 파라미터 및 우심방 파라미터는 좌심방 또는 우심방의 체적 중 하나 이상을 포함하는, 방법.
실시예 15: 실시예 1 내지 14 중 어느 하나에 있어서, 허혈의 연관 인자는 지방간 또는 비알코올성 지방간염, 폐기종, 골다공증, 승모판 고리 석회화, 대동맥 판막 석회화, 대동맥 확대, 또는 승모 판막 석회화 중 하나 이상을 포함하는, 방법.
실시예 16: 비침습적 의료 영상 분석으로부터 도출된 다차원 정보에 기초하여 전역 허혈 지수를 생성함으로써 대상에 대한 허혈의 위험도를 결정하기 위한 시스템이며, 시스템은: 복수의 컴퓨터 실행 가능 명령을 저장하도록 구성된 하나 이상의 컴퓨터 판독 가능 저장 디바이스; 및 하나 이상의 컴퓨터 판독 가능 저장 디바이스와 통신하고 복수의 컴퓨터 실행 가능 명령을 실행하도록 구성된 하나 이상의 하드웨어 컴퓨터 프로세서를 포함하고, 복수의 컴퓨터 실행 가능 명령을 실행하는 것은 시스템이 대상의 관상 영역의 의료 영상에 액세스하는 것으로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스하는 것; 허혈에 관한 다차원 정보를 도출하기 위해 대상의 관상 영역의 의료 영상을 분석하는 것으로서, 허혈에 관한 다차원 정보는 허혈에 대한 기여자, 허혈의 결과 및 허혈의 연관 인자를 포함하는, 분석하는 것; 기계 학습 알고리즘을 사용하여, 허혈과 관련된 다차원 정보의 가중 측정치를 생성함으로써 대상에 대한 전역 허혈 지수를 생성하는 것으로서, 허혈과 관련된 다차원 정보의 가중 측정치는 허혈에 대한 기여자, 허혈의 결과, 또는 허혈의 연관 인자 중 하나 이상의 시간적 고려 사항을 고려함으로써 생성되는, 생성하는 것; 컴퓨터 시스템에 의해, 대상에 대해 생성된 전역 허혈 지수에 기초하여 대상의 허혈의 위험의 평가를 지원하는 것을 하게 하는, 시스템.
실시예 17: 실시예 16에 있어서, 시스템은 또한 심근 혈류, 심근 관류, 분획 유량 보유량 또는 대상의 다른 혈류 비 중 하나 이상에 의해 측정된 바와 같은 허혈의 평가에 비교에 의해 대상에 대한 생성된 전역 허혈 지수를 유효화하게 하는, 시스템.
실시예 18: 실시예 16 또는 17에 있어서, 허혈에 대한 기여자는 허혈에 관련된 다차원 정보의 가중 측정치를 생성할 때 허혈의 결과 또는 허혈의 연관 인자와 비교하여 더 무겁게 가중되는, 시스템.
실시예 19: 실시예 16 내지 18 중 어느 하나에 있어서, 허혈의 결과는 허혈에 대한 기여자에 비교하여 덜 무겁게 가중되고, 허혈의 결과는 허혈과 관련된 다차원 정보의 가중 측정치를 생성할 때 허혈의 연관 인자에 비교하여 더 무겁게 가중되는, 시스템.
실시예 20: 실시예 16 내지 19 중 어느 하나에 있어서, 허혈의 결과는 허혈의 조기 결과 및 허혈의 후기 결과를 포함하고, 허혈의 조기 결과는 허혈과 관련된 다차원 정보의 가중 측정치를 생성할 때 허혈의 후기 결과에 비교하여 더 무겁게 가중되는, 시스템.
실시예 21: 실시예 16 내지 20 중 어느 하나에 있어서, 허혈의 연관 인자는 허혈에 대한 기여자 및 허혈의 결과에 비교하여 덜 무겁게 가중되는, 시스템.
실시예 22: 실시예 16 내지 21 중 어느 하나에 있어서, 허혈에 대한 기여자는 하나 이상의 혈관 구경 파라미터, 플라크 파라미터 또는 지방 파라미터를 포함하는, 시스템.
실시예 23: 실시예 22에 있어서, 혈관 구경 파라미터는 백분율 직경 협착, 절대 내강 체적, 백분율 분획 심근 질량에 인덱싱된 내강 체적, 혈관 체적, 최소 내강 직경(MLD), 최소 내강 면적(MLA) 또는 MLD 대 MLA의 비 중 하나 이상을 포함하는, 시스템.
실시예 24: 실시예 22 또는 23에 있어서, 플라크 파라미터는 비석회화 플라크, 저밀도 비석회화 플라크, 석회화 플라크 또는 플라크의 위치 중 하나 이상과 관련된 하나 이상의 파라미터를 포함하는, 시스템.
실시예 25: 실시예 24에 있어서, 플라크의 위치는 심근 지향, 심막 지향, 분지 병변 또는 삼분지 병변 중 하나 이상을 포함하는, 시스템.
실시예 26: 실시예 22 내지 25 중 어느 하나에 있어서, 지방 파라미터는 관상주위 지방 조직 또는 심장외막 지방 조직과 관련된 하나 이상의 파라미터를 포함하는, 시스템.
실시예 27: 실시예 16 내지 26 중 어느 하나에 있어서, 허혈의 결과는 하나 이상의 좌심실 파라미터, 좌심방 파라미터, 우심실 파라미터, 우심방 파라미터, 대동맥 치수 또는 폐정맥 파라미터를 포함하는, 시스템.
실시예 28: 실시예 27에 있어서, 좌심실 파라미터 및 우심실 파라미터는 좌심실 또는 우심실의 관류 또는 하운즈필드 단위 밀도, 질량 또는 체적 중 하나 이상을 포함하는, 시스템.
실시예 29: 실시예 27 또는 28에 있어서, 좌심방 파라미터 및 우심방 파라미터는 좌심방 또는 우심방의 체적 중 하나 이상을 포함하는, 시스템.
실시예 30: 실시예 16 내지 29 중 어느 하나에 있어서, 허혈의 연관 인자는 지방간 또는 비알코올성 지방간염, 폐기종, 골다공증, 승모판 고리 석회화, 대동맥 판막 석회화, 대동맥 확대, 또는 승모 판막 석회화 중 하나 이상을 포함하는, 시스템.
관상 동맥 질환(CAD) 위험 스코어 생성에 관한 특정 실시예
이하는 관상 동맥 질환(CAD) 위험 스코어 및/또는 다른 관련 특징을 생성하는 시스템 및 방법의 특정 실시예의 비한정적 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
실시예 1: 비침습적 의료 영상 분석으로부터 도출된 다차원 정보에 기초하여 대상에 대한 하나 이상의 CAD 위험 스코어를 생성함으로써 대상에 대한 관상 동맥 질환(CAD)의 위험을 평가하는 컴퓨터 구현 방법이며, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트의 각각에 대해, 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터를 결정하는 단계로서, 하나 이상의 플라크 파라미터는 플라크 체적, 플라크 조성, 플라크 감쇠 또는 플라크 위치 중 하나 이상을 포함하고, 하나 이상의 혈관 파라미터는 협착 중증도, 내강 체적, 관상 혈액량의 백분율 또는 분획 심근 질량의 백분율 중 하나 이상을 포함하고, 하나 이상의 임상 파라미터는 연령에 대한 백분위수 건강 상태 또는 성별에 대한 백분위수 건강 상태 중 하나 이상을 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트 각각에 대해, 결정된 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터의 가중 측정치를 생성하는 단계로서, 가중 측정치는 보정 계수를 적용함으로써 생성되는, 생성 단계; 컴퓨터 시스템에 의해, 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어를 생성하기 위해 관상 동맥의 식별된 하나 이상의 세그먼트의 각각에 대해 결정된 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터의 생성된 가중 측정치를 조합하는 단계; 및 컴퓨터 시스템에 의해, 혈관별, 혈관별, 또는 대상별 기반 중 하나 이상으로 대상에 대한 CAD의 위험을 시각화 및 정량화하기 위해 생성된 하나 이상의 혈관별, 혈관 영역별, 또는 대상별 CAD 위험 스코어의 그래픽 플롯을 생성하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법.
실시예 2: 실시예 1에 있어서, 컴퓨터 시스템에 의해, 의료 영상을 획득하는 데 사용된 대상, 스캐너, 또는 스캔 파라미터 중 하나 이상을 고려하기 위해 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어를 정규화하는 단계를 더 포함하는, 방법.
실시예 3: 실시예 1 또는 2에 있어서, 컴퓨터 시스템에 의해, 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어에 적어도 부분적으로 기초하여 대상에 대한 스케일링된 CAD 위험 스코어를 생성함으로써 대상에 대한 CAD 위험의 평가를 지원하는 단계를 더 포함하는, 방법.
실시예 4: 실시예 1 내지 3 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어에 적어도 부분적으로 기초하여 대상에 대한 혈관 연령을 결정함으로써 대상에 대한 CAD의 위험의 평가를 지원하는 단계를 더 포함하는, 방법.
실시예 5: 실시예 1 내지 4 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어에 적어도 부분적으로 기초하여 대상에 대한 CAD의 위험을 정상, 경미함, 중등도, 또는 중증 중 하나 이상으로서 카테고리화함으로써 대상에 대한 CAD의 위험의 평가를 지원하는 단계를 더 포함하는, 방법.
실시예 6: 실시예 1 내지 5 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어에 적어도 부분적으로 기초하여 대상에 대한 하나 이상의 컬러 히트 맵을 생성함으로써 대상에 대한 CAD의 위험의 평가를 지원하는 단계를 더 포함하는, 방법.
실시예 7: 실시예 1 내지 6 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어에 적어도 부분적으로 기초하여 대상에 대한 CAD의 위험을 고위험 또는 저위험 중 하나 이상으로서 카테고리화함으로써 대상에 대한 CAD의 위험의 평가를 지원하는 단계를 더 포함하는, 방법.
실시예 8: 실시예 1 내지 7 중 어느 하나에 있어서, 플라크 체적은 절대 플라크 체적 또는 죽종 용적 비율(PAV) 중 하나 이상으로서 결정되는, 방법.
실시예 9: 실시예 1 내지 8 중 어느 하나에 있어서, 플라크 조성은 의료 영상 내의 플라크의 하나 이상의 영역의 밀도에 적어도 부분적으로 기초하여 결정되는, 방법.
실시예 10: 실시예 1 내지 9 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 밀도는 절대 밀도를 포함하는, 방법.
실시예 11: 실시예 1 내지 10 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 밀도는 하운즈필드 단위 밀도를 포함하는, 방법.
실시예 12: 실시예 1 내지 11 중 어느 하나에 있어서, 플라크 조성은 비석회화 플라크 또는 석회화 플라크 중 하나 이상으로서 이진법적으로 카테고리화되는, 방법.
실시예 13: 실시예 1 내지 12 중 어느 하나에 있어서, 플라크 조성은 일반적으로 플라크의 석회화 레벨에 기초하여 순서대로 카테고리화되는, 방법.
실시예 14: 실시예 1 내지 13 중 어느 하나에 있어서, 플라크 조성은 일반적으로 플라크의 석회화 레벨에 기초하여 연속적으로 카테고리화되는, 방법.
