CN107924718A - 用于从成像报告中提取渗透信息以用于疾病决策支持应用的系统和方法 - Google Patents
用于从成像报告中提取渗透信息以用于疾病决策支持应用的系统和方法 Download PDFInfo
- Publication number
- CN107924718A CN107924718A CN201680049731.2A CN201680049731A CN107924718A CN 107924718 A CN107924718 A CN 107924718A CN 201680049731 A CN201680049731 A CN 201680049731A CN 107924718 A CN107924718 A CN 107924718A
- Authority
- CN
- China
- Prior art keywords
- report
- word
- infiltration
- clinical
- directionality
- 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
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
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种用于从成像报告中提取关于渗透的信息并且将报告渗透信息应用于临床指南和临床支持应用的系统和方法。所述系统和方法执行以下步骤:接收成像报告;针对与渗透有关的关键词来解析所述报告;基于指示渗透位置的方向性词、否定词和取消所述否定词的词中的至少一个以及所述与渗透有关的关键词来对所述报告进行分类;在仪表板上呈现经分类的报告以用于临床决策制定;并且将所述经分类的报告应用在实时临床应用中。
Description
背景技术
随着构建可互操作的系统的日益增加的趋势,对来自不同来源的数据进行汇总,这允许对先前未被充分利用的疾病临床标记单独地或者组合更常规的临床标记的普遍电子使用。这样的先前未被充分利用的诊断相关的信息能够从放射学报告中提取,并且与疾病的临床标记(诸如发热、心动过速或血液中的低氧水平)相组合,以评估患者的健康状况。放射学报告包括读取患者的成像检查的结果,并且也可以包括关于建议的随访以及推荐的信息。胸部X射线(CXR)报告(一种类型的放射学报告)为诊断临床状况提供了重要信息,所述临床状况例如包括肺炎、急性呼吸窘迫综合征(ARDS)和心源性肺水肿(CPE)。渗透信息是一种可以从胸部X射线报告中提取的诊断相关的信息。然而,CXR报告中的诊断相关的信息经常被掩藏在报告的文本中,这需要熟练的读者来理解和解读。此外,报告读者可能基于他或她的经验领域和专业水平而将偏见带入到报告解读中。
对诊断相关的信息的电子提取是困难的,因为对诊断相关的信息进行实时编码以及定义用于回顾CXR报告的关键词的标准集合是资源密集的。此外,对CXR报告的注释常常不是疾病特异性的,并且如果搜索不包括足够数量的搜索项,则关键词搜索常常不够敏感。当搜索不包括自然语言处理考量(如状况的进展或者对所识别的诊断相关的信息和关键词的否定)时,关键词搜索通常不够具体。
发明内容
一种用于从成像报告中提取关于渗透的信息并且将报告渗透信息应用于临床指南和临床支持应用的方法,包括:接收所述成像报告;针对与渗透有关的关键词来解析所述报告;基于指示渗透的位置的方向性词、否定词和取消所述否定词的词中的至少一个以及所述与渗透有关的关键词,对所述报告进行分类;将经分类的报告呈现在仪表板上以用于临床决策制定;并且将所述经分类的报告应用在实时临床应用中。
一种从成像报告中提取关于渗透的信息并且将报告渗透信息应用于临床指南和临床支持应用的系统,包括:非瞬态计算机可读存储介质,其存储可执行程序;存储器,其存储关键词数据库,所述关键词数据库包括与渗透有关的关键词、方向性词和否定词;以及处理器,其执行所述可执行程序以使所述处理器:接收所述成像报告;针对与渗透有关的关键词来解析所述报告;基于指示渗透的位置的方向性词、否定词和取消所述否定词的词中的至少一个以及所述与渗透有关的关键词来对所述报告进行分类;将经分类的报告呈现在仪表板上以用于临床决策制定;并且将所述经分类的报告应用在实时临床应用中。
一种包括能由处理器执行的指令集的非瞬态计算机可读存储介质,所述指令集当由所述处理器执行时使所述处理器执行以下操作,所述操作包括:接收成像报告;针对与渗透有关的关键词来解析所述报告;基于指示渗透的位置的方向性词、否定词和取消所述否定词的词中的至少一个以及所述与渗透有关的关键词来对所述报告进行分类;将经分类的报告呈现在仪表板上以用于临床决策制定;并且将所述经分类的报告应用在实时临床应用中。
附图说明
图1示出了根据示范性实施例的系统的示意图。
图2示出了根据第一示范性实施例的用于使用经分类的渗透胸部X射线报告的方法的流程图。
图3示出了根据图2中的步骤202提取渗透信息的示范性方法的流程图。
图4示出了根据图2中的步骤204通过渗透病理学对胸部X射线报告进行分类的示范性方法的流程图。
图5示出了一种示范性方法的流程图,所述方法:根据步骤210-211将经分类的渗透报告应用于计算机化的临床指南,根据步骤212-213将经分类的渗透报告应用于高级临床决策支持应用,并且根据步骤214-219来应用经分类的渗透报告以确定用于应用临床决策支持算法的调度,其中所有步骤都来自图2。
图6示出了一种示范性方法的流程图,所述方法:根据图2中的步骤220来检查机构中的临床状况的存在或者检查对医学策略的遵从性。
图7示出了具有示范性分类的渗透报告和患者医学信息的示范性仪表板。
具体实施方式
