用于自动产生剂量预测模型以及作为云服务的疗法治疗计划的系统和方法
【专利说明】用于自动产生剂量预测模型以及作为云服务的疗法治疗计划的系统和方法
[0001]优先权的要求
[0002]本申请要求2013年5月21日提交的Hartman等人的题为“SYSTEM AND METHODSFOR AUTOMATIC CREAT1N OF DOSE PREDICT1N MODELS AND THERAPY TREATMENT PLANSAS A CLOUD SERVICE”的美国临时申请第61/798，852号的权益，其全部内容通过引用并入本文。
【背景技术】
[0003]放射学是出于诊断和治疗目的来处理医学成像的医学科学的一个分支。放射学的实践通常涉及使用X射线机器或其它放射设备来执行诊断或管理治疗。其它放射学实践采用没有涉及放射的技术，诸如磁共振成像(MRI)和超声波。作为医学领域，放射学可以涉及两个子领域一一诊断放射学和治疗放射学。
[0004]诊断放射学处理各种成像模式的用以帮助诊断主体(subject)中的疾病或症状的用途。通常，相对低剂量的X射线的宽的射束从放射源来生成并且朝着成像靶标(target)被定向。关于成像革E1标定位在源的相对侧的成像器接收入射放射并且图像基于所接收的辐射被生成。更新的技术和先进的技术使得能够通过将计算机断层摄影术(CT)应用于医疗成像技术来实现改进的图像采集。涉及CT扫描的传统的医疗成像过程通常产生靶标区域的一系列2维图像，其随后可以使用计算机化的算法被组合以生成靶标区域的3维图像或模型。
[0005]治疗放射学或者放射肿瘤学涉及使用放射以通过向靶标区域定向施加放射来治疗疾病(诸如癌症)。在放射疗法中，放射以预先规定的剂量被施加(通常作为射束)到靶标区域的一个或多个区域。由于放射可能存在潜在危害，所以可以进行昂贵的治疗计划，有时是在实际治疗过程之前，以查明要施加射束的精确位置并且限制对于主体中的其它区域的不必要的放射暴露。治疗计划阶段可以包括执行CT扫描或者其它成像技术以获取图像数据，图像数据能够在随后用于精确地计算主体的正确的位置和方位、主体内的一个或多个靶标区域的位置，以及预测要在疗法期间施加的放射的剂量。
[0006]传统上，放射治疗计划由人工操作者通过手动定义实现临床可接受的计划的最优目标(objective)来产生。近来，人工操作者可以通过利用现有的临床知识来自动产生治疗计划，现有的临床知识是由算法通过使用训练阶段来捕获的，训练阶段要求人工操作者选择用于算法的示例。
[0007]通过现有的系统实现的自动计划依赖于人工操作者来训练算法，这要求人工操作者能够访问现有的放射治疗计划。然而，这对于仅开始建立放射治疗的诊所来说可能是禁止的。这一问题已经激化，因为用于训练算法的所有数据必须由负责训练算法的人工操作者可访问并且要求在所有患者与知识库之间建立通信链路。对于其中这样的信息不可用的开始的诊所和实践，自动计划可能完全不是一个选项。
[0008]另外，一旦产生，治疗计划通常还基于各种因素(诸如治疗情况、患者和可用资源)进一步被优化。然而，手动地优化治疗计划很耗时，因为优化目标被迭代地变化并且所得到的剂量分布可以被重复地重新评估直到实现最优计划。
[0009]治疗计划的关键部分是预测要向患者施加的放射的剂量和剂量分布。在基于知识的剂量预测中，使用来自先前计划的放射治疗的信息来获取作为在新的案例中的可实现的剂量分布的知识而没有执行实际计划。基于知识的剂量预测的一种方法是使用先前计划的案例的集合来产生预测模型，预测模型然后可以用于预测用于新的案例的剂量(而不需要存储与这一训练集合相关的所有信息)。
[0010]通常，如果根据模型所描述的技术、目标和权衡来执行计划，则预测模型包含预测针对给定的患者几何结构所实现的剂量分布所需要的信息。这些预测可以被转换成优化目标，优化目标在结合优化算法使用时产生完整的放射治疗计划。然而，累积覆盖单个诊所的患者种类的代表性部分的治疗计划的库对于某些治疗技术而言由于其罕见性而很难。在多个患者之间传输患者敏感数据可能由于地方性法规而很难。
[0011]每个模型通常具有其中模型的预测是有效的某些区域；然而，如果新的案例的几何结构参数远不同于由训练集合计划的几何结构参数，则剂量预测可能不再可信。在一些情况下，诊所可以具有若干模型以覆盖大量不同的区域。样本治疗计划和模型也可以在诊所之间共享，从而更多地增加可用模型的数目。然而，在多个诊所之间共享各个模型导致诊所可能具有几十或几百个不同但是可能交叠的模型。这可能使得共享的模型的临床应用乏味和低效。
【发明内容】
[0012]提供本“
【发明内容】
”以介绍下面在“具体实施例”中进一步详细描述的简化形式的概念的选择。本“
【发明内容】
”并非意在识别要求保护的主题的关键特征或基本特征，也并非意在用于限制要求保护的主题的范围。
[0013]提出了一种用于基于从多个源积累的现有的临床知识来自动产生剂量预测模型而没有合作者在彼此之间建立通信链接的方法。根据要求保护的主题的实施例，诊所可以通过将其治疗计划提交到远程计算机系统(诸如基于云的系统)中来在产生剂量预测模型时合作，远程计算机系统从各种合作者聚合信息并且产生从所有提交的治疗计划中捕获临床信息的模型。根据另外的实施例，该方法可以包含其中使得由诊所提交的所有患者数据匿名或者先于通过通信链路提交相关参数来提取和浓缩相关参数以便遵守地方性法规的步骤。
[0014]根据本发明的另一方面，提出了一种方法，其中用户能够向驻留在远程计算机系统(稍后称为云服务)的软件程序中提交患者几何结构描述，远程计算机系统基于预测模型来自动生成和向用户返回放射治疗计划。根据这样的实施例，基于例如患者案例的几何结构特性来从所存储的预测模型的库中选择预测模型。基于所选择的预测模型来预测剂量分布。然后基于所预测的剂量分布来确定优化目标并且基于所确定的优化目标来生成治疗计划。
[0015]在另外的实施例中，该方法还可以包含其中由诊所来产生剂量预测模型并且使得剂量预测模型可用作用于其它诊所的云服务而不需要共享机密的患者信息的步骤。根据这些实施例，可以在远程计算机系统上自动产生治疗计划而不需要终端用户(end-user)对剂量预测模型的任何配置或手动训练，从而减少由于不可用的治疗计划者所产生的潜在的延迟和低效率。
【附图说明】
[0016]附图被包括在本说明书中并且形成本说明书的部分。附图图示实施例。附图连同描述用于解释实施例的原理:
[0017]图1描绘根据本发明的各种实施例的用于选择用于剂量预测模型的训练数据的集合的示例性过程的流程图。
[0018]图2描绘根据本发明的各种实施例的用于训练剂量预测模型的示例性过程的流程图。
[0019]图3描绘用于基于剂量预测模型来自动生成治疗计划的示例性过程的流程图。
[0020]图4描绘根据本发明的实施例的示例性计算环境。
【具体实施方式】
[0021]现在将详细参考要求保护的主题一一用于放射治疗系统的使用的方法和系统一一的优选实施例，其示例在附图中图示。虽然将结合优选实施例来描述要求保护的主题，然而应当理解，它们并非意在限制这些实施例。相反，要求保护的主题意在覆盖能够被包括在如所附权利要求所定义的精神和范围内的替选、修改和等同方案。
[0022]另外，在对要求保护的主题的实施例的以下详细描述中，给出大量具体细节以便提供对要求保护的主题的透彻理解。然而，本领域普通技术人员应当认识到，能够在没有这些具体细节的情况下来实践要求保护的主题。在其它情况下，没有详细描述众所周知的方法、过程、部件和电路以免不必要地模糊要求保护的主题的方面。
[0023]在对能够在计算机存储器上执行的数据比特的操作的过程、步骤、逻辑块、处理以及其它符号表示方面来呈现随后的详细描述的一些部分。这些描述和表示是数据处理领域的技术人员使用以最有效地向本领域其它技术人员传达其工作的实质的手段。过程、计算机生成的步骤、逻辑块、处理等在此并且通常被认为是产生期望的结果的步骤或指令的自相合的序列。步骤是那些需要物理量的物理操纵的步骤。通常，虽然并非必须，然而这些量采用能够在计算机系统中被存储、传送、组合、比较以及以其它方式操纵的电信号或磁信号的形式。有时证明很方便的是，原则上出于一般使用的原因，将这些信号称为比特、值、元素、符号、字符、术语、数字等。
[0024]然而，应当牢记，所有这些以及相似的术语要与适当的物理量相关联并且仅是应用于这些量的方便的符号。除非如根据下面的讨论清楚地那样另外具体指出，否则应当理解，遍及本