실시예 15: 실시예 1 내지 14 중 어느 하나에 있어서, 플라크 감쇠는 밀도에 기초하여 고감쇠 또는 저감쇠 플라크로서 이진법적으로 카테고리화되는, 방법.
실시예 16: 실시예 1 내지 15 중 어느 하나에 있어서, 플라크 감쇠는 일반적으로 플라크의 감쇠 레벨에 기초하여 연속적으로 카테고리화되는, 방법.
실시예 17: 실시예 1 내지 16 중 어느 하나에 있어서, 플라크 위치는 관상 동맥 혈관을 따라 근위, 중간 또는 원위 중 하나 이상으로서 카테고리화되는, 방법.
실시예 18: 실시예 1 내지 17 중 어느 하나에 있어서, 플라크 위치는 플라크의 영역이 위치되는 관상 동맥 혈관에 기초하여 카테고리화되는, 방법.
실시예 19: 실시예 1 내지 18 중 어느 하나에 있어서, 플라크 위치는 심근 지향 또는 심막 지향 중 하나 이상으로서 카테고리화되는, 방법.
실시예 20: 실시예 1 내지 19 중 어느 하나에 있어서, 플라크 위치는 분지에서, 삼분지에서, 분지가 아닌 것에서, 또는 삼분지가 아닌 것에서 중 하나 이상으로서 카테고리화되는, 방법.
실시예 21: 실시예 1 내지 20 중 어느 하나에 있어서, 플라크 위치는 주 혈관 또는 분지 혈관 중 하나 이상으로서 카테고리화되는, 방법.
실시예 22: 실시예 1 내지 21 중 어느 하나에 있어서, 협착 중증도는 직경, 면적 또는 체적 중 하나 이상에 기초하여 생성된 협착 백분율의 하나 이상의 미리 결정된 범위에 기초하여 카테고리화되는, 방법.
실시예 23: 실시예 1 내지 22 중 어느 하나에 있어서, 내강 체적은 절대 체적, 혈관 체적에 대한 체적, 또는 가상 체적에 대한 체적 중 하나 이상을 포함하는, 방법.
실시예 24: 실시예 1 내지 23 중 어느 하나에 있어서, 관상 혈액량의 백분율은 전체 관상 혈관 체적의 함수로서 내강의 체적을 포함하는, 방법.
실시예 25: 실시예 1 내지 24 중 어느 하나에 있어서, 분획 심근 질량의 백분율은 좌심실 질량에 대한 총 혈관 체적의 비 또는 좌심실 질량에 대한 내강 체적의 비 중 하나 이상을 포함하는, 방법.
실시예 26: 비침습적 의료 영상 분석으로부터 도출된 다차원 정보에 기초하여 대상에 대한 하나 이상의 CAD 위험 스코어를 생성함으로써 대상에 대한 관상 동맥 질환(CAD)의 위험을 평가하기 위한 시스템이며, 시스템은: 복수의 컴퓨터 실행 가능 명령을 저장하도록 구성된 하나 이상의 컴퓨터 판독 가능 저장 디바이스; 및 하나 이상의 컴퓨터 판독 가능 저장 디바이스와 통신하고 복수의 컴퓨터 실행 가능 명령을 실행하도록 구성된 하나 이상의 하드웨어 컴퓨터 프로세서를 포함하고, 복수의 컴퓨터 실행 가능 명령을 실행하는 것은 시스템이 대상의 관상 영역의 의료 영상에 액세스하는 것으로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스하는 것; 대상의 관상 영역의 의료 영상 내의 관상 동맥의 하나 이상의 세그먼트를 식별하는 것; 관상 동맥의 식별된 하나 이상의 세그먼트의 각각에 대해, 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터를 결정하는 것으로서, 하나 이상의 플라크 파라미터는 플라크 체적, 플라크 조성, 플라크 감쇠 또는 플라크 위치 중 하나 이상을 포함하고, 하나 이상의 혈관 파라미터는 협착 중증도, 내강 체적, 관상 혈액량의 백분율 또는 분획 심근 질량의 백분율 중 하나 이상을 포함하고, 하나 이상의 임상 파라미터는 연령, 성별, 또는 다른 임상 평가 파라미터 하나 이상을 포함하는, 결정하는 것; 관상 동맥의 식별된 하나 이상의 세그먼트 각각에 대해, 결정된 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터의 가중 측정치를 생성하는 것으로서, 가중 측정치는 보정 계수를 적용함으로써 생성되는, 생성하는 것; 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어를 생성하기 위해 관상 동맥의 식별된 하나 이상의 세그먼트의 각각에 대해 결정된 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터의 생성된 가중 측정치를 조합하는 것; 혈관별, 혈관별, 또는 대상별 기반 중 하나 이상으로 대상에 대한 CAD의 위험을 시각화 및 정량화하기 위해 생성된 하나 이상의 혈관별, 혈관 영역별, 또는 대상별 CAD 위험 스코어의 그래픽 플롯을 생성하는 것을 하게 하는, 시스템.
실시예 27: 실시예 26에 있어서, 시스템은 또한 의료 영상을 획득하는 데 사용된 대상, 스캐너, 또는 스캔 파라미터 중 하나 이상을 고려하기 위해 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어를 정규화하게 하는, 시스템.
실시예 28: 실시예 26 또는 27에 있어서, 시스템은 또한 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어에 적어도 부분적으로 기초하여 대상에 대한 스케일링된 CAD 위험 스코어를 생성함으로써 대상에 대한 CAD 위험의 평가를 지원하게 하는, 시스템.
실시예 29: 실시예 26 내지 28 중 어느 하나에 있어서, 시스템은 또한 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어에 적어도 부분적으로 기초하여 대상에 대한 혈관 연령을 결정함으로써 대상에 대한 CAD의 위험의 평가를 지원하게 하는, 시스템.
실시예 30: 실시예 26 내지 29 중 어느 하나에 있어서, 시스템은 또한 생성된 하나 이상의 혈관별, 혈관 영역별 또는 대상별 CAD 위험 스코어에 적어도 부분적으로 기초하여 대상에 대한 CAD의 위험을 정상, 경미함, 중등도, 또는 중증 중 하나 이상으로서 카테고리화함으로써 대상에 대한 CAD의 위험의 평가를 지원하게 하는, 시스템.
영상 처리와 관련된 특정 실시예
이하는 영상 및/또는 다른 관련 특징을 처리하는 시스템 및 방법의 특정 실시예의 비한정적인 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
실시예 1: 비침습적 의료 영상 분석에 기초하는 플라크 기반 질환에 대한 의료 치료의 효능을 추적하는 컴퓨터 구현 방법이며, 방법은: 컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트 및 대상과 연관된 혈관 파라미터의 제1 세트에 액세스하는 단계로서, 플라크 파라미터의 제1 세트 및 혈관 파라미터의 제1 세트는 플라크의 하나 이상의 영역을 포함하는 대상의 제1 의료 영상으로부터 도출되고, 대상의 제1 의료 영상은 제1 시점에서 비침습적으로 획득되고, 플라크 파라미터의 제1 세트는 제1 시점에서 대상의 의료 영상으로부터 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함하고, 혈관 파라미터의 제1 세트는 제1 시점에서 혈관구조의 혈관 리모델링을 포함하는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 제2 의료 영상에 액세스하는 단계로서, 대상의 제2 의료 영상은 대상이 의료 치료로 치료된 후 제2 시점에서 비침습적으로 획득되고, 제2 시점은 제1 시점 이후이고, 대상의 제2 의료 영상은 플라크의 하나 이상의 영역을 포함하는, 액세스 단계; 컴퓨터 시스템에 의해, 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 식별하는 단계; 컴퓨터 시스템에 의해, 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 분석함으로써 대상과 연관된 플라크 파라미터의 제2 세트 및 제2 혈관 파라미터를 결정하는 단계로서, 플라크 파라미터의 제2 세트는 제2 시점에서 대상의 의료 영상으로부터 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함하고, 혈관 파라미터의 제2 세트는 제2 시점에서 혈관구조의 혈관 리모델링을 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하는 단계; 컴퓨터 시스템에 의해, 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하는 단계; 컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 분석된 하나 이상의 변화 또는 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 분석된 하나 이상의 변화 중 하나 이상에 기초하여 플라크 기반 질환의 진행을 추적하는 단계; 및 컴퓨터 시스템에 의해, 플라크 기반 질환의 추적된 진행에 기초하여 의료 치료의 효능을 결정하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법.
실시예 2: 실시예 1에 있어서, 플라크 기반 질환의 진행은 대상별, 혈관별, 세그먼트별 또는 병변별 기반 중 하나 이상으로 추적되는, 방법.
실시예 3: 실시예 1 또는 2에 있어서, 플라크 기반 질환의 진행은 진행, 퇴행, 혼합 반응 - 석회화 플라크의 진행, 혼합 반응 - 비석회화 플라크의 진행 중 하나 이상으로서 추적되는, 방법.
실시예 4: 실시예 1 내지 3 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 플라크 기반 질환의 추적된 진행에 기초하여 결정된 의료 치료의 효능에 적어도 부분적으로 기초하여 추가 제안된 의료 치료를 생성하는 단계를 더 포함하는, 방법.
실시예 5: 실시예 1 내지 4 중 어느 하나에 있어서, 추가 제안된 의료 치료는 플라크 기반 질환의 추적된 진행에 기초하여 결정된 의료 치료의 효능이 중립적이거나 음성일 때 의료 치료와 상이한, 방법.
실시예 6: 실시예 1 내지 5 중 어느 하나에 있어서, 의료 치료는 약물 치료, 생활 습관 치료 또는 혈관재형성 치료 중 하나 이상을 포함하는, 방법.
실시예 7: 실시예 6에 있어서, 약물 치료는 스타틴, 인간 면역결핍 바이러스(HIV) 약물, 아이코사펜트 에틸, 벰페도산, 리바록사반, 아스피린, 프로단백질 전환 효소 서브틸리신/켁신 9형(PCSK-9) 억제제, 인클리시란, 나트륨-포도당 공수송체-2(SGLT-2) 억제제, 글루카곤 유사 펩티드-1(GLP-1) 수용체 길항제, 저밀도 지단백질(LDL) 성분채집술 중 하나 이상을 포함하는, 방법.
실시예 8: 실시예 6 또는 7에 있어서, 생활 습관 치료는 증가된 운동, 유산소 운동, 무산소 운동, 금연 또는 식이 변화 중 하나 이상을 포함하는, 방법.
실시예 9: 실시예 6 내지 8 중 어느 하나에 있어서, 혈관재형성 치료는 우회 이식, 스텐트 삽입, 또는 생체흡수성 스캐폴드의 사용 중 하나 이상을 포함하는, 방법.
실시예 10: 실시예 1 내지 9 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트, 플라크 파라미터의 제2 세트, 혈관 파라미터의 제1 세트, 또는 혈관 파라미터의 제2 세트 중 하나 이상은 스캐너 유형, 영상 획득 파라미터, 에너지, 동기, 대조, 대상의 연령, 대상 체질, 주변 심장 구조 또는 플라크 유형 중 하나 이상을 고려하도록 정규화되는, 방법.
실시예 11: 실시예 1 내지 10 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 밀도의 증가는 의료 치료의 긍정적인 효능을 나타내는, 방법.