参照以下描述和随附的附图可以进一步理解示范性实施例,其中,利用相同的附图标记来指代相似的元件。示范性实施例涉及一种系统和一种方法,其用于:从胸部X射线报告中提取渗透信息,对所述报告进行分类,并且将来自经分类的胸部X射线报告的渗透信息应用于实时临床应用以检测和预测急性疾病。尽管示范性实施例具体描述了胸部X射线,但是本领域技术人员将理解,本公开的系统和方法可以被用于:从要求读取的任何类型的研究或检查的报告中提取渗透信息,根据所述渗透信息对所述报告进行分类,并且在各种医院环境中的任意医院环境内在对疾病检测和预测应用中采用经分类的报告。
如在图1中所示的,根据本公开的示范性实施例的系统100:从胸部X射线报告中提取渗透信息,对所述报告进行分类,并且将来自经分类的胸部X射线报告的渗透信息应用于检测和预测急性疾病。胸部X射线报告例如是对患者的胸部X射线的结果的读取,并且可以包括关于图像中的发现的相关信息以及后续的建议以及推荐。系统100包括用户接口102、处理器104、存储器107和显示器110。
存储器107包括数据库108,数据库108存储:针对患者的先前和当前的胸部X射线报告,以及包括与渗透有关的关键词、方向性词、否定词以及取消所述否定词的词等的关键词数据库。例如,示范性数据库可以包括电子医学记录(EMR)、电子健康记录(EHR)、基于云的数据库或数据仓库等。处理器104可以利用引擎和模块来实施,所述引擎和模块例如包括计算引擎105和临床决策支持(CDS)管理器106。
计算引擎105从胸部X射线报告中提取渗透信息,并且基于所述胸部X射线上的渗透的存在、病理和位置对所述报告进行分类。计算引擎105使用经分类的报告来:绘制用户仪表板,选择临床决策支持(CDS)算法,运行计算机化的临床指南,运行高级CDS算法,应用CDS算法选择规则以调度CDS算法,并且检查与医学策略的遵从性。在示范性实施例中,计算引擎105将经分类的渗透报告置于用户仪表板或图表上,并且将医学测试信息置于用户接口102和显示器110上,以辅助医学护理提供者进行临床决策。在另一示范性实施例中,经分类的胸部X射线渗透报告可以经由用户接口102和显示器110上的电子健康医学记录来呈现给医学护理提供者,以辅助医学护理提供者进行临床决策。
在另外的示范性实施例中,计算引擎105将经分类的渗透报告应用在计算机化的临床指南中,并且运行所述计算机化的指南以针对特定的疾病进行测试。在另一示范性实施例中,计算引擎105在高级临床决策支持(CDS)应用中应用经分类的渗透报告以针对特定的疾病进行测试。例如,所述高级CDS应用可以是测试具体疾病或临床状况的统计学模型。
在另一示范性实施例中,基于对所述报告的渗透分类,所述临床决策支持(CDS)管理器106应用所述经分类的报告以确定用于运行CDS算法的调度。在另外的示范性实施例中,计算引擎105应用经分类的渗透报告以提供健康机构中的疾病或临床状况的通知。在另一示范性实施例中,计算引擎105应用经分类的渗透报告来检测在健康机构中的疾病或临床状况的存在,或者检查与医学策略的遵从性,所述医学策略例如包括医院策略、安全协议或质量协议。
图2示出了一种示范性方法200,其用于使用系统100:从胸部X射线报告中提取渗透信息,基于所述渗透信息对所述报告进行分类,并且将经分类的报告应用于实时临床应用以检测疾病。方法200包括以下步骤:从胸部X射线报告中提取渗透信息,处理所述报告的文本,对所述报告进行分类,并且将经分类的报告应用于实时临床应用,包括基于来自经分类的报告的渗透信息的来进行以下中的一项或多项:运行临床指南,运行CDS应用,调度CDS应用,检测健康机构中的临床状况,或者运行医学策略遵从性检查。
在步骤201中,计算引擎105接收胸部X射线报告。在步骤202中,计算引擎105从所述胸部X射线报告中提取渗透信息。在步骤204中,计算引擎105基于所提取的渗透信息对所述报告进行分类。在步骤206中,计算引擎105将经分类的渗透报告呈现给医学护理提供者以辅助进行临床决策制定或者确定与医院策略的遵从性。
在步骤208中,计算引擎105将所述经分类的渗透报告以及医学测试信息(例如,疾病的迹象和症状、患者人口统计学结果、患者生命体征以及疾病或临床状况的生物标记等)一起置于用户仪表板或图表上。在步骤209中,所述医学护理提供者基于仪表板上的经分类的渗透报告和额外的医学信息做出临床决定。例如,在回顾呈现经分类的渗透报告(其指示存在单侧渗透、高温(发烧)以及存在高微生物计数的肺炎克雷伯细菌)的用户仪表板时,可以推断肺炎的存在。
图7示出了,根据本公开的示范性实施例,在呈现经分类的渗透报告740和额外的患者医学信息的电子医学记录(EMR)中的用户仪表板700。如在图7所示的,所述额外的医学信息可以包括患者信息,例如,患者生命体征信息710、关于患者血液测试的实验室结果720、关于药物的信息730、微生物学测试结果750以及通气760等。
返回到图2,在步骤210中,计算引擎105将所述经分类的渗透报告应用在计算机化的临床指南中。在步骤211中,计算引擎105运行计算机化的临床指南以测试特定疾病。
在步骤212中,计算引擎105在高级临床决策支持应用中应用经分类的渗透报告。在步骤213中,将所述经分类的渗透报告置于测试特定疾病或临床状况的模型中。在示范性实施例中,所述高级临床决策支持应用可以包括针对急性呼吸窘迫综合征(ARDS)的早期检测模型。例如,所述模型提供对ARDS存在的早期检测。
在步骤214中,基于CXR报告上的渗透的存在和分类,临床决策支持(CDS)管理器106确定用于运行一个或多个CDS算法的调度。例如,CDS管理器106可以通过仅自动地运行相关的CDS算法来优化其性能和调度。在步骤215中,CDS管理器106使用CXR渗透算法来检查在报告中是否发现渗透。在步骤219中,当在所述报告中不存在渗透时,CDS管理器106不运行需要CXR渗透作为输入的CDS算法。
