DE102021210899A1

DE102021210899A1 - Automatisiertes datenbasiertes Bereitstellen einer patientenspezifischen medizinischen Handlungsempfehlung

Info

Publication number: DE102021210899A1
Application number: DE102021210899.7A
Authority: DE
Inventors: Martin Huber; Sven Kohle; Christoph SPEIER
Original assignee: Siemens Healthcare GmbH
Current assignee: Siemens Healthineers Ag De
Priority date: 2021-09-29
Filing date: 2021-09-29
Publication date: 2023-03-30
Also published as: US20230099249A1; CN115881266A

Abstract

Es wird computerimplementiertes Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung (HE) beschrieben. Bei dem Verfahren wird ein Datensatz (DS) des Patienten empfangen. Basierend auf dem Datensatz (DS) erfolgt ein automatisches Bestimmen von ein oder mehreren Observablen (OB), wobei die ein oder mehreren Observablen (OB) einen klinischen Zustand des Patienten beschreiben. Die ein oder mehreren Observablen (OB) werden über eine Nutzerschnittstelle (23) angezeigt. Weiterhin erfolgt ein Empfangen einer Nutzereingabe (NE) eines Nutzers (BN) betreffend die angezeigten Observablen (OB) über die Nutzerschnittstelle (23). Basierend auf der Nutzereingabe (NE) und, optional, dem Datensatz (DS) wird eine Handlungsempfehlung (HE) für den Nutzer (BN) betreffend weitere Schritte zur Befundung/Behandlung des Patienten bereitgestellt.Es wird auch eine Handlungsempfehlungseinrichtung (20) beschrieben. Weiterhin wird ein klinisches Untersuchungs- und Behandlungssystem (30) beschrieben.

Description

Die Erfindung betrifft ein Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung. Weiterhin betrifft die Erfindung eine Handlungsempfehlungseinrichtung. Überdies betrifft die Erfindung ein klinisches Untersuchungs- und Behandlungssystem.
Der Betrieb von Krankenhäusern unterliegt heutzutage einem sehr hohen Rationalisierungsdruck und hohen Anforderungen an die Effektivität der dort stattfindenden Abläufe. Häufig bleibt nur wenig Zeit für das medizinische Personal, sich in einen Fall eines Patienten einzuarbeiten und Entscheidungen für eine möglichst optimale Untersuchung als Voraussetzung für eine korrekte Befundung bzw. Diagnose und eine anschließende effektive und angemessene Behandlung des Patienten zu treffen.
Mit Hilfe moderner bildgebender Verfahren werden häufig zwei- oder dreidimensionale Bilddaten erzeugt, die zur Visualisierung eines abgebildeten Untersuchungsobjekts und darüber hinaus auch für weitere Anwendungen genutzt werden können. Die erzeugten Bilddaten von einem Patienten werden in einer Datenbank gespeichert. Eine solche Datenbank ist meist Bestandteil eines zentralen Bildmanagementsystems PACS (PACS = Picture Archiving and Communication System) für alle radiologischen Aufnahmen. Weitere Patientendaten lassen sich über ein Radiologieinformationssystem RIS abrufen, in dem die Verwaltungsdaten aller Maßnahmen zu einem Patienten abgespeichert sind. Erhält nun ein behandelnder Arzt die vorgenannten Daten zu einem Patienten, so ist er auf sich allein gestellt, was die Einleitung weiterer Maßnahmen auf Basis der erhaltenen Daten betrifft. Häufig fehlen dem behandelnden Arzt auch zusätzliche Daten, um eine korrekte Entscheidung für weitere Maßnahmen zu treffen.
Ein wichtiger Aspekt eines solchen Arbeitsablaufs zur Untersuchung eines Patienten ist auch die Vorbereitung, Einstellung und Versorgung mit geeigneten Daten der genutzten medizinischen Geräte, insbesondere medizintechnischen bildgebenden Einrichtungen, um ein für eine spätere Befundung verwendbares Bildergebnis zu erhalten. In diesem Zusammenhang wäre eine automatisierte Einstellung und Steuerung der genutzten technischen Systeme wünschenswert, um das medizinische Personal zu entlasten und Fehler bei der Vorbereitung der Untersuchungsprozesse mit Hilfe von technischen Systemen zu vermeiden bzw. zu reduzieren.
Es besteht mithin das Problem, einen Untersuchungs- und Behandlungsprozess eines Patienten effektiver zu gestalten als es bisher im Klinikalltag der Fall ist.
Diese Aufgabe wird durch ein Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung gemäß Patentanspruch 1, eine Handlungsempfehlungseinrichtung gemäß Patentanspruch 10 und ein klinisches Untersuchungs- und Behandlungssystem gemäß Patentanspruch 11 gelöst.
Bei dem erfindungsgemäßen, vorzugsweise computerimplementierten Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung wird ein Datensatz, vorzugsweise umfassend einen medizinischen Datensatz, eines Patienten, vorzugsweise von einer Datenbank empfangen. Ein solche Datensatz eines Patienten kann zum Beispiel medizinische Daten aus dem PACS einer Klinik und/oder Verwaltungsdaten aus dem RIS zu dem Patienten umfassen. Basierend auf dem Datensatz werden ein oder mehrere Observablen, vorzugsweise automatisch, bestimmt. Die ein oder mehreren Observablen beschreiben einen klinischen Zustand des Patienten.
Die Observablen umfassen Zustandsattribute oder Symptome des Patienten. Zustandsattribute betreffen Angaben zu dem gesundheitlichen Zustand eines Patienten. Solche Angaben können zum Beispiel die Frage betreffen, ob der Patient Raucher ist oder nicht oder ob seine Erkrankung akut ist oder nicht. Zustandsattribute können auch Vermutungs- bzw. Wahrscheinlichkeitsangaben zu einem Zustand des Patienten aufweisen, zum Beispiel die Angabe, dass Metastasen vermutet werden oder nicht oder Laborwerte gut oder schlecht sind, d.h. einen gesundheitlich besseren oder schlechteren Zustand nahelegen. Solche Angaben können auch Untersuchungsergebnisse, wie zum Beispiel ein Biopsie-Ergebnis, und die Frage, ob ein solches Biopsie-Ergebnis überhaupt vorhanden ist, betreffen. Ein Zustandsattribut kann sich auch auf die Frage erstrecken, ob bestimmte Behandlungsschritte durchgeführt wurden, zum Beispiel ob ein bestimmtes Medikament verabreicht wurde oder nicht. Ferner kann die Observable auch bereits vorhandene Diagnosen, beispielsweise mehrere Differentialdiagnosen umfassen. Eine solche Differentialdiagnose kann zum Beispiel die Unterscheidung zwischen dem Auftreten einer interstitiellen Lungenerkrankung und einem Lungenkarzinom betreffen.
Weiterhin erfolgt im Rahmen des erfindungsgemäßen Verfahrens eine Anzeige der ein oder mehreren Observablen über eine Nutzerschnittstelle für den Nutzer, auch als Benutzer bezeichnet, d.h. eine medizinische Fachkraft, zum Beispiel ein behandelnder Arzt eines Patienten.
Anschließend wird eine Nutzereingabe eines Nutzers betreffend die angezeigten Observablen über die Nutzerschnittstelle empfangen und es wird eine Handlungsempfehlung für den Benutzer betreffend weitere Schritte zur Befundung und/oder Behandlung des Patienten basierend auf der Nutzereingabe und, optional, dem Datensatz des Patienten ausgegeben.
Die Nutzereingabe des Benutzers, zum Beispiel ein behandelnder Arzt, kann das Bestätigen oder Verwerfen einer Observablen, das Bewerten einer Observablen oder andere Reaktionen des Benutzers auf die ihm angezeigten Observablen umfassen. Beispielsweise kann ein Benutzer auch einzelne Observablen auf Basis individueller Informationen und Kenntnisse über seinen Patienten ändern.
Die Handlungsempfehlung umfasst eine Anweisung zum medizinischen Handeln für den Nutzer. Die Handlungsempfehlung kann zum Beispiel auf das Durchführen von Untersuchungen bezogen sein und insbesondere weitere Untersuchungen vorschlagen. In diesem Zusammenhang kann z.B. eine Biopsie oder es können Labordaten angefordert werden. Insbesondere kann diese Handlungsempfehlung auch „on the fly“, d.h. direkt während eines medizinischen Untersuchungs- oder Behandlungsprozess erfolgen. Beispielsweise kann, während gerade eine Bildaufnahme von einem Patienten durchgeführt wird, ein anderes Kontrastmittel vorgeschlagen werden oder es können Bildaufnahmeparameter während des Vorgangs der Bildaufnahme verändert werden.
Die Handlungsempfehlung kann ferner auf die Befundung des vorhandenen Datensatzes des Patienten bezogen sein und dem Nutzer Hinweise geben, welche Daten er anschauen sollte und was er in den Daten prüfen sollte. Beispielsweise kann die Handlungsempfehlung einen Hinweis umfassen, zu prüfen, ob Metastasen in einem bestimmten Organ vorliegen, oder dazu einen bestimmten Bilddatensatz anzuschauen, oder einen Hinweis geben, welche Analysetools zur Anwendung auf diesen bestimmten Bilddatensatz geeignet sind.
Die Handlungsempfehlung kann einen Vorschlag für nächste Behandlungsschritte umfassen, wie zum Beispiel die Anwendung eines bestimmten Medikaments oder einer Bestrahlung.
Die Handlungsempfehlung kann auch eine Empfehlung zum Einbinden weiterer Experten bzw. zum Überweisen des Patienten umfassen.
Die Handlungsempfehlung kann als Vorschlag aufgefasst werden. Wenn der Nutzer diesen Vorschlag bestätigt, kann die Handlungsempfehlung aber auch im Sinne einer Steuerung eines technischen Systems direkt umgesetzt werden, indem z.B. eine bildgebende Modalität angesteuert wird oder ein Biopsie-Termin reserviert wird.
Vorteilhaft muss ein Benutzer des erfindungsgemäßen Verfahrens keine aktiven Schritte zur Planung eines Arbeitsablaufs zur Untersuchung und gegebenenfalls auch zur Behandlung eines Patienten durchführen. Vielmehr werden die Schritte der Begutachtung der Patientendaten und deren Auswertung sowie eine Reaktion darauf in Form einer Planung eines Arbeitsablaufs automatisiert durchgeführt. Dabei wird der Benutzer aber trotzdem in die Begutachtung der Patientendaten sowie in die Planung des Arbeitsablaufs vollständig mit einbezogen, so dass er die volle Kontrolle über diese Vorgänge behält und bereits in einem Zwischenstadium der Planung eingreifen kann. Hierzu werden vorteilhaft die bei der Datensammlung und Auswertung ermittelten Observablen dem Benutzer angezeigt und können von diesem beurteilt, bestätigt oder verworfen oder ergänzt werden. Weiterhin kann der Benutzer auch auf die Handlungsempfehlung mit einer Änderung, Bestätigung oder einem Verwerfen dieser Handlungsempfehlung reagieren. Der Aufwand und die Anforderung an den Arbeitseinsatz des Benutzers werden also durch die automatisierte Handlungsempfehlung reduziert, ohne das der Benutzer die Kontrolle über den Prozess der Planung eines Arbeitsablaufs (Workflow) in Bezug auf einen Patienten abgeben muss. Mithin können klinische Prozesse effizienter gestaltet werden, ohne dass die Sicherheit eines Patienten, beispielsweise aufgrund von auftretenden Anomalien bei der automatisierten Auswertung der Patientendaten, reduziert wird.