실시예 12: 실시예 1 내지 11 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 밀도는 하운즈필드 단위 밀도를 포함하는, 방법.
실시예 13: 실시예 1 내지 12 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 밀도는 절대 밀도를 포함하는, 방법.
실시예 14: 실시예 1 내지 13 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 위치는 심근 지향, 심막 지향, 분지, 삼분지, 근위, 중간, 원위, 주 혈관, 또는 분지 혈관 중 하나 이상을 포함하는, 방법.
실시예 15: 실시예 14에 있어서, 심막 지향으로부터 심근 지향으로의 플라크의 영역의 위치의 변화는 의료 치료의 긍정적 효능을 나타내는, 방법.
실시예 16: 실시예 1 내지 15 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 체적은 절대 플라크 체적 또는 죽종 용적 비율(PAV) 중 하나 이상을 포함하는, 방법.
실시예 17: 실시예 1 내지 16 중 어느 하나에 있어서, 제1 시점과 제2 시점 사이의 플라크의 하나 이상의 영역의 체적 증가는 의료 치료의 부정적인 효능을 나타내는, 방법.
실시예 18: 실시예 1 내지 17 중 어느 하나에 있어서, 혈관구조의 혈관 리모델링은 하나 이상의 관상 죽상동맥경화 병변의 혈관 리모델링을 포함하는, 방법.
실시예 19: 실시예 1 내지 18 중 어느 하나에 있어서, 혈관구조의 혈관 리모델링은 리모델링의 방향성 변화 중 하나 이상을 포함하고, 리모델링의 방향성 변화는 외향, 중간 또는 내향 중 하나 이상을 포함하는, 방법.
실시예 20: 실시예 19에 있어서, 제1 시점과 제2 시점 사이의 더 외향 리모델링은 의료 치료의 부정적인 효능을 나타내는, 방법.
실시예 21: 비침습적 의료 영상 분석에 기초하는 플라크 기반 질환에 대한 의료 치료의 효능을 추적하기 위한 시스템이며, 시스템은: 복수의 컴퓨터 실행 가능 명령을 저장하도록 구성된 하나 이상의 컴퓨터 판독 가능 저장 디바이스; 및 하나 이상의 컴퓨터 판독 가능 저장 디바이스와 통신하고 복수의 컴퓨터 실행 가능 명령을 실행하도록 구성된 하나 이상의 하드웨어 컴퓨터 프로세서를 포함하고, 복수의 컴퓨터 실행 가능 명령을 실행하는 것은 시스템이 플라크 파라미터의 제1 세트 및 대상과 연관된 혈관 파라미터의 제1 세트에 액세스하는 것으로서, 플라크 파라미터의 제1 세트 및 혈관 파라미터의 제1 세트는 플라크의 하나 이상의 영역을 포함하는 대상의 제1 의료 영상으로부터 도출되고, 대상의 제1 의료 영상은 제1 시점에서 비침습적으로 획득되고, 플라크 파라미터의 제1 세트는 제1 시점에서 대상의 의료 영상으로부터 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함하고, 혈관 파라미터의 제1 세트는 제1 시점에서 혈관구조의 혈관 리모델링을 포함하는, 액세스하는 것; 대상의 제2 의료 영상에 액세스하는 것으로서, 대상의 제2 의료 영상은 대상이 의료 치료로 치료된 후 제2 시점에서 비침습적으로 획득되고, 제2 시점은 제1 시점 이후이고, 대상의 제2 의료 영상은 플라크의 하나 이상의 영역을 포함하는, 액세스하는 것; 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 식별하는 것; 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 분석함으로써 대상과 연관된 플라크 파라미터의 제2 세트 및 제2 혈관 파라미터를 결정하는 것으로서, 플라크 파라미터의 제2 세트는 제2 시점에서 대상의 의료 영상으로부터 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함하고, 혈관 파라미터의 제2 세트는 제2 시점에서 혈관구조의 혈관 리모델링을 포함하는, 결정하는 것; 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하는 것; 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하는 것; 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 분석된 하나 이상의 변화 또는 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 분석된 하나 이상의 변화 중 하나 이상에 기초하여 플라크 기반 질환의 진행을 추적하는 것; 플라크 기반 질환의 추적된 진행에 기초하여 의료 치료의 효능을 결정하게 하는 것을 하게 하는, 시스템.
실시예 22: 실시예 21에 있어서, 플라크 기반 질환의 진행은 대상별, 혈관별, 세그먼트별 또는 병변별 기반 중 하나 이상으로 추적되는, 시스템.
실시예 23: 실시예 21 또는 22에 있어서, 시스템은 또한 플라크 기반 질환의 추적된 진행에 기초하여 결정된 의료 치료의 효능에 적어도 부분적으로 기초하여 추가 제안된 의료 치료를 생성하게 하는, 시스템.
실시예 24: 실시예 23에 있어서, 추가 생성된 의료 치료는 약물 치료, 생활 습관 치료 또는 혈관재형성 치료 중 하나 이상을 포함하는, 시스템.
실시예 25: 실시예 24에 있어서, 약물 치료는 스타틴, 인간 면역결핍 바이러스(HIV) 약물, 아이코사펜트 에틸, 벰페도산, 리바록사반, 아스피린, 프로단백질 전환 효소 서브틸리신/켁신 9형(PCSK-9) 억제제, 인클리시란, 나트륨-포도당 공수송체-2(SGLT-2) 억제제, 글루카곤 유사 펩티드-1(GLP-1) 수용체 길항제, 저밀도 지단백질(LDL) 성분채집술 중 하나 이상을 포함하고, 생활 습관 치료는 증가된 운동, 유산소 운동, 무산소 운동, 금연 또는 식이 변화 중 하나 이상을 포함하고, 혈관재형성 치료는 우회 이식, 스텐트 삽입, 또는 생체흡수성 스캐폴드의 사용 중 하나 이상을 포함하는, 시스템.
실시예 26: 실시예 21 내지 25 중 어느 하나에 있어서, 플라크 파라미터의 제1 세트, 플라크 파라미터의 제2 세트, 혈관 파라미터의 제1 세트, 또는 혈관 파라미터의 제2 세트 중 하나 이상은 스캐너 유형, 영상 획득 파라미터, 에너지, 동기, 대조, 대상의 연령, 대상 체질, 주변 심장 구조 또는 플라크 유형 중 하나 이상을 고려하도록 정규화되는, 시스템.
실시예 27: 실시예 21 내지 26 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 밀도의 증가는 의료 치료의 긍정적인 효능을 나타내는, 시스템.
실시예 28: 실시예 21 내지 27 중 어느 하나에 있어서, 플라크의 하나 이상의 영역의 위치는 심근 지향, 심막 지향, 분지, 삼분지, 근위, 중간, 원위, 주 혈관, 또는 분지 혈관 중 하나 이상을 포함하고, 심막 지향으로부터 심근 지향으로의 플라크의 영역의 위치의 변화는 의료 치료의 긍정적 효능을 나타내는, 시스템.
실시예 29: 실시예 21 내지 28 중 어느 하나에 있어서, 제1 시점과 제2 시점 사이의 플라크의 하나 이상의 영역의 체적 증가는 의료 치료의 부정적인 효능을 나타내는, 시스템.
실시예 30: 실시예 21 내지 29 중 어느 하나에 있어서, 혈관구조의 혈관 리모델링은 리모델링의 방향성 변화 중 하나 이상을 포함하고, 리모델링의 방향성 변화는 외향, 중간 또는 내향 중 하나 이상을 포함하고, 제1 시점과 제2 시점 사이의 더 외향 리모델링은 의료 치료의 부정적인 효능을 나타내는, 시스템.
ASCVD에 대한 치료 결정에 관한 특정 실시예
이하는 ASCVD 및/또는 다른 관련 특징에 대한 치료를 결정하는 시스템 및 방법의 특정 실시예의 비한정적인 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
실시예 1: 하나 이상의 정량적 영상 알고리즘을 사용하는 관상 CT 혈관조영술(CCTA) 분석에 기초하여 죽상동맥경화성 심혈관 질환(ASCVD) 위험이 있는 대상에 대한 지속적인 개인화된 치료를 결정하는 컴퓨터 구현 방법이며, 방법은: 컴퓨터 시스템에 의해, 하나 이상의 정량적 영상 알고리즘을 사용하여 기준선 CCTA 분석 결과를 분석함으로써 대상의 기준선 ASCVD 위험을 평가하는 단계로서, 기준선 CCTA 분석 결과는 하나 이상의 죽상동맥경화증 파라미터 또는 병변주위 조직 파라미터에 적어도 부분적으로 기초하고, 하나 이상의 죽상동맥경화증 파라미터는 죽상동맥경화증의 존재, 국소성, 정도, 중증도 또는 유형 중 하나 이상을 포함하는, 평가 단계; 컴퓨터 시스템에 의해, 대상의 기준선 ASCVD 위험을 ASCVD 위험의 하나 이상의 미리 결정된 카테고리로 카테고리화하는 단계; 컴퓨터 시스템에 의해, 대상의 카테고리화된 기준선 ASCVD 위험에 적어도 부분적으로 기초하여 대상에 대한 초기 개인화 제안 치료를 결정하는 단계로서, 대상에 대한 초기 개인화 제안 치료는 의료 요법, 생활 습관 요법, 또는 중재 요법 중 하나 이상을 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 하나 이상의 정량적 영상 알고리즘을 사용하여 후속 CCTA 분석에 의해 결정된 초기 개인화 제안 치료에 대한 대상 반응을 평가하고 후속 CCTA 분석 결과를 기준선 CCTA 분석 결과와 비교하는 단계로서, 후속 CCTA 분석은 대상에 대한 결정된 초기 개인화 제안 치료를 적용한 후에 수행되고, 대상 반응은 ASCVD의 진행, 안정화 또는 퇴행 중 하나 이상에 기초하여 평가되는, 비교 단계; 및 컴퓨터 시스템에 의해, 평가된 대상 응답에 적어도 부분적으로 기초하여 대상에 대한 지속적인 개인화 제안 치료를 결정하는 단계로서, 지속적인 개인화 제안 치료는 평가된 대상 반응이 ASCVD의 진행을 포함할 때 초기 개인화 제안 치료보다 더 높은 계층화된 접근법을 포함하고, 지속적인 개인화 제안 치료는 의료 요법, 생활 습관 요법 또는 중재 요법 중 하나 이상을 포함하는, 결정 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법.
실시예 2: 실시예 1에 있어서, 기준선 CCTA 분석 결과는 하나 이상의 정량적 영상 알고리즘을 관상, 경동맥, 하지, 상지, 대동맥 또는 신장 혈관 베드 중 하나 이상에 적용함으로써 분석되는, 방법.
실시예 3: 실시예 1 또는 2에 있어서, 하나 이상의 죽상동맥경화증 파라미터는 하나 이상의 플라크 파라미터 또는 혈관 파라미터를 포함하는, 방법.
실시예 4: 실시예 1 내지 3 중 어느 하나에 있어서, ASCVD 위험의 하나 이상의 미리 결정된 카테고리는 스테이지 0, 스테이지 I, 스테이지 II 또는 스테이지 III 중 하나 이상을 포함하는, 방법.
