知財求人 - 知財ポータルサイト「IP Force」
▶ 株式会社日立製作所の特許一覧 ▶ 国立大学法人北海道大学の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2025024854
(43)【公開日】2025-02-21
(54)【発明の名称】治療支援システム及び治療支援方法
(51)【国際特許分類】
A61N 5/10 20060101AFI20250214BHJP
【ＦＩ】
A61N5/10 P
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2023129191
(22)【出願日】2023-08-08
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(71)【出願人】
【識別番号】504173471
【氏名又は名称】国立大学法人北海道大学
(74)【代理人】
【識別番号】110000279
【氏名又は名称】弁理士法人ウィルフォート国際特許事務所
(72)【発明者】
【氏名】高柳 泰介
(72)【発明者】
【氏名】平山 嵩祐
(72)【発明者】
【氏名】宮崎 康一
(72)【発明者】
【氏名】山田 貴啓
(72)【発明者】
【氏名】青山 英史
(72)【発明者】
【氏名】橋本 孝之
(72)【発明者】
【氏名】加藤 徳雄
(72)【発明者】
【氏名】田口 大志
(72)【発明者】
【氏名】安田 耕一
(72)【発明者】
【氏名】西岡 健太郎
(72)【発明者】
【氏名】小橋 啓司
(72)【発明者】
【氏名】松浦 妙子
(72)【発明者】
【氏名】▲高▼尾 聖心
(72)【発明者】
【氏名】宮本 直樹
【テーマコード（参考）】
4C082
【Ｆターム（参考）】
4C082AC02
4C082AC04
4C082AN02
4C082AN04
4C082AN05
4C082AN10
4C082AP06
4C082AR20
(57)【要約】
【課題】患者にとって適切な放射線治療装置を容易に判断することが可能な治療支援システムを提供する。
【解決手段】演算処理装置１０１は、患者を写した３次元透視画像における、患者の放射線の照射に関連する部位に対応する関心領域と、放射線治療の効果を評価する治療効果指標を予測するためのパラメータの値を、放射線治療を行う放射線治療装置２０２の治療モダリティごとに示すパラメータ情報とを用いて、放射線治療装置２０２の治療モダリティごとに治療効果指標を予測する。
【選択図】図1
【解決手段】演算処理装置１０１は、患者を写した３次元透視画像における、患者の放射線の照射に関連する部位に対応する関心領域と、放射線治療の効果を評価する治療効果指標を予測するためのパラメータの値を、放射線治療を行う放射線治療装置２０２の治療モダリティごとに示すパラメータ情報とを用いて、放射線治療装置２０２の治療モダリティごとに治療効果指標を予測する。
【選択図】図1
【特許請求の範囲】
【請求項1】
患者に対する放射線治療の効果を予測する治療支援システムであって、
前記患者を写した３次元透視画像における、前記患者の放射線の照射に関連する部位に対応する関心領域と、前記放射線治療の効果を評価する治療効果指標を予測するためのパラメータの値を、前記放射線治療を行う放射線治療装置の種類ごとに示すパラメータ情報とを用いて、前記放射線治療装置の種類ごとに前記治療効果指標を予測する演算処理装置を有する、治療支援システム。
前記患者を写した３次元透視画像における、前記患者の放射線の照射に関連する部位に対応する関心領域と、前記放射線治療の効果を評価する治療効果指標を予測するためのパラメータの値を、前記放射線治療を行う放射線治療装置の種類ごとに示すパラメータ情報とを用いて、前記放射線治療装置の種類ごとに前記治療効果指標を予測する演算処理装置を有する、治療支援システム。
【請求項2】
前記演算処理装置は、前記患者の病症を診断するための診断用画像に基づいて、前記放射線治療の治療計画を立案するための治療計画用画像を予測した計画用予測画像を前記３次元透視画像として生成する、請求項１に記載の治療支援システム。
【請求項3】
前記演算処理装置は、前記治療計画を実際に立案した際に使用した治療計画用画像と前記３次元透視画像との一致度を算出し、前記一致度が基準値未満の場合、アラートを出力する、請求項２に記載の治療支援システム。
【請求項4】
前記演算処理装置は、前記３次元透視画像から前記関心領域を抽出する、請求項２に記載の治療支援システム。
【請求項5】
前記演算処理装置は、前記治療計画を実際に立案した際に使用した治療計画用画像に設定された前記関心領域と、前記抽出した関心領域との一致度を算出し、前記一致度が基準値未満の場合、アラートを出力する、請求項４に記載の治療支援システム。
【請求項6】
前記演算処理装置は、前記治療計画を実際に立案した際に使用した治療計画用画像に設定された前記関心領域と前記パラメータとから算出された治療効果指標と前記予測した治療効果指標との一致度を算出し、前記一致度が基準値未満の場合、アラートを出力する、請求項２に記載の治療支援システム。
【請求項7】
前記演算処理装置は、複数の治療施設に配置された複数種類の前記放射線治療装置に対応する前記パラメータの値を示す前記パラメータ情報を格納する格納装置から、前記パラメータ情報を取得して前記治療効果指標の予測に用いる、請求項１に記載の治療支援システム。
【請求項8】
前記演算処理装置は、前記患者に関する患者情報をさらに用いて、前記治療効果指標を予測する、請求項１に記載の治療支援システム。
【請求項9】
前記治療効果指標は、線量体積ヒストグラム、正常組織障害発生確率及び腫瘍制御確率の少なくとも１つを含む、請求項１に記載の治療支援システム。
【請求項10】
患者に対する放射線治療の効果を予測する治療支援システムによる治療支援方法であって、
前記患者を写した３次元透視画像における、前記患者の放射線の照射に関連する部位に対応する関心領域と、前記放射線治療の効果を評価する治療効果指標を予測するためのパラメータの値を、前記放射線治療を行う放射線治療装置の種類ごとに示すパラメータ情報とを用いて、前記放射線治療装置の種類ごとに前記治療効果指標を予測する、治療支援方法。
前記患者を写した３次元透視画像における、前記患者の放射線の照射に関連する部位に対応する関心領域と、前記放射線治療の効果を評価する治療効果指標を予測するためのパラメータの値を、前記放射線治療を行う放射線治療装置の種類ごとに示すパラメータ情報とを用いて、前記放射線治療装置の種類ごとに前記治療効果指標を予測する、治療支援方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、治療支援システム及び治療支援方法に関する。
【背景技術】
【0002】
陽子線又は炭素線などを用いる粒子線治療は、ブラッグピークと呼ばれるエネルギーのピークの深さを腫瘍の深さに合わせて調整可能であることなどから、従来のＸ線治療よりも腫瘍に対する線量集中性に優れている。このため、正常組織及びＯＡＲ（Organ At Risk：リスク臓器）への被ばくを抑え、副作用の発生確率を抑制することが期待されている。
【0003】
しかしながら、粒子線治療を行うための粒子線治療システムは、加速器及び回転ガントリーなどの広い立地面積を必要とする大型の機器を有し、かつ、Ｘ線治療を行うためのＸ線治療システムと比較して一般的に高価であるため、粒子線治療システムを保有可能な施設は限られている。このため、粒子線治療は、一度に受けられる患者の数に限りがある。
【0004】
したがって、全てのがん患者に対して粒子線治療を行うのではなく、粒子線治療の利点を十分に享受できる患者を判別して粒子線治療へ優先的に誘導することが必要である。なお、例えば、腫瘍体積の小さい症例などでは、従来のＸ線治療でもＯＡＲへの被ばくを十分に抑えることができ、粒子線治療と同程度の効果を有する治療を実施できることが知られている。
【0005】
粒子線治療に適した患者を判別するための判断指標として、ＯＡＲのＮＴＣＰ（Normal tissue complication probability：正常組織障害発生確率）が注目されている（非特許文献１参照）。ＯＡＲのＮＴＣＰは、放射線の照射によって腫瘍に近接するＯＡＲに不可逆的な障害が発生する確率であり、一般的に、過去の治療データに基づいて構築された数理モデルによって算出される。数理モデルへの入力としては、放射線治療の治療計画を立案するための治療計画ソフトウェアで算出された患者体内の３次元線量分布などが用いられる。代表的な数理モデルに従えば、ＮＴＣＰは、数１から計算される。
ここで、ｔは、
と表される。さらに、ＤｍａｘＶｎｐは、
と表される。ここで、VはＯＡＲ全体の体積、ｖは１ボクセルあたりの体積、ｋはＯＡＲに含まれるボクセルの番号を示す。ｎｐ、ｍｐ及びＴＤ５０は、ＯＡＲ、副作用の種類及び症例ごとに定まるパラメータであり、過去の臨床データなどに基づいて算出される。
【数1】
【数2】
【数3】
【0006】
また、Ｄ‘ｋは、ボクセルｋにおける換算総照射線量であり、１回照射線量をｄｒｅｆ＝２［Ｇｙ］とした場合に、総照射線量Ｄｋかつ総分割回数Ｎの照射と同等の生物学的効果を得るための総照射線量を示す。放射線の照射量と生物学的効果との関係を評価する一般的な評価モデルである線形－二次曲線モデル（ＬＱモデル）によれば、総照射線量Ｄｋかつ総分割回数Ｎのとき、ボクセルｋに含まれる正常組織細胞が生き残る確率λｋは、
と表される。ここで、α及びβは、正常組織細胞の放射線感受性を示すパラメータであり、イン・ビトロ（in vitro）での放射線照射実験などによって求められる。これらの関係により、換算総照射線量D‘ｋは、以下の数５及び数６で求められる。
【数4】
【数5】
【数6】
【0007】
Ｘ線治療の線量分布から計算されるＮＴＣＰをＮＴＣＰｘ、粒子線治療の線量分布から計算されるＮＴＣＰをＮＴＣＰｐとすると、それらの差であるＮＴＣＰ差（ΔＮＴＣＰ＝ＮＴＣＰｘ－ＮＴＣＰｐ）が大きい患者の場合、粒子線治療の利点が大きいとみなすことができ、粒子線治療への優先的な誘導が検討される。一方、ＮＴＣＰ差が小さい患者の場合、Ｘ線治療でも粒子線治療と同等の治療が可能であるとみなすことができ、Ｘ線治療への誘導が検討される。
【先行技術文献】
【非特許文献】
【0008】
【非特許文献1】Yoshimura T, Kinoshita R, Onodera S, Toramatsu C, Suzuki R, Ito YM, Takao S, Matsuura T, Matsuzaki Y, Umegaki K, Shirato H, Shimizu S. NTCP modeling analysis of acute hematologic toxicity in whole pelvic radiation therapy for gynecologic malignancies - A dosimetric comparison of IMRT and spot-scanning proton therapy (SSPT). Phys Med. 2016 Sep;32(9):1095-102. doi: １０１016/j.ejmp.2016.08.007. Epub 2016 Aug 25. PMID: 27567089.
【発明の概要】
【発明が解決しようとする課題】
【0009】
上述したように粒子線治療に適した患者か否かを判断するための判断指標としては、ＮＴＣＰ差が有用である。しかしながら、ＮＴＣＰ差を計算するためには、Ｘ線治療と粒子線治療との両方に対して治療計画を立案し、それらの治療計画からシミュレーションにより患者体内の３次元線量分布を求める必要があり、手間と労力が必要となる。
【0010】
また、X線治療には、３Ｄ－ＣＲＴ（Three Dimensional Comformal Radiotherapy：三次元原体照射）、ＩＭＲＴ（Intensity Modulated Radiotherapy：強度変調放射線治療）及びＶＭＡＴ（Volummetric Modulated Arc Therapy：強度変調回転照射）などの様々な照射方式が存在し、それらの照射方式ごとに治療モダリティ（放射線治療装置の種類）が異なる。このため、患者に適した治療モダリティを判断するための判断指標として、粒子線治療に適した患者か否かを判断するための判断指標と同様に、治療モダリティごとのＮＴＣＰの差を使用することができる。しかしながら、治療モダリティごとに患者体内の３次元線量分布を求める必要があるため、手間と労力とがさらに必要となる。
【0011】
本開示の目的は、患者にとって適切な放射線治療装置を容易に判断することが可能な治療支援システム及び治療支援方法を提供することにある。
【課題を解決するための手段】
【0012】
本開示の一態様に従う治療支援システムは、患者に対する放射線治療の効果を予測する治療支援システムであって、前記患者を写した３次元透視画像における、前記患者の放射線の照射に関連する部位に対応する関心領域と、前記放射線治療の効果を評価する治療効果指標を予測するためのパラメータの値を、前記放射線治療を行う放射線治療装置の種類ごとに示すパラメータ情報とを用いて、前記放射線治療装置の種類ごとに前記治療効果指標を予測する演算処理装置を有する。
【発明の効果】
【0013】
本開示によれば、患者にとって適切な放射線治療装置を容易に判断することが可能になる。
【図面の簡単な説明】
【0014】
【図1】本開示の実施例に係る治療選択支援システムを示す図である。
【図2】本開示の実施例に係る治療選択支援システムによる治療選択処理の一例を説明するためのフローチャートである。
【図3】治療選択処理において操作者が使用するＧＵＩの一例を示す図である。
【図4】治療選択処理において操作者が使用するＧＵＩの他の例を示す図である。
【図5】治療選択処理において操作者が使用するＧＵＩの他の例を示す図である。
【図6】ＤＶＨ予測モデルのアルゴリズムの一例を説明するための図である。
【発明を実施するための形態】
【0015】
以下、本開示の実施例について図面を参照して説明する。
【0016】
図１は、本開示の実施例に係る治療選択支援システムを示す図である。図１に示す治療選択支援システム１００は、種々の情報処理が可能な装置、例えば、コンピュータ装置などの情報処理装置にて構成される治療支援システムである。治療選択支援システム１００は、病院のような放射線治療を実施する治療施設に配置される。図１の例では、治療施設として施設Ａ～Ｃが示されており、そのうち施設Ａの治療選択支援システム１００が示されているが、施設Ｂ及びＣでも治療選択支援システム１００と同等なシステムが設置されている。
【0017】
治療選択支援システム１００は、演算処理装置１０１と、入力装置１０２と、表示装置１０３と、メモリ１０４と、データベース１０５と、通信装置１０６とを有する。演算処理装置１０１は、入力装置１０２、表示装置１０３、メモリ１０４、データベース１０５及び通信装置１０６と接続される。これらを接続する接続方式は、特に限定されず、例えば、ＬＡＮ（Local Area Network）又はインターネットなどのＷＡＮ（Wide Area Network）を介した接続方式などでもよい。
【0018】
演算処理装置１０１は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）及びＦＰＧＡ（Field-Programmable Gate Array）などのプロセッサであり、治療選択支援システム１００全体を制御する制御部を構成する。
【0019】
入力装置１０２は、治療選択支援システム１００を操作する操作者から種々の情報を受け付ける装置であり、例えば、マウス及びキーボードなどである。操作者は、例えば、医師又は医学物理士などである。表示装置１０３は、演算処理装置１０１が算出した算出結果などの種々の情報を表示する装置であり、例えば、ディスプレイなどである。
【0020】
メモリ１０４及びデータベース１０５は、同一又は異なる記録媒体で構成され、演算処理装置１０１の動作を規定するプログラム（コンピュータプログラム）、及び、演算処理装置１０１にて使用及び生成される種々の情報を記録する。記録媒体は、例えば、ＨＤＤ（Hard Disk Drive）のような磁気記憶媒体、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）及びＳＳＤ（Solid State Drive）のような半導体記憶媒体、ＤＶＤ（Digital Versatile Disk）のような光ディスク及び光ディスクドライブの組み合わせなどである。なお、治療選択支援システム１００の動作開始時（例えば、電源投入時）に演算処理装置１０１が記録媒体からプログラムを読み出し、その読み出しプログラムを実行することで種々の処理を実行する。
【0021】
通信装置１０６は、外部の装置と通信可能に接続する通信インタフェースである。図５の例では、通信装置１０６は、外部の装置として、自施設（施設A）内に設置された情報システム２０１及び放射線治療装置２０２と、施設外に設置された外部データベース２０３とに接続されている。
【0022】
情報システム２０１は、放射線治療に関する種々の情報処理を行うコンピュータ装置であり、その情報処理で使用及び生成される種々の情報を記憶する。情報システム２０１は、例えば、情報処理として、放射線治療の治療計画を立案する立案処理を行い、その立案処理の処理結果である治療計画、及び、治療計画を立案するための治療計画用画像である治療計画用ＣＴ（Computed Tomography）画像とを記憶する。
【0023】
放射線治療装置２０２は、患者に対する放射線治療を実際に行う装置である。放射線治療装置２０２の種類である治療モダリティは、複数あり、図１では、放射線治療装置２０２として治療モダリティが異なる２つの放射線治療装置２０２Ａ及び２０２Ｂが示されている。治療モダリティとしては、陽子線治療装置、炭素線治療装置、３Ｄ－ＣＲＴ装置、ＩＭＲＴ装置及びＶＭＡＴ装置などが挙げられる。なお、治療施設ごとに異なる治療モダリティの放射線治療装置２０２が配置されてもよい。
【0024】
外部データベース２０３は、患者に対する放射線治療の効果を評価する治療効果指標の値を予測するためのパラメータの値を示すパラメータ情報を格納する格納装置である。外部データベース２０３は、例えば、メモリ１０４及びデータベース１０５と同様に記録媒体で構成される。治療効果指標は、本実施例では、ＤＶＨ（Dose-Volume Histgram：線量体積ヒストグラム）及びＮＴＣＰである。治療効果指標の値を予測するためのパラメータの値は、治療モダリティごとに異なり、パラメータ情報は治療モダリティごとにパラメータの値を示す。
【0025】
図２は、治療選択支援システム１００による治療選択処理の一例を説明するためのフローチャートである。図３～図５は、治療選択処理において操作者が使用するＧＵＩ（Graphical User Interface）３００の一例を示す図である。本実施例のＧＵＩ３００は、３つのタブ（計画画像予測タブ３０１、ＲＯＩ（Region Of Interest：関心領域）抽出タブ３０６及びＤＶＨ予測タブ３０７）を有し、図３は、計画画像予測タブ３０１が選択された状態のＧＵＩ３００を示し、図４は、ＲＯＩ抽出タブ３０６が選択された状態のＧＵＩ３００を示し、図５は、ＤＶＨ予測タブ３０７が選択された状態のＧＵＩ３００を示す。なお、ＧＵＩ３００は表示装置１０３に表示される。
【0026】
治療選択処理では、先ず、演算処理装置１０１は、患者の病症を診断するための診断用画像として診断用ＣＴ画像を取得する（ステップＳ１）。例えば、操作者は、入力装置１０２を用いて、図３に示したＧＵＩ３００の計画画像予測タブ３０１を選択し、さらにファイル入力ボタン３０２を押下して、治療選択処理に使用する診断用ＣＴ画像を選択する。演算処理装置１０１は、その選択された診断用ＣＴ画像を取得する。
【0027】
演算処理装置１０１は、取得した診断用ＣＴ画像をメモリ１０４又はデータベース１０５に記録する（ステップＳ２）。
【0028】
その後、操作者にて図３に示すＧＵＩ３００の変換ボタン３０３が押下されると、演算処理装置１０１は、メモリ１０４又はデータベース１０５に記録された診断用ＣＴ画像に基づいて、患者の治療計画を作成するための治療計画用ＣＴ画像を予測した計画用予測画像である計画用予測ＣＴ画像を作成する。演算処理装置１０１は、その計画用予測ＣＴ画像をメモリ１０４又はデータベース１０５に記録する（ステップＳ３）。
【0029】
計画用予測ＣＴ画像の作成は、メモリ１０４又はデータベース１０５に記録されたアプリケーションプログラムで実現される計画用画像予測モデルを用いて行われる。計画用画像予測モデルは、診断用ＣＴ画像から治療計画用ＣＴ画像を予測して計画用予測ＣＴ画像として出力するモデルである。計画用画像予測モデルは、例えば、深層学習のような機械学習などにて構築される。
【0030】
なお、治療計画用ＣＴ画像は、治療計画の作成において患者に対する放射線の照射に関するシミュレーションに使用されるため、腕上げした状態で患者を撮影されるなど診断用ＣＴ画像とは異なる体勢で撮影される。また、シミュレーションを正確に行うために、治療計画用ＣＴ画像では、体表から標的までを全て含む領域を写す必要がある。このため、治療計画用ＣＴ画像と診断用ＣＴ画像とでは、視野（Field of View：ＦＯＶ）が異なっている場合がある。さらに、診断用ＣＴ画像には、患者の体内構造の視認性を向上するために、フィルターが使用されることがある。このため、治療計画用ＣＴ画像と診断用ＣＴ画像とでは、各ボクセルの画素値が異なることがある。他にも、診断用ＣＴ画像と治療計画用ＣＴ画像とでは、各医療機関でのプロトコルなどにより解像度が異なったり、撮影時のＣＴ撮影装置の設定（Ｘ線源の管球設定など）が異なったりすることがある。
【0031】
次に、演算処理装置１０１は、図３に示すように、メモリ１０４又はデータベース１０５に記録された診断用ＣＴ画像及び計画用予測ＣＴ画像を診断ＣＴ画像３０４及び予測ＣＴ画像３０５としてＧＵＩ３００に表示する（ステップＳ４）。これにより、操作者は診断用ＣＴ画像及び計画用予測ＣＴ画像を確認することができる。
【0032】
その後、操作者がＧＵＩ３００のＲＯＩ抽出タブ３０６を選択すると、図４に示す状態のＧＵＩ３００が表示される。そして、操作者がＧＵＩ３００の抽出開始ボタン４０１を押下すると、演算処理装置１０１は、メモリ１０４又はデータベース１０５に記録された計画用予測ＣＴ画像から、患者の放射線の照射に関連する部位に対応する関心領域を予測した予測関心領域を抽出し、その予測関心領域を示す予測関心領域情報をメモリ１０４又はデータベース１０５に記録する（ステップＳ５）。
【0033】
関心領域には、放射線を照射する部位である標的に対応する標的領域と、放射線の照射を避ける部位であるＯＡＲに対応する除外領域とがある。例えば、前立腺がんの放射線治療においては、前立腺内の腫瘍に対応する領域が標的領域、直腸及び膀胱に対応する領域が除外領域に相当する。また、関心領域の抽出は、メモリ１０４又はデータベース１０５に記録されたアプリケーションプログラムで実現される関心領域自動抽出モデルを用いて行われる。関心領域自動抽出モデルは、計画用予測ＣＴ画像から関心領域を予測し、その予測した関心領域である予測関心領域の３次元の位置情報を予測関心領域情報として出力するモデルである。関心領域自動抽出モデルは、例えば、深層学習のような機械学習などにて構築される。
【0034】
次に、演算処理装置１０１は、図４に示すように、メモリ１０４又はデータベース１０５に記録された予測関心領域情報が示す予測関心領域を関心領域４０２として計画用予測ＣＴ画像４０３に重ね合わせてＧＵＩ３００を表示する（ステップＳ６）。このとき、演算処理装置１０１は、図４に示すように、予測関心領域に関する詳細情報４０４をさらに表示してもよい。詳細情報は、例えば、予測関心領域の種類（標的領域又は除外領域）と、予測関心領域に対応する部位の名称などを含む。これにより、操作者は、予測関心領域を確認することができる。なお、治療選択支援システム１００は、操作者が入力装置１０２を用いて関心領域４０２の形状及び位置などの修正を指示することができるように構成されてもよい。この場合、演算処理装置１０１は、その修正の指示に従って、予測関心領域の形状及び位置を修正する。
【0035】
次に、操作者がＧＵＩのＤＶＨ予測タブ３０７を選択すると、図５に示す状態のＧＵＩ３００が表示される。そして、操作者がＧＵＩ３００予測ボタン５０１を押下すると、演算処理装置１０１は、メモリ１０４又はデータベース１０５に記録された予測関心領域情報に基づいて、治療モダリティごとに、放射線治療によって形成される患者体内の３次元線量分布としてＤＶＨを予測した予測ＤＶＨを算出する。さらに、演算処理装置１０１は、治療モダリティごとに、予測ＤＶＨからＮＴＣＰを予測した予測ＮＴＣＰを算出する。そして、演算処理装置１０１は、治療モダリティごとの予測ＤＶＨを示す予測ＤＶＨ情報と、治療モダリティごとの予測ＮＴＣＰを示す予測ＮＴＣＰ情報とを、メモリ１０４又はデータベース１０５に記録する（ステップＳ７）。ＤＶＨ及びＮＴＣＰは、治療効果指標であり、予測ＤＶＨ及び予測ＮＴＣＰは、治療効果指標の予測結果である。
【0036】
予測ＤＶＨの算出は、メモリ１０４又はデータベース１０５に記録されたアプリケーションプログラムで実現されるＤＶＨ予測モデルを用いて行われる。ＤＶＨ予測モデルは、治療モダリティごとに用意され、予測関心領域情報から、対応する治療モダリティについてＤＶＨを予測して予測ＤＶＨとして出力するモデルである。ＤＶＨ予測モデルのより詳細な説明は後述する（図６参照）。
【0037】
次に、演算処理装置１０１は、図５に示すように、メモリ１０４又はデータベース１０５に記録された治療モダリティごとの予測ＤＶＨ及び予測ＮＴＣＰを治療効果情報５１０としてＧＵＩ３００に表示する（ステップＳ８）。これにより、操作者は、放射線治療の治療効果指標である予測ＤＶＨ及び予測ＮＴＣＰを治療モダリティごとに確認することができる。予測ＤＶＨは関心領域ごとに算出され、表示される予測ＤＶＨはタグ５０２により操作者にて切り替えることができる。また、予測ＮＴＣＰは、放射線治療の副作用の種類及びグレードごとに算出され、表示される予測ＮＴＣＰはタグ５０３により操作者にて切り替えることができる。
【0038】
次に、操作者は、入力装置１０２を用いて、ＧＵＩ３００に表示された治療モダリティごとの予測ＮＴＣＰのリストであるＮＴＣＰリスト５０７に対して、基準となる治療モダリティである基準モダリティを選択する（ステップＳ９）。基準モダリティは、操作者にて任意に選択することができるが、例えば、自施設に設置されている放射線治療装置２０２の治療モダリティが選択される。図５に示す例では、３Ｄ－ＣＲＴ装置である「Ｘ線治療システムＡ」が基準モダリティとして選択されている。
【0039】
次に、演算処理装置１０１は、操作者にて選択された基準モダリティを示す基準モダリティ情報を取得し、その基準モダリティ情報をメモリ１０４又はデータベース１０５に記録する。さらに、演算処理装置１０１は、基準モダリティ以外の治療モダリティである比較対象モダリティごとに、比較対象モダリティの予測ＮＴＣＰの基準治療モダリティの予測ＮＴＣＰからの差であるＮＴＣＰ差を算出する。そして、演算処理装置１０１は、治療モダリティごとのＮＴＣＰ差を示すＮＴＣＰ差情報をメモリ１０４又はデータベース１０５に記録する（ステップＳ１０）。
【0040】
そして、演算処理装置１０１は、メモリ１０４又はデータベース１０５に記録されたＮＴＣＰ差情報をＮＴＣＰ差５０８として表示装置１０３に表示し（ステップＳ１１）、処理を終了する。これにより、操作者は、基準モダリティに設定した自施設の放射線治療装置２０２に対する、他の治療モダリティとのＮＴＣＰ差を確認することができる。また、ステップＳ１１では、演算処理装置１０１は、ＮＴＣＰ差が予め定められた基準値を超える比較対象モダリティに対してアイコン５０９を付与するなどして、その比較対象モダリティの採用を操作者に提案してもよい。この場合、自施設と比較して高い治療効果が期待される治療モダリティをより容易に確認することができる。また、操作者は、ステップＳ９の処理に戻り、基準モダリティを変更してもよい。
【0041】
図６は、図２のステップＳ７の処理において予測ＤＶＨを算出するＤＶＨ予測モデルのアルゴリズムの一例を説明するための図である。なお、ＤＶＨ予測モデルの実装方法は、以下のアルゴリズムに限らず、深層学習のような機械学習などでもよい。演算処理装置１０１は、ＤＶＨ予測モデルのアルゴリズムに従って、以下の処理を行う。
【0042】
演算処理装置１０１は、最初に、標的領域６０１を拡大した拡大標的領域６０２を算出する。具体的には、演算処理装置１０１は、先ず、図６（ａ）に示すように、標的領域６０１を対象領域とし、その対象領域の表面に複数の点Ｐｉ
（０）を設定する。点Ｐｉ
（０）は均等に（等間隔に）配置されることが望ましい。また、ｉは１～Ｎまでの整数であり、ＮはＰｉ
（０）の総数であり、予め定められてもよいし、標的領域６０１の大きさに応じて定められてもよい。演算処理装置１０１は、各点Ｐｉ
（０）において対象領域の内側から外側に通過する、対象領域の表面に対する法線ベクトルｒｉ
（０）を計算する。さらに、演算処理装置１０１は、各点Ｐｉ
（０）をその点を通る法線ベクトルｒｉ
（０）分だけ移動させた点Ｐｉ
（１）（＝Ｐｉ
（０）＋ｒｉ
（０））を囲む領域を拡大標的領域６０２として算出する。
【0043】
そして、演算処理装置１０１は、以下の式（２）に従って、拡大標的領域６０２を算出するたびに、その拡大標的領域を対象領域として上記の処理を再度行い、拡大標的領域６０２上の各点Ｐｉ
（ｊ）をその点を通る法線ベクトルｒｉ
（ｊ）分だけ移動させた点Ｐｉ
（ｊ＋１）（＝Ｐｉ
（０）＋ｒｉ
（０））を囲む更なる拡大標的領域６０２を繰り返し生成する。ここで、ｊは、標的領域６０１を生成した回数である拡大回数を示す。なお、法線ベクトルｒｉ
（ｊ）の絶対値は、各点Ｐｉ
（ｊ）で等しく、例えば、２ｍｍ～１０ｍｍ程度である。また、法線ベクトルｒｉ
（ｊ）の絶対値は、各施設のプロトコルなどに応じて異なってもよい。拡大回数ｊの最大値は、例えば、予め定められている。
【0044】
次に、演算処理装置１０１は、図６（ｂ）に示すように、拡大回数ｊごとに、拡大標的領域６０２とＯＡＲ６０３とが重なるＯＶ（Overlap volume：オーバラップボリューム）領域を算出する。さらに、演算処理装置１０１は、ｊ回目の拡大標的領域６０２におけるOV領域とｊ－１回目の拡大標的領域６０２におけるＯＶ領域との差分である差分ＯＶ領域ＯＶｊ６０４計算し、その差分ＯＶ領域ＯＶｊ６０４とその体積ｄＶｊとをメモリ１０４又はデータベース１０５に記録する。なお、ｊ＝０の場合、差分ＯＶ領域ΔＯＶｊ６０４は、標的領域６０１とＯＡＲ６０３とが重なる領域となる。
【0045】
次に、演算処理装置１０１は、メモリ１０４又はデータベース１０５に記録された差分ＯＶ領域ΔＯＶｊ６０４ごとの体積ｄＶｊを用いて、以下の数６に従って予測ＤＶＨＶ（ｘ）を計算する。
ここで、ｄＶ（ｘ）は、
である。
【数6】
【数7】
【0046】
また、Ｄｊは、差分ＯＶ領域ΔＯＶｊ６０４に付与される線量の平均値、σｊは差分ＯＶ領域ΔＯＶｊ６０４に付与される線量の標準偏差である。これらのパラメータは、治療効果指標を予測するためのパラメータであり、その値は、治療モダリティごとに異なっており、過去に実施された治療の治療計画から算出することができる。このパラメータの値を治療モダリティごと示すパラメータ情報は、上述したように、例えば、外部データベース２０３に保存されている。パラメータ情報は、互いに異なる施設に配置された放射線治療装置に対応するパラメータの値を含んでもよい。
【0047】
なお、図５に示すように、ステップＳ７において操作者がモダリティ選択ボタン５０４を押下するとモダリティ選択ウィンドウ５０５が表示される。操作者は、モダリティ選択ウィンドウ５０５を用いて、治療効果指標の予測結果を確認する治療モダリティを選択し、閉じるボタン５０６を押下すると、演算処理装置１０１は、通信装置１０６を介して外部データベース２０３にアクセスする。そして、演算処理装置１０１は、外部データベース２０３に格納されているパラメータ情報から、モダリティ選択ウィンドウ５０５にて選択された治療モダリティに対応するパラメータの値を取得し、予測ＤＶＨの計算に用いる。また、図５に示すように、同じ治療システムであっても、施設が異なる場合は別種類の治療モダリティとして登録することができる。また、照射方式が同等な治療モダリティなどの互いに類似する治療モダリティは１つの治療モダリティとして登録されてもよい。
【0048】
また、数６及び数７にて示されているように、本実施例では、差分ＯＶ領域ΔＯＶｊ６０４に付与される線量のヒストグラムがガウス分布によりモデル化されている。ただし、モデル化に使用する分布は、過去に実施された際の実データに応じて適宜変更可能であり、例えば、コーシー分布又ランダウ分布などでもよい。
【0049】
以上説明した本実施例では、治療効果指標としてＤＶＨ及びＮＴＣＰが算出されていたが、治療効果指標は、この例に限らず、例えば、ＤＶＨ及びＮＴＣＰに一方でもよいし、ＴＣＰ（Tumor Control Probability：腫瘍制御確率）のような他の指標でもよいし、それらの組み合わせでもよい。ＴＣＰのような治療効果指標の算出では、計画用予測ＣＴ画像に加えて、患者に関する患者情報が必要な場合がある。この場合、演算処理装置１０１は、患者情報をさらに用いて、治療効果指標を算出する。患者情報は、例えば、情報システム２０１に格納され、必要に応じて演算処理装置１０１にて取得される。また、患者情報は、例えば、年齢、性別、喫煙及び飲酒などの生活履歴、各種検査（血液検査、生体検査及び遺伝子検査など）の検査結果、抗がん剤及び免疫チェックポイント阻害剤などの投薬の併用の有無などを含む。
【0050】
また、本実施例では、演算処理装置１０１は、診断用ＣＴ画像から計画用予測ＣＴ画像を生成し、その計画用予測ＣＴ画像に基づいて治療効果指標を予測していたが、治療効果指標を予測するための画像は、計画用予測ＣＴ画像に限らない。治療効果指標を予測するための画像としては、例えば、患者の治療計画を作成するために実際に使用された治療計画用ＣＴ画像のような他の３次元透視画像を用いることができる。この治療計画用ＣＴ画像に対して関心領域が既に設定されている場合には、演算処理装置１０１は、関心領域を予測する処理を省略し、既に設定されている関心領域を治療効果指標の予測に使用することができる。
【0051】
また、治療選択支援システム１００は、実際に操作者が選択した治療モダリティの妥当性を評価してもよい。
【0052】
操作者にて治療モダリティが選択されると、その後、不図示の治療計画用のＣＴ装置により実際に治療計画用ＣＴ画像が取得される。また、情報システム２０１は、操作者からの指示に従って、治療計画用ＣＴ画像に関心領域を設定する。さらに、情報システム２０１は、標的領域に可能な限り一様に高線量を付与し、かつ、ＯＡＲへの被ばくが可能な限り避けられるように、選択した治療モダリティに対応した治療計画ソフトウェアを用いて、患者内の線量分布が最適化された治療計画を立案する。情報システム２０１は、治療計画に応じた線量分布及び関心領域とに基づいて、ＤＶＨを計算する。情報システム２０１は、治療計画用ＣＴ画像、関心領域を示す関心領域情報及びＤＶＨを格納する。なお、自施設に存在しない治療モダリティが選択された場合、患者はその治療モダリティを備えた別の施設に紹介され、その別の施設にて上記の一連の手続きが行われる。
【0053】
治療選択支援システム１００の演算処理装置１０１は、情報システム２０１から治療計画用ＣＴ画像、関心領域情報及びＤＶＨを取得してメモリ１０４又はデータベース１０５に記録する。演算処理装置１０１は、治療計画用ＣＴ画像、関心領域情報及びＤＶＨのそれぞれと、図２を用いて説明した治療選択処理にて算出した計画用予測ＣＴ画像、予測関心領域情報及び予測ＤＶＨのそれぞれとの一致度を算出する。演算処理装置１０１は、それらの一致度が予め定められた基準値以上か否かを判断する。一致度が基準値未満の場合、治療選択支援システム１００による治療計画用ＣＴ画像、予測関心領域及び予測ＤＶＨの予測の精度が十分ではないと考えられる。この場合、演算処理装置１０１は、選択された治療モダリティの妥当性に疑義がある旨のメッセージなどをＧＵＩ３００に表示するなどしてアラートを出力し、操作者に治療モダリティの再検討を促す。なお、演算処理装置１０１は、これらの一致度の少なくとも１つが基準値未満の場合にアラートを出力してもよいし、これらの一致度の全てが基準値未満の場合にアラートを出力してもよい。
【0054】
以上説明したように本実施例によれば、演算処理装置１０１は、患者を写した３次元透視画像における、患者の放射線の照射に関連する部位に対応する関心領域と、放射線治療の効果を評価する治療効果指標を予測するためのパラメータの値を、放射線治療を行う放射線治療装置２０２の治療モダリティごとに示すパラメータ情報とを用いて、放射線治療装置２０２の治療モダリティごとに治療効果指標を予測する。したがって、治療モダリティごとに治療効果指標を予測することが可能となるため、シミュレーションにより治療モダリティごとに患者体内の３次元線量分布を求める必要がなくなる。このため、患者にとって適切な放射線治療装置を容易に判断することが可能になる。
【0055】
また、本実施例では、演算処理装置１０１は、患者の病症を診断するための診断用ＣＴ画像に基づいて、放射線治療の治療計画を立案するための治療計画用ＣＴ画像を予測した計画用予測ＣＴ画像を、治療効果指標を予測するための３次元透視画像として生成する。このため、治療計画用ＣＴ画像を撮像する前に、つまり、治療計画を立案する前に治療モダリティごとに治療効果指標を予測することが可能となる。一般的には、治療計画用ＣＴ画像を撮像した時点で治療モダリティが既に確定しているため、本実施例のように治療計画用ＣＴ画像を撮像する前に治療モダリティごとに治療効果指標を予測することは、患者にとって適切な放射線治療装置を容易に判断するために、非常に有益である。
【0056】
また、本実施例では、演算処理装置１０１は、治療計画を実際に立案した際に使用した治療計画用ＣＴ画像、関心領域情報及びＤＶＨと、治療選択処理にて予測した計画用予測ＣＴ画像、予測関心領域情報及び予測ＤＶＨとの一致度が基準値未満の場合、アラートを出力する。
【0057】
また、本実施例では、演算処理装置１０１は、計画用予測ＣＴ画像から関心領域を抽出する。このため、操作者が治療効果指標を予測するために関心領域を設定する必要がないため、患者にとって適切な放射線治療装置２０２を判断するための手間を低減することが可能となる。
【0058】
また、本実施例では、演算処理装置１０１は、複数の施設A～Cに配置された複数種類の放射線治療装置２０２に対応するパラメータの値を示すパラメータ情報を格納する外部データベース２０３から、パラメータ情報を取得して治療効果指標の予測に用いる。このため、自施設に存在しない治療モダリティの放射線治療装置２０２についても適切か否かを判断することが可能となるため、患者にとってより適切な放射線治療を提供することが可能となる。
【0059】
また、本実施例では、治療効果指標は、ＤＶＨ、ＮＴＣＰ及びＴＣＯＰの少なくとも１つを含む。また、演算処理装置１０１は、患者に関する患者情報をさらに用いて、治療効果指標を予測してもよい。このため、状況などに応じて適切な治療効果指標を予測することが可能となる。
【0060】
上述した本開示の実施形態は、本開示の説明のための例示であり、本開示の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本開示の範囲を逸脱することなしに、他の様々な態様で本開示を実施することができる。
【符号の説明】
【0061】
１００：治療選択支援システム １０１：演算処理装置 １０２：入力装置 １０３：表示装置 １０４：メモリ １０５：データベース １０６：通信装置 ２０１：情報システム ２０２：放射線治療装置 ２０３：外部データベース
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】