JP2006512938A

JP2006512938A - 筋骨格疾患の画像化マーカ

Info

Publication number: JP2006512938A
Application number: JP2004536632A
Authority: JP
Inventors: シャウ−ウェイ・リュー; コンスタンティノス・ツォウガラキス; クロード・ディ・アーノード; フィリップ・ラング; ダニエル・スタインズ; バリー・ジェイ・リンダー
Original assignee: イメージングセラピューティクス，インコーポレーテッド
Priority date: 2002-09-16
Filing date: 2003-09-16
Publication date: 2006-04-20
Also published as: CA2499292A1; CN1689020A; US20040106868A1; EP1546982A1; WO2004025541A1; AU2003275184A1

Abstract

本発明は創薬および薬剤開発を支援する画像化方法を使用するための方法に向いている。本発明は、また、筋骨格筋の病気の診断、予知、観察および患者の管理のために画像化方法を使用する方法に関する。

Description

本発明は画像化方法を使用して創薬および薬剤開発を支援することに関する。また、本発明は特に筋骨格系に影響を与える病気の診断、予知、観察および管理に関する。本発明は筋骨格の病気を含む病気の診断、予知、観察および管理に使用するための新しい画像化マーカを同定する。

骨粗鬆症および骨関節炎は、運動痛および身体障害のよくある原因だけでなく、筋骨格系に影響を与える最も一般的な病気である。骨粗鬆症はヒトおよび動物（例えば馬）の両方で発生しうる。骨粗鬆症（ＯＰ）および骨関節炎（ＯＡ）は、５０歳を超える人口の大部分で発生する。アメリカ骨粗鬆症財団（ｗｗｗ．ｎｏｆ．ｏｒｇ）は、約４４００万人程のアメリカ人が骨粗鬆症および低骨量の影響を受けていると推測している。１９９７年の骨粗鬆症関連の骨折の推定負担額は１３０億ドルであった。この数字は２００２年には１７０億ドルに増加し、２０４０年までに２１００−２４００億ドルに突出して増加する。現在、５０歳を超える女性の２人に１人が骨粗鬆症関連の骨折に苦しむことが予想されている。

その社会的影響力および患者数にかかわらず、骨粗鬆症および骨関節炎を引き起こして、ある人で他の人よりもより急速に進行する要因に関する情報が不足している。以前治療的介入の可能性がほとんどないと考えられていた病気、骨粗鬆症および骨関節炎は、新しい薬物および外科治療のモダリティ（治療薬や治療法の適用または使用の様式）の可能性の動的形態としてますます認識されている。

しかし、ＯＰおよびＯＡのための適切な治療的介入の処置および選択は、患者の病気のより良い評価方法の開発に依存している。さらに、患者の病気の評価のより良い方法は、創薬、薬剤開発、診断、予知、病気観察、治療観察および患者の管理を支援する。

本発明は、骨および／または関節の病気評価する新しい方法および技術を開示する。

本発明は、骨のミネラル密度、骨の構造および骨のまわりの組織のうち少なくとも１つを解析する方法を開示する。本方法は典型的には（ａ）被験者の画像を得るステップ；（ｂ）上記画像の注目領域の場所を決めるステップ；（ｃ）上記注目領域からデータを得るステップ；そして（ｄ）ステップｃで得られた画像データからの定性的グループ、定量的グループから選択されたデータを得るステップ、を含む。

さらに、骨および関節のうち少なくとも１つの病気の評価を支援するためのキットが提供される。上記キットは、典型的には、変性パターン、正常な組織のパターン、異常な組織のパターンおよび病気の組織のパターンのうち少なくとも１つを読み込むソフトウェアプログラムを含む。上記キットは、上記変性パターン、正常な組織のパターン、異常な組織のパターンおよび病気の組織のパターンのうち少なくとも１つと比較するための測定値のデータベースも含む。さらに、上記キットは、上記変性パターン、正常な組織のパターン、異常な組織のパターンおよび病気の組織のパターンのうち少なくとも１つと比較するための測定値のデータベースのサブセットを含む。

本発明は、画像化マーカを使用する自動化方法および半自動化方法のうち少なくとも１つも含む。この自動化方法または半自動化方法は、被験者から画像データを得るステップ；得られるデータが定量的データおよび定性的データのうち少なくとも１つである画像データからデータを得るステップ；そして、薬剤を投与するステップを含む。自動化方法または半自動化方法のどちらかが、創薬、診断、病気分類、病気観察、病気管理、予知、治療観察、薬剤効能観察および病気予測に使用可能である。

もう１つの実施の形態では、薬剤の効能を観察するための方法および／または創薬のための方法が提供される。この方法は、薬剤を被験者へ投与するステップ；画像データを得るステップ；得られるデータが、定量的データおよび定性的データのうちの少なくとも１つである画像データからデータを得るステップ、を含む。

病気診断、病気分類の決定、病気進行の観察、病気管理、病気予知、病気予測、治療観察および／または患者の集団からの被験者の任意抽出のためにも１つの方法が提供される。これらの方法のいずれもが、（ａ）被験者の画像データを得るステップ；（ｂ）得られたデータが、定量的データおよび定性的データのうちの少なくとも１つである画像データからデータを得るステップ；そして（ｃ）ステップｂの定量的データおよび定性的データのうちの少なくとも１つを、被験者のグループから得られた定量的データおよび定性的データのうちの少なくとも１つのデータベース；被験者から得られた定量的データおよび定性的データのうちの少なくとも１つのデータベース；および時間Ｔｎにおいて被験者から得られた定量的データおよび定性的データのうちの少なくとも１つのデータベースのうち少なくとも１つと比較するステップ、を含む。

上述の発明のいずれにも、追加のステップが提供可能である。そのような追加のステップは、例えば、画像データの画質を向上させることを含む。

これらのステップの適切な被験者は、例えば、哺乳類、ヒトおよび馬を含む。被験者の適切な解剖学的領域は、例えば、歯、脊椎、腰、膝および骨の芯のレントゲン写真を含む。

本発明を実行するために種々のシステムが使用可能である。典型的には、任意の上記方法の上記ステップの少なくとも１つが第１のコンピュータで実行される。とはいえ、上記方法の上記ステップの少なくとも１つが第１のコンピュータで実行され、上記方法の上記ステップの少なくとも１つが第２のコンピュータで実行される処理をもつことは可能である。このシナリオでは、上記第１のコンピュータおよび上記第２のコンピュータは、典型的には接続されている。適切な接続は、例えば、ピアツーピアネットワーク、直接リンク、イントラネットおよびインターネットを含む。

開示された本発明の任意のまたはすべてのステップが、種々の方法の他のステップの繰り返しと共にあるいは繰り返しなしで、直列または並列に１回以上繰り返すことが可能であることは重要である。これは、例えば、注目領域の場所を決めるステップまたは画像データを得るステップを繰り返すことを含む。

またデータは、２次元から３次元そして４次元へ、またはその反対に変換可能であり、２次元から４次元へも変換可能である。データ変換は、情報を処理する複数の時点で発生しうる。例えば、データ変換はパターン評価および／またはパターン解析の前または後で発生しうる。

ここで説明した方法のいずれもが、上記ステップがまだ実行されていない薬剤候補を投与するステップを含むのに適している。適切な薬剤は、例えば、被験者に投与される物質、被験者により摂取される物質、分子、調合薬、生物医薬品、農業医薬品（ａｇｒｏｐｈａｒｍａｃｅｕｔｉｃａｌ）、遺伝学的に製造された物質および遺伝子操作された物質などを含む。

任意の方法で得られたまたは抽出されたまたは生成された任意のデータは、データベース、データベースのサブセット、または被験者から以前得られたないしは抽出されたないしは生成されたデータと比較可能である。

本発明は、電子画像を含む画像からの骨のミネラル密度、骨および／ないしは軟骨の構造ならびに形態および／ないしは周囲の組織の解析を可能にする方法を提供し、したがって、骨および／または軟骨への薬剤の効能の評価を可能にする。骨および／または軟骨への効能は、他の組織への第１の効能をもつように意図されている薬剤だけれども、骨および／または軟骨への第２のまたはほとんど関係のない効能をもつだけでなく、治療の効果などの骨および／または軟骨への効能をもつように意図された薬剤により発生することは重要である。上記画像（例えばＸ線画像）は、例えば、歯、腰、脊椎または他のレントゲン写真であってもよく、任意の哺乳類から撮られたものであってもよい。上記イメージは電子形式であってもよい。

（ａ）骨密度および／または骨の構造を決定するための外部の基準を任意に含む画像を得るステップ；および（ｂ）骨の構造に関する定量的情報を得るためにステップ（ａ）で得られた画像を解析するステップ、を含む画像から骨の構造および／または骨のミネラル密度の定量的情報を得る方法を本発明は含む。上記画像は注目領域（ＲＯＩ）関して撮られる。適切なＲＯＩは、例えば、腰のレントゲン写真、または、下顎、上顎ないしは１本以上の歯を含む歯のＸ線フィルムの上に得られた歯のＸ線写真を含む。ある実施の形態では、上記イメージは、例えば、セレン検知システム、シリコン検知システムまたはコンピュータレントゲン写真システムを使用して、デジタルで得られる。他の実施の形態では、上記画像は、フィルムまたは他の適切な情報源から解析のためにデジタル化可能である。

１以上の薬剤候補が骨に関するその効能を試すことができる方法が含まれる。また、上記効能は、第１の効能または第２の効能であってもよい。例えば、上記薬剤候補は被験者に投与可能であり、従って、上記被験者の骨の部分の電子画像が得ることができて、最終的に、上記得られた画像が骨の構造に関する情報に関して解析可能である。骨の構造に関する情報は、下記の表１、表２および表３に示されるパラメータを含む種々のパラメータに関係しうる。次に、画像またはデータが、画像またはデータ（例えば「正常な」画像またはデータ）のデータベースと比較可能であり、および／または薬剤候補を投与する前に同じ被験者から撮られた１以上の画像ないしはデータまたは参照母集団から得られた１以上の画像ないしはデータと比較可能である。上記薬剤候補は、例えば、分子、タンパク質、ペプチド、天然素材である物質、化学的に合成された物質またはそれらの組み合わせおよび多剤併用であってもよい。典型的に、１つの薬剤は１以上の薬である。さらに、上記薬剤は、骨折（例えば、骨粗鬆症性骨折）の危険性などの骨の病気に効能に関して評価可能である。

ここに記載された方法のいずれにおいても、上記解析は１以上のコンピュータプログラム（またはユニット）を含むことができる。加えて、上記解析は、例えば骨のミネラル密度および／または骨の構造に関する情報に関し、上記画像を解析する前、解析中、解析後のいずれかに上記画像の中の１以上の注目領域（ＲＯＩ）を同定することを含むことができる。骨密度情報は、例えば、最高、最低またはメジアンの密度の領域であってもよい。骨の構造の情報は、例えば、表１、表２および表３に示された１以上のパラメータであってもよい。前述の種々の解析は直列に同時に実行されてもよい。さらに、２以上の指標を使用したとき、各指標は同様にまたは異なって重み付けされてもよく、あるいは２より多い指標が使用されたものの組み合わせでもよい。加えて、これらの方法のいずれもが、任意のここに記載された方法を使用して、骨のミネラル密度の情報に関する画像を解析することも含んでもよい。

