知財求人 - 知財ポータルサイト「IP Force」
▶ オハイオ ステート イノベーション ファンデーションの特許一覧 ▶ ジョージア テック リサーチ コーポレイションの特許一覧
特表2024-525240患者固有のイメージング・スキャンから植え込み可能なデバイスのジオメトリを再構成するためのシステム及び方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-07-11
(54)【発明の名称】患者固有のイメージング・スキャンから植え込み可能なデバイスのジオメトリを再構成するためのシステム及び方法
(51)【国際特許分類】
A61B 34/10 20160101AFI20240704BHJP
A61F 2/24 20060101ALI20240704BHJP
A61B 6/03 20060101ALI20240704BHJP
G06T 19/20 20110101ALI20240704BHJP
【ＦＩ】
A61B34/10
A61F2/24
A61B6/03 577
A61B6/03 560G
G06T19/20
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023570182
(86)(22)【出願日】2022-05-11
(85)【翻訳文提出日】2023-12-27
(86)【国際出願番号】 US2022072250
(87)【国際公開番号】W WO2022241431
(87)【国際公開日】2022-11-17
(31)【優先権主張番号】63/187,057
(32)【優先日】2021-05-11
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】519460867
【氏名又は名称】オハイオ ステート イノベーション ファンデーション
(71)【出願人】
【識別番号】505477235
【氏名又は名称】ジョージア テック リサーチ コーポレイション
(74)【代理人】
【識別番号】110000855
【氏名又は名称】弁理士法人浅村特許事務所
(72)【発明者】
【氏名】ダシ、ラクシュミー プラサド
(72)【発明者】
【氏名】チェン、ホアン
(72)【発明者】
【氏名】エスマイリー、ファテマ
(72)【発明者】
【氏名】サマエー、ミラド
(72)【発明者】
【氏名】シバクマール、スリ、クリシュナ
(72)【発明者】
【氏名】イェイツ、ブランダン、アンドレ、バトラー
【テーマコード（参考）】
4C093
4C097
5B050
【Ｆターム（参考）】
4C093AA22
4C093AA25
4C093FF12
4C093FF13
4C093FF37
4C093FF42
4C097AA27
4C097BB01
4C097BB10
4C097SB01
5B050AA02
5B050BA09
5B050CA07
5B050CA08
5B050EA26
5B050FA02
(57)【要約】
患者に植え込まれたイン・ビボ心臓弁デバイスのモデルは、植え込み前心臓弁デバイスの知られているモデルを提供することと、植え込み心臓弁デバイスを有する患者にイメージング・スキャンを実行して、少なくとも１つの患者固有のランドマークを取得することと、少なくとも１つの患者固有のランドマークに適合するように知られているモデルを変形させて、構成された患者固有の弁モデルを取得することと、有限要素解析によって構成された患者固有の弁モデルに対して弁尖及びスカートをシミュレートすることとを行うことによって生成される。構成された患者固有の弁モデルが、植え込み心臓弁デバイスのジオメトリを、０．５ｍｍ未満の誤差で植え込み心臓弁デバイスの現在のイン・ビボ形態において正確に表す。
【特許請求の範囲】
【請求項1】
患者に植え込まれたイン・ビボ心臓弁デバイスのモデルであって、植え込み前心臓弁デバイスの知られているモデルを提供することと、
植え込み心臓弁デバイスを有する前記患者にイメージング・スキャンを実行して、少なくとも１つの患者固有のランドマークを取得することと、
前記少なくとも１つの患者固有のランドマークに適合するように前記知られているモデルを変形させて、構成された患者固有の弁モデルを取得することと、
有限要素解析によって前記構成された患者固有の弁モデルに対して弁尖及びスカートをシミュレートすることと
を行うことによって生成され、
前記構成された患者固有の弁モデルが、前記植え込み心臓弁デバイスのジオメトリを、０．５ｍｍ未満の誤差で前記植え込み心臓弁デバイスの現在のイン・ビボ形態において正確に表す、モデル。
【請求項2】
前記構成された患者固有の弁モデルが、前記植え込み心臓弁デバイスの前記ジオメトリを、０．１ｍｍ未満の誤差で前記植え込み心臓弁デバイスの現在のイン・ビボ形態において正確に表す、請求項１に記載のモデル。
【請求項3】
前記植え込み前心臓弁デバイスの前記知られているモデルが、前記植え込み前弁のマイクロＣＴスキャンから再構成される、請求項１に記載のモデル。
【請求項4】
前記心臓弁デバイスが、経カテーテル大動脈弁（ＴＡＶ）、経カテーテル僧帽弁（ＴＭＶ）、生体外科用弁（ＳＡＶ）、金属製又は放射線不透過性のインプラントである、請求項１に記載のモデル。
【請求項5】
前記構成された患者固有の弁モデルが、患者固有の術後評価及び評定のためのモデルをさらに含む、請求項１に記載のモデル。
【請求項6】
前記構成された患者固有の弁モデルが、心臓弁デバイス置換又は再構成に必要な高忠実度の術前評価又は介入的処置前計画のモデル化をさらに含む、請求項１に記載のモデル。
【請求項7】
前記高忠実度の術前評価が、バルブ・イン・バルブ（ＶｉＶ）における境界条件を開発することを含む、請求項６に記載のモデル。
【請求項8】
前記イメージング・スキャンが、ＣＴスキャン又はＭＲＩスキャンである、請求項１に記載のモデル。
【請求項9】
前記イメージング・スキャンから１２個以下の患者固有のランドマークが取得される、請求項１に記載のモデル。
【請求項10】
前記少なくとも１つの患者固有のランドマークに適合するように前記知られているモデルを変形させて、構成された患者固有の弁モデルを取得することが、マルチパス照合フレームワークを用いて実行される、請求項１に記載の方法。
【請求項11】
患者に植え込まれたイン・ビボ・デバイスのモデルであって、植え込み前デバイスの知られているモデルを提供することと、
植え込みデバイスを有する前記患者にイメージング・スキャンを実行して、少なくとも１つの患者固有のランドマークを取得することと、
前記少なくとも１つの患者固有のランドマークに適合するように前記知られているモデルを変形させて、構成された患者固有のモデルを取得することと
を行うことによって生成され、
前記構成された患者固有のモデルが、前記植え込みデバイスのジオメトリを、０．５ｍｍ未満の誤差で前記植え込みデバイスの現在のイン・ビボ形態において正確に表す、モデル。
【請求項12】
前記構成された患者固有のモデルが、前記植え込みデバイスの前記ジオメトリを、０．１ｍｍ未満の誤差で前記植え込みデバイスの現在のイン・ビボ形態において正確に表す、請求項１１に記載のモデル。
【請求項13】
患者固有の心臓弁デバイス・モデルを生成する方法であって、植え込み前心臓弁デバイスの知られているモデルを提供することと、
植え込み心臓弁デバイスを有する患者にイメージング・スキャンを実行して、少なくとも１つの患者固有のランドマークを取得することと、
前記少なくとも１つの患者固有のランドマークに適合するように前記知られているモデルを変形させて、構成された患者固有の弁モデルを取得することと、
有限要素解析によって前記構成された患者固有の弁モデルに対して弁尖及びスカートをシミュレートすることと
を含み、
前記構成された患者固有の弁モデルが、前記患者固有の心臓弁デバイスのジオメトリを、０．５ｍｍ未満の誤差で前記患者固有の心臓弁デバイスの現在のイン・ビボ形態において正確に表す、方法。
【請求項14】
前記構成された患者固有の弁モデルが、前記患者固有の心臓弁デバイスの前記ジオメトリを、０．１ｍｍ未満の誤差で前記患者固有の心臓弁デバイスの現在のイン・ビボ形態において正確に表す、請求項１３に記載の方法。
【請求項15】
前記植え込み前心臓弁デバイスの前記知られているモデルが、前記植え込み前弁のマイクロＣＴスキャンから再構成される、請求項１３に記載の方法。
【請求項16】
前記心臓弁デバイスが、経カテーテル大動脈弁（ＴＡＶ）、経カテーテル僧帽弁（ＴＭＶ）、生体外科用弁（ＳＡＶ）、金属製又は放射線不透過性のインプラントである、請求項１３に記載の方法。
【請求項17】
前記構成された患者固有の弁モデルが、患者固有の術後評価及び評定のためのモデルをさらに含む、請求項１３に記載の方法。
【請求項18】
前記構成された患者固有の弁モデルが、心臓弁デバイス置換又は再構成に必要な高忠実度の術前評価又は介入的処置前計画のモデル化をさらに含む、請求項１３に記載の方法。
【請求項19】
前記高忠実度の術前評価が、バルブ・イン・バルブ（ＶｉＶ）における境界条件を開発することを含む、請求項１８に記載の方法。
【請求項20】
前記イメージング・スキャンが、ＣＴスキャン又はＭＲＩスキャンである、請求項１３に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
本出願は、２０２１年５月１１日に出願された米国仮特許出願第６３／１８７，０５７号の優先権を主張し、その全体が参照によって本明細書に組み込まれる。
【背景技術】
【0002】
生体弁尖の不可避的な構造的劣化に起因して、外科的大動脈弁置換術（ＳＡＶＲ：ｓｕｒｇｉｃａｌ ａｏｒｔｉｃ ｖａｌｖｅ ｒｅｐｌａｃｅｍｅｎｔ）又は経カテーテル大動脈弁置換術（ＴＡＶＲ：ｔｒａｎｓｃａｔｈｅｔｅｒ ａｏｒｔｉｃ ｖａｌｖｅ ｒｅｐｌａｃｅｍｅｎｔ）を受けた患者が、第２の介入を必要とする場合がある。例えば、この問題に対する最小侵襲の解決策として、劣化したＳＡＶ又はＴＡＶにおけるＴＡＶ植え込みの成功例が、報告されている。ＴＡＶＲの適用が、中リスク集団、さらには低リスク集団にさえ拡大するにつれて、より多くの患者が、第２の又は場合により第３のＴＡＶＲを必要とするようになる。ＶｉＶ処置に関連する合併症を回避するために、既存弁に関連付けられる弁アンカ固定、弁傍漏出、及び冠動脈閉塞に対処するための徹底した処置前計画を実行する必要がある。
【発明の概要】
【発明が解決しようとする課題】
【0003】
高度な処置前計画は、通常、有限要素解析（ＦＥＡ：ｆｉｎｉｔｅ ｅｌｅｍｅｎｔ ａｎａｌｙｓｅｓ）を使用して弁展開をモデル化することや、数値流体力学（ＣＦＤ：ｃｏｍｐｕｔａｔｉｏｎａｌ ｆｌｕｉｄ ｄｙｎａｍｉｃｓ）シミュレーションを使用して血液動態を評定することを伴う。高忠実度の術前シミュレーションのために既存弁のジオメトリを正確に決定することは有益である。しかし、金属製ステントによって引き起こされるブルーミング・アーティファクトにより、患者のＣＴスキャンからセグメント化された弁ステントは、数倍厚く見える。さらに、組織の信号強度が低いことにより、ＣＴスキャンから生体弁尖をセグメント化することは、困難であり、弁尖による冠動脈閉塞の予測を難しくしている。この問題に対処するための１つの方法は、患者のＴＡＶＲ前の解剖学構造において弁を展開するＰＥＡベースのシミュレーションを使用して、最終的な弁ジオメトリの捕捉を試みることである。ただし、本方法に関連付けられる誤差は、通常２～４ｍｍの範囲内に入る。クリーンなステント・フレームを再構成する試みが実行されてきたが、従来技術の方法は、複雑且つ弁固有であったり、モデルに弁尖やスカートを含んでいなかったりした。
【課題を解決するための手段】
【0004】
（例えば、ブルーミング・アーティファクトが排除された）患者固有のＣＴスキャンから植え込みデバイスのジオメトリ（例えば、植え込みＴＡＶ又はＳＡＶのジオメトリ）を正確に復元するための画像ベースの照合フレームワークを使用する例示的な方法及びシステムが開示される。例示的な方法及びシステムは、既知の弁モデルを利用することによって、また、画像ベースの照合フレームワークを採用することによってＣＴスキャンから患者固有の弁ジオメトリを正確に再構成するように構成される。
【0005】
いくつかの態様では、例示的なシステム及び方法は、デバイスの製造業者から、又はマイクロＣＴスキャンからのリバース・エンジニアリングにより、植え込みデバイス（例えば、ＳＡＶ／ＴＡＶ）のクリーンなモデルを取得することによって開始する。次いで、この参照モデル（例えば、弁モデル）と患者固有の植え込みモデル（患者固有のステント）との間の数個の対応するランドマークが位置合わせの初期パスとして使用される。続いて、強度ベースの非剛体Ｂスプライン照合が実行されてもよく、患者のＣＴスキャンにおけるものと正確に一致するようにクリーンなステント・モデルが改変されてもよい。最後に、患者固有の弁モデルを生成するために、弁の弁尖及びスカートに変換が適用され得る。
【0006】
数個のランドマークを手動で選択するだけで、例えば、０．５ｍｍ未満の誤差で高度に正確である、復元された患者固有の植え込みモデル（例えば、患者固有の弁モデル）を生成することができる。
【0007】
本モデルは、術後評価のために、又は処置前計画（例えば、ＶｉＶ処置前計画）において使用されてもよい。本モデルはまた、ＴＡＶＲ後の評定及び高忠実度の術前ＶｉＶ評価のために使用され得る。これはまた、患者固有の弁展開シミュレーションを検証するためのグランド・トゥルースとして使用され得る。
【0008】
一態様では、患者に植え込まれたイン・ビボ心臓弁デバイスのモデルは、植え込み前心臓弁デバイスの知られているモデルを提供することと、植え込み心臓弁デバイスを有する患者にイメージング・スキャンを実行して、少なくとも１つの患者固有のランドマークを取得することと、少なくとも１つの患者固有のランドマークに適合するように知られているモデルを変形させて、構成された患者固有の弁モデルを取得することと、有限要素解析によって構成された患者固有の弁モデルに対して弁尖及びスカートをシミュレートすることとを行うことによって生成される。構成された患者固有の弁モデルは、植え込み心臓弁デバイスのジオメトリを、０．５ｍｍ未満の誤差で植え込み心臓弁デバイスの現在のイン・ビボ形態において正確に表す。
【0009】
一態様では、患者に植え込まれたイン・ビボ・デバイスのモデルは、植え込み前デバイスの知られているモデルを提供することと、植え込みデバイスを有する患者にイメージング・スキャンを実行して、少なくとも１つの患者固有のランドマークを取得することと、少なくとも１つの患者固有のランドマークに適合するように知られているモデルを変形させて、構成された患者固有のモデルを取得することとを行うことによって生成される。構成された患者固有のモデルは、植え込みデバイスのジオメトリを、０．５ｍｍ未満の誤差で植え込みデバイスの現在のイン・ビボ形態において正確に表す。
【0010】
一態様では、患者固有の心臓弁デバイス・モデルを生成する方法は、植え込み前心臓弁デバイスの知られているモデルを提供することと、植え込み心臓弁デバイスを有する患者にイメージング・スキャンを実行して、少なくとも１つの患者固有のランドマークを取得することと、少なくとも１つの患者固有のランドマークに適合するように知られているモデルを変形させて、構成された患者固有の弁モデルを取得することと、有限要素解析によって構成された患者固有の弁モデルに対して弁尖及びスカートをシミュレートすることとを含む。構成された患者固有の弁モデルは、患者固有の心臓弁デバイスのジオメトリを、０．５ｍｍ未満の誤差で患者固有の心臓弁デバイスの現在のイン・ビボ形態において正確に表す。
【図面の簡単な説明】
【0011】
【図1】患者固有のＣＴスキャンからＴＡＶ／ＳＡＶジオメトリを再構成するための画像照合ベースの方法のフローチャートである。
【図2A】マイクロＣＴスキャンをリバース・エンジニアリングすることによって取得されるＴＡＶＲのクリーンなＣＡＤモデルを示す図である。
【図2B】ボクセル化されたモデル及び選択されたランドマークの断面図である。
【図2C】ボクセル化されたモデル及び選択されたランドマークの断面図である。
【図2D】閾値処理によってセグメント化された患者固有の弁を示す図である。
【図3A】提供されたランドマークを使用する初期剛体位置合わせ後を示す、照合プロセスのステップ中におけるステント・モデルと患者のＣＴスキャンとの間の比較を示す図である。
【図3B】ランドマークベースの非剛体位置合わせ後を示す、照合プロセスのステップ中におけるステント・モデルと患者のＣＴスキャンとの間の比較を示す図である。
【図3C】最終的な強度ベースのＢスプライン変形可能照合後を示す、照合プロセスのステップ中におけるステント・モデルと患者のＣＴスキャンとの間の比較を示す図である。
【図4A】サンプルの注釈付きスライスを示す、照合されたステント・モデルと患者のＣＴスキャンとの間の比較を示す断面図である。
