CN104487974A - 用于将患者信息与临床标准进行匹配的系统和方法 - Google Patents

用于将患者信息与临床标准进行匹配的系统和方法 Download PDF

Info

Publication number
CN104487974A
CN104487974A CN201380036717.5A CN201380036717A CN104487974A CN 104487974 A CN104487974 A CN 104487974A CN 201380036717 A CN201380036717 A CN 201380036717A CN 104487974 A CN104487974 A CN 104487974A
Authority
CN
China
Prior art keywords
clinical information
description
encoding
imaging protocol
imaging
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201380036717.5A
Other languages
English (en)
Inventor
T·D·D·S·马博杜瓦纳
M·C-C·李
E·科亨-索拉尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN104487974A publication Critical patent/CN104487974A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

示范性实施例涉及用于基于患者的临床信息来自动地选择一种或多种合适的医学成像协议的系统和方法。示范性实施例涉及一种方法和系统，所述方法和系统用于收集当前患者的临床信息，生成计算机可处理格式的包括医学概念的多种成像协议的被编码的描述，将所收集的临床信息转换成所述计算机可处理格式，并且基于所述被编码的描述和所述当前患者的所转换的临床信息来推荐或提供至少一种合适的成像协议。

Description

用于将患者信息与临床标准进行匹配的系统和方法
技术领域
在医疗保健领域中，医学成像是一种出于临床目的和医学目的两者而创建患者的诸如身体部位及其对应功能的图像的技术。例如，医学成像的临床应用可以实施用于披露、诊断和/或检查疾病的医学流程。成像技术的医学应用可以被用来研究患者的解剖结构和生理机能。
背景技术
医学成像过程的各种形式包括但不限于，计算机断层摄影(“CT”)、磁共振成像(“MRI”)、正电子发射断层摄影(“PET”)、超声等。CT扫描的成像过程产生能够通过称为“窗口”的过程被操纵的大量数据，以便基于其阻断X射线束的能力来表明各种身体结构。MRI扫描的过程被用于通过对核磁共振的使用来对身体内部的原子的核成像，以使详细的内部结构可视化。与CT扫描或传统的X射线不同，MRI不使用电离辐射。PET成像的过程通过对由正电子发射的放射性同位素(例如，示踪剂)发射的伽马射线的检测来产生身体中的功能过程的三维图像。超声成像的过程被用于可视化皮下身体结构，例如肌腱、肌肉、关节、血管和可能病理或病变的内部器官。
由医学机构的放射科或成像中心接收来自咨询医师的医学成像检查单。检查单通常描述执行的检查的一般类型(例如，CT、MRI、PET、超声等)以及扫描的解剖结构。额外地，检查单将包含来自咨询医师的“临床指示”以指示成像单的原因。这些指示以自由形式分类，与形成标准化临床术语的代码术语相反。指示可以包括症状、临床病史和对患者的潜在疾病或状况的猜测。另外，指示可以包括需要被“排除”的状况以及建议应当特别进行调查的潜在状况。
放射科医师查看成像检查单并分配预先定义的协议列表中的临床成像协议。相应地，每种协议由一组临床指示来定义，该协议被用于所述临床指示并描述在图像采集期间要使用的扫描器设置。在其最简单的形式中，该组指示能够是临床发现、疾病或症状的列表。如果患者具有这些临床状况中的一种或多种，则应当使用指定的协议对他或她进行成像。也能够建立更复杂的标准，更复杂的标准包括多种临床发现与各种逻辑运算符的组合。
基于相关临床指示来选择用于给定患者的正确协议的过程能够被称为“协议化(protocoling)”。也能够在选择过程期间查看其他信息，例如实验室数据、先前放射报告、其他临床报告等。由于对跨所有成像机构接受的统一协议的缺乏，这些协议通常是机构特异性的。选择协议的这种过程发生在患者被扫描之前，通常是在患者到达进行他或她的成像检查之前的几小时到几天。
目前，存在帮助协议化过程的信息技术解决方案。然而，这些集中于数字化和显示之前已经是纸面过程的过程上。常规过程以电子方式收集成像检查单以及与患者有关的其他临床信息，并提供从其来选择的所有临床扫描协议的数字列表。然而，这些过程在选择这些协议中的一种中不提供任何帮助。另外，常规过程缺乏任何标准化。如以上所指出的，成像检查单中的临床指示通常由许多不同的咨询医师输入为自由文本信息，其中多种多样的书写风格和医学措词将差异很大。这种多样性需要通过适当的信息提取阶段、知识表示和语义推理阶段来进行管理，以允许对一种或多种适当的协议的推荐。因此，成像检查单中的临床指示和协议中建立的临床标准之间的比较对于计算机或受训练的人类专家是有意义的。
发明内容
上述问题通过本文描述的示范性实施例来克服。结果，成像协议的自动选择将最小化在使用当前过程手动执行医学成像协议的选择时出现的错误和不一致性。通过提供信息来支持对所推荐的协议的选择，示范性实施例改进做出决策中的可信度，同时也具有对初学者或经验不足的放射科医师的学习效果。此外，示范性实施例减少由执行协议分配的人员(例如放射科医师、医师或任何其他临床人员)执行该协议化任务所需的时间量。当输入数据(例如，患者信息)的量随着电子记录的增长而增加时，这种时间考虑尤为重要。
示范性实施例涉及用于基于患者的临床信息来自动地选择一种或多种合适的医学成像协议的系统和方法。一个实施例涉及一种方法，所述方法包括收集当前患者的临床信息，生成计算机可处理格式的包括医学概念的多种成像协议的被编码的描述，将所收集的临床信息转换成所述计算机可处理格式，并且基于所述被编码的描述和所述当前患者的所转换的临床信息来推荐或提供至少一种合适的成像协议。
