DE102020215844A1 - Verfahren und System zur automatisierten Warnung vor einer Infektionskrankheit - Google Patents

Verfahren und System zur automatisierten Warnung vor einer Infektionskrankheit Download PDF

Info

Publication number
DE102020215844A1
DE102020215844A1 DE102020215844.4A DE102020215844A DE102020215844A1 DE 102020215844 A1 DE102020215844 A1 DE 102020215844A1 DE 102020215844 A DE102020215844 A DE 102020215844A DE 102020215844 A1 DE102020215844 A1 DE 102020215844A1
Authority
DE
Germany
Prior art keywords
test
test data
data sets
examinations
threshold value
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.)
Ceased
Application number
DE102020215844.4A
Other languages
English (en)
Inventor
Peng Hao
Yufan Zhao
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.)
Siemens Healthcare GmbH
Original Assignee
Siemens Healthcare GmbH
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 Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Priority to DE102020215844.4A priority Critical patent/DE102020215844A1/de
Publication of DE102020215844A1 publication Critical patent/DE102020215844A1/de
Ceased legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/05Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0803Recording apparatus specially adapted therefor
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/032Transmission computed tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/907Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/40ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00Medical imaging apparatus involving image processing or analysis
    • A61B2576/02Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pulmonology (AREA)
  • Primary Health Care (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Library & Information Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur automatisierten Warnung vor einer Infektionskrankheit umfassend die Schritte:- Bereitstellung einer Vielzahl von digitalen Test-Datensätzen (D) von medizinischen Untersuchungsgeräten (1), wobei diese Test-Datensätze (D) Daten von Untersuchungen an Patienten (P) und Werte von Aufnahmeparametern (A) umfassen,- Ermitteln einer Test-Anzahl (T) derjenigen Test-Datensätze (D), welche vorbestimmte Werte von Aufnahmeparametern (A) enthalten, die bei Untersuchungen für die betreffende Infektionskrankheit typischerweise eingestellt werden,- Vergleich der Test-Anzahl (T) mit einem vorbestimmten Schwellenwert (S),- Ausgabe einer Warninformation (W), wenn die Test-Anzahl (T) über dem Schwellenwert (S) liegt.Die Erfindung betrifft des Weiteren ein entsprechendes System sowie ein medizintechnisches Untersuchungsgerät.

