Search

JP-2026514868-A - 疾患の進行および治療の応答を評価するための陽電子放出断層撮影およびコンピュータ断層撮影スキャンの機械学習による縦断的分析

JP2026514868AJP 2026514868 AJP2026514868 AJP 2026514868AJP-2026514868-A

Abstract

方法は、第一の時点からの第一の陽電子放出断層撮影（ＰＥＴ）スキャンおよび第一のコンピュータ断層撮影（ＣＴ）スキャンに基づいて、第一のＰＥＴスキャンおよび第一のＣＴスキャンに存在する第一の病変に対応する第一の腫瘍マスクを判定することを含み得る。第二のＰＥＴスキャンおよび第二のＣＴスキャンに存在する第二の病変に対応する第二の腫瘍マスクが、第二の時点からの第二のＰＥＴスキャンおよび第二のＣＴスキャンに基づいて判定され得る。縦断的セグメント化モデルを適用して、第一のＰＥＴスキャン、第一のＣＴスキャン、第二のＰＥＴスキャン、および第二のＣＴスキャンに基づいて、第一の腫瘍マスクおよび第二の腫瘍マスクのそれぞれを更新し得る。第一の更新された腫瘍マスクおよび第二の更新された腫瘍マスクの少なくとも一方に基づいて、疾患の治療に対する応答が判定され得る。関連するシステムおよびコンピュータプログラム製品も提供される。 【選択図】図２

Inventors

  • ワン， シャオヨン
  • ベングトソン， ニルス グスタフ トーマス
  • カラノ， リチャード アラン デュレイ
  • チャンピオン デ クレスピニー， アレクサンダー ジェームズ スティーブン
  • ジェマー， モハメド スカンダー

Assignees

  • ジェネンテック， インコーポレイテッド

Dates

Publication Date
20260513
Application Date
20240419
Priority Date
20230421

Claims (20)