실시예 5: 실시예 1 내지 4 중 어느 하나에 있어서, ASCVD 위험의 하나 이상의 미리 결정된 카테고리는 없음, 최소, 경증 또는 중등도 중 하나 이상을 포함하는, 방법.
실시예 6: 실시예 1 내지 5 중 어느 하나에 있어서, ASCVD 위험의 하나 이상의 미리 결정된 카테고리는 주로 석회화 또는 주로 비석회화 플라크 중 하나 이상을 포함하는, 방법.
실시예 7: 실시예 1 내지 6 중 어느 하나에 있어서, ASCVD 위험의 하나 이상의 미리 결정된 카테고리는 저밀도 비석회화 플라크의 단위에 적어도 부분적으로 기초하는, 방법.
실시예 8: 실시예 1 내지 7 중 어느 하나에 있어서, ASCVD 위험의 하나 이상의 미리 결정된 카테고리는 저밀도 비석회화 플라크의 단위에 적어도 부분적으로 기초하는, 방법.
실시예 9: 실시예 1 내지 8 중 어느 하나에 있어서, ASCVD 위험의 하나 이상의 미리 결정된 카테고리는 연속적인 정량화 척도에 적어도 부분적으로 기초하는, 방법.
실시예 10: 실시예 1 내지 9 중 어느 하나에 있어서, ASCVD 위험의 하나 이상의 미리 결정된 카테고리는 미래 ASCVD 이벤트의 위험 레벨에 적어도 부분적으로 기초하고, 미래 ASCVD 이벤트는 심근경색, 뇌졸중, 절단 또는 박리 중 하나 이상을 포함하는, 방법.
실시예 11: 실시예 1 내지 10 중 어느 하나에 있어서, 대상의 ASCVD 위험은 적어도 부분적으로 하나 이상의 비-ASCVD 측정치에 추가로 기초하여 ASCVD 위험의 하나 이상의 미리 결정된 카테고리로 카테고리화되고, 하나 이상의 비-ASCVD 측정치는 하나 이상의 CCTA 알고리즘을 사용하여 정량화되는, 방법.
실시예 12: 실시예 11에 있어서, 하나 이상의 비-ASCVD 측정치는 ASCVD에 기여할 수도 있는 하나 이상의 심혈관 측정치 또는 비심혈관 측정치를 포함하고, 하나 이상의 심혈관 측정치는 심방 세동에 대한 고혈압 또는 심방 체적에 대한 좌심실 비대, 및 폐기종을 포함하는 하나 이상의 비심혈관 측정치 중 하나 이상을 포함하는, 방법.
실시예 13: 실시예 1 내지 12 중 어느 하나에 있어서, 대상에 대한 개인화 제안 치료는 대상의 콜레스테롤 또는 헤모글로빈 A1C의 분석 없이 결정되는, 방법.
실시예 14: 실시예 1 내지 13 중 어느 하나에 있어서, ASCVD의 진행은 급속 또는 비급속 진행 중 하나 이상을 포함하는, 방법.
실시예 15: 실시예 1 내지 14 중 어느 하나에 있어서, ASCVD의 안정화는 비석회화로부터 석회화로의 ASCVD의 변환, 저감쇠 플라크의 감소, 또는 양성 동맥 리모델링의 감소 중 하나 이상을 포함하는, 방법.
실시예 16: 실시예 1 내지 15 중 어느 하나에 있어서, ASCVD의 퇴행은 ASCVD 체적 또는 부담의 감소, 비석회화 플라크의 감소, 또는 저감쇠 플라크의 감소 중 하나 이상을 포함하는, 방법.
실시예 17: 실시예 1 내지 16 중 어느 하나에 있어서, 대상에 대한 지속적인 개인화 제안 치료는 또한 대상의 저밀도 지단백질(LDL) 콜레스테롤 또는 트리글리세라이드(TG) 레벨 중 하나 이상에 적어도 부분적으로 기초하여 결정되는, 방법.
실시예 18: 실시예 1 내지 17 중 어느 하나에 있어서, 하나 이상의 의료 요법은 하나 이상의 항염증 약물, 항혈전 약물 또는 당뇨병 약물을 포함하는, 방법.
실시예 19: 실시예 18에 있어서, 하나 이상의 항염증 약물은 콜히친을 포함하고, 하나 이상의 항혈전 약물은 리바록사반 또는 아스피린 중 하나 이상을 포함하고, 또는 하나 이상의 당뇨병 약물은 나트륨-포도당 공수송체-2(SGLT2) 억제제 또는 글루카곤 유사 펩티드-1 수용체(GLP1R) 길항제 중 하나 이상을 포함하는, 방법.
실시예 20: 실시예 1 내지 19 중 어느 하나에 있어서, 지속적인 개인화 제안 치료는 평가된 대상 반응이 ASCVD의 안정화 또는 퇴행을 포함할 때 초기 개인화 제안 치료와 동일하거나 더 낮은 계층화된 접근법을 포함하는, 방법.
실시예 21: 하나 이상의 정량적 영상 알고리즘을 사용하는 관상 CT 혈관조영술(CCTA) 분석에 기초하여 죽상동맥경화성 심혈관 질환(ASCVD) 위험이 있는 대상에 대한 지속적인 개인화된 치료를 결정하기 위한 시스템이며, 시스템은: 복수의 컴퓨터 실행 가능 명령을 저장하도록 구성된 하나 이상의 컴퓨터 판독 가능 저장 디바이스; 및 하나 이상의 컴퓨터 판독 가능 저장 디바이스와 통신하고 복수의 컴퓨터 실행 가능 명령을 실행하도록 구성된 하나 이상의 하드웨어 컴퓨터 프로세서를 포함하고, 복수의 컴퓨터 실행 가능 명령을 실행하는 것은 시스템이 하나 이상의 정량적 영상 알고리즘을 사용하여 기준선 CCTA 분석 결과를 분석함으로써 대상의 기준선 ASCVD 위험을 평가하는 것으로서, 기준선 CCTA 분석 결과는 하나 이상의 죽상동맥경화증 파라미터 또는 병변주위 조직 파라미터에 적어도 부분적으로 기초하고, 하나 이상의 죽상동맥경화증 파라미터는 죽상동맥경화증의 존재, 국소성, 정도, 중증도 또는 유형 중 하나 이상을 포함하는, 평가하는 것; 대상의 기준선 ASCVD 위험을 ASCVD 위험의 하나 이상의 미리 결정된 카테고리로 카테고리화하는 것; 대상의 카테고리화된 기준선 ASCVD 위험에 적어도 부분적으로 기초하여 대상에 대한 초기 개인화 제안 치료를 결정하는 것으로서, 대상에 대한 초기 개인화 제안 치료는 의료 요법, 생활 습관 요법, 또는 중재 요법 중 하나 이상을 포함하는, 결정하는 것; 하나 이상의 정량적 영상 알고리즘을 사용하여 후속 CCTA 분석에 의해 결정된 초기 개인화 제안 치료에 대한 대상 반응을 평가하고 후속 CCTA 분석 결과를 기준선 CCTA 분석 결과와 비교하는 것으로서, 후속 CCTA 분석은 대상에 대한 결정된 초기 개인화 제안 치료를 적용한 후에 수행되고, 대상 반응은 ASCVD의 진행, 안정화 또는 퇴행 중 하나 이상에 기초하여 평가되는, 비교하는 것; 평가된 대상 응답에 적어도 부분적으로 기초하여 대상에 대한 지속적인 개인화 제안 치료를 결정하는 것으로서, 지속적인 개인화 제안 치료는 평가된 대상 반응이 ASCVD의 진행을 포함할 때 초기 개인화 제안 치료보다 더 높은 계층화된 접근법을 포함하고, 지속적인 개인화 제안 치료는 의료 요법, 생활 습관 요법 또는 중재 요법 중 하나 이상을 포함하는, 결정하는 것을 하게 하는, 시스템.
실시예 22: 실시예 21에 있어서, 지속적인 개인화 제안 치료는 평가된 대상 반응이 ASCVD의 안정화 또는 퇴행을 포함할 때 초기 개인화 제안 치료와 동일하거나 더 낮은 계층화된 접근법을 포함하는, 시스템.
실시예 23: 실시예 21 또는 22에 있어서, CCTA의 결과는 하나 이상의 정량적 영상 알고리즘을 관상, 경동맥, 하지, 상지, 대동맥 또는 신장 혈관 베드 중 하나 이상에 적용함으로써 분석되는, 시스템.
실시예 24: 실시예 21 내지 23 중 어느 하나에 있어서, 하나 이상의 죽상동맥경화증 파라미터는 하나 이상의 플라크 파라미터 또는 혈관 파라미터를 포함하는, 시스템.
실시예 25: 실시예 21 내지 24 중 어느 하나에 있어서, 대상의 ASCVD 위험은 적어도 부분적으로 하나 이상의 비-ASCVD 측정치에 추가로 기초하여 ASCVD 위험의 하나 이상의 미리 결정된 카테고리로 카테고리화되고, 하나 이상의 비-ASCVD 측정치는 하나 이상의 CCTA 알고리즘을 사용하여 정량화되는, 시스템.
실시예 26: 실시예 25에 있어서, 하나 이상의 비-ASCVD 측정치는 ASCVD에 기여할 수도 있는 하나 이상의 심혈관 측정치 또는 비심혈관 측정치를 포함하고, 하나 이상의 심혈관 측정치는 심방 세동에 대한 고혈압 또는 심방 체적에 대한 좌심실 비대, 및 폐기종을 포함하는 하나 이상의 비심혈관 측정치 중 하나 이상을 포함하는, 시스템.
실시예 27: 실시예 21 내지 26 중 어느 하나에 있어서, 대상에 대한 개인화 제안 치료는 대상의 콜레스테롤 또는 헤모글로빈 A1C의 분석 없이 결정되는, 시스템.
실시예 28: 실시예 21 내지 27 중 어느 하나에 있어서, 대상에 대한 지속적인 개인화 제안 치료는 또한 대상의 저밀도 지단백질(LDL) 콜레스테롤 또는 트리글리세라이드(TG) 레벨 중 하나 이상에 적어도 부분적으로 기초하여 결정되는, 시스템.
실시예 29: 실시예 28에 있어서, 하나 이상의 항염증 약물은 콜히친을 포함하고, 하나 이상의 항혈전 약물은 리바록사반 또는 아스피린 중 하나 이상을 포함하고, 또는 하나 이상의 당뇨병 약물은 나트륨-포도당 공수송체-2(SGLT2) 억제제 또는 글루카곤 유사 펩티드-1 수용체(GLP1R) 길항제 중 하나 이상을 포함하는, 시스템.
실시예 30: 실시예 21 내지 29 중 어느 하나에 있어서, ASCVD 위험의 하나 이상의 미리 결정된 카테고리는 미래 ASCVD 이벤트의 위험 레벨에 적어도 부분적으로 기초하고, 미래 ASCVD 이벤트는 심근경색, 뇌졸중, 절단 또는 박리 중 하나 이상을 포함하는, 시스템.
죽상동맥경화증의 존재시에 협착 중증도 및/또는 혈관 리모델링의 결정에 관한 특정 실시예
이하는 죽상동맥경화증 및/또는 다른 관련 특징의 존재시에 협착 중증도 및/또는 혈관 리모델링을 결정하는 시스템 및 방법의 특정 실시예의 비한정적 예이다. 다른 실시예는 본 명세서에 설명되는 하나 이상의 다른 특징 또는 상이한 특징을 포함할 수도 있다.