Die erfindungsgemäße Handlungsempfehlungseinrichtung weist eine Datenempfangsschnittstelle zum Empfangen eines vorzugsweise medizinischen Datensatzes eines Patienten auf. Teil der erfindungsgemäßen Handlungsempfehlungseinrichtung ist auch eine Ermittlungseinheit zum automatischen Ermitteln von ein oder mehreren Observablen basierend auf dem Datensatz, wobei die ein oder mehreren Observablen einen klinischen Zustand des Patienten beschreiben. Zum Anzeigen der ein oder mehreren Observablen und zum Empfangen einer Nutzereingabe eines Nutzers betreffend die angezeigten Observablen umfasst die erfindungsgemäße Handlungsempfehlungseinrichtung eine Nutzerschnittstelle. Die erfindungsgemäße Handlungsempfehlungseinrichtung umfasst außerdem eine Empfehlungsbereitstellungseinheit zum Bereitstellen einer Handlungsempfehlung für den Nutzer betreffend weitere Schritte zur Befundung und/oder Behandlung des Patienten basierend auf der Nutzereingabe und, optional, dem Datensatz des Patienten. Die erfindungsgemäße Handlungsempfehlungseinrichtung teilt die Vorteile des erfindungsgemäßen, vorzugsweise computerimplementierten Verfahrens zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung.
Das erfindungsgemäße klinische Untersuchungs- und Behandlungssystem weist die erfindungsgemäße Handlungsempfehlungseinrichtung auf. Das klinische Untersuchungs- und Behandlungssystem umfasst zudem ein oder mehrere Untersuchungseinrichtungen, wie zum Beispiel eine medizintechnische bildgebende Einrichtung oder eine Behandlungseinrichtung. Die Untersuchungs- und/oder Behandlungseinrichtung ist auf Basis einer Handlungsempfehlung der Handlungsempfehlungseinrichtung ansteuerbar. D.h., die Handlungsempfehlung kann Anweisungen oder Protokolldaten enthalten, die nach einer Bestätigung durch den Benutzer an die Untersuchungs- und/oder Behandlungseinrichtung zur Durchführung eines jeweils geplanten Untersuchungs- oder Behandlungsvorgangs übermittelt werden. Das klinische Untersuchungs- und Behandlungssystem teilt die Vorteile des erfindungsgemäßen Verfahrens zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung.
Wie bereits angedeutet, können die wesentlichen Komponenten der erfindungsgemäßen Handlungsempfehlungseinrichtung zum überwiegenden Teil in Form von Softwarekomponenten ausgebildet sein. Dies betrifft insbesondere die Ermittlungseinheit und die Empfehlungsbereitstellungseinheit. Grundsätzlich können diese Komponenten aber auch zum Teil, insbesondere wenn es um besonders schnelle Berechnungen geht, in Form von softwareunterstützter Hardware, beispielsweise FPGAs oder dergleichen, oder durch Anwendung von Prozessoren realisiert sein. Ebenso können die benötigten Schnittstellen, beispielsweise wenn es nur um eine Übernahme von Daten aus anderen Softwarekomponenten geht, als Softwareschnittstellen ausgebildet sein. Sie können aber auch als hardwaremäßig aufgebaute Schnittstellen ausgebildet sein, die durch geeignete Software angesteuert werden.
Eine weitgehend softwaremäßige Realisierung hat den Vorteil, dass auch schon bisher verwendete Rechnereinheiten in klinischen Untersuchungs- und Behandlungssystemen 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 eine Speichereinrichtung einer Rechnereinheit eines klinischen Untersuchungs- und Behandlungssystems ladbar ist und Programmabschnitte umfasst, um alle Schritte des erfindungsgemäßen Verfahrens auszuführen, wenn das Computerprogramm in der Rechnereinheit des klinischen Untersuchungs- und Behandlungssystems 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 zur Speichereinrichtung einer Rechnereinheit des klinischen Untersuchungs- und Behandlungssystems und/oder zur Speicherung an der Rechnereinheit des klinischen Untersuchungs- und Behandlungssystems kann ein computerlesbares Medium, beispielsweise ein Memorystick, eine Festplatte oder ein sonstiger transportabler oder fest eingebauter Datenträger dienen, auf welchem die von einer Rechnereinheit einlesbaren und ausführbaren Programmabschnitte des Computerprogramms gespeichert sind. Die Rechnereinheit kann z.B. hierzu einen oder mehrere zusammenarbeitende Mikroprozessoren oder dergleichen aufweisen.
Die abhängigen Ansprüche sowie die nachfolgende Beschreibung enthalten jeweils besonders vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung. Dabei können insbesondere die Ansprüche einer Anspruchskategorie auch analog zu den abhängigen Ansprüchen einer anderen Anspruchskategorie weitergebildet sein. Zudem können im Rahmen der Erfindung die verschiedenen Merkmale unterschiedlicher Ausführungsbeispiele und Ansprüche auch zu neuen Ausführungsbeispielen kombiniert werden.
Bevorzugt umfasst bei dem erfindungsgemäßen Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung das Bestimmen der ein oder mehreren Observablen ein Anwenden eines Zustandsanalysealgorithmus auf den medizinischen Datensatz. Der Zustandsanalysealgorithmus ist dazu ausgebildet, Observablen aus medizinischen Datensätzen zu extrahieren.
Der Zustandsanalysealgorithmus kann zum Beispiel KI-basiert (KI = künstliche Intelligenz) ausgebildet sein. Eine solche KI-basierte Struktur kann vorzugsweise ein neuronales Netz, das Merkmale/Observablen direkt aus den Patientendaten extrahiert, oder einen Klassifikationsalgorithmus, wie „k-nächste Nachbarn“, der einen Patienten in einen Ereignisraum einsortiert und in Abhängigkeit von der Lage im Ereignisraum Observablen zuordnet, umfassen. Die Anwendung eines solchen Klassifikationsalgorithmus ist zum Beispiel in Wolfgang Ertel, „Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung.“, 3. Auflage, Springer Vieweg, Wiesbaden 2013 beschrieben. Ein KI-basiertes Vorgehen bei der Ermittlung der Observablen ist besonders flexibel anpassbar an zu verarbeitende Datenmengen und zu verfolgende Zielstellungen. Üblicherweise wird zur Realisierung einer künstlichen Intelligenz zunächst ein Trainingsverfahren auf Basis von Trainingsdaten angewendet, um die KI-basierte Struktur, beispielsweise ein künstliches neuronales Netz, zu trainieren und anschließend auf aktuelle Patientendaten anzuwenden.
Bei dem erfindungsgemäßen Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung umfasst das Bestimmen der ein oder mehreren Observablen ein Auswählen der ein oder mehreren Observablen aus einer Datenbasis. Die Datenbasis umfasst mehrere vorbestimmte Observablen und/oder mehrere vorbestimmte Zustände, welche jeweils ein oder mehrere Merkmalsmuster medizinscher Datensätze von Patienten beschreiben und mit ein oder mehreren Observablen verknüpft sind. Weiterhin umfasst die Datenbasis mehrere Regeln, die jeweils eine Auftrittswahrscheinlichkeit von zumindest einem Zustand mit dem Vorliegen oder Nichtvorliegen einer Observablen verbinden. Vorteilhaft können statistische Erfahrungswerte für das Vorliegen von medizinischen Zuständen genutzt werden, um deren Vorliegen bzw. die Wahrscheinlichkeit von deren Vorliegen auf Basis von ermittelten Observablen abzuschätzen und in eine Handlungsempfehlung mit einfließen zu lassen.
Das Merkmalsmuster kann zum Beispiel durch ein neuronales Netz extrahiert werden. Bestimmte Merkmalsmuster können mit verschiedenen Observablen verknüpft sein. Z.B. können bestimmte Bildeigenschaften der Lunge auf ein Karzinom in der Leber hindeuten. Damit können wiederum gewisse Observablen zusammenhängen, wie Schmerzen, Verdauungsbeschwerden, usw. Kann dies der Nutzer bestätigen, können andere Handlungsempfehlungen folgen, als wenn dies nicht der Fall ist. Der Zusammenhang zwischen einem Zustand und den abzufragenden Observablen kann auf festgelegten Regeln beruhen, die automatisiert zur Ermittlung einer Handlungsempfehlung berücksichtigt werden.
Bei dem erfindungsgemäßen Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung umfasst bevorzugt das Bereitstellen der Handlungsempfehlung ein Ermitteln wenigstens einer Verdachtsdiagnose basierend auf der Nutzereingabe und die Handlungsempfehlung wird bevorzugt basierend auf der wenigstens einen Verdachtsdiagnose festgelegt. Eine solche Verdachtsdiagnose kann eine Wahrscheinlichkeit für das Auftreten einer Krankheit bzw. eines medizinischen Zustands umfassen. Vorteilhaft kann zum Beispiel eine ermittelte Wahrscheinlichkeit eines Zustands, wie zum Beispiel das Auftreten eines Karzinoms in der Leber, zur automatisierten Stellung einer Verdachtsdiagnose genutzt werden. Der Benutzer kann dann auf Basis der ihm übermittelten Informationen die Verdachtsdiagnose bestätigen oder verwerfen.
Bei dem erfindungsgemäßen Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung umfasst bevorzugt die Handlungsempfehlung eine weitere Untersuchung des Patienten mit einer bildgebenden Modalität und das Bildgebungsprotokoll wird zur Untersuchung des Patienten für die bildgebende Modalität basierend auf der Nutzereingabe und optional den übrigen Patientendaten bestimmt. Vorteilhaft kann ein nächster Untersuchungsschritt auf Basis des automatisierten Auswertungsprozesses der Patientendaten und des Dialogprozesses mit dem Benutzer vorbereitet werden.
Im klinischen Ablauf werden weitere Handlungsoptionen häufig durch den überweisenden Arzt getroffen, der z.B. einen Scan bzw. eine Durchführung einer medizinischen Bildaufnahme mit einer bildgebenden Modalität angefordert hat. Will der überweisende Arzt eine weitere bildgebende Untersuchung, tritt er mit dem Radiologen in Kontakt. Der Radiologe legt dann basierend auf der Fragestellung des überweisenden Arztes die Parameter für die Bildgebung fest. Dieser Abstimmungsprozess kann auch mehrstufig sein, wenn z.B. die Bildgebung nicht das gewünschte Ergebnis zeigt. Durch eine automatisierte Festlegung von Parametern kann hier ein Schritt eingespart werden oder zumindest vereinfacht werden, denn der Radiologe muss nur noch zustimmen oder kann die Parameter gegebenenfalls modifizieren, falls er das für erforderlich hält. Außerdem kann die Abstimmung zwischen dem überweisenden Arzt und dem Radiologen objektiver gestaltet werden, d.h. die betreffenden Personen reden nicht so leicht aneinander vorbei.
Bei dem erfindungsgemäßen Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung umfasst bevorzugt die Handlungsempfehlung die Empfehlung, einen designierten Datenanalysealgorithmus auf ein designiertes Datenelement aus dem vorzugsweise medizinischen Datensatz des Patienten anzuwenden, wobei der designierte Datenanalysealgorithmus aus mehreren verfügbaren Datenanalysealgorithmen ausgewählt ist und das designierte Datenelement aus dem Datensatz des Patienten ausgewählt ist. Beispielsweise kann auf Basis einer Verdachtsdiagnose eine zusätzliche Datenanalyse erfolgen, die gezielt auf ein bestimmtes Datenelement angewendet wird. Vorteilhaft kann die Auswertung des Datensatzes des Patienten selbst auf Basis einer Auswertung des Datensatzes modifiziert werden, um die Auswertung iterativ zu verbessern. Die Qualität der Auswertung kann auch durch den Benutzer beeinflusst werden, dessen spezifische Kenntnisse zu dem Patienten und dessen fachliche Intuition so zusätzlich für die Planung des Arbeitsablaufs genutzt werden können.
Bei dem erfindungsgemäßen Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung erfolgt bevorzugt das Identifizieren eines oder mehrerer Referenzpatienten aus mehreren Vergleichspatienten basierend auf dem Datensatz des Patienten. Weiterhin werden Vergleichsinformationen aus den zu den Vergleichspatienten zugeordneten Patientendaten extrahiert und es wird die Handlungsempfehlung zusätzlich basierend auf den Vergleichsinformationen bestimmt.
Mit anderen Worten wird in einer Datenbank mit mehreren Vergleichspatienten nach zu einem aktuellen Patienten ähnlichen Patienten gesucht, die als Referenzpatienten für den aktuellen Patienten bezeichnet werden. Werden ähnliche Patienten identifiziert, können Vergleichsinformationen aus der Akte des Referenzpatienten extrahiert werden. Diese Vergleichsinformationen sind in der Akte des Referenzpatienten enthaltene Daten, die aufgrund der Ähnlichkeit der beiden Patientenakten auf den aktuellen Patienten übertragbar sind.
Z.B. werden als Vergleichsinformationen Handlungen extrahiert, die für die ähnlichen Patienten bzw. Patientenakten durchgeführt wurden und sich ggf. als erfolgreich erwiesen haben.
Die Suche nach ähnlichen Patienten bzw. Patientenakten kann z.B. durch Anwendung eines KI-basierten Verfahrens, das dazu ausgelegt ist, aus Patientendaten einen Merkmalsvektor zu extrahieren, erfolgen. Die extrahierten Merkmalsvektoren können dann miteinander verglichen werden. Je ähnlicher die Merkmalsvektoren sind, desto ähnlicher sind sich auch die verglichenen Patienten.
Ein solcher Merkmalsvektor kann zum Beispiel einen sogenannten Bilddeskriptor sowie Nicht-Bild-Patientendaten umfassen.
Bei der Suche nach ähnlichen Patienten erfolgt in dieser Variante zunächst ein Empfangen eines Bilddeskriptors eines Patientenbilds eines aktuellen Patienten und das Abfragen von Nicht-Bild-Patientendaten, die dem Patientenbild zugeordnet sind, aus dem medizinischen Datensatz des Patienten, wobei das aktuelle Patientenbild beispielsweise eine medizinische Anomalie anzeigt. Nun wird für jedes einer Vielzahl von in einer Datenbank gespeicherten Kandidatenbildern, ein Bilddeskriptor des Kandidatenbildes und medizinischer Abnormalitätsdaten, die eine medizinische Abnormalität bzw. Anomalie anzeigen, von der bekannt ist, dass sie durch das Kandidatenbild angezeigt wird, empfangen. Dann wird für jedes der Vielzahl von Kandidatenbildern eine Ähnlichkeitsmetrik bestimmt, die eine Ähnlichkeit zwischen dem Bilddeskriptor des Patientenbildes und dem Bilddeskriptor des Kandidatenbildes darstellt. Weiterhin wird für jedes der Vielzahl von Kandidatenbildern eine erste Wahrscheinlichkeit dafür, dass die durch das Patientenbild angezeigte medizinische Abnormalität die medizinische Abnormalität ist, von der bekannt ist, dass sie durch das Kandidatenbild angezeigt wird, wenn die dem aktuellen Patientenbild zugeordneten Nicht-Bild-Patientendaten gegeben sind, bestimmt. Außerdem wird für jedes der Vielzahl von Kandidatenbildern, basierend auf der bestimmten Ähnlichkeitsmetrik und der bestimmten ersten Wahrscheinlichkeit, einer Bewertung ermittelt. Schließlich wird eines oder mehrere der Kandidatenbilder aus der Datenbank gemäß den ermittelten Bewertungen abgerufen.
Die erste Wahrscheinlichkeit kann zum Beispiel unter Verwendung der Bayesschen Inferenz bestimmt werden.
Vorzugsweise wird für jedes der Vielzahl von Kandidatenbildern die erste Wahrscheinlichkeit basierend auf einer ersten Wahrscheinlichkeit des Beobachtens der Nicht-Bild-Patientendaten bei gegebener medizinischer Abnormalität bestimmt, von der bekannt ist, dass sie durch das Kandidatenbild angezeigt wird.
Bevorzugt umfasst diese Vorgehensweise das Bestimmen der ersten Wahrscheinlichkeit aus ersten Verteilungsdaten, die eine erste Verteilung der medizinischen Abnormalität darstellen, von der bekannt ist, dass sie durch das Kandidatenbild angezeigt wird, unter den Nicht-Bild-Patientendaten einer Patientenpopulation.
Die erste Verteilung kann zum Beispiel empirisch abgeleitet werden.
Die Nicht-Bild-Patientendaten können zum Beispiel demographische Daten und/oder klinischen Daten umfassen.
Die erste Wahrscheinlichkeit kann basierend auf einer zweiten Wahrscheinlichkeit eines Auftretens der medizinischen Abnormalität, von der bekannt ist, dass sie durch das Kandidatenbild unter den medizinischen Abnormalitäten angezeigt wird, ermittelt werden.
Vorzugweise umfasst diese Vorgehensweise zur Ähnlichkeitsbestimmung von Patienten das Bestimmen der zweiten Wahrscheinlichkeit basierend auf einem Verhältnis der Anzahl von Kandidatenbildern in der Datenbank, die die medizinische Anomalie zeigen, von der bekannt ist, dass sie durch das Kandidatenbild angezeigt wird, zu der Gesamtzahl von Kandidatenbildern in der Datenbank.
Bevorzugt wird die erste Wahrscheinlichkeit P(D=D_I|N) anhand folgender Gleichung bestimmt: $P (D = D_{I} | N) = \frac{P (N | D = D_{I}) P (D = D_{I})}{P (N)},$
wobei P(N|D=DI) die erste Wahrscheinlichkeit des Beobachtens der Nicht-Bild-Patientendaten N bei der medizinischen Anomalie D_I ist, von der bekannt ist, dass sie durch das Kandidatenbild I angezeigt wird, P(D=D_I) die zweite Wahrscheinlichkeit eines Auftretens der medizinischen Abnormalität D_I, von der bekannt ist, dass sie durch das Kandidatenbild I unter den medizinischen Abnormalitäten angezeigt wird, ist und P(N) die marginale Wahrscheinlichkeit des Beobachtens der Nicht-Bild-Patientendaten N unter anderen Nicht-Bild-Patientendaten ist.
Bevorzugt ist die Ähnlichkeitsmetrik ein Abstand in einem Vektorraum zwischen dem Bilddeskriptor des aktuellen Patientenbildes und dem Bilddeskriptor des Kandidatenbildes.
Bevorzugt wird die Bewertung S anhand einer Bewertungsgleichung bestimmt: $S = {‖ q - i ‖}^{2} - λ log (P (D = D_{I} | N))$
wobei q der Bilddeskriptor des Patientenbildes Q ist, i der Bilddeskriptor des Kandidatenbildes I ist, λ ein einstellbarer Parameter ist und P(D=D_I|N) die erste Wahrscheinlichkeit ist, dass die medizinische Anomalie D, die durch das aktuelle Patientenbild angezeigt wird, die medizinische Anomalie D_I ist, von der bekannt ist, dass sie durch das Kandidatenbild I angezeigt wird, wenn die Nicht-Bild-Patientendaten N gegeben sind, die dem aktuellen Patientenbild Q zugeordnet sind.
Zur Veranschaulichung wird eine beispielhafte Berechnung der ersten Wahrscheinlichkeit P(D = D_I|N) für drei verschiedene Kandidatenbilder I gegeben. Jedes Kandidatenbild I zeigt jeweils eine andere Krankheit D = D1, D2, D3 an. In diesem Beispiel zeigen die Nicht-Bild-Patientendaten N des aktuellen Patientenbildes Q an, dass der Patient eine Frau ist. Die Verteilung der Erkrankungen D1, D2 und D3 nach Geschlecht FM (FM = weiblich), (M = männlich) (z. B. empirisch abgeleitet) ist in der folgenden Tabelle dargestellt.

I D FM M

1 D1 0.2 0.8

2 D2 0.5 0.5

3 D3 0.8 0.2
Die Wahrscheinlichkeit P(N|D=D_I) der Beobachtung der Nicht-Bild-Patientendaten N (d.h. weiblich) bei gegebener Krankheit D_I, von der bekannt ist, dass sie durch das Kandidatenbild I angezeigt wird, beträgt 0,2 für das Bild 1, 0,5 für das Bild 2 und 0,8 für das Bild 3. In diesem Beispiel wird angenommen, dass die Krankheiten D1, D2 und D3 in der Natur mit gleicher Wahrscheinlichkeit auftreten, und daher beträgt die zweite Wahrscheinlichkeit P(D=D_I) 1/3 für jedes der Bilder 1 bis 3. In diesem Beispiel beträgt die marginale Wahrscheinlichkeit P(N) 0,5, auf der Grundlage, dass es gleich viele männliche und weibliche Patienten gibt. Dementsprechend berechnet sich unter Verwendung von Gleichung (1) die erste Wahrscheinlichkeit P(D = D_T|N), dass die medizinische Anomalie D, die durch das aktuelle Patientenbild Q angezeigt wird, die medizinische Anomalie D_I ist, von der bekannt ist, dass sie durch das Kandidatenbild I angezeigt wird, bei gegebenen Nicht-Bildpatientendaten N, die dem aktuellen Patientenbild Q zugeordnet sind, wie folgt:

I P (D=D_I | N)

1 2/15

2 5/15

3 8/15
Dementsprechend hat das Kandidatenbild 3, das die medizinische Anomalie D3 mit der höchsten Wahrscheinlichkeit (0,8) des Auftretens bei Frauen anzeigt, die höchste (8/15) erste Wahrscheinlichkeit P(D=D_I|N) . Auf der anderen Seite hat das Kandidatenbild 1, das die medizinische Anomalie D1 mit der niedrigsten Wahrscheinlichkeit (0,2) des Auftretens bei Frauen anzeigt, die niedrigste (2/15) erste Wahrscheinlichkeit P(D=DI|N). Das Abrufen der Kandidatenbilder I zusätzlich basierend auf der ersten Wahrscheinlichkeit kann daher dazu beitragen, die Wahrscheinlichkeit zu verbessern, dass die in dem Kandidatenbild I angezeigte medizinische Anomalie die gleiche wie die des aktuellen Patientenbildes ist, und somit die Relevanz der abgerufenen Kandidatenbilder I für das aktuelle Patientenbild Q verbessern.
Das Extrahieren von Vergleichsinformationen kann aus der Patientenakte der Referenzpatienten erfolgen. Z.B. kann die Patientenakte der Referenzpatienten nach durchgeführten Untersuchungen durchsucht werden. Außerdem können Befundsberichte mit einem NLP-Algorithmus (NLP = Natural language processing = eine Verarbeitung natürlichsprachlicher Informationen mit Hilfe eines Computers) nach verwertbaren Informationen durchsucht werden. Eine Beschreibung der Anwendung eines NLP-Algorithmus ist zum Beispiel in Prakash M. Nadkarni et al., „Natural language processing: an introduction“, Journal of the American Medical Informatics Association, Volume 18, Issue 5, September 2011, Pages 544-551 beschrieben. Eine Vergleichsinformation kann zum Beispiel die angewandte diagnostische Methode umfassen.
Optional kann die Vergleichsinformation dem Nutzer angezeigt werden und er muss entscheiden, ob sie für den Fall verwendet werden soll.
Bei dem erfindungsgemäßen Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung werden bevorzugt die Referenzpatienten zusätzlich basierend auf der Nutzereingabe identifiziert.
Mit anderen Worten kann durch Berücksichtigung der Nutzereingabe noch zielgerichteter nach Vergleichspatienten gesucht werden. Wenn z.B. ein Nutzer eine Observable verifiziert, z.B. Schmerzen im Bauchraum des Patienten, kann gezielt nach Patienten gesucht werden, bei denen ähnliche Befunde vorliegen. Mit anderen Worten werden die Observablen basierend auf der Nutzereingabe in den Merkmalsvektor des gerade zu befundenden Patienten aufgenommen.
Bei dem erfindungsgemäßen Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung umfasst bevorzugt das Bereitstellen der Handlungsempfehlung das Auswählen eines designierten Entscheidungsbaums aus mehreren vorbestimmten Entscheidungsbäumen basierend auf der Nutzereingabe und/oder den Observablen und/oder dem Datensatz. Dabei weist jeder Entscheidungsbaum mehrere verschiedene Pfade auf und jeder Pfad sieht wenigstens einen diskreten Schritt zur Befundung/Behandlung des Patienten vor. Das Bestimmen eines Pfads innerhalb des designierten Entscheidungsbaums basiert auf der Nutzereingabe und/oder den Observablen und/oder dem Datensatz und das Bereitstellen der Handlungsempfehlung basiert auf dem bestimmten Pfad.
Die Entscheidungsbäume können z.B. aus klinischen Richtlinien extrahiert sein. Vorteilhaft kann der Auswertungs- und Entscheidungsprozess zur Planung eines Arbeitsablaufs für weitere Behandlungs- oder Untersuchungsschritte auf festgelegte klinische Regelwerke abgestimmt werden und so kompatibel mit der vorgeschriebenen Vorgehensweise zur Behandlungs- und Untersuchungsplanung gemacht werden.
Die Erfindung wird im Folgenden unter Hinweis auf die beigefügten Figuren anhand von Ausführungsbeispielen noch einmal näher erläutert. Es zeigen:

1 ein Flussdiagramm, welches ein Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht,
2 ein Blockdiagramm, mit dem eine Handlungsempfehlungseinrichtung gemäß einem Ausführungsbeispiel der Erfindung dargestellt wird,
3 eine schematische Darstellung eines klinischen Untersuchungs- und Behandlungssystems gemäß einem Ausführungsbeispiel der Erfindung,
4 ein Flussdiagramm, welches ein Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung gemäß einem zweiten Ausführungsbeispiel der Erfindung veranschaulicht,
5 ein Flussdiagramm, welches ein Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung gemäß einem dritten Ausführungsbeispiel der Erfindung veranschaulicht.

In 1 ist ein Flussdiagramm 100 gezeigt, welches ein Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung gemäß einem ersten Ausführungsbeispiel der Erfindung veranschaulicht. Das Verfahren kann softwarebasiert auf einer Datenverarbeitungsanlage, die im Folgenden auch als Handlungsempfehlungseinrichtung 20 (siehe 2) bezeichnet wird, implementiert werden. In dem konkreten Ausführungsbeispiel soll die automatisierte Planung einer Behandlung eines älteren Patienten, der an Prostatakrebs erkrankt ist, exemplarisch veranschaulicht werden.
Bei dem Schritt 1.1 werden Datensätze DS des Patienten, die sowohl medizinische als auch verwaltungsbezogene Datensätze des Patienten umfassen, von einer oder mehreren Datenbanken, beispielsweise dem PACS und dem RIS eines Krankenhauses empfangen. Ein medizinischer Datensatz umfasst zum Beispiel Bilddaten des Patienten P von vorhergehenden Untersuchungen, Annotationen des Radiologen, ermittelte Symptome, Befundungsergebnisse und Diagnosen behandelnder Ärzte. Ein verwaltungsbezogener Datensatz betrifft die verwaltungstechnische Erfassung der bereits erfolgten Maßnahmen und Prozesse im Zusammenhang mit dem betreffenden Patienten.
Bei dem Schritt 1.II erfolgt nun ein automatisches Ermitteln von ein oder mehreren Observablen OB basierend auf den Datensätzen DS des Patienten. Die Observablen OB können durch ein trainiertes Modell, auch als Zustandsanalysealgorithmus bezeichnet, das auf Basis von Trainingsdaten dazu in die Lage versetzt wurde, aus den patientenspezifischen Daten Observable OB zu extrahieren, ermittelt werden. Wie bereits erwähnt, betreffen Observable OB Zustandsattribute oder Symptome des Patienten. Diese Zustandsattribute werden aus den patientenspezifischen Datensätzen DS automatisiert extrahiert. Beispielsweise umfassen Zustandsattribute die Information, ob der Patient Raucher ist oder nicht. Im Zusammenhang mit der Krebserkrankung kann der Zustand des Patienten durch die Vermutung einer Existenz oder Nicht-Existenz von Metastasen charakterisiert werden. Derartige Angaben können zum Beispiel anhand von Annotationen von Bilddaten oder expliziten Befundungsergebnissen ermittelt werden. Weitere Informationen können zum Beispiel Angaben von Laborwerten und deren qualitative Einstufung, wie zum Beispiel den PKS-Wert oder den Gleason-Score des Patienten enthalten.
Zustandsattribute können auch die Existenz eines Biopsie-Ergebnisses und dessen Inhalt umfassen. Das Biopsieergebnis kann zum Beispiel die Frage behandeln, ob es sich bei der ermittelten Anomalie der Prostata um ein bösartiges Karzinom handelt.
Der Zustand des Patienten kann auch durch die Information über die aktuelle Einnahme von Medikamenten durch den Patienten gekennzeichnet sein. Beispielsweise kann die Einnahme von Medikamenten und deren Wechselwirkungen bei Untersuchungen die Auswahl und Vorbereitung von Untersuchungen beeinflussen. Die Zustandsattribute können auch mehrere Differentialdiagnosen umfassen.
Symptome können fühlbare oder messbare Phänomene, wie zum Beispiel Schmerzen in bestimmten Körperbereichen, deren Art und die Häufigkeit oder der Anlass des Auftretens dieser Schmerzen oder eine Änderung der Körpertemperatur oder ähnliches betreffen.
Bei dem Schritt 1.III werden die automatisiert ermittelten Observablen OB, die einen klinischen Zustand des Patienten beschreiben, über eine Nutzerschnittstelle 23 (siehe 2) dem Nutzer BN, beispielsweise einem Arzt, angezeigt.
Bei dem Schritt 1.IV empfängt nun die Handlungsempfehlungseinrichtung 20 (siehe 2) über die Nutzerschnittstelle 23 (siehe 2) eine Nutzereingabe NE des Nutzers BN betreffend die angezeigten Observablen OB. Diese Nutzereingabe NE umfasst das Bestätigen oder Verwerfen einer Observable OB oder das Bewerten einer Observable OB. Es werden also vom Arzt zusätzliche Informationen der Handlungsempfehlungseinrichtung 20 zur Verfügung gestellt, die in die Planung eines späteren Arbeitsablaufs zu einem Patienten, der zum Beispiel eine Untersuchung oder Behandlung umfasst, mit einfließen.
Es kann zum Beispiel sein, dass der Benutzer, in diesem Fall ein Arzt, zusätzliche Informationen über Observablen besitzt, die nicht in den Datenbanken PACS, RIS, in denen die Patientendatensätze DS, auf deren Basis die Observablen OB ermittelt wurden, abgespeichert sind, enthalten sind. Durch die Nutzung der Nutzerschnittstelle 23 kann also ein Planungsprozess eines Arbeitsablaufs an die aktuellen Kenntnisse des Arztes über einen Patienten angepasst werden. Gleichzeitig ist die Interaktion zwischen der Handlungsempfehlungseinrichtung 20 und dem Nutzer BN auf Basis der in den Datenbanken PACS, RIS vorhandenen Datensätzen DS soweit wie möglich maschinell vorbereitet, dass der Benutzer BN nur eine Bestätigungsmeldung übermitteln muss oder gegebenenfalls eine Aktualisierung von einzelnen Observablen OB vornehmen muss und die übrigen automatisiert zusammengestellten und präsentierten Daten einfach übernehmen kann.
Bei dem Schritt 1.V erfolgt nun basierend auf der Nutzereingabe NE und auf Basis der übrigen ermittelten Observablen OB der Datensätze DS ein automatisiertes Ermitteln und Bereitstellen einer Handlungsempfehlung HE für den Nutzer BN betreffend weitere Schritte zur Befundung/Behandlung des Patienten. Die Ermittlung der Handlungsempfehlung HE kann zum Beispiel durch Anwendung von modellbasierten Auswertungsschemata auf die in der Datenbank PACS, RIS ermittelten Observablen OB sowie die Nutzereingabe NE zu einem Patienten erfolgen.
Beispielsweise erhält der Arzt BN auf Basis der vorhandenen Patientendatensätze DS die Empfehlung, bei dem Prostatakrebspatienten eine weitere Bildgebung im Brustbereich durchzuführen, um Metastasen auszuschließen, oder falls das Auftreten von Metastasen bereits aus den Patientendatensätzen DS bekannt ist oder zumindest wahrscheinlich ist, solche Metastasen zu lokalisieren. Teil der Handlungsempfehlung HE kann es sein, die bei einer geplanten Bildgebung gewählten Scan-Parameter BP (siehe 3) anders als üblich einzustellen, wenn der Patient bestimmte Besonderheiten aufweist, die eine Abweichung von der üblichen Vorgehensweise nötig machen.
In 2 ist eine schematische Darstellung 2 einer Handlungsempfehlungseinrichtung 20 gemäß einem Ausführungsbeispiel der Erfindung, die mit einer Datenbank DB und einem Benutzer BN kommuniziert, gezeigt. Die Handlungsempfehlungseinrichtung 20 umfasst eine Datenempfangsschnittstelle 21 zum Empfangen eines medizinischen Datensatzes DS eines Patienten. Teil der Handlungsempfehlungseinrichtung 20 ist auch eine Ermittlungseinheit 22 zum automatischen Ermitteln von ein oder mehreren Observablen OB basierend auf dem Datensatz DS, wobei die ein oder mehreren Observablen OB einen klinischen Zustand des Patienten beschreiben. Die Handlungsempfehlungseinrichtung 20 umfasst auch eine Nutzerschnittstelle 23, welche dazu eingerichtet ist, die ermittelten Observablen OB dem Benutzer BN anzuzeigen und eine Nutzereingabe NE des Nutzers BN betreffend die angezeigten Observablen OB zu empfangen. Die Nutzereingabe NE kann zum Beispiel eine Bestätigung der Observablen OB oder eine Änderung oder ein Verwerfen der Observablen OB umfassen. Die Nutzereingabe NE wird an eine Empfehlungsbereitstellungseinheit 24 übermittelt, die dazu eingerichtet ist, eine Handlungsempfehlung HE für den Nutzer BN betreffend weitere Schritte zur Befundung und/oder Behandlung des Patienten basierend auf der Nutzereingabe NE und dem Datensatz DS zu ermitteln und an den Benutzer BN über die Nutzerschnittstelle 23 auszugeben.