  1. コンピュータ実装方法であって、 少なくとも、第一の時点からの第一の陽電子放出断層撮影（ＰＥＴ）スキャンおよび第一のコンピュータ断層撮影（ＣＴ）スキャンに基づいて、前記第一のＰＥＴスキャンおよび前記第一のＣＴスキャンに存在する第一の病変に対応する第一の腫瘍マスクを判定すること、 少なくとも、第二の時点からの第二のＰＥＴスキャンおよび第二のＣＴスキャンに基づいて、前記第二のＰＥＴスキャンおよび前記第二のＣＴスキャンに存在する第二の病変に対応する第二の腫瘍マスクを判定すること、 少なくとも、前記第一のＰＥＴスキャン、前記第一のＣＴスキャン、前記第二のＰＥＴスキャン、および前記第二のＣＴスキャンに基づいて、前記第一の腫瘍マスクおよび前記第二の腫瘍マスクの各々を更新するために、縦断的セグメント化モデルを適用すること、および 前記第一の更新された腫瘍マスクおよび前記第二の更新された腫瘍マスクの少なくとも一方に基づいて、疾患の治療に対する応答を判定すること を含む、方法。
  2. 前記第一の腫瘍マスクが、前記第一の病変を描写する前記第一のＰＥＴスキャンおよび前記第一のＣＴスキャンの各々における第一の複数のピクセルを識別し、前記第二の腫瘍マスクが、前記第二の病変を描写する前記第二のＰＥＴスキャンおよび前記第二のＣＴスキャンからの複数のピクセルを識別する、請求項１に記載の方法。
  3. 前記第一のＣＴスキャンおよび前記第一のＰＥＴスキャンを前記第二のＣＴスキャンおよび前記第二のＰＥＴスキャンと位置合わせするために、前記第一のＣＴスキャン、前記第一のＰＥＴスキャン、前記第二のＣＴスキャン、および前記第二のＰＥＴスキャンを登録することをさらに含む、請求項１または２に記載の方法。
  4. 少なくとも、前記第一の更新された腫瘍マスクおよび前記第二の更新された腫瘍マスクに基づいて、前記第二の病変を新しい病変として識別すること、および 前記第二の病変が前記新しい病変として識別されたことに応答して、前記治療に対する前記応答を進行性疾患（ＰＭＤ）として判定すること をさらに含む、請求項１から３のいずれか一項に記載の方法。
  5. 少なくとも、前記第一の更新された腫瘍マスクおよび前記第二の更新された腫瘍マスクに基づいて、前記第一の病変と前記第二の病変との間の距離を判定すること、 前記第一の病変と前記第二の病変との間の前記距離が１つまたは複数の閾値を満たすことに少なくとも基づいて、前記第二の病変を前記新しい病変として識別すること、および 前記第一の病変と前記第二の病変との間の前記距離が前記１つまたは複数の閾値を満たしていないことに少なくとも基づいて、前記第二の病変を前記第一の病変と同じ病変として識別すること をさらに含む、請求項４に記載の方法。
  6. 前記第一の病変と前記第二の病変とが同じ病変であると判定したことに応答して、前記第一の時点と前記第二の時点との間に前記病変によって示される代謝活性の変化に少なくとも基づいて、前記疾患の前記治療に対する前記応答を判定することをさらに含む、請求項４または５に記載の方法。
  7. 前記第一の時点と前記第二の時点との間の代謝活性の前記変化が、少なくとも 少なくとも前記第一の更新された腫瘍マスクおよび前記第一のＰＥＴスキャンに基づいて、前記第一の時点において前記病変によって示される第一のレベルの代謝活性を判定すること、 少なくとも前記第二の更新された腫瘍マスクおよび前記第二のＰＥＴスキャンに基づいて、前記第二の時点で前記病変によって示される第二のレベルの代謝活性を判定すること、および 少なくとも前記第一のレベルの代謝活性および前記第二のレベルの代謝活性に基づいて、前記第一の時点と前記第二の時点との間の代謝活性の前記変化を判定すること により判定される、請求項６に記載の方法。
  8. 前記治療に対する前記応答が、第一の閾値を満たす前記第一の時点と前記第二の時点との間の代謝活性の前記変化に少なくとも基づいて、進行性代謝疾患（ＰＭＤ）として判定される、請求項７に記載の方法。
  9. 前記治療に対する前記応答が、前記第一の時点と前記第二の時点との間の代謝活性の前記変化が第二の閾値を満たすが前記第一の閾値を満たさないことに少なくとも基づいて、代謝応答なし（ＮＭＲ）として判定される、請求項８に記載の方法。
  10. 前記治療に対する前記応答が、前記第一の時点と前記第二の時点との間の代謝活性の前記変化が前記第一の閾値および前記第二の閾値を満たさないことに少なくとも基づいて、部分代謝応答（ＰＭＲ）として判定される、請求項９に記載の方法。
  11. 前記第一のレベルの代謝活性が第一の標準化取り込み値（ＳＵＶ）に対応し、前記第二のレベルの代謝活性が第二の標準化取り込み（ＳＵＶ）値に対応する、請求項７から１０のいずれか一項に記載の方法。
  12. 前記第一のレベルの代謝活性および前記第二のレベルの代謝活性の各々が、対応する時点において前記病変によって示される代謝活性の最大値、最小値、中央値、平均値、または最頻値に対応する、請求項７から１０のいずれか一項に記載の方法。
  13. 前記第一のＣＴスキャンおよび前記第一のＰＥＴスキャンが前記疾患の治療前に実行され、前記第二のＣＴスキャンおよび前記第二のＰＥＴスキャンが前記疾患の治療後に実行される、請求項１から１２のいずれか一項に記載の方法。
  14. 少なくとも、前記第一の更新された腫瘍マスクおよび前記第二の更新された腫瘍マスクに基づいて、腫瘍の体積の変化を判定すること、および 少なくとも、前記腫瘍の体積の変化に基づいて、前記疾患の前記治療に対する前記応答を判定することをさらに含む、請求項１から１３のいずれか一項に記載の方法。
  15. 少なくとも、前記第一の更新された腫瘍マスクおよび前記第二の更新された腫瘍マスクに基づいて、種々の病変にわたる前記第一の時点と前記第二の時点との間の代謝活性の第一の変化および／または腫瘍体積の第二の変化の分散を判定すること、および 前記種々の病変により示される前記第一の時点と前記第二の時点との間の代謝活性および／または腫瘍体積の前記変化の前記分散に少なくとも基づいて、前記治療に対する前記応答を判定することをさらに含む、請求項１から１３のいずれか一項に記載の方法。
  16. 少なくとも、前記第一の更新された腫瘍マスクおよび前記第二の更新された腫瘍マスクに基づいて、前記疾患の進行を判定することをさらに含む、請求項１から１５のいずれか一項に記載の方法。
  17. 前記第一の腫瘍マスクが、セグメント化モデルを前記第一のＰＥＴスキャンおよび前記第一のＣＴスキャンに適用することによって判定され、前記第二の腫瘍マスクが、前記セグメント化モデルを前記第二のＰＥＴスキャンおよび前記第二のＣＴスキャンに適用することによって判定される、請求項１から１６のいずれか一項に記載の方法。
  18. 前記縦断的セグメント化モデルが人工ニューラルネットワークまたは視覚変換器である、請求項１から１７のいずれか一項に記載の方法。
  19. 前記第一のＣＴスキャン、前記第一のＰＥＴスキャン、前記第二のＣＴスキャン、および前記第二のＰＥＴスキャンの各々が、複数の二次元パッチを含む三次元ボリュームである、請求項１から１８のいずれか一項に記載の方法。
  20. 前記第一のＰＥＴスキャンおよび前記第二のＰＥＴスキャンにおける各ピクセルが、代謝活性のレベルに対応する強度の値に関連付けられる、請求項１から１９のいずれか一項に記載の方法。

