特許ウォッチ

公開番号2025160382
公報種別公開特許公報(A)
公開日2025-10-22
出願番号2025127000,2022542426
出願日2025-07-30,2021-01-08
発明の名称リアルタイム放射線医学を行うための方法およびシステム
出願人ホワイトラビット・エーアイ・インコーポレイテッド
代理人個人,個人,個人
主分類G16H 50/20 20180101AFI20251015BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】リアルタイムおよび/またはAI支援の放射線医学を実施することを対象とする方法およびコンピュータシステムを提供する。
【解決手段】被検者の身体の部位の画像を処理するための方法は、被検者の身体の部位の画像を取得するステップ102と、訓練済アルゴリズムを使用して、画像またはその導出物を、複数のカテゴリのうちの1つのカテゴリに分類するステップ104と、画像が複数のカテゴリのうちの第1のカテゴリに分類されると、画像を、放射線医学的評価のために第1の放射線科医に送るステップ108または画像が複数のカテゴリのうちの第2のカテゴリに分類されると、画像を、放射線医学的評価のために第2の放射線科医に送るステップ110および放射線医学的分析に少なくとも部分的に基づいて被検者を診察するために、第1の放射線科医または第2の放射線科医から推奨を受け取るステップ112を含む。
【選択図】図1
特許請求の範囲【請求項１】
前記被検者の身体の部位の少なくとも１つの画像を処理するための方法であって、
（ａ）前記被検者の身体の前記部位の前記少なくとも１つの画像を取得するステップと、
（ｂ）訓練済アルゴリズムを使用して、前記少なくとも１つの画像またはその導出物を、複数のカテゴリのうちの１つのカテゴリに分類するステップであって、分類する前記ステップは、画像処理アルゴリズムを前記少なくとも１つの画像またはその導出物に適用するステップを含む、ステップと、
（ｃ）（ｂ）において前記少なくとも１つの画像またはその導出物を分類すると、（ｉ）前記少なくとも１つの画像が前記複数のカテゴリのうちの第１のカテゴリに分類された場合に、前記少なくとも１つの画像またはその導出物を、放射線医学的評価のために第１の放射線科医に送るステップ、または、（ｉｉ）前記少なくとも１つの画像が前記複数のカテゴリのうちの第２のカテゴリに分類された場合に、前記少なくとも１つの画像またはその導出物を、放射線医学的評価のために第２の放射線科医に送るステップと、
（ｄ）前記少なくとも１つの画像またはその導出物の放射線医学的分析に少なくとも部分的に基づいて、前記第１の放射線科医または前記第２の放射線科医から前記被検者の放射線医学的評価を受け取るステップと
を含む方法。
続きを表示（約 990 文字）【請求項２】
請求項１に記載の方法であって、（ｂ）は、前記少なくとも１つの画像またはその導出物を、正常、曖昧、または、疑わしいとして分類するステップを含む、方法。
【請求項３】
請求項２に記載の方法であって、前記少なくとも１つの画像またはその導出物を、前記少なくとも１つの画像またはその導出物の（ｂ）における前記分類に基づいて分類器に送るステップをさらに含む方法。
【請求項４】
請求項３に記載の方法であって、（ｃ）は、前記少なくとも１つの画像またはその導出物を、放射線医学的評価のために、第１の複数の放射線科医のうちの第１の放射線科医、または、第２の複数の放射線科医のうちの第２の放射線科医に送るステップを含む、方法。
【請求項５】
請求項１に記載の方法であって、前記少なくとも１つの画像またはその導出物は医学的画像である、方法。
【請求項６】
請求項２に記載の方法であって、前記訓練済アルゴリズムは、前記少なくとも１つの画像またはその導出物を、少なくとも約８０％の感度で、正常、曖昧、または、疑わしいとして分類するように構成される、方法。
【請求項７】
請求項２に記載の方法であって、前記訓練済アルゴリズムは、前記少なくとも１つの画像またはその導出物を、少なくとも約８０％の特異性で、正常、曖昧、または、疑わしいとして分類するように構成される、方法。
【請求項８】
請求項２に記載の方法であって、前記訓練済アルゴリズムは、前記少なくとも１つの画像またはその導出物を、少なくとも約８０％の陽性予測値で、正常、曖昧、または、疑わしいとして分類するように構成される、方法。
【請求項９】
請求項２に記載の方法であって、前記訓練済アルゴリズムは、前記少なくとも１つの画像またはその導出物を、少なくとも約８０％の陰性予測値で、正常、曖昧、または、疑わしいとして分類するように構成される、方法。
【請求項１０】
請求項２に記載の方法であって、前記訓練済機械学習アルゴリズムは、前記異常な組織を含むかまたは含むと疑われる、前記少なくとも１つの画像またはその導出物の少なくとも１つの領域を識別するように構成される、方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
相互参照
[001]本出願は、２０２０年１月９日に提出された米国仮特許出願第６２／９５８，８
５９号の利益を主張するものであり、その全体が参照により本明細書に組み込まれる。
続きを表示（約 2,800 文字）【背景技術】
【０００２】
[002]乳癌は、米国の女性に最も広くみられるがんであり、２０１７年だけで２５万を
超える新規の診断があった。約８人に１人の女性が、その生涯の何らかの時点で乳癌であると診断される。処置の改善に関わらず、米国では４万人を超える女性が毎年乳癌により死亡する。スクリーニングマンモグラフィの広い受診によりある程度、乳癌死亡率の低下に大きな進歩があった。乳癌のスクリーニングは、後期がんと比較して予後がずっと良好であり、処置コストが低い早期がんを識別するのを助けることが可能である。この差は非常に重要な可能性がある：限局的な乳癌のある女性は９９％近い５年生存率を有するが、転移性の乳癌のある女性の５年生存率は２７％である。
【０００３】
[003]このように立証されたベネフィットに関わらず、スクリーニングマンモグラフィ
の受診率は、予約取得の長い遅れ、不明確な価格設定、診察結果を受け取る長い待ち時間、紛らわしいレポートなど、一部患者経験の貧しさにより妨げられる。さらには、価格設定の透明性の欠如から生じる問題は、医療機関同士のコストの大きなバラつきによってひどくなる。同様に、診察結果を受け取るための伝達時間は、医療機関同士で一貫性がない。加えて、放射線科医のパフォーマンスの著しいバラつきにより、患者は場所と収入に応じて非常に様々なケアの基準を経験することになる。
【発明の概要】
【０００４】
[004]本開示は、人工知能を使用して、医学的画像データをさらなるスクリーニングお
よび／または診断評価のために個別の放射線医学的ワークフローに階層化することによって、被検者の放射線医学的評価を行うための方法およびシステムを提供する。そのような被検者は、疾患（例えば、がん）を有する被検者および疾患（例えば、がん）のない被検者を含み得る。スクリーニングは、例えば乳癌などのがんに向けたものであってもよい。階層化は、疾患関連の評価または他の評価（例えば、事例の推定される難しさ）に基づいて行われてもよい。
【０００５】
[005]一態様では、本開示は、（ａ）被検者の身体の部位の少なくとも１つの画像を取
得するステップと、（ｂ）訓練済アルゴリズムを使用して、少なくとも１つの画像またはその導出物を、複数のカテゴリのうちの１つのカテゴリに分類するステップであって、分類するステップが、画像処理アルゴリズムを少なくとも１つの画像またはその導出物に適用するステップを含む、分類するステップと、（ｃ）（ｂ）において少なくとも１つの画像またはその導出物を分類すると、（ｉ）少なくとも１つの画像が複数のカテゴリのうちの第１のカテゴリに分類されると、少なくとも１つの画像またはその導出物を、放射線医学的評価のために第１の放射線科医に送るステップ、または（ｉｉ）少なくとも１つの画像が複数のカテゴリのうちの第２のカテゴリに分類されると、少なくとも１つの画像またはその導出物を、放射線医学的評価のために第２の放射線科医に送るステップ、および（ｄ）少なくとも１つの画像またはその導出物の放射線医学的分析に少なくとも部分的に基づいて、第１の放射線科医または第２の放射線科医から被検者の放射線医学的評価を受け取るステップを含む、被検者の身体の部位の少なくとも１つの画像を処理するための方法を提供する。
【０００６】
[006]いくつかの実施形態では、（ｂ）は、少なくとも１つの画像またはその導出物を
、正常、曖昧、または疑わしいとして分類するステップを含む。いくつかの実施形態では、方法は、少なくとも１つの画像またはその導出物を、少なくとも１つの画像またはその導出物の（ｂ）における分類に基づいて分類器に送るステップをさらに含む。いくつかの実施形態では、（ｃ）は、少なくとも１つの画像またはその導出物を、放射線医学的評価のために、第１の複数の放射線科医のうちの第１の放射線科医、または第２の複数の放射線科医のうちの第２の放射線科医に送るステップを含む。いくつかの実施形態では、少なくとも１つの画像またはその導出物は、医学的画像である。
【０００７】
[007]いくつかの実施形態では、訓練済アルゴリズムは、少なくとも１つの画像または
その導出物を、少なくとも約８０％の感度で、正常、曖昧、または疑わしいとして分類するように構成される。いくつかの実施形態では、訓練済アルゴリズムは、少なくとも１つの画像またはその導出物を、少なくとも約８０％の特異性で、正常、曖昧、または疑わしいとして分類するように構成される。いくつかの実施形態では、訓練済アルゴリズムは、少なくとも１つの画像またはその導出物を、少なくとも約８０％の陽性予測値で、正常、曖昧、または疑わしいとして分類するように構成される。いくつかの実施形態では、訓練済アルゴリズムは、少なくとも１つの画像またはその導出物を、少なくとも約８０％の陰性予測値で、正常、曖昧、または疑わしいとして分類するように構成される。
【０００８】
[008]いくつかの実施形態では、訓練済機械学習アルゴリズムは、異常な組織を含むか
、異常な組織を含むと疑われる、少なくとも１つの画像またはその導出物の少なくとも１つの領域を識別するように構成される。
【０００９】
[009]いくつかの実施形態では、訓練済アルゴリズムは、少なくとも１つの画像または
その導出物を、がんを示すために、正常、曖昧、または疑わしいとして分類する。いくつかの実施形態では、がんは乳癌である。いくつかの実施形態では、少なくとも１つの画像またはその導出物は、被検者の乳房の三次元画像である。いくつかの実施形態では、訓練済機械学習アルゴリズムは、がんを示すか、がんを示すと疑われる画像を含む少なくとも約１００の独立的な訓練サンプルを使用して訓練される。
【００１０】
[010]いくつかの実施形態では、訓練済アルゴリズムは、がんを示すか、がんを示すと
疑われる陽性画像を含む第１の複数の独立的な訓練サンプル、およびがんを示さないか、がんを示すと疑われない陰性画像を含む第２の複数の独立的な訓練サンプルを使用して訓練される。いくつかの実施形態では、訓練済アルゴリズムは教師あり機械学習アルゴリズムを含む。いくつかの実施形態では、教師あり機械学習アルゴリズムは、深層学習アルゴリズム、サポートベクタマシン（ＳＶＭ）、ニューラルネットワーク、またはランダムフォレストを含む。
（【００１１】以降は省略されています）

関連特許