機能イメージング情報を組み込んだ放射線治療計画
放射線治療計画プロシージャ及び装置は、より正確な放射線治療計画を提供するために、位置合わせされる解剖学的及び機能的なイメージング情報のモデルに基づくセグメンテーションを提供する。生物学に基づくセグメンテーションは、パラメトリックマップを生成するためにイメージング情報をモデル化し、パラメトリックマップは、同様の放射線感受性又は治療決定に関連する他の生物学的パラメータの領域にクラスタリングされる。各々のクラスタリングされた領域は、それ自体の放射線処方線量を処方される。
【発明の詳細な説明】
【技術分野】
【０００１】
放射線治療は、Ｘ線のような放射線による、癌腫瘍のような疾患の治療である。治療のために放射線を適用（照射）する前に、放射線治療計画が設計されなければならない。放射線治療計画は、健康な組織の中の病変組織の位置を特定し、病変組織に治療の焦点を合わせるために使用される。健康な組織に適用される放射線は、健康な組織を損なうことがあり、患者の副次的作用を引き起こしうる。結果的に、放射線治療計画は、より正確であるほどより良い。
【０００２】
放射線治療は、画像により誘導されるプロセスであり、そのプロセスの成功は、イメージングモダリティの精度に極めて決定的に依存する。そのようなものとして、成功する放射線治療計画の発展は、イメージング情報から確かめられ、治療計画プロセスに組み込まれることができる情報のレベルに依存する。
【背景技術】
【０００３】
一般に、コンピュータトモグラフィ（ＣＴ）画像が、治療計画のためのイメージング情報を提供するために用いられる。ＣＴ画像は、病変組織からの健康な組織の差別化を可能にする解剖学的情報を提供する。ＣＴ画像は、更に、病変組織を取り巻く決定器官の位置を提供する。一旦病変組織の位置が決定されると、医師は、手作業で、病変組織又は対象領域及び周囲の器官の輪郭を精密に描く。一様な放射線量（処方線量）が、臨床的経験に従って対象領域に対して処方される。処方線量が一旦決められると、最適化プロシージャが、のちの治療のための最適マシン設定及び最適マシン設定によって達成可能な最終線量分布（適用線量）を得るためにランされる。
【０００４】
近年、医用イメージングは、関心領域に関する改善された情報を提供するように進歩している。１つのこのような改善は、ポジトロンエミッショントモグラフィ（ＰＥＴ）、シングルフォトンエミッションコンピュータトモグラフィ（ＳＰＥＣＴ）又は機能的磁気共鳴スペクトロスコピーイメージング（ＭＲＳ）によって得られる生理学的又は機能的な情報の組み入れである。医師は、病変領域の位置及び特性をより良く規定するために、解剖学的情報と組み合わせて機能的情報を使用することができる。機能的情報は、腫瘍の悪性度に関して重要な情報を提供することができる。動的なトレーサを供給することによって、腫瘍のような病変組織が、例えばそれらのボリューム全体における放射線感受性のような生物学的機能に関して変化することが見られる。結果的に、より悪性度の高い病変組織の領域は、病変組織を根絶するためにより高いレベルの放射線で治療される必要がありうる。
【０００５】
今日、例えばＦＤＧ−ＰＥＴのような機能的なイメージング情報は、放射線治療計画において２つの方法で使用されている。第１に、機能的なイメージング情報は、病変組織対健康組織の境界を定めことを助けるために使用されることができる。第２に、機能的なイメージング情報は、病変組織のそれぞれ異なる領域の悪性度を識別するために使用されることができる。病変組織のより悪性度の高い領域の位置を特定することによって、局所化されたより高い放射線量が、悪性領域に適用されることができ、健康な組織に近い他の領域には、より低い放射線量が与えられることができる。この差別化された放射線量の適用は、悪性の病変組織がより重く照射目標とされ、治療されることを可能にするとともに、周囲にある最小の悪性度である組織領域及び健康な組織領域に増大された線量が照射されないようにする。
【発明の開示】
【発明が解決しようとする課題】
【０００６】
機能的なイメージング情報の今日の使用は、複数の理由のため不十分である。第１に、ほとんどの技法は、治療の決定に関連するパラメータを組み入れない。多くの場合、これらのパラメータは、基礎をなす生理学的プロセスを記述する生理学的又は生物学的モデルを使用して、機能的なイメージング情報から抽出される必要がある。これは、不正確な又は不明確な輪郭の設定をもたらすことがある。第２に、今日の技法は、自動化されたプロシージャを提供しない。医師は、機能的なイメージング情報を精査し、手作業で病変組織及び周囲の器官の輪郭を描く。第３に、今日の技法は、機能的なイメージング情報のノイジネス及び低いコントラストを考慮しない。低いコントラストと組み合わせられるノイジネスは、さまざまな異なる放射線感受性の領域が正確に輪郭を描かれることができないので、計画プロシージャに高い程度の恣意性を導く大きな問題をもたらす。更に、ノイズが多い画像情報が、最適化プロセスに直接に供給されるとき、アーチファクトが、適用線量に現れることがある。このようなアーチファクトは、ノイズレベルに敏感な最適化プロセスの不安定さの結果でありえる。不安定さは、最適でない適用線量及び長い処理時間をまねくことがある。
【課題を解決するための手段】
【０００７】
本発明は、改善された放射線治療計画プロシージャ及び改善された放射線治療計画プロシージャを実現するための装置に向けられる。改善された放射線治療計画プロシージャは、より正確な放射線治療計画を提供するために、機能的なイメージング情報を組み入れる。
【０００８】
一実施形態において、解剖学的なイメージング情報及び機能的なイメージング情報が、取得され、相互に位置合わせされる。機能的なイメージング情報に基づくパラメトリックマップが得られ、同じ放射線感受性又は治療決定に関連する他の生物学的情報のクラスタを形成するために使用される。形成された各クラスタは、処方される放射線量を有し、かかる放射線量は、特定の放射線治療計画装置によって最適化される。
【０００９】