Description

関連出願の相互参照 本出願は、２０２３年４月２１日に出願された「ＭＡＣＨＩＮＥ ＬＥＡＲＮＩＮＧ ＥＮＡＢＬＥＤ ＬＯＮＧＩＴＵＤＩＮＡＬ ＡＮＡＬＹＳＩＳ ＯＦ ＰＯＳＩＴＲＯＮ ＥＭＩＳＳＩＯＮ ＴＯＭＯＧＲＡＰＨＹ ＡＮＤ ＣＯＭＰＵＴＥＤ ＴＯＭＯＧＲＡＰＨＹ ＳＣＡＮＳ ＦＯＲ ＡＳＳＥＳＳＭＥＮＴ ＯＦ ＤＩＳＥＡＳＥ ＰＲＯＧＲＥＳＳＩＯＮ ＡＮＤ ＴＲＥＡＴＭＥＮＴ ＲＥＳＰＯＮＳＥ」と題する米国仮出願第６３／４９７，６６０号の優先権を主張し、その開示はその全体が参照により本明細書に組み込まれる。 本明細書に記載の主題は、一般に機械学習に関し、より具体的には、陽電子放出断層撮影（ＰＥＴ）およびコンピュータ断層撮影（ＣＴ）スキャンに基づいて、疾患の進行および治療応答を評価するための機械学習ベースの技術に関する。 医療撮像は、例えば、身体を通過する放射線（例えば、Ｘ線）または投与された放射性医薬品によって放出される放射線（例えば、静脈内投与された放射性トレーサからのガンマ線）の検出によって作成された画像を含む、対象の内部の解剖学的形態および病態生理学を特徴付けるデータを取得するための技術およびプロセスを指す。皮膚、皮下脂肪、および骨などの他の組織によって不明瞭にされた内部解剖学的構造を明らかにすることによって、医療撮像は、多数の医学的診断および／または治療に不可欠である。医療撮像モダリティの例には、Ｘ線プレーンフィルム、骨シンチグラフィー、およびサーモグラフィなどの二次元撮像が含まれる。三次元撮像モダリティの例には、磁気共鳴画像法（ＭＲＩ）、コンピュータ断層撮影法（ＣＴ）、心臓セスタミビ走査法、および陽電子放出断層撮影法（ＰＥＴ）が含まれる。 コンピュータプログラム製品を含むシステム、方法、および製品は、疾患の進行および治療の応答を評価するための陽電子放出断層撮影（ＰＥＴ）およびコンピュータ断層撮影（ＣＴ）スキャンの機械学習による縦断的分析のために提供される。本主題の実施態様は、限定はしないが、本明細書で提供される説明に従う方法、ならびに、１つ以上の機械（例えば、コンピュータなど）に、説明される特徴のうちの１つ以上を実装する動作をもたらすように動作可能な、有形に具現された機械可読媒体を備える物品を含むことができる。同様に、１つ以上のプロセッサと、１つ以上のプロセッサに結合された１つ以上のメモリとを含んでもよいコンピュータシステムも記載される。非一時的コンピュータ可読または機械可読記憶媒体を含むことができるメモリは、１つ以上のプロセッサが、本明細書で説明される動作のうちの１つ以上を実施することを引き起こす１つ以上のプログラムを含む、エンコードする、格納する、などのことをし得る。本主題の１つ以上の実施態様によるコンピュータ実装方法は、単一のコンピューティングシステムまたは複数のコンピューティングシステムにある１つ以上のデータプロセッサによって実装され得る。そのような複数のコンピューティングシステムは、例えば、ネットワーク（例えば、インターネット、ワイヤレスワイドエリアネットワーク、ローカルエリアネットワーク、ワイドエリアネットワーク、ワイヤードネットワークなど）を通じた接続を含む、１つ以上の接続を介して、複数のコンピューティングシステムのうちの１つ以上の間の直接接続を介してなどで、接続され得、データおよび／または指令または他の命令などをやりとりすることができる。 一態様では、疾患の進行および治療応答を評価するための陽電子放出断層撮影（ＰＥＴ）およびコンピュータ断層撮影（ＣＴ）スキャンの機械学習による縦断的分析のためのシステムが提供される。システムは、少なくとも１つのプロセッサおよび少なくとも１つのメモリを含み得る。少なくとも１つのメモリは、少なくとも１つのプロセッサによって実行されるときに動作をもたらすプログラムコードを含んでもよい。