另一实施例涉及一种系统，所述系统包括：
-数据收集子系统，其用于收集当前患者的临床信息；
-成像协议子系统，其用于生成计算机可处理格式的包括医学概念的多种成像协议的被编码的描述；
-自然语言处理器，其用于将所收集的临床信息转换成所述计算机可处理格式；以及协议推荐子系统，其用于基于所述被编码的描述和所述当前患者的所转换的临床信息来推荐或提供至少一种合适的成像协议。
另一实施例涉及一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括可由处理器执行的一组指令，所述一组指令至少能用于收集当前患者的临床信息，生成计算机可处理格式的包括医学概念的多种成像协议的被编码的描述，将所收集的临床信息转换成所述计算机可处理格式，并且基于所述被编码的描述和所述当前患者的所转换的临床信息来推荐或提供至少一种合适的成像协议。
附图说明
图1示出了根据本文描述的示范性实施例的用于基于患者的临床信息来自动地选择一种或多种合适的医学成像协议的示范性系统；
图2示出了根据本文描述的示范性实施例的用于基于患者的临床信息来自动地选择一种或多种合适的医学成像协议的示范性方法；
图3示出了根据本文描述的示范性实施例的基于由自然语言处理(“NLP”)引擎找到的概念进行NLP匹配的多种类别的情况的示范性表格。
具体实施方式
示范性实施例还可以参考示范性实施例的以下描述和相关附图来理解，其中相似的元件被提供有相同的附图标记。示范性实施例涉及用于基于与患者有关的临床信息(例如，患者轮廓)来自动地选择一种或多种合适的医学成像协议或成像流程的系统和方法。例如，示范性系统和方法能够被用于分析来自咨询医师的成像检查单和预先建立的临床标准的上下文中的患者的临床信息，并且自动地建议要被用于对患者成像的一种或多种正确协议。
如将在下文中更详细地描述的，这些示范性系统和方法使用算法(例如，软件应用程序)来检索和处理与患者有关的临床信息和用于协议的临床标准。这些实施例提供对来自机构特异性的成像协议列表的一种或多种成像协议的推荐。该推荐基于从患者临床记录提取的信息，所述信息包括但不限于临床指示、实验室数据、先前成像报告和来自临床检查的其他报告。相应地，用户(例如，放射科医师)将使用这些系统和方法来读取与患者有关的信息并且之后在推荐引擎的帮助下选择用于患者的扫描协议。具体地，对于每种协议在计算机可解读的临床标准的上下文中分析医学信息以得出关于一个或多个推荐的决策。因此，示范性实施例将减少当医学成像协议由放射科医师手动选择时通常出现的错误和不一致性，同时也减少执行该任务所需的时间量。
应当指出，虽然本文讨论的实施例涉及推荐医学成像协议，本领域技术人员应理解，这些示范性系统和方法能够被用在医疗保健的所有领域中，并且涵盖了各种医学检查流程。另外，本文描述的示范性推荐系统和方法能够用作在任何数量的医学报告软件套件中的临床决策部分。所述系统和方法也能够作为整体或部分被集成到诸如MR、CT、NM、超声等的控制台的成像模态控制台和/或工作空间中。
图1示出了根据本文描述的示范性实施例的用于基于患者的临床信息来自动地选择一种或多种合适的医学成像协议的示范性系统100。具体地，系统100的示范性体系结构包括数据收集子系统110、成像协议存储子系统120、协议推荐子系统130和显示子系统140。应当指出，虽然这些子系统110-140的每个被显示为单独的部件，但是任何数量的这些子系统可以被集成到一个或多个其他子系统中。
数据收集子系统110收集与患者有关的临床信息115，临床信息115包括至少(一个或多个)临床指示。另外，所收集的临床信息能够任选地包括实验室数据、先前成像报告、以及来自临床检查的其他报告。具体地，用于收集与患者有关的临床信息115的数据收集子系统110利用来自医疗保健信息技术的众所周知的方法。检查单信息、实验室信息、先前成像报告和其他报告能够经由诸如但不限于国际健康水平7(“HL7”)、医学数字成像和通信(“DICOM”)等的健康信息技术标准来发送和存储。数据收集子系统110能够包括用于存储所收集的临床信息115的数据库。所述存储能够自动地或者当由医师用户选择时来执行。备选地或额外地，由子系统110-140中的任何检索的信息能够被存储在通用系统级数据库中。
成像协议存储子系统120收集并存储机构特异性的医学成像协议125的列表(也称为临床扫描协议)以及用于对这些协议的使用的相关联的临床标准。一旦协议125被收集，用于使用这些协议(例如，临床指示)的临床标准使用作为本体的一部分的医学概念进行编码，所述医学概念例如医学系统命名(“SNOMED”)。因此使用良好控制的、具有本体表示的标准化术语来描述每种协议125。用于每种协议125的多个临床标准中的每个由单个概念或如使用逻辑运算符所定义的概念的组合来组成。对成像协议125的收集和存储被离线执行并且保持有效直到机构决定更新其协议。
根据系统100的一个实施例，对协议125的收集和存储包括使用SNOMED概念标识符与使用描述逻辑相组合以Web本体语言-可扩展的标记语言(“OWL/XML”)格式对临床标准进行编码。例如，所述标准能够被编码为“必要且充分的条件”，其中，逻辑语句完全定义该组的成员。
协议推荐子系统130包括NLP引擎132和推荐引擎134。NLP引擎132分析临床信息115以便标准化在患者临床信息115中包含的自然语言术语。换言之，从用户医师接收到的患者的自由文本的临床信息被转换成可与结构化和编码的协议标准的临床信息相比较的格式。该编码通过对NLP算法的使用自动地执行。结果是包含符合诸如SNOMED、统一医学语言系统(“UMLS”)等的选择的医学术语的代码的患者的描述。NLP引擎132和相关的范例将在下文中进一步描述。
推荐引擎134基于对于单个患者给出的与一种或多种临床扫描协议125相关联的临床标准的他们的合适性来呈现一种或多种临床扫描协议125。该推荐引擎134被用于推荐关于哪些医学成像协议应当被使用的选择。根据系统100的示范性实施例，推荐引擎134能够自动地或者在医师用户的请求下来执行。向推荐引擎134的输入包括协议标准的被编码的描述以及来自NLP引擎132的所处理的患者病史。如以上所指出的，处理患者病史使得患者描述符合用于描述协议标准的相同格式和语法及描述。通过额外的内部算法，由推荐引擎134提供的结果为合适的成像协议中的一种或多种。