ここに記載した方法のいずれもが、１以上の修正率を上記画像から得られたデータに適用することをさらに含むことができる。例えば、修正率はコンピュータユニットにプログラム可能である。上記コンピュータユニットは上記画像の解析を実行するのと同じユニットであってもよく、異なるユニットであってもよい。ある実施の形態では、上記修正率は、個々の被験者の柔らかい組織の厚みのばらつきを修正する。

本発明のこれらのおよび他の実施の形態は、ここに開示したことにより、当業者ならば容易に思いつく。

以下、添付の図を参照して発明の実施の形態を説明する。

以下の説明は、全ての当業者に本発明を使用できるようにする。説明する実施の形態に対する種々の変更は当業者にとって明らかであり、ここで定義する一般的原理は、添付の特許請求の範囲に定義されているように、本発明の範囲から離れずに、他の実施の形態および他の用途に適用可能である。したがって、本発明は、示される実施の形態に限定されることを意図するのではなく、ここに開示する原理や特徴と矛盾しない最も広い範囲を認める。開示する発明の完全な理解を達成するのに必要な範囲で、本出願に引用された全ての権利化された特許、特許文献および特許出願の、明細書、特許請求の範囲および図面は参照によりここに組み込まれる。

本発明の実施は、もし他に示されていないならば、当業者の画像化および画像処理の現在では従来の方法を使用する。そのような技術は以下の文献に詳しく説明されている。国際公開第ＷＯ／０２／２２０１４号；Ｘ−ＲａｙＳｔｒｕｃｔｕｒｅＤｅｔｅｒｍｉｎａｔｉｏｎ：ＡＰｒａｃｔｉｃａｌＧｕｉｄｅ，２ｎｄＥｄｉｔｉｏｎ，編集者ＳｔｏｕｔおよびＪｅｎｓｅｎ，１９８９，ＪｏｈｎＷｉｌｅｙ＆Ｓｏｎｓ，ｐｕｂｌｉｓｈｅｒ；ＢｏｄｙＣＴ：ＡＰｒａｃｔｉｃａｌＡｐｐｒｏａｃｈ，編集者Ｓｌｏｎｅ，１９９９，ＭｃＧｒａｗ−ＨｉｌｌＰｕｂｌｉｓｈｅｒ；ＴｈｅＥｓｓｅｎｔｉａｌＰｈｙｓｉｃｓｏｆＭｅｄｉｃａｌＩｍａｇｉｎｇ，編集者Ｂｕｓｈｂｅｒｇ，Ｓｅｉｂｅｒｔ，ＬｅｉｄｈｏｌｄｔＪｒおよびＢｏｏｎｅ，２００２，Ｌｉｐｐｉｎｃｏｔｔ，Ｗｉｌｌｉａｍｓ＆Ｗｉｌｋｉｎｓ；Ｘ−ｒａｙＤｉａｇｎｏｓｉｓ：ＡＰｈｙｓｉｃｉａｎ’ｓＡｐｐｒｏａｃｈ，編集者Ｌａｍ，１９９８，Ｓｐｒｉｎｇｅｒ−Ｖｅｒｌａｇ，ｐｕｂｌｉｓｈｅｒ；ＤｅｎｔａｌＲａｄｉｏｌｏｇｙ：ＵｎｄｅｒｓｔａｎｄｉｎｇｔｈｅＸ−ＲａｙＩｍａｇｅ，編集者ＬａｅｔｉｔｉａＢｒｏｃｋｌｅｂａｎｋ，１９９７，ＯｘｆｏｒｄＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓｐｕｂｌｉｓｈｅｒ；ＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，編集者ＫｅｎｎｅｔｈＲ．Ｃａｓｔｌｅｍａｎ，１９９６，ＰｒｅｎｔｉｃｅＨａｌｌ，ｐｕｂｌｉｓｈｅｒ；ＴｈｅＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＨａｎｄｂｏｏｋ，編集者ＪｏｈｎＣ．Ｒｕｓｓ，３ｒｄＥｄｉｔｉｏｎ，１９９８，ＣＲＣＰｒｅｓｓ；ＡｃｔｉｖｅＣｏｎｔｏｕｒｓ：ＴｈｅＡｐｐｌｉｃａｔｉｏｎｏｆＴｅｃｈｎｉｑｕｅｓｆｒｏｍＧｒａｐｈｉｃｓ，Ｖｉｓｉｏｎ，ＣｏｎｔｒｏｌＴｈｅｏｒｙａｎｄＳｔａｔｉｓｔｉｃｓｔｏＶｉｓｕａｌＴｒａｃｋｉｎｇｏｆＳｈａｐｅｓｉｎＭｏｔｉｏｎ，編集者ＡｎｄｒｅｗＢｌａｋｅおよびＭｉｃｈａｅｌＩｓａｒｄ，１９９９，ＳｐｒｉｎｇｅｒＶｅｒｌａｇ。当業者には当然のことながら、画像化の分野は進歩し続けるので、現在使用されている画像化の方法は時間とともに発展可能である。したがって、現在使用されているいずれの画像化の方法および技術も、将来開発可能な技術だけでなく本発明の教示の応用にも適している。画像化方法のさらに詳細な説明は、本発明を分かりにくくするのを避けるために提供される。

図１Ａに示されているように、第１のステップは、調査のために、人体などの被験者の体の一部の場所を決めるステップである（９８）。調査のために場所を決められた上記体の一部は解剖学的注目領域（ＲＡＩ）である。調査のために上記体の一部の場所を決める過程において、例えば、腰、歯、脊椎などの体の特定の場所の一連の画像を撮るために決定がなされる。画像は、例えば、従来のＸ線画像、Ｘ線トモシンセシス（ｔｏｍｏｓｙｎｔｈｅｓｉｓ）、超音波（Ａスキャン、ＢスキャンおよびＣスキャンを含む）コンピュータ連動断層撮影（ＣＴスキャン）、磁気共鳴映像法（ＭＲＩ）、光干渉断層計、単一光子放射型コンピュータ断層撮影（ＳＰＥＣＴ）、陽電子射出断層撮影法、または当業者が本発明を実施するのに有用だと分かる他の画像化ツールを含む。一度画像が撮られると、注目領域が上記画像の中の場所を決めることができる（１００）。画像データが上記画像から抽出される（１０２）。最後に、定量的データおよび／または定性的データが上記画像データから抽出される（１２０）。上記画像から抽出された定量的データおよびまたは定性的データは、例えば、表１、表２または表３の中に示されているパラメータおよび測定値を含む。

調査のために体の一部の場所を決めるステップ（９８）、注目領域の場所を決める任意のステップ（１００）、画像データを得るステップ（１０２）、そしてデータを得るステップ（１２０）の各ステップは、所望により、各々１回以上繰り返されてもよい（９９）、（１０１）、（１０３）、（１２１）。

図１Ｂに示されているように、画像データは、ノイズフィルタリングおよび拡散フィルタリングなどの画像処理技術を利用してさらなる解析を容易にすることにより、任意に画質を向上されてもよい。図１Ａに示された処理と同様に、調査のために体の一部の場所を決めるステップ（９８）、注目領域の場所を決める任意のステップ（１００）、画像データを得るステップ（１０２）、画像データの画質を向上させるステップ（１０４）、データを得るステップ（１２０）は、所望により、各々１回以上繰り返されてもよい（９９）、（１０１）、（１０３）、（１０５）、（１２１）。
表１：定量的および定性的画像解析方法で測定される代表的パラメータ

当業者には当然のことながら、表１に示されたパラメータおよび測定値は説明の目的のために提供されている。他の指標、測定値、比、得られた値または指標は、本発明の範囲を離れずにＲＯＩに関する定量的情報および／または定性的情報を抽出するために使用可能である。加えて、複数のＲＯＩまたはデータの複数の派生が使用され、測定されたパラメータは、本発明の範囲を離れずに、同じパラメータまたは異なるパラメータであってもよい。さらに、異なるＲＯＩからのデータは所望により組み合わせられるまたは比較される。

以下に説明するように解剖学的構造に基づいて選択される追加の測定が実行される。

一度データが画像から抽出されると、データは操作されて病気の重傷度を評価し、病気の分類（例えば軽度、中度、重度または数値または指標）を決定する。この情報は、病気の進行および／または過去にとられた診療ステップの効能を観察するためにも使用可能である。最後に、上記情報は、病気の進行を予想するためにまたは臨床試験中の患者のグループを任意抽出するために使用可能である。

図２Ａは２０２として示されるＲＡＩに関して撮られた画像を示す。図２Ａに示されているように、１つの注目領域（ＲＯＩ）２１０が上記画像の中に同定される。上記ＲＯＩ２１０は画像２００の全て、または画像のほとんど全てを占める。図２Ｂに示されているように、１より多いＲＯＩが画像の中に同定可能である。この例では、第１のＲＯＩ２２０が上記画像２００の一領域の中に描かれていて、第２のＲＯＩ２２２が画像の中に描かれている。この例では、これらのＲＯＩのいずれも重ならず境も接しない。当業者には当然のことながら、画像２００の中で同定されたＲＯＩの数は描かれている２つに限定されない。図２Ｃを見ると、説明の目的のための２つのＲＯＩを示すもう１つの実施の形態が示されている。この例では、第１のＲＯＩ２３０および第２のＲＯＩ２３２は部分的に重なっている。当業者には当然のことながら、複数のＲＯＩが使用されていて、上記ＲＯＩのいずれもがまたは全てが、重ならないように、重ならずに境を接して、部分的に重なって、完全に重なって（例えば、第１のＲＯＩが完全に第２のＲＯＩの中に位置して）、およびそれらの組み合わせになるように組織化可能である。さらに画像２００あたりのＲＯＩの数は１（ＲＯＩ₁）からｎ（ＲＯＩ_n）までに渡り、ｎは解析されるＲＯＩの数である。

骨密度、マイクロアーキテクチャ、マクロ解剖学的および／または生体力学的な（例えば有限要素モデリングを使用して得られる）解析は、所定の大きさおよび形状および位置の領域の中に適用可能である。この注目領域は「窓」とも呼ばれる。処理は、上記画像の異なる位置における上記窓の中で繰り返し適用可能である。例えば、標本化点の領域が生成可能で、上記解析がこれらの地点で実行される。各パラメータに関する上記解析の結果は行列空間に保存可能である。例えば、行列空間の位置が、解析する標本化点の位置に対応し、したがってパラメータの空間分布の地図を形成する（パラメータ地図）。標本化の領域は、画像の種々の密度に伴い規則的な間隔または不規則な間隔をもつ。上記窓は、例えば異なる患者の大きさまたは身体構造から成る、可変の大きさおよび形状をもつことができる。

上記窓の間の重なりの量は、例えば標本化点の間隔または密度（およびパラメータ地図の解像度）を使用して決定可能である。したがって標本化点の密度は、処理効率を改善するために、高解像度が望まれる領域では高くて、中度の解像度で十分な領域では低く設定される。上記窓の大きさと形状は、パラメータの局所の特異度を決定する。窓の大きさは、好ましくは、測定中の構造の大部分をその窓が取り囲むように設定される。過大な窓は、局所の特異度が失われないことを確実にするために、一般的に避けられる。

上記窓の形状は、構造の量の省略を最小にし、局所の特異度を最大にするために、測定中の局所構造の同じ配向および／または等高線をもつように変更可能である。したがって、２次元および／または３次元の窓の両方が、それらの組み合わせと同様に使用され、得られる画像およびデータの性質に依存する。

骨密度、マイクロアーキテクチャ、マクロ解剖学的および／または生体力学的な（例えば有限要素モデリングを使用して得られる）解析は、所定の大きさおよび形状および位置の領域の中に適用可能である。上記領域は、調査中の解剖学的領域のほとんどまたは全てを含むように一般的には選択され、好ましくは、上記パラメータは画素ごとを基準に、また、断面または３次元画像（例えばＭＲおよび／またはＣＴを使用して得られる３次元画像）の場合にはボクセルごとを基準に評価可能である。代わりに、上記解析は画素またはボクセルの束に適用可能であって、上記束の大きさは、空間解像度および処理速度の間の妥協を表すように典型的には選択される。各解析がパラメータ地図を生成する。

パラメータ地図は、画像または窓の中の１以上のパラメータの測定値に基づいていてもよい。しかし、パラメータ地図は統計的方法を使用して得ることもできる。１つの実施の形態では、そのような統計的比較は、例えばｚスコアまたはＴスコアを使用して、データと参照母集団との比較を含んでもよい。したがって、パラメータ地図はｚスコアまたはＴスコアの表示を含む。

測定される場所に関連する追加の測定値も採用できる。例えば、測定値は、歯、脊椎、腰、膝または骨の芯を対象にできる。適切な場所の特定の測定値の例は表２に示される。
表２：骨のパラメータの特定場所の測定値

当業者には当然のことながら、測定および画像処理技術はマイクロアーキテクチャおよびマクロ解剖学的構造の両方に適用可能である。これらの測定値の例は表３に示されている。
表３：マイクロアーキテクチャおよびマクロ解剖学的構造に関して適用可能な測定値

較正された密度は、典型的に、実際の物質の密度または密度が既知の参照物質の密度として表される物質の密度に変換される画像の中の特性の強度値の測定値を意味する。上記参照物質は、金属、ポリマー、プラスチック、骨、軟骨などであってもよく、画像化されている対象の一部であってもよく、画像取得の間に視覚画像領域内に配置される較正された幻像であってもよい。

抽出された構造は、典型的には、画像から得られた特徴の単純化されたまたは拡大された表示を意味する。１つの例は、背景のサブトラクションおよび閾値での削除により生成される小柱のパターンの２値画像である。もう１つの例は、エッジフィルタおよび閾値での削除を適用することにより生成される皮層の骨の２値画像である。上記２値画像はグレイレベル画像の上に重ね合わされ、注目構造のグレイレベルパターンを生成可能である。

距離変換は、典型的には、各０ピクセルから最も近い１ピクセルまでの距離を表す地図が生成される２値画像に適用される操作を意味する。距離は、ユークリッドマグニチュード、市街地距離、ラプラス距離またはチェス盤距離により計算可能である。

抽出された構造の距離変換は、較正された密度に関して上述したように、典型的に、抽出された構造の２値画像に適用される距離変換操作を意味する。

抽出された構造のスケルトンは、典型的には、抽出された画像の中央線を表す１ピクセル幅のパターンの２値画像を意味する。上記抽出された構造のスケルトンは、数学形態論または他の方法により、スケルトン化または中央の変換操作を抽出された構造の画像に適用することにより生成される。

スケルトンセグメントは、典型的には、画素隣接解析を各スケルトン画素に実行することにより、抽出された構造のスケルトンから得られる。この解析は、各スケルトン画素を節点画素またはスケルトンセグメント画素として分類する。節点画素は８つの隣接画素のうち２つより多い画素をもつ。スケルトンセグメントは、連続して８個つながったスケルトンセグメント画素の連鎖である。２つのスケルトン画素は少なくとも１つの節点画素により分離されている。

当業者にはよく知られているように水源セグメント化は、典型的に、グレイレベル画像に適用されて、注目構造のグレイレベルの連続性を特徴付ける。上記処理により生成されるセグメントの寸法の数値は、例えば上述の表３に挙げられたものである。当業者には当然のことながら、他の処理が、本発明の範囲から離れずに使用可能である。

次に、図３Ａを参照すると、軟骨の欠陥の断面が示されている（３００）。斜行平行線の区域３０２は軟骨が失われた部分に対応する。図３Ｂは図３Ａに示された軟骨の欠陥の上面図である。

図３Ｃは本来の軟骨の表面３１２の予想される場所を示す破線とともに第１の断面の寸法の軟骨の欠陥の深さ３１０を示す。これらの２つの値を比較することにより、軟骨の欠陥の深さと軟骨の欠陥の幅との比が計算可能である。

図３Ｄは、軟骨の欠陥の幅３２２に沿った軟骨の深さ３２０を示す。これらの２つの値は比較されて軟骨の深さと軟骨の欠陥の幅との比を決定可能である。

図３Ｅは軟骨の深さ３２０に沿った軟骨の欠陥の深さ３１０を示す。破線は、本来の軟骨の表面３１２の予想される場所を示して提供される。上述の測定値と同様に種々の測定値の間の比が測定可能である。

次に、図３Ｆを参照すると、骨の骨髄浮腫の部分が、大腿骨３３０および脛骨３３２の上に示されている。浮腫の斜線部分はＴ２強調ＭＲＩスキャンで測定可能である。代わりに、上記部分は１以上のスライスに関して計測可能である。次に、これらの測定値は、複数のスライスまたは３次元捕捉を使用して関節全体に拡張可能である。これらの計測値から体積が決定でき、得ることができる。

図３Ｇは、臼蓋窩３４０および大腿骨３４２の軟骨下の硬化症の部分を示す。上記硬化症は、例えばＴ１またはＴ２強調ＭＲＩスキャンまたはＣＴスキャンで測定可能である。上記部分は１以上のスライスで測定可能である。したがって上記測定は、複数のスライスまたは３次元捕捉を使用して関節全体に拡張可能である。これらの値から、軟骨下の硬化症の体積が得られる。図示の目的のため、各表面に関し１つの硬化症が示されている。しかし当業者には、１より多い硬化症が１つの関節の表面の上に発生しうることは当然である。

図３Ｈは、大腿骨３５０および脛骨３５２の上の骨棘を示す。上記骨棘は斜行平行線の部分で示されている。図３Ｇで示されている硬化症と同様に、上記骨棘は、例えば、Ｔ１またはＴ２強調ＭＲＩスキャンまたはＣＴスキャンにより測定可能である。上記部分は１以上のスライスで計測可能である。したがってその測定値は、複数のスライスまたは３次元捕捉を使用して、関節の全体へ拡張可能である。これらの値から、骨棘の体積が得られる。加えて、１つの骨棘３５４または骨棘のグループ３５６が任意の測定値に含まれてもよい。当業者には、本発明の範囲を離れずに、図示されているように、グループは、１つの関節の表面からまとめられてもよく、対向する関節の表面からまとめられてもよいことは当然である。

次に図３Ｉを参照すると、軟骨下の嚢胞３６０、３６２、３６４の部分が示されている。図３Ｇに示されている硬化症と同様に、上記嚢胞は、例えば、Ｔ１またはＴ２強調ＭＲＩスキャンまたはＣＴスキャンで測定可能である。上記部分は１以上のスライスで測定可能である。したがって、上記測定値は、複数のスライスまたは３次元捕捉を使用して、関節の全体に拡張可能である。これらの値から、上記嚢胞の体積が得られる。加えて、１つの嚢胞３６６または嚢胞のグループ３６６’は任意の測定値に含まれてもよい。当業者には、本発明の範囲を離れずに、図示されているように、グループは、１つの関節の表面からまとめられてもよく、対向する関節の表面からまとめられてもよいことは当然である。

図３Ｊは、上面から見た３７０および断面の３７１断裂した半月板の組織の部分（斜行平行線の部分）３７２、３７４を示す。再び図３Ｇに示されている硬化症と同様に、断裂した半月板の組織は、例えば、Ｔ１またはＴ２強調ＭＲＩスキャンまたはＣＴスキャンで測定可能である。上記部分は１以上のスライスで測定可能である。したがって、上記測定値は、複数のスライスまたは３次元捕捉を使用して、関節の全体に拡張可能である。これらの値から、断裂の体積が得られる。例えば断裂の表面または体積と正常な半月板の組織との比が、断裂した半月板の表面と対向する関節間の表面の表面との比と同様に得られる。

図４Ａに示されているように、ＲＯＩの場所を決める任意の処理（１００）、ＲＯＩから画像データを抽出する処理（１０２）、抽出された画像データから定量的画像データおよび／または定性的画像データを得る処理（１２０）は繰り返し可能である（１２２）。代わりに、または加えてＲＯＩの場所を決める処理（１００）が繰り返し可能である（１２４）。当業者には、これらのステップが、所望により、任意の適切な順序で１回以上繰り返すことができて、ＲＯＩに関する十分な量の定量的データおよび／または定性的データを得ることができ、パラメータを分離して抽出または評価できることは当然である。さらに、使用されるＲＯＩは第１の処理で使用されたのと同じＲＯＩまたは画像内に新しく同定されたＲＯＩであってもよい。加えて、図１Ａとともに、注目領域の場所を決めるステップ（１００）、ＲＯＩから画像データを抽出するステップ（１０２）、そして定量的画像データおよび／または定性的画像データを得るステップは、所望により、各々１回以上繰り返し可能である（１０１）、（１０３）、（１２１）。ここには描かれてないけれども、図１Ａに関して上で説明したように、調査のために体の一部の場所を決める追加のステップ（９８）は、本発明の範囲から離れずに、注目領域の場所を決めるステップ（１００）の前に実行可能である。加えて上記ステップは繰り返されてもよい（９９）。

図４Ｂは、図４Ａに示された処理に画像データの画質を向上させる追加のステップ（１０４）を加えた処理を示す。加えて、画像データの画質を向上させるステップ（１０４）は、所望により、１回以上繰り返し可能である（１０５）。画像データの画像を向上させる処理（１０４）は、所望により１回以上繰り返し可能である（１２６）。

次に、図５Ａを参照すると、注目領域の場所を決める任意の処理（１００）が示されている。ここには描かれていないけれども、図１Ａに関して上に説明したように、調査のために体の一部の場所を決めるステップ（９８）は、本発明の範囲を離れずに、注目領域の場所を決めるステップ（１００）の前に実行される。加えて、上記ステップは繰り返されてもよい（９９）。一度注目領域の場所が決められる（１００）と、画像データがＲＯＩから抽出され（１０２）、次に、抽出された画像データが、例えば速度または時間を含む２次元パターン（１３０）、３次元パターン（１３２）、４次元パターン（１３３）に変換されて、データ解析を容易にすることができる。２次元パターン（１３０）、３次元パターン（１３２）、４次元パターン（１３３）への変換に続き、上記画像はパターンに関して評価される（１４０）。加えて画像は、所望ならば、２次元から３次元（１３１）または３次元から４次元（１３１’）に変換可能である。図を分かりにくくするのを避けるため図示されていないけれども、当業者には、この処理または本発明で示された任意の処理で２次元および４次元の間で同様な変換が発生できるのは当然である。

当業者には当然のことであるが、上記変換ステップは任意であって、上記処理は、ＲＯＩから画像データを抽出するステップ（１０２）からデータパターンを評価するステップ（１４０）へ直接進むことができる（１３４）。パターンに関するデータを評価するステップは、例えば、上に説明した表１、表２、表３の測定を実行するステップを含む。

加えて、注目領域の場所を決めるステップ（１００）、画像データを得るステップ（１０２）およびパターンを評価するステップ（１４１）は、処理の任意の段階において、各々１回以上実行可能である（１０１）、（１０３）、（１４１）。当業者には当然のことであるが、上記ステップは繰り返し可能である。例えば、パターンの評価（１４０）に続いて、追加の画像データが得られる（１３５）かまたはもう１つの注目領域がえられる（１３７）。これらのステップは、所望のデータ解析を達成するのに望ましい任意の組み合わせで、所望により繰り返し可能である。

図５Ｂは、図５Ａに示された処理の代わりの処理であって、画像または画像データを２次元（１３０）、３次元（１３２）または４次元（１３３）に変換する前に画像データの画質を向上させるステップ（１０４）を含む処理である。画像データの画質を向上させる処理（１０４）は、所望ならば繰り返し可能である（１０５）。図５Ｃは、図５Ｂに示された処理の代わりの実施の形態である。この処理では、画像データの画質を向上させるステップ（１０４）は、画像または画像データを２次元（１３０）、３次元（１３２）または４次元（１３３）パターンに変換した後に発生する。また、画像データの画質を向上させる処理（１０４）は、所望ならば、繰り返し可能である（１０５）。

図５Ｄは図５Ａに示された処理の代わりの処理を示す。調査のために体の一部の場所を決めて（９８）画像化した後で、上記画像は２次元パターン（１３０）、３次元パターン（１３２）または４次元パターン（１３３）に変換される。２次元、３次元または４次元画像への変換の後、注目領域は、画像の中に任意に場所を決められ（１００）、次に、データが抽出される（１０２）。次に、抽出された画像データの中でパターンが評価される（１４０）。図５Ａの処理とともに、変換ステップは任意である。さらに、所望ならば、画像は、２次元、３次元（１３１）および４次元（１３１’）の間で変換可能である。

図５Ａと同様に、一部のまたは全ての処理は、所望により、１回以上繰り返し可能である。例えば、調査のために体の一部の場所を決めるステップ（９８）、注目領域の場所を決めるステップ（１００）、画像データを得るステップ（１０２）およびパターンを評価するステップ（１４０）は、所望ならば、各々１回以上繰り返されてもよい（９９）、（１０１）、（１０３）、（１４１）。またステップは繰り返し可能である。例えば、パターンの評価（１４０）に続いて、追加のイメージデータが得られ（１３５）、ないしはもう１つの注目領域が場所を決めることができ（１３７）および／または調査のために体の他の一部が場所を決めることができる（１３９）。これらのステップは、所望のデータ解析を達成するのに望ましい任意の組み合わせで、所望により繰り返し可能である。

図５Ｅは図５Ｄに示された処理の代わりの処理を示す。この処理では、画像データは画質を向上可能である（１０４）。画像データの画質を向上させるステップは、変換のステップ（１４３）の前、注目領域の場所を決めるステップ（１４５）の前、画像データを得るステップ（１０２）の前またはパターンを評価するステップ（１４９）の前に発生可能である。

図５Ａと同様に、画像データの画質を向上させる処理（１０４）を含む一部または全ての処理は、所望により、１回以上繰り返し可能であり、これは（１０５）で示される。

上述の方法は、また、骨または関節の画像を得るステップ、上記画像を２次元、３次元または４次元のパターンに任意に変換するステップ、表１、表２および／または表３に指定された１以上のパラメータを使用して、注目領域の中の正常、病気ないしは異常な組織の量または程度、または変性の程度を評価するステップを含む。この方法を開始時間Ｔ₁に実施することにより、１以上の病気を診断するために有用な、または病気の深刻さを分類ないしは決定するために有用な情報が得られる。この情報は、例えば骨粗鬆症や関節炎の患者の予後を決定するためにも有用である。この方法を開始時間Ｔ₁および後の時間Ｔ₂に実施することにより、例えば注目領域の中の変更が決定可能であり、それにより適切なステップの評価を容易にして治療のための処置を執ることを可能にする。さらに、もし被験者が既に治療を受けているか、治療が時間Ｔ₁の後に開始されたならば、治療の効能を観察することが可能である。この方法をそれに続く時間に実施することにより、過去に行われた任意の診療行為のステップの効能の予想だけでなく病気の進行の予想を容易にするＴ₂からＴ_nの追加のデータが得られる。当業者には当然のことであるが、それに続く測定値は、定期的にないしは不定期にまたはそれらの組み合わせで採ることができる。例えば、Ｔ₁において解析を実施し、最初に続く１ヶ月後のＴ₂に測定が実施されることが望ましい。測定が、１ヶ月間隔のパターンで１年間（１ヶ月間隔で１２回）実施可能で、それに続いて６ヶ月間隔で、次に１２ヶ月間隔で実施可能である。代わりに一例として、最初の３回は１ヶ月間隔で、続いて６ヶ月間隔で、さらに１ヶ月以上１ヶ月間隔で、最後に１２ヶ月間隔で測定が実施可能である。定期的および不定期間隔の組み合わせは無限であり、本発明を分かりにくくするのを避けるため、これ以上は説明しない。

さらに、表１、表２および表３に挙げられた１以上のパラメータが測定可能である。これらの測定は別々に解析可能であり、また、線形回帰モデルまたは相関などの統計的方法を使用して、データを組み合わせることができる。実際の測定値および予測される測定値は、比較可能であり、相互に関連付け可能である。

被験者の骨または関節の病気を評価する方法は、表１、表２または表３に指定された１以上のパラメータの測定が、介入なしに自動的に実行されるように、完全に自動化可能である。次に自動評価は、診断、分類、予知または病気の観察または治療の観察のステップを含むことができる。当業者には当然のことながら、完全に自動化された測定は、例えば、セグメンテーションおよび位置合わせなどの画像処理技術により実現可能である。この処理は、例えば、相互の情報または他の同様な指標に基づいた、初期抽出点拡張（ｓｅｅｄｇｒｏｗｉｎｇ）、閾値での削除、地図またはモデルに基づいたセグメンテーション方法、ライブワイヤーアプローチ（ｌｉｖｅｗｉｒｅａｐｐｒｏａｃｈ）、アクティブなおよび／または変形可能な等高線アプローチ、等高線トラッキング、テクスチャに基づくセグメンテーション方法、堅固性および柔軟性表面位置合わせまたは体積位置合わせを含むことができる。当業者には、表１、表２および表３に指定されたパラメータおよび測定値の完全に自動化された他の評価技術および評価方法を容易に理解できるであろう。

代わりに、被験者の骨または関節の病気を評価する方法は、表１で指定されたような１以上のパラメータの測定が半自動的に、すなわち介入を伴って実行されるように半自動化されている。次に、半自動化評価は、品質管理などのヒトの介入を可能にし、上記パラメータの測定値を利用して、病気を診断、分類、予知または観察し、または治療を観察する。上記半自動化方法は、例えば、セグメンテーションおよび位置合わせなどの画像処理技術を可能にする。この処理は、例えば、相互の情報または他の同様な指標に基づいた、初期抽出点拡張（ｓｅｅｄｇｒｏｗｉｎｇ）、閾値での削除、地図またはモデルに基づいたセグメンテーション方法、ライブワイヤーアプローチ（ｌｉｖｅｗｉｒｅａｐｐｒｏａｃｈ）、アクティブなおよび／または変形可能な等高線アプローチ、等高線トラッキング、テクスチャに基づくセグメンテーション方法、堅固性および柔軟性表面位置合わせまたは体積位置合わせを含むことができる。当業者には、表１、表２および表３に指定されたパラメータの半自動化された他の評価技術および評価方法を容易に理解できるであろう。

次に図６Ａを参照すると、図１に関して上に説明したように、ユーザがＲＯＩの場所を決め（１００）、ＲＯＩから画像データを抽出し（１０２）、そして次に抽出された画像データから定量的画像データおよび／または定性的画像データを得る（１２０）処理が示されている。定量的画像データおよび／または定性的画像データを得るステップに続いて、薬剤候補が患者に投与される（１５０）。上記薬剤候補は、効能が調査されている任意の薬剤であってもよい。薬剤は、注目領域の中で計測可能な定量的パラメータおよび／または定性的パラメータに影響すると考えられる分子、調合薬、生物医薬品、農業医薬品（ａｇｒｏｐｈａｒｍａｃｅｕｔｉｃａｌ）ないしはそれらの組み合わせ、または多剤併用などの任意の投与された物質または被験者により内服された物質を含む。これらの薬剤は、筋骨格系に影響する病気の治療を意図する薬剤に限定されるのではなく、本発明は、意図する治療場所にかかわらず、任意のおよび全ての薬剤を包含することを意図している。したがって、適切な薬剤は、その効果が画像化により検出可能な任意の薬剤である。注目領域の場所を決めるステップ（１００）、画像データを得るステップ（１０２）、画像データから定量的データおよび／または定性的データを得るステップ（１２０）、薬剤候補を投与するステップ（１５０）は、所望により、各々１回以上繰り返し可能である（１０１）、（１０３）、（１２１）、（１５１）。

図６Ｂは、画像データの画質を向上させる追加のステップ（１０４）を示し、上記ステップは、所望により、任意に繰り返し可能（１０５）でもある。

図６Ｃに示されているように、これらのステップは１回以上繰り返して、薬剤候補の効能を決定可能である。当業者には当然であるが、繰り返すステップは、図６Ｂに示されているように、注目領域の場所を見つける段階（１５２）で発生しうるか、図６Ｄに示されているように、画像データを得る段階（１５３）または画像データから定量的データおよび／または定性的データを得る段階（１５４）に発生しうる。

図６Ｅは、画像データの画質を向上させる追加のステップ（１０４）を示し、そのステップは、所望により、任意に繰り返し可能である（１０５）。

前に説明したように、図６Ａから図６Ｅに示された一部のまたは全ての処理は、所望により、１回以上繰り返し可能である。例えば、注目領域の場所を決めるステップ（１００）、画像データを得るステップ（１０２）、画像データの画質を向上させるステップ（１０４）、定量的データおよび／または定性的データを得るステップ（１２０）、パターンを評価するステップ（１４０）および薬剤候補を投与するステップ（１５０）は、所望により、各々１回以上繰り返し可能である（１０１）、（１０３）、（１０５）、（１２１）、（１４１）、（１５１）。