本願明細書に組み込まれ、その一部を構成する添付の図面には、本発明の実施形態が示されており、かかる本発明の実施形態は、上述の本発明の概要及び後述の本発明の詳細な説明とともに、本発明の原理を説明する役目を果たす。当業者は、これらの例示の実施形態が、本発明を制限することを意図するものでなく、単に本発明の原理を取り入れる例を提供するものであることを理解すべきである。
【発明を実施するための最良の形態】
【００１０】
本願明細書に開示される放射線治療計画プロシージャは、より正確な放射線治療計画を提供するために、機能的なイメージング情報を組み入れる改善された方法を提供する。放射線感受性に関して対象領域及びリスク器官（臓器）をよりよく特徴付けるために、放射線治療計画プロシージャは、相互に位置合わせされた解剖学的なイメージングデータ及び機能的なイメージングデータに対して実施される、生物学に基づくセグメンテーションステップを取り入れる。生物学に基づくセグメンテーションステップは、まず、機能的なイメージング情報から放射線治療計画に関連するパラメータをモデル化して、パラメトリックマップをもたらす。機能的なイメージング情報は、同じモダリティ又は異なるモダリティからの単一画像又は画像の組として提供されることができる。同じモダリティの場合、画像は動的なモードにおいて取得されることができ、これは、一連の画像が、比較的長い時間期間にわたって取得されることを意味する。その上、さまざまな造影剤（又はトレーサ）が、組み合わせられることができる。モデル化は、単一画像又は複像画像から関心のあるパラメータを抽出し、関連する生物学的パラメータに関してパラメトリックマップのより良い特定性及び感受性を与える。生物学に基づくセグメンテーションステップは、パラメトリックマップを解剖学的データと組み合わせて、ユーザが規定できる、アプリケーションに依存する数の組織クラスに、イメージングされた組織をクラスタリングする。各々の組織クラスは、同様の放射線感受性を有し、従って、放射線治療中の同様の放射線量を要求し、又は許容することができる。
【００１１】
図１に概略を示された放射線治療計画プロシージャ１０は、（１）画像の取得及び相互の位置合わせ２０、（２）生物学に基づくセグメンテーション３０、（３）線量処方５０、及び（４）最適化及び適用線量の決定６０、の４つのステップにセグメント化されることができる。
【００１２】
放射線治療計画プロシージャ１０の第１のステップは、ステップ１２において機能的なイメージング情報Ｆ（ｒ'）を取得し、ステップ１４において解剖学的なイメージング情報Ａ（ｒ）を取得することである。解剖学的なイメージング情報は、例えばＣＴ、Ｘ線、超音波又はＭＲＩのような任意の解剖学的イメージングモダリティを使用して得られることができる。機能的なイメージング情報は、例えばＰＥＴ、ＳＰＥＣＴ、ガンマ検出器又はＭＲＳのような任意の機能的イメージングモダリティを使用して得られることができる。機能的な画像情報Ｆ（ｒ'）及び解剖学的な画像情報Ａ（ｒ）は、ステップ１８において相互に位置合わせされたデータセットＡ（ｒ）、Ｆ（ｒ）を提供するための技法を使用して、ステップ１６において相互に位置合わせされる。
【００１３】
解剖学的な画像情報及び機能的な画像情報の相互の位置合わせが終わると、放射線治療計画プロシージャ１０は、生物学に基づくセグメンテーションステップ３０へ進む。生物学に基づくセグメンテーションステップ３０は、３つのサブステップ、すなわち（１）３２におけるモデル化、（２）３６におけるクラスタリング、（３）３８における補正、に分類される。補正サブステップは取捨選択でき、オペレータ及びプロシージャに依存するものであることが留意されるべきである。
【００１４】
モデル化サブステップ３２において、放射線治療計画を決定することに関連するパラメータ、例えば腫瘍の悪性度及び放射線感受性が、モデル化される。例えば、時系列の機能的画像を動的にモデル化することは、所与の組織における造影剤の取り込み、捕捉（トラッピング）又は流出（ウォッシュアウト）のような生理学的プロセスの速度定数を正確に定量化することを可能にする。コンパートメントモデル化が、非線形回帰を使うことによってそれらの速度定数を抽出するために利用される。他の実施形態においては、アクティビティマップのような機能的なデータが標準の取り込み値に変換される簡単なモデルが利用される。標準の取り込み値の使用は、患者の体重及び病変と関係のない他のパラメータへの依存が小さいモデルを提供する。しかしながら、あるトレーサがより洗練されたモデル化技法を必要とするとき、標準の取り込み値の使用は、使用されているトレーサに依存する。モデル化ステップ３２は、パラメトリックマップＫ（ｒ）の生成をもたらす。パラメトリックマップＫ（ｒ）は、ステップ３４に示されるように解剖学的データＡ（ｒ）にマップされることができ、危険にさらされる対象ボリューム及び器官の全体の放射線感受性分布を表す。
【００１５】
ステップ３６において、危険にさらされる対象領域及び器官のボクセルが、位置及び機能性に基づいて、同様の放射線感受性のクラスにクラスタリングされる。クラスの総数は、パラメトリックマップのパラメータレンジ及びノイズ内容に依存する。これは、クラスを表現する強度の差ΔＳが、少なくともノイズσＳの５倍大きい場合、ノイズが多い環境において、２つのクラスが一般に識別されることができるからである。これは、ノイズが多いバックグラウンドにおいて、一様なオブジェクトの信頼できる検出のための同様の基準を述べる画像検出のモデルに基づくものであり、すなわち、信号差とノイズの比は５より大きく、すなわち、
（１） ΔＳ／σＳ ≧ ５
であるべきである。
【００１６】
結果的に、クラスの数は、下式に従って決定されることができる。
（２） クラスタ数 ＝ ｋＭＡＸ−ｋＭＩＮ ／ κ・＜σｋ＞
ここで、ｋＭＡＸ及びｋＭＩＮは、対象ボリュームの中のそれぞれ最大及び最小パラメータ値であり、＜σｋ＞は、対象ボリュームにおけるノイズを表わす標準偏差であり、κは、上式（１）に従って５又はそれ以上の値を有する定数である。κは、システムを最適化するために経験的に決定されることができることが理解されるべきである。
【００１７】