실시예 1: 대상에 대한 관상 동맥 질환(CAD)의 위험 평가를 위한 비침습적 의료 영상 분석에 기초하여 죽상동맥경화증의 존재시에 체적 협착 중증도 및 체적 혈관 리모델링을 결정하는 컴퓨터 구현 방법이며, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 플라크의 하나 이상의 영역 및 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 플라크의 하나 이상의 영역의 존재시에 내강 벽 경계 및 플라크의 하나 이상의 영역이 존재하지 않는 경우 가상의 정상 동맥 경계를 결정하는 단계로서, 결정된 내강 벽 경계 및 가상의 정상 동맥 경계는 관상 동맥의 하나 이상의 세그먼트의 테이퍼링을 포함하고, 결정된 내강 벽 경계는 플라크의 하나 이상의 영역의 경계를 더 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 내강 벽 경계에 기초하여 내강 체적을 정량화하는 단계로서, 정량화된 내강 체적은 관상 동맥의 하나 이상의 세그먼트의 테이퍼링 및 플라크의 하나 이상의 영역의 경계를 고려하는, 정량화 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 가상의 정상 동맥 경계에 기초하여 가상의 정상 혈관 체적을 정량화하는 단계로서, 정량화된 가상의 정상 혈관 체적은 관상 동맥의 하나 이상의 세그먼트의 테이퍼링을 고려하는, 정량화 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 가상의 정상 혈관 체적과 비교하여 정량화된 내강 체적의 백분율 또는 비를 결정함으로써 체적 협착을 결정하는 단계; 컴퓨터 시스템에 의해, 결정된 가상의 정상 동맥 경계 외부의 플라크의 하나 이상의 영역의 체적을 정량화하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 가상의 정상 동맥 경계 외부의 플라크의 하나 이상의 영역의 정량화된 체적과 정량화된 가상 정상 혈관 체적의 합을 정량화된 가상의 정상 혈관 체적으로 나눔으로써 체적 3차원 혈관 리모델링 지수를 결정하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대한 결정된 체적 협착 및 체적 3차원 혈관 리모델링 지수에 적어도 부분적으로 기초하여 대상에 대한 CAD의 위험을 결정하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법.
실시예 2: 실시예 1에 있어서, 관상 동맥의 하나 이상의 세그먼트에 대해, 가상의 정상 동맥 경계에 적어도 부분적으로 기초하여 가상 혈액량을 정량화하는 단계 및 하나 이상의 세그먼트에 대해, 정량화된 가상 혈액량에 대한 실제 혈액량의 백분율 또는 비를 결정함으로써 분획 혈액량을 결정하는 단계를 더 포함하는, 방법.
실시예 3: 실시예 1 또는 2에 있어서, 컴퓨터 시스템에 의해, 결정된 체적 협착에 적어도 부분적으로 기초하여 허혈을 결정하는 단계를 더 포함하는, 방법.
실시예 4: 실시예 1 내지 3 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따라 근위 섹션의 근위 단면적 및 원위 섹션의 원위 단면적을 정량화하는 것으로서, 근위 섹션은 플라크의 하나 이상의 영역을 포함하지 않고, 원위 섹션은 플라크의 하나 이상의 영역 중 적어도 하나를 포함하는, 정량화하는 것; 컴퓨터 시스템에 의해, 근위 섹션에서 혈류의 가정 속도에 액세스하는 것; 컴퓨터 시스템에 의해, 근위 섹션에서 혈류의 가정 속도, 근위 섹션의 정량화된 근위 단면적 및 관상 동맥의 하나 이상의 세그먼트를 따른 원위 섹션의 원위 단면적에 적어도 부분적으로 기초하여 원위 섹션에서 혈류의 속도를 정량화하는 것; 컴퓨터 시스템에 의해, 근위 섹션에서의 혈류의 가정 속도와 원위 섹션에서의 혈류의 정량화된 속도에 적어도 부분적으로 기초하여 근위 섹션과 원위 섹션 사이의 압력 변화를 결정하는 것; 및 컴퓨터 시스템에 의해, 근위 섹션과 원위 섹션 사이의 결정된 압력 변화에 적어도 부분적으로 기초하여 관상 동맥의 하나 이상의 세그먼트를 따른 허혈을 결정하는 것에 의해 허혈을 결정하는 단계를 더 포함하는, 방법.
실시예 5: 실시예 4에 있어서, 혈류의 가정 속도는 휴식시의 혈류의 가정 속도, 가벼운 운동 중 혈류의 가정 속도, 적당한 운동 중 혈류의 가정 속도, 또는 과격한 운동 중 혈류의 가정 속도 중 하나 이상을 포함하는, 방법.
실시예 6: 실시예 5에 있어서, 휴식시 혈류의 가정 속도는 약 250 ml/min을 포함하고, 가벼운 운동 중 혈류의 가정 속도는 약 250 내지 500 ml/min을 포함하고, 적당한 운동 중 혈류의 가정 속도는 약 500 내지 750 ml/min을 포함하고, 과격한 운동 중 혈류의 가정 속도는 약 1200 ml/min을 포함하는, 방법.
실시예 7: 실시예 1 내지 6 중 어느 하나에 있어서, 컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따라 근위 섹션의 근위 체적 및 원위 섹션의 원위 체적을 정량화하는 것으로서, 근위 섹션은 플라크의 하나 이상의 영역을 포함하지 않고, 원위 섹션은 플라크의 하나 이상의 영역 중 적어도 하나를 포함하는, 정량화하는 것; 컴퓨터 시스템에 의해, 근위 섹션에서 혈류의 가정 속도에 액세스하는 것; 컴퓨터 시스템에 의해, 근위 섹션에서 혈류의 가정 속도, 근위 섹션의 정량화된 근위 체적 및 관상 동맥의 하나 이상의 세그먼트를 따른 원위 섹션의 원위 체적에 적어도 부분적으로 기초하여 원위 섹션에서 혈류의 속도를 정량화하는 것; 컴퓨터 시스템에 의해, 원위 섹션에서의 혈류의 정량화된 속도에 적어도 부분적으로 기초하여 원위 섹션에서의 혈류의 속도 시간 적분을 결정하는 것; 및 컴퓨터 시스템에 의해, 원위 섹션에서의 혈류의 결정된 속도 시간 적분에 적어도 부분적으로 기초하여 관상 동맥의 하나 이상의 세그먼트를 따른 허혈을 결정하는 것에 의해 허혈을 결정하는 단계를 더 포함하는, 방법.
실시예 8: 실시예 7에 있어서, 혈류의 가정 속도는 휴식시, 가벼운 운동 중, 적당한 운동 중, 또는 과격한 운동 중의 혈류의 가정 속도 중 하나 이상을 포함하는, 방법.
실시예 9: 실시예 8에 있어서, 휴식시 혈류의 가정 속도는 약 250 ml/min을 포함하고, 가벼운 운동 중 혈류의 가정 속도는 약 250 내지 500 ml/min을 포함하고, 적당한 운동 중 혈류의 가정 속도는 약 500 내지 750 ml/min을 포함하고, 과격한 운동 중 혈류의 가정 속도는 약 1200 ml/min을 포함하는, 방법.
실시예 10: 대상에 대한 관상 동맥 질환(CAD)의 위험 평가를 위한 비침습적 의료 영상 분석에 기초하여 죽상동맥경화증의 존재시에 체적 협착 중증도를 결정하는 컴퓨터 구현 방법이며, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 플라크의 하나 이상의 영역 및 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 플라크의 하나 이상의 영역의 존재시에 내강 벽 경계 및 플라크의 하나 이상의 영역이 존재하지 않는 경우 가상의 정상 동맥 경계를 결정하는 단계로서, 결정된 내강 벽 경계 및 가상의 정상 동맥 경계는 관상 동맥의 하나 이상의 세그먼트의 테이퍼링을 포함하고, 결정된 내강 벽 경계는 플라크의 하나 이상의 영역의 경계를 더 포함하는, 결정 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 내강 벽 경계에 기초하여 내강 체적을 정량화하는 단계로서, 정량화된 내강 체적은 관상 동맥의 하나 이상의 세그먼트의 테이퍼링 및 플라크의 하나 이상의 영역의 경계를 고려하는, 정량화 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 가상의 정상 동맥 경계에 기초하여 가상의 정상 혈관 체적을 정량화하는 단계로서, 정량화된 가상의 정상 혈관 체적은 관상 동맥의 하나 이상의 세그먼트의 테이퍼링을 고려하는, 정량화 단계; 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 가상의 정상 혈관 체적과 비교하여 정량화된 내강 체적의 백분율 또는 비를 결정함으로써 체적 협착을 결정하는 단계; 및 컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대한 결정된 체적 협착에 적어도 부분적으로 기초하여 대상에 대한 CAD의 위험을 결정하는 단계를 포함하고, 컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법.
실시예 11: 실시예 10에 있어서, 컴퓨터 시스템에 의해, 결정된 체적 협착에 적어도 부분적으로 기초하여 허혈을 결정하는 단계를 더 포함하는, 방법.
실시예 12: 비침습적 의료 영상 분석에 기초하여 대상에 대한 허혈을 정량화하는 컴퓨터 구현 방법이며, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 플라크의 하나 이상의 영역 및 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따라 근위 섹션의 근위 단면적 및 원위 섹션의 원위 단면적을 정량화하는 단계로서, 근위 섹션은 플라크의 하나 이상의 영역을 포함하지 않고, 원위 섹션은 플라크의 하나 이상의 영역 중 적어도 하나를 포함하는, 정량화 단계; 컴퓨터 시스템에 의해, 근위 섹션에서 혈류의 가정 속도에 액세스하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따른 근위 섹션에서 혈류의 가정 속도, 근위 섹션의 정량화된 근위 단면적 및 원위 섹션의 원위 단면적에 적어도 부분적으로 기초하여 원위 섹션에서 혈류의 속도를 정량화하는 단계; 컴퓨터 시스템에 의해, 근위 섹션에서의 혈류의 가정 속도와 원위 섹션에서의 혈류의 정량화된 속도에 적어도 부분적으로 기초하여 근위 섹션과 원위 섹션 사이의 압력 변화를 결정하는 단계; 및 컴퓨터 시스템에 의해, 근위 섹션과 원위 섹션 사이의 결정된 압력 변화에 적어도 부분적으로 기초하여 관상 동맥의 하나 이상의 세그먼트를 따라 허혈을 정량화하는 단계를 포함하는, 방법.
실시예 13: 실시예 12에 있어서, 혈류의 가정 속도는 휴식시, 가벼운 운동 중, 적당한 운동 중, 또는 과격한 운동 중의 혈류의 가정 속도 중 하나 이상을 포함하는, 방법.
실시예 14: 실시예 13에 있어서, 휴식시 혈류의 가정 속도는 약 250 ml/min을 포함하고, 가벼운 운동 중 혈류의 가정 속도는 약 250 내지 500 ml/min을 포함하고, 적당한 운동 중 혈류의 가정 속도는 약 500 내지 750 ml/min을 포함하고, 과격한 운동 중 혈류의 가정 속도는 약 1200 ml/min을 포함하는, 방법.