最后，显示子系统140适当地呈现，例如显示输入临床信息115和所得到的成像推荐。具体地，来自数据收集子系统110的输入信息和得到的协议经由计算机屏幕被呈现给医师用户。在每种协议推荐后具有或没有推理的情况下，所建议的(一个或多个)流程的呈现通过将可能的流程例如呈现为分类列表、过滤列表、或者未分类列表来通信给用户。虽然将信息显示给医师用户，但是显示子系统140能够允许医师用户接受或修改/拒绝所建议的协议。
另外，对示范性系统100的增强涉及对特别是关于解释计算机生成的建议的结果的显示，以及结果到选择的成像扫描器的发送。根据一种增强，在NLP和推理步骤中检测和使用的描述患者情况的临床术语能够在视觉上突出显示在屏幕上以显示给用户。根据额外的增强，所选择的协议能够被发送到图像扫描器。所述协议包括扫描器设置，所述扫描器设置根据所选择的协议在图像采集期间被使用。这些所选择的扫描器设置能够由协议发送子系统发送到成像扫描器，并且能够被用于控制成像扫描器的扫描操作。这样，不仅最小化了在对成像协议的选择中的错误和不一致性，而且也最小化了当给定成像协议的扫描器设置被手动输入到成像扫描器或在成像扫描器上被选择时出现的错误。在该增强中，允许用户接受或修改/拒绝所建议的协议的显示子系统140能够部分或作为整体被实施为成像扫描器的子系统。发送操作能够使用标准方法来执行，例如通过将协议编码为影像信息系统(“RIS”)流程ID并经由DICOM模式工作列表来发送。
图2示出了根据本文描述的示范性实施例的用于基于患者的临床信息来自动地选择一种或多种合适的医学成像协议的示范性方法200。应当指出，方法200将参考图1中图示的系统100和相关的子系统110-140进行讨论。对数据的收集和随后的推荐由诸如NLP引擎132和推荐引擎134的系统100的一个或多个处理器来执行。如以上所指示的，在整个示范性系统100中执行的步骤中的任何一个或全部能够自动地或当由用户选择时来执行。
从步骤210开始，系统100的数据收集子系统110接收并存储与当前患者有关的临床信息。
在步骤220中，系统100的成像协议存储子系统120接收并存储机构特异性的医学成像协议125的列表。如以上所指出的，成像协议存储子系统120存储计算机可处理格式的包括医学概念的多种成像协议的被编码的描述。应当指出，虽然步骤210和220在方法200中顺序出现，但是这两个步骤能够同时被执行。换言之，示范性方法200不限于图2中描绘的顺序。可以添加或省略额外的步骤，并且某些步骤可以与其他步骤连续地或并行地被执行。
在步骤230中，协议推荐子系统130推荐至少一种合适的成像协议。步骤230被分成三个子步骤。在子步骤232中，协议推荐子系统130的NLP引擎132将由医师用户提供的自由文本的医学信息转换成诸如SNOMED、统一医学语言系统(“UMLS”)等的结构化格式。将所收集的临床信息到计算机可处理格式的转换包括使用NLP引擎134的至少一种自然语言处理(“NLP”)算法。在子步骤234中，协议推荐子系统130的推荐引擎134接收来自成像协议存储子系统120的所编码的协议标准。在子步骤234中，在计算机可处理格式的上下文中分析所转换的临床信息。步骤230及其子步骤232-236的进一步细节和范例将在下文中进行描述。
在子步骤236中，协议推荐子系统130基于来自子步骤234的协议数据的被编码的描述和来自子步骤232的所处理的患者病史数据来生成成像协议推荐。
在步骤240中，显示子系统140在显示器上(例如，计算机监视器、控制台或工作空间显示器等)向用户显示一种或多种所推荐的成像协议。此外，在向用户显示一种或多种所推荐的成像协议后，显示子系统140接收来自用户的输入指令。该输入指令允许用户接受、拒绝或修改由协议推荐子系统130推荐的成像协议。
因此，示范性方法200和系统100通过基于与患者有关的当前临床信息推荐一种或多种合适的医学成像协议来向用户(例如，医师、临床医师、医院工作人员等)提供决策支持。根据示范性实施例中的一个，系统100是对诸如影像归档和通信系统(“PACS”)或影像信息系统(“RIS”)的现有医院和影像信息学系统的附加部件。
作为范例，示范性计算机断层摄影成像协议可以具有“胃肠出血”的临床标准。按照步骤220，这种患者信息可以参考SNOMED代码：74474003被编码在一个或多个逻辑表达式中。当患者成像检查单包含语句“患者呈现消化道出血”时，NLP引擎132产生直接对应于该描述(即，“SNOMED：74474003”)的医学概念。在这种情况下，如果一种协议包含代码为“胃肠出血”的临床指示，则在当前患者信息与所对应的协议之间存在直接的匹配。因此，将在方法200的后续步骤236中推荐该对应的协议。
在又一范例中，NLP引擎132产生没有很好地与所编码的协议标准匹配的患者指示的代码描述。如果患者成像检查单包含“患者呈现GI区域出血”的描述，则NLP算法可能产生不同的结果，例如以两种识别的医学概念(或编码)的形式：“出血”(例如，SNOMED：50960005)和“胃肠道结构”(例如，SNOMED：122865005)。在这种情况下，产生的两种代码更加分散，导致更加难以(例如，利用代码为“胃肠出血”的临床指示)自动地将该患者与适当的协议相匹配。
在该第二范例中图示的问题能够通过对来自NLP引擎132的结果的后处理的第二阶段来解决，以将可能的分散结果组合成一种或多种概念，所述一种或多种概念符合在步骤220中定义的协议的临床标准中描述的医学概念。即，在前面的范例中，根据“出血”和“胃肠道结构”的结果，推荐引擎134在逻辑上推断出“胃肠出血”。
在以下两个示范性实施例中给出克服以上图示的问题的示范性方法。在第一实施例中，示范性系统100和方法200使用本体表示(例如，SNOMED)来做出新颖性推断。在许多本体中，概念由必要且充分条件来定义，如以上在步骤220中所涉及的。这些条件完全地将概念定义为一组实现特定逻辑标准的个体。这可以被称为“复合”本体概念的“定义”。
在该实施例的范围内，已经识别出七种不同类别的NLP相关的问题。然而，应当指出，其他类别是可能的并且这些额外的类别可以以与对七个示范性类别的以下描述一致的方式来解决。在这些示范性类别中，NLP算法产生不精确的代码或将不直接匹配任何协议的临床指示的代码的“片段”。