在步骤217中,CDS管理器106使用所述CXR渗透算法来检查在所述报告中是否发现双侧渗透。在步骤216中,当在所述报告中存在渗透时,或者当存在渗透但不存在双侧渗透时,CDS管理器106仅自动地运行相关的CDS算法,例如,需要CXR渗透作为输入的算法。需要CXR渗透作为输入的CDS算法例如包括用于检测充血性心力衰竭(CHF)、肺炎、ARDS预测和结核病的算法。
在步骤218中,当在报告中存在双侧渗透时,CDS管理器106仅自动地运行需要双侧CXR渗透作为输入的CDS算法。需要双侧CXR渗透作为输入的CDS算法例如包括ARDS指南以及针对ARDS-CPE排除模型的算法。
在步骤220中,计算引擎105应用规则以检查健康机构中的临床状况,或者检查与医学策略的遵从性,所述医学策略例如包括医院策略或者针对质量和安全报告的协议。
图3示出了如在图2中的步骤202所示的用于从胸部X射线(CXR)报告中提取渗透信息的示范性方法,进一步进行详细描述。所述渗透信息例如可以包括关于渗透病理的信息,例如,渗透的位置和存在。在步骤301中,计算引擎105例如在词语和短语的开头和结尾处解析所述CXR报告。
在步骤302中,计算引擎105检测所述报告中涉及渗透的关键词,例如包括渗透、固结、肺炎、炎症、感染、不透明、浮肿、多小叶、出血和密度等。
在步骤303中,计算引擎105检查与渗透有关的关键词的存在。在步骤304中,当在报告的任何短语中不存在与渗透有关的关键词时,所述报告被分类为“无渗透”。在步骤305中,当存在与渗透有关的关键词时,计算引擎105检查在包含所述关键词的短语中的方向性词的存在。示范性方向性词例如包括双侧、单侧、双基部、两者、右和左等。在步骤306中,如果在包含关键词的短语中没有方向性关键词,则所述短语被分类为“未定的渗透”。这种“未定的渗透”分类指示在短语中存在渗透,并且指定渗透的特定位置或侧面是不清楚的。在步骤310中,被分类为“未定的渗透”的短语与所有非否定的短语一起被存储在报告中。在步骤311中,计算引擎105向所述报告分配类别。如果在报告中没有包含关键词的其他短语,则除了被分类为“未定的渗透”的短语之外,计算引擎105在步骤311中将所述报告分类为“未定的渗透”。在另一示范性实施例中,应用规则以进一步将被分类为“未定的渗透”的短语或报告分类为双侧或单侧。
在步骤307中,在另外的示范性实施例中,一旦计算引擎105已经在具有关键词的短语中检测到方向性词,则所述计算引擎检查所述短语中的否定词,例如包括无、否、阴性、消退和没有等。当在具有关键词和方向性词的短语中没有检测到否定词时,在步骤310中,来自方向性词的关键词和方向不是否定的,例如,所述短语具有不被忽略的关键词和方向性词。接下来,针对在所述报告中具有非否定关键词和方向的所有短语,存储针对每个短语的非否定关键词和方向。
在步骤308中,一旦在短语中检测到否定词,则计算引擎105检查在包含关键词的短语中取消所述否定词的词,例如包括多个否定词和形容词,例如,部分、轻微、没有消退以及没有解决等。
在步骤309中,当在包含关键词和否定词的短语中没有检测到取消所述否定词的词时,所述关键词和方向被否定,例如被忽略。例如,当短语包含关键词“渗透”、方向性词“左”、否定词,并且没有取消否定词的词时,关键词“渗透”和“左”方向被忽略。
在步骤310中,当在包含关键词、方向性词和否定词的短语中检测到取消否定词的词时,取消所述否定词,并且来自所述短语中的方向性词的关键词和方向不被否定,例如,所述短语中的关键词和方向性词不被忽略。接下来,针对在报告中具有非否定关键词和方向的所有短语,存储针对每个短语的非否定关键词和方向。在步骤311中,基于报告的短语中的关键词和方向性词,计算引擎105向所述报告分配类别。示范性的分类包括:“双侧”、“单侧”或“未定的渗透”等。
图4示出了如在图2中的步骤204中所描绘的用于向所述报告分配类别的示范性方法,进一步详细示出。在步骤410中,计算引擎105检查是否存在方向性词“双侧”。在步骤411中,当方向性词“双侧”不存在时,计算引擎检查是否存在方向性词“双基部”。在步骤412中,当存在方向性词“双侧”时,计算引擎检查是否存在方向性词“双基部”。在步骤414中,当方向性词“双基部”和“双侧”两者都不存在时,计算引擎105检查是否存在方向性词“两者”。在步骤413中,当存在方向性词“双侧”、“双基部”或“两者”中的至少一个时,或者存在方向性词“双侧”和“双基部”两者时,计算引擎105将所述报告分类为“双侧”。在步骤416中,当方向性词“双基部”、“双侧”和“两者”都不存在时,计算引擎105检查是否存在方向性词“单侧”。在步骤417中,当存在方向性词“单侧”时,计算引擎105将所述报告分类为“单侧”。
在步骤418中,当不存在方向性词“单侧”时,计算引擎105确定方向性词“左”是否在所述短语中。在步骤419中,当方向性词“左”不存在时,计算引擎105检查方向性词“右”是否在所述短语中。在步骤420中,当存在方向性词“左”时,计算引擎105检查方向性词“右”是否也存在。在步骤421中,当方向性词“左”和“右”两者都不存在时,计算引擎105将所述报告分类为“未定的渗透”,其指示存在渗透,但是渗透的位置或侧面是不清楚的。在步骤422中,当存在方向性词“左”而不存在词语“右”时,或者当方向性词“右”存在而词语“左”不存在时,计算引擎105将报告分类为“单侧”。在步骤423中,当方向性词“左”和“右”两者均存在时,计算引擎105将所述报告分类为“双侧”。
下面的表1也呈现了根据短语中的方向性词的存在来确定胸部X射线报告的类别分配的示范性规则。
表1:用于为胸部X射线报告分配类别的规则
(一个或多个)方向性词的存在 | 分配的类别 |
“双侧” | 双侧 |
“双基部” | 双侧 |
“两者” | 双侧 |
“双侧”;“双基部”两者 | 双侧 |
“左”;“右”两者 | 双侧 |
“单侧” | 单侧 |
“右”而没有“左” | 单侧 |
“左”而没有“右” | 单侧 |
图5示出了一种用于根据图2中的步骤210-211、212-213和214-219将经分类的渗透报告应用于计算机化的临床指南和高级临床决策支持应用并且确定应用临床决策支持算法的调度的方法500,详细地进行描绘。
在示范性实施例中,如在步骤502-507中所示的,计算引擎105应用经分类的报告以运行计算机化的临床指南。例如,计算机化的临床指南可以是用于检测急性呼吸窘迫综合征(ARDS)的指南。在步骤502-507中示出了用于检测VAP的示范性计算机化的临床指南。作为另一范例,所述经分类的渗透报告可以被用在美国-欧洲共识会议(AECC)和用于急性呼吸窘迫综合征(ARDS)的柏林临床指南,以测试ARDS的存在和严重度。所述ARDS指南例如包括ARDS的定义,并且被编码为报告中存在双侧渗透,以及实验室测试结果和呼吸机设置。在另一示范性实施例中,所述经分类的渗透报告可以与临床指南一起使用,例如,检测肺炎、呼吸机相关联的肺炎(VAP)、心源性肺水肿(CPE)。在另一示范性实施例中,所述报告可以用于计算机化的临床协议驱动的治疗建议。
在步骤502-507中示出了用于检测VAP的示范性计算机化的临床指南。在步骤502中,计算引擎105检查在两个或更多个胸部X射线报告上是否存在渗透。在步骤503中,当在两个或更多个报告中没有发现渗透时,未检测呼吸机相关联的肺炎(VAP)。在步骤504中,当在两个或更多个报告中存在渗透时,应用用于检测特定疾病(例如VAP)的指南。在步骤505中,计算引擎105检查特定疾病指南的参数是否被满足。例如,在VAP指南中,计算引擎105检查以下参数之一的存在:1000个细胞/mm3的白细胞计数(WBC)小于4,或者大于或等于12,70岁以上和格拉斯哥昏迷指数(GCS)小于13,或者温度大于38℃。在步骤507中,当疾病检测指南参数被满足时,检测到疾病。例如,当存在以上参数中的任一个参数时,计算引擎105检查以下状况中的两个状况的存在:呼吸率(RR)大于20,动脉氧分压与分数吸氧比(PaO2/FiO2)小于或等于240,并且需要呼吸机。当这些状况中的两个存在时,检测到VAP。在步骤506中,当疾病检测指南参数不被满足时,不存在疾病。例如,当不满足第一组VAP检测参数(WBC、年龄、GCS、温度)或第二组参数(RR、PaO2/FiO2、呼吸机需求)时,未检测到VAP。
在另一示范性实施例中,在步骤509中,所述经分类的渗透报告可以被用在高级临床决策支持(CDS)应用中,例如被用在针对急性呼吸窘迫综合征(ARDS)的早期检测模型中。在该示范性实施例中,在步骤510中,所述经分类的渗透报告可以被输入到模型中以测试特定疾病。例如,CXR渗透分类(无渗透、未定、单侧、双侧)各自可以利用不同的数值进行编码,并且针对所述经分类的报告的值可以被输入到具有关于患者生命体征的临床信息、已知为“ADT”的患者住院状态(入院、出院、转院)和重症监护室(ICU)患者入院来源的逻辑回归或时间序列模型。例如,该逻辑回归模型提供对ARDS存在的早期检测。
在另外的示范性实施例中,所述经分类的渗透报告可以被用于调度和运行相关的临床决策支持(CDS)算法。在步骤511中,当CXR渗透算法确定了在报告中存在渗透时,CDS管理器106检查报告中的双侧渗透的存在。在步骤512中,当所述CXR渗透算法确定在报告中存在渗透或者存在渗透但不存在双侧渗透时,CDS管理器106仅运行与报告中的与渗透有关的CDS算法,例如需要渗透作为输入的CDS算法,例如用于检测充血性心力衰竭(CHF)、肺炎、ARDS预测和结核病的CDS算法。
在步骤513中,当所述CXR渗透算法确定存在双侧渗透时,CDS管理器106仅运行与报告中的与渗透有关的CDS算法,例如需要双侧渗透作为输入的CDS算法,例如用于ARDS指南的CDS算法或者ARDS-CPE排除模型。在示范性实施例中,在重症监护室(ICU)中,医学护理提供者可能需要确定是否由于心源性或非心源性原因而存在肺中的水肿。例如,当在报告中发现双侧渗透时,CDS管理器106运行ARDS-CPE排除模型,其在模型指示怀疑ARDS(非心源性原因)存在时消除针对水肿的心源性原因。
图6示出了一种如在图2的步骤220中所描绘的用于报告健康机构中的临床状况或疾病或者用于检查与医学策略的遵从性的方法600,所述医学策略例如包括医院策略或者针对质量和安全报告的协议,进一步详细描绘。在示范性实施例中,在步骤601中,计算引擎105检查胸部X射线报告上的渗透。
在步骤603中,当在报告中检测到渗透时,计算引擎105检查例如肺炎的特定疾病的征兆。在示范性实施例中,针对特定临床状况或疾病的渗透和体征的检测可以被用于报告健康机构中的临床状况或疾病的存在。在步骤604中,计算引擎105确定是否遵循针对特定疾病的临床流程。例如,在针对肺炎的流程的情况下,计算引擎105首先检查通气,并且然后检查是否已经命令了口腔消毒剂。亦即,所述计算引擎检查是否没有遵循任何临床流程步骤。在步骤605中,当所述计算引擎确定没有遵循针对特定疾病的临床流程时,所述计算引擎将该流程识别为不遵从医院指示策略。例如,当针对肺炎的临床流程的一个或者这两个步骤未被遵循时,所述计算引擎将所述流程识别为不遵从医院策略。
在步骤606中,当针对特定疾病的临床流程被遵循时,计算引擎105将所述流程识别为遵从医院指示策略。例如,当针对肺炎的流程的所有要求的步骤都被遵循时,所述流程被识别为遵从医院策略。
