WO2022064926A1 - 治療支援装置、治療支援方法および治療支援プログラム - Google Patents

治療支援装置、治療支援方法および治療支援プログラム Download PDF

Info

Publication number
WO2022064926A1
WO2022064926A1 PCT/JP2021/030803 JP2021030803W WO2022064926A1 WO 2022064926 A1 WO2022064926 A1 WO 2022064926A1 JP 2021030803 W JP2021030803 W JP 2021030803W WO 2022064926 A1 WO2022064926 A1 WO 2022064926A1
Authority
WO
WIPO (PCT)
Prior art keywords
treatment
image
patient
diagnosed
similar case
Prior art date
Application number
PCT/JP2021/030803
Other languages
English (en)
French (fr)
Inventor
東 高橋
Original Assignee
富士フイルム株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 富士フイルム株式会社 filed Critical 富士フイルム株式会社
Priority to JP2022551207A priority Critical patent/JP7430811B2/ja
Publication of WO2022064926A1 publication Critical patent/WO2022064926A1/ja
Priority to US18/176,488 priority patent/US20230230677A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0036—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room including treatment, e.g., using an implantable medical device, ablating, ventilating
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • 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
    • A61B6/52—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
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • 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
    • G16H50/50—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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture

Definitions

  • This disclosure relates to treatment support devices, treatment support methods and treatment support programs.
  • a similar case search device that searches for similar case images similar to the image to be treated from a plurality of case images has been proposed.
  • a method has been proposed in which information such as the treatment method performed on the similar case and the result of the treatment is obtained by referring to the diagnostic log included in the searched similar case (see Patent Documents 1 and 2). ..
  • the result of treatment by the treatment method performed that is, the treatment result can be obtained.
  • doctors it is not possible to provide doctors with information that sufficiently reflects the effects of various treatment methods on the treatment results only by referring to the treatment results of similar cases.
  • This disclosure was made in view of the above circumstances, and an object is to be able to provide information that sufficiently reflects the effect of the treatment method on the treatment results.
  • the diagnostic support device comprises at least one processor.
  • the processor is It is a plurality of reference cases including at least one diagnosed image and a diagnosis log, and the diagnosis log describes the treatment method performed on the diagnosed patient who acquired the diagnosed image and the treatment result by the treatment method.
  • the first similar case which is similar to the characteristics of the target image of the patient to be treated and includes the post-treatment image taken after the treatment as the diagnosed image, is searched from the plurality of reference cases.
  • a second similar case similar to the characteristics of the post-treatment image contained in the first similar case was searched from a plurality of reference cases.
  • the treatment method and treatment results described in the search diagnosis log which is a diagnosis log included in each of the first similar case and the second similar case, are presented.
  • the “diagnosed image” means an image acquired by taking a picture of a patient who has been diagnosed and treated for the disease in the process until the treatment is completed. For this reason, the diagnosed image includes a pre-treatment image acquired by photographing the patient before treatment and a post-treatment image acquired by photographing the patient after treatment.
  • the "diagnosed patient” is a patient whose diagnosed image has been acquired and the treatment has been completed.
  • Treatment method includes, for example, surgery and medication.
  • the diagnosis log describes the diagnosed doctor information that identifies the doctor who treated the diagnosed patient and the patient information including the diagnosis result before the treatment of the diagnosed patient.
  • the processor may further present the diagnosed physician information and the patient information.
  • the processor is described in the treatment doctor information that identifies the doctor who treats the treatment target patient, the patient information including the diagnosis result of the treatment target patient, and the search diagnosis log. Based on the treatment method, the expected treatment result may be derived when the treating doctor performs the treatment based on the treatment method described in the search diagnosis log for the patient to be treated.
  • the processor is constructed by performing machine learning using teacher data in which the treatment doctor information, patient information and treatment method are teacher information, and the treatment result is correct answer data.
  • the trained model may be used to derive the expected treatment outcome.
  • a new target image is acquired by photographing the treatment target patient each time the treatment target patient has a plurality of treatment points and the treatment of one treatment site is performed.
  • the processor may repeat the search for a new first similar case, the search for a new second similar case, and the presentation of treatment results each time a treatment site is treated. good.
  • the target image is acquired by photographing a patient to be treated having a stenosis in the coronary artery
  • the treatment method includes the type of stent, the placement position and the dilated diameter of the coronary artery, and the treatment result is , The diameter of the coronary artery after stent placement.
  • the treatment support method is a plurality of reference cases including at least one diagnosed image and a diagnosis log, and the diagnosis log contains the treatment method and treatment performed on the diagnosed patient who acquired the diagnosed image.
  • the first image including the post-treatment image taken after the treatment, which is similar to the characteristics of the target image taken of the treatment target patient to be treated, as a diagnosed image.
  • a second similar case similar to the characteristics of the post-treatment image contained in the first similar case is searched from a plurality of reference cases, and the first similar case and the second similar case are searched.
  • the treatment method and treatment results described in the search diagnosis log, which is a diagnosis log included in each, are presented.
  • treatment support method according to the present disclosure may be provided as a program for the computer to execute.
  • a diagram schematically showing the file structure of a reference case The figure which shows the schematic structure of the treatment support device by this embodiment.
  • Functional configuration diagram of the treatment support device according to this embodiment The figure which shows typically the search of the 1st similar case and the 2nd similar case Diagram showing the description contents of the diagnostic log
  • FIG. 1 is a diagram showing a schematic configuration of a medical information system.
  • a computer 1 an imaging device 2, and an image storage server 3 including a treatment support device according to the present embodiment are connected in a communicable state via a network 4.
  • the computer 1 includes the treatment support device according to the present embodiment, and the treatment support program according to the present embodiment is installed.
  • the computer 1 may be a workstation or a personal computer directly operated by a doctor performing diagnosis, or may be a server computer connected to them via a network.
  • the treatment support program is stored in a storage device of a server computer connected to a network or in a network storage in a state of being accessible from the outside, and is downloaded and installed on a computer 1 used by a doctor upon request. Alternatively, it is recorded and distributed on a recording medium such as a DVD (Digital Versatile Disc) or a CD-ROM (Compact Disc Read Only Memory), and is installed on the computer 1 from the recording medium.
  • the imaging device 2 is a device that generates an image representing the site by photographing the site to be treated of the subject, and specifically, a CT (Computed Tomography) device and an MRI (Magnetic Resonance Imaging) device. And a device that acquires a three-dimensional image such as a PET (Positron Emission Tomography) device. Further, it may be an ultrasonic imaging device that acquires an ultrasonic image or a radiographic imaging device that acquires a radiographic image of a subject. The image generated by the photographing device 2 is transmitted to and stored in the image storage server 3.
  • the image storage server 3 is a computer that stores and manages various data, and is equipped with a large-capacity external storage device and database management software.
  • the image storage server 3 communicates with the computer 1 and other devices via a wired or wireless network 4, and transmits / receives image data and the like.
  • various data including image data of the image generated by the photographing device 2 are acquired via the network and stored in a recording medium such as a large-capacity external storage device for management.
  • the storage format of the image data and the communication between the devices via the network 4 are based on a protocol such as DICOM (Digital Imaging and Communication in Medicine).
  • FIG. 2 is a diagram schematically showing a file structure of a reference case stored in the image storage server 3.
  • a plurality of reference cases 30-1, 30-2, 30-3 ... are stored in the image storage server 3.
  • 30 is used as a reference code.
  • One reference case 30 includes a diagnosed image acquired during the treatment process of one patient (ie, a diagnosed patient) who has completed treatment.
  • the diagnosed image includes a pre-treatment image 31 acquired by pre-treatment imaging and a post-treatment image 32 acquired by post-treatment imaging.
  • the reference case 30 may include only one of the pre-treatment image 31 and the post-treatment image 32.
  • the reference case 30 may include a plurality of pretreatment images 31 or may include a plurality of post-treatment images 32.
  • the pre-treatment image 31 and the post-treatment image 32 may be acquired by a different type of imaging device 2.
  • the post-treatment image 32 in addition to the image acquired immediately after the treatment (for example, immediately after the surgery), a follow-up image acquired after a certain period of time has passed after the treatment to confirm the degree of the treatment is also included. included.
  • one reference case 30 is associated with a diagnosis log 33 acquired in the treatment process.
  • the diagnosis log 33 is shown to be included in the file of the reference case 30, but the diagnosis log 33 and the reference case 30 are stored in the image storage server 3 as separate files associated with each other. It may be one.
  • each of the pre-treatment image 31 and the post-treatment image 32 included in one reference case 30 constitutes one image file.
  • information on the number of slices and the slice interval is also described in the tag of the image file, for example, when the image is a three-dimensional image.
  • the number of slices and the slice interval are also described in the diagnosis log 33.
  • the target image G0 obtained by photographing the treatment target patient to be treated is also stored in the image storage server 3.
  • a diagnostic log is also created for the target image G0, associated with the target image G0, and stored in the image storage server 3. The image diagnosis of the target image G0 has been completed, and the diagnosis result is described in the diagnosis log.
  • the treatment target patient who has acquired the target image G0 has not yet been treated.
  • FIG. 3 describes the hardware configuration of the treatment support device according to the present embodiment.
  • the treatment support device 20 includes a CPU (Central Processing Unit) 11, a non-volatile storage 13, and a memory 16 as a temporary storage area.
  • the treatment support device 20 includes a display 14 such as a liquid crystal display, an input device 15 such as a keyboard and a mouse, and a network I / F (InterFace) 17 connected to the network 4.
  • the CPU 11, the storage 13, the display 14, the input device 15, the memory 16, and the network I / F 17 are connected to the bus 18.
  • the CPU 11 is an example of the processor in the present disclosure.
  • the storage 13 is realized by an HDD (Hard Disk Drive), an SSD (Solid State Drive), a flash memory, or the like.
  • the treatment support program 12 is stored in the storage 13 as a storage medium.
  • the CPU 11 reads the treatment support program 12 from the storage 13, expands it into the memory 16, and executes the expanded treatment support program 12.
  • FIG. 4 is a diagram showing a functional configuration of the treatment support device according to the present embodiment.
  • the treatment support device 20 includes an information acquisition unit 21, a search unit 22, a treatment result derivation unit 23, and a presentation unit 24. Then, when the CPU 11 executes the treatment support program 12, the CPU 11 functions as an information acquisition unit 21, a search unit 22, a treatment result derivation unit 23, and a presentation unit 24.
  • the information acquisition unit 21 acquires the target image G0 acquired by photographing the patient to be treated from the image storage server 3 via the network I / F 17 in response to an instruction from the input device 15 by an operator such as a doctor.
  • a CT image of the chest of a patient with a stenosis at the bifurcation of the coronary artery taken by a CT device is acquired as the target image G0. Therefore, the target image G0 is composed of a plurality of tomographic images. If the target image G0 is already stored in the storage 13, the information acquisition unit 21 may acquire the target image G0 from the storage 13. Further, in the present embodiment, it is assumed that the image diagnosis by interpreting the target image G0 has been completed as described above.
  • the search unit 22 searches for similar cases similar to the characteristics of the target image G0 acquired by the information acquisition unit 21 from a plurality of reference cases stored in the image storage server 3. For this purpose, the search unit 22 identifies the characteristics of the target image G0. As the features of the target image G0, the number of slices included in the target image G0, the slice interval, the imaged portion of the target image G0, the target image G0 itself, and the like can be used.
  • the target image G0 is stored in the storage 13 as one image file.
  • Tag information is added to the image file.
  • the search unit 22 refers to the tag information assigned to the image file of the target image G0, and acquires the imaged portion, the number of slices, and the slice interval of the target image G0.
  • the search unit 22 may acquire the imaging site, the number of slices of the target image G0, and the slice interval by referring to the diagnosis log 33.
  • the target image G0 is acquired by photographing the chest of the patient, even if the information of the imaged portion is acquired by inputting using the input device 15 by the operator or the like. good.
  • the search unit 22 refers to the tag information of the diagnosed image included in the reference case 30 stored in the image storage server 3, and selects the same site as the site included in the target image G0.
  • the reference case 30 including the photographed diagnosed image is identified.
  • the reference case 30 thus identified is referred to as a first reference case.
  • the search unit 22 identifies a reference case including a diagnosed image whose slice interval matches the target image G0 from the first reference case. For example, if the slice interval of the target image G0 is 1 mm, a reference case including a diagnosed image having a slice interval of 1 mm is specified. The reference case identified in this way is referred to as a second reference case. Next, the search unit 22 identifies a reference case including a diagnosed image whose number of slices is similar to that of the target image G0 from the second reference case. The reference case identified in this way is referred to as a third reference case. In addition, that the number of slices is similar means that the number of slices is within a predetermined range (for example, ⁇ 10%) with respect to the number of slices of the target image G0.
  • a predetermined range for example, ⁇ 10%
  • the search unit 22 derives the first similarity degree S1 based on the correlation value between the diagnosed image included in the third reference case and the target image G0.
  • the target image G0 and the diagnosed image are aligned, and the absolute value of the difference between the pixel values in the corresponding pixels of the aligned images is calculated as the correlation value.
  • the correlation value is normalized to a value of 0 to 1 to derive the first similarity degree S1.
  • the search unit 22 extracts the heart region from the target image G0 by performing region detection processing on the target image G0 for searching. You may try to do it.
  • the search unit 22 has a trained model such as a neural network that has been machine-learned to detect the heart, and extracts the heart from the target image G0 using the trained model.
  • the heart may be extracted by performing template matching using a template representing the shape of the anatomical feature of the heart.
  • the heart may be extracted from the diagnosed image included in the third reference case, and the first similarity S1 may be derived from the hearts extracted from both images.
  • the search unit 22 sorts the diagnosed images in descending order of the first similarity S1. Then, a reference case including a predetermined number of diagnosed images higher than the first similarity degree S1 and including a post-treatment image as the diagnosed image is searched as the first similar case RS1.
  • the CT image of a patient having a stenosis at the bifurcation of the coronary artery is set as the target image G0. Therefore, the first similar case RS1 includes a CT image of a patient having a stenosis at the bifurcation of the coronary artery, which is similar to the target image G0, as a diagnosed image. Further, when the pretreatment image 31 is included as a diagnosed image in the first similar case RS1, the pretreatment image 31 shows the state of stenosis of the coronary artery before the treatment. In addition, surgery to place a stent in the stenosis is performed to treat coronary artery stenosis. Therefore, the post-treatment image 32 included in the first similar case RS1 shows a state in which the blood vessel is dilated due to the placement of the stent in the narrowed portion of the coronary artery.
  • the pretreatment image 31 is often a CT image in order to accurately diagnose the patient.
  • the post-treatment image 32 is acquired immediately after the operation, and it is only necessary to confirm the indwelling state of the stent. Therefore, it is often a two-dimensional radiographic image acquired by simple radiography.
  • the pre-treatment image 31 is a CT image like the target image G0
  • the post-treatment image 32 is a two-dimensional radiographic image. Further, the two-dimensional radiographic image is simply referred to as a radiographic image.
  • the search unit 22 searches for a second similar case RS2 similar to the characteristics of the post-treatment image 32 included in the first similar case RS1.
  • the search unit 22 refers to the diagnosis log 33 included in the first similar case RS1, and after the treatment included in the first similar case RS1 as in the case of searching for the first similar case RS1.
  • a reference case including the post-treatment image 32 in which the same site as the image 32 is taken as a diagnosed image is specified. If the post-treatment image 32 is a CT image, the search unit 22 includes the same site as the post-treatment image 32 included in the first similar case RS1, the slice intervals are the same, and the number of slices is similar.
  • a reference case including the posterior image 32 is identified. Then, the correlation value between the diagnosed image included in the specified reference case and the post-treatment image included in the first similar case RS1 is derived as the second similarity degree S2.
  • the search unit 22 sorts the diagnosed images in descending order of the second similarity S2. Then, a reference case including a predetermined number of diagnosed images higher than the second similarity degree S2 is searched for as the second similar case RS2.
  • FIG. 5 is a diagram schematically showing the search for the first similar case and the second similar case.
  • the search unit 22 first searches for a reference case similar to the target image G0 as the first similar case RS1.
  • the second similar case RS2 similar to the characteristics of the post-treatment image 32 included in each of the first similar cases RS1-1, RS1-2, RS1-3 is searched.
  • the post-treatment image 32 of the first similar case RS1-1 two second similar cases RS2-1 and RS2-2 are searched, and the post-treatment image of the first similar case RS1-2 is searched.
  • the second similar case RS2-3 was searched, and for the post-treatment image 32 of the first similar case RS1-3, the second similar case RS2 was not searched.
  • FIG. 6 is a diagram showing the description contents of the diagnosis log.
  • the diagnosis log 33 describes the patient name for the reference case, the facility where the treatment was performed, the doctor who performed the treatment, the diagnosis method, the diagnosis result, the treatment method, and the treatment result.
  • the doctor who performed the treatment corresponds to the diagnosed doctor.
  • Fujitaro is described as the patient name. Hospital A is described as a facility. As a doctor, the years of experience (10 years) of Dr. B and Dr. B and the specialized field (cardiologist) are described. Information on facilities and doctors is also referred to as environmental information. As a diagnostic method, CT imaging is described, and the number of slices (80 images) and the slice interval (1 mm) of the CT images acquired by CT imaging are described. In addition, as a diagnosis result, the stenosis rate (50%), the stenosis site (left anterior descending artery), and the blood vessel diameter (3 mm) are described.
  • the stent type (A), the expansion method (balloon), the indwelling position of the stent (15 mm in front of the stenosis), and the expansion diameter by the stent (3.6 mm) are described.
  • the blood vessel diameter (3.5 mm) after 5 months is described as the treatment result.
  • FIG. 7 is a diagram showing an example of a pre-treatment image and a post-treatment image.
  • the pretreatment image 31 includes the coronary arteries 40 of the heart.
  • a stenosis 41 is seen in the coronary artery 40.
  • the doctor making the diagnosis interprets the pretreatment image 31, measures the blood vessel diameter, identifies the stenosis site, calculates the stenosis rate, and describes these in the diagnosis log.
  • FIG. 7 is a diagram showing an example of a pre-treatment image and a post-treatment image.
  • the pretreatment image 31 includes the coronary arteries 40 of the heart.
  • a stenosis 41 is seen in the coronary artery 40.
  • the doctor making the diagnosis interprets the pretreatment image 31, measures the blood vessel diameter, identifies the stenosis site, calculates the stenosis rate, and describes these in the diagnosis log.
  • the diagnostic logs 33 included in the searched first similar case RS1 and the second similar case RS2 are referred to as the search diagnostic log 33A.
  • the description of the search diagnosis log 33A is presented as described later. Specifically, facility information, doctor information, patient name, diagnosis result (stenosis rate, stenosis site and blood vessel diameter) described in the search diagnosis log 33A, and stent type, placement position, and treatment method. The extended diameter is presented.
  • the patient name and the diagnosis result shall be collectively referred to as patient information.
  • the diagnosis log is also created in the target image G0, but the treatment target patient has not been treated yet. Therefore, the information included in the diagnosis log of the target image G0 is only environmental information (that is, facility and doctor) and patient information (that is, patient name and diagnosis result). The information of the doctor described in the diagnosis log for the target image G0 corresponds to the information of the treating doctor.
  • the treatment result derivation unit 23 derives the expected treatment results when the treatment target patient is treated based on the treatment method described in the search diagnosis log 33A.
  • the treatment result deriving unit 23 refers to the diagnosis log of the target image G0 and acquires environmental information including facilities such as a hospital and a doctor who treat the patient to be treated.
  • the treatment result derivation unit 23 acquires patient information including the patient name and the diagnosis result of the patient to be treated.
  • the treatment result derivation unit 23 acquires the treatment method described in the search diagnosis log 33A of a similar case.
  • the treatment result derivation unit 23 has been learned by performing machine learning using teacher data in which environmental information, patient information, and treatment method are teacher information, and treatment results are correct answer data. Use the model to derive treatment outcomes.
  • FIG. 8 is a diagram showing an example of teacher data.
  • the teacher data 50 includes environmental information, patient information, and treatment method as teacher information 51.
  • Environmental information includes facility A and doctor A.
  • Patient information includes patient A, stenosis rate of 60%, stenosis site bifurcation A and blood vessel diameter of 3.1 mm.
  • the treatment method includes a stent (A), which is a type of stent, 15 mm in front of the stenosis, which is the placement position of the stent, and 3.2 mm, which is the dilated diameter.
  • the correct answer data 52 includes 3 mm, which is the diameter of the blood vessel after treatment.
  • a machine learning model can be used as the trained model.
  • An example of a machine learning model is a neural network model.
  • Examples of the neural network model include a simple perceptron, a multi-layer perceptron, a deep neural network, a convolutional neural network, a deep belief network, a recurrent neural network, and a stochastic neural network.
  • the neural network for constructing the trained model is trained to output the blood vessel diameter, which is the expected treatment result, when environmental information, patient information and treatment method are input. That is, the teacher information is input to the neural network to output the blood vessel diameter, the difference between the output blood vessel diameter and the blood vessel diameter of the correct answer data is derived as a loss, and repeated learning is performed so that the loss approaches zero.
  • the trained model is installed in the computer 1 together with the treatment support program according to the present embodiment.
  • the presentation unit 24 presents the description contents of the search diagnosis log 33A and the expected treatment results to the operator by displaying them on the display 14.
  • the description contents presented in the description of the search diagnosis log 33A are environmental information, patient information, treatment method, and treatment result. In addition, environmental information and patient information about the patient to be treated are also presented.
  • the presentation unit 24 classifies the first similar case RS1 and the second similar case RS2 when presenting the description content of the search diagnosis log 33A and the expected treatment result. Specifically, it is classified by 32 units of post-treatment images included in the first similar case RS1 referred to when searching for the second similar case RS2. For example, as shown in FIG. 5, three first similar cases RS1-1, RS1-2, RS1-3 are searched, and two second images are obtained from the post-treatment image 32 included in the first similar case RS1-1. Two similar cases RS2-1 and RS2-2 are searched, and one second similar case RS2-3 is searched by the post-treatment image 32 included in the first similar case RS1-2, and the first similar case is searched. It is assumed that the second similar case was not searched for RS1-3.
  • the presentation unit 24 has a first group GR1 including a first similar case RS1-1 and two second similar cases RS2-1 and RS2-2, and a first similar case RS1-2 and a second.
  • the first similar case and the second similar case are classified into a second group GR2 including the similar case RS2-3 and a third group GR3 containing only the first similar case RS1-3.
  • the presentation unit 24 divides the classified groups and presents the description contents of the search diagnosis log 33A and the expected treatment results.
  • FIG. 9 is a diagram showing a presentation screen.
  • the presentation screen 60 displays a table 61 including environmental information, patient information, treatment method, grouping results, and treatment results for patients A to E.
  • An image display area 62 and a character input area 63 are displayed below the table 61.
  • FIG. 10 is a diagram showing the information described in the table.
  • the lines Nos. 1 to 4 show information about similar cases
  • the lines Nos. 5 to 8 show information about the treatment target.
  • Patients A to D are diagnosed patients who have obtained the first and second similar cases searched
  • patient E is the patient to be treated.
  • Environmental information includes facilities and doctors.
  • Patient information includes the patient name, the stenosis rate that is the result of the patient's diagnosis, the location of the stenosis, and the diameter of the blood vessel before treatment.
  • Treatment methods include stent type, indwelling position and dilated diameter.
  • the grouping results are the results of classifying the searched first and second similar cases.
  • similar cases of patient A and patient B are classified into group GR1
  • similar cases of patient C and patient D are classified into group GR2. Since the searched similar cases are similar to the characteristics of the target image G0 obtained by photographing the patient E who is the patient to be treated, all the facilities included in the environmental information about the similar cases are facility A, and all the doctors are doctors. It is A.
  • the environmental information and patient information of numbers 5 to 8 are for patient E, and they are all the same.
  • the treatment method in each row of numbers 5 to 8 is the treatment method of numbers 1 to 4, respectively.
  • the treatment results of numbers 1 to 4 are described in the search diagnosis log 33A.
  • the treatment results of Nos. 5 to 8 are assumed treatment results derived by the treatment result derivation unit 23. That is, the treatment result of No. 5 is derived by the treatment result derivation unit 23 based on the environmental information about the patient E, the patient information, and the treatment method of No. 1.
  • the treatment result of No. 6 is derived by the treatment result derivation unit 23 based on the environmental information about the patient E, the patient information, and the treatment method of No. 2.
  • the treatment result of No. 7 is derived by the treatment result derivation unit 23 based on the environmental information about the patient E, the patient information, and the treatment method of No. 3.
  • the treatment result of No. 8 is derived by the treatment result derivation unit 23 based on the environmental information about the patient E, the patient information, and the treatment method of No. 4.
  • the post-treatment image included in the similar case is displayed.
  • the post-treatment image 32 for the similar case of the number 1 is displayed in the image display area 62. It should be noted that the fact that the number 1 is clicked in FIG. 9 is shown by adding a diagonal line to the column of the number 1.
  • the doctor can refer to patient information, treatment method, and treatment results for a case similar to the case of patient E to be treated.
  • the doctor can determine the treatment method by referring to the treatment results based on many post-treatment images.
  • the doctor can input the determined treatment method in the character input area 63. As a result, the treatment method is described in the diagnostic log corresponding to the target image G0 of the patient E to be treated.
  • FIG. 11 is a flowchart showing the processing performed in the present embodiment.
  • the information acquisition unit 21 first acquires the target image G0 of the patient to be treated from the image storage server 3 (step ST1).
  • the search unit 22 searches for a first similar case RS1 that is similar to the characteristics of the target image G0 and includes the post-treatment image 32 from a plurality of reference cases stored in the image storage server 3 (step ST2). ).
  • the search unit 22 searches for a second similar case RS2 similar to the characteristics of the post-treatment image included in the first similar case RS1 (step ST3).
  • the treatment result derivation unit 23 derives the assumed treatment result assumed when the treatment target patient is treated based on the treatment method described in the search diagnosis log 33A (step ST4). Then, the presentation unit 24 presents the description content of the search diagnosis log 33A and the expected treatment result to the operator by displaying them on the display 14 (step ST5), and ends the process.
  • the second similar case RS2 similar to the characteristics of the post-treatment image included in the first similar case RS1 is searched, and the first and second similar cases RS1 and RS2 are respectively.
  • the treatment method and treatment results described in the search diagnosis log 33A, which is the diagnosis log 33 included in the above, are presented. Therefore, it is possible to provide the operator with information that sufficiently reflects the influence of various treatment methods on the treatment results.
  • the assumed treatment result assumed when the treatment target patient is treated based on the treatment method described in the search diagnosis log 33A is derived and presented. Therefore, the doctor can select a treatment method that is expected to have good treatment results.
  • multiple treatments may be given to the patient to be treated. For example, if there are stenosis in multiple points of the coronary artery, stents are placed in multiple places in one operation. When performing such surgery, when a stent is placed for one stenosis, the patient is photographed to confirm the situation. In such a case, it is preferable to repeat the search for the first similar case RS1, the search for the second similar case RS2, and the presentation of the treatment results, using the image acquired after the stent placement as a new target image G0.
  • this will be described as another embodiment.
  • FIG. 12 is a flowchart showing the processing performed in the other embodiment.
  • the treatment of the other embodiments is performed during the surgery for the patient, it is preferable that the treatment up to the presentation of the first treatment result is performed before the surgery.
  • the process up to the presentation of the first treatment result is the same as the process from step ST1 to step ST5 shown in FIG. 11, so here, the process after step ST5 in FIG. 11 is performed. Will be explained only.
  • the operator refers to the presented treatment result, determines the treatment policy for the patient, and treats the patient.
  • surgery is performed to place a stent on the first stenotic site of the patient's coronary artery. After performing an operation to place a stent in the first stenosis site, the patient is photographed, and the image acquired by the imaging is saved in the image storage server 3 as a new target image G0.
  • step ST11 it is determined whether or not the instruction to end the process has been given (step ST11), and if step ST11 is denied, the information acquisition unit 21 acquires the new target image G0 from the image storage server 3 (step ST12). ..
  • the search unit 22 searches for a new first similar case RS1 that is similar to the characteristics of the new target image G0 and includes the post-treatment image 32 from the plurality of reference cases stored in the image storage server 3. (Step ST13). Further, the search unit 22 searches for a new second similar case RS2 similar to the characteristics of the post-treatment image contained in the new first similar case RS1 (step ST14).
  • the treatment result derivation unit 23 derives the assumed treatment result assumed when the treatment target patient is treated based on the treatment method described in the new search diagnosis log 33A (step ST15). Then, the presentation unit 24 presents the description content of the search diagnosis log 33A and the expected treatment result to the operator by displaying them on the display 14 (step ST16), and returns to the process of step ST11. If step ST11 is affirmed, the process ends.
  • the description of the diagnostic log for the target image G0 is used as the patient information to be treated, but the present invention is not limited to this.
  • the target image G0 may be displayed on the display 14, and the patient information including the diagnosis result of the patient input by the doctor by interpreting the target image G0 may be used.
  • the CT image is used as the target image G0, but the present invention is not limited to this.
  • a three-dimensional image such as an MRI image or a PET image may be used.
  • a radiological image obtained by simply radiographically photographing a patient may be used as a target image G0.
  • the processing is performed using the target image G0 obtained by photographing a patient having a stenosis in the coronary artery, but the symptom of the patient is not limited to the stenosis in the coronary artery.
  • the process of the present embodiment can also be applied when determining a treatment method using the target image G0 acquired by photographing a patient with an arbitrary symptom.
  • a treatment method surgery in which a stent is placed is targeted, but the treatment method is not limited to this. Any treatment method for treating the patient, such as surgery according to the patient's symptoms or medication, can be targeted.
  • the hardware structure of the processing unit (Processing Unit) that executes various processes such as the information acquisition unit 21, the search unit 22, the treatment result derivation unit 23, and the presentation unit 24 is as follows.
  • Various processors (Processors) shown in the above can be used.
  • various processors as described above, in addition to the CPU, which is a general-purpose processor that executes software (program) and functions as various processing units, circuits after manufacturing FPGA (Field Programmable Gate Array) and the like are used.
  • Dedicated electricity which is a processor with a circuit configuration specially designed to execute specific processing such as programmable logic device (PLD), ASIC (Application Specific Integrated Circuit), which is a processor whose configuration can be changed. Circuits etc. are included.
  • One processing unit may be composed of one of these various processors, or a combination of two or more processors of the same type or different types (for example, a combination of a plurality of FPGAs or a combination of a CPU and an FPGA). ) May be configured. Further, a plurality of processing units may be configured by one processor.
  • one processor is configured by a combination of one or more CPUs and software. There is a form in which this processor functions as a plurality of processing units.
  • SoC System On Chip
  • the various processing units are configured by using one or more of the above-mentioned various processors as a hardware-like structure.
  • circuitry in which circuit elements such as semiconductor elements are combined can be used.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Physiology (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Cardiology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

治療支援装置、方法およびプログラムにおいて、治療方法による治療成績への影響を十分に反映させた情報を提供できるようにする。プロセッサは、少なくとも１つの診断済み画像と診断ログとを含む複数の参考症例であって、診断ログには診断済み画像を取得した診断済み患者に対して行った治療方法および治療方法による治療成績が記述されてなる複数の参考症例から、治療の対象である治療対象患者を撮影した対象画像の特徴に類似し、かつ治療後に撮影した治療後画像を診断済み画像として含む第１の類似症例を検索する。さらに、複数の参考症例から、第１の類似症例に含まれる治療後画像の特徴に類似する第２の類似症例を検索する。さらに、第１の類似症例および第２の類似症例のそれぞれに含まれる診断ログである検索診断ログに記述された治療方法および治療成績を提示する。

Description

治療支援装置、治療支援方法および治療支援プログラム
　本開示は、治療支援装置、治療支援方法および治療支援プログラムに関する。
　複数の症例画像から、治療対象の画像と類似する類似症例画像を検索する類似症例検索装置が提案されている。また、検索された類似症例に含まれる診断ログを参照し、類似症例に対して行われた治療方法および治療の結果等の情報を取得する手法も提案されている（特許文献１，２参照）。
特開２０１５－２０３９８０号公報 特開２０１３－１４６３２７号公報
　特許文献１，２に記載された手法により、行った治療方法による治療の結果、すなわち治療成績が得られる。しかしながら、類似症例の治療成績を参照するのみでは、各種治療方法が治療成績へ与える影響を十分に反映させた情報を医師に提供することができない。
　本開示は上記事情に鑑みなされたものであり、治療方法が治療成績へ与える影響を十分に反映させた情報を提供できるようにすることを目的とする。
　本開示による診断支援装置は、少なくとも１つのプロセッサを備え、
　プロセッサは、
　少なくとも１つの診断済み画像と診断ログとを含む複数の参考症例であって、診断ログには診断済み画像を取得した診断済み患者に対して行った治療方法および治療方法による治療成績が記述されてなる複数の参考症例から、治療の対象である治療対象患者を撮影した対象画像の特徴に類似し、かつ治療後に撮影した治療後画像を診断済み画像として含む第１の類似症例を検索し、
　複数の参考症例から、第１の類似症例に含まれる治療後画像の特徴に類似する第２の類似症例を検索し、
　第１の類似症例および第２の類似症例のそれぞれに含まれる診断ログである検索診断ログに記述された治療方法および治療成績を提示する。
　「診断済み画像」とは、疾患についての診断および治療がなされた患者に対して、治療が終了するまでの過程において，当該患者を撮影することにより取得された画像を意味する。このため、診断済み画像は、治療前に患者を撮影することにより取得した治療前画像および治療後の患者を撮影することにより取得した治療後画像を含む。なお、「診断済み患者」は、診断済み画像が取得され、治療が終了した患者である。
　「治療方法」とは、例えば手術および投薬等を含む。
　なお、本開示による治療支援装置においては、診断ログは、診断済み患者に対して治療を行った医師を特定する診断済み医師情報と診断済み患者の治療前の診断結果を含む患者情報とが記述され、プロセッサは、診断済み医師情報および患者情報をさらに提示するものであってもよい。
　また、本開示による治療支援装置においては、プロセッサは、治療対象患者に対して治療を行う医師を特定する治療医師情報、治療対象患者の診断結果を含む患者情報、および検索診断ログに記述された治療方法に基づいて、治療を行う医師が治療対象患者に対して検索診断ログに記述された治療方法に基づく治療を行った場合に想定される想定治療成績を導出するものであってもよい。
　また、本開示による治療支援装置においては、プロセッサは、治療医師情報、患者情報および治療方法が教師情報であり、治療成績が正解データである教師データを用いた機械学習を行うことにより構築された学習済みモデルを用いて、想定治療成績を導出するものであってもよい。
　また、本開示による治療支援装置においては、治療対象患者に治療箇所が複数存在し、かつ１つの治療箇所の治療が行われる毎に治療対象患者を撮影することにより新たな対象画像が取得される場合において、プロセッサは、１つの治療箇所の治療が行われる毎に、新たな第１の類似症例の検索、新たな第２の類似症例の検索、および治療成績の提示を繰り返すものであってもよい。
　また、本開示による治療支援装置においては、対象画像は冠動脈に狭窄がある治療対象患者を撮影することにより取得され、治療方法はステントの種類、留置位置および冠動脈の拡張径を含み、治療成績は、ステントの留置後の冠動脈の径であってもよい。
　本開示による治療支援方法は、少なくとも１つの診断済み画像と診断ログとを含む複数の参考症例であって、診断ログには診断済み画像を取得した診断済み患者に対して行った治療方法および治療方法による治療成績が記述されてなる複数の参考症例から、治療の対象である治療対象患者を撮影した対象画像の特徴に類似し、かつ治療後に撮影した治療後画像を診断済み画像として含む第１の類似症例を検索し、複数の参考症例から、第１の類似症例に含まれる治療後画像の特徴に類似する第２の類似症例を検索し、第１の類似症例および第２の類似症例のそれぞれに含まれる診断ログである検索診断ログに記述された治療方法および治療成績を提示する。
　なお、本開示による治療支援方法をコンピュータに実行させるためのプログラムとして提供してもよい。
　本開示によれば、治療方法による治療成績への影響を十分に反映させた情報を提供できる。
本開示の実施形態による治療支援装置を適用した医療情報システムの概略構成を示す図 参考症例のファイル構成を模式的に示す図 本実施形態による治療支援装置の概略構成を示す図 本実施形態による治療支援装置の機能構成図 第１の類似症例および第２の類似症例の検索を模式的に示す図 診断ログの記述内容を示す図 治療前画像および治療後画像の一例を示す図 教師データを示す図 提示画面を示す図 提示画面に含まれる表の内容を示す図 本実施形態において行われる処理を示すフローチャート 他の実施形態において行われる処理を示すフローチャート
　以下、図面を参照して本開示の実施形態について説明する。まず、本実施形態による治療支援装置を適用した医療情報システムの構成について説明する。図１は、医療情報システムの概略構成を示す図である。図１に示す医療情報システムは、本実施形態による治療支援装置を内包するコンピュータ１、撮影装置２、および画像保管サーバ３が、ネットワーク４を経由して通信可能な状態で接続されている。
　コンピュータ１は、本実施形態による治療支援装置を内包するものであり、本実施形態の治療支援プログラムがインストールされている。コンピュータ１は、診断を行う医師が直接操作するワークステーションあるいはパーソナルコンピュータでもよいし、それらとネットワークを介して接続されたサーバコンピュータでもよい。治療支援プログラムは、ネットワークに接続されたサーバコンピュータの記憶装置、あるいはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じて医師が使用するコンピュータ１にダウンロードされ、インストールされる。または、ＤＶＤ（Digital Versatile Disc）あるいはＣＤ－ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体に記録されて配布され、その記録媒体からコンピュータ１にインストールされる。
　撮影装置２は、被検体の治療対象となる部位を撮影することにより、その部位を表す画像を生成する装置であり、具体的には、ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置およびＰＥＴ（Positron Emission Tomography）装置等の３次元画像を取得する装置である。また、超音波画像を取得する超音波撮影装置または被検体の放射線画像を取得する放射線画像撮影装置であってもよい。撮影装置２により生成された、画像は画像保管サーバ３に送信され、保存される。
　画像保管サーバ３は、各種データを保存して管理するコンピュータであり、大容量外部記憶装置およびデータベース管理用ソフトウェアを備えている。画像保管サーバ３は、有線あるいは無線のネットワーク４を介してコンピュータ１および他の装置と通信を行い、画像データ等を送受信する。具体的には撮影装置２で生成された画像の画像データを含む各種データをネットワーク経由で取得し、大容量外部記憶装置等の記録媒体に保存して管理する。なお、画像データの格納形式およびネットワーク４経由での各装置間の通信は、ＤＩＣＯＭ（Digital Imaging and Communication in Medicine）等のプロトコルに基づいている。
　なお、本実施形態においては、画像保管サーバ３には、複数の参考症例が保存されている。図２は、画像保管サーバ３に保存された参考症例のファイル構成を模式的に示す図である。図２に示すように、画像保管サーバ３には複数の参考症例３０－１，３０－２，３０－３…が保存されている。なお、以降の説明において１つの参考症例を参照する場合には、参照符号として３０を用いる。１つの参考症例３０には、治療が終了した一人の患者（すなわち診断済み患者）の治療過程において取得された診断済み画像が含まれる。診断済み画像は、治療前の撮影により取得された治療前画像３１および治療後の撮影により取得された治療後画像３２を含む。なお、参考症例３０は、治療前画像３１および治療後画像３２のいずれか一方のみを含むものであってもよい。また、参考症例３０は複数の治療前画像３１を含むものであってもよく、複数の治療後画像３２を含むものであってもよい。また、治療前画像３１と治療後画像３２とは異なる種類の撮影装置２により取得されたものであってもよい。
　ここで、治療後画像３２には、治療の直後（例えば手術の直後）に取得される画像の他、治療の程度を確認するために治療後にある程度の期間経過した後に取得されるフォローアップ画像も含まれる。また、１つの参考症例３０には、治療過程において取得された診断ログ３３が対応づけられている。図２においては、診断ログ３３は、参考症例３０のファイルに含まれるように示しているが、診断ログ３３と参考症例３０とは互いに対応づけられた別個のファイルとして画像保管サーバ３に保存されるものであってもよい。
　なお、本実施形態においては、１つの参考症例３０に含まれる治療前画像３１および治療後画像３２のそれぞれが１つの画像ファイルを構成するものとする。この場合、画像ファイルのタグには、撮影日時および患者名の情報の他、例えば画像が３次元画像である場合には、スライス枚数およびスライス間隔の情報も記述される。なお、スライス枚数およびスライス間隔は診断ログ３３にも記述される。
　また、本実施形態においては、治療対象となる治療対象患者を撮影した対象画像Ｇ０も画像保管サーバ３に保存されている。本実施形態においては、対象画像Ｇ０についても診断ログが作成されて、対象画像Ｇ０と対応づけられて画像保管サーバ３に保存されている。なお、対象画像Ｇ０は、画像診断が終了しており、診断結果が診断ログに記述されている。一方、対象画像Ｇ０を取得した治療対象患者に対しては治療がまだ行われていない。
　次いで、本実施形態による治療支援装置について説明する。図３は、本実施形態による治療支援装置のハードウェア構成を説明する。図３に示すように、治療支援装置２０は、ＣＰＵ（Central Processing Unit）１１、不揮発性のストレージ１３、および一時記憶領域としてのメモリ１６を含む。また、治療支援装置２０は、液晶ディスプレイ等のディスプレイ１４、キーボードとマウス等の入力デバイス１５、およびネットワーク４に接続されるネットワークＩ／Ｆ（InterFace）１７を含む。ＣＰＵ１１、ストレージ１３、ディスプレイ１４、入力デバイス１５、メモリ１６およびネットワークＩ／Ｆ１７は、バス１８に接続される。なお、ＣＰＵ１１は、本開示におけるプロセッサの一例である。
　ストレージ１３は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、およびフラッシュメモリ等によって実現される。記憶媒体としてのストレージ１３には、治療支援プログラム１２が記憶される。ＣＰＵ１１は、ストレージ１３から治療支援プログラム１２を読み出してからメモリ１６に展開し、展開した治療支援プログラム１２を実行する。
　次いで、本実施形態による治療支援装置の機能的な構成を説明する。図４は、本実施形態による治療支援装置の機能的な構成を示す図である。図４に示すように治療支援装置２０は、情報取得部２１、検索部２２、治療成績導出部２３および提示部２４を備える。そして、ＣＰＵ１１が、治療支援プログラム１２を実行することにより、ＣＰＵ１１は、情報取得部２１、検索部２２、治療成績導出部２３および提示部２４として機能する。
　情報取得部２１は、医師等の操作者による入力デバイス１５からの指示により、画像保管サーバ３からネットワークＩ／Ｆ１７を介して、治療対象患者を撮影することにより取得した対象画像Ｇ０を取得する。なお、本実施形態においては、冠動脈分岐部に狭窄がある患者の胸部をＣＴ装置により撮影したＣＴ画像を対象画像Ｇ０として取得するものとする。このため、対象画像Ｇ０は、複数の断層画像から構成される。なお、対象画像Ｇ０が既にストレージ１３に記憶されている場合には、情報取得部２１は、ストレージ１３から対象画像Ｇ０を取得するようにしてもよい。また、本実施形態においては、上述したように対象画像Ｇ０を読影しての画像診断は済んでいるものとする。
　検索部２２は、画像保管サーバ３に保存されている複数の参考症例から、情報取得部２１が取得した対象画像Ｇ０の特徴に類似する類似症例を検索する。このために、検索部２２は、対象画像Ｇ０の特徴を特定する。対象画像Ｇ０の特徴としては、対象画像Ｇ０に含まれるスライス数、スライス間隔、対象画像Ｇ０の撮影部位、および対象画像Ｇ０そのもの等を用いることができる。
　ここで、対象画像Ｇ０は１つの画像ファイルとしてストレージ１３に保存される。画像ファイルにはタグ情報が付与される。タグ情報には、対象画像Ｇ０の撮影日時、撮影部位、スライス数およびスライス間隔等が記述されている。検索部２２は、対象画像Ｇ０の画像ファイルに付与されたタグ情報を参照して、対象画像Ｇ０の撮影部位、スライス数およびスライス間隔を取得する。なお、検索部２２は、診断ログ３３を参照して、撮影部位、対象画像Ｇ０のスライス数およびスライス間隔を取得してもよい。
　また、本実施形態においては、対象画像Ｇ０は患者の胸部を撮影することにより取得されたものであるため、操作者による入力デバイス１５を用いての入力等により撮影部位の情報を取得してもよい。
　類似症例の検索のために、検索部２２は、画像保管サーバ３に保存されている参考症例３０に含まれる診断済み画像のタグ情報を参照し、対象画像Ｇ０に含まれる部位と同一の部位を撮影した診断済み画像を含む参考症例３０を特定する。このように特定された参考症例３０を第１の参考症例と称する。
　次いで、検索部２２は、第１の参考症例から対象画像Ｇ０とスライス間隔が一致する診断済み画像を含む参考症例を特定する。例えば、対象画像Ｇ０のスライス間隔が１ｍｍであれば、スライス間隔が１ｍｍの診断済み画像を含む参考症例を特定する。このように特定された参考症例を第２の参考症例と称する。次いで、検索部２２は、第２の参考症例から対象画像Ｇ０とスライス枚数が類似する診断済み画像を含む参考症例を特定する。このように特定された参考症例を第３の参考症例と称する。なお、スライス枚数が類似するとは、対象画像Ｇ０のスライス枚数に対して予め定められた範囲内（例えば±１０％）のスライス枚数を有するものとすればよい。
　そして、検索部２２は、第３の参考症例に含まれる診断済み画像と対象画像Ｇ０との相関値に基づく第１の類似度Ｓ１を導出する。例えば、対象画像Ｇ０と診断済み画像とを位置合わせし、位置合わせ後の両画像の対応する画素における画素値の差の絶対値を相関値として算出する。そして相関値を０～１の値に正規化して第１の類似度Ｓ１を導出する。なお、本実施形態においては、治療の対象部位は冠動脈であるため、検索部２２は、検索のために対象画像Ｇ０に対して領域検出処理を行うことにより、対象画像Ｇ０から心臓の領域を抽出するようにしてもよい。なお、検索部２２は、心臓を検出するように機械学習がなされたニューラルネットワーク等の学習済みモデルを有し、学習済みモデルを用いて対象画像Ｇ０から心臓を抽出する。なお、学習済みモデルに代えて、心臓の解剖学的特徴の形状を表すテンプレートを用いたテンプレートマッチングを行うことにより、心臓を抽出するようにしてもよい。この場合、第３の参考症例に含まれる診断済み画像からも心臓を抽出し、両画像から抽出した心臓同士で第１の類似度Ｓ１を導出するようにしてもよい。
　検索部２２は、第１の類似度Ｓ１が大きい順に診断済み画像をソートする。そして、第１の類似度Ｓ１の上位予め定められた１以上の数の診断済み画像を含み、かつ診断済み画像として治療後画像を含む参考症例を、第１の類似症例ＲＳ１として検索する。
　ここで、本実施形態においては、冠動脈分岐部に狭窄がある患者のＣＴ画像を対象画像Ｇ０としている。このため、第１の類似症例ＲＳ１には、対象画像Ｇ０に類似する、冠動脈分岐部に狭窄がある患者のＣＴ画像が診断済み画像として含まれる。また、第１の類似症例ＲＳ１に治療前画像３１が診断済み画像として含まれる場合、治療前画像３１には治療前の冠動脈の狭窄の状態が表されている。また、冠動脈狭窄の治療には、狭窄部にステントを留置する手術が行われる。このため、第１の類似症例ＲＳ１に含まれる治療後画像３２には、冠動脈の狭窄部にステントが留置されることにより、血管が拡張した状態が表されている。
　なお、治療前画像３１は、患者の診断を精度よく行うためＣＴ画像であることが多い。一方、治療後画像３２は手術直後に取得されるものであり、ステントの留置状態が確認されればよいものであるため、単純放射線撮影により取得された２次元放射線画像である場合が多い。本実施形態においては、治療前画像３１は対象画像Ｇ０と同様にＣＴ画像であり、治療後画像３２は２次元放射線画像であるものとする。また、２次元放射線画像については単に放射線画像と称するものとする。
　さらに、検索部２２は、第１の類似症例ＲＳ１に含まれる治療後画像３２の特徴に類似する第２の類似症例ＲＳ２を検索する。このために、検索部２２は、第１の類似症例ＲＳ１に含まれる診断ログ３３を参照し、第１の類似症例ＲＳ１を検索した場合と同様に、第１の類似症例ＲＳ１に含まれる治療後画像３２と同一部位を撮影した治療後画像３２を診断済み画像として含む参考症例を特定する。なお、治療後画像３２がＣＴ画像であれば、検索部２２は、第１の類似症例ＲＳ１に含まれる治療後画像３２と同一の部位を含み、スライス間隔が一致し、スライス枚数が類似する治療後画像３２を含む参考症例を特定する。そして、特定した参考症例に含まれる診断済み画像と第１の類似症例ＲＳ１に含まれる治療後画像との相関値を第２の類似度Ｓ２として導出する。
　検索部２２は、第２の類似度Ｓ２が大きい順に診断済み画像をソートする。そして、第２の類似度Ｓ２の上位予め定められた１以上の数の診断済み画像を含む参考症例を、第２の類似症例ＲＳ２として検索する。
　図５は第１の類似症例および第２の類似症例の検索を模式的に示す図である。図５に示すように、本実施形態においては、検索部２２は、まず対象画像Ｇ０と類似する参考症例を第１の類似症例ＲＳ１として検索する。図５においては、３つの第１の類似症例ＲＳ１－１，ＲＳ１－２，ＲＳ１－３が検索されたものとする。
　また、第１の類似症例ＲＳ１－１，ＲＳ１－２，ＲＳ１－３のそれぞれに含まれる治療後画像３２の特徴に類似する第２の類似症例ＲＳ２を検索する。図５においては、第１の類似症例ＲＳ１－１の治療後画像３２について、２つの第２の類似症例ＲＳ２－１，ＲＳ２－２が検索され、第１の類似症例ＲＳ１－２の治療後画像３２について、１つの第２の類似症例ＲＳ２－３が検索され、第１の類似症例ＲＳ１－３の治療後画像３２については第２の類似症例ＲＳ２が検索されなかった状態を示している。
　ここで、診断ログ３３の記述について説明する。図６は診断ログの記述内容を示す図である。図６に示すように、診断ログ３３には、参考症例についての患者名、治療を行った施設、治療を行った医師、診断方法、診断結果、治療方法および治療成績が記述される。なお、治療を行った医師が診断済み医師に対応する。
　図６に示す診断ログ３３においては、患者名として富士太郎が記述されている。施設としてＡ病院が記述されている。医師として、Ｂ医師とＢ医師の経験年数（１０年）および専門分野（循環器専門医）が記述されている。なお、施設および医師の情報を併せて環境情報と称する。診断方法として、ＣＴ撮影が記述され、ＣＴ撮影により取得されたＣＴ画像のスライス枚数（８０枚）およびスライス間隔（１ｍｍ）が記述されている。また、診断結果として、狭窄率（５０％）、狭窄箇所（左前下行枝）および血管径（３ｍｍ）が記述されている。治療方法として、ステント種類（Ａ）、拡張方法（バルーン）、ステントの留置位置（狭窄部前１５ｍｍ）およびステントによる拡張径（３．６ｍｍ）が記述されている。また、治療成績として５ヶ月後の血管径（３．５ｍｍ）が記述されている。
　診断ログ３３における診断結果は、治療前画像３１を用いた画像診断に基づいて記述される。治療成績は、治療後画像３２を用いた画像診断に基づいて記述される。図７は治療前画像および治療後画像の一例を示す図である。図７に示すように、治療前画像３１には心臓の冠動脈４０が含まれている。冠動脈４０には狭窄４１が見られる。診断を行う医師は、治療前画像３１を読影し、血管径を測定し、狭窄箇所を特定し、狭窄率を算出し、これらを診断ログに記述する。一方、図７に示すように、治療後画像３２においては治療前画像３１における冠動脈の狭窄４１にステントが留置された結果、狭窄４１があった位置４２において狭窄が解消されている状態が分かる。診断を行う医師は、治療成績導出部２３は、治療前画像３１と治療後画像３２とを比較し、治療後画像３２におけるステントを留置した位置４２の血管径を計測し、計測した血管径を治療成績として診断ログ３３に記述する。
　なお、参考症例に含まれる診断ログ３３のうち、検索された第１の類似症例ＲＳ１および第２の類似症例ＲＳ２に含まれる診断ログを検索診断ログ３３Ａと称するものとする。また、本実施形態においては、後述するように検索診断ログ３３Ａの記述が提示される。具体的には、検索診断ログ３３Ａに記述された施設の情報、医師の情報、患者名、診断結果（狭窄率、狭窄箇所および血管径）、並びに治療方法のうちのステントの種類、留置位置および拡張径が提示される。なお、以降の説明において、患者名および診断結果（狭窄率、狭窄箇所および血管径）をまとめて患者情報と称するものとする。
　また、本実施形態においては、対象画像Ｇ０にも診断ログが作成されているが、治療対象患者には治療はまだ行われていない。このため、対象画像Ｇ０の診断ログに含まれる情報は、環境情報（すなわち施設および医師）並びに患者情報（すなわち患者名および診断結果）のみである。なお、対象画像Ｇ０についての診断ログに記述された医師の情報が治療医師情報に対応する。
　治療成績導出部２３は、治療対象患者に対して検索診断ログ３３Ａに記述された治療方法に基づく治療を行った場合に想定される治療成績を導出する。想定される治療成績を導出するに際し、治療成績導出部２３は、対象画像Ｇ０の診断ログを参照して治療対象患者に対して治療を行う病院等の施設および医師を含む環境情報を取得する。また、治療成績導出部２３は、治療対象患者の患者名および診断結果を含む患者情報を取得する。また、治療成績導出部２３は、類似症例の検索診断ログ３３Ａに記述された治療方法を取得する。
　本実施形態においては、治療成績導出部２３は、環境情報、患者情報および治療方法が教師情報であり、治療成績が正解データである教師データを用いた機械学習を行うことにより構築された学習済みモデルを用いて治療成績を導出する。図８は教師データの例を示す図である。図８に示すように、教師データ５０は教師情報５１として、環境情報、患者情報および治療方法を含む。環境情報は、施設Ａおよび医師Ａを含む。患者情報は、患者Ａ、狭窄率である６０％、狭窄箇所である分岐部Ａおよび血管径である３．１ｍｍを含む。治療方法は、ステントの種類であるステント（Ａ）、ステントの留置位置である狭窄部前１５ｍｍおよび拡張径である３．２ｍｍを含む。正解データ５２として、治療後の血管径である３ｍｍを含む。
　学習済みモデルは、機械学習モデルを用いることができる。機械学習モデルの一例として、ニューラルネットワークモデルが挙げられる。ニューラルネットワークモデルとしては、単純パーセプトロン、多層パーセプトロン、ディープニューラルネットワーク、畳み込みニューラルネットワーク、ディープビリーフネットワーク、リカレントニューラルネットワーク、および確率的ニューラルネットワーク等が挙げられる。
　学習済みモデルを構築するためのニューラルネットワークは、環境情報、患者情報および治療方法が入力されると、想定される治療成績である血管径を出力するように学習がなされる。すなわち、教師情報をニューラルネットワークに入力して血管径を出力させ、出力された血管径と正解データの血管径との相違を損失として導出し、損失が０に近づくように繰り返し学習が行われることにより、学習済みモデルが構築される。なお、学習済みモデルは、本実施形態による治療支援プログラムと併せてコンピュータ１にインストールされる。
　提示部２４は、検索診断ログ３３Ａの記述内容および想定される治療成績をディスプレイ１４に表示することにより、操作者に提示する。検索診断ログ３３Ａの記述のうちの提示される記述内容は、環境情報、患者情報、治療方法および治療成績である。また、治療対象の患者についての環境情報および患者情報も提示される。
　なお、提示部２４は、検索診断ログ３３Ａの記述内容および想定される治療成績を提示するに際して、第１の類似症例ＲＳ１および第２の類似症例ＲＳ２を分類する。具体的には、第２の類似症例ＲＳ２を検索する際に参照した、第１の類似症例ＲＳ１に含まれる治療後画像３２単位で分類する。例えば、図５に示すように、３つの第１の類似症例ＲＳ１－１，ＲＳ１－２，ＲＳ１－３が検索され、第１の類似症例ＲＳ１－１に含まれる治療後画像３２により２つの第２の類似症例ＲＳ２－１，ＲＳ２－２が検索され、第１の類似症例ＲＳ１－２に含まれる治療後画像３２により１つの第２の類似症例ＲＳ２－３が検索され、第１の類似症例ＲＳ１－３については第２の類似症例が検索されなかったとする。
　この場合、提示部２４は、第１の類似症例ＲＳ１－１および２つの第２の類似症例ＲＳ２－１，ＲＳ２－２を含む第１グループＧＲ１と、第１の類似症例ＲＳ１－２および第２の類似症例ＲＳ２－３を含む第２グループＧＲ２と、第１の類似症例ＲＳ１－３のみを含む第３グループＧＲ３に第１の類似症例および第２の類似症例を分類する。そして、提示部２４は、分類したグループを分けて検索診断ログ３３Ａの記述内容および想定される治療成績を提示する。
　図９は提示画面を示す図である。なお、図９においては説明のため、類似症例の検索結果は図５に示すものとは異なる。図９に示すように提示画面６０には、患者Ａ～Ｅについての環境情報、患者情報、治療方法、グルーピング結果および治療成績を含む表６１が表示される。表６１の下方には、画像表示領域６２および文字入力領域６３が表示される。
　図１０は表に記述された情報を示す図である。なお、図１０においては、第１の類似症例および第２の類似症例と併せて４つの類似症例が検索されたものとする。図１０に示すように、番号１～４の行においては類似症例に関する情報が示され、番号５～８の行においては治療対象についての情報が示される。患者Ａ～Ｄは検索された第１および第２の類似症例を取得した診断済みの患者であり、患者Ｅが治療対象患者である。環境情報は施設および医師を含む。患者情報は患者名、患者の診断結果である狭窄率、狭窄箇所および治療前の血管径を含む。治療方法はステント種類、留置位置および拡張径を含む。グルーピング結果は、検索された第１および第２の類似症例を分類した結果である。ここでは、患者Ａおよび患者Ｂの類似症例がグループＧＲ１に分類され、患者Ｃおよび患者Ｄの類似症例がグループＧＲ２に分類されている。なお、検索された類似症例は治療対象の患者である患者Ｅを撮影した対象画像Ｇ０の特徴に類似するため、類似症例についての環境情報に含まれる施設はすべて施設Ａであり、医師はすべて医師Ａとなっている。
　また、番号５～８の環境情報および患者情報は患者Ｅについてのものであり、すべて同一となっている。番号５～８のそれぞれの行における治療方法は、それぞれ番号１～４の治療方法である。
　番号１～４の治療成績は検索診断ログ３３Ａに記述されたものである。番号５～８の治療成績は、治療成績導出部２３が導出した想定治療成績である。すなわち、番号５の治療成績は、治療成績導出部２３が患者Ｅについての環境情報、患者情報および番号１の治療方法に基づいて導出したものである。番号６の治療成績は、治療成績導出部２３が患者Ｅについての環境情報、患者情報および番号２の治療方法に基づいて導出したものである。番号７の治療成績は、治療成績導出部２３が患者Ｅについての環境情報、患者情報および番号３の治療方法に基づいて導出したものである。番号８の治療成績は、治療成績導出部２３が患者Ｅについての環境情報、患者情報および番号４の治療方法に基づいて導出したものである。
　なお、表示された提示画面６０において操作者が所望とする番号の行を入力デバイス１５を用いてクリックすると、類似症例に含まれる治療後画像が表示される。図９においては番号１がクリックされることにより、番号１の類似症例についての治療後画像３２が、画像表示領域６２に表示されている。なお、図９において番号１がクリックされていることを、番号１の欄に斜線を付与することにより示している。
　医師は提示画面６０において、治療対象の患者Ｅの症例と類似する症例について、患者情報、治療方法および治療成績を参照することができる。また、患者Ｅについて、類似症例と同一の治療方法により治療を行った場合に想定される治療成績を参照することができる。このため、医師は多くの治療後の画像に基づく治療成績を参照して治療方法を決定することができる。なお、医師は治療方法を決定した後、文字入力領域６３に決定した治療方法を入力することができる。これにより、治療対象である患者Ｅの対象画像Ｇ０に対応する診断ログに治療方法が記述される。
　次いで、本実施形態において行われる処理について説明する。図１１は本実施形態において行われる処理を示すフローチャートである。処理開始の指示が行われると、まず情報取得部２１が、治療対象の患者の対象画像Ｇ０を画像保管サーバ３から取得する（ステップＳＴ１）。次いで、検索部２２が、画像保管サーバ３に保存されている複数の参考症例から、対象画像Ｇ０の特徴に類似し、かつ治療後画像３２を含む第１の類似症例ＲＳ１を検索する（ステップＳＴ２）。さらに、検索部２２は、第１の類似症例ＲＳ１に含まれる治療後画像の特徴に類似する第２の類似症例ＲＳ２を検索する（ステップＳＴ３）。
　次いで、治療成績導出部２３が、治療対象患者に対して検索診断ログ３３Ａに記述された治療方法に基づく治療を行った場合に想定される想定治療成績を導出する（ステップＳＴ４）。そして、提示部２４が、検索診断ログ３３Ａの記述内容および想定される治療成績をディスプレイ１４に表示することにより操作者に提示し（ステップＳＴ５）、処理を終了する。
　このように、本実施形態においては、第１の類似症例ＲＳ１に含まれる治療後画像の特徴に類似する第２の類似症例ＲＳ２を検索し、第１および第２の類似症例ＲＳ１，ＲＳ２のそれぞれに含まれる診断ログ３３である検索診断ログ３３Ａに記述された治療方法および治療成績を提示するようにした。このため、各種治療方法が治療成績へ与える影響を十分に反映させた情報を操作者に提供できる。
　また、本実施形態においては、治療対象患者に対して検索診断ログ３３Ａに記述された治療方法に基づく治療を行った場合に想定される想定治療成績を導出して提示するようにした。このため、医師は治療成績が良好であることが想定される治療方法を選択することができる。
　なお、治療対象患者に対して複数の治療を行う場合がある。例えば、冠動脈の複数箇所に狭窄がある場合、１回の手術で複数箇所にステントが留置される。このような手術を行う場合、１箇所の狭窄に対してステントが留置されると、その状況を確認するための患者の撮影が行われる。このような場合、ステント留置後に取得した画像を新たな対象画像Ｇ０として、第１の類似症例ＲＳ１の検索、第２の類似症例ＲＳ２の検索および治療成績の提示を繰り返すことが好ましい。以下、これを他の実施形態として説明する。
　図１２は他の実施形態において行われる処理を示すフローチャートである。なお、他の実施形態の処理は、患者に対する手術中に行われるが、１回目の治療成績の提示までの処理は、手術前に行うことが好ましい。また、他の実施形態においては、１回目の治療成績の提示までの処理は、図１１に示すステップＳＴ１～ステップＳＴ５までの処理と同一であるため、ここでは、図１１におけるステップＳＴ５以降の処理についてのみ説明する。
　図１１に示すステップＳＴ５において、治療成績が提示されると、操作者は提示された治療成績を参照して、患者に対する治療方針を決定して患者の治療を行う。他の実施形態においては、患者の冠動脈の１箇所目の狭窄部位に対してステントを留置する手術を行う。１箇所目の狭窄部位に対してステントを留置する手術を行った後、患者の撮影が行われ、撮影により取得された画像が新たな対象画像Ｇ０として画像保管サーバ３に保存される。
　続いて、処理終了の指示がなされたか否かが判断され（ステップＳＴ１１）、ステップＳＴ１１が否定されると、情報取得部２１が、新た対象画像Ｇ０を画像保管サーバ３から取得する（ステップＳＴ１２）。次いで、検索部２２が、画像保管サーバ３に保存されている複数の参考症例から、新たな対象画像Ｇ０の特徴に類似し、かつ治療後画像３２を含む新たな第１の類似症例ＲＳ１を検索する（ステップＳＴ１３）。さらに、検索部２２は、新たな第１の類似症例ＲＳ１に含まれる治療後画像の特徴に類似する新たな第２の類似症例ＲＳ２を検索する（ステップＳＴ１４）。次いで、治療成績導出部２３が、治療対象患者に対して新たな検索診断ログ３３Ａに記述された治療方法に基づく治療を行った場合に想定される想定治療成績を導出する（ステップＳＴ１５）。そして、提示部２４が、検索診断ログ３３Ａの記述内容および想定される治療成績をディスプレイ１４に表示することにより操作者に提示し（ステップＳＴ１６）、ステップＳＴ１１の処理に戻る。ステップＳＴ１１が肯定されると，処理を終了する。
　これにより、複数の治療箇所がある場合において、１箇所の治療が終了する毎に、終了後の対象画像Ｇ０に類似する類似症例について、治療方法が治療成績へ与える影響を十分に反映させた情報を操作者に提供できる。
　なお、上記実施形態においては、治療対象の患者情報として対象画像Ｇ０についての診断ログの記述を用いているが、これに限定されるものではない。対象画像Ｇ０をディスプレイ１４に表示し、医師が対象画像Ｇ０を読影することにより入力した患者の診断結果を含む患者情報を用いるようにしてもよい。
　また、上記実施形態においては、対象画像Ｇ０としてＣＴ画像を用いているが、これに限定されるものではない。ＣＴ画像に代えて、ＭＲＩ画像またはＰＥＴ画像等の３次元画像を用いてもよい。また、患者を単純放射線撮影することにより取得した放射線画像を対象画像Ｇ０として用いてもよい。
　また、上記実施形態においては、冠動脈に狭窄がある患者を撮影した対象画像Ｇ０を用いて処理を行っているが、患者の症状は冠動脈の狭窄に限定されるものではない。任意の症状の患者を撮影することにより取得した対象画像Ｇ０を用いての治療方法を決定する際にも、本実施形態の処理を適用することができる。また、治療方法として、ステントを留置する手術を対象としているが、これに限定されるものではない。患者の症状に応じた手術、あるいは投薬等、患者を治療するための任意の治療方法を対象とすることができる。
　また、上記実施形態において、例えば、情報取得部２１、検索部２２、治療成績導出部２３および提示部２４といった各種の処理を実行する処理部（Processing Unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（Processor）を用いることができる。上記各種のプロセッサには、上述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field　Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device :PLD）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。
　１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせまたはＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。
　複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントおよびサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアとの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip: SoC）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
　さらに、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（Circuitry）を用いることができる。
　　　１　　コンピュータ
　　　２　　撮影装置
　　　３　　画像保管サーバ
　　　４　　ネットワーク
　　　１１　　ＣＰＵ
　　　１２　　治療支援プログラム
　　　１３　　ストレージ
　　　１４　　ディスプレイ
　　　１５　　入力デバイス
　　　１６　　メモリ
　　　１７　　ネットワークＩ／Ｆ
　　　１８　　バス
　　　２０　　治療支援装置
　　　２１　　情報取得部
　　　２２　　検索部
　　　２３　　治療成績導出部
　　　２４　　提示部
　　　３１　　治療前画像
　　　３２　　治療後画像
　　　３３　　診断ログ
　　　３３Ａ　　検索診断ログ
　　　４０　　冠動脈
　　　４１　　狭窄
　　　４２　　位置
　　　５０　　教師データ
　　　５１　　教師情報
　　　５２　　正解データ
　　　６０　　提示画面
　　　６１　　表
　　　６２　　画像表示領域
　　　６３　　文字表示領域
　　　Ｇ０　　対象画像
　　　ＲＳ１　　第１の類似症例
　　　ＲＳ２　　第２の類似症例

Claims (8)

  1. 　少なくとも１つのプロセッサを備え、
    　前記プロセッサは、
    　少なくとも１つの診断済み画像と診断ログとを含む複数の参考症例であって、前記診断ログには前記診断済み画像を取得した診断済み患者に対して行った治療方法および前記治療方法による治療成績が記述されてなる複数の参考症例から、治療の対象である治療対象患者を撮影した対象画像の特徴に類似し、かつ治療後に撮影した治療後画像を前記診断済み画像として含む第１の類似症例を検索し、
    　前記複数の参考症例から、前記第１の類似症例に含まれる前記治療後画像の特徴に類似する第２の類似症例を検索し、
    　前記第１の類似症例および前記第２の類似症例のそれぞれに含まれる前記診断ログである検索診断ログに記述された前記治療方法および前記治療成績を提示する治療支援装置。
  2. 　前記診断ログは、前記診断済み患者に対して治療を行った医師を特定する診断済み医師情報と前記診断済み患者の治療前の診断結果を含む患者情報とが記述され、
    　前記プロセッサは、前記診断済み医師情報および前記患者情報をさらに提示する請求項１に記載の治療支援装置。
  3. 　前記プロセッサは、前記治療対象患者に対して治療を行う医師を特定する治療医師情報、前記治療対象患者の診断結果を含む患者情報、および前記検索診断ログに記述された治療方法に基づいて、前記治療を行う医師が前記治療対象患者に対して前記検索診断ログに記述された治療方法に基づく治療を行った場合に想定される想定治療成績を導出する請求項２に記載の治療支援装置。
  4. 　前記プロセッサは、治療医師情報、患者情報および治療方法が教師情報であり、治療成績が正解データである教師データを用いた機械学習を行うことにより構築された学習済みモデルを用いて、前記想定治療成績を導出する請求項３に記載の治療支援装置。
  5. 　前記治療対象患者に治療箇所が複数存在し、かつ１つの治療箇所の治療が行われる毎に前記治療対象患者を撮影することにより新たな対象画像が取得される場合において、
    　前記プロセッサは、前記１つの治療箇所の治療が行われる毎に、新たな前記第１の類似症例の検索、新たな前記第２の類似症例の検索、および前記治療成績の提示を繰り返す請求項１から４のいずれか１項に記載の治療支援装置。
  6. 　前記対象画像は冠動脈に狭窄がある治療対象患者を撮影することにより取得され、
    　前記治療方法はステントの種類、留置位置および前記冠動脈の拡張径を含み、
    　前記治療成績は、前記ステントの留置後の前記冠動脈の径である請求項１から５のいずれか１項に記載の治療支援装置。
  7. 　少なくとも１つの診断済み画像と診断ログとを含む複数の参考症例であって、前記診断ログには前記診断済み画像を取得した診断済み患者に対して行った治療方法および前記治療方法による治療成績が記述されてなる複数の参考症例から、治療の対象である治療対象患者を撮影した対象画像の特徴に類似し、かつ治療後に撮影した治療後画像を前記診断済み画像として含む第１の類似症例を検索し、
    　前記複数の参考症例から、前記第１の類似症例に含まれる前記治療後画像の特徴に類似する第２の類似症例を検索し、
    　前記第１の類似症例および前記第２の類似症例のそれぞれに含まれる前記診断ログである検索診断ログに記述された前記治療方法および前記治療成績を提示する治療支援方法。
  8. 　少なくとも１つの診断済み画像と診断ログとを含む複数の参考症例であって、前記診断ログには前記診断済み画像を取得した診断済み患者に対して行った治療方法および前記治療方法による治療成績が記述されてなる複数の参考症例から、治療の対象である治療対象患者を撮影した対象画像の特徴に類似し、かつ治療後に撮影した治療後画像を前記診断済み画像として含む第１の類似症例を検索する手順と、
    　前記複数の参考症例から、前記第１の類似症例に含まれる前記治療後画像の特徴に類似する第２の類似症例を検索する手順と、
    　前記第１の類似症例および前記第２の類似症例のそれぞれに含まれる前記診断ログである検索診断ログに記述された前記治療方法および前記治療成績を提示する手順とをコンピュータに実行させる治療支援プログラム。
PCT/JP2021/030803 2020-09-28 2021-08-23 治療支援装置、治療支援方法および治療支援プログラム WO2022064926A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022551207A JP7430811B2 (ja) 2020-09-28 2021-08-23 治療支援装置、治療支援方法および治療支援プログラム
US18/176,488 US20230230677A1 (en) 2020-09-28 2023-03-01 Treatment support apparatus, treatment support method, and treatment support program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-162673 2020-09-28
JP2020162673 2020-09-28

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/176,488 Continuation US20230230677A1 (en) 2020-09-28 2023-03-01 Treatment support apparatus, treatment support method, and treatment support program

Publications (1)

Publication Number Publication Date
WO2022064926A1 true WO2022064926A1 (ja) 2022-03-31

Family

ID=80845058

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/030803 WO2022064926A1 (ja) 2020-09-28 2021-08-23 治療支援装置、治療支援方法および治療支援プログラム

Country Status (3)

Country Link
US (1) US20230230677A1 (ja)
JP (1) JP7430811B2 (ja)
WO (1) WO2022064926A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007287027A (ja) * 2006-04-19 2007-11-01 Fujifilm Corp 医療用の計画立案支援システム
JP2015203920A (ja) * 2014-04-11 2015-11-16 キヤノン株式会社 類似症例検索システム、類似症例検索方法及びプログラム
JP2017033093A (ja) * 2015-07-29 2017-02-09 富士フイルム株式会社 診療支援装置とその作動方法および作動プログラム、並びに診療支援システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007287027A (ja) * 2006-04-19 2007-11-01 Fujifilm Corp 医療用の計画立案支援システム
JP2015203920A (ja) * 2014-04-11 2015-11-16 キヤノン株式会社 類似症例検索システム、類似症例検索方法及びプログラム
JP2017033093A (ja) * 2015-07-29 2017-02-09 富士フイルム株式会社 診療支援装置とその作動方法および作動プログラム、並びに診療支援システム

Also Published As

Publication number Publication date
JPWO2022064926A1 (ja) 2022-03-31
US20230230677A1 (en) 2023-07-20
JP7430811B2 (ja) 2024-02-13

Similar Documents

Publication Publication Date Title
JP6906462B2 (ja) 医用画像表示装置、方法およびプログラム
JP2019169049A (ja) 医用画像特定装置、方法およびプログラム
US11468659B2 (en) Learning support device, learning support method, learning support program, region-of-interest discrimination device, region-of-interest discrimination method, region-of-interest discrimination program, and learned model
JP7237089B2 (ja) 医療文書作成支援装置、方法およびプログラム
WO2021157705A1 (ja) 文書作成支援装置、方法およびプログラム
US20210005310A1 (en) Order creation support apparatus and order creation support method
JP7007469B2 (ja) 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム
JP7109345B2 (ja) 優先度判定装置、方法およびプログラム
WO2022064926A1 (ja) 治療支援装置、治療支援方法および治療支援プログラム
WO2021193548A1 (ja) 文書作成支援装置、方法およびプログラム
JP7480305B2 (ja) 診断支援装置とその作動方法及び作動プログラム、並びに診断支援システム
JP7097794B2 (ja) 情報処理システム及び情報処理方法
JP7361930B2 (ja) 医用画像処理装置、方法およびプログラム
WO2020066132A1 (ja) 医用画像診断支援装置、方法及びプログラム
JP6843892B2 (ja) 解剖学的または生理学的状態データのクラスタリング
JP7376715B2 (ja) 経過予測装置、経過予測装置の作動方法および経過予測プログラム
WO2022070528A1 (ja) 医用画像処理装置、方法およびプログラム
WO2022153702A1 (ja) 医用画像表示装置、方法およびプログラム
JP7371220B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
WO2022224848A1 (ja) 文書作成支援装置、文書作成支援方法、及び文書作成支援プログラム
JP7381600B2 (ja) 医療行為のオーダー管理方法及びプログラム、オーダー管理システム
WO2022064794A1 (ja) 画像表示装置、方法およびプログラム
JP7209738B2 (ja) 画像解析装置、解析機能決定方法、及び解析機能決定プログラム
WO2021177312A1 (ja) 情報保存装置、方法およびプログラム、並びに解析記録生成装置、方法およびプログラム
WO2022215530A1 (ja) 医用画像装置、医用画像方法、及び医用画像プログラム

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: 21872058

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022551207

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21872058

Country of ref document: EP

Kind code of ref document: A1