Description

  • Die Erfindung betrifft ein Verfahren und ein System zur automatisierten Warnung vor einer Infektionskrankheit. Die Erfindung dient dabei insbesondere zur Realisierung eines medizintechnischen Frühwarnsystems. Die Erfindung dient z.B. dazu, den Ausbruch einer ansteckenden Lungenkrankheit vorherzusagen bzw. zu erkennen.
  • Eine Infektionskrankheit, Ansteckungskrankheit oder Infektionserkrankung ist eine durch Krankheitserreger hervorgerufene Erkrankung bei Menschen. Diese wird in der Regel durch Bakterien, Pilze oder Viren hervorgerufen. Eine Infektionskrankheit kann sich direkt oder indirekt von einer Person zu einer anderen verbreiten. Eine ansteckende Lungenkrankheit könnte z.B. Grippe, Lungenentzündung oder Tuberkulose sein, wobei einige dieser Krankheiten gravierende Atemprobleme hervorrufen können. Auch kann das Interstitium durch eine Infektionskrankheit betroffen sein und eine interstitiale Lungenkrankheit entstehen, welche zuweilen mit einer Lungenfibrose einhergeht und eine hohe Todesrate aufweist.
  • Beim Auftreten einer gefährlichen Infektionskrankheit sollte eine Gesellschaft zur Vermeidung von Todesfällen bei schweren Krankheitsverläufen vor einer unkontrollierten Ausbreitung dieser Krankheit bewahrt werden. Dies kann beispielsweise durch nationale oder internationale medizinische Organisationen geschehen, welche den Krankheitsverlauf der Bevölkerung überwachen über eine Infrastruktur regelnd auf den Krankheitsverlauf eingreifen.
  • Infektionskrankheiten zeigen ein breites Spektrum von zeitlichen Verläufen und Symptomen. Diese sind für den Erreger oftmals spezifisch. Es besteht in der Regel eine Meldepflicht von Ärzten, beim Auftreten von Symptomen einer meldepflichtigen Infektionskrankheit die nationalen Gesundheitsämter davon zu unterrichten.
  • Bisher haben Länder und internationale Organisationen verschiedene Überwachungs- und Berichtssysteme eingerichtet, um einen plötzlichen Ausbruch einer Infektionskrankheit frühzeitig und effektiv zu überwachen, z.B. Die Zentren für die Kontrolle und Prävention von Krankheiten (Centers for Disease Control and Prevention, CDC). Verschiedene Staaten haben landesweite Richtlinien festgelegt, um ein zeiteffektives Statistik- und Warnsystem zu gewährleisten. Auf globaler Ebene hat die WHO auch Leitlinien für eine solche Überwachung von Krankheiten festgelegt.
  • Die meisten heutigen Überwachungsansätze beruhen in hohem Maße auf persönlicher Erfahrung bzw. dem Fachwissen, einzelner medizinischer Fachkräfte. Unterschiedliche Erfahrungsstufen von Medizinern, unterschiedliche Arbeitsbelastung an verschiedenen Arbeitstagen, zufällig auftretende Patientenbesuche usw. können die Genauigkeit und Effektivität einer solchen Systemüberwachung beeinträchtigen.
  • Insbesondere in großen Metropolen, die für ein gehäuftes Auftreten von Infektionskrankheiten besonders anfällig sind, bietet eine große Anzahl von Krankenhäusern und Kliniken Patienten eine hohe Flexibilität bei der Auswahl der Gesundheitseinrichtung. Dies hat jedoch den Nachteil, dass eine standardisierte und sofortige Erkennung, Statistik und Berichterstattung von Infektionskrankheiten im dem betreffenden gesamten geografischen Gebiet nahezu nicht ausführbar ist da die unterschiedlichen Gesundheitseinrichtungen oftmals verschiedene Richtlinien bei der Erkennung, Sammlung und Meldung von Krankheitssymptomen haben.
  • Aus Sicht der klinischen Diagnostik gibt es mehrere Untersuchungsmodalitäten, die typischerweise bei der Diagnose von infektiösen Lungenerkrankungen verwendet werden. Laboruntersuchungen, z.B. PCR-Test oder bildgebende Modalitätsuntersuchungen, z. B. Röntgen- oder Computertomographie (CT) sind häufig angewandte diagnostische Ansätze.
  • Obwohl dies typische Untersuchungsansätze sind, die eng mit infektiösen Lungenerkrankungen verbunden sind, werden diese bisher nur verwendet, um zur Diagnose einzelner Patienten beizutragen. Keiner von ihnen wird verwendet, um den Ausbruch einer Krankheit anzuzeigen, Gegenmaßnahmen auszulösen oder Warnungen auszugeben.
  • Beispielsweise wurden zu Beginn des Covid-19-Ausbruchs in Wuhan Ende Dezember 2019 in verschiedenen Krankenhäusern in Wuhan eine zunehmende Anzahl von CT-Thoraxuntersuchungen durchgeführt. Da diese Untersuchungen jedoch in verschiedenen Krankenhäusern innerhalb von Krankenhäusern weit verbreitet sind, waren diese Thoraxuntersuchungen an jedem Arbeitstag statistisch zufällig verteilt.
  • Es ist eine Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren und eine entsprechende Vorrichtung zur automatisierten Warnung vor Krankheiten, insbesondere vor Infektionskrankheiten anzugeben, mit dem die oben beschriebenen Nachteile vermieden werden.
  • Diese Aufgabe wird durch ein Verfahren gemäß Patentanspruch 1, einem System gemäß Patentanspruch 12 und ein medizintechnisches Untersuchungsgerät gemäß Patentanspruch 13 gelöst.
  • Das erfindungsgemäßen Verfahren dient zur automatisierten Warnung vor einer Infektionskrankheit und umfasst die folgenden Schritte:
    • - Bereitstellung einer Vielzahl von digitalen Test-Datensätzen von medizinischen Untersuchungsgeräten, wobei diese Test-Datensätze Daten von Untersuchungen an Patienten und Werte von Aufnahmeparametern umfassen.
  • Untersuchungen auf bestimmte Infektionskrankheiten werden typischerweise mittels medizinischer Untersuchungsgeräte durchgeführt, die speziell auf die Untersuchung eingestellt worden sind. Dazu wurden Aufnahmeparametern, also „Einstellungsmöglichkeiten“ der Aufnahmegeräte zur Durchführung der betreffenden Aufnahme, spezifische Werte zugewiesen. Beispielsweise erfolgen CT-Untersuchungen, die von Ärzten zum Ausschluss einer Lungenpneumonie durchgeführt werden, unter Einstellung spezieller Aufnahmeparameter, wie Akquisitionsschichtdicke, Rekonstruktionsschichtdicke oder Rekonstruktionskern. Diesbezügliche Daten können z.B. über CT-Scan-Protokolldateien nachverfolgt werden. Beispielsweise existieren speziell auf das Coronavirus angepasste, vorgefertigte Lungenentzündungsprotokolle mit Voreinstellungen für Aufnahmeparameter, welche Untersuchungen auf eine Lungenentzündung einfach durchführbar machen. Die Werte dieser Aufnahmeparameter müssen zur Durchführung des erfindungsgemäßen Verfahrens Teil der Test-Datensätze sein oder zumindest mit diesen Test-Datensätzen verknüpft sein (was auch mit „umfassen“ gemeint sein kann).
    • - Ermitteln einer Test-Anzahl derjenigen Test-Datensätze, welche vorbestimmte Werte von Aufnahmeparametern enthalten, die bei Untersuchungen für die betreffende Infektionskrankheit typischerweise eingestellt werden.
  • Wie oben bereits gesagt wurde, sind die Werte der Aufnahmeparameter Teil der Test-Datensätze oder mit den Test-Datensätzen verknüpft. Die Test-Datensätze werden nun nach den vorbestimmten Aufnahmeparametern durchsucht (insbesondere zumindest denjenigen, die bei Untersuchungen für die betreffende Infektionskrankheit besondere Einstellungen erfahren) und die in den Test-Datensätzen abgespeicherten Werte zu diesen Aufnahmeparametern mit voreingestellten Vergleichswerten verglichen. Dies kann z.B. mittels eines bekannten „Parsers“ durchgeführt werden. Die Test-Anzahl ist dann die Anzahl derjenigen Test-Datensätze, welche die vorbestimmte Werte von Aufnahmeparametern enthalten. Es können zwar alle Aufnahmeparameter betrachtet werden, aber es ist im Grunde nur notwendig, einen Teil der Aufnahmeparameter zu betrachten, nämlich denjenigen, der spezifische Einstellungen zu den Untersuchungen umfasst.
    • - Vergleich der Test-Anzahl mit einem vorbestimmten Schwellenwert.