【図4B】様々なロケーションにおけるスライスを示す、照合されたステント・モデルと患者のＣＴスキャンとの間の比較を示す様々な断面図である。
【図5A】本発明の方法を使用して取得されたサンプルの患者固有の（自己拡張型）弁モデルを示す側面図である。
【図5B】本発明の方法を使用して取得されたサンプルの患者固有の（自己拡張型）弁モデルを示す上面図である。
【図5C】本発明の方法を使用して取得されたサンプルの患者固有の（自己拡張型）弁モデルを示す底面図である。
【図6A】マイクロＣＴスキャンから取得された元のモデルを示す、本発明の方法を使用して取得されたサンプルの患者固有の（バルーン拡張型）弁モデルを示す図である。
【図6B】照合されたステントと患者のＣＴスキャンからセグメント化されたモデルとの間の比較を示す、本発明の方法を使用して取得されたサンプルの患者固有の（バルーン拡張型）弁モデルを示す図である。
【図6C】最終的な照合された弁モデルを示す、本発明の方法を使用して取得されたサンプルの患者固有の（バルーン拡張型）弁モデルを示す図である。
【図6D】最終的な照合された弁モデルを示す、本発明の方法を使用して取得されたサンプルの患者固有の（バルーン拡張型）弁モデルを示す図である。
【図7A】合成誤差評定を示す、展開後の知られているステント（グランド・トゥルース）を示す図である。
【図7B】合成誤差評定を示す、ブルーミング・アーティファクトを模倣するガウシアンぼかしアルゴリズムを適用した後のステントを示す図である。
【図7C】合成誤差評定を示す、照合されたステントとグランド・トゥルースとの間の比較を示す図である。照合されたステントは、より暗いグレイで示されている。
【図7D】合成誤差評定を示す、ノード間の偏差の分布を（ｍｍ単位で）示すヒストグラムである。
【図8A】合成誤差評定及び感度解析を示す、平均誤差（１０個のケース）及び計算時間（１つのＥｖｏｌｕｔのケースのみ）に対するグリッド・サイズの影響を示す図である。
【図8B】合成誤差評定及び感度解析を示す、１つのＥｖｏｌｕｔのケースについての照合精度及び計算時間に対する選択されたランドマークの数の影響を示す図である。
【図10A】ステントにおける応力分布を推定するためのＦＥＡシミュレーションを示し、無変形のバウンディング・ボックスを有するステントを示す図である。スケールは、ＭＰａにおける応力分布を示す。
【図10B】ステントにおける応力分布を推定するためのＦＥＡシミュレーションを示し、バウンディング・ボックスによって圧着されたステントを示す図である。スケールは、ＭＰａにおける応力分布を示す。
【図10C】ステントにおける応力分布を推定するためのＦＥＡシミュレーションを示し、図１０Ｄ（グランド・トゥルース）と比較される推定された応力分布を示す図である。スケールは、ＭＰａにおける応力分布を示す。
【図10D】ステントにおける応力分布を推定するためのＦＥＡシミュレーションを示し、グランド・トゥルースを示す図である。スケールは、ＭＰａにおける応力分布を示す。
【図11】本明細書で説明される例示的な方法の出力を使用することができるソフトウェア・コンポーネントを実行可能なコンピュータ・システムの例示的なコンピュータ・アーキテクチャを示す図である。
【発明を実施するための形態】
【0012】
ＣＴスキャンから患者固有の弁ジオメトリを再構成するためのシステム及び高速且つ正確な方法である。本アプローチは、既知の弁トポロジを利用する。数個の手動で選択されたランドマークによってガイドされ、知られている弁モデルは、画像照合ベースのフレームワークを使用して強度空間における患者固有のデータに適合するように変形される。結果は、構成された患者固有の弁モデルが、高度に正確であり、平均誤差が０．１ｍｍ前後となり、心臓ＣＴスキャンの典型的な解像度よりも低いことを示している。変形された弁尖の形状及び応力分布は、変形ステントから導出された境界条件を使用してＦＥＡシミュレーションで復元することができる。また、簡易的な圧着法を使用してステントにおける応力分布を合理的に推定することも可能である。再構成されたモデルは、高忠実度の術前ＶｉＶ計画又はＴＡＶＲ後の評定に使用することができる。これはまた、患者固有の弁展開シミュレーションを検証するためのグランド・トゥルースとして機能し得る。本方法はまた、ＣＴから他のステント付き医療デバイスのジオメトリを再構成するために使用することもできる。
【0013】
例示的な方法を説明するフローチャートを図１に示す。これは、以下の３つの主要部、すなわち、クリーンな弁モデル及びいくつかの容易に特定可能なランドマークを取得することと、患者のＣＴスキャンにおける対応するランドマークを決定することと、マルチパス照合アルゴリズムを適用することとから成る。
【0014】
図１は、患者固有のＣＴスキャンからインプラント・デバイスのジオメトリ（例えば、ＴＡＶ／ＳＡＶデバイスのジオメトリ）を再構成するための画像照合ベースの方法のフローチャートを示す。
【0015】
図１では、例示的なシステム及び方法は、デバイスの製造業者から、又はマイクロＣＴスキャンからのリバース・エンジニアリングにより、植え込みデバイス（例えば、ＳＡＶ／ＴＡＶ）のクリーンなモデルを取得することによって開始する。次いで、この参照モデル（例えば、弁モデル）と患者固有の植え込みモデル（例えば、患者固有のステント）との間の数個の対応するランドマークが位置合わせの初期パスとして使用される。続いて、強度ベースの非剛体Ｂスプライン照合が実行されてもよく、患者のＣＴスキャンにおけるものと正確に一致するようにクリーンなステント・モデルが改変されてもよい。最後に、患者固有の弁モデルを生成するために、弁の弁尖及びスカートに変換が適用され得る。
【0016】
クリーンな弁モデル及びランドマーク
製造業者からＣＡＤ（コンピュータ支援設計（Ｃｏｍｐｕｔｅｒ－Ａｉｄｅｄ Ｄｅｓｉｇｎ））モデルが取得できない場合、弁のマイクロＣＴスキャンをリバース・エンジニアリングすることによって高品質の弁モデルを再構成することができる。そのようなスキャンの典型的な解像度は、５０μｍをはるかに下回る。造影剤を弁尖及びスカートに噴霧して、それらの信号強度を高めることができる。スキャンからセグメント化された弁モデルは、照合及びモデル化において容易に使用することができる。ただし、高いメッシュ品質が必要となる場合、クリーンなＣＡＤモデルが望ましい。そのようなモデルを取得するために、スキャンされたデータを欠陥のないＣＡＤモデルへとリバース・エンジニアリングするための種々のソフトウェアを使用することができる。実例として、図２Ａは、再構成されたＥｖｏｌｕｔ弁モデルを示す。スキャンの解像度は、５０μｍであり、モデルを構築するためにＳｏｌｉｄＷｏｒｋｓを使用した。
製造業者からＣＡＤ（コンピュータ支援設計（Ｃｏｍｐｕｔｅｒ－Ａｉｄｅｄ Ｄｅｓｉｇｎ））モデルが取得できない場合、弁のマイクロＣＴスキャンをリバース・エンジニアリングすることによって高品質の弁モデルを再構成することができる。そのようなスキャンの典型的な解像度は、５０μｍをはるかに下回る。造影剤を弁尖及びスカートに噴霧して、それらの信号強度を高めることができる。スキャンからセグメント化された弁モデルは、照合及びモデル化において容易に使用することができる。ただし、高いメッシュ品質が必要となる場合、クリーンなＣＡＤモデルが望ましい。そのようなモデルを取得するために、スキャンされたデータを欠陥のないＣＡＤモデルへとリバース・エンジニアリングするための種々のソフトウェアを使用することができる。実例として、図２Ａは、再構成されたＥｖｏｌｕｔ弁モデルを示す。スキャンの解像度は、５０μｍであり、モデルを構築するためにＳｏｌｉｄＷｏｒｋｓを使用した。
【0017】
以下のステップは、弁モデルのいくつかの容易に特定可能なランドマークを決定するものである。例えば、図２Ａに示すＥｖｏｌｕｔ弁は、ステントの上部に２つの突き出たフックを有し、これらは、圧着で使用される。これらの２つのフックによってガイドされて、１～１５で時計回りにラベル付けされた、ステントの上部にある１５個のストラット先端のすべてを迅速に特定できる（図２Ａ及び図２Ｂにおける破線）。さらに、底部にある１５個のストラット先端も容易に特定され得る（図２Ｃ）。３０個のランドマークの絶対座標をモデルの座標系に記録した。弁トポロジが変わらない限り、このステップは、１つのタイプの弁に対して１回だけ実行されればよい。ランドマークは臨床医によって精選され得るか、又は人工知能（Ａ．Ｉ．：ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）及び／若しくは機械学習アプローチによって取得され得る。ランドマークの数及びロケーションは、記載されているものに限定されない。
【0018】
患者の弁モデル及びランドマーク
患者の心臓ＣＴスキャンからＤＩＣＯＭファイルを読み出し、弁の周囲でトリミングし、３Ｄアレイに再サンプリングしてもよい。次いで、ステントをセグメント化するために簡易な閾値処理アルゴリズムが適用されてもよい。図２Ｄに示すように、患者のＴＡＶＲ後のＣＴスキャンから１０００ＨＵ（ハウンスフィールド単位（Ｈｏｕｎｓｆｉｅｌｄ Ｕｎｉｔ））を使用してステント・モデルを取得した。ステント・ワイヤフレームは、図２Ａに示すクリーンなモデルよりも約５～１０倍厚いことに留意されたい。同手順に従うと、この患者の弁モデルにおける対応する３０個のランドマークすべてを見つけることができる（図２Ｅ及び図２Ｆ）。ランドマークの座標を３Ｄアレイの座標系に記録した。一般に、大抵のケースでは３０個のランドマークすべてを使用する必要はない。以下の実例によって示すように、合計で１０個のランドマーク（上部の５つ及び底部の５つ）が、非常にうまく機能する。ランドマークは臨床医によって精選され得るか、又はＡ．Ｉ．及び／若しくは機械学習アプローチによって取得され得る。ランドマークの数及びロケーションは、記載されているものに限定されない。
患者の心臓ＣＴスキャンからＤＩＣＯＭファイルを読み出し、弁の周囲でトリミングし、３Ｄアレイに再サンプリングしてもよい。次いで、ステントをセグメント化するために簡易な閾値処理アルゴリズムが適用されてもよい。図２Ｄに示すように、患者のＴＡＶＲ後のＣＴスキャンから１０００ＨＵ（ハウンスフィールド単位（Ｈｏｕｎｓｆｉｅｌｄ Ｕｎｉｔ））を使用してステント・モデルを取得した。ステント・ワイヤフレームは、図２Ａに示すクリーンなモデルよりも約５～１０倍厚いことに留意されたい。同手順に従うと、この患者の弁モデルにおける対応する３０個のランドマークすべてを見つけることができる（図２Ｅ及び図２Ｆ）。ランドマークの座標を３Ｄアレイの座標系に記録した。一般に、大抵のケースでは３０個のランドマークすべてを使用する必要はない。以下の実例によって示すように、合計で１０個のランドマーク（上部の５つ及び底部の５つ）が、非常にうまく機能する。ランドマークは臨床医によって精選され得るか、又はＡ．Ｉ．及び／若しくは機械学習アプローチによって取得され得る。ランドマークの数及びロケーションは、記載されているものに限定されない。
【0019】
マルチパス照合フレームワーク
例示的なマルチパス照合フレームワークは、オープンソースのＩｎｓｉｇｈｔ Ｔｏｏｌｋｉｔプラットフォームに基づいてもよく、Ｐｙｔｈｏｎ（Ｐｙｔｈｏｎ Ｓｏｆｔｗａｒｅ Ｆｏｕｎｄａｔｉｏｎ、Ｗｉｌｍｉｎｇｔｏｎ、ＤＥ）に実装される。照合前、クリーンな弁モデルのステントは、ボクセル化され、３Ｄアレイに変換されてもよい。このアレイのサイズは、弁周囲の患者のトリミングされたアレイのサイズと一致し得る。
例示的なマルチパス照合フレームワークは、オープンソースのＩｎｓｉｇｈｔ Ｔｏｏｌｋｉｔプラットフォームに基づいてもよく、Ｐｙｔｈｏｎ（Ｐｙｔｈｏｎ Ｓｏｆｔｗａｒｅ Ｆｏｕｎｄａｔｉｏｎ、Ｗｉｌｍｉｎｇｔｏｎ、ＤＥ）に実装される。照合前、クリーンな弁モデルのステントは、ボクセル化され、３Ｄアレイに変換されてもよい。このアレイのサイズは、弁周囲の患者のトリミングされたアレイのサイズと一致し得る。
【0020】
実例では、０．３５ｍｍのボクセル間隔の１３３×１８２×１３４のアレイ・サイズを採用した。ボクセル化されたアレイの２つのサンプル・スライスを図２Ｂ及び図２Ｃに示す。開始するために、これらの２つのモデルを前述した１０個のランドマークのみを使用して大まかに位置合わせした（上部：１、４、７、９、１２、底部：１、４、７、１０、１３（図２Ａ～図２Ｆ））。初期位置合わせは、スケーリング、剛体回転、及び並進から成った。図３Ａ～図３Ｃは、図１の方法の照合プロセスの様々なステップ中におけるステント・モデルと患者のＣＴスキャンとの間の比較を示す。
【0021】
クリーンなステントが患者のモデルと大まかに一致する、初期結果を図３Ａに示す。続いて、変形可能なＢスプライン変換の第２のパスを使用して、初期位置合わせを改善した（図３Ｂ）。本方法は、３Ｄ領域を、均一な間隔を有する制御点のメッシュに分割することによって機能する。対応するランドマークを一致させることによって、Ｂスプラインによって制御される変形場が計算され、３Ｄボリューム全体に適用される。本実例では、４×４×４のメッシュ・グリッドを使用した。図３Ｂと比較すると、２つのモデルの位置合わせは既に良好であるが、依然として食い違いが存在する。最終的な強度ベースのＢスプライン照合ステップが、すべての位置ずれを修正し、高度に正確な結果を生成した（図３Ｃ）。本ステップでは、３Ｄ領域を６×６×６のメッシュ・グリッドに分割し、その変形を３次Ｂスプラインによって制御した。結合ヒストグラムの相互情報を類似性尺度として使用し、直線探索最急降下アルゴリズムをオプティマイザとして採用した。
【0022】
他の類似性尺度（相互相関）やオプティマイザを使用して、同様の結果を達成することもできる。初期位置合わせのための照合法は、ここで説明される方法に限定されず、パスの数及び実施の順序を改変することもできる。最終ステップのための照合法は、ここで説明されるＢスプライン照合に限定されない。フレームワークを変更することなく他の非剛体照合法を使用することもできる。
【0023】
本方法の精度を検証するために、図４Ａ及び図４Ｂでは、患者のＣＴデータからのスライスが照合されたステントに重ねられている。より暗いぼやけた斑点が、ＣＴスキャンに現れたステントであり、明るいスポットが、ボクセル化されて照合されたクリーンなステントによるものである。図４Ａ及び図４Ｂは、照合されたステント・モデルと患者のＣＴスキャンとの間の比較を様々な断面図で示す。
【0024】
図４Ａに示すスライスは、これら２つの間の優れた一致を示しており、推定誤差は、ステント幅の２０％未満である。様々なスライスについてのさらなる比較を図４Ｂに示しており、視覚的検査は、それらのすべてにおける良好な一致を示している。
【0025】
最終的な弁アセンブリ
最後のステップは、ステント照合プロセスから取得した変換関数を弁の元のジオメトリ・ファイルに適用するものである。ここでは、ＳＴＬフォーマットをクリーンな弁モデルのために使用した。ＳＴＬファイルは、頂点及び面（頂点の間の連結）から成る。個々の頂点に変換を適用し、それらの頂点を、それらの最終ロケーションにマッピングした。頂点の連結度は、変形中に変化しないため、マッピングされた頂点及びそれらの元の連結度マップを使用して新たなメッシュを生成することもできる。変換は、ステントだけでなく、弁尖やスカートにも適用可能であり、すべての変換された構成要素を組み立てることによって最終的な患者固有のクリーンな弁モデルを取得した（図５Ａ～図５Ｃ）。
最後のステップは、ステント照合プロセスから取得した変換関数を弁の元のジオメトリ・ファイルに適用するものである。ここでは、ＳＴＬフォーマットをクリーンな弁モデルのために使用した。ＳＴＬファイルは、頂点及び面（頂点の間の連結）から成る。個々の頂点に変換を適用し、それらの頂点を、それらの最終ロケーションにマッピングした。頂点の連結度は、変形中に変化しないため、マッピングされた頂点及びそれらの元の連結度マップを使用して新たなメッシュを生成することもできる。変換は、ステントだけでなく、弁尖やスカートにも適用可能であり、すべての変換された構成要素を組み立てることによって最終的な患者固有のクリーンな弁モデルを取得した（図５Ａ～図５Ｃ）。
【0026】
【0027】
弁尖のエリアは、プロセス中に保持されなかったことに留意されたい。図５Ａ～図５Ｃの実例に示すように、患者の弁は、その側部が湾曲しており、楕円形に見える。最後の一ステップは、患者のＤＩＣＯＭファイルからのメタデータを使用して、画像座標系からのモデルを患者の物理的な座標系に変換するものである。続いて、このモデルを使用してＴＡＶＲ後の評価及びＶｉＶ術前評定を実行することができる。
【0028】
さらに、弁尖の配向もプロセス中に復元したため、これまでは非常に困難なタスクであったＶｉＶシミュレーションにおける冠動脈閉塞のリスクを評価することが可能となる。
【0029】
例示的なアルゴリズムは他のタイプの弁に適用可能である。
図６Ａは、マイクロＣＴスキャンをリバース・エンジニアリングすることによって生成されたバルーン拡張型のＥｄｗａｒｄｓ（登録商標）Ｓａｐｉｅｎ ３弁モデルを示す。同手順を適用し、最終結果を図６Ｂで比較する。１２個のランドマーク（上部の６つ及び底部の６つ）を使用し、ステント・モデルと患者のジオメトリとの間の一致は完璧である（図６Ｂ）。ステント設計が、軸対称であるため、ランドマークを一致させることは、正しい弁尖の配向を保証しない。本方法は、患者のＣＴスキャンにおける弁尖の少なくとも１つの交連のポイントを弁モデルの交連と位置合わせすることを伴ってもよい。ステント、弁尖、及びスカートのジオメトリに変換を適用した後の最終的な変形された患者固有の弁モデルを図６Ｃ及び図６Ｄに示す。弁は、大きく変形されており、断面も楕円形になっている。
図６Ａは、マイクロＣＴスキャンをリバース・エンジニアリングすることによって生成されたバルーン拡張型のＥｄｗａｒｄｓ（登録商標）Ｓａｐｉｅｎ ３弁モデルを示す。同手順を適用し、最終結果を図６Ｂで比較する。１２個のランドマーク（上部の６つ及び底部の６つ）を使用し、ステント・モデルと患者のジオメトリとの間の一致は完璧である（図６Ｂ）。ステント設計が、軸対称であるため、ランドマークを一致させることは、正しい弁尖の配向を保証しない。本方法は、患者のＣＴスキャンにおける弁尖の少なくとも１つの交連のポイントを弁モデルの交連と位置合わせすることを伴ってもよい。ステント、弁尖、及びスカートのジオメトリに変換を適用した後の最終的な変形された患者固有の弁モデルを図６Ｃ及び図６Ｄに示す。弁は、大きく変形されており、断面も楕円形になっている。
【0030】
誤差評定
視覚的検査が、照合された弁とグランド・トゥルースとの間の良好な一致を既に示していたが、合成ＣＴデータを使用して定量的誤差評価を実行した。グランド・トゥルース、すなわち、事前に取得された変形された弁をボクセル化し、ぼかしアルゴリズムを適用して、ＣＴスキャンにおけるブルーミング・アーティファクトを模倣した。次いで、画像照合ベースのプロセスを実行して、この合成ＣＴデータからステント・ジオメトリを再構成した。最後に、結果をグランド・トゥルースと比較した。実例を、図７Ａ～図７Ｄに示しており、図７Ａでは、変形されたステントを示す。ジオメトリを、元のＣＴスキャンと同じ解像度である、０．３５ｍｍのグリッド間隔で３Ｄ画像アレイに変換した（ボクセル化）。ぼかしアルゴリズムは、カーネル幅９ピクセル及び標準偏差１のガウシアン・フィルタであった。この合成ＣＴデータからセグメント化されたステントを図７Ｂに示す。ステントの幅は、１．５ｍｍで測定されている（４～５ピクセル）。同じ１２個のランドマーク（マルチパス照合フレームワークのセクションと同じ）を選び、６３のＢスプライン・グリッド・サイズを使用してプロセス全体を繰り返し、ステント・ジオメトリを復元した。結果を図７Ｃで比較する。復元されたステントには、影が付けられている。２つのモデルは同一に見える。両モデルは、同じメッシュ（同じ頂点及び面）を有しており、同じ座標系に存在するため、対応する頂点間の距離を使用して誤差を定量化することが可能である。２つのモデルのノード間の平均距離は、０．１０６±０．０９１ｍｍであり、０．４５ｍｍのステント幅の１／３未満である。誤差の分布を図７Ｄに示す。誤差の９５％は、０．２９ｍｍ未満である。
視覚的検査が、照合された弁とグランド・トゥルースとの間の良好な一致を既に示していたが、合成ＣＴデータを使用して定量的誤差評価を実行した。グランド・トゥルース、すなわち、事前に取得された変形された弁をボクセル化し、ぼかしアルゴリズムを適用して、ＣＴスキャンにおけるブルーミング・アーティファクトを模倣した。次いで、画像照合ベースのプロセスを実行して、この合成ＣＴデータからステント・ジオメトリを再構成した。最後に、結果をグランド・トゥルースと比較した。実例を、図７Ａ～図７Ｄに示しており、図７Ａでは、変形されたステントを示す。ジオメトリを、元のＣＴスキャンと同じ解像度である、０．３５ｍｍのグリッド間隔で３Ｄ画像アレイに変換した（ボクセル化）。ぼかしアルゴリズムは、カーネル幅９ピクセル及び標準偏差１のガウシアン・フィルタであった。この合成ＣＴデータからセグメント化されたステントを図７Ｂに示す。ステントの幅は、１．５ｍｍで測定されている（４～５ピクセル）。同じ１２個のランドマーク（マルチパス照合フレームワークのセクションと同じ）を選び、６３のＢスプライン・グリッド・サイズを使用してプロセス全体を繰り返し、ステント・ジオメトリを復元した。結果を図７Ｃで比較する。復元されたステントには、影が付けられている。２つのモデルは同一に見える。両モデルは、同じメッシュ（同じ頂点及び面）を有しており、同じ座標系に存在するため、対応する頂点間の距離を使用して誤差を定量化することが可能である。２つのモデルのノード間の平均距離は、０．１０６±０．０９１ｍｍであり、０．４５ｍｍのステント幅の１／３未満である。誤差の分布を図７Ｄに示す。誤差の９５％は、０．２９ｍｍ未満である。
【0031】
感度解析
使用されるランドマークの数、変形グリッド・サイズ及び人為的な入力バイアスの影響を同じ合成ＣＴデータを使用して評価した。
使用されるランドマークの数、変形グリッド・サイズ及び人為的な入力バイアスの影響を同じ合成ＣＴデータを使用して評価した。
【0032】
グリッド・サイズ：非剛体照合ステップにおけるグリッド・サイズに対する本方法の感度を図８Ａに示す。グリッド・サイズは、ゼロ（剛体）から２３、４３、６３、及び８３までの間で変動し、すべてのグリッド・サイズに対して同じ１２個のランドマークを使用した。８個のＥｖｏｌｕｔ及び２個のＳａｐｉｅｎを含む、１０個の異なる患者固有の弁から平均誤差プロットを取得した。剛体照合のみのケースでは、平均誤差（０．８０±０．３２ｍｍ）は、ステントの幅をはるかに上回った。しかし、４３グリッドを用いた非剛体Ｂスプライン照合によって０．２ｍｍ未満まで劇的に低下した。グリッド・サイズが４３から８３まで増加すると、平均誤差は、０．１ｍｍ前後まで低下し続けた。ただし、計算時間（８コアのデスクトップ・コンピュータ上で、図５Ａ～図５Ｃに示すＥｖｏｌｕｔのケースのみで）は、２３グリッドの１０分未満から８３グリッドの２７分超まで急上昇した。この結果は、本方法が、中程度の細かいグリッド・サイズ（例えば、４３）とともに使用すると、適正な計算コストでうまく機能することを示している。典型的なＣＴスキャンの解像度が、通常、０．３ｍｍを超えるため、非常に細かいグリッドを使用しても結果はそれほど改善されない。
【0033】
使用されるランドマークの数：単一のＥｖｏｌｕｔのケースについて、照合プロセスにおいて使用されるランドマークの数の影響を図８Ｂに示す。ベースラインとして３０個のランドマークから開始し、１６、１２、８、６、及び４と数を減らしていった。それに続く非剛体照合をすべて６３グリッドで実行した。平均誤差は、ベースラインのケースの０．１０２ｍｍから４つのランドマークのみを使用したときの０．１１２ｍｍまで、より少ないランドマークを使用した場合ではわずかしか増加しなかった（図８Ｂ）。これは、本方法が、ランドマークの数に影響を受けないことを示している。ただし、計算時間は、より少ないランドマークの場合に増大し、与えられた初期情報が少ない場合、アルゴリズムが完璧な一致を見つけるのにより多くの時間がかかることを示唆している。結局、これらの結果は、１０個より少ないランドマークでも、アルゴリズムが、適正な速さで正確な結果を生成できることを示している。
【0034】
入力バイアス：最後に、人為的な入力バイアスに対する感度を評価するため、すべてのランドマークの３つの座標に－１．５ｍｍから１．５ｍｍまでの範囲（９ボクセルの変動）のランダムな数を追加して、人為的な入力誤りを表した。同じ１２個のランドマークを用いて、６３のグリッド・サイズで、Ｅｖｏｌｕｔのケースについて１５個の独立した試験を実行した。全１５試験からの平均誤差は、０．１４６±０．０１７ｍｍであった。これは、正しく選定されたランドマークを用いたケースよりも高かったが、照合誤差は、依然としてステント幅の１／３以内であった。
【0035】
弁尖変形及び応力算出