図２は、３つのクラスＴ１、Ｔ２及びＴ３にクラスタリングされた対象領域並びにほぼ等しい放射線感受性をもつ２つの領域Ｒ１及びＲ２を有する器官を示している。３つのクラスＴ１、Ｔ２及びＴ３の各々は、同様の放射線感受性を有する病変組織の領域を含む。図２において、Ｔ１は、腫瘍の壊死部分を表しており、かかる部分は、比較的活性度及び悪性度が低く、従ってより少ない放射線量を必要とする。逆に、Ｔ３は、最も活性度の高い腫瘍セグメントであり、高線量ブーストを必要とする。残りのクラスタＴ２は、中程度の悪性度であり、従って中程度の放射線量を必要とする。一般に、クラスタＴ２用の放射線量は、クラスタＴ３用に処方される最大線量とＴ１用に処方される最小線量の間であり、当該クラスタの細胞を殺すに十分である。
【００１８】
更に、図２に示されるように、モデルに基づくセグメンテーション放射線治療計画プロシージャ１０は、任意に、補正ステップを含むことができる。クラスタの補正は、形態的な処理のような進歩した画像処理ツールによる事前知識と、誤ってクラスタリングされたドメインを補正するための専門知識とを組み入れる。補正は、予め決められた割合だけクラスタサイズを縮小するために自動的若しくは半自動的でありえ、又はグラフィカルユーザインタフェースを介して医師によって手作業で行われることができる。図２に示されるように、Ｔ３は、より正確な高放射線量治療領域を生成するために、クラスタＴ１及びＴ２の境界付近で縮小される。補正量及びゆえに自動補正のための補正パラメータは、画像のクラスタ内のノイズ分散に依存する。ノイズ分散σｋが、パラメータ差Δｋに近く又はそれを上回るとき、より高い程度の補正が要求される。
【００１９】
生物学に基づくセグメンテーション放射線治療計画プロシージャ１０は、ステップ５０へ進み、ステップ５０において、同じ放射線感受性のクラスタが、同じ線量及び耐性レベルを割り当てられる。ステップ５２において決定される個々の線量レベルＤ１...ＤＵ＋Ｖは、知られている放射線感受性に関する経験的な結果又は許容できる処方線量に関する医師の知識に基づくことができる。ルックアップテーブルの組が、開始処方線量として、経験的な結果を使用するために提供されることができ、かかる開始処方線量は、必要に応じて、医師によって変更されることができる。代替例として、腫瘍生理学を致死線量と関連づける放射線生物学的モデルが使用されることができる。個々のクラスタＴ１...ＴＵ，Ｒ１...ＲＶに対する処方線量Ｄ１...ＤＵ＋Ｖは、ステップ７０において放射線治療計画Ｐのための適用線量を決定するために、ステップ６０において最適化アルゴリズムに供給されることができる。
【００２０】
他の実施形態において、それぞれ異なる放射線感受性を有するサブ腫瘍ゾーンに対してそれぞれ異なる線量レベルを処方する代わりに、機能的な画像情報Ｆ（ｒ）が、腫瘍制御確率（ＴＣＰ）及び正常組織障害発生確率（ＮＴＣＰ）のような生物学的な重みの形で、最適化プロセスに直接組み入れられることができる。
【００２１】
フローチャートは、上述したように、生物学に基づくセグメンテーション放射線治療計画プロシージャの適用の説明的な一例である。以下の例は、単に本発明の実際的な例を提供することを意図するものであり、本発明の範囲を制限しないことが理解されるべきである。
【００２２】
解剖学的情報が、ＣＴによって取得され、肺癌腫瘍の時系列のＦＭＩＳＯ−ＰＥＴ（［１８Ｆ］−フルオロミソニダゾル）画像と相互に位置合わせされる。ＦＭＩＳＯは、低酸素細胞に選択的に結合するプローブである。低酸素細胞は、正常レベルを下回る不十分な酸素レベルを示す細胞である。低酸素細胞は、放射線耐性がある傾向があり、従って、このことは、それらの細胞が、悪性度がより高く、より高い放射線量を必要とすることを示す。
【００２３】
相互に位置合わせされたＣＴ及び時系列のＦＭＩＳＯ−ＰＥＴ画像情報の取得が終わると、ピクセルパラメータ、すなわちピクセルの中間酸素含有量と相関する、組織にトラップされるトレーサのネット取り込み率が、抽出される。抽出されるパラメータは、時系列のＦＭＩＳＯ−ＰＥＴ画像のコンパートメントモデル化を使用して、画像情報から抽出される。コンパートメントモデルは、血液サンプルから取得され又は画像自体のより大きい血液プールから抽出される血漿基準情報を有する不可逆的な２組織コンパートメントモデルである。組織にトラップされるトレーサのネット取り込み率は、第１のコンパートメントから第２のコンパートメントへのトレーサ流入率によって与えられる。腫瘍の各ボクセルごとの低酸素レベルを特定するパラメトリックマップが、生成され、ＣＴ画像と融合される。腫瘍の輪郭は、ＣＴ画像データを使用して描かれる。ｋ−ｍｅａｎクラシファイヤクラスタリング技法が、パラメトリックマップに関して実施され、腫瘍ピクセルを３つの低酸素クラスにクラスタリングする。図３に示されるように、高度の低酸素領域Ｈ３、中度の低酸素領域Ｈ２及び低度の低酸素領域Ｈ１の３つのクラスタが生成される。
【００２４】
例えばｃ−ｍｅａｎクラシファイヤ、ファジィｃ−ｍｅａｎクラシファイヤ又は管理されないベイズクラシファイヤのような代替のクラスタリング技法が適用されてもよいことが留意されるべきである。必要に応じて、クラスタＨ１、Ｈ２、Ｈ３は補正されることができる。補正は、医師に、視覚的に画像を精査させ、グラフィカルユーザインタフェースを介してクラスタ領域を変更させることによって、手作業で行われることができる。いくつか実施例において、補正は、自動的に行われることができ、すなわち、例えばノイズに依存して、クラスタ領域の１又は複数が、予め決められた割合だけ縮小されることができる。クラスタは、自動的な補正ののち、更に手作業で補正されることもできる。
【００２５】
一旦それぞれ異なるクラスタＨ１、Ｈ２、Ｈ３が形成されると、医師は、それぞれ異なるクラスタの各々に対応する線量レベルを処方する。処方される線量は、その特定のクラスタ内の細胞を殺すために、医師の経験によって又は所与のクラスタの酸素含有量を致死線量に変換する放射線生物学的モデル化によって決定されることができる。放射線生物学的なモデル化は、処方線量として又は医師によって変更されることができる提案される処方線量として使用されることができるルックアップテーブルを用いることができる。処方線量レベルは、例えばフィリップスメディカルシステムズによって製造されるＰＩＮＮＡＣＬＥ放射線治療計画装置のような放射線治療計画装置の最適化エンジンに供給される。最適化計画装置は、個々のクラスタリングされた領域について適用線量を決定するために、マシンパラメータを考慮に入れる。
【００２６】
本発明は、１又は複数の好適な実施形態を参照して説明された。変形例及び変更例が、この明細書を読み理解するとき当業者に思いつくであろうことは明らかである。すべてのこのような変形例及び変更例は、添付の特許請求の範囲又はその等価物の範囲内にある限り、すべての変形例及び変更例を含むことが意図される。
【図面の簡単な説明】
【００２７】
【図１】生物学に基づくセグメンテーション放射線治療計画プロシージャのためのプロセスフローチャート。
【図２】補正の前後のクラスタリングされた対象領域及び危険にさらされる周囲の器官の比較を示す図。
【図３】パラメトリックマップ及び生物学に基づくセグメンテーション放射線治療計画プロシージャから得られる３つのクラスタを示す対応する放射線感受性クラスタリングの説明的な例を示す図。
【技術分野】
【０００１】
放射線治療は、Ｘ線のような放射線による、癌腫瘍のような疾患の治療である。治療のために放射線を適用（照射）する前に、放射線治療計画が設計されなければならない。放射線治療計画は、健康な組織の中の病変組織の位置を特定し、病変組織に治療の焦点を合わせるために使用される。健康な組織に適用される放射線は、健康な組織を損なうことがあり、患者の副次的作用を引き起こしうる。結果的に、放射線治療計画は、より正確であるほどより良い。
【０００２】
放射線治療は、画像により誘導されるプロセスであり、そのプロセスの成功は、イメージングモダリティの精度に極めて決定的に依存する。そのようなものとして、成功する放射線治療計画の発展は、イメージング情報から確かめられ、治療計画プロセスに組み込まれることができる情報のレベルに依存する。
【背景技術】
【０００３】
一般に、コンピュータトモグラフィ（ＣＴ）画像が、治療計画のためのイメージング情報を提供するために用いられる。ＣＴ画像は、病変組織からの健康な組織の差別化を可能にする解剖学的情報を提供する。ＣＴ画像は、更に、病変組織を取り巻く決定器官の位置を提供する。一旦病変組織の位置が決定されると、医師は、手作業で、病変組織又は対象領域及び周囲の器官の輪郭を精密に描く。一様な放射線量（処方線量）が、臨床的経験に従って対象領域に対して処方される。処方線量が一旦決められると、最適化プロシージャが、のちの治療のための最適マシン設定及び最適マシン設定によって達成可能な最終線量分布（適用線量）を得るためにランされる。
【０００４】
近年、医用イメージングは、関心領域に関する改善された情報を提供するように進歩している。１つのこのような改善は、ポジトロンエミッショントモグラフィ（ＰＥＴ）、シングルフォトンエミッションコンピュータトモグラフィ（ＳＰＥＣＴ）又は機能的磁気共鳴スペクトロスコピーイメージング（ＭＲＳ）によって得られる生理学的又は機能的な情報の組み入れである。医師は、病変領域の位置及び特性をより良く規定するために、解剖学的情報と組み合わせて機能的情報を使用することができる。機能的情報は、腫瘍の悪性度に関して重要な情報を提供することができる。動的なトレーサを供給することによって、腫瘍のような病変組織が、例えばそれらのボリューム全体における放射線感受性のような生物学的機能に関して変化することが見られる。結果的に、より悪性度の高い病変組織の領域は、病変組織を根絶するためにより高いレベルの放射線で治療される必要がありうる。
【０００５】
今日、例えばＦＤＧ−ＰＥＴのような機能的なイメージング情報は、放射線治療計画において２つの方法で使用されている。第１に、機能的なイメージング情報は、病変組織対健康組織の境界を定めことを助けるために使用されることができる。第２に、機能的なイメージング情報は、病変組織のそれぞれ異なる領域の悪性度を識別するために使用されることができる。病変組織のより悪性度の高い領域の位置を特定することによって、局所化されたより高い放射線量が、悪性領域に適用されることができ、健康な組織に近い他の領域には、より低い放射線量が与えられることができる。この差別化された放射線量の適用は、悪性の病変組織がより重く照射目標とされ、治療されることを可能にするとともに、周囲にある最小の悪性度である組織領域及び健康な組織領域に増大された線量が照射されないようにする。
【発明の開示】
【発明が解決しようとする課題】
【０００６】
機能的なイメージング情報の今日の使用は、複数の理由のため不十分である。第１に、ほとんどの技法は、治療の決定に関連するパラメータを組み入れない。多くの場合、これらのパラメータは、基礎をなす生理学的プロセスを記述する生理学的又は生物学的モデルを使用して、機能的なイメージング情報から抽出される必要がある。これは、不正確な又は不明確な輪郭の設定をもたらすことがある。第２に、今日の技法は、自動化されたプロシージャを提供しない。医師は、機能的なイメージング情報を精査し、手作業で病変組織及び周囲の器官の輪郭を描く。第３に、今日の技法は、機能的なイメージング情報のノイジネス及び低いコントラストを考慮しない。低いコントラストと組み合わせられるノイジネスは、さまざまな異なる放射線感受性の領域が正確に輪郭を描かれることができないので、計画プロシージャに高い程度の恣意性を導く大きな問題をもたらす。更に、ノイズが多い画像情報が、最適化プロセスに直接に供給されるとき、アーチファクトが、適用線量に現れることがある。このようなアーチファクトは、ノイズレベルに敏感な最適化プロセスの不安定さの結果でありえる。不安定さは、最適でない適用線量及び長い処理時間をまねくことがある。
【課題を解決するための手段】
【０００７】
本発明は、改善された放射線治療計画プロシージャ及び改善された放射線治療計画プロシージャを実現するための装置に向けられる。改善された放射線治療計画プロシージャは、より正確な放射線治療計画を提供するために、機能的なイメージング情報を組み入れる。
【０００８】
一実施形態において、解剖学的なイメージング情報及び機能的なイメージング情報が、取得され、相互に位置合わせされる。機能的なイメージング情報に基づくパラメトリックマップが得られ、同じ放射線感受性又は治療決定に関連する他の生物学的情報のクラスタを形成するために使用される。形成された各クラスタは、処方される放射線量を有し、かかる放射線量は、特定の放射線治療計画装置によって最適化される。
【０００９】
本願明細書に組み込まれ、その一部を構成する添付の図面には、本発明の実施形態が示されており、かかる本発明の実施形態は、上述の本発明の概要及び後述の本発明の詳細な説明とともに、本発明の原理を説明する役目を果たす。当業者は、これらの例示の実施形態が、本発明を制限することを意図するものでなく、単に本発明の原理を取り入れる例を提供するものであることを理解すべきである。
【発明を実施するための最良の形態】
【００１０】
本願明細書に開示される放射線治療計画プロシージャは、より正確な放射線治療計画を提供するために、機能的なイメージング情報を組み入れる改善された方法を提供する。放射線感受性に関して対象領域及びリスク器官（臓器）をよりよく特徴付けるために、放射線治療計画プロシージャは、相互に位置合わせされた解剖学的なイメージングデータ及び機能的なイメージングデータに対して実施される、生物学に基づくセグメンテーションステップを取り入れる。生物学に基づくセグメンテーションステップは、まず、機能的なイメージング情報から放射線治療計画に関連するパラメータをモデル化して、パラメトリックマップをもたらす。機能的なイメージング情報は、同じモダリティ又は異なるモダリティからの単一画像又は画像の組として提供されることができる。同じモダリティの場合、画像は動的なモードにおいて取得されることができ、これは、一連の画像が、比較的長い時間期間にわたって取得されることを意味する。その上、さまざまな造影剤（又はトレーサ）が、組み合わせられることができる。モデル化は、単一画像又は複像画像から関心のあるパラメータを抽出し、関連する生物学的パラメータに関してパラメトリックマップのより良い特定性及び感受性を与える。生物学に基づくセグメンテーションステップは、パラメトリックマップを解剖学的データと組み合わせて、ユーザが規定できる、アプリケーションに依存する数の組織クラスに、イメージングされた組織をクラスタリングする。各々の組織クラスは、同様の放射線感受性を有し、従って、放射線治療中の同様の放射線量を要求し、又は許容することができる。
【００１１】
図１に概略を示された放射線治療計画プロシージャ１０は、（１）画像の取得及び相互の位置合わせ２０、（２）生物学に基づくセグメンテーション３０、（３）線量処方５０、及び（４）最適化及び適用線量の決定６０、の４つのステップにセグメント化されることができる。
【００１２】
放射線治療計画プロシージャ１０の第１のステップは、ステップ１２において機能的なイメージング情報Ｆ（ｒ'）を取得し、ステップ１４において解剖学的なイメージング情報Ａ（ｒ）を取得することである。解剖学的なイメージング情報は、例えばＣＴ、Ｘ線、超音波又はＭＲＩのような任意の解剖学的イメージングモダリティを使用して得られることができる。機能的なイメージング情報は、例えばＰＥＴ、ＳＰＥＣＴ、ガンマ検出器又はＭＲＳのような任意の機能的イメージングモダリティを使用して得られることができる。機能的な画像情報Ｆ（ｒ'）及び解剖学的な画像情報Ａ（ｒ）は、ステップ１８において相互に位置合わせされたデータセットＡ（ｒ）、Ｆ（ｒ）を提供するための技法を使用して、ステップ１６において相互に位置合わせされる。
【００１３】
解剖学的な画像情報及び機能的な画像情報の相互の位置合わせが終わると、放射線治療計画プロシージャ１０は、生物学に基づくセグメンテーションステップ３０へ進む。生物学に基づくセグメンテーションステップ３０は、３つのサブステップ、すなわち（１）３２におけるモデル化、（２）３６におけるクラスタリング、（３）３８における補正、に分類される。補正サブステップは取捨選択でき、オペレータ及びプロシージャに依存するものであることが留意されるべきである。
【００１４】
モデル化サブステップ３２において、放射線治療計画を決定することに関連するパラメータ、例えば腫瘍の悪性度及び放射線感受性が、モデル化される。例えば、時系列の機能的画像を動的にモデル化することは、所与の組織における造影剤の取り込み、捕捉（トラッピング）又は流出（ウォッシュアウト）のような生理学的プロセスの速度定数を正確に定量化することを可能にする。コンパートメントモデル化が、非線形回帰を使うことによってそれらの速度定数を抽出するために利用される。他の実施形態においては、アクティビティマップのような機能的なデータが標準の取り込み値に変換される簡単なモデルが利用される。標準の取り込み値の使用は、患者の体重及び病変と関係のない他のパラメータへの依存が小さいモデルを提供する。しかしながら、あるトレーサがより洗練されたモデル化技法を必要とするとき、標準の取り込み値の使用は、使用されているトレーサに依存する。モデル化ステップ３２は、パラメトリックマップＫ（ｒ）の生成をもたらす。パラメトリックマップＫ（ｒ）は、ステップ３４に示されるように解剖学的データＡ（ｒ）にマップされることができ、危険にさらされる対象ボリューム及び器官の全体の放射線感受性分布を表す。
【００１５】
ステップ３６において、危険にさらされる対象領域及び器官のボクセルが、位置及び機能性に基づいて、同様の放射線感受性のクラスにクラスタリングされる。クラスの総数は、パラメトリックマップのパラメータレンジ及びノイズ内容に依存する。これは、クラスを表現する強度の差ΔＳが、少なくともノイズσＳの５倍大きい場合、ノイズが多い環境において、２つのクラスが一般に識別されることができるからである。これは、ノイズが多いバックグラウンドにおいて、一様なオブジェクトの信頼できる検出のための同様の基準を述べる画像検出のモデルに基づくものであり、すなわち、信号差とノイズの比は５より大きく、すなわち、
（１） ΔＳ／σＳ ≧ ５
であるべきである。
【００１６】
結果的に、クラスの数は、下式に従って決定されることができる。
（２） クラスタ数 ＝ ｋＭＡＸ−ｋＭＩＮ ／ κ・＜σｋ＞
ここで、ｋＭＡＸ及びｋＭＩＮは、対象ボリュームの中のそれぞれ最大及び最小パラメータ値であり、＜σｋ＞は、対象ボリュームにおけるノイズを表わす標準偏差であり、κは、上式（１）に従って５又はそれ以上の値を有する定数である。κは、システムを最適化するために経験的に決定されることができることが理解されるべきである。
【００１７】
図２は、３つのクラスＴ１、Ｔ２及びＴ３にクラスタリングされた対象領域並びにほぼ等しい放射線感受性をもつ２つの領域Ｒ１及びＲ２を有する器官を示している。３つのクラスＴ１、Ｔ２及びＴ３の各々は、同様の放射線感受性を有する病変組織の領域を含む。図２において、Ｔ１は、腫瘍の壊死部分を表しており、かかる部分は、比較的活性度及び悪性度が低く、従ってより少ない放射線量を必要とする。逆に、Ｔ３は、最も活性度の高い腫瘍セグメントであり、高線量ブーストを必要とする。残りのクラスタＴ２は、中程度の悪性度であり、従って中程度の放射線量を必要とする。一般に、クラスタＴ２用の放射線量は、クラスタＴ３用に処方される最大線量とＴ１用に処方される最小線量の間であり、当該クラスタの細胞を殺すに十分である。
【００１８】
更に、図２に示されるように、モデルに基づくセグメンテーション放射線治療計画プロシージャ１０は、任意に、補正ステップを含むことができる。クラスタの補正は、形態的な処理のような進歩した画像処理ツールによる事前知識と、誤ってクラスタリングされたドメインを補正するための専門知識とを組み入れる。補正は、予め決められた割合だけクラスタサイズを縮小するために自動的若しくは半自動的でありえ、又はグラフィカルユーザインタフェースを介して医師によって手作業で行われることができる。図２に示されるように、Ｔ３は、より正確な高放射線量治療領域を生成するために、クラスタＴ１及びＴ２の境界付近で縮小される。補正量及びゆえに自動補正のための補正パラメータは、画像のクラスタ内のノイズ分散に依存する。ノイズ分散σｋが、パラメータ差Δｋに近く又はそれを上回るとき、より高い程度の補正が要求される。
【００１９】
生物学に基づくセグメンテーション放射線治療計画プロシージャ１０は、ステップ５０へ進み、ステップ５０において、同じ放射線感受性のクラスタが、同じ線量及び耐性レベルを割り当てられる。ステップ５２において決定される個々の線量レベルＤ１...ＤＵ＋Ｖは、知られている放射線感受性に関する経験的な結果又は許容できる処方線量に関する医師の知識に基づくことができる。ルックアップテーブルの組が、開始処方線量として、経験的な結果を使用するために提供されることができ、かかる開始処方線量は、必要に応じて、医師によって変更されることができる。代替例として、腫瘍生理学を致死線量と関連づける放射線生物学的モデルが使用されることができる。個々のクラスタＴ１...ＴＵ，Ｒ１...ＲＶに対する処方線量Ｄ１...ＤＵ＋Ｖは、ステップ７０において放射線治療計画Ｐのための適用線量を決定するために、ステップ６０において最適化アルゴリズムに供給されることができる。
【００２０】
他の実施形態において、それぞれ異なる放射線感受性を有するサブ腫瘍ゾーンに対してそれぞれ異なる線量レベルを処方する代わりに、機能的な画像情報Ｆ（ｒ）が、腫瘍制御確率（ＴＣＰ）及び正常組織障害発生確率（ＮＴＣＰ）のような生物学的な重みの形で、最適化プロセスに直接組み入れられることができる。
【００２１】
フローチャートは、上述したように、生物学に基づくセグメンテーション放射線治療計画プロシージャの適用の説明的な一例である。以下の例は、単に本発明の実際的な例を提供することを意図するものであり、本発明の範囲を制限しないことが理解されるべきである。
【００２２】
解剖学的情報が、ＣＴによって取得され、肺癌腫瘍の時系列のＦＭＩＳＯ−ＰＥＴ（［１８Ｆ］−フルオロミソニダゾル）画像と相互に位置合わせされる。ＦＭＩＳＯは、低酸素細胞に選択的に結合するプローブである。低酸素細胞は、正常レベルを下回る不十分な酸素レベルを示す細胞である。低酸素細胞は、放射線耐性がある傾向があり、従って、このことは、それらの細胞が、悪性度がより高く、より高い放射線量を必要とすることを示す。
【００２３】
相互に位置合わせされたＣＴ及び時系列のＦＭＩＳＯ−ＰＥＴ画像情報の取得が終わると、ピクセルパラメータ、すなわちピクセルの中間酸素含有量と相関する、組織にトラップされるトレーサのネット取り込み率が、抽出される。抽出されるパラメータは、時系列のＦＭＩＳＯ−ＰＥＴ画像のコンパートメントモデル化を使用して、画像情報から抽出される。コンパートメントモデルは、血液サンプルから取得され又は画像自体のより大きい血液プールから抽出される血漿基準情報を有する不可逆的な２組織コンパートメントモデルである。組織にトラップされるトレーサのネット取り込み率は、第１のコンパートメントから第２のコンパートメントへのトレーサ流入率によって与えられる。腫瘍の各ボクセルごとの低酸素レベルを特定するパラメトリックマップが、生成され、ＣＴ画像と融合される。腫瘍の輪郭は、ＣＴ画像データを使用して描かれる。ｋ−ｍｅａｎクラシファイヤクラスタリング技法が、パラメトリックマップに関して実施され、腫瘍ピクセルを３つの低酸素クラスにクラスタリングする。図３に示されるように、高度の低酸素領域Ｈ３、中度の低酸素領域Ｈ２及び低度の低酸素領域Ｈ１の３つのクラスタが生成される。
【００２４】
例えばｃ−ｍｅａｎクラシファイヤ、ファジィｃ−ｍｅａｎクラシファイヤ又は管理されないベイズクラシファイヤのような代替のクラスタリング技法が適用されてもよいことが留意されるべきである。必要に応じて、クラスタＨ１、Ｈ２、Ｈ３は補正されることができる。補正は、医師に、視覚的に画像を精査させ、グラフィカルユーザインタフェースを介してクラスタ領域を変更させることによって、手作業で行われることができる。いくつか実施例において、補正は、自動的に行われることができ、すなわち、例えばノイズに依存して、クラスタ領域の１又は複数が、予め決められた割合だけ縮小されることができる。クラスタは、自動的な補正ののち、更に手作業で補正されることもできる。
【００２５】