  • Nachdem die Test-Anzahl ermittelt worden ist, wird diese mit einem Schwellenwert verglichen, welcher so gestaltet sein sollte, dass überprüft werden kann, ob eine signifikante Erhöhung von Untersuchungen auf die Infektionskrankheit stattgefunden hat. Der Schwellenwert kann dabei im einfachsten Fall ein konstanter absoluter Wert sein oder ein konstanter Verhältniswert zu allen betrachteten Untersuchungen. Wenn festgestellt wird, dass die Test-Anzahl diesen konstanten Schwellenwert übersteigt, dann wird davon ausgegangen, dass die betreffende Infektionskrankheit vorherrscht. Dies ist jedoch ein sehr einfacher Fall, der weder einen Zeitraum berücksichtigt noch eine statistische Fluktuation der Gesamtuntersuchungen. Der Vergleich sollte daher vorteilhafter Weise nicht direkt mit der Test-Anzahl und dem Schwellenwert durchgeführt werden, sondern mit Größen, die von diesen Werten abgeleitet wurden, z.B. normierte Werte oder dynamisch erstellte Werte, die unter Verwendung weiterer Größen, wie z.B. Zeit oder Positionsinformationen gewonnen werden. Im Folgenden wird genauer auf bevorzugte Arten des Vergleichs eingegangen werden.
  • Es sollte dabei beachtet werden, dass auch wenn z.B. die Anzahl von angeforderten CT-Thoraxstudien nicht unmittelbar mit der Bestätigung einer Lungenpneumonie zusammenhängt dennoch eine statistische Anzahl solcher Studien als konkreter Indikator für einen Ausbruch einer Infektionskrankheit der Lunge angesehen werden kann.
    • - Ausgabe einer Warninformation, wenn die Test-Anzahl über dem Schwellenwert liegt.
  • Die Warninformation kann beispielsweise eine Nachricht an ein Gesundheitsamt sein. Es sollte hier beachtet werden, dass die Test-Anzahl Die Anzahl von Untersuchungen darstellt, die auf die Infektionskrankheit „zugeschnitten“ sind oder zumindest für diejenigen Untersuchungen, die mit entsprechenden Voreinstellungen durchgeführt wurden und Daher das Übertreten des Schwellenwerts ein Indikator dafür ist, dass mit einer gewissen Wahrscheinlichkeit die betreffende Infektionskrankheit ausgebrochen ist.
  • Beispielsweise könnten bei Lungenpneumonie-Untersuchungen automatisch die Anzahl derselben Untersuchungen verglichen werden, die in einem früheren, vergleichbaren Zeitraum durchgeführt worden sind, z.B. täglich, wöchentlich oder vierteljährlich. Im Falle einer dramatischen Zunahme der Zahl, z.B. 20% täglich als Schwellenwert, würde auf einen Ausbruch der Infektionskrankheit geschlossen werden. Das System kann dann eine Warnmeldung der Stufe 1 an ein Gesundheitsamt oder an einen lokalen CT-Scannerbenutzer auslösen.
  • Beispielsweise würde ein bevorzugtes Verfahren mit Datensätzen von Thorax CT-Untersuchungen wie folgt aussehen:
    • In einem ersten Schritt werden die bereitgestellten Test-Datensätze der Thorax CT-Untersuchungen, welche z.B. im DICOM-Format vorliegen können, automatisch daraufhin überprüft, ob die jeweiligen CT-Aufnahmen mit Bilddarstellungsparametern erfolgten, die zur Diagnose von Infektionserkrankungen der Lunge typischerweise verwendet werden. Wird ein Test-Datensatz ermittelt, welcher solche Parameter enthält, wird er markiert oder einfach ein Zähler inkriminiert.
  • In einem zweiten Schritt wird die Summe der markierten Datensätze gebildet, insbesondere unter Berücksichtigung des Zeitraums und/oder der geographischen Region in der die Datensätze aufgenommen worden sind. Es kann als Summe auch einfach der vorgenannte Zähler abgelesen werden. Diese Summe ist die Test-Anzahl.
  • Daraufhin wird die Test-Anzahl mit einem Schwellenwert verglichen, der aus historischen Datensätzen (den Vergleichs-Datensätzen) abgeleitet wurde, die bevorzugt in derselben Region in einem anderen aber vergleichbaren Zeitraum aufgenommen worden sind. Beispielsweise können in dem Fall, dass die Test-Datensätze innerhalb eines Vierteljahres aufgenommen worden sind, die Vergleichs-Datensätze CT-Aufnahmen aus dem entsprechenden Viertel des vergangenen Jahres stammen.
  • Die Erfinder stellten in der Praxis fest, dass mit dem Ausbruch von COVID 19 ein drastischer Anstieg von Thorax-Scans festgestellt werden konnte. In China wurden beispielsweise 35% mehr CT-Thorax-Scans durchgeführt als normal.
  • Auch wenn dieses Verfahren hier nur im Rahmen von Infektionskrankheiten der Lunge betrachtet wird, ist es im Grunde universeller einsetzbar. Die entsprechenden Schritte des Verfahrens können auch einen Ausbruch einer allgemeinen Infektionskrankheit abschätzen, indem spezifische Werte von Aufnahmeparametern betrachtet werden, die bei Untersuchungen im Hinblick auf die entsprechende Krankheit an einem Untersuchungsgerät eingestellt werden. Dasselbe gilt für Erkrankungen aufgrund einer Strahlungsexposition, es könnte also auch das Auftreten eines Strahlungslecks in einer nuklearen Einrichtung erkannt und davor gewarnt werden, und für Erkrankungen, die auf Umweltgiften basieren, es kann also auch eine lokale Freisetzung eines Umweltgiftes erkannt und davor gewarnt werden.
  • Das erfindungsgemäße Verfahren könnte daher auch allgemein als Verfahren zur automatisierten Warnung vor dem Ausbruch einer Erkrankung (Infektionskrankheit, einer Krankheit aufgrund von Strahlungsexposition oder Umweltgiften) verstanden werden und umfasst die folgenden Schritte:
    • - Bereitstellung einer Vielzahl von digitalen Test-Datensätzen von medizinischen Untersuchungsgeräten, wobei diese Test-Datensätze Daten von Untersuchungen an Patienten und Werte von Aufnahmeparametern umfassen,
    • - Ermitteln einer Test-Anzahl derjenigen Test-Datensätze, welche vorbestimmte Werte von Aufnahmeparametern enthalten, die bei Untersuchungen für die betreffende Erkrankung typischerweise eingestellt werden,
    • - Vergleich der Test-Anzahl mit einem vorbestimmten Schwellenwert,
    • - Ausgabe einer Warninformation, wenn die Test-Anzahl über dem Schwellenwert liegt.
  • Anstelle des derzeitigen auf manuellen Berichten basierenden Systems zur Überwachung von Krankheiten, das einen gravierenden Anteil subjektiver menschlicher Entscheidungen umfasst und auf Erfahrungen einzelner medizinischer Fachkräfte beruht, verwendet das vorgeschlagene Verfahren objektive statistische Ergebnisse von Anzahlen durchgeführter Untersuchungen, z.B. von CT-Thoraxstudien. Dies kann Fehler, die durch menschliche Eingriffe während der Statistik und Berichterstellung verursacht werden, stark reduzieren.
  • Dies hat den Vorteil, dass direkt eine zunehmende Anzahl an Untersuchungen auf bestimmte Symptome als auslösendes Indiz dazu verwendet werden kann, die Aufmerksamkeit der verantwortlichen Behörden auf das Auftreten einer bestimmten Infektionskrankheit zu lenken.
  • Das erfindungsgemäße System zur automatisierten Warnung vor einer Infektionskrankheit, insbesondere nach dem erfindungsgemäßen Verfahren, umfasst die folgenden Komponenten:
    • - Eine Datenschnittstelle ausgelegt zum Empfang einer Vielzahl von bereitgestellten digitalen Test-Datensätzen von medizinischen Untersuchungsgeräten, wobei diese Test-Datensätze Daten von Untersuchungen an Patienten und Werte von Aufnahmeparametern umfassen,
    • - eine Ermittlungseinheit ausgelegt zum Ermitteln einer Test-Anzahl derjenigen Test-Datensätze, welche vorbestimmte Werte von Aufnahmeparametern enthalten, die bei Untersuchungen für die betreffende Infektionskrankheit typischerweise eingestellt werden,
    • - eine Vergleichseinheit ausgelegt zum Vergleich der Test-Anzahl mit einem vorbestimmten Schwellenwert,
    • - eine Ausgabeeinheit ausgelegt zum Ausgabe einer Warninformation, wenn die Test-Anzahl über dem Schwellenwert liegt.
  • Das erfindungsgemäße System ist damit ein effektives Frühwarnsystem, das auf der statistischen Verwendung und Analyse rückverfolgbarer Untersuchungsdaten, z.B. CT-Scan-Parameter, basiert, um vor infektiösen Lungenerkrankungen zu warnen.
  • Ein erfindungsgemäßes medizintechnisches Untersuchungsgerät umfasst ein erfindungsgemäßes System, wobei bevorzugt diejenigen Daten als Test-Datensätze verwendet werden, die mit diesem Untersuchungsgerät aufgenommen worden sind. Es beruht bevorzugt auf dem Prinzip der Tomographie und ist insbesondere ein Tomosynthesesystem oder ein Computertomographiesystem. Selbstverständlich muss das Untersuchungsgerät dazu ausgestaltet sein, digitale Test-Datensätze gemäß der Erfindung (umfassend Werte zu Aufnahmeparametern) zu erzeugen.
  • Ein Großteil der zuvor genannten Komponenten des Systems, können ganz oder teilweise in Form von Softwaremodulen in einem Prozessor eines entsprechenden Rechensystems realisiert werden. Eine weitgehend softwaremäßige Realisierung hat den Vorteil, dass auch schon bisher verwendete Vorrichtungen, z.B. Untersuchungsgeräte, auf einfache Weise durch ein Software-Update nachgerüstet werden können, um auf die erfindungsgemäße Weise zu arbeiten. Insofern wird die Aufgabe auch durch ein entsprechendes Computerprogrammprodukt mit einem Computerprogramm gelöst, welches direkt in ein Rechensystem, z.B. in einer Steuereinrichtung für ein Untersuchungsgerät, ladbar ist, mit Programmabschnitten, um alle Schritte des erfindungsgemäßen Verfahrens auszuführen, wenn das Programm in dem Rechensystem ausgeführt wird. Ein solches Computerprogrammprodukt kann neben dem Computerprogramm gegebenenfalls zusätzliche Bestandteile wie z. B. eine Dokumentation und/oder zusätzliche Komponenten auch Hardware-Komponenten, wie z.B. Hardware-Schlüssel (Dongles etc.) zur Nutzung der Software, umfassen.
  • Zum Transport zum Rechensystem und/oder zur Speicherung an oder in dem Rechensystem kann ein computerlesbares Medium, z.B. ein Memorystick, eine Festplatte oder ein sonstiger transportabler oder fest eingebauter Datenträger dienen, auf welchem die von einem Rechensystem bzw. einer Rechnereinheit der Steuereinrichtung einlesbaren und ausführbaren Programmabschnitte des Computerprogramms gespeichert sind. Das Rechensystem kann z.B. hierzu einen oder mehrere zusammenarbeitende Mikroprozessoren oder dergleichen aufweisen.
  • Weitere, besonders vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen sowie der nachfolgenden Beschreibung, wobei die Ansprüche einer Anspruchskategorie auch analog zu den Ansprüchen und Beschreibungsteilen zu einer anderen Anspruchskategorie weitergebildet sein können und insbesondere auch einzelne Merkmale verschiedener Ausführungsbeispiele bzw. Varianten zu neuen Ausführungsbeispielen bzw. Varianten kombiniert werden können.
  • Gemäß einem bevorzugten Verfahren stammen die Test-Datensätze von Untersuchungen der Gruppe umfassend Computertomographie (CT), Magnetresonanztomographie (MRT) und Röntgenuntersuchungen stammen, wobei CT-Scandaten, insbesondere des Thorax, bevorzugt sind.
  • Gemäß einem bevorzugten Verfahren sind die Test-Datensätze Bilddatensätze, insbesondere im DICOM-Format, bevorzugt Bilddatensätze von Aufnahmen der Lunge und/oder dem Thorax. Das DICOM-Format ist sehr praktisch, da in einem Header-Abschnitt eines Bilddatensatzes alle notwendigen Werte zu Aufnahmeparametern leicht zu finden sind.
  • Gemäß einem bevorzugten Verfahren werden Werte zu Aufnahmeparametern bezüglich der Relevanz von Parametern gewichtet betrachtet. Die Test-Datensätze umfassen dabei bevorzugt Werte von Aufnahmeparametern der Gruppe:
    • - Scanbereich („Scan Range“, z.B. ob dieser Bereich die gesamte Lunge umfasst),
    • - Schichtdicke,
    • - Strahlungsdosis,
    • - Rekonstruktionskern („Reconstruction Kernel“, z.B. ob Bilddaten bezüglich eines Lungen-Kernels rekonstruiert werden), oder
    • - Scanprotokoll (z.B. ob Untersuchungen bezüglich eines ausgewiesenen Protokoll zur Lungenaufnahme durchgeführt werden, etwa mittels SHS Computed Tomography, SOMATOM go.Top, Covid-Lungen Protokoll).
  • Die hier genannten Parameter sind wichtige Indikatoren für mögliche Fälle und können auch zusätzlich für statistische oder analytische Untersuchungen der Zahlenwerte verwendet werden.
  • Gemäß einem bevorzugten Verfahren umfassen die Test-Datensätze zusätzlich Ortsinformationen zum Ort der Untersuchung und/oder dem Aufenthaltsort des Patienten. Diese Informationen werden dann besonders bevorzugt für die Bildung einer ortsaufgelösten Test-Anzahl verwendet. Die Test Anzahl ist dann bevorzugt kein skalarer Wert mehr, sondern ein zweidimensionales ortsaufgelöstes Histogramm, welches jeweils eine Anzahl für verschiedene Regionen angibt. Dabei ist bevorzugt, dass die Ortsauflösung der Test-Anzahl so genau ist, dass Test-Datensätze zumindest bezüglich verschiedenen Städten unterschieden werden können.
  • Eine Ortsauflösung kann z.B. dadurch erreicht werden, dass nicht nur die von einem einzelnen CT-Scanner erhaltenen Test-Datensätze analysiert werden, sondern die Daten mehrerer Untersuchungsgeräte. Diesbezüglich sind datentechnisch verbundene Untersuchungsgeräte, z.B. CT-Scanner, besonders vorteilhaft, um Daten vieler Untersuchungen in einem bestimmten geografischen Gebiet oder in mehreren geographischen Gebieten zu nutzen. Da die Positionen der Untersuchungsgeräte bekannt sind, kann mit einer einfachen Zuordnung der Test-Datensätze zu den Untersuchungsgeräten eine gewünschte Ortsauflösung erhalten werden. Auf diese Weise kann das Verfahren auf der Grundlage von Test-Datensätzen aus einem großen Gebietsbereich durchgeführt werden, z.B. Bezirksebene, Stadtebene, Staatsebene oder sogar weltweit.
  • Ein größerer statistischer Bereich kann die Empfindlichkeit und Genauigkeit erhöhen und Fehler vermeiden, die durch zufällig ungleichmäßige Patientenverteilung verursacht werden. Durch automatisiertes Data Mining von geografischen Informationen, z.B. IP-Adresse des angeschlossenen Untersuchungsgeräts, kann sogar eine Warninformation mit Ortsinformationen des betreffenden Krankheitsausbruchs übermittelt werden, z.B. in welcher Stadt bzw. in welchem Staat dieser stattfand.
  • Gemäß einem bevorzugten Verfahren wird der Schwellenwert basierend auf Diagnosedaten oder Daten zu weiteren Untersuchungen (zusätzlich) zu den Untersuchungen, von denen die Test-Datensätze stammen, modifiziert. Diagnosedaten sind dabei Informationen darüber, ob die betreffende Untersuchung zu einem Test-Datensatz einen positiven oder negativen Befund ergab. Wohlgemerkt, erfolgt der Befund nicht durch das erfindungsgemäße Verfahren, sondern es wird auf die Expertise eines Arztes zurückgegriffen. Daten zu weiteren Untersuchungen des betreffenden Patienten sind insbesondere Daten zu einer Nachfolgeuntersuchung oder vorangegangenen Untersuchung an dem Patienten, insbesondere eine Untersuchung zur Polymerase-Kettenreaktion (englisch „polymerase chain reaction“, kurz PCR). Bevorzugt wird dabei ein Verhältnis berechnet, welcher Anteil der betreffenden Untersuchungen letztendlich einen negativen und welcher Anteil einen positiven Befund aufweist.
  • Es ist hierzu anzumerken, dass oftmals eine endgültige klinische Diagnose auf der Grundlage mehrerer Untersuchungen gestellt wird, was im Vergleich zum Verfahren zu einem späteren Zeitpunkt erfolgen dürfte. Wenn ein endgültiges Diagnoseergebnis, z.B. „positiv“ oder „negativ“ für eine Covid-19-Infektion vorliegt, kann rückwirkend der Vergleich, insbesondere der Schwellenwert, bei dem Verfahren angepasst werden. Dies kann die Genauigkeit des Verfahrens für die Zukunft erheblich verbessern. Berücksichtigt man einen aktuellen klinischen Arbeitsablauf, so gibt es kaum eine solche retrospektive endgültige Diagnose, die später in Frühwarnverfahren eingegeben wird.