この動作は、少なくとも、第一の時点からの第一の陽電子放出断層撮影（ＰＥＴ）スキャンおよび第一のコンピュータ断層撮影（ＣＴ）スキャンに基づいて、第一のＰＥＴスキャンおよび第一のＣＴスキャンに存在する第一の病変に対応する第一の腫瘍マスクを判定すること、少なくとも、第二の時点からの第二のＰＥＴスキャンおよび第二のＣＴスキャンに基づいて、第二のＰＥＴスキャンおよび第二のＣＴスキャンに存在する第二の病変に対応する第二の腫瘍マスクを判定すること、少なくとも、第一のＰＥＴスキャン、第一のＣＴスキャン、第二のＰＥＴスキャン、および第二のＣＴスキャンに基づいて、第一の腫瘍マスクおよび第二の腫瘍マスクの各々を更新するために、縦断的セグメント化モデルを適用すること、および第一の更新された腫瘍マスクおよび第二の更新された腫瘍マスクの少なくとも一方に基づいて、疾患の治療に対する応答を判定することを含み得る。 別の態様では、疾患の進行および治療応答を評価するための陽電子放出断層撮影（ＰＥＴ）およびコンピュータ断層撮影（ＣＴ）スキャンの機械学習による縦断的分析のための方法が提供される。方法は、少なくとも、第一の時点からの第一の陽電子放出断層撮影（ＰＥＴ）スキャンおよび第一のコンピュータ断層撮影（ＣＴ）スキャンに基づいて、第一のＰＥＴスキャンおよび第一のＣＴスキャンに存在する第一の病変に対応する第一の腫瘍マスクを判定すること、少なくとも、第二の時点からの第二のＰＥＴスキャンおよび第二のＣＴスキャンに基づいて、第二のＰＥＴスキャンおよび第二のＣＴスキャンに存在する第二の病変に対応する第二の腫瘍マスクを判定すること、少なくとも、第一のＰＥＴスキャン、第一のＣＴスキャン、第二のＰＥＴスキャン、および第二のＣＴスキャンに基づいて、第一の腫瘍マスクおよび第二の腫瘍マスクの各々を更新するために、縦断的セグメント化モデルを適用すること、および第一の更新された腫瘍マスクおよび第二の更新された腫瘍マスクの少なくとも一方に基づいて、疾患の治療に対する応答を判定することを含み得る。 別の態様では、疾患の進行および治療の応答を評価するための陽電子放出断層撮影（ＰＥＴ）およびコンピュータ断層撮影（ＣＴ）スキャンの機械学習による縦断的分析のためのコンピュータプログラム製品が提供される。コンピュータプログラム製品は、少なくとも１つのデータプロセッサによって実行されるときに動作を引き起こす命令を記憶する非一時的コンピュータ可読媒体を含んでもよい。この動作は、少なくとも、第一の時点からの第一の陽電子放出断層撮影（ＰＥＴ）スキャンおよび第一のコンピュータ断層撮影（ＣＴ）スキャンに基づいて、第一のＰＥＴスキャンおよび第一のＣＴスキャンに存在する第一の病変に対応する第一の腫瘍マスクを判定すること、少なくとも、第二の時点からの第二のＰＥＴスキャンおよび第二のＣＴスキャンに基づいて、第二のＰＥＴスキャンおよび第二のＣＴスキャンに存在する第二の病変に対応する第二の腫瘍マスクを判定すること、少なくとも、第一のＰＥＴスキャン、第一のＣＴスキャン、第二のＰＥＴスキャン、および第二のＣＴスキャンに基づいて、第一の腫瘍マスクおよび第二の腫瘍マスクの各々を更新するために、縦断的セグメント化モデルを適用すること、および第一の更新された腫瘍マスクおよび第二の更新された腫瘍マスクの少なくとも一方に基づいて、疾患の治療に対する応答を判定することを含み得る。 方法、システム、および非一時的コンピュータ可読媒体のいくつかの変形例では、以下の特徴のうちの１つまたは複数が、任意選択に、任意の実現可能な組み合わせに含まれ得る。 いくつかの変形例では、方法は、少なくとも、第一の時点からの第一の陽電子放出断層撮影（ＰＥＴ）スキャンおよび第一のコンピュータ断層撮影（ＣＴ）スキャンに基づいて、第一のＰＥＴスキャンおよび第一のＣＴスキャンに存在する第一の病変に対応する第一の腫瘍マスクを判定し、少なくとも、第二の時点からの第二のＰＥＴスキャンおよび第二のＣＴスキャンに基づいて、第二のＰＥＴスキャンおよび第二のＣＴスキャンに存在する第二の病変に対応する第二の腫瘍マスクを判定し、少なくとも、第一のＰＥＴスキャン、第一のＣＴスキャン、第二のＰＥＴスキャン、および第二のＣＴスキャンに基づいて、第一の腫瘍マスクおよび第二の腫瘍マスクの各々を更新するために、縦断的セグメント化モデルを適用し、第一の更新された腫瘍マスクおよび第二の更新された腫瘍マスクの少なくとも一方に基づいて、疾患の治療に対する応答を判定し得る。 いくつかの変形例では、第一の腫瘍マスクが、第一の病変を描写する第一のＰＥＴスキャンおよび第一のＣＴスキャンの各々における第一の複数のピクセルを識別し、第二の腫瘍マスクが、第二の病変を描写する第二のＰＥＴスキャンおよび第二のＣＴスキャンからの複数のピクセルを識別し得る。 いくつかの変形例では、方法は、第一のＣＴスキャンおよび第一のＰＥＴスキャンを第二のＣＴスキャンおよび第二のＰＥＴスキャンと位置合わせするために、第一のＣＴスキャン、第一のＰＥＴスキャン、第二のＣＴスキャン、および第二のＰＥＴスキャンを登録し得る。 いくつかの変形例では、方法は、少なくとも、第一の更新された腫瘍マスクおよび第二の更新された腫瘍マスクに基づいて、第二の病変を新しい病変として識別し得、かつ、第二の病変が新しい病変として識別されたことに応答して、治療に対する応答を進行性疾患（ＰＭＤ）として判定し得る。 いくつかの変形例では、方法は、少なくとも、第一の更新された腫瘍マスクおよび第二の更新された腫瘍マスクに基づいて、第一の病変と第二の病変との間の距離を判定すること、第一の病変と第二の病変との間の距離が１つまたは複数の閾値を満たすことに少なくともに基づいて、第二の病変を新たな病変として識別すること、および第一の病変と第二の病変との間の距離が１つまたは複数の閾値を満たしていないことに少なくとも基づいて、第二の病変を第一の病変と同じ病変として識別し得る。 いくつかの変形例では、方法は、第一の病変と第二の病変とが同じ病変であると判定したことに応答して、第一の時点と第二の時点との間に病変によって示される代謝活性の変化に少なくとも基づいて、疾患の治療に対する応答を判定し得る。 いくつかの変形例では、第一の時点と第二の時点との間の代謝活性の変化は、少なくとも第一の更新された腫瘍マスクおよび第一のＰＥＴスキャンに基づいて、第一の時点において病変によって示される第一のレベルの代謝活性を判定すること、少なくとも第二の更新された腫瘍マスクおよび第二のＰＥＴスキャンに基づいて、第二の時点で病変によって示される第二のレベルの代謝活性を判定すること、および少なくとも第一のレベルの代謝活性および第二のレベルの代謝活性に基づいて、第一の時点と第二の時点との間の代謝活性の変化を判定すること、により判定され得る。 いくつかの変形例では、方法は、治療に対する応答が、第一の閾値を満たす第一の時点と第二の時点との間の代謝活性の変化に少なくとも基づいて、進行性代謝疾患（ＰＭＤ）として判定される。 いくつかの変形例では、治療に対する応答は、少なくとも第一の時点と第二の時点との間の代謝活性の変化に基づいて、代謝応答なし（ＮＭＲ）として判定され得る。 いくつかの変形例では、治療に対する応答が、第一の時点と第二の時点との間の代謝活性の変化が第一の閾値および第二の閾値を満たさないことに少なくとも基づいて、部分代謝応答（ＰＭＲ）として判定され得る。 いくつかの変形例では、第一のレベルの代謝活性が第一の標準化取り込み値（ＳＵＶ）に対応し得、第二のレベルの代謝活性が第二の標準化取り込み（ＳＵＶ）値に対応する。 いくつかの変形例では、第一の代謝活性レベルおよび第二の代謝活性レベルの各々は、対応する時点で病変によって示される代謝活性の最大値、最