在步骤607中,当在步骤601中在胸部X射线报告中检测到渗透时,计算引擎105然后确定所述检测是否在医院策略下具有恰当的指示。例如,对报告上的渗透的检测可以是计算引擎105检查患者是否遵从针对胸部X射线策略的医院指示的标准的触发器,例如,计算引擎105运行一组规则以查看患者是否满足将需要医生命令胸部X射线的必要标准。作为在医院策略下的恰当指示的范例,根据医院针对胸部X射线的指示策略,疑似肺炎可以是命令胸部X射线的有效标准。
当在步骤601中在胸部X射线报告中检测到渗透并且在步骤607中确确认所检测到的渗透在医院策略下具有恰当的指示时,在步骤609中,计算引擎105将所述流程识别为遵从医院指示策略、资源的良好利用、以及有效的指示策略。返回到上文的范例,在医院指示策略下,报告中的渗透的识别可以是需要医生命令胸部X射线的医院指示。因此,例如,当在步骤601中在胸部X射线报告中检测到渗透时,在步骤607中,确定胸部X射线的使用遵从针对肺炎的医院指示流程,用于在报告中检测到渗透时命令胸部X射线。在该范例中,当医师遵从医院策略(例如,患者怀疑具有肺炎)而命令胸部X射线并且患者的胸部X射线已经渗透时,那么医院策略对于推荐胸部X射线命令是有效的。例如,在所述机构的质量管理员可以使用所述方法随时间持续监测医院策略的有效性,并且根据需要来修改策略,以改善在所述机构处提供给患者的护理的临床工作流和质量。
在步骤608中,一旦在步骤607中计算引擎105确定了对渗透的检测没有在医院策略下执行特定流程的恰当指示,则所述计算引擎将所述流程识别为不遵从医院指示策略,其中,所述流程可能针对命令所述流程的无效的医院指示发信号。例如,当渗透的阳性检测不是针对使用胸部X射线的医院指示策略的有效标准(例如,在检查哮喘)时,胸部X线的使用被识别为不遵从医院指示策略,而是针对哮喘命令X射线的无效医院指示。在该范例中,医院X射线命令指示策略可能是无效的,因为哮喘病例显示检测到渗透,但是哮喘病例不被当前的胸部X射线命令指示策略所覆盖,这可能为需要改变胸部X射线命令指示策略而发信号。此外,在该范例中,当医师命令胸部X射线不遵从医院策略(例如,患者患有哮喘,但没有疑似肺炎),并且患者的胸部X射线已经渗透时,那么如果针对在机构中的许多患者的胸部X射线发现所检测到渗透不遵从医院胸部X射线命令策略的场景,则针对命令胸部X射线的医院策略应当被纠正。
在另一示范性实施例中,一旦计算引擎105在步骤607中将所述流程识别为遵从医院指示策略,则所述计算引擎在步骤601中检查报告中的渗透的存在。在步骤602中,当尽管在医院策略下有恰当的指示而没有检测到渗透时,计算引擎105识别潜在的浪费的医学资源,对用于命令胸部X射线的无效指示策略发信号。例如,在步骤607中在计算引擎105确定胸部X射线报告结果遵从医院策略指示以要求医生命令胸部X射线之后,在步骤601中,识别在报告中不存在所检测到的渗透。作为范例,计算引擎105可以在步骤602中确定所命令的胸部X射线对于不需要胸部X射线的没有检测到渗透的较轻严重度的肺部病症可能是浪费医学资源。
在本发明的另外的示范性实施例中,计算引擎105例如可以从胸部X射线报告中提取关于备选风险因素(例如,心脏异常)的信息,以输入到其他预测算法中。
本领域技术人员将理解,上文所描述的示范性实施例可以以任意数量的内容来实施,包括作为软件模块、作为硬件和软件的组合等。例如,示范性方法200、示范性方法300、示范性方法400、示范性方法500、示范性方法600、计算引擎105以及临床决策支持(CDS)管理器106可以是包含代码行的程序,所述代码行当被编译后可以由处理器执行。
本领域技术人员将理解,引擎105-106可以由处理器104实施为例如由处理器104执行的代码行,实施为由处理器104执行的固件,实施为专用集成电路(ASIC)的处理器104的功能等。
对于本领域技术人员显而易见的是,在不背离本发明的主旨或范围的情况下,可以对示范性实施例做出各种修改。因此,本发明旨在覆盖落入随附的权利要求以及其等同物范围内的本发明的修改和变型。
Claims (20)
1.一种用于从成像报告中提取关于渗透的信息并且将报告渗透信息应用于临床指南和临床支持应用的方法,包括:
接收所述成像报告;
针对与渗透有关的关键词来解析所述报告;
基于指示所述渗透的位置的方向性词、否定词和取消所述否定词的词中的至少一个以及所述与渗透有关的关键词来对所述报告进行分类;
将经分类的报告呈现在仪表板上以用于临床决策制定;并且
将所述经分类的报告应用在实时临床应用中。
2.根据权利要求1所述的方法,其中,所述成像报告包括胸部X射线报告。
3.根据权利要求1所述的方法,其中,所述方向性词包括以下中的至少一个:双侧、单侧、双基部、右、左、两者。
4.根据权利要求1所述的方法,其中,所述否定词包括以下中的至少一个:无、否、阴性、消退、没有,并且其中,取消所述否定词的所述词或者包括:多重否定,或者包括
以下中的至少一个形容词:部分、轻微、没有消退以及没有解决。
5.根据权利要求1所述的方法,其中,所述与渗透有关的词包括以下中的至少一个:渗透、固结、肺炎、炎症、感染、不透明、浮肿、多小叶、出血以及密度。
6.根据权利要求1所述的方法,其中,对所述报告进行分类还包括:
检测所述报告中的所述与渗透有关的关键词;
在包含所检测到的与渗透有关的关键词的短语中搜索所述方向性词;
在所述短语中搜索所述否定词;
在所述短语中搜索取消所述否定词的所述词;
当所述短语包含所述否定词并且不包含取消所述否定词的所述词时,否定所述与渗透有关的关键词和所述方向性词;
针对包含所述否定词并且不包含取消所述否定词的所述词的每个短语,存储所述与渗透有关的关键词和所述方向性词;并且
基于关于病理学以及所述渗透的所述位置的逻辑规则为所述报告分配类别。