  • Gemäß einem bevorzugten Verfahren umfassen die Test-Datensätze zusätzlich Zeitinformationen zur Zeit der Untersuchung. Diese Zeitinformationen werden bevorzugt für die Bildung einer zeitaufgelösten Test-Anzahl verwendet. Die Zeitauflösung ist bevorzugt so genau, dass Test-Datensätze Informationen umfassen, die eine zeitliche Einordung bevorzugt in einer Zeitauflösung von Wochen, insbesondere Tagen, zulässt. Auf diese Weise lässt sich zusätzlich zu der Information, dass mit einer gewissen Wahrscheinlichkeit eine Infektionskrankheit ausgebrochen ist, ein Krankheitsverlauf angeben.
  • Gemäß einem bevorzugten Verfahren wird der Schwellenwert dynamisch basierend auf einer Vielzahl von Vergleichs-Datensätzen ermittelt. Die Art der Vergleichs-Datensätze, z.B. das Aufnahmegerät, das Datenformat, die Klasse der Untersuchungen, entspricht der Art den Test-Datensätze, damit überhaupt ein Vergleich möglich ist. Die Aufnahme der Vergleichs-Datensätze sollte zeitlich vor der Aufnahme der Test-Datensätze liegen und/oder an einem anderen Ort erfolgt sein. Es ist dabei bevorzugt, dass der Schwellenwert aus einer Vergleichs-Anzahl berechnet wird, welche besonders bevorzugt entsprechend der Test-Anzahl aus den Vergleichs-Datensätzen ermittelt wird. Es werden also bevorzugt die folgenden Schritte ausgeführt:
    • - Bereitstellung einer Vielzahl von digitalen Vergleichs-Datensätzen von medizinischen Untersuchungsgeräten, wobei diese Vergleichs-Datensätze Daten von Untersuchungen an Patienten und Werte von Aufnahmeparametern umfassen,
    • - Ermitteln einer Vergleichs-Anzahl derjenigen Vergleichs-Datensätze, welche vorbestimmte Werte von Aufnahmeparametern enthalten, die bei Untersuchungen für die betreffende Infektionskrankheit typischerweise eingestellt werden,
    • - Bildung des Schwellenwerts aus der Vergleichs-Anzahl, insbesondere zuzüglich eines positiven Offsets, damit leichte statistische Schwankungen kompensiert werden können.
  • Gemäß einem bevorzugten Verfahren werden im Rahmen des Vergleichs normierte Werte und/oder Quotienten verglichen. Insbesondere werden in diesem Rahmen die Gesamtanzahl der Test-Datensätze und/oder Zeiten und/oder geographische Positionen und/oder ein gehäuftes Auftreten anderer Krankheiten und/oder Veränderungen der Test-Anzahl bezüglich anderer Zeiten berücksichtigt. Beispielsweise kann basierend auf dem Schwellenwert ein Quotient der vorgenannten Vergleichs-Summe und der Anzahl aller Vergleichs-Datensätze gebildet werden und mit dem Quotienten der Test-Summe und der Anzahl der bereitgestellten Test-Datensätze verglichen werden. Es kann aber auch die zeitliche Ableitung einer zeitaufgelösten Test-Anzahl gebildet werden und eine zeitliche Steigerung von Untersuchungen mit einer auf dem Schwellenwert basierenden Steigung verglichen werden.
  • Alternativ wird ein Vergleich mittels eines maschinenlernfähigen Algorithmus durchgeführt, der insbesondere den Schwellenwert dynamisch anpasst. Das Training eines solchen Algorithmus erfolgt bevorzugt mittels einer Rückkopplungsfunktion, die mindestens falsch positive, falsch negative und korrekt erkannte Datensätze als Rückmeldung umfasst. Zudem ist bevorzugt, dass ein Benutzer dem Algorithmus mitteilt, ob eine Warninformation korrekt oder inkorrekt ausgegeben worden ist. Falls der Algorithmus keine Warnung ausgegeben hat, aber eine Ausbreitung der betreffenden Infektionskrankheit aufgetreten ist, sollte der Benutzer auch dies in Form einer Rückmeldung an den Algorithmus senden. Damit wäre der Algorithmus z.B. in der Lage, sowohl den Schwellenwert als auch dessen Toleranzbereich selbst anzupassen, z.B. täglich.
  • Mit einem angemessenen Automatisierungsmechanismus wie künstlicher Intelligenz und Deep Learning kann das erfindungsgemäße Verfahren bzw. System Im Rahmen der Warninformation zusätzliche Informationen liefern, z.B. Ortsinformationen, Frequenzinformationen, Trendinformationen usw.
  • Gemäß einem bevorzugten Verfahren erfolgt die Ermittlung derjenigen Datensätze (also der Test-Datensätze und ggf. auch der Vergleichs-Datensätze), welche vorbestimmte Werte von Aufnahmeparametern enthalten, die bei Untersuchungen für die Infektionskrankheit typischerweise eingestellt werden, mittels eines maschinenlernfähigen Algorithmus. Ein solcher Algorithmus wurde dabei mit Trainingsdatensätzen trainiert, welche den Test-Datensätzen entsprechen (und damit auch von gleicher Art wie die Vergleichs-Datensätze sind), wobei als Grundwahrheit („Ground Truth“) bevorzugt vorgegeben war, welche Trainingsdatensätze bei Untersuchungen für die betreffende Infektionskrankheit entstanden sind.
  • Gemäß einem bevorzugten Verfahren erfolgt im Rahmen des Vergleichs eine Normierung der Test-Anzahl und/oder des Schwellenwerts im Hinblick auf die Population in der Region, in der die Untersuchungen stattfanden.
  • Obwohl als ein fester Schwellenwert, wie vorangehend gesagt, auch eine einfache „Referenzlinie“ verwendet werden kann, hat ein fester Schwellenwert insbesondere Nachteile in Städten mit einer hohen Variation der Bevölkerungsentwicklung. Aufgrund einer hohen Fluktuationsrate kann es passieren, dass der Schwellenwert einfach aufgrund zunehmender Untersuchungen die durch ein Wachstum der Bevölkerung hervorgerufen wurde, überschritten wird. Eine Normierung auf die Population behebt diesen Nachteil.
  • Es können beispielsweise kontinuierlich erstellte historische Daten verwendet werden, um einen Schwellenwert dynamisch auf eine Fluktuationsrate anzupassen, z.B. mit dem vorangehend genannten Algorithmus.
  • Bevorzugt kann eine durchschnittliche Anzahl von speziellen Untersuchungen (Untersuchungen mit betreffenden Aufnahmeparametern) , die auf der Grundlage historischer Daten erstellt wurde, als Schwellenwert verwendet werden. Wenn z.B. die Gesamtzahl der speziellen Untersuchungen in einem vollen Quartal in einer Großstadt „A“ (gesammelt von allen Krankenhäusern) 1,5 Mio beträgt, wird eine durchschnittliche Anzahl pro Tag von 20.000 als tägliche „Basislinie“ verwendet (bei 75 Arbeitstagen pro Quartal). Basierend auf dieser Basislinie kann zuzüglich eines positiven Offsets von z.B. 5000 weiteren speziellen Untersuchungen als Toleranzwert ein Schwellenwert von 25.000 erstellt werden. Es wird dann eine Warnmeldung ausgelöst, wenn an einem Tag die Test-Anzahl 25.000 übersteigt.
  • Die Erfindung wird im Folgenden unter Hinweis auf die beigefügten Figuren anhand von Ausführungsbeispielen noch einmal näher erläutert. Dabei sind in den verschiedenen Figuren gleiche Komponenten mit identischen Bezugsziffern versehen. Die Figuren sind in der Regel nicht maßstäblich. Es zeigen:
    • 1 eine grob schematische Darstellung eines Computertomographiesystems mit einem Ausführungsbeispiel eines Systems zur Durchführung des Verfahrens,
    • 2 eine schematische Darstellung des erfindungsgemäßen Verfahrens,
    • 3 eine Übersicht über Untersuchungsdaten während Auftreten einer Infektionskrankheit.
  • Bei den folgenden Erläuterungen wird davon ausgegangen, dass es sich bei dem Untersuchungsgerät um ein Computertomographiesystem handelt. Grundsätzlich ist das Verfahren aber auch an anderen Untersuchungsgeräten einsetzbar.
  • 1 zeigt grob schematisch ein Computertomographiesystem 1 (als beispielhaftes Untersuchungsgerät 1) mit einer Steuereinrichtung 10 mit einem System 6 zur Durchführung des erfindungsgemäßen Verfahrens. Das Computertomographiesystem 1 weist in üblicher Weise einen Scanner 2 mit einer Gantry auf, in der eine Röntgenquelle 3 rotiert, die jeweils einen Patienten durchstrahlt, welcher mittels einer Liege 5 in einen Messraum der Gantry hineingeschoben wird, so dass die Strahlung auf einen der Röntgenquelle 3 jeweils gegenüberliegenden Detektor 4 trifft. Es wird ausdrücklich darauf hingewiesen, dass es sich bei diesem Ausführungsbeispiel nur um ein Beispiel eines CTs handelt und die Erfindung auch an beliebigen CT-Konstruktionen, beispielsweise mit ringförmigem feststehendem Röntgendetektor und/oder mehreren Röntgenquellen genutzt werden kann.
  • Ebenso sind bei der Steuereinrichtung 10 nur die Komponenten dargestellt, die für die Erläuterung der Erfindung wesentlich sind. Grundsätzlich sind derartige CT-Systeme und zugehörige Steuereinrichtungen dem Fachmann bekannt und brauchen daher nicht im Detail erläutert zu werden.
  • Eine Kernkomponente der Steuereinrichtung 10 ist hier ein Prozessor 11, auf dem verschiedene Komponenten in Form von Softwaremodulen realisiert sind. Die Steuereinrichtung 10 weist weiterhin eine Terminalschnittstelle 14 auf, an die ein Terminal 20 angeschlossen ist, über das ein Bediener die Steuereinrichtung 10 und somit das Computertomographiesystem 1 bedienen kann. Eine weitere Schnittstelle 15 ist eine Netzwerkschnittstelle zum Anschluss an einen Datenbus 21, um so eine Verbindung zu einem RIS (Radiologieinformationssystem) bzw. PACS (Picture Archiving and Communication System = Bildarchivierungs- und Kommunikationssystem) herzustellen.
  • Über eine Steuerschnittstelle 13 kann von der Steuereinrichtung 10 der Scanner 2 angesteuert werden, d. h. es werden z.B. die Rotationsgeschwindigkeit der Gantry, die Verschiebung der Patientenliege 5 und die Röntgenquelle 3 selbst gesteuert. Über eine Akquisitionsschnittstelle 12 werden die Rohdaten RD aus dem Detektor 4 ausgelesen. Weiterhin weist die Steuereinrichtung 10 eine Speichereinheit 16 auf, in der u. a. verschiedene Messprotokolle hinterlegt sind.
  • Eine wichtige Komponente auf dem Prozessor 11 ist eine Bilddaten-Rekonstruktionseinheit 18, mit welcher aus den über die Datenakquisitions-Schnittstelle 12 erhaltenen Rohdaten RD die gewünschten Bilddaten rekonstruiert werden.
  • Die Steuereinrichtung 10 umfasst hier ein System 6 zur automatisierten Warnung vor einer Infektionskrankheit gemäß der Erfindung. Dieses System muss jedoch nicht unbedingt Teil der Steuereinrichtung sein, sondern kann auch von dem Untersuchungsgerät getrennt vorliegen, so lange es Zugriff auf Test-Daten hat, z.B. mittels der Datenbusses 21.
  • Das System 6 umfasst die folgenden Komponenten:
    • - Eine Datenschnittstelle 15, die hier die Schnittstelle 15 sein kann, ausgelegt zum Empfang einer Vielzahl von bereitgestellten digitalen Test-Datensätzen D (s. nachfolgende Figur), hier über den Datenbus 21, wobei diese Test-Datensätze D Daten von Untersuchungen an unterschiedlichen Patienten P und Werte A von Aufnahmeparametern umfassen.
    • - Eine Ermittlungseinheit 7 ausgelegt zum Ermitteln einer Test-Anzahl T derjenigen Test-Datensätze D, welche vorbestimmte Werte A von Aufnahmeparametern enthalten, die bei Untersuchungen für die betreffende Infektionskrankheit typischerweise eingestellt werden.
    • - Eine Vergleichseinheit 8 ausgelegt zum Vergleich der Test-Anzahl T mit einem vorbestimmten Schwellenwert S.
    • - Eine Ausgabeeinheit 9 ausgelegt zum Ausgabe einer Warninformation W, wenn die Test-Anzahl T über dem Schwellenwert S liegt.
  • 2 zeigt eine schematische Darstellung des erfindungsgemäßen Verfahrens, zur automatisierten Warnung vor einer Infektionskrankheit in Form eines Flussdiagramms.
  • Zunächst (links oben) erfolgt eine Bereitstellung einer Vielzahl von digitalen Test-Datensätzen D von medizinischen Untersuchungsgeräten 1 (s. z.B. 1), wobei diese Test-Datensätze D Daten von Untersuchungen an Patienten P und Werte von Aufnahmeparametern A umfassen. Diese Aufnahmeparameter, werden wie in dem weiteren Kasten oben angedeutet in diesem Beispiel extrahiert und getrennt von den Test-Datensätzen D betrachtet. Dazu wird angemerkt, dass die Test-Datensätze D mitunter beträchtliche Datenmengen umfassen können. Für das Verfahren sind jedoch zunächst nur die Aufnahmeparameter von Interesse. Daher werden hier die (gewünschten) Werte zu den Aufnahmeparametern A separat betrachtet.
  • Nachfolgend findet ein Vergleich statt (Raute in der Mitte), ob die Werte der betreffenden Aufnahmeparameter A vorbestimmten Kontrollwerten K entsprechen bzw. innerhalb bestimmter Grenzen liegen. Auf diese Weise kann sehr einfach bestimmt werden, welcher Test-Datensatz D, Werte von Aufnahmeparametern A enthält, die die bei Untersuchungen für die betreffende Infektionskrankheit typischerweise eingestellt werden (nämlich genau die Kontrollwerte K).
  • Wenn die Werte von den Aufnahmeparametern A den Kontrollwerten K entsprechen, wird der entsprechende Test-Datensatz D zur Test-Anzahl T gezählt (oder die Test-Anzahl um eins erhöht; s. Kasten unten), wenn nicht, wird der betreffende Test-Datensatz D ignoriert (s. Kasten rechts). Es kann hier insbesondere der Anteil von Fällen in einem vorbestimmten Zeitraum und einer vordefinierten Region betrachtet werden.
  • Anschließend wird in der unteren Reihe die Test-Anzahl T mit einem vorbestimmten Schwellenwert S verglichen. Ist die Test-Anzahl T größer als der Schwellenwert, wird eine Warninformation W ausgegeben (rechts), wenn nicht, kehrt der Vorgang an den Anfang zurück, um die nächste Überprüfung durchzuführen, z.B. am nächsten Tag. Es könnte im negativfall auch eine Nachricht ausgegeben werden, dass zur Zeit kein Risiko auf diese Infektionskrankheit erkannt werden kann.
  • Beispielsweise ist ein Test-Datensatz D eine DICOM-Datei in Form eines Bilddatensatzes einer CT-Untersuchung des Thorax, welche hier auch Orts- und Zeitinformationen umfassen. Die Werte zu Aufnahmeparametern A können dann Werte zu Parametern wie z.B. Scanbereich, Rekonstruktionskern und Scanprotokoll sein.
  • Ein Schwellenwert S kann ähnlich gebildet werden wie die Test-Anzahl in dem Flussdiagramm, also den Elementen bis zu der Box mit dem Summenzeichen (einschließlich, also alles bis zur unteren Raute. An Stelle der Test-Datensätze D werden Vergleichs-Datensätze verwendet, die den Test-Datensätzen D entsprechen und lediglich aus einem anderen Zeitraum stammen (oder z.B. aus einer anderen Stadt, in der die Krankheit nicht vorkommt).
  • 3 zeigt eine Übersicht über Untersuchungsdaten in einer Stadt während Auftreten einer Infektionskrankheit. Im oberen Schaubild ist die Gesamtanzahl # der Infektionen über einen Zeitraum aufgezeigt, wobei die Abstände zwischen den Strichen der t-Achse als Wochen angenommen werden können. Die Gesamtanzahl der Infektionen steigt erst langsam, dann immer schneller, bis eine Sättigung erreicht ist.
  • Im unteren Schaubild ist gestrichelt die Anzahl aller CT-Untersuchungen in dieser Stadt gezeigt (normiert auf den selben Zeitraum des Vormonats) , während die durchgezogene Linie die Anzahl derjenigen Untersuchungen zeigt, deren Einstellungen (Werte für Aufnahmeparameter A) spezifisch für eine Untersuchung auf die betreffende Infektionskrankheit sind. Die Y-Achse zeigt dabei Prozentwerte an. Damit stellt die untere Kurve die Test-Anzahl T Als Anteil der gesamt durchgeführten Untersuchungen dar. Hier wird ein Schwellenwert S von 30 % aller Untersuchungen angenommen. Wie man sieht, übersteigt die Test-Anzahl T diesen Schwellenwert S schon bald nach Auftreten der Infektionskrankheit.
  • Es wird abschließend noch einmal darauf hingewiesen, dass es sich bei den vorhergehend detailliert beschriebenen Verfahren sowie bei dem dargestellten Computertomographiesystem 1 lediglich um Ausführungsbeispiele handelt, welche vom Fachmann in verschiedenster Weise modifiziert werden können, ohne den Bereich der Erfindung zu verlassen. Weiterhin schließt die Verwendung der unbestimmten Artikel „ein“ bzw. „eine“ nicht aus, dass die betreffenden Merkmale auch mehrfach vorhanden sein können. Ebenso schließen die Begriffe „Einheit“ und „Modul“ nicht aus, dass die betreffenden Komponenten aus mehreren zusammenwirkenden Teil-Komponenten bestehen, die gegebenenfalls auch räumlich verteilt sein können.

Claims (15)

  1. Verfahren zur automatisierten Warnung vor einer Infektionskrankheit umfassend die Schritte: - Bereitstellung einer Vielzahl von digitalen Test-Datensätzen (D) von medizinischen Untersuchungsgeräten (1), wobei diese Test-Datensätze (D) Daten von Untersuchungen an Patienten (P) und Werte von Aufnahmeparametern (A) umfassen, - Ermitteln einer Test-Anzahl (T) derjenigen Test-Datensätze (D), welche vorbestimmte Werte von Aufnahmeparametern (A) enthalten, die bei Untersuchungen für die betreffende Infektionskrankheit typischerweise eingestellt werden, - Vergleich der Test-Anzahl (T) mit einem vorbestimmten Schwellenwert (S), - Ausgabe einer Warninformation (W), wenn die Test-Anzahl (T) über dem Schwellenwert (S) liegt.
  2. Verfahren nach Anspruch 1, wobei die Test-Datensätze (D) von Untersuchungen der Gruppe umfassend Computertomographie, Magnetresonanztomographie und Röntgenuntersuchungen stammen, wobei Computertomographie-Scandaten, insbesondere des Thorax, bevorzugt sind.
  3. Verfahren nach einem der vorangehenden Ansprüche, wobei die Test-Datensätze (D) Bilddatensätze sind, insbesondere im DICOM-Format, bevorzugt Bilddatensätze von Aufnahmen der Lunge und/oder dem Thorax.
  4. Verfahren nach einem der vorangehenden Ansprüche, wobei Werte zu Aufnahmeparametern (A) bezüglich der Relevanz von Parametern gewichtet betrachtet werden, bevorzugt wobei die Test-Datensätze (D) Werte von Aufnahmeparametern (A) der Gruppe Scanbereich, Rekonstruktionskern und Scanprotokoll, umfassen.
  5. Verfahren nach einem der vorangehenden Ansprüche, wobei die Test-Datensätze (D) zusätzlich Ortsinformationen zum Ort der Untersuchung und/oder dem Aufenthaltsort des Patienten (P) umfassen und diese für die Bildung einer ortsaufgelösten Test-Anzahl (T) verwendet werden, wobei die Ortsauflösung der Test-Anzahl (T) bevorzugt so genau ist, dass Test-Datensätze (D) zumindest bezüglich unterschiedlichen Städten unterschieden werden können.
  6. Verfahren nach einem der vorangehenden Ansprüche, wobei der Schwellenwert (S) basierend auf Diagnosedaten oder Daten zu weiteren Untersuchungen zu den Untersuchungen, von denen die Test-Datensätze (D) stammen, modifiziert wird, wobei insbesondere Daten zu einer Untersuchung zur Polymerase-Kettenreaktion des betreffenden Patienten (P) verwendet werden, und wobei bevorzugt ein Verhältnis berechnet wird, welcher Anteil der betreffenden Untersuchungen einen negativen und welcher Anteil einen positiven Befund aufweist.
  7. Verfahren nach einem der vorangehenden Ansprüche, wobei die Test-Datensätze (D) zusätzlich Zeitinformationen zur Zeit der Untersuchung umfassen und diese für die Bildung einer zeitaufgelösten Test-Anzahl (T) verwendet werden, wobei die Zeitauflösung bevorzugt so genau ist, dass Test-Datensätze (D) zumindest bezüglich unterschiedlicher Wochen, insbesondere bezüglich unterschiedlichen Tagen, unterschieden werden können.
  8. Verfahren nach einem der vorangehenden Ansprüche, wobei der Schwellenwert (S) dynamisch basierend auf einer Vielzahl von Vergleichs-Datensätzen ermittelt wird, deren Art den Test-Datensätzen (D) entspricht und deren Aufnahme zeitlich vor der Aufnahme der Test-Datensätze (D) und/oder an einem anderen Ort erfolgte, bevorzugt wobei der Schwellenwert (S) aus einer Vergleichs-Anzahl berechnet wird, welche besonders bevorzugt entsprechend der Test-Anzahl (T) aus den Vergleichs-Datensätzen ermittelt wird.
  9. Verfahren nach einem der vorangehenden Ansprüche, wobei der Vergleich mit einem maschinenlernfähigen Algorithmus durchgeführt wird und/oder im Rahmen des Vergleichs normierte Werte und/oder Quotienten verglichen werden und bevorzugt in diesem Rahmen die Gesamtanzahl der Test-Datensätze (D) und/oder Zeiten und/oder geographische Positionen und/oder ein gehäuftes Auftreten anderer Krankheiten und/oder Veränderungen der Test-Anzahl (T) bezüglich anderer Zeiten berücksichtigt werden.
  10. Verfahren nach einem der vorangehenden Ansprüche, wobei die Ermittlung derjenigen Datensätze (D) welche vorbestimmte Werte von Aufnahmeparametern enthalten, die bei Untersuchungen für die Infektionskrankheit typischerweise eingestellt werden, mittels eines maschinenlernfähigen Algorithmus erfolgt, wobei der maschinenlernfähige Algorithmus mit Trainingsdatensätzen trainiert wurde, welche den Test-Datensätzen (D) entsprechen und als Grundwahrheit vorgegeben war, welche Trainingsdatensätze bei Untersuchungen für die betreffende Infektionskrankheit entstanden sind.
  11. Verfahren nach einem der vorangehenden Ansprüche, wobei im Rahmen des Vergleichs eine Normierung der Test-Anzahl (T) und/oder des Schwellenwerts (S) im Hinblick auf die Population in der Region, in der die Untersuchungen stattfanden, erfolgt.
  12. System (6) zur automatisierten Warnung vor einer Infektionskrankheit, insbesondere nach einem Verfahren nach einem der vorangehenden Ansprüche, umfassend: - eine Datenschnittstelle (15) ausgelegt zum Empfang einer Vielzahl von bereitgestellten digitalen Test-Datensätzen (D) von medizinischen Untersuchungsgeräten (1), wobei diese Test-Datensätze (D) Daten von Untersuchungen an Patienten (P) und Werte von Aufnahmeparametern (A) umfassen, - eine Ermittlungseinheit (7) ausgelegt zum Ermitteln einer Test-Anzahl (T) derjenigen Test-Datensätze (D), welche vorbestimmte Werte von Aufnahmeparametern (A) enthalten, die bei Untersuchungen für die betreffende Infektionskrankheit typischerweise eingestellt werden, - eine Vergleichseinheit (8) ausgelegt zum Vergleich der Test-Anzahl (T) mit einem vorbestimmten Schwellenwert (S), - eine Ausgabeeinheit (9) ausgelegt zum Ausgabe einer Warninformation (W), wenn die Test-Anzahl (T) über dem Schwellenwert (S) liegt.
  13. Medizintechnisches Untersuchungsgerät (1) umfassend ein System (6) nach Anspruch 12, wobei das Untersuchungsgerät (1) bevorzugt dazu ausgestaltet ist, dass diejenigen Daten als Test-Datensätze (D) verwendet werden, die mit diesem Untersuchungsgerät (1) aufgenommen worden sind.
  14. Computerprogrammprodukt mit einem Computerprogramm, welches direkt in ein Rechensystem ladbar ist, mit Programmabschnitten, um alle Schritte des Verfahrens nach einem der Ansprüche 1 bis 11 auszuführen, wenn das Computerprogramm in dem Rechensystem ausgeführt wird.
  15. Computerlesbares Medium, auf welchem von einer Rechnereinheit einlesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens nach einem der Ansprüche 1 bis 11 auszuführen, wenn die Programmabschnitte von der Rechnereinheit ausgeführt werden.
DE102020215844.4A 2020-12-14 2020-12-14 Verfahren und System zur automatisierten Warnung vor einer Infektionskrankheit Ceased DE102020215844A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102020215844.4A DE102020215844A1 (de) 2020-12-14 2020-12-14 Verfahren und System zur automatisierten Warnung vor einer Infektionskrankheit

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102020215844.4A DE102020215844A1 (de) 2020-12-14 2020-12-14 Verfahren und System zur automatisierten Warnung vor einer Infektionskrankheit

Publications (1)

Publication Number Publication Date
DE102020215844A1 true DE102020215844A1 (de) 2022-06-15

Family

ID=81750320

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020215844.4A Ceased DE102020215844A1 (de) 2020-12-14 2020-12-14 Verfahren und System zur automatisierten Warnung vor einer Infektionskrankheit

Country Status (1)

Country Link
DE (1) DE102020215844A1 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030187615A1 (en) 2002-03-26 2003-10-02 John Epler Methods and apparatus for early detection of health-related events in a population
US20120213326A1 (en) 2009-10-22 2012-08-23 Koninklijke Philips Electronics N.V. Scan parameter policy

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030187615A1 (en) 2002-03-26 2003-10-02 John Epler Methods and apparatus for early detection of health-related events in a population
US20120213326A1 (en) 2009-10-22 2012-08-23 Koninklijke Philips Electronics N.V. Scan parameter policy

Similar Documents

Publication Publication Date Title
EP3301642B1 (de) Automatisierte bildprüfung in der röntgenbildgebung
EP3332710B1 (de) Charakterisierung von plaque
DE102008002882A1 (de) System und Verfahren zu von einer elektronischen Krankenakte beeinflusster Datenerfassung, -verarbeitung und -anzeige
DE102019215460A1 (de) Verfahren und Vorrichtung zur Rauschreduktion von Bildaufnahmen
DE10156215A1 (de) Verfahren zur Verarbeitung medizinisch relevanter Daten
Fleig et al. Scoring systems in intensive care medicine: principles, models, application and limits
DE102005031245A1 (de) Verfahren zum Test eines klinischen und/oder medizintechnischen Systems und Verfahren zur Steuerung medizintechnischer Untersuchungsabläufe in einem klinischen und/oder medizintechnischen System
EP3196791A1 (de) Verfahren zur unterstützung von medizinischem personal, unterstützungssystem, computerprogramm und datenträger
DE102016208647A1 (de) Verfahren und Vorrichtung zur Überwachung einer Brustuntersuchung
DE102009035250B4 (de) Verfahren und System zur Überwachung des medizinischen Zustandes eines Patienten
DE102008037558A1 (de) System und Verfahren zum Diagnostizieren eines medizinischen Zustands
DE102012205711A1 (de) Verfahren zum Betreiben eines bildgebenden Diagnosegerätes sowie medizinisches bildgebendes System
EP3084651A1 (de) Automatische dosissteuerung für bildgebende medizinische einrichtungen
EP3379487B1 (de) Kontrastverstärkte wiedergabe von spektralen ct-bilddaten
DE102004054319A1 (de) Verarbeitungssystem für einen medizinischen Parameter
DE10230878B4 (de) Verfahren und Rechnersystem zur automatischen Bearbeitung von Studien bildgebender Untersuchungssysteme
DE102020212315A1 (de) Verfahren zur Erzeugung eines trainierten maschinenlernfähigen Algorithmus
EP2593891B1 (de) Verfahren zur überwachung der medizinischen parameter eines patienten
DE102020215844A1 (de) Verfahren und System zur automatisierten Warnung vor einer Infektionskrankheit
DE112015000337T5 (de) Entwicklung von Informationen von gesundheitsbezogenen Funktionsabstraktionen aus intraindividueller zeitlicher Varianzheterogenität
EP3566651A1 (de) Verfahren und vorrichtung zur ermittlung von ergebniswerten auf basis einer skelettalen medizintechnischen bildaufnahme
EP3547254A1 (de) Analyse-verfahren und analyseeinheit zur ermittlung radiologischer ergebnisdaten
DE10128521A1 (de) Verfahren zur Überwachung telemedizinischer Gesundheitsdienstleistungen
DE112020005870T5 (de) Unterstützungsvorrichtung für dokumentenerstellung, unterstützungsverfahren für dokumentenerstellung und unterstützungsprogramm für dokumentenerstellung
Verius Dose management in radiology: Review of the technological status

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final