실시예 15: 실시예 12 내지 14 중 어느 하나에 있어서, 근위 섹션의 근위 단면적 및 원위 섹션의 원위 단면적은 시간 평균화 측정치를 포함하는, 방법.
실시예 16: 비침습적 의료 영상 분석에 기초하여 대상에 대한 허혈을 정량화하는 컴퓨터 구현 방법이며, 방법은: 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계; 컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 플라크의 하나 이상의 영역 및 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따라 근위 섹션의 근위 체적 및 원위 섹션의 원위 체적을 정량화하는 단계로서, 근위 섹션은 플라크의 하나 이상의 영역을 포함하지 않고, 원위 섹션은 플라크의 하나 이상의 영역 중 적어도 하나를 포함하는, 정량화 단계; 컴퓨터 시스템에 의해, 근위 섹션에서 혈류의 가정 속도에 액세스하는 단계; 컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따른 근위 섹션에서 혈류의 가정 속도, 근위 섹션의 정량화된 근위 체적 및 원위 섹션의 원위 체적에 적어도 부분적으로 기초하여 원위 섹션에서 혈류의 속도를 정량화하는 단계; 컴퓨터 시스템에 의해, 원위 섹션에서의 혈류의 정량화된 속도에 적어도 부분적으로 기초하여 원위 섹션에서의 혈류의 속도 시간 적분을 결정하는 단계; 및 컴퓨터 시스템에 의해, 원위 섹션에서의 혈류의 결정된 속도 시간 적분에 적어도 부분적으로 기초하여 관상 동맥의 하나 이상의 세그먼트를 따라 허혈을 정량화하는 단계를 포함하는, 방법.
실시예 17: 실시예 16에 있어서, 혈류의 가정 속도는 휴식시, 가벼운 운동 중, 적당한 운동 중, 또는 과격한 운동 중의 혈류의 가정 속도 중 하나 이상을 포함하는, 방법.
실시예 18: 실시예 17에 있어서, 휴식시 혈류의 가정 속도는 약 250 ml/min을 포함하고, 가벼운 운동 중 혈류의 가정 속도는 약 250 내지 500 ml/min을 포함하고, 적당한 운동 중 혈류의 가정 속도는 약 500 내지 750 ml/min을 포함하고, 과격한 운동 중 혈류의 가정 속도는 약 1200 ml/min을 포함하는, 방법.
실시예 19: 실시예 16 내지 18 중 어느 하나에 있어서, 근위 섹션의 근위 체적 및 원위 섹션의 원위 체적은 시간 평균화 측정치를 포함하는, 방법.
실시예 20: 실시예 16 내지 19 중 어느 하나에 있어서, 원위 섹션에서 혈류의 속도 시간 적분은 대상의 측정된 심장 박동수에 적어도 부분적으로 기초하여 추가로 결정되는, 방법.
다른 실시예(들)
본 발명이 특정 실시예 및 예시의 맥락에서 개시되었지만, 본 발명은 구체적으로 개시된 실시예를 넘어, 본 발명의 다른 대안적인 실시예 및/또는 용도 그리고 그의 명확한 변형 및 등가물까지 확장함이 본 기술 분야의 통상의 기술자에 의해 이해될 것이다. 게다가, 본 발명의 다수의 변경이 상세하게 도시되고 설명되었지만, 본 발명의 범주 내에 있는 다른 변형이 본 개시내용에 기초하여 본 기술 분야의 통상의 기술자에게 매우 명백할 것이다. 실시예의 특정 특징들 및 양태들의 다양한 조합 또는 하위 조합이 만들어질 수 있으며 여전히 본 발명의 범주 내에 들 수 있음이 또한 고려된다. 개시된 실시예의 다양한 특징들 및 양태들은 개시된 본 발명의 실시예의 여러 모드를 형성하기 위해 서로 조합되거나 대체될 수 있음을 이해하여야 한다. 본 명세서에 개시된 임의의 방법은 인용된 순서대로 수행될 필요는 없다. 따라서, 본 명세서에 개시된 본 발명의 범주는 전술된 특정 실시예에 의해 한정되지 않아야 하는 것으로 의도된다.
구체적으로 달리 언급되거나 또는 사용된 바와 같은 맥락 내에서 다른 방식으로 이해되지 않으면, 다른 것들 중에서도, "할 수 있다", "할 수 있는", "할 수도 있다", 또는 "할 수도 있는"과 같은 조건 언어는 일반적으로 특정 실시예가 특정 특징, 요소 및/또는 단계를 포함하고, 반면에 다른 실시예는 포함하지 않는다는 것을 전달하도록 의도된다. 따라서, 이러한 조건 언어는 일반적으로 특징, 요소 및/또는 단계가 하나 이상의 실시예에 대해 어쨌든 요구되고 또는 사용자 입력 또는 프롬프팅을 갖거나 갖지 않고, 하나 이상의 실시예가 이들 특징, 요소 및/또는 단계가 임의의 특정 실시예에 포함되거나 수행될 것인지 여부를 결정하기 위한 로직을 반드시 포함한다는 것을 암시하도록 의도되는 것은 아니다. 여기에 사용된 표제는 독자의 편의를 위한 것이며 본 발명 또는 실시예의 범주를 한정하도록 의도된 것은 아니다.
또한, 본 명세서에 설명된 방법 및 디바이스는 다양한 수정 및 대안적인 형태가 가능하지만, 그 특정 예는 도면에 도시되어 있고 본 명세서에 상세히 설명되어 있다. 그러나, 본 발명은 개시된 특정 형태 또는 방법에 한정되지 않고, 반대로 본 발명은 설명된 다양한 구현예 및 첨부된 실시예의 사상 및 범주 내에 있는 모든 수정, 등가물 및 대안을 커버하려는 것이라는 것이 이해되어야 한다. 또한, 구현예 또는 실시예와 관련하여 임의의 특정 특징, 양태, 방법, 속성, 특성, 품질, 속성, 요소 등의 본 명세서의 개시내용은 본 명세서에 설명된 모든 다른 구현예 또는 실시예에서 사용될 수 있다. 본 명세서에 개시된 임의의 방법은 인용된 순서대로 수행될 필요는 없다. 본 명세서에 개시된 방법은 의사에 의해 취해진 특정 동작을 포함할 수도 있지만; 방법은 또한 명시적 또는 암시적으로 해당 동작에 대한 임의의 제3자 지시를 포함할 수 있다. 본 명세서에 개시된 범위는 또한 임의의 및 모든 중첩, 하위 범위 및 그 조합을 포함한다. "최대", "적어도", "초과", "미만", "내지" 등과 같은 언어는 인용된 숫자를 포함한다. "약" 또는 "대략"과 같은 용어가 전방에 오는 숫자는 인용된 숫자를 포함하고 상황 기초하여 해석되어야 한다(예를 들어, 상황 하에서 합리적으로 가능한 한 정확하게, 예를 들어, ±5%, ±10%, ±15 % 등). 예를 들어, "약 3.5 mm"는 "3.5 mm"를 포함한다. "실질적으로"와 같은 용어가 전방에 오는 문구는 인용된 문구를 포함하고 상황에 기초하여 해석되어야 한다(예를 들어, 상황 하에서 합리적으로 가능한 한). 예를 들어, "실질적으로 일정한"은 "일정한"을 포함한다. 달리 언급되지 않으면, 모든 측정은 온도 및 압력을 포함한 표준 조건에서 이루어진다.
본 명세서에 사용될 때, 항목의 목록 "중 적어도 하나"를 칭하는 문구는 단일 구성원을 포함하는 이들 항목의 임의의 조합을 칭한다. 예로서, "A, B 또는 C 중 적어도 하나"는 A, B, C, A 및 B, A 및 C, B 및 C, A, B 및 C를 커버하도록 의도된다. 문구 "X, Y 및 Z 중 적어도 하나"와 같은 접속 언어는, 구체적으로 달리 언급되지 않으면, 항목, 용어 등이 X, Y 또는 Z 중 적어도 하나일 수도 있다는 것을 전달하기 위해 일반적으로 사용되는 바와 같은 맥락으로 이해된다. 따라서, 이러한 접속 언어는 일반적으로 특정 실시예가 X 중 적어도 하나, Y 중 적어도 하나 및 Z 중 적어도 하나가 각각 존재하도록 요구한다는 것을 암시하도록 의도되지 않는다.
Claims (20)
- 알고리즘 기반 의료 영상 분석을 위한 대상의 관상 영역의 의료 영상을 정규화하도록 구성된 정규화 디바이스이며,
적어도 환자 및 정규화 디바이스의 관심 영역이 의료 이미저에 의해 촬영된 의료 영상 내에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 환자와 함께 의료 이미저 내에 배치되도록 크기 및 형상이 구성된 기판;
기판 상에 또는 내에 위치된 복수의 구획으로서, 복수의 구획의 배열은 기판 상에 또는 내에 고정되는, 복수의 구획;
복수의 샘플로서, 복수의 샘플의 각각은 복수의 구획 중 하나 내에 위치되고, 복수의 샘플의 각각의 체적, 절대 밀도 및 상대 밀도가 알려져 있는, 복수의 샘플을 포함하고, 복수의 샘플은:
조영제 샘플의 세트로서, 각각의 조영제 샘플은 조영제 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 조영제 샘플의 세트;
칼슘 샘플의 세트로서, 각각의 칼슘 샘플은 칼슘 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 칼슘 샘플의 세트;
지방 샘플의 세트로서, 각각의 지방 샘플은 지방 샘플의 다른 것들의 절대 밀도와는 상이한 절대 밀도를 포함하는, 지방 샘플의 세트를 포함하고;
세트 조영제 샘플은 칼슘 샘플 세트 및 지방 샘플 세트가 조영제 샘플 세트를 둘러싸도록 복수의 구획 내에 배열되는, 정규화 디바이스. - 제1항에 있어서, 기판 상에 배치된 부착 메커니즘을 더 포함하고, 부착 메커니즘은 환자 및 정규화 디바이스의 관심 영역이 의료 이미저에 의해 촬영된 의료 영상 내에 나타나도록 정규화 디바이스와 환자가 함께 영상화될 수 있도록 정규화 디바이스를 환자에게 부착하도록 구성되는, 정규화 디바이스.
- 제1항에 있어서,
조영제 샘플의 세트는 4개의 조영제 샘플을 포함하고;
칼슘 샘플의 세트는 4개의 칼슘 샘플을 포함하고;
지방 샘플의 세트는 4개의 지방 샘플을 포함하는, 정규화 디바이스. - 제3항에 있어서, 복수의 샘플은 공기 샘플 및 물 샘플 중 적어도 하나를 더 포함하는, 정규화 디바이스.
- 제1항에 있어서,
제1 조영제 샘플의 체적은 제2 조영제 샘플의 체적과는 상이하고;
제1 칼슘 샘플의 체적은 제2 칼슘 샘플의 체적과는 상이하고;
제1 지방 샘플의 체적은 제2 지방 샘플의 체적과는 상이한, 정규화 디바이스. - 제1항에 있어서, 제1 조영제 샘플은 제2 조영제 샘플, 제1 칼슘 샘플 및 제1 지방 샘플에 인접하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
- 제1항에 있어서, 제1 칼슘 샘플은 제2 칼슘 샘플, 제1 조영제 샘플 및 제1 지방 샘플에 인접하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
- 제1항에 있어서, 제1 지방 샘플은 제2 지방 샘플, 제1 조영제 샘플 및 제1 칼슘 샘플에 인접하도록 복수의 구획 내에 배열되는, 정규화 디바이스.