In 3 ist ein klinisches Untersuchungs- und Behandlungssystem 30 gemäß einem Ausführungsbeispiel der Erfindung schematisch dargestellt. Das klinische Untersuchungs- und Behandlungssystem 30 umfasst eine im Vergleich zu der in 2 gezeigten Handlungsempfehlungseinrichtung 20 erweiterte Handlungsempfehlungseinrichtung 20, die zusätzlich zu einer Datenbank DB und einem behandelnden Arzt eines Patienten, der auch als Benutzer BN bezeichnet wurde, noch mit einem Radiologen R sowie mit einer medizintechnischen bildgebenden Einrichtung 31 kommuniziert.
Wie in dem in 2 gezeigten ersten Ausführungsbeispiel einer Handlungsempfehlungseinrichtung 20 umfasst auch die Handlungsempfehlungseinrichtung 20 gemäß einem zweiten Ausführungsbeispiel eine Datenempfangsschnittstelle 21 zur Kommunikation mit einer Datenbank DB bzw. zum Empfang von einem medizinischen Datensatz DS eines Patienten, eine Ermittlungseinheit 22 zum Ermitteln einer Observablen OB auf Basis des medizinischen Datensatzes DS, eine Nutzerschnittstelle 23 zur Kommunikation der Handlungsempfehlungseinrichtung 20 mit dem Benutzer BN und eine Empfehlungsbereitstellungseinheit 24 zur Ermittlung einer Handlungsempfehlung HE auf Basis einer Nutzereingabe NE des Benutzers sowie auf Basis der ermittelten Observablen OB. In dem in 3 gezeigten zweiten Ausführungsbeispiel umfasst die Handlungsempfehlung HE eine Bildgebung mit einem spezifischen Bildgebungsprotokoll BP, das die Handlungsempfehlungseinrichtung 20 auf Basis der Observablen OB bzw. dem medizinischen Datensatz DS ermittelt. Stimmt nun der Benutzer BN, beispielsweise ein Arzt, der Bildgebung zu, so wird das dieser Bildgebung zugeordnete Bildgebungsprotokoll BP über eine Radiologenschnittstelle 25 an einen Radiologen R übermittelt. Der Radiologe R begutachtet das Bildgebungsprotokoll BP, stimmt dem Vorschlag der Handlungsempfehlungseinrichtung 20 zu oder korrigiert gegebenenfalls Protokollparameter des Bildgebungsprotokolls BP. Anschließend wird das Bildgebungsprotokoll BP von der Handlungsempfehlungseinrichtung 20 über die erwähnte Radiologenschnittstelle 25 wieder entgegengenommen und über eine Geräteschnittstelle 26 an die betreffende medizintechnische bildgebende Einrichtung 31 übermittelt, welche auf Basis des erzeugten Bildgebungsprotokolls BP eine Bildaufnahme bzw. ein medizinisches Bild BD von dem Patienten erzeugt. Das erzeugte medizinische Bild BD wird anschließend von der medizintechnischen bildgebenden Einrichtung 31 an die Handlungsempfehlungseinrichtung 20 übermittelt, die das medizinische Bild BD über die Nutzerschnittstelle 23 an den Benutzer BN ausgibt. Stellt der Benutzer BN fest, dass das Bild BD nicht das gewünschte Ergebnis liefert, beispielsweise sind Untersuchungsbereiche, in denen Metastasen vermutet werden, nicht ausreichend kontrastreich abgebildet, so kann der Benutzer BN entweder von sich aus das Bildgebungsprotokoll BP verändern oder an den Radiologen R eine entsprechende Meldung übermitteln, dass der Kontrast nicht ausreicht. Der Radiologe R erhält dann das gegebenenfalls bereits modifizierte Bildgebungsprotokoll BP ein zweites Mal von der Handlungsempfehlungseinrichtung 20 zugeschickt und kann die Protokollparameter BP entweder bestätigen oder nochmals modifizieren. Anschließend wird das modifizierte Bildgebungsprotokoll BP wieder an die medizintechnische bildgebende Einrichtung 31 übermittelt, welche ein neues Bild BD von dem Patienten erzeugt. Dieser Vorgang kann mehrere Male wiederholt werden, bis der Benutzer BN, d.h. der behandelnde Arzt, mit dem erhaltenen medizinischen Bild BD zufrieden ist.
In 4 ist ein Flussdiagramm 400, welches ein Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung gemäß einem zweiten Ausführungsbeispiel der Erfindung veranschaulicht, dargestellt. Die ersten vier Schritte 4.1 bis 4.IV des Verfahrens gemäß einem zweiten Ausführungsbeispiel entsprechen den Schritten 1.1 bis 1.IV des in 1 gezeigten Verfahrens gemäß einem ersten Ausführungsbeispiel der Erfindung. Diese vier Schritte umfassen das Empfangen von Patientendatensätzen DS eines Patienten P aus einer Datenbank, das automatisierte Ermitteln von Observablen OB auf Basis der Patientendatensätze DS, das Anzeigen der Observablen OB für den Benutzer BN sowie eine Nutzereingabe NE durch den Benutzer BN. Zusätzlich erfolgt nun bei dem Schritt 4.V eine automatisierte Suche in einer Datenbank mit mehreren Vergleichspatienten VP nach einem ähnlichen Patienten, der als Referenzpatient RP für eine Handlungsempfehlung HE genutzt werden kann. Diese Suche erfolgt auf Basis der zu dem aktuellen Patienten empfangenen Datensätze DS. Wie bereits erläutert, kann eine solche Suche auf Basis eines Bilddeskriptors eines Patientenbilds und von Nicht-Bild-Patientendaten des aktuellen Patienten mit den Vergleichspatienten VP erfolgen. Bei dem Schritt 4.VI wird dann eine Vergleichsinformation VI aus der Patientenakte RP extrahiert. Eine solche Vergleichsinformation VI kann zum Beispiel eine konkrete Handlung zur Untersuchung oder Behandlung des Referenzpatienten RP umfassen, die direkt bei dem Schritt 4.VII als Handlungsempfehlung HE an den Benutzer BN ausgegeben wird. Die Vergleichsinformation VI kann auch noch zusätzlich zunächst automatisiert auf Basis der Daten DS des aktuellen Patienten verarbeitet und gegebenenfalls modifiziert werden und dann als Handlungsempfehlung HE dem Benutzer BN angezeigt werden.
In 5 ist ein Flussdiagramm 500, welches ein Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung gemäß einem dritten Ausführungsbeispiel der Erfindung veranschaulicht, dargestellt. Die ersten vier Schritte 5.1 bis 5.IV entsprechen wieder den ersten vier Schritten 1.1 bis 1.IV des ersten Ausführungsbeispiels und werden an dieser Stelle nicht nochmals beschrieben. Bei dem Schritt 5.V wird nun ein designierter Entscheidungsbaum EB aus einer Datenbank DB-EB, welche eine Mehrzahl von Entscheidungsbäumen EB aufweist, ausgewählt. Ein solcher Entscheidungsbaum EB umfasst Regeln zur Untersuchung und Behandlung von Patienten. Die Auswahl erfolgt auf Basis einer Nutzereingabe NE, der ermittelten Observablen OB und den Datensätzen DS des Patienten. Jeder der Entscheidungsbäume EB kann mehrere unterschiedliche Pfade PF aufweisen und jeder dieser Pfade PF umfasst mindestens einen diskreten Schritt zur Befundung oder Behandlung eines Patienten. Bei dem Schritt 5.VI wird nun ein Pfad PF des designierten Entscheidungsbaums EB basierend auf der Nutzereingabe NE, den Observablen OB und den Datensätzen DS des Patienten ermittelt. Beispielsweise kann der behandelnde Arzt, d.h. der Benutzer BN auf Basis seiner Kenntnis der Situation des Patienten eine Eingabe NE vornehmen, die zur Auswahl eines bestimmten Pfads PF in dem designierten Entscheidungsbaum EB führt. Bei dem Schritt 5.VII wird nun eine Handlungsempfehlung HE, die zum Beispiel einen diskreten Schritt zur Befundung oder Behandlung des Patienten vorsieht, basierend auf dem ausgewählten Pfad PF ermittelt. Diese Handlungsempfehlung HE wird an den Benutzer BN ausgegeben, der auf Basis der Handlungsempfehlung HE seine Untersuchung bzw. Behandlung des Patienten planen kann.
Es wird abschließend noch einmal darauf hingewiesen, dass es sich bei den vorbeschriebenen Verfahren und Vorrichtungen lediglich um bevorzugte Ausführungsbeispiele der Erfindung handelt und dass die Erfindung vom Fachmann variiert werden kann, ohne den Bereich der Erfindung zu verlassen, soweit er durch die Ansprüche vorgegeben ist. Es wird der Vollständigkeit halber auch darauf hingewiesen, dass die Verwendung der unbestimmten Artikel „ein“ bzw. „eine“ nicht ausschließt, dass die betreffenden Merkmale auch mehrfach vorhanden sein können. Ebenso schließt der Begriff „Einheit“ nicht aus, dass diese aus mehreren Komponenten besteht, die gegebenenfalls auch räumlich verteilt sein können.