一旦それぞれ異なるクラスタＨ１、Ｈ２、Ｈ３が形成されると、医師は、それぞれ異なるクラスタの各々に対応する線量レベルを処方する。処方される線量は、その特定のクラスタ内の細胞を殺すために、医師の経験によって又は所与のクラスタの酸素含有量を致死線量に変換する放射線生物学的モデル化によって決定されることができる。放射線生物学的なモデル化は、処方線量として又は医師によって変更されることができる提案される処方線量として使用されることができるルックアップテーブルを用いることができる。処方線量レベルは、例えばフィリップスメディカルシステムズによって製造されるＰＩＮＮＡＣＬＥ放射線治療計画装置のような放射線治療計画装置の最適化エンジンに供給される。最適化計画装置は、個々のクラスタリングされた領域について適用線量を決定するために、マシンパラメータを考慮に入れる。
【００２６】
本発明は、１又は複数の好適な実施形態を参照して説明された。変形例及び変更例が、この明細書を読み理解するとき当業者に思いつくであろうことは明らかである。すべてのこのような変形例及び変更例は、添付の特許請求の範囲又はその等価物の範囲内にある限り、すべての変形例及び変更例を含むことが意図される。
【図面の簡単な説明】
【００２７】
【図１】生物学に基づくセグメンテーション放射線治療計画プロシージャのためのプロセスフローチャート。
【図２】補正の前後のクラスタリングされた対象領域及び危険にさらされる周囲の器官の比較を示す図。
【図３】パラメトリックマップ及び生物学に基づくセグメンテーション放射線治療計画プロシージャから得られる３つのクラスタを示す対応する放射線感受性クラスタリングの説明的な例を示す図。
【特許請求の範囲】
【請求項１】
解剖学的なイメージング情報を取得するステップと、
機能的なイメージング情報を取得するステップと、
前記解剖学的なイメージング情報及び前記機能的なイメージング情報を相互に位置合わせするステップと、
パラメトリックマップを生成するように、前記機能的なイメージング情報をモデル化するステップと、
同様の放射線感受性又は治療決定に関連する他の生物学的情報のクラスタを形成するように、前記パラメトリックマップのセグメントをクラスタリングするステップと、
前記形成された各クラスタに対する放射線量を処方するステップと、
各クラスタごとの適用線量を提供するために、各クラスタの前記放射線量を最適化するステップと、
を含む放射線治療計画プロシージャ。
【請求項２】
前記クラスタが変更される補正ステップを更に含む、請求項１に記載の放射線治療計画プロシージャ。
【請求項３】
前記補正ステップが、１又は複数のクラスタの大きさを予め決められた値だけ変更することを含む、請求項２に記載の放射線治療計画プロシージャ。
【請求項４】
前記形成されるクラスタの数が、
クラスタ数 ＝ ｋＭＡＸ−ｋＭＩＮ ／ κ・＜σｋ＞
によって決定される、請求項１に記載の放射線治療計画プロシージャ。
【請求項５】
前記形成される各クラスタごとに処方される前記放射線量が、ルックアップテーブル又は放射線生物学的モデルから得られる、請求項１に記載の放射線治療計画プロシージャ。
【請求項６】
前記機能的なイメージング情報の前記モデル化が、低酸素症に基づく、請求項１に記載の放射線治療計画プロシージャ。
【請求項７】
前記機能的なイメージング情報の前記モデル化が、酸素含有量に基づく、請求項１に記載の放射線治療計画プロシージャ。
【請求項８】
前記形成されるクラスタの数がノイズに依存する、請求項１に記載の放射線治療計画プロシージャ。
【請求項９】
解剖学的なイメージング情報を取得する手段と、
機能的なイメージング情報を取得する手段と、
前記解剖学的なイメージング情報及び前記機能的なイメージング情報を相互に位置合わせする手段と、
パラメトリックマップを生成するように、前記機能的なイメージング情報をモデル化する手段と、
同様の放射線感受性のクラスタを形成するように、前記パラメトリックマップのセグメントをクラスタリングする手段と、
前記形成される各クラスタに対する放射線量を処方する手段と、
各クラスタごとの適用線量を提供するために、各クラスタの前記放射線量を最適化する手段と、
を有する、放射線治療計画装置。
【請求項１０】
１又は複数のクラスタを補正する手段を更に有する、請求項９に記載の放射線治療計画装置。
【請求項１１】
前記１又は複数のクラスタを補正する前記手段が、前記１又は複数のクラスタの大きさを予め決められた値だけ変更する手段を有する、請求項１０に記載の放射線治療計画装置。
【請求項１２】
前記形成されるクラスタの数が、
クラスタ数 ＝ ｋＭＡＸ−ｋＭＩＮ ／ κ・＜σｋ＞
によって決定される、請求項９に記載の放射線治療計画装置。
【請求項１３】
前記処方される放射線量を決定するために使用されるルックアップテーブルを更に有する、請求項９に記載の放射線治療計画装置。
【請求項１４】
前記機能的なイメージング情報の前記モデル化が、低酸素症に基づく、請求項９に記載の放射線治療計画装置。
【請求項１５】
前記機能的なイメージング情報の前記モデル化が、酸素含有量に基づく、請求項９に記載の放射線治療計画装置。
【請求項１６】
前記形成されるクラスタの数がノイズに依存する、請求項９に記載の放射線治療計画装置。
【請求項１７】
解剖学的なイメージング情報を取得するステップと、
機能的なイメージング情報をＦＭＩＳＯ−ＰＥＴを介して取得するステップと、
前記解剖学的なイメージング情報及び前記機能的なイメージング情報を相互に位置合わせするステップと、
パラメトリックマップを生成するように、低酸素症に基づいて前記機能的なイメージング情報をモデル化するステップと、
同様の低酸素症のクラスタを形成するように、前記パラメトリックマップのセグメントをクラスタリングするステップと、
前記形成される各クラスタに対する放射線量を処方するステップと、
各クラスタごとの適用線量を提供するために、各クラスタの前記放射線量を最適化するステップと、
を含む放射線治療計画プロシージャ。
【請求項１８】
クラスタが変更される補正ステップを更に含む、請求項１７に記載の放射線治療計画プロシージャ。
【請求項１９】
前記形成されるクラスタの数が、
クラスタ数 ＝ ｋＭＡＸ−ｋＭＩＮ ／ κ・＜σｋ＞
によって決定される、請求項１７に記載の放射線治療計画プロシージャ。
【請求項２０】
前記形成されるクラスタの数がノイズに依存する、請求項１７に記載の放射線治療計画プロシージャ。
【請求項１】
解剖学的なイメージング情報を取得するステップと、
機能的なイメージング情報を取得するステップと、
前記解剖学的なイメージング情報及び前記機能的なイメージング情報を相互に位置合わせするステップと、
パラメトリックマップを生成するように、前記機能的なイメージング情報をモデル化するステップと、
同様の放射線感受性又は治療決定に関連する他の生物学的情報のクラスタを形成するように、前記パラメトリックマップのセグメントをクラスタリングするステップと、
前記形成された各クラスタに対する放射線量を処方するステップと、
各クラスタごとの適用線量を提供するために、各クラスタの前記放射線量を最適化するステップと、
を含む放射線治療計画プロシージャ。
【請求項２】
前記クラスタが変更される補正ステップを更に含む、請求項１に記載の放射線治療計画プロシージャ。
【請求項３】
前記補正ステップが、１又は複数のクラスタの大きさを予め決められた値だけ変更することを含む、請求項２に記載の放射線治療計画プロシージャ。
【請求項４】
前記形成されるクラスタの数が、
クラスタ数 ＝ ｋＭＡＸ−ｋＭＩＮ ／ κ・＜σｋ＞
によって決定される、請求項１に記載の放射線治療計画プロシージャ。
【請求項５】
前記形成される各クラスタごとに処方される前記放射線量が、ルックアップテーブル又は放射線生物学的モデルから得られる、請求項１に記載の放射線治療計画プロシージャ。
【請求項６】
前記機能的なイメージング情報の前記モデル化が、低酸素症に基づく、請求項１に記載の放射線治療計画プロシージャ。
【請求項７】
前記機能的なイメージング情報の前記モデル化が、酸素含有量に基づく、請求項１に記載の放射線治療計画プロシージャ。
【請求項８】
前記形成されるクラスタの数がノイズに依存する、請求項１に記載の放射線治療計画プロシージャ。
【請求項９】
解剖学的なイメージング情報を取得する手段と、
機能的なイメージング情報を取得する手段と、
前記解剖学的なイメージング情報及び前記機能的なイメージング情報を相互に位置合わせする手段と、
パラメトリックマップを生成するように、前記機能的なイメージング情報をモデル化する手段と、
同様の放射線感受性のクラスタを形成するように、前記パラメトリックマップのセグメントをクラスタリングする手段と、
前記形成される各クラスタに対する放射線量を処方する手段と、
各クラスタごとの適用線量を提供するために、各クラスタの前記放射線量を最適化する手段と、
を有する、放射線治療計画装置。
【請求項１０】
１又は複数のクラスタを補正する手段を更に有する、請求項９に記載の放射線治療計画装置。
【請求項１１】
前記１又は複数のクラスタを補正する前記手段が、前記１又は複数のクラスタの大きさを予め決められた値だけ変更する手段を有する、請求項１０に記載の放射線治療計画装置。
【請求項１２】
前記形成されるクラスタの数が、
クラスタ数 ＝ ｋＭＡＸ−ｋＭＩＮ ／ κ・＜σｋ＞
によって決定される、請求項９に記載の放射線治療計画装置。
【請求項１３】
前記処方される放射線量を決定するために使用されるルックアップテーブルを更に有する、請求項９に記載の放射線治療計画装置。
【請求項１４】
前記機能的なイメージング情報の前記モデル化が、低酸素症に基づく、請求項９に記載の放射線治療計画装置。
【請求項１５】
前記機能的なイメージング情報の前記モデル化が、酸素含有量に基づく、請求項９に記載の放射線治療計画装置。
【請求項１６】
前記形成されるクラスタの数がノイズに依存する、請求項９に記載の放射線治療計画装置。
【請求項１７】
解剖学的なイメージング情報を取得するステップと、
機能的なイメージング情報をＦＭＩＳＯ−ＰＥＴを介して取得するステップと、
前記解剖学的なイメージング情報及び前記機能的なイメージング情報を相互に位置合わせするステップと、
パラメトリックマップを生成するように、低酸素症に基づいて前記機能的なイメージング情報をモデル化するステップと、
同様の低酸素症のクラスタを形成するように、前記パラメトリックマップのセグメントをクラスタリングするステップと、
前記形成される各クラスタに対する放射線量を処方するステップと、
各クラスタごとの適用線量を提供するために、各クラスタの前記放射線量を最適化するステップと、
を含む放射線治療計画プロシージャ。
【請求項１８】
クラスタが変更される補正ステップを更に含む、請求項１７に記載の放射線治療計画プロシージャ。
【請求項１９】
前記形成されるクラスタの数が、
クラスタ数 ＝ ｋＭＡＸ−ｋＭＩＮ ／ κ・＜σｋ＞
によって決定される、請求項１７に記載の放射線治療計画プロシージャ。
【請求項２０】
前記形成されるクラスタの数がノイズに依存する、請求項１７に記載の放射線治療計画プロシージャ。
【図１】
【図２】
【図３】
【図２】
【図３】
【公表番号】特表２００８−５４５４６８（Ｐ２００８−５４５４６８Ａ）
【公表日】平成２０年１２月１８日（２００８．１２．１８）
【国際特許分類】
【出願番号】特願２００８−５１２９５９（Ｐ２００８−５１２９５９）
【出願日】平成１８年５月１日（２００６．５．１）
【国際出願番号】ＰＣＴ／ＩＢ２００６／０５１３５８
【国際公開番号】ＷＯ２００６／１２６１０９
【国際公開日】平成１８年１１月３０日（２００６．１１．３０）
【出願人】（５９００００２４８）コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ (12,071)
【Ｆターム（参考）】
【公表日】平成２０年１２月１８日（２００８．１２．１８）
【国際特許分類】
【出願日】平成１８年５月１日（２００６．５．１）
【国際出願番号】ＰＣＴ／ＩＢ２００６／０５１３５８
【国際公開番号】ＷＯ２００６／１２６１０９
【国際公開日】平成１８年１１月３０日（２００６．１１．３０）
【出願人】（５９００００２４８）コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ (12,071)
【Ｆターム（参考）】
[ Back to top ]