- 제1항에 있어서, 조영제 샘플의 세트, 칼슘 샘플의 세트 및 지방 샘플 세트는 혈관을 모방하는 방식으로 배열되는, 정규화 디바이스.
- 제1항의 정규화 디바이스를 사용하여 죽상동맥경화성 심혈관 질환(ASCVD)의 위험 평가를 생성하기 위한 컴퓨터 구현 방법이며, 의료 영상화의 정규화는 알고리즘 기반 영상화 분석의 정확도를 개선시키고, 방법은:
제1 동맥 베드의 제1 세트의 영상 및 제2 동맥 베드의 제1 세트의 영상을 수신하는 단계로서, 제2 동맥 베드는 제1 동맥 베드와 비연속적이고, 제1 동맥 베드의 제1 세트의 영상과 제2 동맥 베드의 제1 세트의 영상 중 적어도 하나는 정규화 디바이스를 사용하여 정규화되는, 수신 단계;
제1 동맥 베드의 제1 세트의 영상을 사용하여 제1 동맥 베드 내의 ASCVD를 정량화하는 단계;
제2 동맥 베드의 제1 세트의 영상을 사용하여 제2 동맥 베드 내의 ASCVD를 정량화하는 단계; 및
제1 동맥 베드 내의 정량화된 ASCVD 및 제2 동맥 베드 내의 정량화된 ASCVD에 기초하여 제1 ASCVD 위험 스코어를 결정하는 단계를 포함하는, 방법. - 제10항에 있어서,
제1 동맥 베드의 정량화된 ASCVD 및 제1 동맥 베드에 대한 가중된 불리한 이벤트에 기초하여 제1 동맥 베드의 제1 가중 평가를 결정하는 단계; 및
제2 동맥 베드의 정량화된 ASCVD 및 제2 동맥 베드에 대한 가중된 불리한 이벤트에 기초하여 제2 동맥 베드의 제2 가중 평가를 결정하는 단계를 더 포함하고,
제1 ASCVD 위험 스코어를 결정하는 단계는 제1 가중 평가 및 제2 가중 평가에 기초하여 ASCVD 위험 스코어를 결정하는 단계를 더 포함하는, 방법. - 제11항에 있어서,
제1 동맥 베드의 제2 세트의 영상 및 제2 동맥 베드의 제2 세트의 영상을 수신하는 단계로서, 제1 동맥 베드의 제2 세트의 영상은 제1 동맥 베드 제1 세트의 영상을 생성한 후에 생성되고, 제2 동맥 베드의 제2 세트의 영상은 제2 동맥 베드의 제1 세트의 영상을 생성한 후에 생성되는, 수신 단계;
제1 동맥 베드의 제2 세트의 영상을 사용하여 제1 동맥 베드 내의 ASCVD를 정량화하는 단계;
제2 동맥 베드의 제2 세트의 영상을 사용하여 제2 동맥 베드 내의 ASCVD를 정량화하는 단계; 및
제2 세트의 영상을 사용하여 제1 동맥 베드 내의 정량화된 ASCVD 및 제2 세트의 영상을 사용하여 제2 동맥 베드 내의 정량화된 ASCVD에 기초하여 제2 ASCVD 위험 스코어를 결정하는 단계를 더 포함하는, 방법. - 제12항에 있어서, 제2 ASCVD 위험 스코어를 결정하는 단계는 또한 제1 ASCVD 위험 스코어에 기초하는, 방법.
- 제10항에 있어서, 제1 동맥 베드는 대동맥, 경동맥, 하지 동맥, 신장 동맥 또는 대뇌 동맥 중 하나의 동맥을 포함하고, 제2 동맥 베드는 제1 동맥 베드의 동맥과는 상이한 대동맥, 경동맥, 하지 동맥, 신장 동맥, 또는 대뇌 동맥 중 하나의 동맥을 포함하는, 방법.
- 제1항의 정규화 디바이스를 사용하여 생성된 영상에 기초하는 환자에 대한 멀티미디어 의료 보고를 생성하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 의료 보고는 환자의 하나 이상의 시험과 연관되고, 방법은:
환자에 대한 의료 보고를 생성하라는 요청의 입력을 수신하는 단계로서, 요청은 의료 보고에 대한 포맷을 나타내는, 수신 단계;
환자에 관련하는 환자 정보를 수신하는 단계로서, 환자 정보는 보고 생성 요청과 연관되는, 수신 단계;
환자 정보를 사용하여 환자와 연관된 하나 이상의 환자 특성을 결정하는 단계;
의료 보고의 유형과 환자 의료 정보 사이의 연관성에 액세스하는 단계로서, 환자 의료 정보는 환자와 관련된 의료 영상 및 환자에 대해 수행된 하나 이상의 시험의 시험 결과를 포함하고, 의료 영상은 정규화 디바이스를 사용하여 생성되는, 액세스 단계;
환자의 의료 정보 및 요청된 의료 보고와 연관된 보고 콘텐츠에 액세스하는 단계로서, 보고 콘텐츠는 특정 환자와 관련되지 않은 멀티미디어 콘텐츠를 포함하고, 멀티미디어 콘텐츠는 환자의 언어로 이루어진 인사말 세그먼트, 수행된 시험의 유형을 설명하는 설명 세그먼트, 시험 결과를 전달하기 위한 결과 세그먼트, 및 시험의 결과를 설명하는 설명 세그먼트, 및 결론 세그먼트를 포함하며, 멀티미디어 콘텐츠의 적어도 일부는 시험 결과 및 환자에 대해 수행된 시험과 관련된 하나 이상의 의료 영상을 포함하는, 액세스 단계; 및
의료 보고의 포맷에 적어도 부분적으로 기초하여, 환자 정보 및 보고 콘텐츠를 사용하여 요청된 의료 보고를 생성하는 단계를 포함하는, 방법. - 제1항의 정규화 디바이스를 사용하여 비침습적 의료 영상 분석으로부터 도출된 다차원 정보에 기초하여 대상에 대한 하나 이상의 CAD 위험 스코어를 생성함으로써 대상에 대한 관상 동맥 질환(CAD)의 위험을 평가하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 방법은;
컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계;
컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계;
컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트의 각각에 대해, 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터를 결정하는 단계로서, 하나 이상의 플라크 파라미터는 플라크 체적, 플라크 조성, 플라크 감쇠 또는 플라크 위치 중 하나 이상을 포함하고, 하나 이상의 혈관 파라미터는 협착 중증도, 내강 체적, 관상 혈액량의 백분율 또는 분획 심근 질량의 백분율 중 하나 이상을 포함하고, 하나 이상의 임상 파라미터는 연령에 대한 백분위수 건강 상태 또는 성별에 대한 백분위수 건강 상태 중 하나 이상을 포함하는, 결정 단계;
컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트 각각에 대해, 결정된 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터의 가중 측정치를 생성하는 단계로서, 가중 측정치는 보정 계수를 적용함으로써 생성되는, 생성 단계;
컴퓨터 시스템에 의해, 하나 이상의 혈관별(per-vessel), 혈관 영역별(per-vascular territory) 또는 대상별 CAD 위험 스코어를 생성하기 위해 관상 동맥의 식별된 하나 이상의 세그먼트의 각각에 대해 결정된 하나 이상의 플라크 파라미터, 혈관 파라미터 및 임상 파라미터의 생성된 가중 측정치를 조합하는 단계; 및
컴퓨터 시스템에 의해, 혈관별, 혈관별(per-vascular), 또는 대상별 기반 중 하나 이상으로 대상에 대한 CAD의 위험을 시각화 및 정량화하기 위해 생성된 하나 이상의 혈관별, 혈관 영역별, 또는 대상별 CAD 위험 스코어의 그래픽 플롯을 생성하는 단계를 포함하고,
컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법. - 제1항의 정규화 디바이스를 사용하여 비침습적 의료 영상 분석에 기초하는 플라크 기반 질환에 대한 의료 치료의 효능을 추적하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 방법은:
컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트 및 대상과 연관된 혈관 파라미터의 제1 세트에 액세스하는 단계로서, 플라크 파라미터의 제1 세트 및 혈관 파라미터의 제1 세트는 플라크의 하나 이상의 영역을 포함하는 대상의 제1 의료 영상으로부터 도출되고, 대상의 제1 의료 영상은 제1 시점에서 비침습적으로 획득되고, 플라크 파라미터의 제1 세트는 제1 시점에서 대상의 의료 영상으로부터 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함하고, 혈관 파라미터의 제1 세트는 제1 시점에서 혈관구조의 혈관 리모델링을 포함하는, 액세스 단계;
컴퓨터 시스템에 의해, 대상의 제2 의료 영상에 액세스하는 단계로서, 대상의 제2 의료 영상은 대상이 의료 치료로 치료된 후 제2 시점에서 비침습적으로 획득되고, 제2 시점은 제1 시점 이후이고, 대상의 제2 의료 영상은 플라크의 하나 이상의 영역을 포함하는, 액세스 단계;
컴퓨터 시스템에 의해, 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 식별하는 단계;
컴퓨터 시스템에 의해, 제2 의료 영상으로부터 플라크의 하나 이상의 영역을 분석함으로써 대상과 연관된 플라크 파라미터의 제2 세트 및 제2 혈관 파라미터를 결정하는 단계로서, 플라크 파라미터의 제2 세트는 제2 시점에서 대상의 의료 영상으로부터 플라크의 하나 이상의 영역의 밀도, 위치 또는 체적 중 하나 이상을 포함하고, 혈관 파라미터의 제2 세트는 제2 시점에서 혈관구조의 혈관 리모델링을 포함하는, 결정 단계;
컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하는 단계;
컴퓨터 시스템에 의해, 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 하나 이상의 변화를 분석하는 단계;
컴퓨터 시스템에 의해, 플라크 파라미터의 제1 세트와 플라크 파라미터의 제2 세트 사이의 분석된 하나 이상의 변화 또는 혈관 파라미터의 제1 세트와 혈관 파라미터의 제2 세트 사이의 분석된 하나 이상의 변화 중 하나 이상에 기초하여 플라크 기반 질환의 진행을 추적하는 단계; 및
컴퓨터 시스템에 의해, 플라크 기반 질환의 추적된 진행에 기초하여 의료 치료의 효능을 결정하는 단계를 포함하고,
컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법. - 제1항의 정규화 디바이스를 사용하여 하나 이상의 정량적 영상 알고리즘을 사용하는 관상 CT 혈관조영술(CCTA) 분석에 기초하여 죽상동맥경화성 심혈관 질환(ASCVD) 위험이 있는 대상에 대한 지속적인 개인화된 치료를 결정하는 컴퓨터 구현 방법이며, 정규화 디바이스는 하나 이상의 정량적 영상 알고리즘의 정확도를 개선시키고, 방법은:
컴퓨터 시스템에 의해, 하나 이상의 정량적 영상 알고리즘을 사용하여 기준선 CCTA 분석 결과를 분석함으로써 대상의 기준선 ASCVD 위험을 평가하는 단계로서, 기준선 CCTA 분석 결과는 하나 이상의 죽상동맥경화증 파라미터 또는 병변주위 조직 파라미터에 적어도 부분적으로 기초하고, 하나 이상의 죽상동맥경화증 파라미터는 죽상동맥경화증의 존재, 국소성, 정도, 중증도 또는 유형 중 하나 이상을 포함하는, 평가 단계;
컴퓨터 시스템에 의해, 대상의 기준선 ASCVD 위험을 ASCVD 위험의 하나 이상의 미리 결정된 카테고리로 카테고리화하는 단계;
컴퓨터 시스템에 의해, 대상의 카테고리화된 기준선 ASCVD 위험에 적어도 부분적으로 기초하여 대상에 대한 초기 개인화 제안 치료를 결정하는 단계로서, 대상에 대한 초기 개인화 제안 치료는 의료 요법, 생활 습관 요법, 또는 중재 요법 중 하나 이상을 포함하는, 결정 단계;
컴퓨터 시스템에 의해, 하나 이상의 정량적 영상 알고리즘을 사용하여 후속 CCTA 분석에 의해 결정된 초기 개인화 제안 치료에 대한 대상 반응을 평가하고 후속 CCTA 분석 결과를 기준선 CCTA 분석 결과와 비교하는 단계로서, 후속 CCTA 분석은 대상에 대한 결정된 초기 개인화 제안 치료를 적용한 후에 수행되고, 대상 반응은 ASCVD의 진행, 안정화 또는 퇴행 중 하나 이상에 기초하여 평가되는, 비교 단계; 및
컴퓨터 시스템에 의해, 평가된 대상 응답에 적어도 부분적으로 기초하여 대상에 대한 지속적인 개인화 제안 치료를 결정하는 단계로서, 지속적인 개인화 제안 치료는 평가된 대상 반응이 ASCVD의 진행을 포함할 때 초기 개인화 제안 치료보다 더 높은 계층화된 접근법을 포함하고, 지속적인 개인화 제안 치료는 의료 요법, 생활 습관 요법 또는 중재 요법 중 하나 이상을 포함하는, 결정 단계를 포함하고,
컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법. - 제1항의 정규화 디바이스를 사용하여 대상에 대한 관상 동맥 질환(CAD)의 위험 평가를 위한 비침습적 의료 영상 분석에 기초하여 죽상동맥경화증의 존재시에 체적 협착 중증도를 결정하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 방법은:
컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계;
컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 플라크의 하나 이상의 영역 및 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계;
컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 플라크의 하나 이상의 영역의 존재시에 내강 벽 경계 및 플라크의 하나 이상의 영역이 존재하지 않는 경우 가상의 정상 동맥 경계를 결정하는 단계로서, 결정된 내강 벽 경계 및 가상의 정상 동맥 경계는 관상 동맥의 하나 이상의 세그먼트의 테이퍼링을 포함하고, 결정된 내강 벽 경계는 플라크의 하나 이상의 영역의 경계를 더 포함하는, 결정 단계;
컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 내강 벽 경계에 기초하여 내강 체적을 정량화하는 단계로서, 정량화된 내강 체적은 관상 동맥의 하나 이상의 세그먼트의 테이퍼링 및 플라크의 하나 이상의 영역의 경계를 고려하는, 정량화 단계;
컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 결정된 가상의 정상 동맥 경계에 기초하여 가상의 정상 혈관 체적을 정량화하는 단계로서, 정량화된 가상의 정상 혈관 체적은 관상 동맥의 하나 이상의 세그먼트의 테이퍼링을 고려하는, 정량화 단계;
컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대해, 가상의 정상 혈관 체적과 비교하여 정량화된 내강 체적의 백분율 또는 비를 결정함으로써 체적 협착을 결정하는 단계;
컴퓨터 시스템에 의해, 관상 동맥의 식별된 하나 이상의 세그먼트에 대한 결정된 체적 협착에 적어도 부분적으로 기초하여 대상에 대한 CAD의 위험을 결정하는 단계를 포함하고,
컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법. - 제1항의 정규화 디바이스를 사용하여 비침습적 의료 영상 분석에 기초하는 대상에 대한 허혈을 정량화하는 컴퓨터 구현 방법이며, 정규화 디바이스는 비침습적 의료 영상 분석의 정확도를 개선시키고, 방법은:
컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상에 액세스하는 단계로서, 대상의 관상 영역의 의료 영상은 비침습적으로 획득되는, 액세스 단계;
컴퓨터 시스템에 의해, 대상의 관상 영역의 의료 영상 내의 플라크의 하나 이상의 영역 및 관상 동맥의 하나 이상의 세그먼트를 식별하는 단계;
컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따라 근위 섹션의 근위 체적 및 원위 섹션의 원위 체적을 정량화하는 단계로서, 근위 섹션은 플라크의 하나 이상의 영역을 포함하지 않고, 원위 섹션은 플라크의 하나 이상의 영역 중 적어도 하나를 포함하는, 정량화 단계;
컴퓨터 시스템에 의해, 근위 섹션에서 혈류의 가정 속도에 액세스하는 단계;
컴퓨터 시스템에 의해, 관상 동맥의 하나 이상의 세그먼트를 따른 근위 섹션에서 혈류의 가정 속도, 근위 섹션의 정량화된 근위 체적 및 원위 섹션의 원위 체적에 적어도 부분적으로 기초하여 원위 섹션에서 혈류의 속도를 정량화하는 단계;
컴퓨터 시스템에 의해, 원위 섹션에서의 혈류의 정량화된 속도에 적어도 부분적으로 기초하여 원위 섹션에서의 혈류의 속도 시간 적분을 결정하는 단계; 및
컴퓨터 시스템에 의해, 원위 섹션에서의 혈류의 결정된 속도 시간 적분에 적어도 부분적으로 기초하여 관상 동맥의 하나 이상의 세그먼트를 따라 허혈을 정량화하는 단계를 포함하고,
컴퓨터 시스템은 컴퓨터 프로세서 및 전자 저장 매체를 포함하는, 방법.
Applications Claiming Priority (15)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202063041252P | 2020-06-19 | 2020-06-19 | |
| US63/041,252 | 2020-06-19 | ||
| US202063077058P | 2020-09-11 | 2020-09-11 | |
| US202063077044P | 2020-09-11 | 2020-09-11 | |
| US63/077,044 | 2020-09-11 | ||
| US63/077,058 | 2020-09-11 | ||
| US202063089790P | 2020-10-09 | 2020-10-09 | |
| US63/089,790 | 2020-10-09 | ||
| US17/142,120 | 2021-01-05 | ||
| US17/142,120 US11501436B2 (en) | 2020-01-07 | 2021-01-05 | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
| US202163142873P | 2021-01-28 | 2021-01-28 | |
| US63/142,873 | 2021-01-28 | ||
| US202163201142P | 2021-04-14 | 2021-04-14 | |
| US63/201,142 | 2021-04-14 | ||
| PCT/US2021/037919 WO2021257893A1 (en) | 2020-06-19 | 2021-06-17 | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230066277A true KR20230066277A (ko) | 2023-05-15 |
Family
ID=79171593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227045393A KR20230066277A (ko) | 2020-06-19 | 2021-06-17 | 의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스 |
Country Status (6)
| Country | Link |
|---|---|
| EP (1) | EP4168981A4 (ko) |
| JP (1) | JP2023530453A (ko) |
| KR (1) | KR20230066277A (ko) |
| AU (1) | AU2021292557A1 (ko) |
| CA (1) | CA3182660A1 (ko) |
| WO (1) | WO2021257893A1 (ko) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506296B (zh) * | 2021-09-10 | 2021-12-28 | 之江实验室 | 一种基于先验知识ct亚区影像组学的慢阻肺诊断装置 |
| CN114358212B (zh) * | 2022-01-25 | 2024-01-30 | 电子科技大学 | 一种基于K-means的癌症预嘱指标数据分析系统 |
| WO2023237553A1 (en) * | 2022-06-07 | 2023-12-14 | Pie Medical Imaging Bv | Method and system for assessing functionally significant vessel obstruction based on machine learning |
| CN115271033B (zh) * | 2022-07-05 | 2023-11-21 | 西南财经大学 | 基于联邦知识蒸馏医学图像处理模型构建及其处理方法 |
| CN117198514B (zh) * | 2023-11-08 | 2024-01-30 | 中国医学科学院北京协和医院 | 一种基于clip模型的易损斑块识别方法及系统 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8639009B2 (en) * | 2000-10-11 | 2014-01-28 | Imatx, Inc. | Methods and devices for evaluating and treating a bone condition based on x-ray image analysis |
| US7660453B2 (en) * | 2000-10-11 | 2010-02-09 | Imaging Therapeutics, Inc. | Methods and devices for analysis of x-ray images |
| EP1451753A2 (en) * | 2001-11-24 | 2004-09-01 | Image Analysis, Inc. | Automatic detection and quantification of coronary and aortic calcium |
| AU2004268576A1 (en) * | 2003-08-21 | 2005-03-10 | Ischem Corporation | Automated methods and systems for vascular plaque detection and analysis |
| US8831319B2 (en) * | 2009-11-16 | 2014-09-09 | Arineta Ltd. | Method and system for calibrating CT images |
| US11160456B2 (en) * | 2012-01-23 | 2021-11-02 | Tomowave Laboratories, Inc. | Laser optoacoustic ultrasonic imaging system (LOUIS) and methods of use |
| KR20170120154A (ko) * | 2015-02-27 | 2017-10-30 | 바이엘 헬쓰케어 엘엘씨 | 복수의 영상화 모달리티와 함께 이용하기 위한 정량화 팬텀 |
| US11062489B2 (en) * | 2018-02-13 | 2021-07-13 | Wisconsin Alumni Research Foundation | System and method for multi-architecture computed tomography pipeline |
| CA3162872A1 (en) * | 2020-01-07 | 2021-07-15 | James K. MIN | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
-
2021
- 2021-06-17 CA CA3182660A patent/CA3182660A1/en active Pending
- 2021-06-17 WO PCT/US2021/037919 patent/WO2021257893A1/en unknown
- 2021-06-17 AU AU2021292557A patent/AU2021292557A1/en active Pending
- 2021-06-17 JP JP2022577572A patent/JP2023530453A/ja active Pending
- 2021-06-17 KR KR1020227045393A patent/KR20230066277A/ko unknown
- 2021-06-17 EP EP21826056.0A patent/EP4168981A4/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4168981A1 (en) | 2023-04-26 |
| EP4168981A4 (en) | 2024-07-17 |
| CA3182660A1 (en) | 2021-12-23 |
| JP2023530453A (ja) | 2023-07-18 |
| WO2021257893A1 (en) | 2021-12-23 |
| AU2021292557A1 (en) | 2023-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11302001B2 (en) | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking | |
| US11967078B2 (en) | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking | |
| KR20220124217A (ko) | 의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스 | |
| KR20230066277A (ko) | 의료 영상 분석, 진단, 위험도 층화, 의사 결정 및/또는 질환 추적을 위한 시스템, 방법 및 디바이스 | |
| JP2024534057A (ja) | 医用画像分析、診断、重症度分類、意思決定、および／または疾患追跡のためのシステム、方法、およびデバイス | |
| US12141976B2 (en) | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |