WO2021182595A1 - 予測装置、予測システム、制御方法、および制御プログラム - Google Patents
予測装置、予測システム、制御方法、および制御プログラム Download PDFInfo
- Publication number
- WO2021182595A1 WO2021182595A1 PCT/JP2021/009963 JP2021009963W WO2021182595A1 WO 2021182595 A1 WO2021182595 A1 WO 2021182595A1 JP 2021009963 W JP2021009963 W JP 2021009963W WO 2021182595 A1 WO2021182595 A1 WO 2021182595A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- prediction
- information
- joint
- intervention
- subject
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 62
- 208000024891 symptom Diseases 0.000 claims description 51
- 210000004394 hip joint Anatomy 0.000 claims description 33
- 208000002193 Pain Diseases 0.000 claims description 27
- 230000000694 effects Effects 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 208000018934 joint symptom Diseases 0.000 claims description 22
- 210000001503 joint Anatomy 0.000 claims description 20
- 201000010099 disease Diseases 0.000 claims description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 18
- 238000002560 therapeutic procedure Methods 0.000 claims description 16
- 210000000988 bone and bone Anatomy 0.000 claims description 15
- 210000000629 knee joint Anatomy 0.000 claims description 14
- 208000012659 Joint disease Diseases 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 201000008482 osteoarthritis Diseases 0.000 claims description 6
- 239000000090 biomarker Substances 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 5
- 210000001188 articular cartilage Anatomy 0.000 claims description 4
- 208000030175 lameness Diseases 0.000 claims description 4
- 208000006820 Arthralgia Diseases 0.000 claims description 3
- 206010031264 Osteonecrosis Diseases 0.000 claims description 3
- 238000001647 drug administration Methods 0.000 claims description 3
- 238000009207 exercise therapy Methods 0.000 claims description 3
- 238000002219 manual therapy Methods 0.000 claims description 3
- 230000000638 stimulation Effects 0.000 claims description 3
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 2
- 230000000386 athletic effect Effects 0.000 claims description 2
- 210000002310 elbow joint Anatomy 0.000 claims description 2
- 210000003811 finger Anatomy 0.000 claims description 2
- 210000003108 foot joint Anatomy 0.000 claims description 2
- 206010039073 rheumatoid arthritis Diseases 0.000 claims description 2
- 210000001693 sacrococcygeal joint Anatomy 0.000 claims description 2
- 210000002832 shoulder Anatomy 0.000 claims description 2
- 210000000323 shoulder joint Anatomy 0.000 claims description 2
- 210000003371 toe Anatomy 0.000 claims description 2
- 210000003857 wrist joint Anatomy 0.000 claims description 2
- 210000002517 zygapophyseal joint Anatomy 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 17
- 210000003127 knee Anatomy 0.000 description 15
- 238000011282 treatment Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000001356 surgical procedure Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000002591 computed tomography Methods 0.000 description 9
- 239000003814 drug Substances 0.000 description 9
- 210000003141 lower extremity Anatomy 0.000 description 9
- 238000002595 magnetic resonance imaging Methods 0.000 description 9
- 108090000623 proteins and genes Proteins 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 208000014674 injury Diseases 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000002604 ultrasonography Methods 0.000 description 7
- 208000027418 Wounds and injury Diseases 0.000 description 6
- 210000000845 cartilage Anatomy 0.000 description 6
- 230000006378 damage Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 229940079593 drug Drugs 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 238000011882 arthroplasty Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 210000001624 hip Anatomy 0.000 description 5
- 239000013589 supplement Substances 0.000 description 5
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 4
- 206010020843 Hyperthermia Diseases 0.000 description 4
- 208000020550 Joint related disease Diseases 0.000 description 4
- 206010023230 Joint stiffness Diseases 0.000 description 4
- 230000036031 hyperthermia Effects 0.000 description 4
- 230000000391 smoking effect Effects 0.000 description 4
- 150000003431 steroids Chemical class 0.000 description 4
- 210000005065 subchondral bone plate Anatomy 0.000 description 4
- 201000004595 synovitis Diseases 0.000 description 4
- MSWZFWKMSRAUBD-IVMDWMLBSA-N 2-amino-2-deoxy-D-glucopyranose Chemical compound N[C@H]1C(O)O[C@H](CO)[C@@H](O)[C@@H]1O MSWZFWKMSRAUBD-IVMDWMLBSA-N 0.000 description 3
- 229920002567 Chondroitin Polymers 0.000 description 3
- 206010073767 Developmental hip dysplasia Diseases 0.000 description 3
- 208000003947 Knee Osteoarthritis Diseases 0.000 description 3
- 208000008558 Osteophyte Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- MSWZFWKMSRAUBD-UHFFFAOYSA-N beta-D-galactosamine Natural products NC1C(O)OC(CO)C(O)C1O MSWZFWKMSRAUBD-UHFFFAOYSA-N 0.000 description 3
- 230000037182 bone density Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- DLGJWSVWTWEWBJ-HGGSSLSASA-N chondroitin Chemical compound CC(O)=N[C@@H]1[C@H](O)O[C@H](CO)[C@H](O)[C@@H]1OC1[C@H](O)[C@H](O)C=C(C(O)=O)O1 DLGJWSVWTWEWBJ-HGGSSLSASA-N 0.000 description 3
- 208000014906 developmental dysplasia of the hip Diseases 0.000 description 3
- 208000035790 developmental dysplasia of the hip 1 Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 201000010934 exostosis Diseases 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 229960002442 glucosamine Drugs 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 210000004872 soft tissue Anatomy 0.000 description 3
- 210000002303 tibia Anatomy 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 210000000689 upper leg Anatomy 0.000 description 3
- KIUKXJAPPMFGSW-DNGZLQJQSA-N (2S,3S,4S,5R,6R)-6-[(2S,3R,4R,5S,6R)-3-Acetamido-2-[(2S,3S,4R,5R,6R)-6-[(2R,3R,4R,5S,6R)-3-acetamido-2,5-dihydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-2-carboxy-4,5-dihydroxyoxan-3-yl]oxy-5-hydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-3,4,5-trihydroxyoxane-2-carboxylic acid Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 KIUKXJAPPMFGSW-DNGZLQJQSA-N 0.000 description 2
- 102000015827 Asporin Human genes 0.000 description 2
- 108050004044 Asporin Proteins 0.000 description 2
- 102100035379 Growth/differentiation factor 5 Human genes 0.000 description 2
- 101001023988 Homo sapiens Growth/differentiation factor 5 Proteins 0.000 description 2
- 206010061223 Ligament injury Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 208000034819 Mobility Limitation Diseases 0.000 description 2
- 102000004005 Prostaglandin-endoperoxide synthases Human genes 0.000 description 2
- 108090000459 Prostaglandin-endoperoxide synthases Proteins 0.000 description 2
- 241000469816 Varus Species 0.000 description 2
- 229940124599 anti-inflammatory drug Drugs 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- KXKPYJOVDUMHGS-OSRGNVMNSA-N chondroitin sulfate Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](OS(O)(=O)=O)[C@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](C(O)=O)O1 KXKPYJOVDUMHGS-OSRGNVMNSA-N 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 229920002674 hyaluronan Polymers 0.000 description 2
- 229960003160 hyaluronic acid Drugs 0.000 description 2
- 210000003041 ligament Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 229940028444 muse Drugs 0.000 description 2
- 239000000041 non-steroidal anti-inflammatory agent Substances 0.000 description 2
- 229940021182 non-steroidal anti-inflammatory drug Drugs 0.000 description 2
- 229960005489 paracetamol Drugs 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000011883 total knee arthroplasty Methods 0.000 description 2
- 208000025674 Anterior Cruciate Ligament injury Diseases 0.000 description 1
- 208000017234 Bone cyst Diseases 0.000 description 1
- 241000282817 Bovidae Species 0.000 description 1
- 102000000584 Calmodulin Human genes 0.000 description 1
- 108010041952 Calmodulin Proteins 0.000 description 1
- 102100025580 Calmodulin-1 Human genes 0.000 description 1
- 102100025579 Calmodulin-2 Human genes 0.000 description 1
- 241000282421 Canidae Species 0.000 description 1
- 241000283073 Equus caballus Species 0.000 description 1
- 241000282323 Felidae Species 0.000 description 1
- 229940121710 HMGCoA reductase inhibitor Drugs 0.000 description 1
- 208000007353 Hip Osteoarthritis Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 101000984164 Homo sapiens Calmodulin-1 Proteins 0.000 description 1
- 101000984150 Homo sapiens Calmodulin-2 Proteins 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010060820 Joint injury Diseases 0.000 description 1
- 208000016593 Knee injury Diseases 0.000 description 1
- 206010072970 Meniscus injury Diseases 0.000 description 1
- 101100496563 Mus musculus Col6a4 gene Proteins 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 201000000023 Osteosclerosis Diseases 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 241001227561 Valgus Species 0.000 description 1
- 206010060926 abdominal symptom Diseases 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000133 brain stem Anatomy 0.000 description 1
- 230000003848 cartilage regeneration Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 229940111134 coxibs Drugs 0.000 description 1
- 239000003255 cyclooxygenase 2 inhibitor Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003112 inhibitor Substances 0.000 description 1
- 230000008407 joint function Effects 0.000 description 1
- 208000024765 knee pain Diseases 0.000 description 1
- 238000011866 long-term treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000004417 patella Anatomy 0.000 description 1
- 210000004285 patellofemoral joint Anatomy 0.000 description 1
- 210000002967 posterior cruciate ligament Anatomy 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000028528 solitary bone cyst Diseases 0.000 description 1
- 210000001258 synovial membrane Anatomy 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 229940126585 therapeutic drug Drugs 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 230000000007 visual 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
- A61B6/50—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
- A61B6/505—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 bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4528—Joints
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Definitions
- the prediction device may be realized by a computer.
- the prediction device is operated by the computer by operating the computer as each part (software element) included in the prediction device.
- the control program of the predictor to be realized and the computer-readable recording medium on which the control program is recorded are also included in the scope of the present disclosure.
- the target is a human
- the target is not limited to humans.
- the subject may be, for example, a non-human mammal such as Equine, Felidae, Canidae, Bovidae or Pig.
- the present disclosure also includes an embodiment in which the "subject” is paraphrased as an "animal” as long as it is an embodiment applicable to these animals among the following embodiments.
- an electronic medical record management device 5a and a medical image management device 6a may be communicably connected to the LAN in the medical facility 8a.
- an electronic medical record management device 5b and a medical image management device 6b may be communicably connected to the LAN in the medical facility 8b.
- medical facilities 8a and 8b are not particularly distinguished, they are referred to as "medical facilities 8".
- the terminal devices 7a and 7b and the medical image management devices 6a and 6b are also referred to as “terminal device 7" and “medical image management device 6", respectively, unless otherwise specified.
- the input data 321 for the first learning may include patient images showing bones / joints and soft tissues of each of a plurality of patients.
- the first teacher data 322 may include symptom information regarding the joints of each patient at the time when the patient image is captured.
- the symptom information may include information on the onset time of the joint disease or the progression of the symptom.
- the patient image may include at least one of an X-ray image, a CT image, an MRI image, and an ultrasound image of each joint of a plurality of patients.
- the second learning data 33 (effect information) is data used for machine learning for generating a second prediction model.
- the second learning data 33 includes the second learning input data 331 used as the input data and the second teacher data 332 for calculating the error from the first prediction information output by the first prediction unit 23.
- the second learning input data 331 includes information indicating when the intervention was applied, a patient image showing the joints of each patient, and each of the plurality of patients to which the intervention was applied. It may include symptom information regarding the onset or progression of joint symptoms at the time the patient image of the patient is taken.
- the first prediction unit 23 and the second prediction unit 25 perform calculations based on the first prediction model on the input data input to the input layer 231 to perform the first prediction from the output layer 232. Output information. Further, the first prediction unit 23 may output the second prediction information in addition to the first prediction information.
- the prediction device 1 acquires the basic information of the target person from the electronic medical record management device 5 in addition to the medical image, and the terminal device 7a installed in the medical facility 8a is connected to the joint of the target person Pa. 1 Send prediction information. Similarly, the prediction device 1 acquires the medical image and basic information of the subject Pb who has been examined at the medical facility 8b, and first predicts the joint of the subject Pb on the terminal device 7b installed at the medical facility 8b. Information can be sent.
- the information indicating the life satisfaction of the subject may be the score as a result of diagnosing the subject's QOL.
- a method for evaluating the score for example, SF-36, WOMAC, IKDC (International Knee Documentation Committee), KOOS (Knee injury and Osteoarthritis Outcome Score), JKOM (Japanese knee osteoarthritis measure) and the like can be used.
- the gene information may include information on at least one of a gene encoding asporin, a gene encoding GDF5, and a gene encoding DVWA. These are information about genes that are thought to be involved in the progression of KOA.
- the prediction device 1 can make a prediction based on more input data, so that the accuracy of the first prediction information can be further improved.
- the history of joint disease may be, for example, acetabular hypoplasia or developmental hip dysplasia. Diagnosis of developmental hip dysplasia may be made by radiography or ultrasound. If X-ray photography or ultrasonic diagnosis is difficult, it may be performed by photographs or moving images.
- a neural network may be used for diagnosis. The neural network may be learning photographs, moving images, X-ray images or ultrasound images of a plurality of patients with developmental hip dysplasia.
- ION often develops between the ages of 30 and 40, resulting in a decrease in the labor force. Moreover, when ION develops, long-term treatment is required. Patients with advanced ION symptoms and crushing of the femoral head should undergo hip arthroplasty.
- the first learning data 32 in the present embodiment is time-series data regarding the symptoms of ION acquired from each of the plurality of patients diagnosed as ION at a plurality of time points in the past. Further, the first learning data 32 includes a patient image showing the hip joint of each of the plurality of patients, symptom information regarding the onset or progression of the hip joint disease at the time when the patient image is taken, and the patient image. Includes information associated with patient-related information related to QOL at the time the image was taken. In addition, the first learning data 32 may include information indicating the time when the crushing of the femoral head occurs.
- the first learning unit 27 uses the patient image at a certain time point as the input data 321 for the first learning among the data included in the first learning data 32, and the first learning unit 27 uses the patient image at a time point when a predetermined period elapses from the time point.
- the patient image, symptom information and patient-related information of the patient may be used as the first teacher data 322.
- the method of intervention included in the intervention information 34 stored in the storage unit 3 is, for example, non-invasive treatment.
- Methods of intervention include weight restriction, hyperthermia, ultrasound therapy, drug intake, wearing orthoses, and the like.
- the orthosis may include, for example, a walking aid, a supporter, and the like.
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Physiology (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Rheumatology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
(予測装置1の概要)
本開示の一態様に係る予測装置1は、第1時点の対象者の関節が写った医用画像から、第1予測モデルを用いて、対象者の関節の将来の症状に関する第1予測情報を出力する装置である。ここで、第1予測モデルとは、前記医用画像から前記第1予測情報を推定可能な予測モデルである。
まず、本開示の一態様に係る予測システム100aの構成について、図1を用いて説明する。図1は、予測装置1を導入した医療施設8における予測システム100aの構成例を示す図である。
予測装置1は、所定の医療施設8に設置されているコンピュータではなく、通信ネットワーク9を介して複数の医療施設8の各々に配設されたLANと通信可能に接続されていてもよい。図2は、本開示の別の態様に係る予測システム100bの構成例を示す図である。
続いて、図1に示す予測システム100aに適用された予測装置1の構成について、図3を用いて説明する。図3は、予測装置1の構成例の一例を示すブロック図である。
画像取得部21は、医用画像管理装置6から、第1時点の対象者の関節が写った画像である医用画像を取得する。医用画像は、第1予測部23に入力される入力データである。
第1予測部23は、対象者の関節が写った医用画像から、第1時点から所定期間が経過した第2時点における、関節に関する第1予測情報を出力する。第1予測部23は、入力層231および出力層232を備える学習済のニューラルネットワークを有している(図4参照)。
・畳み込みニューラルネットワーク(CNN:convolutional neural network)
・オートエンコーダ(auto encoder)
・リカレントニューラルネットワーク(RNN:recurrent neural network)
・LSTM(Long Short-Term Memory)。
第2予測部25は、第1予測部23と同様、入力層251、および出力層252を備える学習済のニューラルネットワークを有している(図4参照)。
・畳み込みニューラルネットワーク(CNN:convolutional neural network)
・オートエンコーダ(auto encoder)
・リカレントニューラルネットワーク(RNN:recurrent neural network)
・LSTM(Long Short-Term Memory)。
出力制御部24は、第1予測部23から出力された第1予測情報を、端末装置7に送信する。また、出力制御部24は、第2予測部25から出力された第3予測情報を、端末装置7に送信する。
第1学習部27は、第1予測部23が有するニューラルネットワークに対する学習処理を制御する。この学習には、第1学習データ32(後述)が用いられる。第1学習部27が行う学習の具体例については後述する。
第2学習部28は、第2予測部25が有するニューラルネットワークに対する学習処理を制御する。この学習には、第2学習データ33(後述)が用いられる。第2学習部が行う学習の具体例については後述する。
第1学習データ32は、第1予測モデルを生成するための機械学習に用いられるデータである。第1学習データ32は、入力データとして用いられる第1学習用入力データ321および第1予測部23が出力した第1予測情報との誤差を算出するための第1教師データ322を含んでいる。
第2学習データ33(効果情報)は、第2予測モデルを生成するための機械学習に用いられるデータである。第2学習データ33は、入力データとして用いられる第2学習用入力データ331および第1予測部23が出力した第1予測情報との誤差を算出するための第2教師データ332を含んでいる。具体的には、第2学習用入力データ331は、介入が適用された複数の患者の各々の、該介入が適用された時期を示す情報、各患者の関節が写った患者画像、および、各患者の患者画像が撮像された時点における関節の症状の発症または進行に関する症状情報を含んでいてもよい。また、第2教師データ332は、上述の患者画像が撮像された時点よりも後(例えば1年後)の時点における該患者の関節が写った患者画像、および、該患者の関節の症状の発症または進行に関する症状情報を含んでいてもよい。
以下、第1予測部23および第2予測部25の構成について図4に基づいて説明する。図4に示す構成は一例であり、第1予測部23および第2予測部25の構成はこれに限定されない。第1予測部23および第2予測部25は、同様の構成を有していてもよい。
図4に示すように第1予測部23および第2予測部25は、入力層231に入力される入力データに対して、第1予測モデルに基づく演算を行って、出力層232から第1予測情報を出力する。また、第1予測部23は、第1予測情報に加えて第2予測情報を出力してもよい。
・対象者の関節に発症している痛みに関する情報
・対象者の破局的思考に関する情報
・対象者の運動能力に関する情報
・前記対象者の生活満足度を示す情報。
第2予測部25も第1予測部23と同様の構成を備えていてよく、具体的には入力層251、および出力層252を備える。第2予測部25は、第1予測部23から第1予測情報を取得し、入力層251に入力する入力データとして用いる。第2予測部25は、医用画像を更に取得し、入力データとして用いてもよい。第2予測部25は、第1予測情報に基づき、第2予測モデルを用いて演算を行い、第3予測情報を出力する。
図3に戻り、記憶部3には、第2予測部25が効果を推定する介入についての情報(介入情報34)が予め記憶されている。第2予測部25は、第1予測情報を取得すると、記憶部3を参照し、介入情報34に含まれる介入の方法の中から少なくとも1つを選択し、該介入の効果を推定する。効果が推定される介入情報34としては、例えば体重制限、温熱治療、超音波療法、装具の着用、またはサプリメントの摂取(例:コンドロイチン、またはグルコサミン)といった非侵襲性の治療が挙げられる。また、介入情報34として人工関節置換術等の侵襲性の治療による効果が推定されてもよい。
以下、第1予測モデルを生成するための学習処理について、図5を用いて説明する。図5は、第1学習部27による学習処理の流れの一例を示すフローチャートである。
次に、第2予測モデルを生成するための学習処理について、図6を用いて説明する。図6は、第2学習部28による学習処理の流れの一例を示すフローチャートである。
以下、予測装置1が行う処理の流れについて、図7を用いて説明する。図7は、予測装置1が行う処理の流れの一例を示すフローチャートである。
まず、画像取得部21は、医用画像管理装置6から医用画像(入力データ)を取得し(ステップS21:画像取得ステップ)、第1予測部23に入力する。
基礎情報に、対象者のQOLに関する情報が含まれている場合、ステップS22において、第1予測部23は、医用画像が入力されたことに応じて、第2予測情報をさらに出力してもよい。
第2予測部25は、第1予測情報を取得すると、記憶部3の介入情報34を参照し、介入情報34に含まれる介入の方法のうち少なくとも1つを選択する(ステップS23)。また、第2予測部25は、第1予測情報が入力されたことに応じて、選択した介入についての第3予測情報を出力する(ステップS24)。
図8は、予測装置1によって実現する医療サービスの一例を示す図である。
<基礎情報取得部22>
予測装置1は、上述の構成に加えて、図3に示すように、基礎情報取得部22をさらに備えていてもよい。基礎情報取得部22は、電子カルテ管理装置5から、対象者に関連する情報である基礎情報を取得する。電子カルテ管理装置5は、医療施設8にて診察を受けた対象者の電子カルテ情報を管理するためのサーバとして機能するコンピュータである。医療施設8a内のLANには、1以上の端末装置7aおよび医用画像管理装置6aに加えて電子カルテ管理装置5aが通信可能に接続されていてもよい。電子カルテ情報には、対象者の基礎情報、および問診情報が含まれていてもよい。基礎情報は、医用画像に加えて第1予測部23に入力される入力データである。第1予測部23が有する第1予測モデルは、医用画像に加えて基礎情報に基づいて第1予測情報を推定可能である。
以下、予測装置1が、変形性膝関節症(Knee Osteoarthritis、以下KOAと記す。)に関する情報を予測するために適用される場合について説明する。KOAは、膝関節の形および軟骨に異常が生じ、膝関節が次第に変形する疾患である。日本におけるKOAの患者数は、およそ2400万人と見積もられている。そのうちの約1/3の患者は、膝の痛みを有している。KOAを発症し、症状が悪化した場合、人工膝関節置換術を受ける必要が生じる。
・種別(例えば人種)、傷病の有無、傷病の種類、職業、職業歴、生活習慣、運動習慣、運動歴、喫煙習慣、骨の形態に関する情報、遺伝子情報、膝関節液の組成、下肢筋量、大腿四頭筋力、歩行補助具の使用頻度、投薬治療の有無、抗炎症薬の使用有無、膝に発生している痛みに関する情報(例:痛みの有無)、膝関節の可動域を示す情報、対象者の運動能力に関する情報(歩行能力)、対象者の生活満足度を示す情報、関節疾患の既往歴、バイオマーカー情報、および膝の関節の変形度合に応じた階級を示す値(例:K-L分類、腰野分類)。
本実施形態における第1学習データ32は、複数の膝関節に関わる疾患を持つ患者の各々から過去に複数の時点において取得された、膝関節の症状に関する時系列データである。また、第1学習データ32は、複数の患者の各々の、下記(1)~(3)を含んでいてもよい。
(2)該患者画像が撮像された時点における膝関節の疾患の発症または症状の進行に関する症状情報
(3)該患者画像が撮像された時点におけるQOLに関連する患者関連情報、が対応付けられている情報。
第1予測部23は、上述の入力データが入力されたことに応じて、第1予測情報を出力する。第1予測情報は、以下に挙げる情報のうち少なくとも1つを含んでいてもよい。
・対象者の第2時点における膝の関節の変形度合いに応じた階級(例:K-L分類)を示す値
・対象者の第2時点における膝の可動域
・対象者の第2時点における膝の関節裂隙の幅
・対象者の第2時点における大腿骨と脛骨の成す角度(femoro-tibial angle)
・対象者の膝に痛みが発症する時期および程度
・対象者が歩行困難となる時期
・対象者の膝に侵襲治療が必要となる時期。
本実施形態に係る第2学習データ33は、介入を適用した場合の医用画像の時系列データである。また、第2学習データ33には、該介入が適用された患者の基礎情報が含まれていてもよい。
本実施形態において、記憶部3に記憶されている介入情報34に含まれる介入の方法は、例えば非侵襲性の治療である。例えば、介入には、体重制限、温熱療法、超音波療法、運動療法、刺激療法、マニュアルセラピー、高周波療法、薬剤摂取(薬剤投与)、サプリメント摂取、および装具の着用等が挙げられる。装具は、例えば、歩行補助具、サポーター、および足底板等を含んでいてもよい。
予測装置1の制御部2は、医用画像から新たな基礎情報を抽出してもよい。例えば、制御部2は、医用画像に基づいて、以下に挙げるもののうち少なくとも1つを測定してもよい。
・画像から大腿骨と脛骨の成す角度(femoro-tibial angle)、下肢筋量、関節軟骨の厚み、骨髄異常陰影、下骨嚢胞、陥凹、骨棘形成、半月板損傷、十字靭帯損傷、滑膜炎、骨硬化、靭帯の張力変化、関節の拘縮、大腿骨の内側または外側の軟骨下骨の骨密度、脛骨の内側または外側の軟骨下骨の骨密度、脛骨の内側または外側の軟骨下骨の骨梁構造、脛骨の内側または外側の軟骨下骨の骨密度、脛骨の内側または外側の軟骨下骨の血管の走行。
以下、予測装置1が、変形性股関節症(Hip Osteoarthritis、以下HOAと記す。)に関する情報を予測するために適用される場合について説明する。説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
・種別(例えば人種)、傷病の有無、傷病の種類、職業、職業歴、生活習慣、運動習慣、運動歴、喫煙習慣、骨の形態に関する情報、遺伝子情報、関節液の組成、下肢筋量、歩行補助具の使用頻度、投薬治療の有無、抗炎症薬の使用有無、股関節に発症している痛みに関する情報(例:痛みの有無)、股関節の可動域を示す情報、対象者の運動能力に関する情報(歩行能力)、対象者の生活満足度を示す情報、関節疾患の既往歴、および、バイオマーカー情報および股関節の変形度合に応じた階級を示す値(例:K-L分類)。
本実施形態における第1学習データ32は、複数の股関節に関わる疾患を持つ患者の各々から過去に複数の時点において取得された、股関節の症状に関する時系列データである。また、第1学習データ32は、複数の患者の各々の、下記(1)~(3)を含んでいてもよい。
(2)該患者画像が撮像された時点における股関節の疾患の発症または症状の進行に関する症状情報
(3)該患者画像が撮像された時点におけるQOLに関連する患者関連情報。
第1予測部23は、上述の入力データが入力されたことに応じて、第1予測情報を出力する。第1予測情報は、以下に挙げる情報のうち少なくとも1つを含んでいてもよい。
・対象者の第2時点における股関節の変形度合いに応じた階級(例:K-L分類)を示す値
・対象者の第2時点における股関節の可動域
・対象者の股関節に痛みが発症する時期・程度
・対象者が歩行困難となる時期
・対象者の股関節に侵襲治療が必要となる時期。
本実施形態に係る第2学習データ33は、介入を適用した場合の医用画像の時系列データである。また、第2学習データ33には、該介入が適用された患者の基礎情報が含まれていてもよい。
本実施形態において、記憶部3に記憶されている介入情報34に含まれる介入の方法は、例えば非侵襲性の治療である。例えば、介入の方法には、体重制限、温熱療法、超音波療法、運動療法、刺激療法、マニュアルセラピー、高周波療法、薬剤摂取(薬剤投与)、サプリメント摂取、装具の着用、患者教育等が挙げられる。装具は、例えば、歩行補助具、サポーター等を含んでいてもよい。
以下、予測装置1が、特発性大腿骨頭壊死症(Idiopathic Osteonecrosis of Femoral Head、以下「ION」と記す。)に関する情報を予測するために適用される場合について説明する。説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
本実施形態における第1学習データ32は、IONであると診断された複数の患者の各々から過去に複数の時点において取得された、IONの症状に関する時系列データである。また、第1学習データ32は、複数の患者の各々の、股関節が写った患者画像、該患者画像が撮像された時点における股関節の疾患の発症または症状の進行に関する症状情報、および、該患者画像が撮像された時点におけるQOLに関連する患者関連情報、が対応付けられている情報を含む。また、第1学習データ32には、大腿骨頭の圧潰が生じた時期を示す情報を含んでいてもよい。
第1予測部23は上述の入力データが入力されたことに応じて、第1予測情報を出力する。第1予測情報は、以下に挙げる情報のうち少なくとも1つを含んでいてもよい。
・第2時点における対象者の股関節の痛みの程度
・対象者の第2時点における股関節の可動域
・対象者の股関節に痛みが発症する時期
・対象者の骨頭が圧潰する時期
・対象者が歩行困難となる時期
・対象者の股関節に侵襲治療が必要となる時期。
本実施形態に係る第2学習データ33は、介入を適用した場合の医用画像の時系列データである。また、第2学習データ33には、該介入が適用された患者の基礎情報が含まれていてもよい。
本実施形態において、記憶部3に記憶されている介入情報34に含まれる介入の方法は、例えば非侵襲性の治療である。介入の方法には、体重制限、温熱療法、超音波療法、薬剤摂取、装具の着用の着用等が挙げられる。装具は、例えば、歩行補助具、サポーター等を含んでいてもよい。
予測装置1の制御ブロック(特に画像取得部21、基礎情報取得部22、第1予測部23、出力制御部24、第2予測部25、第1学習部27、および第2学習部28)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、ソフトウェアによって実現してもよい。
21 画像取得部
22 基礎情報取得部
23 第1予測部
24 出力制御部
25 第2予測部
26 第3予測部
32 第1学習データ(患者情報)
33 第2学習データ(効果情報)
100a、100b 予測システム
S21 画像取得ステップ
S23 予測ステップ
Claims (25)
- 第1時点の対象の関節が写った医用画像を取得する画像取得部と、
前記医用画像から、前記第1時点から所定期間が経過した第2時点における、前記関節に関する第1予測情報を出力する第1予測部と、を備え、
前記第1予測部は、前記第1予測情報を、前記医用画像から推定可能な第1予測モデルを有している、
予測装置。 - 前記対象の前記第1時点の基礎情報を取得する基礎情報取得部をさらに備え、
前記第1予測モデルは、前記第1予測情報を、前記医用画像に加えて前記基礎情報から推定可能である、
請求項1に記載の予測装置。 - 前記基礎情報は、前記対象の身長、体重、年齢、および性別のうち少なくとも1つを含む、請求項2に記載の予測装置。
- 前記基礎情報は、前記対象の種別、職業歴、運動歴、関節疾患の既往歴、および、骨の形態に関する情報、バイオマーカー情報、および遺伝子情報、のうち少なくとも1つをさらに含む、
請求項2または3に記載の予測装置。 - 前記基礎情報は、前記第1時点の前記対象のQOLに関連する情報を含む、
請求項2から4のいずれか1項に記載の予測装置。 - 前記QOLに関連する情報は、前記関節に発症している痛みに関する情報、前記対象の運動能力に関する情報、および、前記対象の生活満足度を示す情報、のうち少なくとも1つを含む、
請求項5に記載の予測装置。 - 前記第1予測情報は、前記第2時点までの前記関節に関する疾患の発症または症状の進行度合いを含む情報である、請求項1から6のいずれか1項に記載の予測装置。
- 前記第1予測情報は、前記第2時点までの前記関節に関する疾患の症状の進行度合いを含む情報であり、
前記症状の進行度合いは、関節周囲のアライメント、関節軟骨の厚み、Kellgren-Laurence(K-L)分類、関節の可動域、関節のこわばり、跛行の有無である、
請求項1から7のいずれか1項に記載の予測装置。 - 前記第1予測部は、複数の患者の各々から過去に複数の時点において取得された、前記関節の症状に関する時系列データである患者情報を用いて学習されたニューラルネットワークを前記第1予測モデルとして有する、請求項1から8のいずれか1項に記載の予測装置。
- 前記患者情報は、前記複数の患者の各々の、前記関節が写った患者画像、該患者画像が撮像された時点における前記関節に関する症状情報、を含む、
請求項9に記載の予測装置。 - 前記患者画像は、前記複数の患者の各々の関節を撮像したX線画像、CT画像、MRI画像、および超音波画像のうちの少なくとも1つを含む、
請求項10に記載の予測装置。 - 前記第1予測部は、前記医用画像から、前記第2時点における前記対象のQOLに関連する第2予測情報をさらに出力可能であり、
前記第1予測モデルは、前記第2予測情報を、前記医用画像から推定可能である、
請求項1から11のいずれか1項に記載の予測装置。 - 前記第2予測情報は、関節の痛み、対象の破局的思考に関する情報、対象の運動能力に関する情報、および前記対象の生活満足度を示す情報のうちの少なくとも1つを含む、
請求項12に記載の予測装置。 - 前記第1予測情報から、前記対象への介入の方法および該介入による効果を示す第3予測情報を出力する第2予測部をさらに備え、
前記第2予測部は、前記第1予測情報から第3予測情報を推定可能な第2予測モデルを有している、
請求項1から13のいずれか1項に記載の予測装置。 - 前記第3予測情報は、前記介入を適用すべき時期に関する情報を含んでいる、
請求項14に記載の予測装置。 - 前記第2予測部は、過去に前記介入が適用された複数の患者の各々から過去に複数の時点において取得された、前記関節の症状に関する時系列データである効果情報を用いて学習されたニューラルネットワークを前記第2予測モデルとして有する、
請求項14または15に記載の予測装置。 - 前記効果情報は、前記介入が適用された複数の患者の各々の、該介入が適用された時期を示す情報、前記関節が写った患者画像、該患者画像が撮像された時点における前記関節の症状の発症または進行に関する症状情報を含む、
請求項16に記載の予測装置。 - 前記介入の方法は、運動療法、刺激療法、マニュアルセラピー、超音波療法、歩行補助具の使用、装具の使用、薬剤投与、関節内注射、関節温存術、および、人工関節置換術のうちの少なくとも1つを含む、
請求項14から17のいずれか1項に記載の予測装置。 - 過去に前記介入が適用された複数の患者の各々から過去に複数の時点において取得された、前記介入に関する時系列データである臨床成績情報に基づいて生成された第3予測モデルを用いて、前記第1予測情報および前記介入から、前記介入が適用された時点から所定の期間が経過した第3時点での前記対象の前記介入が適用された後の臨床成績に関する第4予測情報を出力する第3予測部をさらに備える、
請求項14から18のいずれか1項に記載の予測装置。 - 前記医用画像は、前記対象を撮像したX線画像、CT画像、MRI画像、および超音波画像のうちの少なくとも1つを含む、
請求項1から19のいずれか1項に記載の予測装置。 - 前記関節は、顎関節、脊椎椎間関節、肩関節、肩鎖関節、肘関節、手関節、手部、手指、股関節、仙腸関節、膝関節、足関節、足部、および足趾、のうちいずれか1つを含む、請求項1から20のいずれか1項に記載の予測装置。
- 前記疾患は、変形性関節症、関節リウマチ、および骨壊死のうちいずれか1つを含む、請求項7に記載の予測装置。
- 請求項1から22のいずれか1項に記載の予測装置と、
前記予測装置と通信可能に接続された端末装置であって、前記第1予測情報を提示する端末装置と、を含む、
予測システム。 - 第1時点の対象の関節が写った医用画像を取得する画像取得ステップと、
前記医用画像から、前記第1時点から所定期間が経過した第2時点における、前記関節に関する第1予測情報を出力する予測ステップと、をコンピュータに実行させる前記コンピュータの制御方法であって、
前記コンピュータは、前記第1予測情報を、前記医用画像から推定可能な第1予測モデルを有している、
制御方法。 - 請求項1から22のいずれか1項に記載の予測装置としてコンピュータを機能させるための制御プログラムであって、前記画像取得部、および前記第1予測部としてコンピュータを機能させるための制御プログラム。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2021234765A AU2021234765B2 (en) | 2020-03-13 | 2021-03-12 | Predicting device, predicting system, control method, and control program |
EP21767631.1A EP4119056A4 (en) | 2020-03-13 | 2021-03-12 | PREDICTION DEVICE, PREDICTION SYSTEM, CONTROL METHOD, AND CONTROL PROGRAM |
US17/911,066 US20230111852A1 (en) | 2020-03-13 | 2021-03-12 | Prediction device, prediction system, control method, and control program |
JP2022507291A JP7364200B2 (ja) | 2020-03-13 | 2021-03-12 | 予測装置、予測システム、制御方法、および制御プログラム |
CN202180020190.1A CN115279270A (zh) | 2020-03-13 | 2021-03-12 | 预测装置、预测系统、控制方法以及控制程序 |
JP2023166420A JP2023169392A (ja) | 2020-03-13 | 2023-09-27 | 予測装置、予測システム、制御方法、および制御プログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-044699 | 2020-03-13 | ||
JP2020044699 | 2020-03-13 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2021182595A1 true WO2021182595A1 (ja) | 2021-09-16 |
Family
ID=77671634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2021/009963 WO2021182595A1 (ja) | 2020-03-13 | 2021-03-12 | 予測装置、予測システム、制御方法、および制御プログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230111852A1 (ja) |
EP (1) | EP4119056A4 (ja) |
JP (2) | JP7364200B2 (ja) |
CN (1) | CN115279270A (ja) |
AU (1) | AU2021234765B2 (ja) |
WO (1) | WO2021182595A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023250333A1 (en) * | 2022-06-21 | 2023-12-28 | Mako Surgical Corporation | Devices, systems, and methods for predicting surgical time and optimizing medical procedures and outcomes |
WO2024095942A1 (ja) * | 2022-11-01 | 2024-05-10 | 国立大学法人東海国立大学機構 | 情報処理装置、情報処理方法、および、コンピュータプログラム |
WO2024181507A1 (ja) * | 2023-02-28 | 2024-09-06 | 京セラ株式会社 | 情報処理システム、端末装置、情報処理システムの制御方法、制御プログラム、および記録媒体 |
KR102707289B1 (ko) * | 2022-05-09 | 2024-09-19 | 영남대학교 산학협력단 | 방사선 이미지를 이용한 대퇴골두 무혈성 괴사 판별 장치 및 그 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004105738A (ja) * | 2002-09-19 | 2004-04-08 | Ge Medical Systems Global Technology Co Llc | 絶対骨折リスクの評価を行う骨密度測定装置 |
JP2008036068A (ja) | 2006-08-04 | 2008-02-21 | Hiroshima Univ | 骨粗鬆症診断支援装置および方法、骨粗鬆症診断支援プログラム、骨粗鬆症診断支援プログラムを記録したコンピュータ読み取り可能な記録媒体、骨粗鬆症診断支援用lsi |
JP2009515594A (ja) * | 2005-11-11 | 2009-04-16 | ホロジック, インコーポレイテッド | 三次元骨密度モデルを使用して将来の骨折の危険性の推定 |
US20130137962A1 (en) * | 2011-11-30 | 2013-05-30 | Kenneth L. Urish | Method for Detecting Arthritis and Cartilage Damage Using Magnetic Resonance Sequences |
US20190336097A1 (en) * | 2014-07-21 | 2019-11-07 | Zebra Medical Vision Ltd. | Systems and methods for prediction of osteoporotic fracture risk |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2737755A1 (en) * | 2008-09-19 | 2010-03-25 | Duke University | Systems and methods for generating an osteoarthritis progression predictor and systems and methods for using the predictor |
GB201009101D0 (en) * | 2010-06-01 | 2010-07-14 | Nordic Bioscience As | Computer based analysis of MRI images |
AU2016411801A1 (en) * | 2016-06-14 | 2019-02-07 | 360 Knee Systems Pty Ltd | Graphical representation of a dynamic knee score for a knee surgery |
US20200075165A1 (en) * | 2018-09-05 | 2020-03-05 | Daniel M. Lieberman | Machine Learning Systems and Methods For Assessing Medical Outcomes |
-
2021
- 2021-03-12 WO PCT/JP2021/009963 patent/WO2021182595A1/ja active Application Filing
- 2021-03-12 US US17/911,066 patent/US20230111852A1/en active Pending
- 2021-03-12 JP JP2022507291A patent/JP7364200B2/ja active Active
- 2021-03-12 AU AU2021234765A patent/AU2021234765B2/en active Active
- 2021-03-12 CN CN202180020190.1A patent/CN115279270A/zh active Pending
- 2021-03-12 EP EP21767631.1A patent/EP4119056A4/en active Pending
-
2023
- 2023-09-27 JP JP2023166420A patent/JP2023169392A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004105738A (ja) * | 2002-09-19 | 2004-04-08 | Ge Medical Systems Global Technology Co Llc | 絶対骨折リスクの評価を行う骨密度測定装置 |
JP2009515594A (ja) * | 2005-11-11 | 2009-04-16 | ホロジック, インコーポレイテッド | 三次元骨密度モデルを使用して将来の骨折の危険性の推定 |
JP2008036068A (ja) | 2006-08-04 | 2008-02-21 | Hiroshima Univ | 骨粗鬆症診断支援装置および方法、骨粗鬆症診断支援プログラム、骨粗鬆症診断支援プログラムを記録したコンピュータ読み取り可能な記録媒体、骨粗鬆症診断支援用lsi |
US20130137962A1 (en) * | 2011-11-30 | 2013-05-30 | Kenneth L. Urish | Method for Detecting Arthritis and Cartilage Damage Using Magnetic Resonance Sequences |
US20190336097A1 (en) * | 2014-07-21 | 2019-11-07 | Zebra Medical Vision Ltd. | Systems and methods for prediction of osteoporotic fracture risk |
Non-Patent Citations (1)
Title |
---|
See also references of EP4119056A4 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102707289B1 (ko) * | 2022-05-09 | 2024-09-19 | 영남대학교 산학협력단 | 방사선 이미지를 이용한 대퇴골두 무혈성 괴사 판별 장치 및 그 방법 |
WO2023250333A1 (en) * | 2022-06-21 | 2023-12-28 | Mako Surgical Corporation | Devices, systems, and methods for predicting surgical time and optimizing medical procedures and outcomes |
WO2024095942A1 (ja) * | 2022-11-01 | 2024-05-10 | 国立大学法人東海国立大学機構 | 情報処理装置、情報処理方法、および、コンピュータプログラム |
WO2024181507A1 (ja) * | 2023-02-28 | 2024-09-06 | 京セラ株式会社 | 情報処理システム、端末装置、情報処理システムの制御方法、制御プログラム、および記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP2023169392A (ja) | 2023-11-29 |
US20230111852A1 (en) | 2023-04-13 |
JPWO2021182595A1 (ja) | 2021-09-16 |
AU2021234765A1 (en) | 2022-10-06 |
AU2021234765B2 (en) | 2024-05-02 |
EP4119056A4 (en) | 2024-04-10 |
CN115279270A (zh) | 2022-11-01 |
EP4119056A1 (en) | 2023-01-18 |
JP7364200B2 (ja) | 2023-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021182595A1 (ja) | 予測装置、予測システム、制御方法、および制御プログラム | |
Heikkinen et al. | Soleus atrophy is common after the nonsurgical treatment of acute Achilles tendon ruptures: a randomized clinical trial comparing surgical and nonsurgical functional treatments | |
Teng et al. | Gait characteristics associated with a greater increase in medial knee cartilage T1ρ and T2 relaxation times in patients undergoing anterior cruciate ligament reconstruction | |
Chang et al. | Varus thrust and knee frontal plane dynamic motion in persons with knee osteoarthritis | |
Wang et al. | Transtibial versus anteromedial portal technique in single-bundle anterior cruciate ligament reconstruction: outcomes of knee joint kinematics during walking | |
Pollo et al. | Reduction of medial compartment loads with valgus bracing of the osteoarthritic knee | |
AU2013210797B2 (en) | Method and system for human joint treatment plan and personalized surgery planning using 3-D kinematics, fusion imaging and simulation | |
Bayomy et al. | Arthrodesis of the first metatarsophalangeal joint: a robotic cadaver study of the dorsiflexion angle | |
EP3467842A1 (en) | Method for simulating foot and/or ankle | |
Herrington et al. | Patellofemoral joint loads during running at the time of return to sport in elite athletes with ACL reconstruction | |
Leszko et al. | In vivo kinematics of the Salto total ankle prosthesis | |
Weber et al. | Second metatarsal length is positively correlated with increased pressure and medial deviation of the second toe in a robotic cadaveric simulation of gait | |
Böhm et al. | Effect of floor reaction ankle–foot orthosis on crouch gait in patients with cerebral palsy: What can be expected? | |
Eitzen et al. | Gait characteristics, symptoms, and function in persons with hip osteoarthritis: a longitudinal study with 6 to 7 years of follow-up | |
KR20240124276A (ko) | 근골격계의 치료를 위한 디지털 트윈 시스템, 디바이스, 및 방법 | |
Henry et al. | Cadaveric gait simulation of the effect of subtalar arthrodesis on total ankle replacement kinematics | |
Lu et al. | Case study: The influence of Achilles tendon rupture on knee joint stress during counter-movement jump–Combining musculoskeletal modeling and finite element analysis | |
Rethlefsen et al. | Update on the reliability of gait analysis interpretation in cerebral palsy: Inter-institution agreement | |
Tong et al. | Artificial intelligence-based detection of posterior tibial slope on X-ray images of unicompartmental knee arthroplasty patients | |
WO2022158490A1 (ja) | 予測システム、制御方法、および制御プログラム | |
US20240266053A1 (en) | Computer system, method, and program for estimating condition of subject | |
Cantamessa | Evaluating outcome following knee arthroplasty using inertial measurement units | |
Liukkonen | Predicting knee osteoarthritis: development and application of segmentation and finite element modelling methods | |
Wade et al. | Achilles tendon moment arm changes with total ankle arthroplasty | |
Clouthier | The relationship between knee joint shape and function: implications for pathology and treatment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21767631 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2022507291 Country of ref document: JP Kind code of ref document: A |
|
ENP | Entry into the national phase |
Ref document number: 2021234765 Country of ref document: AU Date of ref document: 20210312 Kind code of ref document: A |
|
WWE | Wipo information: entry into national phase |
Ref document number: 2021767631 Country of ref document: EP |
|
ENP | Entry into the national phase |
Ref document number: 2021767631 Country of ref document: EP Effective date: 20221013 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |