ホーム > 特許ランキング > 国立大学法人大阪大学
▶ 国立大学法人大阪大学の特許一覧 ▶ みずほ情報総研株式会社の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2023-07-19
(45)【発行日】2023-07-27
(54)【発明の名称】予測支援システム、予測支援方法及び予測支援プログラム
(51)【国際特許分類】
A61N 5/10 20060101AFI20230720BHJP
【ＦＩ】
A61N5/10 P
【請求項の数】
5
(21)【出願番号】P 2022022357
(22)【出願日】2022-02-16
【審査請求日】2022-02-16
【国等の委託研究の成果に係る記載事項】（出願人による申告）令和３年度、国立研究開発法人日本医療研究開発機構、「橋渡し研究戦略的推進プログラム」「リアルタイム体内中線量可視化画像誘導至適陽子線治療システムの研究開発」委託研究開発、産業技術力強化法第１７条の適用を受ける特許出願
(73)【特許権者】
【識別番号】504176911
【氏名又は名称】国立大学法人大阪大学
(73)【特許権者】
【識別番号】592131906
【氏名又は名称】みずほリサーチ＆テクノロジーズ株式会社
(74)【代理人】
【識別番号】100105957
【弁理士】
【氏名又は名称】恩田 誠
(74)【代理人】
【識別番号】100068755
【弁理士】
【氏名又は名称】恩田 博宣
(72)【発明者】
【氏名】西尾 禎治
(72)【発明者】
【氏名】根本 裕也
(72)【発明者】
【氏名】前川 秀正
【審査官】滝沢 和雄
(56)【参考文献】
【文献】特開２０１９－０３０６４８（ＪＰ，Ａ）
【文献】特開２０１６－２２１１００（ＪＰ，Ａ）
【文献】特開２０２１－０３５５０２（ＪＰ，Ａ）
【文献】特開２０２１－０６１８９５（ＪＰ，Ａ）
【文献】特開２０２１－０８３４８１（ＪＰ，Ａ）
【文献】特表２０２１－５１５６８２（ＪＰ，Ａ）
【文献】米国特許出願公開第２０２１／０１５４４９６（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｎ ５／１０
(57)【特許請求の範囲】
【請求項1】
粒子線の照射装置による照射状態を予測する制御部を備えた予測支援システムであって、前記制御部が、
粒子線の照射条件に基づく照射状態で、所定の患者状態にある患者に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の３次元放射能分布と、前記３次元放射能分布を２次元で計測した計測情報とを、シミュレーションにより算出し、
前記計測情報から前記変化を加えた場合の３次元放射能分布を予測するために、前記シミュレーションにより算出した３次元放射能分布を、前記計測情報に対応する３次元放射能分布に調整する調整係数行列を生成し、
前記粒子線の照射条件に基づいて粒子線が照射されて２次元で実測された計測結果を取得した場合、前記計測結果に前記調整係数行列を適用して、前記計測結果に対応する３次元放射能分布を予測することを特徴とする予測支援システム。
【請求項2】
前記照射状態の変化には、前記粒子線の飛程の変化が含まれることを特徴とする請求項１に記載の予測支援システム。
【請求項3】
前記患者状態の変化には、前記粒子線を照射する患部の形状の変化が含まれることを特徴とする請求項１又は２に記載の予測支援システム。
【請求項4】
制御部を備えた予測支援システムを用いて、粒子線の照射装置による照射状態を予測する方法であって、前記制御部が、粒子線の照射条件に基づく照射状態で、所定の患者状態にある患者に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の３次元放射能分布と、前記３次元放射能分布を２次元で計測した計測情報とを、シミュレーションにより算出する工程と、
前記制御部が、 前記計測情報から前記変化を加えた場合の３次元放射能分布を予測するために、前記シミュレーションにより算出した３次元放射能分布を、前記計測情報に対応する３次元放射能分布に調整する調整係数行列を生成する工程と、
前記制御部が、 前記粒子線の照射条件に基づいて粒子線が照射されて２次元で実測された計測結果を取得した場合、前記計測結果に前記調整係数行列を適用して、前記計測結果に対応する３次元放射能分布を予測することを特徴とする予測支援方法。
【請求項5】
制御部を備えた予測支援システムを用いて、粒子線の照射装置による照射状態を予測するプログラムであって、前記制御部を、
粒子線の照射条件に基づく照射状態で、所定の患者状態にある患者に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の３次元放射能分布と、前記３次元放射能分布を２次元で計測した計測情報とを、シミュレーションにより算出し、
前記計測情報から前記変化を加えた場合の３次元放射能分布を予測するために、前記シミュレーションにより算出した３次元放射能分布を、前記計測情報に対応する３次元放射能分布に調整する調整係数行列を生成し、
前記粒子線の照射条件に基づいて粒子線が照射されて２次元で実測された計測結果を取得した場合、前記計測結果に前記調整係数行列を適用して、前記計測結果に対応する３次元放射能分布を予測する手段として機能させることを特徴とする予測支援プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、粒子線を用いた治療を支援するための予測支援システム、予測支援方法及び予測支援プログラムに関する。
【背景技術】
【0002】
放射線を用いて治療を行なう場合、患者の被曝量を低減するために、的確な位置に適切な放射線量で照射する必要がある。このため、透視画像撮影装置によって患者に埋め込まれたマーカの現在位置を算出することにより、放射線治療中に透視するための撮影用放射線による患者の被曝量を低減する放射線治療制御装置が検討されている（例えば、特許文献１参照）。この文献に記載された技術では、一組の透視画像撮影装置から３つ以上のマーカの透視画像を取得し、各マーカ間の各々の距離を取得する。そして、各マーカの現在位置を算出することにより、治療用放射線を照射するか否かを判別する。
【0003】
また、高いエネルギで高速の粒子線を用いて、治療を行なう場合もある。粒子線の一つである陽子線は、入射陽子が体内で停止する寸前の場所で大きなエネルギを損失する。この場所に「ブラッグピーク」と呼ばれる高線量領域を形成する。このため、正常な領域のダメージを減らすことにより、体内の患部に強い放射線を集中的に照射することができる。このような粒子線（陽子線）の照射において、入射陽子核と患者体内にある標的原子核で起こる原子核破砕反応を利用して、陽子線照射領域の可視化情報から腫瘍に対する照射線量を誘導する技術も検討されている（例えば、非特許文献１参照）。この文献に記載された技術では、陽子線治療において標的原子核破砕反応によって患者体内の照射領域に生成されるポジトロン放出核を検出する陽電子断層装置（ＰＥＴ装置）である「Beam ON-LINE Positron Emission Tomography system」を用いる。このＰＥＴ装置を、陽子線回転ガントリー照射室内に設置することで、陽子線照射領域を可視化する。
【先行技術文献】
【特許文献】
【0004】
【文献】特開２０１３－１９２７０２号公報
【非特許文献】
【0005】
【文献】西尾禎治，“原子核破砕反応を利用した照射領域可視化による高精度陽子線治療“，［online］，２０１１年，一般財団法人 高度情報科学技術研究機構，ＲＩＳＴニュース，Ｎｏ．５０，ｐ．２４－３５，［令和３年１２月２４日検索］，インターネット＜URL：http://www.rist.or.jp/rnews/50/50s4.pdf＞
【発明の概要】
【発明が解決しようとする課題】
【0006】
しかしながら、上述した陽電子断層装置においては、３次元で生成された３次元放射能分布が２次元で計測される。このため、３次元の線量分布の確認が困難な場合がある。
【課題を解決するための手段】
【0007】
上記課題を解決する予測支援システムは、粒子線の照射装置による照射状態を予測する制御部を備える。そして、前記制御部が、粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の３次元放射能分布と、前記３次元放射能分布を２次元で計測した計測情報とを、シミュレーションにより算出し、前記計測情報から前記変化を加えた場合の３次元放射能分布を予測する予測モデルを生成し、前記粒子線の照射条件に基づいて粒子線を照射し、２次元で実測した計測結果を取得した場合、前記計測結果に前記予測モデルを適用して、前記計測結果に対応する３次元放射能分布を予測する。
【発明の効果】
【0008】
本開示は、粒子線の照射状態を的確に評価して、粒子線の照射による治療を支援することができる。
【図面の簡単な説明】
【0009】
【図1】実施形態の予測支援システムの説明図である。
【図2】実施形態のハードウェア構成の説明図である。
【図3】実施形態の粒子線の照射位置の説明図である。
【図4】実施形態の２次元で計測した放射能分布の説明図である。
【図5】実施形態の３次元放射能分布と２次元計測分布との関係の説明図である。
【図6】実施形態の処理手順の説明図である。
【図7】実施形態の学習時処理の処理手順の説明図である。
【図8】実施形態の教師情報の説明図である。
【図9】実施形態の調整係数の説明図である。
【図10】実施形態の予測時処理の処理手順の説明図である。
【発明を実施するための形態】
【0010】
以下、図１～図１０に従って、予測支援システム、予測支援方法及び予測支援プログラムを具体化した一実施形態を説明する。本実施形態では、粒子線としての陽子を患者の患部に照射して、患部の治療を行なう場合を説明する。
ここでは、ネットワークを介して接続された治療計画装置１０、支援装置２０、治療装置３０を用いる。
ここでは、ネットワークを介して接続された治療計画装置１０、支援装置２０、治療装置３０を用いる。
【0011】
（ハードウェア構成例）
図２は、治療計画装置１０、支援装置２０、治療装置３０等として機能する情報処理装置Ｈ１０のハードウェア構成例である。
図２は、治療計画装置１０、支援装置２０、治療装置３０等として機能する情報処理装置Ｈ１０のハードウェア構成例である。
【0012】
情報処理装置Ｈ１０は、通信装置Ｈ１１、入力装置Ｈ１２、表示装置Ｈ１３、記憶装置Ｈ１４、プロセッサＨ１５を有する。なお、このハードウェア構成は一例であり、他のハードウェアを有していてもよい。
【0013】
通信装置Ｈ１１は、他の装置との間で通信経路を確立して、データの送受信を実行するインタフェースであり、例えばネットワークインタフェースや無線インタフェース等である。
【0014】
入力装置Ｈ１２は、ユーザ等からの入力を受け付ける装置であり、例えばマウスやキーボード等である。表示装置Ｈ１３は、各種情報を表示するディスプレイやタッチパネル等である。
【0015】
記憶装置Ｈ１４は、治療計画装置１０、支援装置２０、治療装置３０の各種機能を実行するためのデータや各種プログラムを格納する記憶装置である。記憶装置Ｈ１４の一例としては、ＲＯＭ、ＲＡＭ、ハードディスク等がある。
【0016】
プロセッサＨ１５は、記憶装置Ｈ１４に記憶されるプログラムやデータを用いて、治療計画装置１０、支援装置２０、治療装置３０における各処理（例えば、後述する制御部２１における処理）を制御する。プロセッサＨ１５の一例としては、例えばＣＰＵやＭＰＵ等がある。このプロセッサＨ１５は、ＲＯＭ等に記憶されるプログラムをＲＡＭに展開して、各種処理に対応する各種プロセスを実行する。例えば、プロセッサＨ１５は、治療計画装置１０、支援装置２０、治療装置３０のアプリケーションプログラムが起動された場合、後述する各処理を実行するプロセスを動作させる。
【0017】
プロセッサＨ１５は、自身が実行するすべての処理についてソフトウェア処理を行なうものに限られない。例えば、プロセッサＨ１５は、自身が実行する処理の少なくとも一部についてハードウェア処理を行なう専用のハードウェア回路（例えば、特定用途向け集積回路：ＡＳＩＣ）を備えてもよい。すなわち、プロセッサＨ１５は、以下で構成し得る。
【0018】
〔１〕コンピュータプログラムに従って動作する１つ以上のプロセッサ
〔２〕各種処理のうち少なくとも一部の処理を実行する１つ以上の専用のハードウェア回路
〔３〕それらの組み合わせ、を含む回路
プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭ等のメモリを含み、メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード又は指令を格納している。メモリすなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。
〔２〕各種処理のうち少なくとも一部の処理を実行する１つ以上の専用のハードウェア回路
〔３〕それらの組み合わせ、を含む回路
プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭ等のメモリを含み、メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード又は指令を格納している。メモリすなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。
【0019】
（治療計画装置１０、支援装置２０、治療装置３０の機能）
次に、治療計画装置１０、支援装置２０、治療装置３０の機能を説明する。
治療計画装置１０は、患部に対して放射線の入射方法を検討し、適切な線量が処方できているかを確認するためのシミュレータである。この治療計画装置１０は、ＣＴ撮影装置から、所定の画像間隔で断層撮影したＣＴ画像（DICOMデータ）を取得する。そして、治療計画装置１０は、公知の方法を用いて、DICOMデータにおいて輪郭抽出を行ない、ＣＴ輪郭情報を生成する。このＣＴ輪郭情報は、DICOM ROI（Region Of Interest）データにより構成されており、所定間隔で撮影したＣＴ画像（断層画像）において特定した所定部位（体表面、骨、患部及びリスク臓器等）の輪郭を構成する点（座標）の集合体からなるデータである。この治療計画装置１０においては、患部の体表面形状、患部の形状、位置、リスク臓器との位置関係によって、治療ビームの線質、入射方向、照射範囲、処方線量・照射回数等を決定する。
次に、治療計画装置１０、支援装置２０、治療装置３０の機能を説明する。
治療計画装置１０は、患部に対して放射線の入射方法を検討し、適切な線量が処方できているかを確認するためのシミュレータである。この治療計画装置１０は、ＣＴ撮影装置から、所定の画像間隔で断層撮影したＣＴ画像（DICOMデータ）を取得する。そして、治療計画装置１０は、公知の方法を用いて、DICOMデータにおいて輪郭抽出を行ない、ＣＴ輪郭情報を生成する。このＣＴ輪郭情報は、DICOM ROI（Region Of Interest）データにより構成されており、所定間隔で撮影したＣＴ画像（断層画像）において特定した所定部位（体表面、骨、患部及びリスク臓器等）の輪郭を構成する点（座標）の集合体からなるデータである。この治療計画装置１０においては、患部の体表面形状、患部の形状、位置、リスク臓器との位置関係によって、治療ビームの線質、入射方向、照射範囲、処方線量・照射回数等を決定する。
【0020】
支援装置２０は、粒子線（陽子線）治療を支援するためのコンピュータシステムである。この支援装置２０は、制御部２１、治療情報記憶部２２、教師情報記憶部２３、学習結果記憶部２４を備えている。
【0021】
制御部２１は、後述する処理（計算段階、学習段階、予測段階等を含む処理）を行なう。このための予測支援プログラムを実行することにより、制御部２１は、計算部２１１、学習部２１２、予測部２１３等として機能する。
【0022】
計算部２１１は、シミュレーションにより、機械学習に用いる教師情報を作成する処理を実行する。この計算部２１１は、３次元放射能分布を調整するための変化要因を予め保持している。変化要因としては、例えば、３次元線量分布や、３次元ＣＴ画像を微修正するための画像処理係数を用いることができる。
学習部２１２は、機械学習により調整係数を算出する処理を実行する。
予測部２１３は、調整係数を用いて照射線量を予測する処理を実行する。
学習部２１２は、機械学習により調整係数を算出する処理を実行する。
予測部２１３は、調整係数を用いて照射線量を予測する処理を実行する。
【0023】
治療情報記憶部２２には、患者の治療のための陽子線照射についての治療管理情報が記録される。この治療管理情報は、治療計画装置１０から治療計画情報を取得した場合に記録される。この治療管理情報は、患者コード、治療予定日に関連付けて、ＣＴ輪郭情報、照射条件情報を含む。
【0024】
患者コードは、各患者を特定するための識別子である。
治療予定日は、この患者に対して、治療計画における陽子線照射による治療の予定日（年月日）である。
治療予定日は、この患者に対して、治療計画における陽子線照射による治療の予定日（年月日）である。
【0025】
ＣＴ輪郭情報には、患者状態として、この患者の患部のＣＴ画像において、所定部位（体表面、骨、患部及びリスク臓器等）の輪郭の位置情報が含まれる。
照射条件情報は、この患者に対して、治療予定日に照射する陽子線を照射する条件である。この照射条件により、照射状態（３次元線量分布や３次元放射能分布）を定める。照射条件情報には、陽子線の照射位置、照射方向、照射エネルギ、照射線量、ビーム照射法等に関する情報が含まれる。ここで、ビーム照射法には、例えば、「拡大ビーム照射法」や「スキャニング照射法」等がある。
照射条件情報は、この患者に対して、治療予定日に照射する陽子線を照射する条件である。この照射条件により、照射状態（３次元線量分布や３次元放射能分布）を定める。照射条件情報には、陽子線の照射位置、照射方向、照射エネルギ、照射線量、ビーム照射法等に関する情報が含まれる。ここで、ビーム照射法には、例えば、「拡大ビーム照射法」や「スキャニング照射法」等がある。
【0026】
教師情報記憶部２３には、調整係数を機械学習により算出するための教師情報が記録される。この教師情報は、学習時処理を行なった場合に記録される。この教師情報は、患者コード毎に、シミュレーション情報が記録される。
患者コードは、各患者を特定するための識別子である。
患者コードは、各患者を特定するための識別子である。
【0027】
シミュレーション情報には、以下が含まれる。
・変化要因がない場合の３次元放射能分布（シミュレーション）
この３次元放射能分布は、治療計画に基づいて、患者のＣＴ画像領域に、粒子線を照射した場合のシミュレーションにより算出される。
・変化要因がない場合の３次元放射能分布（シミュレーション）
この３次元放射能分布は、治療計画に基づいて、患者のＣＴ画像領域に、粒子線を照射した場合のシミュレーションにより算出される。
【0028】
・変化要因を加えた場合の３次元放射能分布（シミュレーション）
この３次元放射能分布は、変化要因を生じさせたシミュレーションにより算出される。変化要因としては、例えば、照射条件（量子線の飛程等）の変化や、ＣＴ画像領域（腫瘍等の患部形状の変化や患者の動き）の変化等がある。
この３次元放射能分布は、変化要因を生じさせたシミュレーションにより算出される。変化要因としては、例えば、照射条件（量子線の飛程等）の変化や、ＣＴ画像領域（腫瘍等の患部形状の変化や患者の動き）の変化等がある。
【0029】
・変化要因を加えた場合の２次元計測分布（シミュレーション）
この２次元計測分布は、変化要因を加えた場合の３次元放射能分布を２次元の平面で計測した場合を想定して算出される。
この２次元計測分布は、変化要因を加えた場合の３次元放射能分布を２次元の平面で計測した場合を想定して算出される。
【0030】
学習結果記憶部２４には、照射線量を算出するための調整係数情報が記録される。この調整係数情報は、学習時処理を行なった場合に記録される。この調整係数情報は、患者コード及び調整係数に関する情報を含む。
【0031】
患者コードは、各患者を特定するための識別子である。
調整係数は、患者の体部位における放射能（activity）分布から３次元照射線量を予測するための予測モデルである。
調整係数は、患者の体部位における放射能（activity）分布から３次元照射線量を予測するための予測モデルである。
【0032】
治療装置３０は、放射線を患部に照射することにより、がん等の患部の治療を行なう装置である。この治療装置３０には、患者Ｐ１が治療のための姿勢（仰臥や背臥等）を維持するための治療台が設けられている。そして、治療装置３０は、照射装置３１、検出装置３２を備える。
【0033】
照射装置３１は、治療台の患者Ｐ１に対して、粒子線を照射する装置（ガントリー）である。
検出装置３２は、陽子線治療において標的原子核破砕反応によって患者体内の照射領域に生成されるポジトロン放出核を検出する陽電子断層装置（ＰＥＴ装置）である。このポジトロン放出核の放出位置により、照射深さ位置（照射領域）を特定することができる。検出装置３２は、照射装置３１から照射される陽子線の照射方向の側面から、ポジトロン放出核を検出する計測面３２１，３２２を備える。
検出装置３２は、陽子線治療において標的原子核破砕反応によって患者体内の照射領域に生成されるポジトロン放出核を検出する陽電子断層装置（ＰＥＴ装置）である。このポジトロン放出核の放出位置により、照射深さ位置（照射領域）を特定することができる。検出装置３２は、照射装置３１から照射される陽子線の照射方向の側面から、ポジトロン放出核を検出する計測面３２１，３２２を備える。
【0034】
図３を用いて、例えば、頸部に粒子線を照射する場合を説明する。この場合には、患者Ｐ１の頚部の後方の照射装置３１から粒子線を照射する。そして、頭部の両側に配置された検出装置３２の計測面３２１，３２２により、２次元で放射能分布を計測する。
【0035】
この場合、図４に示すように、２次元の計測画像３５０において、頚部の放射能分布Ａ１が計測される。
図５に示すように、ｘ軸方向から照射された粒子線により、体内の３次元空間（ｘ，ｙ，ｚ）において放射能が生じる。そして、この放射能は、平面の計測面３２１，３２２により、計測面（ｘ，ｙ）で計測される。この計測面（ｘ，ｙ）においては、ｚ軸方向の放射能分布が圧縮されている。
図５に示すように、ｘ軸方向から照射された粒子線により、体内の３次元空間（ｘ，ｙ，ｚ）において放射能が生じる。そして、この放射能は、平面の計測面３２１，３２２により、計測面（ｘ，ｙ）で計測される。この計測面（ｘ，ｙ）においては、ｚ軸方向の放射能分布が圧縮されている。
【0036】
そこで、図６に示すように、シミュレーションにより、治療計画に基づいて３次元線量分布５０１（基準線量分布）を算出する。次に、患者のＣＴ画像領域に応じて、シミュレーションにより３次元放射能分布５０２を生成する。そして、ｚ軸方向を圧縮した２次元計測分布５０３を算出する。実測により２次元計測分布５０４を取得した場合、２次元計測分布５０３と２次元計測分布５０４とは対応する。
【0037】
この場合、粒子線照射の放射能分布のシミュレーション結果と、実際の放射能分布とは以下の関係を有する。
【0038】
【数1】
【0039】
A3D-mea.は、実際の３次元放射能分布である。
A2D-mea.は、実際に計測された放射能の２次元計測分布（計測結果）である。
A3D-cal.は、照射シミュレーションによる３次元放射能分布である。
A2D-cal.は、照射シミュレーションによる２次元放射能分布（計測情報）である。
A2D-mea.は、実際に計測された放射能の２次元計測分布（計測結果）である。
A3D-cal.は、照射シミュレーションによる３次元放射能分布である。
A2D-cal.は、照射シミュレーションによる２次元放射能分布（計測情報）である。
【0040】
一方、照射状態や患者状態によって、照射シミュレーションと実際の照射とがずれることがある。この場合、２次元計測分布５０３と２次元計測分布５０４とにずれが生じる。
この場合には、以下の関係式を用いて調整する。
この場合には、以下の関係式を用いて調整する。
【0041】
【数2】
A’3D-mea.は、変化要因を加えた実際の３次元放射能分布である。
Ｆは、変化要因を調整する係数（調整係数）である。
【0042】
以下では、調整係数Ｆを機械学習により算出し、治療時にこの調整係数Ｆを用いて、実際の３次元放射能分布５０５を予測する。
【0043】
【0044】
（学習時処理）
図７を用いて、学習時処理を説明する。
まず、支援装置２０の制御部２１は、３次元放射能分布の取得処理を実行する（ステップＳ１１）。具体的には、制御部２１の計算部２１１は、治療計画に基づいて粒子線を照射する線量分布を取得する。
図７を用いて、学習時処理を説明する。
まず、支援装置２０の制御部２１は、３次元放射能分布の取得処理を実行する（ステップＳ１１）。具体的には、制御部２１の計算部２１１は、治療計画に基づいて粒子線を照射する線量分布を取得する。
【0045】
ここでは、図８に示すように、３次元線量分布５０１に対して、シミュレーションにより３次元放射能分布５０２ａを生成する。
次に、変化要因５０６を加えたシミュレーションにより３次元放射能分布５０２ｂを生成する。そして、この３次元放射能分布５０２ｂに対応する２次元計測分布５０３を算出することにより教師情報を生成する。
次に、変化要因５０６を加えたシミュレーションにより３次元放射能分布５０２ｂを生成する。そして、この３次元放射能分布５０２ｂに対応する２次元計測分布５０３を算出することにより教師情報を生成する。
【0046】
このため、支援装置２０の制御部２１は、変化要因毎に以下の処理を繰り返す。
まず、支援装置２０の制御部２１は、変化要因の付与処理を実行する（ステップＳ１２）。具体的には、制御部２１の計算部２１１は、予め保持している変化要因（粒子線の飛程の変化やＣＴ画像領域の変化）を取得する。「粒子線の飛程の変化」については、３次元線量分布５０１に対して、変化要因の画像処理係数を乗算して微調整する。「ＣＴ画像領域の変化」については、患者のＣＴ画像に対して、変化要因の画像処理係数を乗算して微調整する。
まず、支援装置２０の制御部２１は、変化要因の付与処理を実行する（ステップＳ１２）。具体的には、制御部２１の計算部２１１は、予め保持している変化要因（粒子線の飛程の変化やＣＴ画像領域の変化）を取得する。「粒子線の飛程の変化」については、３次元線量分布５０１に対して、変化要因の画像処理係数を乗算して微調整する。「ＣＴ画像領域の変化」については、患者のＣＴ画像に対して、変化要因の画像処理係数を乗算して微調整する。
【0047】
次に、支援装置２０の制御部２１は、変化要因を加えた場合の３次元放射能分布の算出処理を実行する（ステップＳ１３）。具体的には、制御部２１の計算部２１１は、変化要因５０６を含めたシミュレーションにより、３次元放射能分布５０２ｂを算出する。
【0048】
次に、支援装置２０の制御部２１は、２次元で計測した放射能分布の算出処理を実行する（ステップＳ１４）。具体的には、制御部２１の計算部２１１は、算出した３次元放射能分布５０２ｂから、計測面で計測した２次元計測分布５０３を算出する。この２次元計測分布５０３には、変化要因５０６が考慮されている。
【0049】
次に、支援装置２０の制御部２１は、教師情報の登録処理を実行する（ステップＳ１５）。具体的には、制御部２１の学習部２１２は、３次元放射能分布５０２ａ、変化要因５０６を考慮した３次元放射能分布５０２ｂ、変化要因を考慮した２次元計測分布５０３を組み合わせて教師情報２３０を生成する。そして、学習部２１２は、生成した教師情報２３０を教師情報記憶部２３に記録する。
すべての変化要因について終了するまで、上記処理を繰り返す。
すべての変化要因について終了するまで、上記処理を繰り返す。
【0050】
そして、支援装置２０の制御部２１は、機械学習処理を実行する（ステップＳ１６）。ここでは、制御部２１の学習部２１２は、教師情報記憶部２３に記録された教師情報２３０を用いて、機械学習により、調整係数Ｆを算出する。
【0051】
具体的には、図９に示すように、シミュレーションによって生成した３次元放射能分布５０２ａ、変化要因を加えた２次元計測分布５０３に基づいて、３次元放射能分布５０２ｂを予測するための調整係数Ｆを算出する。そして、学習部２１２は、算出した調整係数Ｆを、患者コードに関連付けて学習結果記憶部２４に記録する。
【0052】
（予測時処理）
次に、図１０を用いて、予測時処理を説明する。この処理は、患者に対して粒子線照射による治療が行なわれた場合に実行する。
次に、図１０を用いて、予測時処理を説明する。この処理は、患者に対して粒子線照射による治療が行なわれた場合に実行する。
【0053】
まず、支援装置２０の制御部２１は、治療計画の取得処理を実行する（ステップＳ２１）。具体的には、制御部２１の予測部２１３は、粒子線照射を行なう患者の患者コードに関連付けられた治療計画（照射条件、ＣＴ画像）を治療計画装置１０から取得する。そして、予測部２１３は、治療計画の照射条件を用いて３次元線量分布を算出する。
次に、支援装置２０の制御部２１は、治療計画上の３次元放射能分布の算出処理を実行する（ステップＳ２２）。具体的には、制御部２１の予測部２１３は、３次元線量分布、ＣＴ画像を用いて、３次元放射能分布を算出する。この３次元放射能分布では、変動要因は考慮されていない。
次に、支援装置２０の制御部２１は、治療計画上の３次元放射能分布の算出処理を実行する（ステップＳ２２）。具体的には、制御部２１の予測部２１３は、３次元線量分布、ＣＴ画像を用いて、３次元放射能分布を算出する。この３次元放射能分布では、変動要因は考慮されていない。
【0054】
次に、支援装置２０の制御部２１は、２次元で計測した放射能分布の取得処理を実行する（ステップＳ２３）。具体的には、制御部２１の予測部２１３は、放射線照射を行なった場合、２次元計測分布を検出装置３２から取得する。
【0055】
次に、支援装置２０の制御部２１は、３次元放射能分布の予測処理を実行する（ステップＳ２４）。具体的には、制御部２１の予測部２１３は、学習結果記憶部２４から、患者コードに関連付けられた調整係数Ｆを取得する。これは〔数２〕における調整係数Ｆである。次に、予測部２１３は、取得した２次元計測分布、治療計画上の３次元放射能分布に対して、取得した調整係数Ｆを用いて、実際の３次元放射能分布を予測する。
そして、治療計画上の３次元放射能分布と、実際の３次元放射能分布とに差異がある場合、必要に応じて治療計画における照射条件を調整する。
そして、治療計画上の３次元放射能分布と、実際の３次元放射能分布とに差異がある場合、必要に応じて治療計画における照射条件を調整する。
【0056】
本実施形態によれば、以下のような効果を得ることができる。
（１）本実施形態では、支援装置２０の制御部２１は、変化要因の付与処理（ステップＳ１２）、変化要因を加えた場合の３次元放射能分布の算出処理（ステップＳ１３）、２次元で計測した放射能分布の算出処理（ステップＳ１４）を実行する。これにより、治療計画の照射条件に対して、変化要因を考慮した放射能分布について２次元計測分布を生成することができる。
（１）本実施形態では、支援装置２０の制御部２１は、変化要因の付与処理（ステップＳ１２）、変化要因を加えた場合の３次元放射能分布の算出処理（ステップＳ１３）、２次元で計測した放射能分布の算出処理（ステップＳ１４）を実行する。これにより、治療計画の照射条件に対して、変化要因を考慮した放射能分布について２次元計測分布を生成することができる。
【0057】
（２）本実施形態では、支援装置２０の制御部２１は、機械学習処理を実行する（ステップＳ１６）。これにより、取得した２次元計測分布から３次元放射能分布を予測するための情報を生成することができる。特に、全体の放射能分布に対して、変化要因の影響が小さいため、調整係数Ｆを用いて、効率的に３次元放射能分布を予測することができる。
【0058】
（３）本実施形態では、支援装置２０の制御部２１は、２次元で計測した放射能分布の取得処理（ステップＳ２３）、３次元放射能分布の予測処理（ステップＳ２４）を実行する。これにより、治療を行ないながら、粒子線の照射状況を迅速に確認することができる。そして、必要に応じて、照射条件を変更することができる。
【0059】
本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・上記実施形態では、粒子線として陽子線を用いる。ここで、粒子線は陽子線に限定されるものではなく、例えば、炭素線等を用いることも可能である。
・上記実施形態では、粒子線として陽子線を用いる。ここで、粒子線は陽子線に限定されるものではなく、例えば、炭素線等を用いることも可能である。
【0060】
・上記実施形態では、検出装置３２として、患者体内の照射領域に生成されるポジトロン放出核を検出する陽電子断層装置を用いる。照射領域を検出できれば、ポジトロン放出核の検出に限定されるものではない。
【0061】
・上記実施形態では、支援装置２０の制御部２１は、機械学習処理を実行する（ステップＳ１６）。ここでは、３次元放射能分布５０２ａ、変化要因を加えた２次元計測分布５０３に基づいて、３次元放射能分布５０２ｂを予測するための調整係数Ｆを算出する。実際の３次元放射能分布を予測できれば、入力層、出力層の変数は、これらに限定されるものではない。例えば、治療計画の照射条件、２次元計測分布に基づいて、実際の３次元放射能分布を予測するようにしてもよい。また、入力層において、治療計画の線量分布を用いたシミュレーションによって算出した２次元計測分布を用いてもよい。
【0062】
・上記実施形態では、学習結果記憶部２４には、照射線量を算出するための調整係数情報が記録される。ここでは、３×３の行列を用いる。予測に用いる情報は、行列に限定されるものではない。例えば、入力層、中間層、出力層からなるネットワークを用いてもよい。
【0063】
例えば、入力層には、治療計画から定まる照射状態、２次元で実測した２次元放射能分布（計測結果）を用いる。出力層には、変化要因、変化要因を考慮した３次元放射能分布を用いる。これにより、２次元放射能分布（計測結果）に応じて、実際の３次元放射能分布及び変化要因を予測することができる。
【符号の説明】
【0064】
１０…治療計画装置、２０…支援装置、２１…制御部、２１１…計算部、２１２…学習部、２１３…予測部、２２…治療情報記憶部、２３…教師情報記憶部、２４…学習結果記憶部、３０…治療装置、３１…照射装置、３２…検出装置。
【要約】
【課題】粒子線の照射による治療を支援するための予測支援システム、予測支援方法及び予測支援プログラムを提供する。
【解決手段】支援装置２０は、粒子線の照射装置による照射状態を予測する制御部２１を備える。制御部２１が、粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、照射状態及び患者状態の少なくとも一方に変化を加えた場合の３次元放射能分布と、３次元放射能分布を２次元で計測した計測情報とを、シミュレーションにより算出する。制御部２１は、計測情報から変化を加えた場合の３次元放射能分布を予測する予測モデルを生成し、粒子線の照射条件に基づいて粒子線を照射する。制御部２１は、２次元で実測した計測結果を取得した場合、計測結果に予測モデルを適用して、計測結果に対応する３次元放射能分布を予測する。
【選択図】図１
【解決手段】支援装置２０は、粒子線の照射装置による照射状態を予測する制御部２１を備える。制御部２１が、粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、照射状態及び患者状態の少なくとも一方に変化を加えた場合の３次元放射能分布と、３次元放射能分布を２次元で計測した計測情報とを、シミュレーションにより算出する。制御部２１は、計測情報から変化を加えた場合の３次元放射能分布を予測する予測モデルを生成し、粒子線の照射条件に基づいて粒子線を照射する。制御部２１は、２次元で実測した計測結果を取得した場合、計測結果に予測モデルを適用して、計測結果に対応する３次元放射能分布を予測する。
【選択図】図１
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】