本発明の方法は、最終的な弁尖ジオメトリの推定を提供するが（図５Ａ～図５Ｃ及び図６Ａ～図６Ｄ）、正しい変形及び弁尖の上の残留応力分布は、流れの流体構造シミュレーションのための入力として重要である。そのような情報を取得するための１つの方法は、照合結果から導出された境界条件を用いて有限要素解析を実行することである。具体的には、元のステント・メッシュと照合後に変形されたものとの間で、個々の頂点の変位を算出することができる。その情報を用いて、ＦＥＡシミュレーションにおいて元のステントに変位条件を適用することによって変形されたステントを復元することができる。ステントにおける応力分布はここでは焦点ではないため、このシミュレーションにおける任意の材料モデルを使用することができる。ステント・メッシュと弁尖メッシュとの間にタイ制約を適用することによって、変位境界条件が適用されると、弁尖はステントとともに変形する。したがって、弁尖上のジオメトリ及び応力分布を正しく算出できる。実例として、（図５Ａ～図５Ｃと同じ）Ｅｖｏｌｕｔ弁のための変形された弁尖を、生体弁尖上の応力分布（単位はＭＰａ）によって影を付けて、図９に示す。弁尖間の交連線は、同モデルの図５Ｂ及び図５Ｃに示すものとは異なり、真っ直ぐではない。
本発明の方法は、最終的な弁尖ジオメトリの推定を提供するが（図５Ａ～図５Ｃ及び図６Ａ～図６Ｄ）、正しい変形及び弁尖の上の残留応力分布は、流れの流体構造シミュレーションのための入力として重要である。そのような情報を取得するための１つの方法は、照合結果から導出された境界条件を用いて有限要素解析を実行することである。具体的には、元のステント・メッシュと照合後に変形されたものとの間で、個々の頂点の変位を算出することができる。その情報を用いて、ＦＥＡシミュレーションにおいて元のステントに変位条件を適用することによって変形されたステントを復元することができる。ステントにおける応力分布はここでは焦点ではないため、このシミュレーションにおける任意の材料モデルを使用することができる。ステント・メッシュと弁尖メッシュとの間にタイ制約を適用することによって、変位境界条件が適用されると、弁尖はステントとともに変形する。したがって、弁尖上のジオメトリ及び応力分布を正しく算出できる。実例として、（図５Ａ～図５Ｃと同じ）Ｅｖｏｌｕｔ弁のための変形された弁尖を、生体弁尖上の応力分布（単位はＭＰａ）によって影を付けて、図９に示す。弁尖間の交連線は、同モデルの図５Ｂ及び図５Ｃに示すものとは異なり、真っ直ぐではない。
【0036】
ステント応力推定
本開示では、自己拡張型ステントにおける残留応力を合理的に推定するための簡易な方法について説明する。
本開示では、自己拡張型ステントにおける残留応力を合理的に推定するための簡易な方法について説明する。
【0037】
復元されたモデルにおいて応力分布を推定するために、ここで、圧着ボックス法を導入する。圧着プロセス及び応力分布の比較を図１０Ａ～図１０Ｄに示す。具体的には、ステントのバウンディング・ボックスを構成し、ハイパーメッシュにおけるクアッド・シェル要素を用いてメッシュ化した。このバウンディング・ボックス（図１０Ａ）は、無変形のステントと全く同じ形状を有していたため、ステントと同じ変換を適用することによって、変形されたステントの形状と一致するはずである。したがって、ステントの頂点に対する変位を指定するのではなく、バウンディング・ボックスに変位を適用し、それを使用して弁モデルを「圧着して」その最終形状とした（図１０Ｂ）。Ａｂａｑｕｓにおいて０．１の摩擦係数の「ハード」接触モデルを使用してボックスとステントとの間の接触特性を定義した。ステント材料は、同じ超弾性ニチノールであった。ニチノールの非線形挙動を考慮するために、若干の過圧着とそれに続く解放ステップを適用した。このようにして局所的誤差を低減し、応力分布における急上昇を回避した。復元されたステント及び応力分布（図１０Ｃ）を、図１０Ｄにおけるグランド・トゥルースと比較する。復元されたステント・ジオメトリは、１ｍｍ前後の差を有し、算出された応力分布は、グランド・トゥルースと比較するとわずかに高い（約６０ＭＰａ又はピーク応力の１５％）。全体として、この圧着法は、Ｇｅｓｓａｔらによって説明されるプロセスと比較して最小の労力でグランド・トゥルースと同様のメッシュ及び応力分布を生成する。
【0038】
例示的な方法は、ＴＡＶＲに限定されず、ＣＴスキャンから外科用生体弁又は任意の知られているインプラントのジオメトリを復元するためにも適用され得る。本方法によって生成される患者固有の弁モデルのデータベースを用いて、深層学習モデルをトレーニングして、ステント・ジオメトリを高速復元することができる。
【0039】
本発明の範囲又は趣旨から逸脱することなく本開示において様々な修正及び変形を行うことができることが当業者には明らかとなろう。本開示の他の態様は、明細書の検討及び本明細書で開示される方法の実践から当業者に明らかとなろう。本明細書及び実例は、例示のみとして見なされることを意図しており、本発明の真の範囲及び趣旨は、以下の特許請求の範囲によって示される。
【0040】
上述した論理演算は、（１）コンピューティング・システム上で実行されるコンピュータ実施動作若しくはプログラム・モジュールのシーケンスとして、且つ／又は（２）コンピューティング・システム内の相互接続された機械論理回路若しくは回路モジュールとして実施され得ることを諒解されたい。この実施は、コンピューティング・システムの性能及び他の要件に依存する選定の問題である。したがって、本明細書で説明される論理演算は、状態演算、動作、又はモジュールとして様々に呼ばれる。これらの演算、動作及び／又はモジュールは、ソフトウェア、ファームウェア、専用デジタル論理、ハードウェア、及びこれらの任意の組合せにおいて実施され得る。また、図面で示され、本明細書で説明されるよりも多い又は少ない演算が実行され得ることを諒解されたい。これらの演算はまた、本明細書で説明されるのとは異なる順序で実行され得る。
【0041】
図１１は、本明細書で説明される例示的な方法の出力を使用することができるソフトウェア・コンポーネントを実行可能なコンピュータ・システム２００の例示のコンピュータ・アーキテクチャを示す。図１１に示すコンピュータ・アーキテクチャは、例示のコンピュータ・システム構成を示し、コンピュータ２００は、それと通信状態にある解析システム又は任意のコンポーネント上で実行するものして説明される、本明細書で提示されるコンポーネント及び／又はモジュールの任意の態様を実行するために利用され得る。
【0042】
一態様では、コンピューティング・デバイス２００は、タスクを実行するために協働する、互いに通信状態にある２つ以上のコンピュータを備えてもよい。例えば、限定はしないが、アプリケーションが、そのアプリケーションの命令の同時及び／又は並列処理を許容するような方法で分割されてもよい。代替として、アプリケーションによって処理されるデータが、２つ以上のコンピュータによって設定されたデータの異なる部分の同時及び／又は並列処理を許容するような方法で分割されてもよい。一態様では、コンピューティング・デバイス２００におけるコンピュータの数に直接縛られない、多数のサーバの機能性を提供するように、コンピューティング・デバイス２００によって仮想化ソフトウェアが採用されてもよい。例えば、仮想化ソフトウェアは、４つの物理的コンピュータ上で２０個の仮想サーバを提供してもよい。一態様では、上で開示された機能性は、クラウド・コンピューティング環境における１つのアプリケーション及び／又は複数のアプリケーションを実行することによって提供されてもよい。クラウド・コンピューティングは、動的にスケーリング可能なコンピューティング・リソースを使用してネットワーク接続部を介してコンピューティング・サービスを提供することを含んでもよい。クラウド・コンピューティングは、仮想化ソフトウェアによって少なくとも部分的にサポートされてもよい。クラウド・コンピューティング環境は、企業によって確立されてもよく、且つ／又はサードパーティ・プロバイダから必要に応じて賃借してもよい。一部のクラウド・コンピューティング環境は、企業によって所有及び運営されるクラウド・コンピューティング・リソース、並びにサードパーティ・プロバイダから賃借及び／又はリースしたクラウド・コンピューティング・リソースを含む場合がある。
【0043】
その最も基本的な構成において、コンピューティング・デバイス２００は、典型的には、少なくとも１つの処理ユニット２２０及びシステム・メモリ２３０を含む。コンピューティング・デバイスの厳密な構成及びタイプに応じて、システム・メモリ２３０は、揮発性（ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ－ａｃｃｅｓｓ ｍｅｍｏｒｙ）など）、不揮発性（読み出し専用メモリ（ＲＯＭ：ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、フラッシュ・メモリ等）、又はこれら２つの何らかの組合せであってもよい。