7.根据权利要求6所述的方法,其中,所述逻辑规则包括:
如果所述方向性词包括以下中的至少一个:双侧、双基部或这两者,或者如果所述方向性词包括左和右两者,则将所述报告分类为双侧;并且如果是以下情况下则将所述报告分类为单侧:
所述方向性词包括单侧;
所述方向性词包括右并且不包括左;或者
所述方向性词包括左并且不包括右。
8.根据权利要求6所述的方法,其中,所述逻辑规则包括:
如果未检测到所述与渗透有关的关键词,则将所述报告分类为“无渗透”;并且
如果在所述短语中检测到渗透检测的关键词但是所述短语不包括任何方向性词,则将所述报告分类为“未定的渗透”。
9.根据权利要求1所述的方法,其中,所述实时临床应用包括以下中的至少一项:
将所述经分类的报告应用于计算机化的临床指南以用于检测疾病;
应用所述经分类的报告以确定计算机化的临床协议疗法推荐;并且
应用所述经分类的报告以调度临床决策支持(CDS)算法的应用,其中,所述调度基于选择与所述经分类的报告相关的CDS算法。
10.根据权利要求1所述的方法,其中,所述实时临床应用包括:
将所述经分类的报告应用于高级临床决策支持指南以用于检测疾病。
11.根据权利要求10所述的方法,其中,将所述经分类的报告应用于所述高级临床决策支持指南还包括:
为每个渗透分类分配数值;
将所述数值输入到用于检测疾病的模型中。
12.根据权利要求1所述的方法,其中,所述实时临床应用包括:
应用所述经分类的报告以提供健康机构中的疾病或临床状况的通知;
应用所述经分类的报告以检查与医院策略、医院质量协议或医院安全协议中的至少一个的遵从性;或者
应用所述经分类的报告以监测所述医院策略的有效性。
13.一种用于从成像报告中提取关于渗透的信息并且将报告渗透信息应用于临床指南和临床支持应用的系统,包括:
非瞬态计算机可读存储介质,其存储可执行程序;
存储器,其存储关键词数据库,所述关键词数据库包括与渗透有关的关键词、方向性词和否定词;以及
处理器,其执行所述可执行程序以使所述处理器:
接收所述成像报告;
针对所述与渗透有关的关键词来解析所述报告;
基于指示所述渗透的位置的方向性词、所述否定词和取消所述否定词的词中的至少一个以及所述与渗透有关的关键词来对所述报告进行分类;
将经分类的报告呈现在仪表板上以用于临床决策制定;并且
将所述经分类的报告应用在实时临床应用中。
14.根据权利要求13所述的系统,其中,所述成像报告包括胸部X射线报告。
15.根据权利要求13所述的系统,其中,所述与渗透有关的词包括以下中的至少一个:渗透、固结、肺炎、炎症、感染、不透明、浮肿、多小叶、出血以及密度。
16.根据权利要求13所述的系统,其中,对所述报告进行分类还包括:
检测所述报告中的所述与渗透有关的关键词;
在包含所检测到的与渗透有关的关键词的短语中搜索所述方向性词;
在所述短语中搜索所述否定词;
在所述短语中搜索取消所述否定词的所述词;
当所述短语包含所述否定词并且不包含取消所述否定词的所述词时,否定所述与渗透有关的关键词和所述方向性词;
针对包含所述否定词并且不包含取消所述否定词的所述词的每个短语,存储所述与渗透有关的关键词和所述方向性词;并且
基于关于病理学以及所述渗透的所述位置的逻辑规则为所述报告分配类别。
17.根据权利要求16所述的系统,其中,所述逻辑规则包括:
如果所述方向性词包括以下中的至少一个:双侧、双基部或两者;如果所述方向性词包括双侧和双基部两者;或者如果所述方向性词包括左和右两者,则将所述报告分类为双侧;并且
如果是以下情况下则将所述报告分类为包含取消单侧:
所述方向性词包括单侧;
所述方向性词包括右并且不包括左;或者
所述方向性词包括左并且不包括右。
18.根据权利要求13所述的系统,其中,所述实时临床应用包括:
将所述经分类的报告应用于计算机化的临床指南以用于检测疾病。
19.根据权利要求13所述的系统,其中,所述实时临床应用包括:
将所述经分类的报告应用于高级临床决策支持指南以用于检测疾病。
20.一种包括能由处理器执行的指令集的非瞬态计算机可读存储介质,所述指令集当由所述处理器执行时使所述处理器执行以下操作,所述操作包括:
接收成像报告;
针对与渗透有关的关键词来解析所述报告;
基于指示所述渗透的位置的方向性词、否定词和取消所述否定词的词中的至少一个以及所述与渗透有关的关键词来对所述报告进行分类;
将经分类的报告呈现在仪表板上以用于临床决策制定;并且
将所述经分类的报告应用在实时临床应用中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562210023P | 2015-08-26 | 2015-08-26 | |
US62/210023 | 2015-08-26 | ||
PCT/EP2016/069696 WO2017032709A1 (en) | 2015-08-26 | 2016-08-19 | System and methods for extracting infiltrate information from imaging reports for disease decision support applications |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107924718A true CN107924718A (zh) | 2018-04-17 |
Family
ID=56787468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680049731.2A Pending CN107924718A (zh) | 2015-08-26 | 2016-08-19 | 用于从成像报告中提取渗透信息以用于疾病决策支持应用的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20190006041A1 (zh) |