Claims

Computerimplementiertes Verfahren zur Bereitstellung einer patientenspezifischen medizinischen Handlungsempfehlung (HE) mit den Schritten: - Empfangen eines Datensatzes (DS) des Patienten, - automatisches Bestimmen von ein oder mehreren Observablen (OB) basierend auf dem Datensatz (DS), wobei die ein oder mehreren Observablen (OB) einen klinischen Zustand des Patienten beschreiben, - Anzeigen der ein oder mehreren Observablen (OB) über eine Nutzerschnittstelle (23), - Empfangen einer Nutzereingabe (NE) eines Nutzers (BN) betreffend die angezeigten ein oder mehreren Observablen (OB) über die Nutzerschnittstelle (23), - Bereitstellen einer Handlungsempfehlung (HE) für den Nutzer (BN) betreffend weitere Schritte zur Befundung und/oder Behandlung des Patienten basierend auf der Nutzereingabe (NE) und, optional, dem Datensatz (DS).
Verfahren nach Anspruch 1, wobei das Bestimmen der ein oder mehreren Observablen (OB) ein Anwenden eines Zustandsanalysealgorithmus auf den Datensatz (DS) umfasst, welcher Zustandsanalysealgorithmus dazu ausgebildet ist, Observablen (OB) aus Datensätzen (DS) zu extrahieren.
Verfahren nach Anspruch 1 oder 2, bei dem das Bestimmen der ein oder mehreren Observablen (OB) ein Auswählen der ein oder mehreren Observablen (OB) aus einer Datenbasis (DB) umfasst, wobei die Datenbasis (DB) umfasst: - mehrere vorbestimmte Observablen (OB), - mehrere vorbestimmte Zustände, welche jeweils ein oder mehrere Merkmalsmuster von Datensätzen (DS) von Patienten beschreiben und mit ein oder mehreren Observablen (OB) verknüpft sind, und - mehrere Regeln, die jeweils eine Auftrittswahrscheinlichkeit von zumindest einem Zustand mit dem Vorliegen oder Nichtvorliegen einer Observablen (OB) verbinden.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem das Bereitstellen der Handlungsempfehlung (HE) ein Ermitteln wenigstens einer Verdachtsdiagnose basierend auf der Nutzereingabe (NE) umfasst und die Handlungsempfehlung (HE) basierend auf der wenigstens einen Verdachtsdiagnose festgelegt wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem - die Handlungsempfehlung (HE) eine weitere Untersuchung des Patienten mit einer bildgebenden Modalität (31) umfasst, und - das Bildgebungsprotokoll (BP) zur Untersuchung des Patienten für die bildgebende Modalität (31) basierend auf der Nutzereingabe (NE) und optional den übrigen Patientendaten, d.h. dem Datensatz (DS) des Patienten, bestimmt wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Handlungsempfehlung (HE) umfasst, einen designierten Datenanalysealgorithmus auf ein designiertes Datenelement aus dem Datensatz (DS) des Patienten anzuwenden, wobei der designierte Datenanalysealgorithmus aus mehreren verfügbaren Datenanalysealgorithmen ausgewählt ist und das designierte Datenelement aus dem Datensatz (DS) des Patienten ausgewählt ist.
Verfahren nach einem der vorhergehenden Ansprüche, ferner mit den Schritten: - Identifizieren eines oder mehrerer Referenzpatienten (RP) aus mehreren Vergleichspatienten (VP) basierend auf dem Datensatz (DS) des Patienten, - Extrahieren von Vergleichsinformationen (VI) aus zu den Vergleichspatienten (VP) zugeordneten Patientendaten, und - Bestimmen der Handlungsempfehlung (HE) zusätzlich basierend auf den Vergleichsinformationen (VI).
Verfahren nach Anspruch 7, bei dem die ein oder mehreren Referenzpatienten (RP) zusätzlich basierend auf der Nutzereingabe (NE) identifiziert werden.
Verfahren nach einem der vorbestimmten Ansprüche, bei dem das Bereitstellen der Handlungsempfehlung (HE) umfasst: - Auswählen eines designierten Entscheidungsbaums (EB) aus mehreren vorbestimmten Entscheidungsbäumen basierend auf der Nutzereingabe (NE) und/oder den Observablen (OB) und/oder dem Datensatz (DS) des Patienten, wobei jeder Entscheidungsbaum mehrere verschiedene Pfade (PF) aufweist und jeder Pfad (PF) wenigstens einen diskreten Schritt zur Befundung/Behandlung des Patienten vorsieht, und - Bestimmen eines Pfads (PF) innerhalb des designierten Entscheidungsbaums (EB) basierend auf der Nutzereingabe (NE) und/oder den Observablen (OB) und/oder dem Datensatz (DS) des Patienten, - Bereitstellen der Handlungsempfehlung (HE) basierend auf dem bestimmten Pfad (PF).
Handlungsempfehlungseinrichtung (20), aufweisend: - eine Datenempfangsschnittstelle (21) zum Empfangen eines Datensatzes (DS) eines Patienten, - eine Ermittlungseinheit (22) zum automatischen Ermitteln von ein oder mehreren Observablen (OB) basierend auf dem Datensatz (DS) des Patienten, wobei die ein oder mehreren Observablen (OB) einen klinischen Zustand des Patienten beschreiben, - eine Nutzerschnittstelle (23), - zum Anzeigen der ein oder mehreren Observablen (OB) und - zum Empfangen einer Nutzereingabe (NE) eines Nutzers (BN) betreffend die angezeigten ein oder mehreren Observablen (OB) , - eine Empfehlungsbereitstellungseinheit (24) zum Bereitstellen einer Handlungsempfehlung (HE) für den Nutzer (BN) betreffend weitere Schritte zur Befundung und/oder Behandlung des Patienten basierend auf der Nutzereingabe (NE) und, optional, dem Datensatz (DS) des Patienten.
Klinisches Untersuchungs- und Behandlungssystem (30), aufweisend: - eine Handlungsempfehlungseinrichtung (20) nach Anspruch 10, - eine medizintechnische Untersuchungs- und/oder Behandlungseinrichtung (31), welche auf Basis einer Handlungsempfehlung (HE) der Handlungsempfehlungseinrichtung (20) ansteuerbar ist.
Computerprogrammprodukt mit einem Computerprogramm, welches direkt in eine Speichereinheit einer Rechnereinheit eines klinischen Untersuchungs- und Behandlungssystems ladbar ist, mit Programmabschnitten, um alle Schritte des Verfahrens nach einem der Ansprüche 1 bis 9 auszuführen, wenn das Computerprogramm in der Rechnereinheit des klinischen Untersuchungs- und Behandlungssystems ausgeführt wird.
Computerlesbares Medium, auf welchem von einer Rechnereinheit ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens nach einem der Ansprüche 1 bis 9 auszuführen, wenn die Programmabschnitte von der Rechnereinheit ausgeführt werden.