【0044】
この最も基本的な構成は、図１１に破線２１０で示されている。処理ユニット２２０は、コンピューティング・デバイス２００の動作に必要な算術及び論理演算を実行する標準的なプログラム可能なプロセッサであってもよい。１つの処理ユニット２２０が示されているが、複数のプロセッサが存在する場合もある。本明細書で使用される場合、処理ユニット及びプロセッサは、例えば、限定しないが、マイクロプロセッサ（ＭＣＵ：ｍｉｃｒｏｐｒｏｃｅｓｓｏｒ）、マイクロコントローラ、グラフィック処理ユニット（ＧＰＵ：ｇｒａｐｈｉｃａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、及び特定用途向け回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｃｉｒｃｕｉｔ）を含む、入力に対して機能を実行して、出力を作成するための符号化された命令を実行する物理的なハードウェア・デバイスを指す。したがって、命令は、１つのプロセッサによって実行されるものとして説明されることがあるが、命令は、同時に、逐次的に、又は別法で１つ又は複数のプロセッサによって実行されてもよい。コンピューティング・デバイス２００はまた、コンピューティング・デバイス２００の様々なコンポーネントの間で情報を通信するためのバス又は他の通信機構を含んでもよい。
【0045】
コンピューティング・デバイス２００は、追加の特徴／機能性を有してもよい。例えば、コンピューティング・デバイス２００は、限定はしないが、磁気又は光ディスク又はテープを含む、リムーバル・ストレージ２４０及びノンリムーバブル・ストレージ２５０などの追加のストレージを含んでもよい。
【0046】
コンピューティング・デバイス２００はまた、例えば本明細書で説明される通信経路を介して、デバイスが他のデバイスと通信することを可能にするネットワーク接続部２８０を含んでもよい。ネットワーク接続部２８０は、モデム、モデム・バンク、イーサネット（登録商標）・カード、ユニバーサル・シリアル・バス（ＵＳＢ：ｕｎｉｖｅｒｓａｌ ｓｅｒｉａｌ ｂｕｓ）インタフェース・カード、シリアル・インタフェース、トークン・リング・カード、光ファイバ分散データ・インタフェース（ＦＤＤＩ：ｆｉｂｅｒ ｄｉｓｔｒｉｂｕｔｅｄ ｄａｔａ ｉｎｔｅｒｆａｃｅ）カード、ワイヤレス・ローカル・エリア・ネットワーク（ＷＬＡＮ：ｗｉｒｅｌｅｓｓ ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）カード、符号分割多元接続（ＣＤＭＡ：ｃｏｄｅ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ）、汎欧州デジタル移動体通信システム（ＧＳＭ：ｇｌｏｂａｌ ｓｙｓｔｅｍ ｆｏｒ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ロングターム・エボリューション（ＬＴＥ：ｌｏｎｇ－ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ）、ワールドワイド・インターオペラビリティ・フォー・マイクロウェーブ・アクセス（ＷｉＭＡＸ：ｗｏｒｌｄｗｉｄｅ ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ ｍｉｃｒｏｗａｖｅ ａｃｃｅｓｓ）及び／又は他のエア・インタフェース・プロトコルの無線トランシーバ・カードなどの無線トランシーバ・カード、並びに他のよく知られているネットワーク・デバイスの形態を取り得る。コンピューティング・デバイス２００は、キーボード、キーパッド、スイッチ、ダイアル、マウス、トラック・ボール、タッチ・スクリーン、音声認識装置、カード・リーダ、ペーパー・テープ・リーダ、又は他のよく知られている入力デバイスなどの入力デバイス２７０を有してもよい。また、プリンタ、ビデオ・モニタ、液晶ディスプレイ（ＬＣＤ：ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ）、タッチ・スクリーン・ディスプレイ、ディスプレイ、スピーカ等の出力デバイス２６０が含まれてもよい。コンピューティング・デバイス２００のコンポーネント間のデータの通信を容易にするために、追加のデバイスをバスに接続してもよい。これらのデバイスのすべてが、当技術分野でよく知られており、ここで詳しく説明する必要はない。
【0047】
処理ユニット２２０は、有形のコンピュータ可読媒体において符号化されたプログラム・コードを実行するように構成されてもよい。有形のコンピュータ可読媒体は、コンピューティング・デバイス２００（すなわち、機械）を特定の方法で動作させるデータを提供することが可能な任意の媒体を指す。様々なコンピュータ可読媒体を利用して、処理ユニット２２０に実行のための命令を提供してもよい。例示の有形のコンピュータ可読媒体は、限定しないが、コンピュータ可読命令、データ構造、プログラム・モジュール又は他のデータなどの情報の記憶のために任意の方法又は技術において実装される揮発性媒体、不揮発性媒体、リムーバブル媒体及びノンリムーバブル媒体を含んでもよい。システム・メモリ２３０、リムーバブル・ストレージ２４０、及びノンリムーバブル・ストレージ２５０は、すべて有形のコンピュータ記憶媒体の実例である。例示の有形のコンピュータ可読記録媒体は、限定はしないが、集積回路（例えば、フィールド・プログラマブル・ゲート・アレイ、又は特定用途向けＩＣ）、ハード・ディスク、光ディスク、光磁気ディスク、フロッピー（登録商標）・ディスク、磁気テープ、ホログラフィック記憶媒体、ソリッドステート・デバイス、ＲＡＭ、ＲＯＭ、電気的に消去可能なプログラム読み出し専用メモリ（ＥＥＰＲＯＭ：ｅｌｅｃｔｒｉｃａｌｌｙ ｅｒａｓａｂｌｅ ｐｒｏｇｒａｍ ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、フラッシュ・メモリ又は他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ：ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｋ）又は他の光ストレージ、磁気カセット、磁気テープ、磁気ディスク・ストレージ又は他の磁気記憶デバイスを含む。
【0048】
上記に鑑みて、本明細書で提示されるソフトウェア・コンポーネントを記憶及び実行するために、コンピュータ・アーキテクチャ２００において、多くのタイプの物理的変換が行われることを諒解されたい。また、コンピュータ・アーキテクチャ２００は、ハンドヘルド・コンピュータ、組み込み型コンピュータ・システム、携帯情報端末、及び当業者に知られている他のタイプのコンピューティング・デバイスを含む、他のタイプのコンピューティング・デバイスも含み得ることを諒解されたい。また、コンピュータ・アーキテクチャ２００は、図１１に示すコンポーネントのすべてを含まなくてもよく、図に明示的に示していない他のコンポーネントを含んでもよいし、図１１に示すものとは異なるアーキテクチャを利用してもよいことが企図される。
【0049】
例示の実施態様では、処理ユニット２２０は、システム・メモリ２３０に記憶されたプログラム・コードを実行してもよい。例えば、バスは、システム・メモリ２３０にデータを搬送してもよく、このシステム・メモリ２３０から、処理ユニット２２０は、命令を受信し、それを実行する。システム・メモリ２３０によって受信されるデータは、任意選択で、処理ユニット２２０の実行の前又は後に、リムーバブル・ストレージ２４０又はノンリムーバブル・ストレージ２５０上に記憶されてもよい。
【0050】
本明細書で説明される様々な技法は、ハードウェア若しくはソフトウェア、又は適切な場合にはそれらの組合せとの関連で実施され得ることを理解されたい。したがって、現在開示されている主題の方法及び装置、又はそれらの特定の態様若しくは部分は、フロッピー（登録商標）・ディスケット、ＣＤ－ＲＯＭ、ハード・ドライブ、又は任意の他の機械可読記憶媒体などの有形媒体において具現化されたプログラム・コード（すなわち、命令）の形態を取ってもよく、プログラム・コードが、コンピューティング・デバイスなどの機械にロードされ、それによって実行されると、機械は、現在開示されている主題を実践するための装置となる。プログラム可能なコンピュータ上のプログラム・コードの実行の場合、コンピューティング・デバイスは、一般に、プロセッサと、プロセッサによって読み出し可能な記憶媒体（揮発性及び不揮発性のメモリ及び／又は記憶素子を含む）と、少なくとも１つの入力デバイスと、少なくとも１つの出力デバイスとを含む。１つ又は複数のプログラムは、例えば、アプリケーション・プログラミング・インタフェース（ＡＰＩ：ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒａｍｍｉｎｇ ｉｎｔｅｒｆａｃｅ）、再利用可能なコントロール等を通して、現在開示されている主題に関連して説明されたプロセスを実施又は利用してもよい。そのようなプログラムは、コンピュータ・システムと通信するために、高レベルの手続き型又はオブジェクト指向プログラミング言語において実装されてもよい。ただし、プログラムは、所望の場合、アセンブリ言語又は機械語において実装され得る。いずれの場合も、言語は、コンパイル型又はインタプリタ型言語であってもよく、ハードウェア実装と組み合わされてもよい。
【0051】
さらに、種々のコンポーネントは、無線及び／若しくは有線、又は他の望ましい利用可能な通信手段、システム、及びハードウェアを介して通信状態にあってもよい。さらに、種々のコンポーネント及びモジュールは、同様の機能を提供する他のモジュール又はコンポーネントによって置き換えられてもよい。
【0052】
コンピュータ・アーキテクチャ２００は、本開示で開示されたモデル化、シミュレーション及び方法の機能を可能にするために必要なソフトウェア及び／又はハードウェア・コンポーネント及びモジュールを含む。いくつかの態様では、コンピュータ・アーキテクチャ２００は、（例えば、システム・メモリ２３０、リムーバブル・ストレージ２４０、ノンリムーバブル・ストレージ２５０、及び／又はクラウド・データベースに記憶される）人工知能（Ａ．Ｉ．：ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）モジュール若しくはアルゴリズム及び／又は機械学習（Ｍ．Ｌ．：ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）モジュール若しくはアルゴリズムを含んでもよい。Ａ．Ｉ．及び／又はＭ．Ｌ．モジュール／アルゴリズムは、本開示で開示されるモデル、シミュレーション、及び／又は方法の予測力を高め得る。例えば、患者情報及び計算モデルへの任意の関連する入力データを含む、深層学習、Ａ．Ｉ．及び／又はＭ．Ｌ．のモデル・トレーニングを使用することによって、計算モデルの予測力が大幅に向上し得る。Ａ．Ｉ．及び／又はＭ．Ｉ．モジュール／アルゴリズムはまた、データベースが大きくなるにつれて、予測の感度及び特異性を改善するのに役立つ。いくつかの態様では、コンピュータ・アーキテクチャ２００は、出力デバイス２６０及び／又は入力デバイス２７０の一部として、仮想現実（ＶＲ：ｖｉｒｔｕａｌ ｒｅａｌｉｔｙ）、拡張現実（ＡＲ：ａｕｇｍｅｎｔｅｄ ｒｅａｌｉｔｙ）、及び／又は複合現実ディスプレイ、ヘッドセット、グラス、又は任意の他の好適なディスプレイ・デバイスを含んでもよい。いくつかの態様では、ディスプレイ・デバイスは、ユーザが、ＡＲあり若しくはなし、ＶＲあり若しくはなし、又は臨床医が対話を行い、意思決定をするのに役立つリアルタイムの臨床イメージングとの融合を含む選択肢から選択することを可能にするように対話式であってもよい。
【0053】
本開示の例示の態様は、本明細書でいくつかの事例において詳細に説明されるが、他の態様も企図されることを理解されたい。したがって、本開示は、以下の詳細な説明に記載されるか又は図面において例示される構成要素の構成及び配置の詳細にその範囲が限定されることは意図されていない。本開示は、他の態様も可能であり、様々な方法で実践又は実行され得る。
【0054】
本明細書及び添付の特許請求の範囲において使用される場合、文脈上明らかに別段の指示がない限り、「１つの（ａ）」、「１つの（ａｎ）」、及び「その（ｔｈｅ）」という単数形は、複数の指示対象を含む。範囲は、「約」若しくは「およそ」１つの特定の値から、且つ／又は「約」若しくは「およそ」別の特定の値までのように本明細書で表され得る。そのような範囲が表されるとき、他の例示的な態様は、その１つの特定の値から、且つ／又はその別の特定の値までを含む。
【0055】
「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｃｏｎｔａｉｎｉｎｇ）」又は「含む（ｉｎｃｌｕｄｉｎｇ）」とは、名前を挙げられた化合物、元素、粒子、又は方法ステップが、組成物、物品、又は方法内に存在するが、他の化合物、材料、粒子、方法ステップが名前を挙げられたものと同じ機能を有する場合であっても、他のそのような化合物、材料、粒子、方法ステップの存在を排除しないことを意味する。
【0056】
例示の態様を説明する際、技術用語は、明確にするために使用される。各用語は、当業者によって理解される最も広い意味を企図しており、同様の目的を達成するために同様の方法で動作するすべての技術的均等物を含むことが意図される。また、方法の１つ又は複数のステップの言及は、明示的に特定されるこれらのステップの間の追加の方法ステップ又は介在的方法ステップの存在を排除しないことを理解されたい。方法のステップは、本開示の範囲から逸脱することなく、本明細書で説明されるのとは異なる順序で実行されてもよい。同様に、デバイス又はシステムにおける１つ又は複数のコンポーネントの言及は、明示的に特定されるこれらのコンポーネントの間の追加のコンポーネント又は介在的コンポーネントの存在を排除しないことも理解されたい。
【0057】
本明細書で使用される場合、「対象」は、任意の適用可能なヒト、動物、又は他の有機体、生きているもの又は死んでいるもの、或いは他の生物学的若しくは分子的構造又は化学的環境であってもよく、対象の特定の構成要素、例えば、対象の特定の組織又は流体（例えば、生きている対象の身体の特定のエリアにおける人体組織）に関連していてもよく、これは、本明細書において、「関心のあるエリア」又は「関心のある領域」と呼ばれる対象の特定のロケーションであり得る。
【0058】
本明細書で説明される場合、対象は、ヒト又は任意の動物であってもよいことを諒解されたい。動物は、限定しないが、哺乳動物、獣医用動物、家畜動物又はペット・タイプの動物等を含む、多種多様な任意の適用可能なタイプであり得ることを諒解されたい。実例として、動物は、ヒトと同様の特定の特徴を持つように具体的に選択された実験室用動物（例えば、ラット、犬、豚、サル）等であってもよい。例えば、対象は、任意の適用可能なヒト患者であってもよいことを諒解されたい。
【0059】
「約」という用語は、本明細書で使用される場合、およそ、ほぼ、大まかに、又は前後を意味する。「約」という用語が、数値範囲と併せて使用されるとき、記載される数値の上下に境界を拡張することによって範囲を修飾する。一般に、「約」という用語は、本明細書では、１０％のばらつきで述べられた値の上下の数値を修飾するために使用される。一態様では、「約」という用語は、それが使用される数の数値のプラス又はマイナス１０％を意味する。したがって、約５０％とは、４５％～５５％の範囲内を意味する。端点によって本明細書に記載される数値範囲は、その範囲内に包含されるすべての数及び小数を含む（例えば、１～５は、１、１．５、２、２．７５、３、３．９０、４、４．２４、及び５を含む）。
【0060】
同様に、端点によって本明細書に記載される数値範囲は、その範囲内に包含される部分範囲を含む（例えば、１～５は、１～１．５、１．５～２、２～２．７５、２．７５～３、３～３．９０、３．９０～４、４～４．２４、４．２４～５、２～５、３～５、１～４、及び２～４を含む）。また、そのすべての数及び小数は用語「約」による修飾が想定されることを理解されたい。
【図1】
【図2A】
【図2B】
【図2C】
【図2D】
【図2E】
【図2F】
【図3A】
【図3B】
【図3C】
【図4A】
【図4B】
【図5A】
【図5B】
【図5C】
【図6A】
【図6B】
【図6C】
【図6D】
【図7A】
【図7B】
【図7C】
【図7D】
【図8A】
【図8B】
【図9】
【図10A】
【図10B】
【図10C】
【図10D】
【図11】
【国際調査報告】