EP (1) | EP3341870B1 (zh) |
CN (1) | CN107924718A (zh) |
WO (1) | WO2017032709A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818079A (zh) * | 2021-02-05 | 2021-05-18 | 武汉大学 | 医学关键词的入库和诊断方法及存储介质 |
CN113243032A (zh) * | 2018-12-21 | 2021-08-10 | 阿比奥梅德公司 | 使用自然语言处理查找不良事件 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10835185B2 (en) * | 2018-03-08 | 2020-11-17 | General Electric Company | System and method for detecting ventilator-associated pneumonia (VAP) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090150183A1 (en) * | 2006-09-29 | 2009-06-11 | Cerner Innovation, Inc. | Linking to clinical decision support |
-
2016
- 2016-08-19 EP EP16754491.5A patent/EP3341870B1/en active Active
- 2016-08-19 US US15/752,385 patent/US20190006041A1/en active Pending
- 2016-08-19 CN CN201680049731.2A patent/CN107924718A/zh active Pending
- 2016-08-19 WO PCT/EP2016/069696 patent/WO2017032709A1/en unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090150183A1 (en) * | 2006-09-29 | 2009-06-11 | Cerner Innovation, Inc. | Linking to clinical decision support |
Non-Patent Citations (3)
Title |
---|
ADAM BENJAMIN WILCOX: ""Automated Classification of Medical Text Reports"", 《PHD DISSERTATION FOR COLUMBIA UNIVERSITY DOCTOR OF PHILOSOPHY》 * |
ANGELA CARMICHAEL: ""ICD-10:The Axis of Classification"", 《HTTPS://WWW.ICD10MONITOR.COM/ICD-10-THE-AXIS-OF-CLASSIFICATION》 * |
CAROL FRIEDMAN: ""SEMANTIC TEXT PARSING FOR PATIENT RECORDS"", 《MEDICAL INFORMATICS》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113243032A (zh) * | 2018-12-21 | 2021-08-10 | 阿比奥梅德公司 | 使用自然语言处理查找不良事件 |
CN112818079A (zh) * | 2021-02-05 | 2021-05-18 | 武汉大学 | 医学关键词的入库和诊断方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3341870A1 (en) | 2018-07-04 |
EP3341870B1 (en) | 2022-10-12 |
US20190006041A1 (en) | 2019-01-03 |
WO2017032709A1 (en) | 2017-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schalekamp et al. | Model-based prediction of critical illness in hospitalized patients with COVID-19 | |
Wang et al. | A deep-learning pipeline for the diagnosis and discrimination of viral, non-viral and COVID-19 pneumonia from chest X-ray images | |
Borakati et al. | Diagnostic accuracy of X-ray versus CT in COVID-19: a propensity-matched database study | |
Pepper et al. | Evidence Underpinning the Centers for Medicare & Medicaid Services' Severe Sepsis and Septic Shock Management Bundle (SEP-1) A Systematic Review | |