图3示出了根据本文描述的示范性实施例的基于由自然语言处理(“NLP”)引擎132找到的概念进行NLP匹配的多种类别的情况的示范性表格300。具体地，表格300总结了这七种不同类别的NLP相关的问题。对于每行，列310、320和330的单元包含由NLP引擎132找到的概念的范例。列340包含所需的精确概念。下面是针对每种类别的情况的列表：
类别1--NLP引擎132找到在不包括直接超类的本体术语定义中的不同成分。范例是针对复合概念“肾上腺增生”(列340)的精确代码，针对复合概念“肾上腺增生”(列340)的精确代码在本体中被定义为代码“增生”(列310的CC1)和代码“肾上腺结构”(列320的CC2)的逻辑等价要件。NLP引擎132找到这两个术语，CC1和CC2，但不是精确的术语。然而，示范性实施例将基于CC1和CC2术语来识别复合概念“肾上腺增生”。
类别2--NLP引擎132找到本体术语和直接超类的逻辑定义中的一个成分。范例是复合概念代码“静脉血栓栓塞”(列340)，复合概念代码“静脉血栓栓塞”(列340)在其定义中具有代码“静脉结构”(列310的CC1)并且是“血栓栓塞症”(列330的CSup)的子类。NLP引擎132找到这两个术语，而不是第三个“血栓栓塞(定义)”，即，不存在由NLP引擎132识别的如以上针对类别1所描述的能够被用于使用CC1和CC2定义复合概念的CC2。然而，在本范例中，CC1和CSup被用于识别复合概念。
类别3--NLP引擎132找到逻辑定义的一个成分和本体术语的定义的其他成分的子类，不包括直接超类。范例是复合概念代码“结肠的质量”(列340)，复合概念代码“结肠的质量”(列340)在逻辑上等同于代码“质量”(CC1列310)和代码“结肠结构”(CC2列320)。然而，示范性的NLP结果在这种情况下找到代码“质量”和代码“整个结肠”，其中，整个结肠是结肠结构的子概念或子类。因此，在该范例中，NLP引擎132没有找到针对CC2的精确匹配来生成复合概念，但是仍然能够基于CC2的子类和CC1的直接匹配来产生复合概念。
类别4--NLP引擎132找到逻辑定义的一个成分和在包括直接超类的定义术语的定义中的术语。范例是复合概念代码“结肠的质量”(列340)，复合概念代码“结肠的质量”(列340)逻辑上等同于代码“质量”和“结肠结构”。然而，示范性NLP结果在这种情况下找到代码“结肠结构”(CC1列310)和代码“身体结构的质量”(由文字“找到具有作为其定义的一部分的CC2的概念”标记的CC2列320)，其中，身体结构的质量具有作为其定义的一部分的质量。因此，示范性实施例能够从CC1的直接匹配和CC2的定义来识别复合概念“结肠的质量”。
类别5--这类似于以上列出的类别3，但是在这种情况下，NLP引擎132找到包括直接超类的本体术语的定义的其他成分的子类。范例是复合概念“静脉血栓栓塞”(列340)，复合概念“静脉血栓栓塞”(列340)在其包括直接超类的标记中具有“血栓栓塞症”和“静脉结构”。在这种情况下，NLP引擎132找到“血栓栓塞性病症”(CC1列310)和“整个静脉”(CSup330)，其中，整个静脉是静脉结构的一个子类。
类别6--该类别关注在其定义中仅具有两个成分的复合概念并且将NLP引擎132与所述成分中的一个进行匹配。范例是复合概念“原发性恶性肿瘤”(列340)，给定的NLP找到“主要的”和“肿瘤，恶性(原发性)”。仅具有两个成分的概念被包括以最小化假阳性的数量。
类别7--该类别是基于使用确定两个字符串(例如，字母表字符的有序组)相似程度的相似度分数算法的字符串匹配的。对于两个给定的NLP结果，NLP引擎132确定复合概念描述(“优选的术语”)与每个NLP结果之间的相似度分数。两个分数都需要大于或等于4，并且至少一个结果应当具有大于或等于5的分数。范例是在给出NLP结果“血栓栓塞症”和“动脉”的情况下找到复合概念“动脉血栓形成”(列340)，其中，“动脉血栓形成”在其定义中不具有由前六种类别中的任何捕获的“血栓栓塞症”或“动脉”。本文使用的具体字符串匹配算法是最长公共子字符串算法。应当指出，诸如编辑距离、汉明距离等的其他标准匹配算法也可以被使用或被用作备选。在给出的范例中，“动脉血栓形成”与“血栓栓塞症”的相似度分数是7，而“动脉血栓形成”与“动脉”之间的相似度为8。
相应地，将NLP结果按照顺序匹配与以上类别进行匹配(即，如果给定的NLP结果满足类别1，则忽略后续的类别)。NLP结果后处理模块采用代码的这些片段来搜索与这些片段相关的医学概念的本体。结果，该后处理模块生成多个候选。例如，对于“出血”和“胃肠道结构”，满足逻辑约束的多个概念为：“低级胃肠出血”、“胃肠出血”和“急性胃肠出血”。为了最小化这样的候选的数量，能够使用两种过滤技术。
第一种过滤技术被用于确定在候选之间是否存在层次关系。如果是，除了最常用的术语之外的所有术语将被过滤掉，因为这暗示NLP引擎132不具有足够的细节来指示更具体的概念。使用用于无层次概念的第二种过滤技术，其中，所述结果使用最长公共子序列算法过滤，并且过滤掉不具有至少三个公共字符的任何候选。当在过滤之后得出多个复合概念时，所有概念被返回作为可能的候选概念。
在以上描述的系统和方法的备选实施例中，描述逻辑推理器能够被用于直接从分散的NLP结果推断所期望的复合本体概念。示范性描述逻辑推理器利用用于对从描述逻辑中的语句作出合理推断的一组已知的方法。
本领域技术人员应理解，以上描述的示范性实施例能够以任何数量的方式被实施，包括被实施为单独的软件模块、被实施为硬件和软件的组合等。例如，系统100和相关的子系统110-140可以是包含在非暂态计算机可读存储介质上存储的代码行的程序，所述程序当被编译时可以在处理器上被执行。从以上描述中还应当显而易见的是，当用户实施系统100时，示范性实施例允许处理装置例如通过格式化从患者收集的临床信息、通过使用标准化术语对每种成像协议进行编码、通过将所编码的协议数据与所处理的患者数据相组合来更有效地操作，以自动地推荐一种或多种成像协议等。
应当指出，根据PCT条例6.2(b)，权利要求可以包括附图标记/标号。然而，本权利要求书不得被认为是限于对应于附图标记/标号的示范性实施例。
对本领域技术人员将会显而易见的是，可以在不脱离本发明的精神或范围的情况下对本发明做出各种修改。因此，本发明旨在覆盖本发明的修改和变型，只要它们落入权利要求书及其等价要件的范围内。

Claims (22)

1.一种方法，包括：
收集(210)当前患者的临床信息；
生成(220)计算机可处理格式的包括医学概念的多种成像协议的被编码的描述；
将所收集的临床信息转换(232)成所述计算机可处理格式；并且
基于所述被编码的描述和所述当前患者的所转换的临床信息来推荐或提供(230)至少一种合适的成像协议。
2.根据权利要求1所述的方法，其中，将所收集的临床信息转换(232)成所述计算机可处理格式包括使用至少一种自然语言处理(“NLP”)算法。
3.根据权利要求2所述的方法，其中，所述NLP算法识别所收集的临床信息内的至少一种医学概念的被编码的描述。
4.根据权利要求2所述的方法，其中，所述NLP算法识别所收集的临床信息内的医学概念的被编码的描述的部分。
5.根据权利要求4所述的方法，其中，所述被编码的描述的所述部分被组合并且由所述至少一种NLP算法进一步地处理以识别所收集的临床信息内的至少一种医学概念的被编码的描述。
6.根据权利要求4所述的方法，其中，描述逻辑推理器识别来自所述被编码的描述的所述部分的至少一种医学概念。
7.根据权利要求1所述的方法，其中，所述至少一种合适的成像协议由描述逻辑推理器基于一组临床指示代码来推荐。
8.根据权利要求1所述的方法，还包括：
在用户接口上向用户显示(240)所述至少一种合适的成像协议；并且
经由所述用户接口接收来自所述用户的接受指令、拒绝指令和修改指令中的一种。
9.根据权利要求1所述的方法，还包括：
记录所述临床信息和所述至少一种对应的合适的成像协议的日志，其中，所述日志包括所述NLP算法和由所述NLP算法使用的推理。
10.根据权利要求1所述的方法，其中，所述计算机可处理格式为医学系统命名(“SNOMED”)格式和统一医学语言系统(“UMLS”)格式中的一种。
11.根据权利要求1所述的方法，其中，所述至少一种合适的成像协议包含扫描器设置，所述扫描器设置被发送到成像扫描器以控制所述成像扫描器的扫描操作。
12.一种系统，包括：
数据收集子系统(110)，其用于收集当前患者的临床信息；
成像协议子系统(120)，其用于生成计算机可处理格式的包括医学概念的多种成像协议的被编码的描述；
自然语言处理器(132)，其用于将所收集的临床信息转换成所述计算机可处理格式；以及
协议推荐子系统(134)，其用于基于所述被编码的描述和所述当前患者的所转换的临床信息来推荐或提供至少一种合适的成像协议。
13.根据权利要求12所述的系统，其中，所述自然语言处理器(132)识别所收集的临床信息内的至少一种医学概念的被编码的描述。
14.根据权利要求12所述的系统，其中，所述自然语言处理器(132)识别所收集的临床信息内的医学概念的被编码的描述的部分。
15.根据权利要求14所述的系统，其中，所述被编码的描述的所述部分被组合并且由所述自然语言处理器(132)进一步地处理以识别所收集的临床信息内的至少一种医学概念的被编码的描述。
16.根据权利要求12所述的系统，其中，所述协议推荐子系统(134)包括描述逻辑推理器，所述描述逻辑推理器用于基于一组临床指示代码来推荐所述至少一种合适的成像协议。
17.根据权利要求12所述的方法，还包括：
用户接口(140)，其向用户显示所述至少一种合适的成像协议并且经由所述用户接口接收来自所述用户的接受指令、拒绝指令和修改指令中的一种。
18.根据权利要求12所述的系统，其中，所述计算机可处理格式为医学系统命名(“SNOMED”)格式和统一医学语言系统(“UMLS”)格式中的至少一种。
19.根据权利要求12所述的方法，其还包括协议发送子系统，所述协议发送子系统用于将在所述至少一种合适的成像协议中包含的扫描器设置发送至成像扫描器以控制所述成像扫描器的扫描操作。
20.一种非暂态计算机可读存储介质，包括可由处理器执行的一组指令，所述一组指令至少能用于：
收集(210)当前患者的临床信息；
生成(220)计算机可处理格式的包括医学概念的多种成像协议的被编码的描述；
将所收集的临床信息转换(232)成所述计算机可处理格式；
基于所述被编码的描述和所述当前患者的所转换的临床信息来推荐或提供(230)至少一种合适的成像协议。
21.根据权利要求20所述的非暂态计算机可读存储介质，其中，将所收集的临床信息转换成所述计算机可处理格式包括使用至少一种自然语言处理(“NLP”)算法。
22.根据权利要求21所述的非暂态计算机可读存储介质，其中，所述NLP算法识别所收集的临床信息内的至少一种医学概念的被编码的描述。
CN201380036717.5A 2012-06-01 2013-05-28 用于将患者信息与临床标准进行匹配的系统和方法 Pending CN104487974A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261654185P 2012-06-01 2012-06-01
US61/654,185 2012-06-01
PCT/IB2013/054393 WO2013179216A2 (en) 2012-06-01 2013-05-28 System and method for matching patient information to clinical criteria

Publications (1)

Publication Number Publication Date
CN104487974A true CN104487974A (zh) 2015-04-01

Family

ID=48794143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380036717.5A Pending CN104487974A (zh) 2012-06-01 2013-05-28 用于将患者信息与临床标准进行匹配的系统和方法

Country Status (7)

Country Link
US (1) US20150161329A1 (zh)
EP (1) EP2856372A2 (zh)
JP (1) JP6542664B2 (zh)
CN (1) CN104487974A (zh)
BR (1) BR112014029792A2 (zh)
RU (1) RU2014153909A (zh)
WO (1) WO2013179216A2 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106473765A (zh) * 2015-09-01 2017-03-08 上海西门子医疗器械有限公司 推荐扫描协议参数的服务器、ct机和ct系统
CN107403425A (zh) * 2016-05-18 2017-11-28 西门子保健有限责任公司 从图像自动地生成放射学报告并自动排除没有发现的图像
CN108877911A (zh) * 2017-05-12 2018-11-23 三星电子株式会社 向医疗设备提供扫描协议信息的方法和电子设备
CN109074862A (zh) * 2016-04-04 2018-12-21 皇家飞利浦有限公司 远程医学成像系统管理装置
CN109419525A (zh) * 2017-09-01 2019-03-05 西门子医疗有限公司 用于控制医学成像系统的方法和控制设备
CN110100286A (zh) * 2016-11-22 2019-08-06 皇家飞利浦有限公司 用于患者历史敏感的结构化发现对象推荐的系统和方法
CN111164703A (zh) * 2017-07-31 2020-05-15 皇家飞利浦有限公司 用于确定何时要选择有限的超声心动描记检查的设备、系统和方法
CN112017759A (zh) * 2019-05-31 2020-12-01 通用电气精准医疗有限责任公司 选择扫描协议的方法、系统以及存储有对应程序的介质
CN113544792A (zh) * 2018-11-08 2021-10-22 外科手术公司 用于光学追踪的系统和方法

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10734115B1 (en) 2012-08-09 2020-08-04 Cerner Innovation, Inc Clinical decision support for sepsis
US10431336B1 (en) 2010-10-01 2019-10-01 Cerner Innovation, Inc. Computerized systems and methods for facilitating clinical decision making
US11398310B1 (en) 2010-10-01 2022-07-26 Cerner Innovation, Inc. Clinical decision support for sepsis
US11348667B2 (en) 2010-10-08 2022-05-31 Cerner Innovation, Inc. Multi-site clinical decision support
US10628553B1 (en) 2010-12-30 2020-04-21 Cerner Innovation, Inc. Health information transformation system
US8856156B1 (en) 2011-10-07 2014-10-07 Cerner Innovation, Inc. Ontology mapper
US10249385B1 (en) 2012-05-01 2019-04-02 Cerner Innovation, Inc. System and method for record linkage
US11894117B1 (en) 2013-02-07 2024-02-06 Cerner Innovation, Inc. Discovering context-specific complexity and utilization sequences
US10946311B1 (en) 2013-02-07 2021-03-16 Cerner Innovation, Inc. Discovering context-specific serial health trajectories
US10769241B1 (en) 2013-02-07 2020-09-08 Cerner Innovation, Inc. Discovering context-specific complexity and utilization sequences
US10483003B1 (en) 2013-08-12 2019-11-19 Cerner Innovation, Inc. Dynamically determining risk of clinical condition
US12020814B1 (en) 2013-08-12 2024-06-25 Cerner Innovation, Inc. User interface for clinical decision support
US11581092B1 (en) 2013-08-12 2023-02-14 Cerner Innovation, Inc. Dynamic assessment for decision support
US20170235892A1 (en) * 2014-08-12 2017-08-17 Merlijn Sevenster Increasing value and reducing follow-up radiological exam rate by predicting reason for next exam
JP2016177418A (ja) * 2015-03-19 2016-10-06 コニカミノルタ株式会社 読影結果評価装置及びプログラム
WO2017072633A1 (en) * 2015-10-30 2017-05-04 Koninklijke Philips N.V. Image context aware medical recommendation engine
JP6747804B2 (ja) * 2015-12-14 2020-08-26 キヤノンメディカルシステムズ株式会社 プロトコル管理装置およびプロトコル共有システム
US10395231B2 (en) 2016-06-27 2019-08-27 Altria Client Services Llc Methods, systems, apparatuses, and non-transitory computer readable media for validating encoded information
KR101878217B1 (ko) 2016-11-07 2018-07-13 경희대학교 산학협력단 의료 데이터의 매핑 방법, 장치 및 컴퓨터 프로그램
US10242443B2 (en) * 2016-11-23 2019-03-26 General Electric Company Deep learning medical systems and methods for medical procedures
US11495343B2 (en) * 2017-04-21 2022-11-08 Koninklijke Philips N.V. Device, system, and method for determining a reading environment by synthesizing downstream needs
US11244746B2 (en) * 2017-08-04 2022-02-08 International Business Machines Corporation Automatically associating user input with sections of an electronic report using machine learning
EP3471106A1 (en) * 2017-10-10 2019-04-17 Siemens Healthcare GmbH Method and system for supporting clinical decisions
EP3794600A1 (en) * 2018-05-18 2021-03-24 Koninklijke Philips N.V. System and method for prioritization and presentation of heterogeneous medical data
DE112019003151T5 (de) * 2018-06-22 2021-04-01 Koninklijke Philips N.V. Verfahren zum ermöglichen einer magnetresonanzbildgebung einer person
JP2020140468A (ja) * 2019-02-28 2020-09-03 富士ゼロックス株式会社 情報処理装置及びプログラム
JP7382739B2 (ja) * 2019-05-14 2023-11-17 キヤノンメディカルシステムズ株式会社 撮影支援装置
CN110781858A (zh) * 2019-11-05 2020-02-11 泰康保险集团股份有限公司 信息处理方法及装置、电子设备和计算机可读存储介质
US11961606B2 (en) 2019-11-26 2024-04-16 Blackford Analysis Ltd. Systems and methods for processing medical images for in-progress studies
US11730420B2 (en) 2019-12-17 2023-08-22 Cerner Innovation, Inc. Maternal-fetal sepsis indicator
US11521752B2 (en) * 2019-12-19 2022-12-06 GE Precision Healthcare LLC Methods and systems for automated scan protocol recommendation
WO2022221558A1 (en) * 2021-04-14 2022-10-20 The Board of Regents for the Oklahoma Agricultural and Mechanical Colleges Method and system for medical coding and billing
DE102021120540A1 (de) 2021-08-06 2023-02-09 Siemens Healthcare Gmbh Empfehlen wenigstens eines bildgebungsprotokolls zum scannen eines patienten

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050121505A1 (en) * 2003-12-09 2005-06-09 Metz Stephen W. Patient-centric data acquisition protocol selection and identification tags therefor
JP2005342511A (ja) * 2004-06-01 2005-12-15 General Electric Co <Ge> 自動プロトコル選択のための方法及び装置
CN1751309A (zh) * 2002-12-18 2006-03-22 Ge医疗系统环球技术有限公司 结合体外测试数据的医学数据分析方法和设备
US20080172249A1 (en) * 2007-01-17 2008-07-17 Siemens Ag Knowledge-based ordering systeming for radiological procedures

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU673369B2 (en) * 1992-06-22 1996-11-07 Health Risk Management, Inc. Health care management system
US20030036683A1 (en) * 2000-05-01 2003-02-20 Kehr Bruce A. Method, system and computer program product for internet-enabled, patient monitoring system
US20100153160A1 (en) * 2008-12-12 2010-06-17 Smart Technologies Ulc System for supporting coordination of resources for events in an organization
CN102365641A (zh) * 2009-03-26 2012-02-29 皇家飞利浦电子股份有限公司 基于诊断信息自动检索报告模板的系统
JP5675116B2 (ja) * 2010-01-14 2015-02-25 株式会社東芝 検査システム
JP5841605B2 (ja) * 2010-10-08 2016-01-13 ヘッドセンス メディカル リミテッド 頭蓋内圧を測定する装置と方法
US8959102B2 (en) * 2010-10-08 2015-02-17 Mmodal Ip Llc Structured searching of dynamic structured document corpuses
US9111018B2 (en) * 2010-12-30 2015-08-18 Cerner Innovation, Inc Patient care cards
WO2012104786A2 (en) * 2011-02-04 2012-08-09 Koninklijke Philips Electronics N.V. Imaging protocol update and/or recommender
AU2012225661A1 (en) * 2011-03-07 2013-09-19 Health Fidelity, Inc. Systems and methods for processing patient history data

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1751309A (zh) * 2002-12-18 2006-03-22 Ge医疗系统环球技术有限公司 结合体外测试数据的医学数据分析方法和设备
US20050121505A1 (en) * 2003-12-09 2005-06-09 Metz Stephen W. Patient-centric data acquisition protocol selection and identification tags therefor
JP2005342511A (ja) * 2004-06-01 2005-12-15 General Electric Co <Ge> 自動プロトコル選択のための方法及び装置
US20080172249A1 (en) * 2007-01-17 2008-07-17 Siemens Ag Knowledge-based ordering systeming for radiological procedures

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106473765A (zh) * 2015-09-01 2017-03-08 上海西门子医疗器械有限公司 推荐扫描协议参数的服务器、ct机和ct系统
CN106473765B (zh) * 2015-09-01 2020-02-18 上海西门子医疗器械有限公司 推荐扫描协议参数的服务器、ct机和ct系统
CN109074862A (zh) * 2016-04-04 2018-12-21 皇家飞利浦有限公司 远程医学成像系统管理装置
CN107403425A (zh) * 2016-05-18 2017-11-28 西门子保健有限责任公司 从图像自动地生成放射学报告并自动排除没有发现的图像
CN110100286A (zh) * 2016-11-22 2019-08-06 皇家飞利浦有限公司 用于患者历史敏感的结构化发现对象推荐的系统和方法
CN108877911A (zh) * 2017-05-12 2018-11-23 三星电子株式会社 向医疗设备提供扫描协议信息的方法和电子设备
CN111164703A (zh) * 2017-07-31 2020-05-15 皇家飞利浦有限公司 用于确定何时要选择有限的超声心动描记检查的设备、系统和方法
CN111164703B (zh) * 2017-07-31 2023-12-12 皇家飞利浦有限公司 用于确定何时要选择有限的超声心动描记检查的设备、系统和方法
CN109419525A (zh) * 2017-09-01 2019-03-05 西门子医疗有限公司 用于控制医学成像系统的方法和控制设备
US11850086B2 (en) 2017-09-01 2023-12-26 Siemens Healthcare Gmbh Method and control facility for controlling a medical imaging system
CN113544792A (zh) * 2018-11-08 2021-10-22 外科手术公司 用于光学追踪的系统和方法
CN112017759A (zh) * 2019-05-31 2020-12-01 通用电气精准医疗有限责任公司 选择扫描协议的方法、系统以及存储有对应程序的介质

Also Published As

Publication number Publication date
RU2014153909A (ru) 2016-07-27
EP2856372A2 (en) 2015-04-08
JP6542664B2 (ja) 2019-07-10
WO2013179216A2 (en) 2013-12-05
JP2015524107A (ja) 2015-08-20
US20150161329A1 (en) 2015-06-11
BR112014029792A2 (pt) 2017-06-27
WO2013179216A3 (en) 2014-03-06

Similar Documents

Publication Publication Date Title
CN104487974A (zh) 用于将患者信息与临床标准进行匹配的系统和方法
Majkowska et al. Chest radiograph interpretation with deep learning models: assessment with radiologist-adjudicated reference standards and population-adjusted evaluation
CN103460213B (zh) 图像采集和/或图像相关参数推荐器
US8527293B2 (en) Method and system for supporting clinical decision-making
CN111727478A (zh) 使用深度卷积网络从医学文本中自动提取结构化标签并将其用于训练计算机视觉模型
CN103946885A (zh) 用于收集、报告和管理关于医疗诊断程序的信息的方法和技术
US20130311472A1 (en) Imaging protocol update and/or recommender
WO2015035193A1 (en) Automated clinical indicator recognition with natural language processing
US10600136B2 (en) Identification of medical concepts for imaging protocol selection
CN113243033A (zh) 综合诊断系统和方法
KR20240008838A (ko) 인공 지능-보조 이미지 분석을 위한 시스템 및 방법
EP2487602A2 (en) Assignment of measurement data to information data
CN109478417A (zh) 电子医学记录中的内容驱动问题列表排列
US11127502B2 (en) Computer apparatus and method to identify healthcare resources used by a patient given a potential diagnosis
US20140046694A1 (en) Systems and methods for synoptic element structured reporting
CN105474218B (zh) 用于报告多个医疗程序的系统和方法
US10867698B2 (en) Systems and methods for improved health care cohort reporting
US12014495B2 (en) Generating reports from scanned images
US20210217535A1 (en) An apparatus and method for detecting an incidental finding
CN101196962A (zh) 一种医学成像系统的图像信息显示方法
US20240081768A1 (en) Technology for safety checking a medical diagnostic report
EP4216229A1 (en) Subscription and retrieval of medical imaging data
Mayya Ai-Based Clinical Decision Support Systems Using Multimodal Healthcare Data
Spaanderman et al. AI in radiological imaging of soft-tissue and bone tumours: a systematic review evaluating against CLAIM and FUTURE-AI guidelines
EP4385030A1 (en) Methods and systems for treatment guideline display

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150401