図６Ａから図６Ｅに関連して説明されたこのシナリオでは、薬剤候補が投与される前に画像が撮られる。しかし、当業者には当然であるが、薬剤候補が投与される前に画像をもつことが常に可能とは限らない。これらの状況では、抽出された画像から抽出された画像への変化を評価することにより、時間的推移が決定される。

次に図７Ａを参照すると、薬剤候補が先に投与される処理（１５０）が示されている。したがって注目領域は、撮られた画像の中に場所を決められ（１００）、画像データが抽出される（１０２）。一度画像データが抽出されると、定量的データおよび／または定性的データが、画像データから抽出される（１２０）。このシナリオでは、薬剤候補が最初に投与されるので、得られた定量的データおよび／または定性的データが、同様の追跡されたパラメータをもつ被験者に関するデータを含むデータベースまたはデータベースのサブセットに比較される（１６０）。図７Ｂに示されているように、画像データを得るステップに続いて、上記画像データは画質を向上可能である（１０４）。この処理は、所望により、任意に繰り返し可能である（１０５）。

代わりに、図７Ｃに示されているように、得られた定量的情報および／または定性的情報は、もし入手可能であるならば、Ｔ１または他の任意の時間に撮られた画像と比較可能である（１６２）。図７Ｄに示されているように、画像データを得るステップ（１０２）の後に画質を向上させるステップ（１０４）が続く。また、上記処理は、所望により、繰り返し可能である（１０５）。

前に説明したように、図７Ａから図７Ｄに示された一部のまたは全ての処理は、所望により、１回以上繰り返し可能である。例えば、注目領域の場所を決めるステップ（１００）、画像データを得るステップ（１０２）、画像データの画質を向上させるステップ（１０４）、定量的データおよび／または定性的データを得るステップ（１２０）、薬剤候補を投与するステップ（１５０）、定量的情報および／または定性的情報とデータベースとを比較するステップ（１６０）、定量的情報および／または定性的情報とＴ₁などの前の時間に撮られた画像とを比較するステップ（１６２）、治療を観察するステップ（１７０）、病気の進行を観察するステップ（１７２）、病気のたどる方向を予想するステップ（１７４）は、所望ならば、各々１回以上繰り返し可能である（１０１）、（１０３）、（１０５）、（１２１）、（１５１）、（１６１）、（１６３）、（１７１）、（１７３）、（１７５）。図７Ｂに示されているように、これらのステップの各々は、所望により、またはデータの収集を強化するのに適切なように、１ループ以上繰り返し可能である（１７６）、（１７７）、（１７８）、（１７９）、（１８０）。

次に図８Ａを参照すると、ＲＯＩから画像データを抽出するステップ（１０２）に続いて、画像は送信可能である（１８０）。送信は、ネットワークの中の他のコンピュータ宛であってもよいし、ワールドワイドウェブを経由して他のネットワーク宛であってもよい。画像を送信するステップ（１８０）に続き、画像が正常な組織および病気の組織のパターンに変換される（１９０）。正常な組織は、調査のために選択された体の部分の中に位置する損傷していない組織を含む。病気の組織は、調査のために選択された体の部分に位置する損傷した組織を含む。病気の組織は、調査のために選択されたからだの部分の正常な組織の欠損を含むかまたは欠損を意味する。例えば、損傷したり、欠損した軟骨は、病気の組織と考えられるであろう。一度画像が変換されると、その画像は解析される（２００）。図８Ｂは、図８Ａに示された処理に画像データの画質を向上させる追加のステップ（１０４）を加えた処理を示す。当業者には当然であるが、この処理は、所望により、繰り返し可能である（１０５）。

図８Ｃに示されているように、図８Ａに示されている画像を送信するステップ（１８０）は任意で、本発明では実施される必要はない。当業者には当然であるが、画像が正常なおよび病気のパターンに変換される前に、画像が解析されてもよい。図８Ｄは、図８Ｃに示された処理に、所望により任意に繰り返される（１０５）、画像データの画質を向上させる追加のステップ（１０４）を加えた処理を示す。

前に説明したように、図８Ａから図８Ｄの中の一部のまたは全ての処理は、所望により、１回以上繰り返し可能である。例えば、注目領域の場所を決めるステップ（１００）、画像データを得るステップ（１０２）、画像データの画質を向上させるステップ（１０４）、画像を送信するステップ（１８０）、画像を正常なおよび病気のパターンに変換するステップ（１９０）、変換された画像を解析するステップ（２００）は、所望ならば、各々１回以上繰り返し可能である（１０１）、（１０３）、（１０５）、（１８１）、（１９１）、（２０１）。

図９は、接続された２つの装置９００、９２０を示す。第１の装置または第２の装置のいずれも注目領域の画像から変性パターンを明らかにできる（９０５）。同様に、どちらの装置も、追加のパターンまたは測定値を生成するデータベース（９１５）を収容可能である。第１および第２の装置は、画像を解析し、画像の中の注目領域から変性パターンを明らかにし、そしてパターンまたは測定値のデータ集合を作成し、変性パターンとパターンまたは測定値のデータベースとを比較する処理において、互いに通信可能である。しかし、全ての処理は、所望によりまたは必要により１以上の装置で実行可能である。

この方法では、電気的に生成されるかデジタル化された画像または画像の一部は、転送装置から、転送装置から離れた場所に位置する受信装置へ電子的に転送可能であり、離れた場所に位置する転送された画像を受信し、表１、表２または表３で指定された１以上のパラメータを使用して、転送された画像を正常、病気または異常な組織のパターンに変換し、そして任意だが、上記パターンを解析のための場所に送信する。当業者には当然であるが、転送装置および受信装置は同じ部屋の中に位置されてもよく、同じ建物の中に位置されてもよい。これらの装置はピアツーピアネットワーク上またはイントラネット上にあってもよい。代わりに、これらの装置は、遠距離に離れていてもよく、情報はワールドワイドウェブおよびｆｔｐプロトコルを含む任意の適切なデータ転送手段により転送可能である。

代わりに、上記方法は、転送装置から、転送装置から離れた場所に位置する受信装置へ、骨または関節の電子的に生成された画像または画像の一部を電子的に転送するステップ、表１、表２または表３に指定された１以上のパラメータを使用して、転送された画像を変性パターンまたは正常なないしは病気のないしは異常な組織のパターンに変換するステップ、そして任意であるが、変性パターンまたは正常なないしは病気のないしは異常な組織のパターンを解析のための場所に送信するステップを含んでもよい。

本発明のもう１つの面は、被験者の骨または関節の病気を評価するのを支援するキットであり、そのキットは、コンピュータにインストールされ、コンピュータ上で実行されたとき、表１、表２または表３に指定された１以上のパラメータを使用して、変性パターンまたは正常なないしは病気のないしは異常な得られた組織を標準的なグラフィック形式で読みとり、コンピュータ読み出しを生成するソフトウェアプログラムを含む。さらに、上記キットは、較正または患者の診断に使用する測定値のデータベースを含む。ユーザに、特定の被験者に関して達成された結果と、例えば多種多様な被験者または調査される被験者の特徴と同様な特徴を持つ被験者の小集合とを比較可能にさせるために、１以上のデータベースが提供可能である。

（ａ）骨または関節の変性パターンまたは正常な、病気のないしは異常な組織のパターンを転送装置から離れた場所に位置する受信装置へ電子的に転送する装置；（ｂ）離れた場所で上記パターンを受信する装置；（ｃ）人の骨または関節の追加のパターンまたは測定値を生成する離れた場所でアクセス可能であり、人の骨または関節などの被験者のパターンまたはデータの集まりを含み、パターンまたはデータが組織化され、関節、性別、年齢、身長、体重、骨の大きさの種類や、変化の種類および変化の大きさなどの特徴への参照によりアクセス可能であるデータベース；（ｄ）任意だが、相互に関連があるパターンを、変性パターンまたは正常な、病気のないしは異常な組織の情報源へ送り返す装置を含むシステムが提供される。

したがって、ここに説明されている方法およびシステムは、骨の構造および／または骨のミネラル密度のＸ線画像からの測定値などの測定値のデータ集合の集まりを利用する。例えば、Ｘ線写真撮影日、患者の年齢、性別、体重、現在の薬物療法、地理的場所などのデータ属性を含むレコードは、スプレッドシート形式に定式化される。データベースの定式化は、典型的には、表１、表２および表３に挙げられたパラメータまたはそれらの組み合わせを使用して、１以上の得られたデータポイントから得られたまたは計算されたデータポイントの計算をさらに含んでもよい。それに続くデータベース操作の間、種々の得られたデータポイントは、個人またはグループに関する情報の提供に有用であるかもしれず、したがって、典型的には、データベースの定式化の間に含まれる。得られたデータポイントは（１）同じまたは異なる被験者からの骨または関節の選択された領域に関してまたは複数のサンプルの中で決定される最大値、例えば骨のミネラル密度；（２）同じまたは異なる被験者からの骨または関節の選択された領域に関してまたは複数のサンプルの中で決定される最小値、例えば骨のミネラル密度；（３）同じまたは異なる被験者からの骨または関節の選択された領域に関してまたは複数のサンプルの中で決定される平均値、例えば骨のミネラル密度；（４）与えられた測定値のデータポイントを選択された値と比較することにより決定される異常に高いか低い測定値の数；などを含むけれども、これらに限定されない。他の得られたデータポイントは、（１）選択された骨の構造のパラメータの最大値であって、同じまたは異なる被験者からの骨の選択された領域に関してまたは複数のサンプルの中で決定される最大値；（２）選択された骨の構造のパラメータの最小値であって、同じまたは異なる被験者からの骨の選択された領域に関してまたは複数のサンプルの中で決定される最小値；（３）選択された骨の構造のパラメータの平均値であって、同じまたは異なる被験者からの骨の選択された領域に関してまたは複数のサンプルの中で決定される平均値；（４）骨の構造の異常に高いか低い測定値の数であって、与えられた測定値のデータポイントを選択された値と比較することにより決定される骨の構造の測定値の数；などを含むけれども、これらに限定されない。他の得られたデータポイントは本明細書の教示により当業者には明らかである。入手可能なデータおよび元のデータから得られた（または元のデータ解析により得られた）データは、骨粗鬆症などの骨に関連した病気の管理に関連し、前例のない量の情報を提供する。例えば、被験者を長期間にわたって検査することにより、薬物療法の効能が評価される。

測定値および得られたデータポイントは、各々、集められ、計算され、１以上のデータ属性と関連付けられてデータベースを形成する。入手可能なデータおよび元のデータから得られた（または元のデータ解析により得られた）データは、骨粗鬆症または関節炎などの筋骨格に関連した病気の管理に関連し、前例のない量の情報を提供する。例えば、被験者を長期間にわたって検査することにより、薬物療法の効能が評価される。

データ属性は、電子イメージと共に自動的に入力され、例えば年代順の情報（例えば日時）を含んでもよい。他のそのような属性は、使用される像、スキャン情報、デジタル化情報などを含んでもよいけれども、それらに限定されない。代わりに、被験者の識別子、すなわち特定の被験者に関連する特徴などのデータ属性は、被験者および／またはオペレータにより入力可能である。これらの識別子は、（１）被験者コード（例えば、数字の連続または文字と数字の連続）；（２）人種、性別および年齢などの人口統計の情報；（３）体重、身長および肥満度指数（ＢＭＩ）などの身体的特徴；（４）被験者の病歴（例えば病状または健康状態など）の選択された面；および（５）もしあれば、骨の異常の種類などの病気に関連した特徴；被験者により使用された薬物療法の種類を含むけれども、これらに限定されない。本発明の実施において、各データポイントは、特定の被験者および上記被験者の人口統計などの特徴で典型的には同定される。

他のデータ属性は、本発明の教示により当業者には明らかである。（国際公開第ＷＯ／０２／３０２８３号参照、参照によりここに全体的に組み込まれている。）

したがって、データ（例えば、骨の構造の情報または骨のミネラル密度または関節の情報）は、ここに説明した方法を使用して正常な実験対照被験者から得られる。これらのデータベースは典型的には「参照データベース」と呼ばれ、例えば被験者から得られた情報と参照データベースとを比較することにより、任意の与えられた被験者のＸ線画像の解析を支援するために使用可能である。一般的に、上記実験対象被験者から得られる情報は、平均化されるか、あるいは統計的に操作されて、「正常な」測定値の範囲を提供する。適切な統計的操作および／または統計的評価は、この教示により、当業者には明らかである。被験者のＸ線情報と参照データベースとの比較は、被験者の骨の情報が、参照データベースの中で発見された正常な範囲外にあるか否か、または、正常な実験対照から統計的に著しく異なるか否かを決定するために使用可能である。

前に説明したように、画像から得られたデータは、例えば、有用な情報を作成する種々の統計的解析を使用して、操作可能である。データベースは、得られたデータからおよびデータ属性から、定義された期間（例えば、日、月または年）、個人に関してまたは個人のグループに関して、集められたデータから作成または生成可能である。

例えば、データは、データポイントに関連する属性により、情報集約、分類、選択、移動、収束化および分離可能である。所望の操作を実行するために使用可能な多くのデータマイニングソフトウェアが存在する。

種々のデータの関係は、直接、クエリーできて、上記データは統計的方法により解析可能であって、データベースを操作することにより得られる情報を評価可能である。

例えば、分布曲線は、選択されたデータ集合および計算された平均、メジアンならびにモードに関して構築可能である。さらに、ばらつき、四分位数および標準偏差などのデータ分布特性も計算可能である。

任意の注目変数の間の関係の本質は、相関係数を計算することにより検査される。そうするのに有用な方法は、ピアソンの積率相関およびスピアマンの順位関数を含むけれども、これらに限定されない。分散の解析は、サンプルグループの間の相違を検査することを可能にし、選択された変数が、計測中のパラメータに識別できる効果を持つか否か決定可能である。

非パラメータテストは、実験に基づくデータおよび実験に基づく予測値の間の変動が確率にまたは検査中の変数に起因するか否かを検査する手段として使用可能である。これらは、χ２乗検定、χ２乗適合度、２ｘ２分割表、符号検定およびφ相関係数を含む。他の検査はｚスコア、Ｔスコアまたは関節炎、軟骨欠損ないしは骨粗鬆症性骨折の生涯リスクを含む。

本発明により作成可能なデータベースの解析に適用可能な標準的なデータマイニングソフトウェアで可能な多くのツールおよび解析がある。そのようなツールおよび解析は、クラスタ分析、因子分析、決定木、ニューラルネットワーク、規則帰納、データ駆動型モデリング、データ視覚化を含むけれども、これらに限定されない。データマイニング技術のより複雑な方法の一部が、論理駆動型の関係とは反対に、より実験に基づいてデータ駆動型の関係を発見するために使用可能である。

統計的重要性は当業者により容易に決定可能である。Ｘ線画像の解析における参照データベースの使用は、骨粗鬆症などの骨の病気の上記診断、上記治療および上記観察を容易にする。

データ解析に適用される統計的方法の一般的議論に関して、ＡｐｐｌｉｅｄＳｔａｔｉｓｔｉｃｓｆｏｒＳｃｉｅｎｃｅａｎｄＩｎｄｕｓｔｒｙ，Ａ．Ｒｏｍａｎｏ著，１９７７，ＡｌｌｙｎａｎｄＢａｃｏｎ，ｐｕｂｌｉｓｈｅｒを参照。

データは、１以上のコンピュータプログラムまたはコンピュータシステムを使用して、好ましくは保存および操作可能である。これらのシステムは、典型的にはデータ保存機能（例えば、ディスクドライブ、テープストレージ、光ディスクなど）をもつ。さらに、コンピュータシステムはネットワーク化されていてもよく、スタンドアローンシステムであってもよい。もしネットワーク化されているならば、上記コンピュータシステムは、例えば、医師または医療施設に標準的な電子メールソフトウェアを使用して、中央のデータベースにデータベースクエリーおよび更新ソフトウェアを使用して（例えば、多くの被験者から得られたデータポイント、得られたデータおよびデータ属性のデータウェアハウス）、ネットワーク化されたコンピュータシステムに接続された任意の装置にデータを転送可能である。代わりに、ユーザは、インターネットにアクセス可能な任意のコンピュータシステムを使用して、診療所または病院からアクセスして、治療を決定するのに有用になりうる履歴データを再調査する。

もしネットワーク化されたコンピュータシステムがワールドワイドウェブアプリケーションを含むならば、上記アプリケーションは、ＳＱＬ命令文などのデータベース言語命令文を生成するために必要な実行可能なコードを含む。そのような実行可能コードは、典型的には埋め込みＳＱＬ命令文を含む。上記アプリケーションは、ユーザ要求に応答してアクセスされる異なる外部および内部のデータベースに加えて、データベースサーバ上に位置する種々のソフトウェア実体へのポインタおよびアドレスを含む設定ファイルをさらに含む。上記設定ファイルは、もしデータベースサーバが２以上の異なるコンピュータに分散しているならば必要に応じて、データベース資源に関する要求を適切なハードウェアへ向けることもする。

当業者には当然であるが、表１、表２および表３に指定された１以上のパラメータは、開始時点Ｔ₁において使用可能であって、骨粗鬆症または関節炎などの骨の病気の深刻さを評価可能である。次に、患者は、Ｔ₁において使用されたのと同じ１以上のパラメータを使用してそれ以降の測定が繰り返されたとき、後の時間Ｔ₂における患者自身の実験対照として役に立つ。

創薬、効能、投与および比較を促進する種々のデータ比較を可能にする。例えば、表１、表２および表３に指定された１以上のパラメータが、創薬の間の鉛化合物を同定するために使用可能である。例えば、異なる化合物が動物における調査において検査可能であり、例えば骨または軟骨への最高の治療効能および最低の毒性に関する鉛化合物が同定可能である。同様な調査はヒトの被験者にも実施可能（例えば、ＦＤＡ第Ｉ相、第II相または第III相臨床試験）である。代わりに、または加えて、表１、表２および表３に指定された１以上のパラメータが、新しい化合物の最適な投与を確立するために使用可能である。表１、表２および表３に指定された１以上のパラメータが、新しい薬を開発済の１以上の薬または偽薬と比較するために使用可能である。

本発明の実施の形態の上記説明は説明の目的で提供された。開示した正確な形状が包括的であることを意図せず、また、本発明を開示した正確な形状に限定することも意図していない。多くの変更や変化が当業者にとって明らかである。実施の形態は、本発明の原理およびその実用的な応用を最も適切に説明するために選択されて記載されたので、他の当業者が、本発明および種々の実施の形態を、意図した特定の使用に適した種々の変更とともに理解できるようにする。本発明の範囲は、以下の特許請求の範囲およびその均等により定義されることを意図している。

画像からデータを抽出して、画像から定量的データおよび／または定性的データを得るステップを示すブロック図画像からデータを抽出して、画像から定量的データおよび／または定性的データを得るステップを示すブロック図解析のために注目領域の可能な場所をさらに示す解剖学的注目領域に関して撮られた画像を示す図解析のために注目領域の可能な場所をさらに示す解剖学的注目領域に関して撮られた画像を示す図解析のために注目領域の可能な場所をさらに示す解剖学的注目領域に関して撮られた画像を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図例えば、軟骨の欠陥、骨の骨髄の浮腫、軟骨下の硬化症、骨棘および嚢胞を含む起こりうる種々の異常を示す図図１Ａのステップが繰り返し可能なことを示す方法のブロック図図１Ａのステップが繰り返し可能なことを示す方法のブロック図注目領域の画像のパターンを評価するのに含まれるステップを示すブロック図注目領域の画像のパターンを評価するのに含まれるステップを示すブロック図注目領域の画像のパターンを評価するのに含まれるステップを示すブロック図注目領域の画像のパターンを評価するのに含まれるステップを示すブロック図注目領域の画像のパターンを評価するのに含まれるステップを示すブロック図評価のために薬剤候補の分子または薬を投与すると共に、画像から定量的データおよび定性的データを得るのに含まれるステップを示すブロック図評価のために薬剤候補の分子または薬を投与すると共に、画像から定量的データおよび定性的データを得るのに含まれるステップを示すブロック図評価のために薬剤候補の分子または薬を投与すると共に、画像から定量的データおよび定性的データを得るのに含まれるステップを示すブロック図評価のために薬剤候補の分子または薬を投与すると共に、画像から定量的データおよび定性的データを得るのに含まれるステップを示すブロック図評価のために薬剤候補の分子または薬を投与すると共に、画像から定量的データおよび定性的データを得るのに含まれるステップを示すブロック図得られた定量的情報および定性的情報と以前得られたデータベースまたは情報とを比較するのに含まれるステップを示すブロック図得られた定量的情報および定性的情報と以前得られたデータベースまたは情報とを比較するのに含まれるステップを示すブロック図得られた定量的情報および定性的情報と以前得られたデータベースまたは情報とを比較するのに含まれるステップを示すブロック図得られた定量的情報および定性的情報と以前得られたデータベースまたは情報とを比較するのに含まれるステップを示すブロック図画像を変換することと正常なおよび病気の組織のパターンとを比較するのに含まれるステップを示すブロック図画像を変換することと正常なおよび病気の組織のパターンとを比較するのに含まれるステップを示すブロック図画像を変換することと正常なおよび病気の組織のパターンとを比較するのに含まれるステップを示すブロック図画像を変換することと正常なおよび病気の組織のパターンとを比較するのに含まれるステップを示すブロック図変性パターンを明らかにし、変性パターンのデータベースを使用する過程で、１以上の装置を使用することを示す図

符号の説明

９８調査のために体の一部の場所を決めるステップ
９９繰り返し（任意）
１００注目領域の場所を決めるステップ（任意）
１０１繰り返し（任意）
１０２画像データを得るステップ
１０３繰り返し（任意）
１０４画像データの画質を向上させるステップ
１０５繰り返し（任意）
１２０画像データから定量的データおよび／または定性的データを得るステップ
１２１繰り返し（任意）
１３０画像または画像データを２次元パターンに変換するステップ
１３２画像または画像データを３次元パターンに変換するステップ
１３３画像または画像データを４次元パターンに変換するステップ
１４０パターンを評価するステップ
１４１繰り返し（任意）
１５０薬剤候補を投与するステップ
１５１繰り返し（任意）
１６０定量的情報および／または定性的情報とデータベースとを比較するステップ（任意）
１６１繰り返し（任意）
１６２定量的情報および／または定性的情報とＴ₁などの前の時間に撮られた画像とを比較するステップ
１６３繰り返し（任意）
１７０治療を観察するステップ
１７１繰り返し（任意）
１７２病気の進行を観察するステップ
１７３繰り返し（任意）
１７４病気のたどる方向を予想するステップ
１７５繰り返し（任意）
１８０画像を送信するステップ
１８１繰り返し（任意）
１９０画像を正常なおよび病気のパターンに変換するステップ
１９１繰り返し（任意）
２００（図２）画像
２００（図８）変換された画像を解析するステップ
２０１繰り返し（任意）
２０２解剖学的注目領域（ＲＡＩ）
２１０注目領域（ＲＯＩ）
２２０第１のＲＯＩ
２２２第２のＲＯＩ
２３０第１のＲＯＩ
２３２第２のＲＯＩ
３００軟骨の欠陥の断面
３０２斜行平行線の区域
３１０軟骨の欠陥の深さ
３１２本来の軟骨の表面
３２０軟骨の深さ
３２２軟骨の欠陥の幅
３３０大腿骨
３３２脛骨
３４０臼蓋窩
３４２大腿骨
３５０大腿骨
３５２脛骨
３５４骨棘
３５６骨棘のグループ
３６０軟骨下の嚢胞
３６２軟骨下の嚢胞
３６４軟骨下の嚢胞
３６６嚢胞
３６６’ 嚢胞のグループ
３７０上面から見た図
３７１断面図
３７２断裂した半月板の組織の部分（斜行平行線の部分）
３７４断裂した半月板の組織の部分（斜行平行線の部分）
９００接続された第１の装置
９０５画像から変性パターンを明らかにする
９１５追加のパターンまたは測定値を生成するデータベース
９２０接続された第２の装置

Claims

骨のミネラル密度、骨の構造およびまわりの組織のうち少なくとも１つの解析方法であって、
ａ．被験者の画像を得るステップ；
ｂ．上記画像の注目領域の場所を決めるステップ；
ｃ．上記注目領域からデータを得るステップ；および
ｄ．ステップｃで得られた画像データからの定性的グループ、定量的グループから選択されたデータを得るステップ
を含む解析方法。
骨および関節のうち少なくとも１つの病気の評価を支援するためにキットであって、
変性パターン、正常な組織のパターン、異常な組織のパターンおよび病気の組織のパターンのうち少なくとも１つを読み込むソフトウェアプログラム
を含むキット。
上記変性パターン、正常な組織のパターン、異常な組織のパターンおよび病気の組織のパターンのうち少なくとも１つと比較するための測定値のデータベースをさらに含む請求項２に記載のキット。
上記変性パターン、正常な組織のパターン、異常な組織のパターンおよび病気の組織のパターンのうち少なくとも１つと比較するための測定のデータベースのサブセットをさらに含む請求項２に記載のキット。
画像化マーカを使用する自動化方法および半自動化方法のうち少なくとも１つであって、
被験者から画像データを得るステップ；
得られるデータが定量的データおよび定性的データのうち少なくとも１つである上記画像データからデータを得るステップ；および
薬剤を投与するステップ
を含む方法。
上記自動化方法または半自動化方法の１つが、創薬、診断、病気分類、病気観察、病気管理、予知、治療観察、薬剤効能観察および病気予測のうち少なくとも１つに使用可能である請求項５に記載の方法。
薬剤の効能を観察するための方法および創薬のための方法のうち少なくとも１つの方法であって、
薬剤を被験者へ投与するステップ；
画像データを得るステップ；および
得られるデータが定量的データおよび定性的データのうちの少なくとも１つである上記画像データからデータを得るステップ
を含む方法。
病気診断、病気分類の決定、病気進行の観察、病気管理、病気予知、病気予測、治療観察および患者の集団からの被験者の任意抽出のうち少なくとも１つのための方法であって、
ａ．被験者の画像データを得るステップ；
ｂ．得られたデータが、定量的データおよび定性的データのうちの少なくとも１つである上記画像データからデータを得るステップ；
ｃ．ステップｂの定量的データおよび定性的データのうちの少なくとも１つを、被験者のグループから得られた定量的データおよび定性的データのうちの少なくとも１つのデータベース；上記被験者から得られた定量的データおよび定性的データのうちの少なくとも１つのデータベース；および時間Ｔｎにおいて上記被験者から得られた定量的データおよび定性的データのうちの少なくとも１つのデータベースのうち少なくとも１つと比較するステップ
を含む方法。
画像データの画質を向上させるステップをさらに含む請求項１、請求項５、請求項７または請求項８に記載の方法。
被験者が哺乳類である請求項１、請求項５、請求項７または請求項８に記載の方法。
被験者がヒトである請求項１、請求項５、請求項７または請求項８に記載の方法。
被験者が馬である請求項１、請求項５、請求項７または請求項８に記載の方法。
画像データを得る上記ステップが、骨のパラメータ、軟骨のパラメータ、軟骨の欠陥のパラメータ、軟骨の病気のパラメータ、面積のパラメータおよび体積のパラメータから成るグループから選択された計測されたパラメータからデータを得るステップを含む請求項１、請求項５、請求項７または請求項８に記載の方法。
画像データを得る上記ステップが、
骨の骨髄浮腫の存在または非存在；
骨の骨髄浮腫の体積；
幅、面積、大きさ、体積のうち少なくとも１つで正規化された骨の骨髄浮腫の体積；
骨棘の存在または非存在；
軟骨下の嚢胞の存在または非存在；
軟骨下の硬化症の存在または非存在；
骨棘の体積；
軟骨下の嚢胞の体積；
軟骨下の硬化症の体積；
骨の骨髄浮腫の面積；
骨棘の面積；
軟骨下の嚢胞の面積；
軟骨下の硬化症の面積；
骨の骨髄浮腫の深さ；
骨棘の深さ；
軟骨下の嚢胞の深さ；
軟骨下の硬化症の深さ；
体積と、面積と、深さとのうち少なくとも１つが、骨棘と、軟骨下の嚢胞と、軟骨下の硬化症とのうち少なくとも１つに近接した骨の幅と、面積と、大きさと、体積とのうち少なくとも１つで正規化された骨棘と、軟骨下の嚢胞と、軟骨下の硬化症とのうち少なくとも１つの体積と、面積と、深さとのうち少なくとも１つ；
半月板断裂の存在または非存在；
十字靱帯断裂の存在または非存在；
側副靱帯断裂の存在または非存在；
半月板の体積；
正常な半月板の組織の体積と、断裂、損傷および変性した半月板のうち少なくとも１つの組織の体積との比；
正常な半月板の組織の表面積と、断裂、損傷および変性した半月板のうち少なくとも１つの組織の表面積との比；
正常な半月板の組織の体積と、断裂、損傷および変性した半月板のうち少なくとも１つの組織の体積と、全ての関節または軟骨の表面積との比；
断裂、損傷および変性した半月板のうち少なくとも１つの組織の表面積と、関節または軟骨のうち少なくとも１つの全ての表面積との比；
対向する関節表面の大きさの比；
半月板不全脱臼／脱臼の大きさ（ミリメートル）；
異なる関節のパラメータを組み合わせた指標；
軟骨下の骨の３次元表面等高線情報；
歩行サイクルの間の実際のまたは予想される膝の曲がる角度；
歩行サイクルの間の予想される膝の回転；
歩行サイクルの間の予想される膝の移動；
歩行サイクルの間の軟骨表面の上の予想される加重負担線、および、加重負担線と、軟骨の欠陥および病気の軟骨のうち少なくとも１つとの間の距離の測定値；
歩行サイクルの間の軟骨表面の上の予想される加重負担面積、および、加重負担面積と、軟骨の欠陥および病気の軟骨のうち少なくとも１つとの間の距離の測定値；
立っている間または膝の曲げ伸ばしの異なる角度の間の軟骨表面の上の予想される加重負担線、および、加重負担線と、軟骨の欠陥および病気の軟骨のうち少なくとも１つとの間の距離の測定値；
立っている間または膝の曲げ伸ばしの異なる角度の間の軟骨表面の上の予想される加重負担面積、および、加重負担面積と、軟骨の欠陥および病気の軟骨のうち少なくとも１つとの間の距離の測定値；
加重負担面積と、軟骨の欠陥および病気の軟骨のうち少なくとも１つの面積との比；
軟骨の病気により影響を受ける加重負担面積の割合；
加重負担面積内の軟骨の欠陥の場所；
軟骨の欠陥、病気の軟骨の領域に加わる負荷；および
軟骨の欠陥および病気の軟骨のうち少なくとも１つの領域に隣接する軟骨に加わる負荷
から成るグループから選択された計測されたパラメータからデータを抽出するステップを含む請求項１、請求項５、請求項７または請求項８に記載の方法。
異なる関節のパラメータを組み合わせた上記指標が、
被験者の十字靱帯または側副靱帯断裂の存在または非存在、
被験者の肥満度指数、
被験者の体重、または
被験者の身長
を含む請求項１４に記載の方法。
上記画像データが腰から得られ、画像データを得る上記ステップが、
応力曲線に平行な構造に関するマイクロアーキテクチャのパラメータ；
応力曲線に垂直な構造に関するマイクロアーキテクチャのパラメータ；
等高線；
軸角；
ネックアングル；
大腿骨頸の直径；
腰の軸の長さ；
大腿骨頭の最大断面；
少なくとも１つのＲＯＩの中の皮層の平均の厚み；
少なくとも１つのＲＯＩの中の皮層の厚みの標準偏差；
少なくとも１つのＲＯＩの中の皮層の最大の厚み；
少なくとも１つのＲＯＩの中の皮層の最小の厚み；および
股関節の間隔の幅
から成るグループから選択された測定パラメータからデータを抽出するステップを含む請求項１、請求項５、請求項７または請求項８に記載の方法。
上記画像データが脊椎の領域から得られ、画像データを得る上記ステップが、
垂直の構造に関するマイクロアーキテクチャのパラメータ；
水平の構造に関するマイクロアーキテクチャのパラメータ；
等高線；
上部脊椎端板の皮層の厚み；
下部脊椎端板の皮層の厚み；
前部脊椎の壁の皮層の厚み；
後部脊椎の壁の皮層の厚み；
茎の上面の皮層の厚み；
茎の下面の皮層の厚み；
脊椎の高さ；
脊椎の直径；
茎の厚み；
脊椎の最大高；
脊椎の最小高；
脊椎の平均高；
前部の脊椎の高さ；
中央部の脊椎の高さ；
後部の脊椎の高さ；
脊椎間の最大高；
脊椎間の最小高；および
脊椎間の平均高
から成るグループから選択された測定パラメータからデータを抽出するステップを含む請求項１、請求項５、請求項７または請求項８に記載の方法。
上記画像データが膝の領域から得られ、画像データを得る上記ステップが
関節の中央の間隔の平均幅；
関節の中央の間隔の最小幅；
関節の中央の間隔の最大幅；
関節の横の間隔の平均幅；
関節の横の間隔の最小幅；および
関節の横の間隔の最大幅
から成るグループから選択された測定パラメータからデータを抽出するステップを含む請求項１、請求項５、請求項７または請求項８に記載の方法。
画像データを得る上記ステップが、
同等の強さをもつステンレス鋼の厚みで表現される注目領域の平均グレイ値で決定されるステンレス鋼相当の厚み；
小柱と同等の厚みおよび骨髄と同等の厚みのうちの１つとして決定される小柱の対比；
フラクタル次元；
平均変換係数の絶対値および平均空間第１モーメントのうち１つとして決定されるフーリエスペクトル解析；
空間エネルギースペクトルの顕著な配向；
小柱面積および全体面積のうち少なくとも１つ；
小柱周囲；
小柱の距離変換；
骨髄の距離変換；
小柱の距離変換局所極大値；
骨髄の距離変換局所極大値；
スターボリューム（ＳｔａｒＶｏｌｕｍｅ）；
小柱の骨のパターン要素；
接続されたスケルトン数および木（Ｔ）；
節点数（Ｎ）；
セグメント数（Ｓ）；
節点節点間セグメント数（ＮＮ）；
節点遊離端間セグメント数（ＮＦ）；
節点節点間セグメント長（ＮＮＬ）；
節点遊離端間セグメント等（ＮＦＬ）；
遊離端遊離端間セグメント長（ＦＦＬ）；
節点節点間全支柱長（ＮＮ．ＴＳＬ）；
遊離端遊離端間全支柱長（ＦＦ．ＴＳＬ）；
全支柱長（ＴＳＬ）；
ＦＦ．ＴＳＬ／ＴＳＬ；
ＮＮ．ＴＳＬ／ＴＳＬ；
ループ数（Ｌｏ）；
ループ面積；
接続された各スケルトンに関する平均距離変換値；
各セグメントに関する平均距離変換値（Ｔｂ．Ｔｈ）；
各節点節点間セグメントに関する平均距離変換値（Ｔｂ．Ｔｈ．ＮＮ）；
各節点遊離端間セグメントに関する平均距離変換値（Ｔｂ．Ｔｈ．ＮＦ）；
各セグメントの配向；
各セグメントの角度；
セグメント間の角度；
長さ−厚み比（ＮＮＬ／Ｔｂ．Ｔｈ．ＮＮ）および（ＮＦＬ／Ｔｂ．Ｔｈ．ＮＦ）；および
相互接続性指標（ＩＣＩ）ＩＣＩ＝（Ｎ＊ＮＮ）／Ｔ＊（ＮＦ＋１））
から成るグループから選択された骨のパラメータを抽出するステップを含む請求項１、請求項５、請求項７または請求項８に記載の方法。
全ての骨のパラメータ要素が（Ｐ１−Ｐ２）／（Ａ１−Ａ２）であり、さらに、Ｐ１およびＡ１は膨張前の周囲の長さおよび小柱の骨の面積、Ｐ２およびＡ２は１回の画素膨張後の周囲の長さおよび小柱の骨の面積であって、接続性の指標である請求項１２に記載の方法。
画像データを得る上記ステップが、軟骨のパラメータ、軟骨の欠陥のパラメータおよび病気の軟骨のパラメータのうち少なくとも１つを抽出するステップを含み、抽出されたデータが、
全軟骨体積；
病巣の軟骨の体積；
軟骨の厚みの分布または厚み地図；
実質的に全領域の軟骨の厚みの平均；
病巣の領域の軟骨の厚みの平均；
軟骨の厚みのメジアン；
軟骨の厚みの最大値；
軟骨の厚みの最小値；
３次元の軟骨の表面情報；
軟骨の湾曲部の解析；
軟骨の欠陥／病気の軟骨の体積；
軟骨の欠陥／病気の軟骨の深さ；
軟骨の欠陥／病気の軟骨の面積；
関節表面の軟骨の欠陥／病気の軟骨の２次元の場所および３次元の場所のうち少なくとも１つの場所；
体重のかかる部分と関連する軟骨の欠陥／病気の軟骨の２次元の場所および３次元の場所のうち少なくとも１つの場所；
軟骨の欠陥の直径、病気の軟骨の直径および回りの正常な軟骨の厚みのうち少なくとも２つの比；
軟骨の欠陥の深さ、病気の軟骨の深さおよび回りの正常な軟骨の厚みのうち少なくとも２つの比；
軟骨の欠陥の体積、病気の軟骨の体積および回りの正常な軟骨の厚みのうち少なくとも２つの比；
軟骨の欠陥の表面積、病気の軟骨の表面積および全関節または関節の表面積のうち少なくとも２つの比；および
軟骨の欠陥の体積または病気の軟骨の体積および全軟骨の体積のうち少なくとも２つの比
から成るグループから選択された請求項１、請求項５、請求項７または請求項８に記載の方法。
上記ステップが自動的に実行される請求項１、請求項５、請求項７または請求項８に記載の方法。
上記ステップが半自動的に実行される請求項１、請求項５、請求項７または請求項８に記載の方法。
上記方法の少なくとも１つのステップが第１のコンピュータ上で実行される請求項１、請求項５、請求項７または請求項８に記載の方法。
上記方法の少なくとも１つのステップが第１のコンピュータ上で実行され、上記方法の少なくとも１つのステップが第２のコンピュータ上で実行される請求項１、請求項５、請求項７または請求項８に記載の方法。
上記第１のコンピュータと上記第２のコンピュータとが接続されている請求項２５に記載の方法。
上記第１のコンピュータと上記第２のコンピュータとが、ピアツーピアネットワーク、直接リンク、イントラネットおよびインターネットのうち１つにより接続されている請求項２６に記載の方法。
注目領域の場所を決める上記ステップが繰り返される請求項１に記載の方法。
注目領域から画像データを得る上記ステップが繰り返される請求項１、請求項５、請求項７または請求項８に記載の方法。
上記画像および上記画像データのうち少なくとも１つが２次元パターンに変換される請求項１、請求項５、請求項７または請求項８に記載の方法。
上記２次元パターンが評価される請求項３０に記載の方法。
上記２次元パターンが３次元パターンに変換される請求項３０に記載の方法。
上記２次元パターンが３次元パターンに変換される請求項３１に記載の方法。
上記２次元パターンが４次元パターンに変換される請求項３０に記載の方法。
上記２次元パターンが４次元パターンに変換される請求項３１に記載の方法。
上記３次元パターンが４次元パターンに変換される請求項３３に記載の方法。
上記画像および上記画像データのうち少なくとも１つが３次元パターンに変換される請求項１、請求項５、請求項７または請求項８に記載の方法。
上記３次元パターンが評価される請求項３７に記載の方法。
上記３次元パターンが２次元パターンに変換される請求項３７に記載の方法。
上記３次元パターンが２次元パターンに変換される請求項３９に記載の方法。
上記３次元パターンが４次元パターンに変換される請求項３７に記載の方法。
上記３次元パターンが４次元パターンに変換される請求項３８に記載の方法。
上記２次元パターンが４次元パターンに変換される請求項３９に記載の方法。
上記画像および上記画像データのうち少なくとも１つが４次元パターンに変換される請求項１、請求項５、請求項７または請求項８に記載の方法。
上記４次元パターンが評価される請求項４４に記載の方法。
薬剤候補を投与するステップをさらに含む請求項１に記載の方法。
薬剤候補が、被験者に投与された物質、被験者により摂取された物質、分子、調合薬、生物医薬品、農業医薬品（ａｇｒｏｐｈａｒｍａｃｅｕｔｉｃａｌ）から成るグループから選択される少なくとも１つの薬剤である請求項４６に記載の方法。
上記画像および上記画像データのうち少なくとも１つとデータベースとを比較するステップをさらに含む請求項１、請求項５、請求項７または請求項８に記載の方法。
上記画像および上記画像データのうち少なくとも１つとデータベースのサブセットとを比較するステップをさらに含む請求項１、請求項５、請求項７または請求項８に記載の方法。
定量的データおよび定性的データのうち少なくとも１つとＴ₁において撮られた画像とを比較するステップをさらに含む請求項１、請求項５、請求項７または請求項８に記載の方法。
定量的データおよび定性的データのうち少なくとも１つと解析中の画像より前に撮られた画像とを比較するステップをさらに含む請求項１、請求項５、請求項７または請求項８に記載の方法。
定量的データおよび定性的データのうち少なくとも１つとＴ_nにおいて撮られた画像とを比較するステップをさらに含む請求項１、請求項５、請求項７または請求項８に記載の方法。
上記注目領域から得られた上記画像、上記データのうち少なくとも１つを送信するステップをさらに含む請求項１に記載の方法。
上記画像および上記画像データのうち少なくとも１つが、正常なパターン、病気のパターンおよび正常または病気のパターンのうち少なくとも１つのパターンに変換される請求項１、請求項５、請求項７または請求項８に記載の方法。
画像および画像データを得るステップの少なくとも１つが、マイクロアーキテクチャおよび解剖学的構造の少なくとも１つを測定するステップを含む請求項１、請求項５、請求項７または請求項８に記載の方法。
平均密度を測定するステップをさらに含む請求項５５に記載の方法。
平均密度測定値が注目領域の較正された密度を含む請求項５６に記載の方法。
歯、脊椎、腰、膝および骨の芯のＸ線写真のうち少なくとも１つに関する解剖学的構造を測定するステップをさらに含む請求項５５に記載の方法。
抽出された構造の較正された密度；
背景の較正された密度；
抽出された構造の平均強度；
非抽出構造を含む背景の領域の平均強度；
背景の平均強度で割った抽出された構造の平均強度である構造の対比；
背景の較正された密度で割った抽出された構造の較正された密度である較正された構造の対比；
抽出された構造の全面積；
注目領域の全面積；
注目領域の全面積により正規化された抽出された構造の面積；
注目領域の全面積により正規化され抽出された領域の境界長；
注目領域の面積により正規化された構造の数；
小柱の骨のパターン要素；
構造の凹面および凸面の測定値；
抽出された構造のスターボリューム（ＳｔａｒＶｏｌｕｍｅ）；
背景のスターボリューム（ＳｔａｒＶｏｌｕｍｅ）；および
注目領域の面積により正規化されたループの数
のうち少なくとも１つを測定するステップをさらに含む請求項５８に記載の方法。
抽出された構造の距離変換を測定するステップをさらに含む請求項５５に記載の方法。
抽出された構造の距離変換の測定値が、１以上の
局所最大厚みの平均；
局所最大厚みの標準偏差；
局所最大厚みの最大値；および
局所最大厚みのメジアン
をさらに含む請求項６０に記載の方法。