Payne et al. | Racial disparities in ordering laboratory and radiology tests for pediatric patients in the emergency department | |
Harada et al. | Control of a nosocomial outbreak of COVID-19 in a university hospital | |
Vasilevskis et al. | Validity of a modified sequential organ failure assessment score using the Richmond agitation-sedation scale | |
US20220068449A1 (en) | Integrated diagnostics systems and methods | |
CN108399951A (zh) | 呼吸机相关性肺炎决策辅助方法、装置、设备及介质 | |
Heidari et al. | Nurses’ awareness about principles of airway suctioning | |
CN109313648A (zh) | 基于存在于自由文本临床文档中的临床概念之间的语义关系来将文档建模为层次图状数据结构的系统和方法 | |
Hale et al. | Causes of shortness of breath in the acute patient: a national study | |
Brown et al. | Breaking bias: the role of artificial intelligence in improving clinical decision-making | |
Liu et al. | Automated identification of pneumonia in chest radiograph reports in critically ill patients | |
Carlile et al. | Deployment of artificial intelligence for radiographic diagnosis of COVID‐19 pneumonia in the emergency department | |
Vance et al. | Triage nurses validly and reliably estimate emergency department patient complexity | |
Schultze et al. | Identifying care home residents in electronic health records-an OpenSAFELY short data report | |
Patrucco et al. | COVID-19 diagnosis in case of two negative nasopharyngeal swabs: association between chest CT and bronchoalveolar lavage results | |
CN107924718A (zh) | 用于从成像报告中提取渗透信息以用于疾病决策支持应用的系统和方法 | |
Yu et al. | Loopholes in current infection control and prevention practices against COVID-19 in radiology department and improvement suggestions | |
Miao et al. | Association of maternal socioeconomic status and race with risk of congenital heart disease: a population-based retrospective cohort study in Ontario, Canada | |
Verelst et al. | Validation of Hospital Administrative Dataset for adverse event screening | |
Heldeweg et al. | The impact of thoracic ultrasound on clinical management of critically ill patients (UltraMan): an international prospective observational study | |
Bartolucci et al. | The incremental value of computed tomography of COVID-19 pneumonia in predicting ICU admission | |
Lee et al. | Localization-adjusted diagnostic performance and assistance effect of a computer-aided detection system for pneumothorax and consolidation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |