DE102022200925A1

DE102022200925A1 - Verfahren und System zur Bereitstellung eines medizinischen Berichts

Info

Publication number: DE102022200925A1
Application number: DE102022200925.8A
Authority: DE
Inventors: Lutz Dominick; Vladyslav Ukis
Original assignee: Siemens Healthcare GmbH
Current assignee: Siemens Healthineers Ag De
Priority date: 2022-01-27
Filing date: 2022-01-27
Publication date: 2023-07-27
Also published as: US20230238096A1

Abstract

Die Erfindung betrifft Verfahren und Vorrichtungen zum Bereitstellen eines medizinischen Berichts (MB) in einem medizinischen Netzwerk (10) mit einer Front-End-Recheneinrichtung (50) und einer Back-End-Recheneinrichtung (200). Dabei sind folgende Schritte implementiert:- Empfangen einer auf einen Patienten bezogenen Kontextinformation (KI) von der Front-End-Recheneinrichtung (50) an der Back-End-Recheneinrichtung (200);- Bereitstellen von Patientendaten (PD) des Patienten an der Back-End-Recheneinrichtung (200);- Bereitstellen wenigstens eines Datenfilters (DF) basierend auf der Kontextinformation (KI) durch die Back-End-Recheneinrichtung (200), wobei der Datenfilter (DF) dazu ausgebildet ist, aus den Patientendaten (PD) wenigstens eine Einzelinformation (EI) zur Erzeugung eines medizinischen Berichts (MB) zu extrahieren;- Erzeugen des medizinischen Berichts (MB) basierend auf den Patientendaten (PD) und der Kontextinformation (KI) durch die Back-End-Recheneinrichtung (200) durch Anwenden des Datenfilters (DF) auf die Patientendaten (PD); und- Übermitteln des medizinischen Berichts (MB) an die Front-End-Recheneinrichtung (50) durch die Back-End-Recheneinrichtung (200).

Description

Die vorliegende Erfindung betrifft Verfahren und Systeme zur Bereitstellung eines medizinischen Berichts.
Die medizinische Diagnostik zielt darauf ab, eine vermutete Diagnose zu belegen oder auszuschließen. Der diagnostische Prozess zielt darauf ab, den Zustand des Patienten hinsichtlich einer Vielfalt von klinischen Aspekten zu bestimmen, wobei bildgebende Verfahren (etwa der radiologischen oder histopathologischen Bildgebung) oder andere klinische Verfahren (z.B. Laboruntersuchungen) als Beweis herangezogen werden. In diesem Prozess bestehen die diagnostischen Aufgaben der Ärztin oder des Arztes darin, Patientendaten zu analysieren und positive wie auch negative klinische Befunde zu erkennen. Zu den Aufgaben der Ärztin oder des Arztes gehört auch, etwas zu qualifizieren (z.B. als bösartig), zu quantifizieren (z.B. die Raumausdehnung, bzw. das Volumen) und aktuelle Befunde mit früheren Befunden zu vergleichen.
Weiterhin besteht eine Aufgabe darin, die Befunde zu dokumentieren, um die weitere Verwendung der diagnostischen Ergebnisse zu ermöglichen. Zu diesem Zweck wird in der medizinischen Praxis ein medizinischer Bericht erzeugt. Ein anderer Begriff für medizinischer Bericht (engl. medical report) ist z.B. Befundsbericht oder auch Arztbrief. Medizinische Berichte werden dabei häufig während des Analysierens der Patientendaten von der befundenden Ärztin oder dem befundenden Arzt erstellt.
Ein Problem momentaner Prozesse liegt zum einen in der Verfügbarkeit bereits erstellter medizinischer Berichte in einem medizinischen (Informations-)Netzwerk oder innerhalb einer medizinischen Organisation wie etwa eines Krankenhauses oder eines Krankenhausverbundes. Häufig werden medizinische Berichte lokal erzeugt, gespeichert und verwaltet und nur unmittelbar eingebundenen Ärzten zur Verfügung gestellt. Mit anderen Worten verbleiben einmal erstellte medizinische Berichte in „Silos“. Ein systematischer Vergleich mit früheren medizinischen Berichten wird dadurch deutlich erschwert.
Ein weiteres Problem ist dadurch gegeben, dass medizinisches Personal häufig keine Rückmeldung darüber bekommt, wo und wie ein medizinischer Bericht verwendet wird und welche Änderungen an dem Bericht vorgenommen werden. Darüber hinaus ist es mit der momentanen Praxis nicht möglich, bestehende medizinische Berichte systematisch auf dem neusten Stand zu halten und etwa an neue Erkenntnisse (etwa durch neue Patientendaten oder die Verfügbarkeit neuer Analysetools) anzupassen. Die einmal erstellten medizinischen Berichte bleiben vordergründig „gültig“. Bei einem Zugriff auf solche veralteten Berichte besteht daher die Gefahr, dass falsche Schlussfolgerungen gezogen und falsche Entscheidungen getroffen werden.
Ein weiteres Problem ist oftmals durch eine mangelnde Standardisierung medizinischer Berichte gegeben, die einen Vergleich zwischen verschiedenen medizinischen Berichten erschwert.
Ein weiteres Problem liegt ferner in der enormen Datenmenge, die eine Ärztin oder ein Arzt bei der Befundung eines Patienten berücksichtigen muss. Zur Erstellung eines Befundes sind verschiedenste teilweise orthogonale Informationen zu sichten - von Bilddaten über Labordaten bis hin zu Anamnesedaten. In der Praxis muss die Ärztin oder der Arzt einzelne Datensätze eines Patienten nacheinander von verschiedenen Speichereinrichtungen innerhalb des medizinischen Netzwerks aufrufen und sichten, um zu entscheiden, ob eine darin enthaltene Einzelinformation für den zu erstellenden medizinischen Bericht relevant ist.
Es ist eine Aufgabe der Erfindung die erwähnten Probleme zu lösen und Verfahren und Systeme bereitzustellen, mit denen eine verbesserte Bereitstellung bzw. Erstellung medizinischer Berichte bei der Befundung eines Patienten möglich ist. Insbesondere soll eine Lösung geschaffen werden, die eine vereinfachte Integration von Patientendaten in den Berichtserstellungs-Workflow und eine verbesserte Datenhaltung bestehender medizinischer Berichte entsprechend den Gegebenheiten medizinischer Informationsnetzwerke ermöglicht.
Die Aufgabe wird gelöst von Verfahren, Systemen, Computerprogrammprodukten bzw. computerlesbaren Speichermedien gemäß dem Hauptanspruch und den nebengeordneten Ansprüchen. Vorteilhafte Weiterbildungen sind in den abhängigen Ansprüchen angegeben.
Nachstehend wird die erfindungsgemäße Lösung der Aufgabe sowohl in Bezug auf die beanspruchten Systeme als auch in Bezug auf die beanspruchten Verfahren beschrieben. Hierbei erwähnte Merkmale, Vorteile oder alternative Ausführungsformen/Aspekte sind ebenso auch auf die anderen beanspruchten Gegenstände zu übertragen und umgekehrt. Mit anderen Worten können die gegenständlichen Ansprüche (die beispielsweise auf ein System gerichtet sind) auch mit den Merkmalen, die in Zusammenhang mit einem Verfahren beschrieben oder beansprucht sind, weitergebildet sein. Die entsprechenden funktionalen Merkmale des Verfahrens können dabei durch entsprechende gegenständliche Module ausgebildet sein.
Weiterhin wird die erfindungsgemäße Lösung der Aufgabe auch in Bezug auf Verfahren und Vorrichtungen zum Anpassen von trainierten Funktionen beschrieben. Hierbei können Merkmale und alternative Ausführungsformen/Aspekte von Datenstrukturen und/oder Funktionen bei Verfahren und Vorrichtungen in der Anwendung einer trainierten Funktion auf analoge Datenstrukturen und/oder Funktionen bei Verfahren und Vorrichtungen zum Anpassen übertragen werden. Analoge Datenstrukturen können hierbei insbesondere durch die Verwendung der Vorsilbe „Trainings“ gekennzeichnet sein. Weiterhin können die in Verfahren und Vorrichtungen verwendeten trainierten Funktionen insbesondere durch Verfahren und Vorrichtungen zum Anpassen von trainierten Funktionen angepasst worden und/oder bereitgestellt worden sein.
Gemäß einem Aspekt wird ein Verfahren zum Bereitstellen eines medizinischen Berichts in einem medizinischen Netzwerk bereitgestellt. Das medizinische Netzwerk weist wenigstens eine Front-End-Recheneinrichtung und eine Back-End-Recheneinrichtung auf. Das Verfahren umfasst mehrere Schritte. Ein Schritt ist auf ein Empfangen einer auf einen Patienten bezogenen Kontextinformation von der Front-End-Recheneinrichtung an der Back-End-Recheneinrichtung gerichtet. Ein Schritt ist auf ein Bereitstellen von Patientendaten des Patienten an der Back-End-Recheneinrichtung gerichtet. Ein weiterer Schritt ist auf ein Bereitstellen wenigstens eines Datenfilters basierend auf der Kontextinformation durch die Back-End-Recheneinrichtung gerichtet, wobei der Datenfilter dazu ausgebildet ist, aus Patientendaten wenigstens eine Einzelinformation zur Erzeugung eines medizinischen Berichts zu extrahieren. Ein weiterer Schritt ist auf ein Erzeugen des medizinischen Berichts basierend auf den Patientendaten und der Kontextinformation durch die Back-End-Recheneinrichtung durch Anwenden des Datenfilters auf die Patientendaten gerichtet. Ein weiterer Schritt ist auf ein Übermitteln des medizinischen Berichts an die Front-End-Recheneinrichtung durch die Back-End-Recheneinrichtung gerichtet.
Das medizinische Netzwerk bzw. medizinische Informationsnetzwerk kann zum Austausch medizinischer Informationen, also insbesondere Kontextinformationen, Patientendaten, medizinischer Berichte und dergleichen ausgebildet sein. Das medizinische Netzwerk kann insbesondere zwischen der Front-End-Recheneinrichtung und der Back-End-Recheneinrichtung eine Kommunikations- oder/oder Datenverbindung herstellen. Daneben kann das medizinische Netzwerk eine Kommunikations- und/oder Datenverbindung mit weiteren Einrichtungen der medizinischen Datenverarbeitung wie etwa Speichereinrichtungen zur Speicherung von Patientendaten oder medizinischer Berichte herstellen. Das medizinische Netzwerk kann ein Intranet und/oder ein Internet umfassen. Mit anderen Worten kann die Front-End-Recheneinrichtung mit der Back-End-Recheneinrichtung über das Internet in Kommunikations- oder/oder Datenverbindung stehen. Ferner können die Kontextinformation und/oder die Patientendaten der Back-End-Recheneinrichtung über das Internet bereitgestellt werden (durch die Front-End-Recheneinrichtung). Umgekehrt kann der medizinische Bericht der Front-End-Recheneinrichtung über das Internet übermittelt werden (durch die Back-End-Recheneinrichtung).
Gemäß Ausführungsformen können Kommunikations- oder Datenverbindungen auf dem HL7-Standard basieren. Health Level 7 (HL7) ist eine Gruppe internationaler Standards für den Austausch von Daten zwischen Organisationen im Gesundheitswesen und deren Computersystemen. Insbesondere können Kommunikations- und/oder Datenverbindungen auf dem FHIR-Standard basieren. Fast Healthcare Interoperability Resources (FHIR) ist ein von HL7 erarbeiteter Standard. Er unterstützt den Datenaustausch zwischen Softwaresystemen im Gesundheitswesen. Durch die Nutzung des HL7 bzw. FHIR-Standards können Daten strukturiert übertragen werden und es ist keine Umformatierung notwendig.
Die Front-End-Recheneinrichtung kann insbesondere als Befundungsarbeitsplatz oder Befundungsstation ausgebildet sein, an der ein Nutzer (insbesondere ein medizinisches Personal wie eine Ärztin oder ein Arzt) Patientendaten aufrufen und/oder sichten und/oder analysieren kann, und/oder an der der Nutzer medizinische Berichte aufrufen und/oder sichten und/oder modifizieren kann. Dazu kann die Front-End-Recheneinrichtung eine Nutzerschnittstelle aufweisen. Die Front-End-Recheneinrichtung kann als sog. Client ausgebildet sein.
Die Back-End-Recheneinrichtung kann als Server-System ausgebildet sein. Die Back-End-Recheneinrichtung kann einen Cluster oder eine Gruppe von Recheneinrichtungen und Datenspeichern aufweisen. Die Back-End-Recheneinrichtung kann keine Nutzerschnittstelle für den Nutzer (der Front-End-Recheneinrichtung) aufweisen. Die Back-End-Recheneinrichtung kann mit der Front-End-Recheneinrichtung über das medizinische Netzwerk in Datenverbindung stehen. Die Back-End-Recheneinrichtung kann mit mehreren verschiedenen (aber insbesondere gleichartigen) Front-End-Recheneinrichtungen über das medizinische Netzwerk in Datenverbindung stehen. Die Front-End-Recheneinrichtung(en) können einer medizinischen Organisation, wie etwa einer Praxis, einem Krankenhaus oder einem Krankenhausverbund, angehören. Die Back-End-Recheneinrichtung kann ebenfalls der medizinischen Organisation angehören oder außerhalb der medizinischen Organisation ausgebildet sein. Die Back-End-Recheneinrichtung kann über das medizinische Netzwerk mit mehreren verschiedenen Front-End-Recheneinrichtungen in Datenverbindung stehen, die jeweils verschiedenen medizinischen Organisationen angehören.
Die Patientendaten enthalten die zu dem Patienten verfügbaren medizinischen Daten. Die medizinischen Daten können sowohl medizinische Bilddaten als auch Nicht-Bilddaten umfassen. Bilddaten können sich in diesem Zusammenhang auf medizinische Bilddaten mit zwei oder drei räumlichen Dimensionen beziehen. Ferner können die Bilddaten zusätzlich eine zeitliche Dimension aufweisen. Medizinische Bilddaten sind dabei insbesondere Bilddaten, die mit einer bildgebenden Modalität aufgenommen wurden und insbesondere ein Körperteil des Patienten darstellen können. Bildgebende Modalitäten können dabei beispielsweise Computertomografie-Geräte, Magnetresonanzgeräte, Röntgengeräte, Ultraschallgeräte und dergleichen umfassen. Mit solchen oder ähnlichen Modalitäten aufgenommene Bilddaten werden auch als Radiologie-Bilddaten bezeichnet. Ferner können medizinische Bilddaten digitalisierte Histopathologiebilder umfassen, die einen entsprechend präparierten Gewebeschnitt des Patienten darstellen. Die Bilddaten können ferner longitudinale Daten umfassen, etwa in Form von Zeitserien oder zeitlich beabstandeten Folgeaufnahmen.
Nicht-Bilddaten können, insbesondere longitudinale, Daten umfassen, die eine oder mehrere medizinische Werte des Patienten und/oder Elemente aus der Krankheitshistorie des Patienten beinhalten. Dabei kann es sich um Labordaten, Vitalwerte und/oder sonstige auf den Patienten bezogene Messwerte bzw. Voruntersuchungen handeln. Ferner können die Nicht-Bilddaten auf den Patienten bezogene demografische Angaben etwa bezogen auf das Alter, das Geschlecht, die Lebensgewohnheiten, Risikofaktoren usw. umfassen. Zudem können Nicht-Bilddaten ein oder mehrere Vorbefunde und/oder andere Einschätzungen (etwa von anderen, ggf. überweisenden Ärzten) aufweisen. Diese können beispielsweise in Form eines oder mehrerer strukturierter oder unstrukturierter medizinischer Berichte in den Patientendaten inkludiert sein.
Die Patientendaten können dabei von ein oder mehreren Speichereinrichtungen abgerufen werden, welche Speichereinrichtungen in das medizinische Netzwerk eingebunden sein können. Beispielsweise kann der Nutzer eine Befundungsaufgabe bzw. einen Patienten aus einer Arbeitsliste an der Front-End-Recheneinrichtung auswählen. Der Nutzer kann dabei beispielsweise eine Ärztin oder ein Arzt, wie beispielsweise eine Radiologin oder ein Radiologe sein, der eine medizinische Diagnose für den Patienten erstellen will (der Patient wird nachfolgend auch „zu befundender Patient“ genannt). Basierend auf der Auswahl der Befundungsaufgabe bzw. des Patienten können die angeschlossenen Speichereinrichtungen nach den Patientendaten des Patienten abgefragt werden (z.B. durch die Back-End-Recheneinrichtung oder die Front-End-Recheneinrichtung). Hierfür kann beispielsweise ein elektronischer Identifikator, wie etwa eine Patienten-ID oder eine Zugriffsnummer, verwendet werden. Entsprechend können die Patientendaten von einer oder mehreren der verfügbaren Speichereinrichtungen empfangen werden, in denen jeweils zumindest Teile der Patientendaten gespeichert sind. Die Speichereinrichtungen können dabei beispielsweise Teil medizinischer Informationssysteme, wie etwa Krankenhausinformationssysteme und/oder PACS-Systeme und/oder Labor-Informationssysteme usw. sein.
Die Patientendaten können nach einigen Ausführungsformen/Aspekten der Erfindung sehr umfassende und verschiedenartige Informationen über den Gesundheitszustand des Patienten aufweisen (nach anderen Ausführungsformen/Aspekten aber auch nur auf eine Datenkategorie begrenzt sein - etwa Bilddaten und dabei insbesondere Radiologiebilddaten). Es kann eine Aufgabe des Nutzers sein, im Rahmen einer Befundungsaufgabe basierend auf den Patientendaten einen medizinischen Befund bzw. eine medizinische Diagnose oder Schlussfolgerung zu ziehen und einen medizinischen Bericht zu erstellen.
Ein medizinischer Bericht kann das Ergebnis eines diagnostischen Prozesses sein, der darauf abzielt, den Zustand eines Patienten hinsichtlich einer Vielzahl von klinischen Aspekten basierend auf den dafür relevanten Patientendaten zu bestimmen. Ein medizinischer Bericht kann insbesondere ein strukturiertes Dokument aufweisen. In der modernen Medizin werden zu diesem Zweck häufig bildgebende Verfahren bzw. Verfahren der diagnostischen Radiologie oder der digitalen Histopathologie-Bildgebung eingesetzt. Zudem werden Nicht-Bilddaten, wie Labordaten, demografische Daten, Anamnesedaten, Vorbefunde etc. berücksichtigt. Ziel ist es, eine vermutete Diagnose zu bestätigen oder auszuschließen. Von den bildgebenden Verfahren produzierte Daten, insbesondere beispielsweise Röntgenbilder, Magnetresonanzscans oder Ultraschallaufnahmen, Histopathologiebilder können einen Teil des medizinischen Berichts bilden und dienen insbesondere der Dokumentation und Nachvollziehbarkeit des diagnostischen Prozesses. In ähnlicher Weise können Nicht-Bilddaten in dem medizinischen Bericht enthalten sein. Die für einen medizinischen Bericht derart aus der Gesamtheit der Patientendaten ausgewählten Daten werden im Rahmen der Erfindung auch als Einzelinformationen bezeichnet. Ferner können aus den vorgenannten Patientendaten durch Mittel der Datenverarbeitung auch Daten abgeleitet werden. Dies können z.B. aus Bilddaten, insbesondere automatisch, extrahierte Messwerte (etwa Volumina, Entfernungen, Kontrastwerte, Flächenverhältnisse, etc.) oder aus Nicht-Bilddaten, insbesondere automatisch, extrahierte Messwerte (Trends, Absolutwerte, etc.) sein. Auch solche Daten werden als Einzelinformationen bezeichnet. Daneben obliegt es einer Ärztin oder einem anderen geeigneten Experten, die Patientendaten oder Einzelinformationen im Hinblick auf Krankheitsbilder zu interpretieren oder zu begutachten. Auch die Ergebnisse der Begutachtung der Patientendaten können in dem medizinischen Bericht als Einzelinformationen (oder modifizierte Einzelformationen) eingehen. Einzelinformationen können mit anderen Worten Informationen sein, die zur Erstellung eines medizinischen Berichts entweder automatisch oder durch einen Nutzer aus den Patientendaten extrahiert bzw. produziert werden. Einzelinformationen können üblicherweise zu einer medizinischen Schlussfolgerung führen. Ein medizinischer Bericht kann insbesondere ein strukturiertes Dokument aufweisen, das wiederrum ein oder mehrere Einzelinformationen aufweist.
Eine Kontextinformation (andere Wörter sind Berichts- oder Befundungskontext) fasst die Rahmenbedingungen zusammen, die für eine bestimmte diagnostische Tätigkeit des Nutzers relevant sind. Eine Kontextinformation kann sich auf den zu erstellenden Bericht beziehen und z.B. festlegen, welche Einzelinformationen der Bericht enthalten soll und gegebenenfalls deren Reihenfolge. Eine Kontextinformation kann Angaben über die diagnostische Tätigkeit, die Befundungsaufgabe, den Gesundheitsstatus des Patienten, eine Dringlichkeit der Aufgabe usw. umfassen. Ferner kann die Kontextinformation eine Liste oder eine sonstige geeignete Datenstruktur umfassen, in der Datensätze innerhalb der Patientendaten angeführt sind, die z.B. aufgrund einer Befundungsaufgabe heranzuziehen sind. Die Kontextinformation kann für eine bestimmte diagnostische Tätigkeit bzw. Befundungsaufgabe aus einer Vielzahl von Kontextinformationen ausgewählt werden. Das heißt, dass für jede diagnostische Tätigkeit eine bestimme Kontextinformation ausgewählt werden kann, welche die für die Erledigung der diagnostischen Tätigkeit erforderlichen Patientendaten bzw. Einzelinformationen anfordert oder abruft. Die diagnostische Tätigkeit bzw. Befundungsaufgabe kann beispielsweise durch die Front-End-Recheneinrichtung and der Back-End-Recheneinrichtung bereitgestellt werden.
Der Datenfilter ist dazu ausgebildet aus den verfügbaren Patientendaten diejenigen Einzelinformationen zu identifizieren und bereitzustellen, die zur Erstellung eines medizinischen Berichts entsprechend der Kontextinformation erforderlich sind. Der Datenfilter kann beispielsweise ein, insbesondere adaptiver, Datenauswertealgorithmus sein. Der Datenfilter kann z.B. einzelne Datensätze in den Patientendaten identifizieren und als Einzelinformation bereitstellen und/oder einzelne Datensätze weiterverarbeiten und das Verarbeitungsergebnis als Einzelinformation bereitstellen. Mit anderen Worten kann der Datenfilter die Kontextinformation auf einen Befehlssatz abbilden, der geeignete Einzelinformationen in den Patientendaten identifiziert und bereitstellt.
Durch die Bereitstellung des medizinischen Berichts durch die Back-End-Recheneinrichtung wird der medizinische Bericht von einer zentralen Instanz innerhalb des medizinischen Netzwerks bereitgestellt. Mit anderen Worten wird ein Verfahren realisiert, das den medizinischen Bericht „As a Service“ bereitstellt. Dadurch können medizinische Berichte standardisiert werden und Aktualisierungen, etwa in den Patientendaten oder Datenfiltern, können einfach berücksichtigt werden. Ferner wird dadurch eine dynamische Versionsverwaltung medizinischer Berichte in dem Netzwerk ermöglicht. Zudem wird der Nutzer bei der Sichtung und Auswahl geeigneter Einzelinformationen unterstützt. Es wird also eine Infrastruktur bereitgestellt, die mit der Aufspaltung in Front-End-Recheneinrichtung und Back-End-Recheneinrichtung spezifisch an die Problemstellung angepasst wurde. Die Komponenten werden zudem in einer Weise adressiert, die durch technische Gegebenheiten medizinischer Systeme bestimmt wird, etwa in dem Sinn, dass in einem medizinischen Netzwerk mehrere Front-End-Recheneinrichtungen, an denen die Befundung erfolgt, koordiniert werden müssen.
Gemäß einem Aspekt umfasst das Bereitstellen der Patientendaten folgende Schritte:

Extrahieren eines Patientenidentifiktors aus der Kontextinformation;
Abfragen wenigstens einer Speichereinrichtung in dem medizinischen Netzwerk nach zu dem Patienten gehörenden Patientendaten basierend auf dem Patientenidentifikator durch die Back-End-Recheneinrichtung;
Empfangen der Patientendaten an der Back-End-Recheneinrichtung.

Durch den vorgenannten Aspekt können die Patientendaten zentral abgefragt werden, was zum einen sicherstellt, dass alle relevanten Daten berücksichtigt werden und zu anderen den Nutzer entlastet.
Die Speichereinrichtung kann mehrere einzelne und insbesondere voneinander unabhängige Speichereinheiten aufweisen, in denen jeweils unterschiedliche Patientendaten des Patienten gespeichert sein können, wie etwa medizinische Bilddaten in einer Bilddatenspeichereinheit (etwa ein PACS-System), Labordaten in einer Labordaten-Speichereinheit (etwa ein LIS-System) oder weitere Gesundheitsdaten des Patienten in einer Gesundheitsdaten-Speichereinheit (etwa ein EMR-System).
Gemäß einem Aspekt umfassen die Patientendaten medizinische Bilddatensätze und Labordatensätze des Patienten und der Datenfilter ist derart ausgebildet, eine erste und eine zweite Einzelinformation bereitzustellen, wobei die erste Einzelinformation aus den medizinischen Bilddatensätzen extrahiert ist und die zweite Einzelinformation aus den Labordatensätzen extrahiert ist. Somit kann der medizinische Bericht automatisch basierend auf komplementären Informationen erstellt werden.
Gemäß einem Aspekt umfasst der Schritt des Bereitstellens des wenigstens einen Datenfilters:

ein Bereitstellen mehrerer unterschiedlicher Auswahl-Datenfilter in der Back-End-Recheneinrichtung, welche Auswahl-Datenfilter dazu ausgebildet sind, jeweils unterschiedliche Einzelinformationen zur Erstellung unterschiedlicher medizinischer Berichte zu extrahieren, und
Auswählen wenigstens Datenfilters aus den Auswahl-Datenfiltern basierend auf der Kontextinformation.

Dadurch kann basierend auf der Kontextinformation ein geeigneter Datenfilter ausgewählt werden, der dann die für den zu erstellenden medizinischen Bericht passenden Einzelinformationen extrahiert. Soll z.B. ein medizinischer Bericht zur Befundung einer Thorax-Aufnahme erstellt werden, kann ein entsprechender Datenfilter ausgewählt werden, der zunächst in den Patientendaten Thorax-Bilddaten identifiziert und bereitstellt und ggf. weitere Einzelinformationen daraus ableitet. Die Auswahldatenfilter können z.B. in einem Datenspeicher der Back-End-Recheneinrichtung bereitgestellt werden.
Gemäß einem Aspekt kann dabei basierend auf der Kontextinformation ein Berichttyp ermittelt werden, wobei der Berichttyp den Typ des zu erstellenden medizinischen Berichts angibt, und der Schritt des Bereitstellens des Datenfilters basierend auf dem ermittelten Berichtstyp erfolgt. Mit anderen Worten kann also ein zu dem Berichtstyp passender Datenfilter ausgewählt werden.
Gemäß einem Aspekt weist der Datenfilter eine trainierte Funktion auf. welche dazu ausgebildet ist, basierend auf der Kontextinformation wenigstens eine Einzelinformation zur Erzeugung eines medizinischen Berichts zu extrahieren.
Eine trainierte Funktion bildet allgemein Eingabedaten auf Ausgabedaten ab. Hierbei können die Ausgabedaten insbesondere von einem oder mehreren Parametern der trainierten Funktion abhängen. Der eine oder die mehreren Parameter der trainierten Funktion können durch ein Training bestimmt und/oder angepasst werden. Das Bestimmen und/oder das Anpassen des einen Parameters oder der mehreren Parameter der trainierten Funktion kann insbesondere auf einem Paar aus Trainingseingabedaten und zugehörigen Trainingsausgabedaten basieren, wobei die trainierte Funktion zur Erzeugung von Trainingsabbildungsdaten auf die Trainingseingabedaten angewendet wird. Insbesondere können das Bestimmen und/oder das Anpassen auf einem Vergleich der Trainingsabbildungsdaten und der Trainingsausgabedaten basieren. Im Allgemeinen wird auch eine trainierbare Funktion, d.h. eine Funktion mit noch nicht angepassten Parametern, als trainierte Funktion bezeichnet. Insbesondere kann die trainierte Funktion in einer einzelnen Filterkomponente des Datenfilters enthalten sein. Daneben kann der Datenfilter noch weitere Filterkomponenten aufweisen, die keine trainierten Funktionen umfassen, weil sie die z.B. regelbasiert arbeiten. Ferner kann der Datenfilter auch mehrere trainierte Funktionen aufweisen.
Andere Begriffe für trainierte Funktion sind trainierte Abbildungsvorschrift, Abbildungsvorschrift mit trainierten Parametern, Funktion mit trainierten Parametern, Algorithmus basierend auf künstlicher Intelligenz, Algorithmus des maschinellen Lernens. Ein Beispiel für eine trainierte Funktion ist ein künstliches neuronales Netzwerk. Anstatt des Begriffs „neuronales Netzwerk“ kann auch der Begriff „neuronales Netz“ verwendet werden. Ein neuronales Netzwerk ist im Grunde genommen wie ein biologisches neuronales Netz - etwa ein menschliches Gehirn - aufgebaut. Insbesondere umfasst ein künstliches neuronales Netzwerk eine Eingabeschicht und eine Ausgabeschicht. Es kann ferner mehrere Schichten zwischen Eingabe- und Ausgabeschicht umfassen. Jede Schicht umfasst mindestens einen, vorzugsweise mehrere, Knoten. Jeder Knoten kann als biologische Verarbeitungseinheit verstanden werden, z.B. als Neuron. Mit anderen Worten entspricht jedes Neuron einer Operation, die auf Eingabedaten angewendet wird. Knoten einer Schicht können durch Kanten oder Verbindungen mit Knoten anderer Schichten verbunden sein, insbesondere durch gerichtete Kanten oder Verbindungen. Diese Kanten oder Verbindungen definieren den Datenfluss zwischen den Knoten des Netzwerks. Die Kanten oder Verbindungen sind mit einem Parameter assoziiert, der häufig als „Gewicht“ oder „Kantengewicht“ bezeichnet wird. Dieser Parameter kann die Wichtigkeit der Ausgabe eines ersten Knotens für die Eingabe eines zweiten Knotens regulieren, wobei der erste Knoten und der zweite Knoten durch eine Kante verbunden sind. Insbesondere kann eine trainierte Funktion auch ein tiefes künstliches neuronales Netzwerk aufweisen (englischer Fachbegriff sind „deep neural network“ oder „deep artificial neural network“).
Insbesondere kann ein neuronales Netzwerk trainiert werden. Insbesondere wird das Training eines neuronalen Netzwerks basierend auf den Trainingseingabedaten und den zugehörigen Trainingsausgabedaten gemäß einer „überwachten“ Lerntechnik (ein englischer Fachbegriff ist „supervised learning“) durchgeführt, wobei die bekannten Trainingseingabedaten in das neuronale Netzwerk eingegeben und die vom Netzwerk generierten Ausgabedaten mit den zugehörigen Trainingsausgabedaten verglichen werden. Das künstliche neuronale Netzwerk lernt und passt die Kantengewichte für die einzelnen Knoten unabhängig an, solange die Ausgabedaten der letzten Netzwerkschicht den Trainingsausgabedaten nicht ausreichend entsprechen.
Gemäß einem Aspekt weist wenigstens eine der trainierten Funktionen ein faltendes neuronales Netzwerk und insbesondere ein bereichsbasiertes faltendes neuronales Netzwerk auf.
Ein englischer Fachbegriff für faltendes neuronales Netzwerk ist convolutional neural network. Insbesondere kann das faltende neuronale Netzwerk als tiefes faltendes neuronales Netzwerk ausgebildet sein (ein englischer Fachbegriff ist „deep convolutional neural network“). Das neuronale Netzwerk weist dabei ein oder mehrere Faltungsschichten (ein englischer Fachbegriff ist „convolutional layer“) und ein oder mehrere Entfaltungsschichten (ein englischer Fachbegriff ist „deconvolutional layer“) auf. Insbesondere kann das neuronale Netzwerk eine Sammelschicht umfassen (ein englischer Fachbegriff ist „pooling layer“). Durch die Verwendung von Faltungsschichten und/oder Entfaltungsschichten kann ein neuronales Netzwerk besonders effizient zur Bildverarbeitung eingesetzt werden, da trotz vieler Verbindungen zwischen Knotenschichten nur wenige Kantengewichte (nämlich die den Werten des Faltungskerns entsprechenden Kantengewichte) bestimmt werden müssen. Bei einer gleichen Zahl von Trainingsdaten kann damit auch die Genauigkeit des neuronalen Netzwerks verbessert werden.
Ein englischer Fachbegriff für bereichsbasiertes faltendes neuronales Netzwerk ist region-based convolutional neural network. Das bereichsbasierte faltende neuronale Netzwerk kann eine sog. schnelles bereichsbasiertes faltendes neuronales Netzwerk (ein englischer Fachbegriff hierfür ist fast region-based convolutional neural network") oder ein schnelleres bereichsbasiertes faltendes neuronales Netzwerk (ein englischer Fachbegriff hierfür ist fast region-based convolutional neural network") aufweisen. Bereichsbasierte faltende neuronale Netzwerke sind dadurch gekennzeichnet, dass sie integrierte Funktionalitäten zur Definition möglicherweise relevanter Datenbereiche aufweisen, womit sie für ein Identifizieren von Einzelinformationen gemäß Ausführungsformen/Aspekten der Erfindung geeignet sind.
Gemäß einem Aspekt weist der Datenfilter wenigstens einen Computerlinguistikalgorithmus auf, der dazu ausgebildet ist einzelne Datensätze in den Patientendaten basierend auf linguistischer Information, insbesondere natürliche Sprache enthaltender Information, als Einzelinformationen zu identifizieren und bereitzustellen. Insbesondere kann der Computerlinguistikalgorithmus dazu ausgebildet sein, Metadaten einzelner Datensätze, wie etwa Header, auszuwerten.
Gemäß einem Aspekt weist der Datenfilter einen regelbasierten Algorithmus auf, der Einzelinformationen basierend auf festen Auswahlregeln identifiziert und bereitstellt.
Gemäß einem Aspekt, umfasst das Verfahren ferner
ein Bereitstellen einer Auswahl mehrerer Auswahl-Templates zur Erstellung jeweils unterschiedlicher medizinischer Berichte, und
ein Auswählen eines Templates aus den mehreren Auswahl-Templates basierend auf der Kontextinformation, wobei
im Schritt des Erzeugens der medizinische Bericht basierend auf dem Template erzeugt wird und insbesondere die wenigstens eine Einzelinformation automatisch in das ausgewählte Template eingegeben wird.
Ein anderer Begriff für Template ist Berichtstemplate oder Berichtsvorlage. Durch das Bereitstellen und gezielte Auswählen eines geeigneten Templates kann sichergestellt werden, dass ein korrekter medizinischer Bericht erstellt wird. Ferner ist auf diese Weise eine bessere Standardisierung und eine verbesserte Vergleichbarkeit möglich. Die Auswahl-Templates können beispielsweise in einem Datenspeicher der Back-End-Recheneinrichtung bereitgestellt werden.
Gemäß einem Aspekt umfasst das Verfahren ferner
ein Bereitstellen einer Datenstruktur in der Back-End-Recheneinrichtung, die jedes Auswahl-Template mit einem oder mehreren verschiedenen Datenfiltern verbindet, wobei der Schritt des Bereitstellens des wenigstens einen Datenfilters basierend auf der Datenstruktur erfolgt.
Somit kann zu jedem Berichtstemplate automatisch der passende Datenfilter ausgewählt werden, der dann die für das Template passenden Einzelinformationen liefert. Die Datenstruktur kann z.B. eine Liste sein, die jedem Auswahl-Template einen Datenfilter zuordnet. Die Datenstruktur kann z.B. in einem Datenspeicher der Back-End-Recheneinrichtung gespeichert sein. Gemäß einer Ausgestaltung kann das Template basierend auf dem Berichts-Typ aus den Auswahl-Templates ausgewählt werden.
Gemäß einem Aspekt umfasst das Verfahren ferner
ein Bereitstellen einer früheren Version des medizinischen Berichts für den Patienten an der Back-End-Recheneinrichtung, wobei der medizinische Bericht basierend auf der früheren Version des medizinischen Berichts erzeugt wird.
Bereitgestellt werden kann die frühere Version des medizinischen Berichts z.B. in einem Datenspeicher der Back-End-Recheneinrichtung (in dem sie bei Erzeugung in der Back-End-Recheneinrichtung gespeichert wurde). Alternativ kann die frühere Version des medizinischen Berichts der Back-End-Recheneinrichtung über das medizinische Netzwerk übermittelt werden, z.B. als Teil der Kontextinformation oder separat davon. Ferner kann „bereitstellen“ heißen, dass die Back-End-Recheneinrichtung das medizinische Netzwerk bzw. eine darin eingebundene Speichereinrichtung nach einer früheren Version des medizinischen Berichts abfragt und diesen anfordert. „Basierend auf dem früheren medizinischen Bericht erzeugt“ kann z.B. umfassen, dass der Datenfilter basierend auf der früheren Version des medizinischen Berichts bereitgestellt wird. Insbesondere kann der gleiche Datenfilter wie bei dem Erzeugen der früheren Version bereitgestellt werden. Ferner kann „basierend auf dem früheren medizinischen Bericht erzeugt“ umfassen, dass das gleiche Berichts-Template wie für die frühere Version des medizinischen ausgewählt wird. Die Berücksichtigung der früheren Version hat den Vorteil einer kohärenteren Erstellung medizinischer Berichte in dem medizinischen Netzwerk. Die frühere Version des medizinischen Berichts kann in der Vergangenheit bereits von der Front-End-Recheneinrichtung angefordert worden sein oder von einer davon verschiedenen Front-End-Recheneinrichtung im medizinischen Netzwerk angefordert worden sein.
Gemäß einem Aspekt umfasst das Übermitteln des medizinischen Berichts an die Front-End-Recheneinrichtung ein Übermitteln der früheren Version des medizinischen Berichts an die Front-End-Recheneinrichtung. Damit kann der Nutzer and der Front-End-Recheneinrichtung gezielt über die frühere Version in Kenntnis gesetzt werden und diese bei der Diagnoseerstellung berücksichtigen.
Gemäß einem Aspekt kann ferner eine Änderungsinformation basierend auf einem Vergleich zwischen den Patientendaten und der früheren Version des medizinischen Berichts ermittelt werden, welche Änderungsinformation angibt, wie sich wenigstens ein Zustand des Patienten seit dem Zeitpunkt der früheren Version verändert hat, wobei der medizinische Bericht zusätzlich basierend auf der Änderungsinformation erzeugt wird und insbesondere die Änderungsinformation für einen Nutzer ausweist.
Dadurch kann automatische ermittelt werden, wie sich ein Zustand des Patienten seit dem Zeitpunkt des früheren medizinischen Berichts verändert hat. Der Nutzer wird so in die Lage versetzt, diese Information bei der Diagnoseerstellung zu berücksichtigen.
Gemäß einem Aspekt kann ferner wenigstens eine frühere Anwendungsinstanz der früheren Version des medizinischen Berichts in dem medizinischen Netzwerk bestimmt werden und der medizinische Bericht kann an die wenigstens eine frühere Anwendungsinstanz übermittelt werden.
Die frühere Anwendungsinstanz kann z.B. eine von der Front-End-Recheneinrichtung verschiedene Front-End-Recheneinrichtung, ein in dem medizinischen Netzwerk registrierter Nutzer und/oder eine Speichereinrichtung in dem medizinischen Netzwerk sein. Dadurch werden den früheren Anwendungsinstanzen automatisch aktualisierte Versionen des medizinischen Berichts bereitgestellt. Durch diese zentrale Versionsverwaltung kann sichergestellt werden, dass alle Instanzen des medizinischen Netzwerks mit aktuellen Daten arbeiten.
Gemäß einem Aspekt umfasst das Verfahren ferner die Schritte:

Ermitteln wenigstens einer fehlenden Einzelinformation in den Patientendaten basierend auf der Kontextinformation und/oder dem anzuwendenden Datenfilter, sowie einen oder mehrere der folgenden Schritte:
- Übermitteln eines Hinweises betreffend die fehlende Einzelinformation an die Front-End-Recheneinrichtung; und/oder
- Anwenden eines Datenauswerteprogramms zur Ermittlung der fehlenden Einzelinformation aus den Patientendaten an der Back-End-Recheneinrichtung; und/oder
- Veranlassen der Front-End-Recheneinrichtung und/oder einer davon verschiedenen Anwendungsinstanz in dem medizinischen Netzwerk zur Ermittlung der fehlenden Einzelinformation durch die Back-End-Recheneinrichtung.

Eine fehlende Einzelinformation kann sich z.B. auf einen fehlenden Datensatz oder einen fehlenden Messwert beziehen. Fehlt ein Datensatz, kann dies insbesondere an einer noch nicht durchgeführten Untersuchung, etwa ein Labortest oder eine bildgebende Untersuchung, des Patienten liegen. Um eine solche fehlende Einzelinformation zu erzeugen, muss die Untersuchung durchgeführt werden. Fehlt ein Messwert kann dieser unter Umständen basierend auf den Patientendaten extrahiert werden. Durch die automatische Ermittlung fehlender Messwerte kann systematisch überprüft werden, ob alle Informationen zur Erstellung des angeforderten medizinischen Berichts vorhanden sind. Falls nicht, können automatisch Schritte eingeleitet werden, was der Qualitätssicherung dient und den Nutzer entlastet.
Gemäß einem Aspekt umfasst das Ermitteln der fehlenden Einzelinformation ein Anwenden des bereitgestellten Datenfilters auf die Patientendaten sowie ein Feststellen, dass eine mit dem Datenfilter nachgesuchte Einzelinformation in den Patientendaten nicht enthalten ist (da das Ergebnis des Anwendens des Datenfilters in dieser Hinsicht keinen Wert liefert).
Gemäß einem Aspekt umfasst das Anwenden des Datenauswerteprogramms in der Back-End-Recheneinrichtung ein Bereitstellen mehrerer Auswahl-Datenauswerteprogramme, die jeweils dazu ausgebildet sind, aus Patientendaten unterschiedliche Einzelinformationen zu extrahieren (bzw. Patientendaten zum Bereitstellen entsprechender Einzelinformation zu bearbeiten) sowie ein Auswählen des Datenauswerteprogramms basierend auf der fehlenden Einzelinformation.
Bereitgestellt werden können die Datenauswerteprogramme z.B. in einem Datenspeicher der Back-End-Recheneinrichtung. Dadurch können ggf. bereits in der Back-End-Recheneinrichtung fehlende Einzelinformationen beschafft werden, was sowohl die Front-End-Recheneinrichtung als auch den Nutzer entlastet.
Gemäß einem Aspekt umfassen die Patientendaten wenigstens einen medizinischen Bilddatensatz und die fehlende Einzelinformation bezieht sich auf einen aus dem medizinischen Bilddatensatz zu extrahierenden Messwert, wobei das Datenauswerteprogramm als Bildverarbeitungsalgorithmus zum Extrahieren des Messwerts aus dem medizinischen Bilddatensatz ausgebildet ist.
Gemäß einem Aspekt kann das Verfahren ferner umfassen, die Front-End-Recheneinrichtung und/oder eine davon verschiedene weitere Anwendungsinstanz in dem medizinischen Netzwerk dazu zu veranlassen, ein Datenauswerteprogramm zur Ermittlung der fehlenden Einzelinformation anzuwenden. Gemäß einem Aspekt kann das zugehörige Datenauswerteprogramm der Front-End-Recheneinrichtung und/oder einer davon verschiedenen weiteren Anwendungsinstanz von der Back-End-Recheneinrichtung übermittelt bzw. bereitgestellt werden.
Damit können weitere Instanzen im Netzwerk zur Erzeugung fehlender Einzelinformationen veranlasst bzw. befähigt werden. Dies kann vor allem dann sinnvoll sein, wenn die Rohdaten, auf die das Datenauswerteprogramm anzuwenden ist, nicht Teil der bereitgestellten Patientendaten sind.
Gemäß einem Aspekt bezieht sich die fehlende Einzelinformation auf eine nicht durchgeführte Untersuchung des Patienten, und das Veranlassen umfasst ein Veranlassen einer Durchführung der nicht durchgeführten medizinischen Untersuchung durch die Back-End-Recheneinrichtung in dem medizinischen Netzwerk. Insbesondere kann einer geeigneten Anwendungsinstanz (etwa einem Ressourcen-Planungssystem oder einer bildgebenden Modalität) in dem Netzwerk eine Anforderung zur Durchführung der Untersuchung übermittelt werden. Insbesondere kann die Anforderung Untersuchungsparameter umfassen, auf deren Grundlage die Untersuchung durchgeführt werden kann. Untersuchungsparameter können z.B. Steuerparameter und/oder Einstellungen einer bildgebenden Modalität, etc. umfassen.
Gemäß einem Aspekt umfasst das Verfahren ferner die Schritte:

Empfangen eines modifizierten medizinischen Berichts von der Front-End-Recheneinrichtung an der Back-End-Recheneinrichtung, welcher modifizierte medizinische Bericht auf dem medizinischen Bericht beruht und gegenüber dem medizinischen Bericht ein oder mehrere Modifikationen aufweist.

Insbesondere kann der modifizierte medizinische Bericht durch einen Nutzer vorgenommene Modifikationen aufweisen. Eine Modifikation kann beispielsweise eine durch den Nutzer gelöschte und/oder abgeänderte und/oder hinzugefügte Einzelinformation umfassen.
Gemäß einem Aspekt kann der modifizierte medizinische Bericht in einem Datenspeicher der Back-End-Recheneinrichtung gespeichert werden (z.B. in einer Berichtsdatenstruktur für den jeweiligen Patienten). Damit kann der modifizierte Bericht für die weitere Verwendung zentral archiviert werden und verbleibt nicht an der Front-End-Recheneinrichtung.
Gemäß einem Aspekt kann ferner der Datenfilter basierend auf einem Vergleich zwischen dem modifizierten medizinischen Bericht mit dem medizinischen Bericht angepasst werden.
Damit können durch systematische Auswertung des Nutzer-Feedbacks verbesserte Datenfilter bereitgestellt werden.
Gemäß einem Aspekt umfasst das Verfahren ferner die Schritte:

Erfassen eines Updateereignisses bezüglich des medizinischen Berichts an der Back-End-Recheneinrichtung;
Updaten des medizinischen Berichts entsprechend des Updateereignisses;
Übermitteln des geupdateten medizinischen Berichts an die Front-End-Recheneinrichtung;
wobei das Updateereignis insbesondere eines oder mehrere der nachfolgenden Ereignisse umfasst:
- ein Bereitstellen geupdateter Patientendaten;
- ein Bereitstellen eines angepassten Datenfilters;
- ein Empfangen einer Update-Anfrage in der Back-End-Recheneinrichtung aus dem medizinischen Netzwerk; und/oder
- Ablauf einer vorgegebenen Zeitspanne seit dem Erzeugen des medizinischen Berichts.

Durch das zentrale Erfassen vorbestimmter Updateereignisse können einmal erstellte medinische Berichte fortlaufend auf dem neusten Stand gehalten und dem medizinischen Netzwerk bereitgestellt werden.
Gemäß einem Aspekt umfasst das Verfahren ferner die Schritte:

Bestimmen wenigstens einer, von der Front-End-Recheneinrichtung verschiedenen, weiteren Anwendungsinstanz des medizinischen Berichts in dem medizinischen Netzwerk;
Übermitteln des geupdateten medizinischen Berichts an die wenigstens eine weitere Anwendungsinstanz.

Anwendungsinstanz kann dabei jedwede Instanz in dem medizinischen Netzwerk bezeichnen, durch die der medizinische Bericht verarbeitet wurde. Insbesondere kann dies eine weitere Front-End-Recheneinrichtung, eine Speichereinrichtung oder auch ein Nutzer in dem medizinischen Netzwerk sein. Dadurch kann sichergestellt werden, dass alle relevanten Stellen in dem medizinischen Netzwerk einen aktualisierten medizinischen Bericht erhalten.
Gemäß einem Aspekt kann das Verfahren ferner ein Bewerten einer klinischen Relevanz des Updateereignisses umfassen, wobei die Schritte des Updatens und Übermittelns nur erfolgen, falls die klinische Relevanz über einem Schwellwert liegt.
Dadurch kann sichergestellt werden, dass die o.g. Schritte nur dann initiiert werden, wenn diese tatsächlich notwendig sind, was Ressourcen sparen kann.
Insbesondere falls das Updateereignis ein Bereitstellen geupdateter Patientendaten umfasst, kann der Schritt des Bewertens der klinischen Relevanz ferner umfassen:

Anwenden des Datenfilters auf die geupdateten Patientendaten zur Erzeugung wenigstens einer geupdateten Einzelinformation,
Vergleichen der geupdateten Einzelinformation mit der Einzelinformation, und
Bewerten der klinischen Relevanz basierend auf dem Vergleichen der geupdateten Einzelinformation mit der Einzelinformation, wobei die klinische Relevanz umso größer ist, je größer die Abweichung der geupdateten Einzelinformation von der Einzelinformation ist.

Damit kann basierend auf den relevanten Einzelinformationen entschieden werden, ob ein Updateprozess auszuführen ist, was ggf. Ressourcen im medizinischen Netzwerk sparen kann.
Gemäß einem Aspekt ist der Datenfilter ferner dazu ausgebildet, für jede Einzelinformation eine Relevanzinformation bereitzustellen, welche Relevanzinformation eine klinische Relevanz für den zu erzeugenden medizinischen Bericht angibt.
Die Relevanzinformation kann der Front-End-Recheneinrichtung durch die Back-End-Recheneinrichtung zusammen mit dem medizinischen Bericht übermittelt werden. Dadurch wird ein Nutzer in die Lage versetzt, einschätzen zu können, warum die entsprechenden Einzelinformationen für den medizinischen Bericht ausgewählt wurden. Die Relevanzinformation kann dabei insbesondere von der Kontextinformation und/oder von den Patientendaten abhängen. Insbesondere kann die Relevanzinformation einen Relevanzwert umfassen, in dem die Relevanz einer Einzelinformation für den medizinischen Bericht quantifiziert ist.
Gemäß einem Aspekt erfolgt die Erzeugung des medizinischen Berichts zusätzlich basierend auf der Relevanzinformation. Dadurch kann beispielsweise sichergestellt werden, dass nur solche Einzelinformationen für den medizinischen Bericht verwendet werden, die eine hinreichende klinische Relevanz aufweisen. Insbesondere können nur solche Einzelinformationen verwendet werden, deren Relevanzwert über einer vorgegebenen Schwelle liegt.
Gemäß einem Aspekt ist der Datenfilter dazu ausgebildet, eine weitere Einzelinformation zur Erzeugung des medizinischen Berichts aus den Patientendaten zu extrahieren, wobei die weitere Einzelinformation zur weiteren Analyse durch einen Nutzer an der Front-End-Recheneinrichtung vorgemerkt ist. Ferner umfasst das Verfahren ein Übermitteln der weiteren Einzelinformation und/oder einer Information betreffend die weitere Einzelinformation zur weiteren Analyse durch einen Nutzer an die Front-End-Recheneinrichtung durch die Back-End-Recheneinrichtung.
Die weitere Einzelinformation kann mit anderen Worten eine Einzelinformation sein, die für den medizinischen Bericht relevant ist, aber einer weiteren Analyse durch den Nutzer bedarf. Dadurch kann der Nutzer gezielt auf Daten aufmerksam gemacht werden, die er zur finalen Erstellung des medizinischen Berichts noch weiter analysieren muss.
Gemäß einem Aspekt ist die weitere Einzelinformation ein Datensatz und insbesondere ein medizinischer Bilddatensatz, wie etwa ein Radiologie-Bilddatensatz oder ein Histopathologie-Bilddatensatz. Dadurch werden insbesondere solche Daten identifiziert, bei denen ein menschlicher Nutzer eine weitere Analyse durchführen muss. Dadurch kann sichergestellt werden, dass keine Daten übersehen werden und diffizile Auswerteschritte befinden sich gleichzeitig noch in der Hand des Nutzers. Auch für weitere Einzelinformationen kann jeweils eine zugehörige Relevanzinformation bereitgestellt werden. Modifiziert der Nutzer den medizinischen Bericht basierend auf der weiteren Einzelinformation kann insbesondere wie oben beschrieben verfahren werden und der modifizierte Bericht kann wieder der Back-End-Recheneinrichtung bereitgestellt werden.
Gemäß einem Aspekt kann das Verfahren ferner umfassen:

Bereitstellen eines Datenspeichers in der Back-End-Recheneinrichtung;
Speichern des medizinischen Berichts sowie, optional, der Patientendaten, der Kontextinformation, der Einzelinformation und/oder der Relevanzinformation in einer dem Patienten zugeordneten Berichtsdatenstruktur in dem Datenspeicher.

Durch das Speichern in der Berichtsdatenstruktur können die medizinischen Berichte zentral verwaltet werden, was eine verbesserte Versionskontrolle ermöglicht. Gemäß einem Aspekt kann ferner ein Schritt des Anlegens einer Berichtsdatenstruktur für den Patienten in dem Datenspeicher erfolgen.
Gemäß einem Aspekt ist die Back-End-Recheneinrichtung ferner als Cloud-Server bzw. Cloud-System ausgebildet.
Durch eine solche Auslegung können z.B. über das Internet geräteunabhängig, zeitnah und mit wenig Aufwand geteilte Computerressourcen als Dienstleistung, etwa in Form von Servern, Datenspeicher oder Applikationen, bereitstellt werden. Die Nutzung der Back-End-Recheneinrichtung kann z.B. über einen Browser oder eine geeignete Applikation an der Front-End-Recheneinrichtung erfolgen. Durch die Ausgestaltung als Cloud wird folglich ein Cloud-Service geschaffen, der eine Vielzahl unterschiedlicher Front-End-Recheneinrichtungen bedienen kann, die ferner unterschiedlichen medizinischen Organisationen angehören können.
Gemäß einem Aspekt erfolgt die Bereitstellung von Patientendaten und/oder Kontextdaten an der Back-End-Recheneinrichtung in anonymisierter und/oder pseudonymisierter Form (d.h., die Patientendaten und/oder die Kontextinformation sind anonymisiert und/oder pseudonymisiert). Ebenso kann der medizinische Bericht anonymisiert und/oder pseudonymisiert sein und/oder die Berichtsdatenstruktur kann anonymisiert und/oder pseudonymisiert sein.
Gemäß einem Aspekt wird ferner eine Vorrichtung zum Bereitstellen eines medizinischen Berichts in einem medizinischen Netzwerk mit wenigstens einer Front-End-Recheneinrichtung bereitgestellt, wobei die Vorrichtung über das medizinische Netzwerk mit der Front-End-Recheneinrichtung in Verbindung steht und eine Recheneinrichtung aufweist, die dazu ausgebildet ist:

- eine auf einen Patienten bezogenen Kontextinformation von der Front-End-Recheneinrichtung zu empfangen;
- Patientendaten des Patienten bereitzustellen;
- wenigstens einen Datenfilter basierend auf der Kontextinformation bereitzustellen, wobei der Datenfilter dazu ausgebildet ist, aus den Patientendaten wenigstens eine Einzelinformation zur Erzeugung eines medizinischen Berichts zu extrahieren;
- den medizinischen Berichts basierend auf den Patientendaten und der Kontextinformation durch Anwenden des Datenfilters auf die Patientendaten zu erzeugen; und
- den medizinischen Bericht an die Front-End-Recheneinrichtung zu übermitteln.

Die Vorrichtung kann als die Back-End-Recheneinrichtung ausgebildet sein.
Die Vorteile der vorgeschlagenen Vorrichtungen entsprechen im Wesentlichen den Vorteilen der vorgeschlagenen Verfahren. Merkmale, Vorteile oder alternative Ausführungsformen/Aspekte können ebenso auf die anderen beanspruchten Gegenstände übertragen werden und umgekehrt.
Gemäß einem Aspekt wird ferner ein System zum Bereitstellen eines medizinischen Berichts bereitgestellt, welches System die o.g. Vorrichtung sowie wenigstens eine Front-End-Recheneinrichtung aufweist.
Ferner kann das System den o.g. Datenspeicher, z.B. als zentrale oder dezentrale Speichereinheit oder Cloud-Speicher, aufweisen. Ferner kann das System ein oder mehrere bildgebende Modalitäten, wie etwa ein Computertomografiesystem, ein Magnetresonanzsystem, ein Angiografiesystem, ein Röntgensystem, ein Positronen-Emissions-Tomografie-System, ein Mammografiesystem, und/oder ein System zur Erzeugung von Histopathologiebilddaten umfassen.
Die Erfindung betrifft in einem weiteren Aspekt ein Computerprogrammprodukt, das ein Programm umfasst und direkt in einen Speicher einer programmierbaren Steuerung ladbar ist und Programmmittel, z.B. Bibliotheken und Hilfsfunktionen, aufweist, um ein Verfahren zur Bereitstellung eines medizinischen Berichts insbesondere gemäß den vorgenannten Ausführungsformen/Aspekten auszuführen, wenn das Computerprogrammprodukt ausgeführt wird.
Ferner betrifft die Erfindung in einem weiteren Aspekt ein computerlesbares Speichermedium, auf welchem lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines Verfahrens zur Bereitstellung eines medizinischen Berichts gemäß den vorgenannten Ausführungsformen/Aspekten auszuführen, wenn die Programmabschnitte von dem der Steuerung ausgeführt werden.
Die Computerprogrammprodukte können dabei eine Software mit einem Quellcode, der noch kompiliert und gebunden oder der nur interpretiert werden muss, oder einen ausführbaren Softwarecode umfassen, der zur Ausführung nur noch in die Verarbeitungseinheit zu laden ist. Durch die Computerprogrammprodukte können die Verfahren schnell, identisch wiederholbar und robust ausgeführt werden. Die Computerprogrammprodukte sind so konfiguriert, dass sie mittels der Recheneinheit die erfindungsgemäßen Verfahrensschritte ausführen können. Die Recheneinheit muss dabei jeweils die Voraussetzungen wie beispielsweise einen entsprechenden Arbeitsspeicher, einen entsprechenden Prozessor, eine entsprechende Grafikkarte oder eine entsprechende Logikeinheit aufweisen, sodass die jeweiligen Verfahrensschritte effizient ausgeführt werden können.
Die Computerprogrammprodukte sind beispielsweise auf einem computerlesbaren Speichermedium gespeichert oder auf einem Netzwerk oder Server hinterlegt, von wo sie in den Prozessor der jeweiligen Recheneinheit geladen werden können, der mit der Recheneinheit direkt verbunden oder als Teil der Recheneinheit ausgebildet sein kann. Weiterhin können Steuerinformationen der Computerprogrammprodukte auf einem computerlesbaren Speichermedium gespeichert sein. Die Steuerinformationen des computerlesbaren Speichermediums können derart ausgebildet sein, dass sie bei Verwendung des Datenträgers in einer Recheneinheit ein erfindungsgemäßes Verfahren durchführen. Beispiele für computerlesbaren Speichermedium sind eine DVD, ein Magnetband oder ein USB-Stick, auf welchem elektronisch lesbare Steuerinformationen, insbesondere Software, gespeichert ist. Wenn diese Steuerinformationen von dem Datenträger gelesen und in eine Recheneinheit gespeichert werden, können alle erfindungsgemäßen Ausführungsformen/Aspekte der vorab beschriebenen Verfahren durchgeführt werden. So kann die Erfindung auch von dem besagten computerlesbaren Medium und/oder dem besagten computerlesbaren Speichermedium ausgehen. Die Vorteile der vorgeschlagenen Computerprogrammprodukte bzw. der zugehörigen computerlesbaren Medien entsprechen im Wesentlichen den Vorteilen der vorgeschlagenen Verfahren.
Weitere Besonderheiten und Vorteile der Erfindung werden aus den nachfolgenden Erläuterungen von Ausführungsbeispielen anhand von schematischen Zeichnungen ersichtlich. In diesem Zusammenhang genannte Modifikationen können jeweils miteinander kombiniert werden, um neue Ausführungsformen auszubilden. In unterschiedlichen Figuren werden für gleiche Merkmale die gleichen Bezugszeichen verwendet.
Es zeigen:

1 eine schematische Darstellung einer Ausführungsform eines Systems zur Bereitstellung eines medizinischen Berichts gemäß einer Ausführungsform,
2 eine schematische Darstellung einer Ausführungsform eines Systems zur Bereitstellung eines medizinischen Berichts gemäß einer weiteren Ausführungsform,
3 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung eines medizinischen Berichts gemäß einer Ausführungsform,
4 eine Realisierung eines Datenfilters zur Bereitstellung eines medizinischen Befunds aus Patientendaten gemäß einer Ausführungsform,
5 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung eines medizinischen Berichts gemäß einer Ausführungsform,
6 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung eines medizinischen Berichts gemäß einer Ausführungsform,
7 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung eines medizinischen Berichts gemäß einer Ausführungsform,
8 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung eines medizinischen Berichts gemäß einer Ausführungsform,
9 eine schematische Darstellung einer Verwendung einer trainierten Funktion in einem Datenfilters zur Bereitstellung eines medizinischen Befunds aus Patientendaten gemäß einer Ausführungsform,
10 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung einer trainierten Funktion gemäß einer Ausführungsform,
11 ein Trainingssystem zum Trainieren bzw. Bereitstellen einer trainierten Funktion,
12 eine schematische Darstellung einer Berichtsdatenstruktur zur Bereitstellung eines medizinischen Berichts gemäß einer Ausführungsform, und
13 eine schematische Darstellung einer Berichtsdatenstruktur zur Bereitstellung eines medizinischen Berichts gemäß einer Ausführungsform.

In 1 ist ein System 1 zur Bereitstellung eines medizinischen Berichts MB gemäß einer Ausführungsform dargestellt. Das System 1 weist wenigstens eine Front-End-Recheneinrichtung 50, eine Speichereinrichtung 60 und eine Back-End-Recheneinrichtung 200 auf, die miteinander über ein medizinisches Netzwerk 10 in Kommunikationsverbindung stehen.
Die Front-End-Recheneinrichtung 50 kann beispielsweise als Befundungsstation oder Befundungsarbeitsplatz ausgebildet sein, an welchem ein Nutzer Patientendaten PD sichten und analysieren sowie medizinische Berichte MB erstellen, prüfen, verändern und begutachten kann. Dazu kann die Front-End-Recheneinrichtung 50 eine nicht-dargestellte Nutzerschnittstelle aufweisen. Die Front-End-Recheneinrichtung 50 kann einen Prozessor aufweisen. Der Prozessor kann eine Central Processing Unit (CPU), eine Graphics Processing Unit (GPU), einen digitalen Signalprozessor (DSP), einen Bildverarbeitungsprozessor, einen integrierten (digitalen oder analogen) Schaltkreis oder Kombinationen der vorgenannten Komponenten und weitere Einrichtungen zum Bereitstellen eines medizinischen Berichts MB gemäß Ausführungsformen aufweisen. Die Front-End-Recheneinrichtung 50 kann beispielsweise einen Desktop-PC, Laptop oder ein Tablet umfassen.
Die Patientendaten PD können der Front-End-Recheneinrichtung 50 über geeignete Schnittstellen von der Speichereinrichtung 60 bereitgestellt werden. Typischerweise weist ein wie in 1 gezeigtes System eine Mehrzahl an Front-End-Recheneinrichtungen 50 auf, die alle auf die gleichen Speichereinrichtungen 60 zugreifen. In der gezeigten Ausführungsform sind die Speichereinrichtung 60 und die Front-End-Recheneinrichtung(en) 50 Teil der gleichen medizinischen Organisation ORG. Eine medizinische Organisation ORG kann beispielsweise eine Praxis, ein Praxisverbund, ein Krankenhaus oder ein Krankenhausverbund sein. In der gezeigten Ausführungsform ist ferner auch die Back-End-Recheneinrichtung 200 Teil der medizinischen Organisation ORG. Entsprechend kann das medizinische Netzwerk 10 als internes Netzwerk dieser Organisation ORG ausgebildet sein und z.B. ein Intranet umfassen (etwa ein Local Area Networks und/oder ein Wireless Local Area Network).
Die Speichereinrichtung 60 kann als zentrale oder dezentrale Datenbank ausgebildet sein. Die Speichereinrichtung 60 kann insbesondere Teil eines Serversystems sein. Die Speichereinrichtung 60 kann insbesondere Teil eines medizinischen Informationssystems wie etwa eines Krankenhausinformationssystems (KIS), eines PACS-Systems, eines Labor-Informationssystems (LIS), eines „electronic medical record“-(EMR)-Informationssystems und/oder weiterer medizinischer Informationssysteme sein. Die Speichereinrichtung 60 ist dazu ausgebildet, eine Anzahl von Patientendaten PD zu speichern. Die Speichereinrichtung 60 kann auch als Datenquelle oder Datenbank bezeichnet werden.
Eine Einzelinformation EI kann ein einzelner, in den Patientendaten PD enthaltener, insbesondere in sich geschlossener, Datensatz, Messwert oder medizinischer Befund sein.
Die Patientendaten PD und/oder die Einzelinformation EI können medizinische Bilddaten und/oder andere, keine Bildinformation umfassende, medizinische Daten aufweisen. Bilddaten können sich in diesem Zusammenhang auf medizinische Bilddaten mit zwei oder drei räumlichen Dimensionen beziehen. Ferner können die Bilddaten zusätzlich eine zeitliche Dimension aufweisen. Die Bilddaten können beispielsweise mit einer bildgebenden medizinischen Modalität erzeugt worden sein, wie etwa einem Röntgen-, Computertomografie-, Magnetresonanz-, Positronen-Emissions-Tomografie- oder Angiografie-Gerät oder weiteren Geräten. Solche Bilddaten können auch als Radiologie-Bilddaten bezeichnet werden.
Ferner können Patientendaten PD und/oder die Einzelinformation EI auch Histopathologiebilddaten umfassen, die jeweils ein oder mehrere Histopathologiebilder zeigen. Histopathologiebilddaten sind Bilddaten, die auf einer Gewebeprobe eines Patienten beruhen. Aus der Gewebeprobe werden Gewebeschnitte präpariert, die mit einer histologischen Färbung angefärbt werden. Die so präparierten Gewebeschnitte werden dann digitalisiert, um die Histopathologiebilddaten zu erhalten. Hierfür können spezialisierte Scanner, sog. Slide Scanner, verwendet werden. Das dabei aufgenommene Bild wird auch als „Whole Slide Image“ bezeichnet. Die dabei aufgenommen Bilddaten sind typischerweise zweidimensionale Pixeldaten.
Die in den Patientendaten PD und/oder in den Einzelinformation EI enthaltenen Bilddaten können beispielsweise entsprechend dem DICOM-Format formatiert sein. DICOM (=Digital Imaging and Communications in Medicine) ist ein offener Standard für die Kommunikation und Administration von medizinischen Bilddaten und zugehörigen Daten.
Neben Bilddaten können die Patientendaten PD und/oder die Einzelinformation EI auch Nicht-Bilddaten umfassen. Nicht-Bilddaten können z.B. Untersuchungsergebnisse sein, die nicht auf medizinscher Bildgebung beruhen. Dies kann Labordaten, Vitaldaten, Spirometriedaten oder die Protokolle neurologischer Untersuchungen umfassen. Daneben können Nicht-Bilddaten Textdatensätze, wie etwa strukturierte und unstrukturierte medizinische Befunde bzw. Befundsberichte (ein engischer Begriff hierfür lautet „medical reports“), umfassen. Nicht-Bilddaten können ferner auch patientenbezogene Daten sein. Dies kann z.B. demografische Angaben zum Patienten, etwa betreffend sein Alter, das Geschlecht oder das Körpergewicht, umfassen. Die Nicht-Bilddaten können in die Bilddaten z.B. als Metadaten eingebunden sein. Alternativ oder ergänzend können die Nicht-Bilddaten auch in einer elektronischen Krankenakte (ein englischer Ausdruck hierfür ist „Electronic Medical Record“ oder kurz EMR) des Patienten, d.h. separat von den Bilddaten, hinterlegt sein. Solche elektronische Krankenakten können beispielsweise in der Speichereinrichtung 60 archiviert sein.
Die Back-End-Recheneinrichtung 200 kann einen Prozessor aufweisen. Der Prozessor kann eine Central Processing Unit (CPU), eine Graphics Processing Unit (GPU), einen digitalen Signalprozessor (DSP), einen Bildverarbeitungsprozessor, einen integrierten (digitalen oder analogen) Schaltkreis oder Kombinationen der vorgenannten Komponenten und weitere Einrichtungen zum Bereitstellen eines medizinischen Berichts MB gemäß Ausführungsformen aufweisen. Die Back-End-Recheneinrichtung 200 kann als einzelne Komponente implementiert sein oder eine Gruppe von Rechnern aufweisen, wie etwa ein Cluster. Ein solches System kann Server-System genannt werden. Je nach Ausführungsform kann die Recheneinheit 20 als lokaler Server. Ferner kann die Recheneinheit 20 einen Arbeitsspeicher, wie einen RAM, aufweisen, um beispielsweise die Patientendaten PD, Datenfilter DF, Einzelinformationen EI, oder Berichtstemplates BT temporär zu speichern. Die Back-End-Recheneinrichtung 200 ist z.B. durch computerlesbare Instruktionen, durch Design und/oder Hardware derart ausgebildet, dass sie ein oder mehrere Verfahrensschritte gemäß Ausführungsformen der vorliegenden Erfindung ausführen kann.
Die Back-End-Recheneinrichtung 200 kann einen Datenspeicher 210 aufweisen, der dazu ausgebildet ist Patientendaten PD, Datenfilter DF, Berichtstemplates BT usw. zentral für mehrere verschiedene Patienten zu speichern. Insbesondere kann der Datenspeicher 210 dazu ausgebildet sein, diese Informationen in einer dedizierten Berichtsdatenstruktur BDS zu speichern. Die Berichtsdatenstruktur BDS kann dabei derart ausgebildet sein, dass mehrere Patienten und verschiedene Versionen eines medizinischen Berichts MB in dem Datenspeicher 210 verwaltet werden können.
Die Back-End-Recheneinrichtung 200 kann über geeignete Schnittstellen mit der Front-End-Recheneinrichtung 50 und oder der Speichereinrichtung 60 in Verbindung stehen. Über diese Schnittstelle kann die Back-End-Recheneinrichtung 200 Patientendaten PD und Kontextinformationen KI empfangen, auf deren Grundlage ein medizinischer Bericht MB zu erstellen und der Front-End-Recheneinrichtung 50 bereitzustellen ist.
Die Kontextinformationen KI geben dabei die Rahmenbedingungen an, unter denen ein medizinischer Bericht MB zu erstellen ist. Dies kann z.B. eine Befundungsaufgabe sein, eine Art des angeforderten medizinischen Berichts MB, ein Stadium des Patienten, eine Art der Untersuchung, auf deren Grundlage der medizinische Bericht MB zu erstellen ist und dergleichen.
Zur Bereitstellung eines medizinischen Berichts MB kann die Back-End-Recheneinrichtung 200 über verschiedene Module verfügen. Ein erstes Modul 220 kann als Datenfilter-Modul ausgebildet sein. Das Datenfilter-Modul 220 kann insbesondere dazu ausgebildet sein basierend auf der Kontextinformation KI und/oder den Patientendaten PD einen Datenfilter DF bereitzustellen, der geeignet ist, in den Patientendaten PD enthaltene Einzelinformationen EI, die für einen zu übermittelnden medizinischen Bericht MB benötigt werden, zu identifizieren und bereitzustellen. Insbesondere kann das Datenfilter-Modul 220 dazu ausgebildet sein, aus mehreren Auswahl-Datenfiltern DF einen oder mehrere geeignete Datenfilter DF auszuwählen und/oder einen Datenfilter DF geeignet anzupassen.
Ein weiteres Modul 230 kann als Relevanz-Modul ausgebildet sein. Das Relevanzmodul 230 kann dazu ausgebildet sein, zu einer Einzelinformation EI eine Relevanzinformation RI bereitzustellen. Die Relevanzinformation RI kann einen Wert oder eine Angabe darüber umfassen, wie relevant die zugehörige Einzelinformation EI für den zu erstellenden medizinischen Bericht MB ist. Das Relevanzmodul 230 kann insbesondere dazu ausgebildet sein, die Relevanzinformation RI basierend auf der Kontextinformation KI bereitzustellen. Beispielhaft kann z.B. eine Relevanzinformation RI für Thorax-Aufnahmen U1 eines Patienten durch das Relevanzmodul 230 wie folgt abgeleitet werden. Soll z.B. die Lunge befundet werden, kann in den Patientendaten PD zunächst nach Läsionen in der Lunge gesucht werden (etwa mit dem Datenfilter-Modul 220). Wird ein Befund z.B. enstprechend einer vorgegbenen klinischen Onthologie (z.B. „RID50149, RADLEX, Pulmonary nodule“) als L1-Lungenkonten identifiziert so kann dem Befund ein niedrigerer Relevanzwert als Relevanzinformation RI zugeordnet werden, als wenn der Befund als L4-Lungenknoten identifiziert würde. Bei der anschließenden Bereitstellung des medizinischen Berichts MB kann dann auf eine Aufnahme des L1-Lungenkonotens in den medizinischen Bericht MB verzichtet werden. Das Relevanzmodul 230 kann ferner dazu ausgebildet sein, die jeweilige Relevanzinformation RI in Zusammenhang mit der jeweiligen Einzelinformation EI z.B. in der Berichtdatenstruktur BDS zu speichern.
Ein weiteres Modul 240 kann als Prüfmodul ausgebildet sein, dass dazu ausgebildet ist, die Patientendaten PD (insbesondere basierend auf der Kontextinformation KI) auf Kohärenz und Vollständigkeit zu überprüfen. Bei der Kohärenzprüfung kann z.B. überprüft werden, ob der klinische Status des Patienten den Vorgaben entspricht. Dazu kann z.B. überprüft werden, ob die Patientendaten PD die für den Patienten entsprechend den Kontextdaten KD zu erwartenden klinischen Schritte oder Untersuchungen U1, U2, U3 in der richtigen Reihenfolge wiederspiegeln und ob Einzelinformationen EI fehlerhaft sind. Die Vollständigkeitsprüfung kann z.B. eine Überprüfung dahingehend umfassen, ob Einzelinformationen EI basierend auf dem klinischen Status des Patienten fehlen.
Ein weiteres Modul 250 kann als Korrelationsmodul ausgebildet sein, das dazu ausgebildet ist, zu verschiedenen Zeitpunkten entstandene Einzelinformationen EI aufeinander abzubilden, um z.B. zu entscheiden ob aktualisierte Patientendaten PD eine geupdatete Einzelinformation EI oder eine gänzlich neue Einzelinformation EI enthalten. Dazu kann das Korrelationsmodul beispielsweise einen Datenfilter DF auf aktualisierte Patientendaten PD anwenden und die durch den Datenfilter DF identifizierten Einzelinformationen EI mit in der Berichtsdatenstruktur BDS hinterlegten Einzelinformationen EI vergleichen.
Ein weiteres Modul 260 kann als Updatemodul ausgebildet sein. Das Updatemodul kann insbesondere dazu ausgebildet sein, einen bestehenden medizinischen Bericht MB upzudaten und den geupdateten medizinischen Bericht MB den relevanten Front-End-Recheneinrichtungen 50 und weiteren Anwendungsinstanzen im medizinischen Netzwerk 10 bereitzustellen.
Schließlich kann ein weiteres Modul 270 als Speichermodul ausgebildet sein, dass die bei der Bereitstellung des medizinischen Berichts MB verwendeten und erzeugten Informationen in eine vorgegebene Berichtsdatenstruktur BDS in den Datenspeicher 210 speichert.
Die vorgenommene Unterteilung der Back-End-Recheneinrichtung 200 in Module 220-270 dient dabei lediglich der einfacheren Erklärung der Funktionsweise der Back-End-Recheneinrichtung 200 und ist nicht beschränkend zu verstehen. Die Module 220-260 bzw. deren Funktionen können auch in einem Element zusammengefasst sein. Die Module 220-260 können dabei insbesondere auch als Computerprogrammprodukte oder Computerprogrammsegmente aufgefasst werden, welche bei der Ausführung in der Back-End-Recheneinrichtung 200 ein oder mehrere der nachstehend beschriebenen Verfahrensschritte realisieren.
In der in 1 gezeigten Ausführungsform ist die Back-End-Recheneinrichtung 200 Teil der medizinischen Organisation ORG. Die Back-End-Recheneinrichtung 200 kann mit anderen Worten als zentrale Serviceeinrichtung zur Bereitstellung und Verwaltung medizinischer Berichte MB aufgefasst werden. Beispielsweise ist die Back-End-Recheneinrichtung 200 in der medizinischen Organisation ORG „on premises“ z.B. als Server-System implementiert. Alternativ kann die Back-End-Recheneinrichtung 200 auch als Server-System außerhalb der medizinischen Organisation ORG implementiert sein.
In 2 ist eine weitere Ausführungsform des eines Systems 1 zum Bereitstellen eines medizinischen Berichts MB dargestellt. Gleiche Bezugszeichen wie in 1 bezeichnen gleiche oder funktionsgleiche Komponenten.
Im Unterschied zur in 1 gezeigten Ausführungsform ist die Back-End-Recheneinrichtung 200 als Cloud-basierte Recheneinrichtung bzw. Cloud-Server ausgeführt. Somit ist die Back-End-Recheneinrichtung 200 in dieser Ausführungsform im Allgemeinen nicht Teil einer medizinischen Organisation ORG in der die Patientendaten PD gespeichert sind und in der die Front-End-Recheneinrichtungen 50 angeordnet sind. Mit anderen Worten kann die Back-End-Recheneinrichtung 200 mehreren medizinischen Organisationen ORG als Serviceeinrichtung zur Bereitstellung und Verwaltung medizinischer Berichte MB zur Verfügung stehen. Die Back-End-Recheneinrichtung 200 gemäß dieser Ausführungsform ist bevorzugt als Cloud-Server ausgebildet. Die Back-End-Recheneinrichtung kann insbesondere eine reale oder virtuelle Gruppe von Rechnern und/oder Speichereinrichtungen aufweisen. Je nach Ausführungsform kann die Recheneinheit 20 als lokaler Server oder als Cloudserver ausgebildet sein. Die Back-End-Recheneinrichtung 200 kann den medizinischen Organisationen ORG bzw. den Front-End-Recheneinrichtungen geteilte Computerressourcen als Dienstleistung, etwa in Form von Servern, Datenspeicher oder Applikationen zur Bereitstellung eines medizinischen Berichts MB zur Verfügung stellen. Eine Nutzung der Computerressourcen der Back-End-Recheneinrichtung 200 durch die medizinische Organisation ORG bzw. die Front-End-Recheneinrichtung 50 kann beispielsweise über eine Programmierschnittstelle (API) bzw. für den Nutzer über eine Website oder in der Front-End-Recheneinrichtung 500 geladenen Applikation erfolgen.
In dieser Ausführungsform kann die Back-End-Recheneinrichtung 200 mit der medizinischen Organisation ORG bzw. den Front-End-Recheneinrichtungen 50 und/oder Datenspeicher 60 der medizinischen Organisation ORG beispielsweise über das Internet in Kommunikationsverbindung stehen. Patientendaten PD und/oder Kontextinformationen KI können von der medizinischen Organisation ORG and die Back-End-Recheneinrichtung 200 in anonymisierter und/oder pseudonymisierter Form übertragen werden. Umgekehrt kann ein medizinischer Bericht MB von der Back-End-Recheneinrichtung 200 an die medizinische Organisation ORG ebenfalls in anonymisierter und/oder pseudonymisierter Form übertragen werden.
In 3 ist ein schematisches Ablaufdiagramm eines Verfahrens zur Bereitstellung einer medizinischen Befunds MB dargestellt. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden. Außerdem können ein oder mehrere Schritte, insbesondere eine Sequenz von Schritten, und optional das gesamte Verfahren wiederholt ausgeführt werden.
In einem ersten Schritt S10 wird die Kontextinformation KI in der Back-End-Recheneinrichtung 200 empfangen. Die Kontextinformation KI kann dabei von der einer der Front-End-Recheneinrichtungen 50 an die Back-End-Recheneinrichtung 200 übermittelt werden. Die Kontextinformation KI umfasst einen Kontext für einen zu erstellenden medizinischen Bericht MB eines spezifischen Patienten durch einen spezifischen Nutzer der Front-End-Recheneinrichtung 50. Die Kontextinformation KI kann Nutzer- und/oder Patienten-spezifisch sein. Beispielsweise kann die Kontextinformationen einen elektronischen Nutzer-Identifikator umfassen, der den Nutzer eindeutig in dem medizinischen Netzwerk 10 identifiziert. Zusätzlich oder alternativ kann die Kontextinformationen KI einen elektronischen Patienten-Identifikator umfassen, der den Patienten eindeutig in dem medizinischen Netzwerk 10 identifiziert. Nutzer- und/oder Patienten-Identifikatoren können z.B. die Namen des Nutzers bzw. Patienten umfassen. Alternativ können Nutzer- und/oder Patienten-Identifikatoren anonymisiert oder pseudonymisiert sein.
Ferner kann die Kontextinformation KI einen medizinischen Kontext aufweisen, in dem der medizinische Bericht MB zu erstellen ist. Dies kann beispielsweise eine Befundungsaufgabe sein, die der Nutzer anhand von Patientendaten an der Front-End-Recheneinrichtung 50 zu erledigen hat. Zusätzlich oder alternativ kann die Kontextinformation eine Angabe eines klinischen Stadiums des Patienten umfassen. Beispielsweise kann die Kontextinformation eine Angabe umfassen, dass eine bestimmte Untersuchung U1, U2, U3 und/oder Behandlung U1, U2, U3 des Patienten abgeschlossen ist. Zusätzlich oder alternativ kann die Kontextinformation KI eine Angabe einer Erkrankung oder Diagnose des Patienten umfassen. Zusätzlich oder alternativ kann die Kontextinformation KI eine Angabe einer Organisation ORG umfassen, der die Front-End-Recheneinrichtung 50 angehört. Die Kontextinformation KI kann ferner eine Anfrage zur Bereitstellung eines medizinischen Berichts MB umfassen.
In einem weiteren Schritt S20 werden in der Back-End-Recheneinrichtung 200 Patientendaten PD des Patienten bereitgestellt. Die Patientendaten PD können dabei von der Front-End-Recheneinrichtung 50 an die Back-End-Recheneinrichtung 200 übermittelt werden, z.B. zusammen mit oder als Teil der Kontextinformation KI. Zusätzlich oder alternativ kann die Back-End-Recheneinrichtung 200 Patientendaten PD von der Speichereinrichtung 60 oder von in der Back-End-Recheneinrichtung 200 umfassten Datenspeicher 210 abrufen. Dies kann basierend auf einem in der Kontextinformation KI enthaltenen Patienten-Identifikator erfolgen. Insbesondere können die Patientendaten PD auch frühere Instanzen eines medizinischen Berichts MB des Patienten umfassen.
In einem optionalen Schritt S30 können anschließend eines oder mehrerer Berichtstemplates BT zur Erstellung des medizinischen Berichts MB ausgewählt werden. Das zu verwendende Berichtstemplate BT kann beispielsweise von der Art der Erkrankung des Patienten, dem klinischen Stadium des Patienten, einem bevorzugten Berichtstemplate des Nutzers, Vorgaben einer Organisation ORG, der die Front-End-Recheneinrichtung angehört, einschlägigen medizinischen Richtlinien, bereits existierenden früheren medizinischen Berichten durchgeführte medizinische Untersuchungen U1, U2, U3, der Art der Patientendaten PD usw. abhängen. Entsprechend kann in Schritt S30 die Bereitstellung eines oder mehrerer Berichtstemplates BT basierend auf der Kontextinformation KI und/oder den Patientendaten PD erfolgen. Insbesondere kann Schritt S30 umfassen, mehrere Auswahl-Berichtstemplates z.B. in dem Datenspeicher 210 der Back-End-Recheneinrichtung 200 bereitzuhalten, aus denen dann das zu verwendende Berichtstemplate BT basierend auf der Kontextinformation KI und/oder den Patientendaten PD ausgewählt wird. In einigen Ausführungsbeispielen kann ferner basierend auf den Patientendaten PD und/oder der Kontextinformation KI eine medizinische Richtlinie identifiziert werden, und das Berichtstemplate BT kann basierend auf der identifizierten medizinischen Richtlinie ausgewählt werden. Die Berichtstemplates BT sind dabei nicht notwendigerweise als in sich abgeschlossene Templates zu betrachten, vielmehr können einzelne Berichtstemplates BT modular zur Bereitstellung des medizinischen Berichts MB kombiniert werden.
In einem nächsten Schritt S40 wird ein Datenfilter DF bereitgestellt, um aus den Patientendaten PD einen oder mehrere Einzelinformationen EI zu extrahieren, die für den zu erstellenden medizinischen Bericht MB relevant sind.
Der Datenfilter DF kann mehrere Filterkomponenten FK-1, FK-2,..., FK-N umfassen, welche insbesondere adaptiv ausgestaltet und beliebig miteinander kombiniert werden können. Eine beispielhafte Ausführungsform des Datenfilters DF ist in 4 gezeigt.
Beispielsweise kann der Datenfilter DF eine zeitliche Filterkomponente FK-1 umfassen, die dazu ausgebildet ist, aus den Patientendaten PD solche Datensätze zu filtern, die für den zu erstellenden medizinischen Bericht MB relevant sind. So können z.B. zu weit in der Vergangenheit liegende Informationen verworfen werden. Die zeitliche Filterkomponente kann dabei insbesondere adaptiv ausgeführt sein und basierend auf der Kontextinformation KI und/oder den Patientendaten PD und/oder einer identifizierten medizinischen Richtlinie und/oder dem klinischen Status des Patienten angepasst werden.
Ferner kann eine Datentyp-Filterkomponente FK-2 umfasst sein, die dazu ausgebildet ist, aus der Gesamtheit der Patientendaten PD diejenige Art von Daten herauszufiltern, die für den zu erstellenden medizinischen Bericht relevant sind. Soll z.B. ein radiologischer Befund erstellt werden, können durch den Datentyp-Filtern zunächst Radiologie-Bilddaten identifiziert werden. Dabei kann die Datentyp-Filterkomponente FK-2 z.B. auf einer oder mehreren medizinischen Richtlinien basieren, die einen Datentyp für eine bestimmte Kontextinformation KI vorgeben.
Ferner kann in dem Datenfilter DF eine Anatomie-Filterkomponente FK-3 umfasst sein, die dazu ausgebildet ist, in den Patientendaten PD solche Datensätze zu identifizieren und bereitzustellen, die einen in dem medizinischen Bericht MB zu berücksichtigenden anatomischen Bereich des Patienten betreffen. Soll z.B. eine Prostata eines Patienten befundet werden, können so die Prostata zeigende medizinische Bilddaten und Biopsiedaten der Prostata identifiziert werden.
Ferner kann in dem Datenfilter DF eine Versions-Filterkomponente FK-4 umfasst sein, die dazu ausgebildet ist, in den Patientendaten PD frühere medizinische Berichte bzw. frühere Versionen des medizinischen Berichts MB zu identifizieren und bereitzustellen. So kann z.B. gezielt nach sog. DICOM Structured Reports (DICOM-SR) gesucht werden, die für den Patienten bereits aus früheren Befundungen vorliegen.
Neben den genannten Filterkomponenten FK-1, FK-2, FK-3, FK-4 sind weitere Filterkomponenten denkbar. Z.B. kann eine Filterkomponente (nicht gesondert dargestellt) dazu ausgebildet sein, bestimmte Nutzerpräferenzen abzubilden. So können in der Back-End-Recheneinrichtung 200, z.B. in dem Datenspeicher 210, beispielsweise Nutzerprofile für verschiedene Nutzer innerhalb des medizinischen Netzwerks 10 gespeichert sein, die z.B. basierend auf einem Nutzer-Identifikator abgerufen werden können. Wenn daraus z.B. hervorgeht, dass der Nutzer der Front-End-Recheneinrichtung 50 gezielt gewisse Slices eines CT-Bilddatensatzes bei der Erstellung eines medizinischen Berichts MB bevorzugt berücksichtigt und/oder Abbildungen davon in den medizinischen Bericht übernimmt, können solch Slices in den Patientendaten PD identifiziert und bereitgestellt werden. Ferner kann eine weitere Filterkomponente (nicht gesondert dargestellt) dazu ausgebildet sein, bestimmte Erfordernisse oder Vorgaben bei der Erstellung des medizinischen Berichts MB derjenigen Organisation ORG zu berücksichtigen, der die Front-End-Recheneinrichtung 50 angehört. Z.B. können in dem Datenspeicher 210 der Back-End-Recheneinrichtung Profile für verschiedene Organisationen ORG innerhalb des medizinischen Netzwerks 10 gespeichert sein, die basierend auf der Kontextinformation KI abgerufen werden können. Basierend auf dem so abgerufenen Profil kann der Datenfilter DF bzw. die Filterkomponente aus den Patientendaten PD Einzelinformationen bzw. Datensätze identifizieren und bereitstellen, die insbesondere den Erfordernissen oder Vorgaben der Organisation ORG entsprechen, der die Front-End-Recheneinrichtung 50 angehört.
Ferner kann in dem Datenfilter DF eine Relevanz-Filterkomponente FK-N umfasst sein, welche dazu ausgebildet ist, in den Patientendaten PD enthaltene Einzelinformationen dahingehend zu prüfen, ob diese für das Bereitstellen des medizinischen Berichts MB zu berücksichtigen sind. Beispielsweise kann die Filterkomponente KF-N dazu eine Einzelinformation EI aus den Patientendaten PD extrahieren und deren Relevanz überprüfen. Insbesondere kann die Relevanz-Filterkomponente FK-N dazu ausgebildet sein, zu einer Einzelinformation EI eine entsprechende Relevanzinformation RI zu bestimmen. Dazu kann die Einzelinformation EI beispielsweise mit einem vorgegebenen Schwellenwert verglichen werden. Der Schwellenwert kann beispielsweise durch eine medizinische Richtlinie vorgegeben sein. Daneben kann die Filterkomponente FK-N und damit der Datenfilter DF dazu ausgebildet sein, die extrahierte Einzelinformation EI mit einer entsprechenden Einzelinformation EI von einem früheren Zeitpunkt zu vergleichen. In Abhängigkeit des Vergleichs kann dann entschieden werden, ob eine Relevanzbedingung erfüllt ist. So kann z.B. ein Organvolumen als Einzelinformation EI zu verschiedenen Zeitpunkten aus den Patientendaten PD extrahiert werden. Wenn der Vergleich auf eine krankhafte Organvergrößerung hindeutet, kann die Relevanz-Filterkomponente FK-N eine dies entsprechend ausweisende Relevanzinformation RI bereitstellen. Alternativ kann auch ein (bevorzugt semantischer) Vergleich einer Einzelinformation EI mit einer klinischen Ontologie (z.B. SNOMED oder RADLEX) erfolgen, um zu einer Relevanzinformation RI zu gelangen. So kann z.B. ein L1 Lungenknoten eine geringere Relevanz aufweisen als ein L4 Lungenkonten. Ferner können auch weitere Klassifikationsalgorithmen implementiert sein, um zu einer Einzelinformation EI eine entsprechende Relevanzinformation RI bereitzustellen.
Die Bereitstellung des Datenfilters DF in Schritt S40 kann insbesondere bedeuten, dass der Datenfilter DF basierend auf der Kontextinformation KI und/oder den Patientendaten PD eingestellt bzw. adaptiert wird. Insbesondere können dazu einzelne Filterkomponenten KF-1, KF-2, KF-3,...,KF-N zur Verwendung basierend auf der Kontextinformation KI und/oder den Patientendaten PD ausgewählt und/oder angepasst werden. So können z.B. Filterparameter wie die zu berücksichtigenden Datentypen, Zeiträume oder Schwellenwerte in Abhängigkeit der jeweiligen Gegebenheit des Einzelfalls selektiv eingestellt werden. Alternativ oder zusätzlich können verschiedenartige und/oder unterschiedlich vorkonfigurierte Datenfilter DF z.B. in dem Datenspeicher 210 der Back-End-Recheneinrichtung 200 zur Auswahl als Auswahl-Datenfilter gespeichert sein. Basierend auf der Kontextinformation KI und/oder den Patientendaten PD kann dann optional eine Bereitstellung eines Datenfilters DF in Schritt S40 durch eine Auswahl eines (zu verwendenden) Datenfilters DF aus den Auswahl-Datenfiltern basierend auf der Kontextinformation KI und/oder den Patientendaten PD erfolgen. Optional kann dabei eine Auswahl eines (zu verwendenden) Datenfilters DF aus den Auswahl-Datenfiltern zusätzlich oder alternativ basierend auf einer medizinischen Richtlinie erfolgen.
In einer optionalen Ausgestaltung kann in der Back-End-Recheneinrichtung 200 ferner eine Datenstruktur bereitgestellt werden, die ein Berichtstemplate BT mit einem zugehörigen Datenfilter DF assoziiert. Somit kann basierend auf der Datenstruktur und einem bereits ausgewählten Berichtstemplate BT ein geeigneter Datenfilter DF bereitgestellt werden. Die Bereitstellung kann dabei eine Auswahl und/oder Anpassung einzelner Filterkomponenten FK-1, FK-2, FK-3,...,FK-N umfassen. Alternativ oder zusätzlich kann das Bereitstellen ein Auswählen eines Datenfilters DF aus mehreren Auswahl-Datenfiltern basierend auf der Datenstruktur und dem Berichtstemplate BT umfassen. Die Datenstruktur kann dabei z.B. eine Art elektronische Zuordnungstabelle sein, die verschiedene Filterparameter und/oder Filterkomponenten FK-1, FK-2, FK-3,...,FK-N und/oder Datenfilter DF mit verschiedenen Berichtstemplates BT verknüpft.
In Schritt S50 erfolgt dann ein Bereitstellen eines medizinischen Berichts MB. Dazu kann z.B. der bereitgestellte Datenfilter DF auf die Patientendaten PD angewandt werden. Dabei kann der Datenfilter DF wenigstens eine Einzelinformation EI aus den Patientendaten PD extrahieren und für den medizinischen Bericht MD bereitstellen. Insbesondere kann das Bereitstellen in Schritt S50 eine Eingabe der Einzelinformation EI in ein Berichtstemplate BT umfassen. Insbesondere kann wenigstens eine Einzelinformation EI in eine dafür vorgesehene Stelle eines Berichtstemplates BT eingegeben werden. Mit anderen Worten kann das Berichtstemplate BT in Schritt S50 zumindest teilweise befüllt werden. Der bereitgestellte medizinische Bericht MD kann abgeschlossen sein. Alternativ kann der bereitgestellte medizinische Bericht MD zur Weiterbearbeitung an der Front-End-Recheneinrichtung 50 bereitgestellt werden. Insbesondere kann der medizinische Bericht MD von der Back-End-Recheneinrichtung 200 in anonymisierter und/oder pseudonymisierter Form bereitgestellt werden. Ein solcher anonymisierter und/oder pseudonymisierter medizinischer Bericht MD kann dann an der Front-End-Recheneinrichtung 50 nach Bedarf de-anonymisiert und/oder de-pseudonymisiert werden.
In Schritt S60 wird der in Schritt S50 bereitgestellte medizinische Bericht MD der Front-End-Recheneinrichtung 50 übermittelt.
In dem optionalen Schritt S70 wird der medizinische Bericht MB in dem Datenspeicher 210 der Back-End-Recheneinrichtung 200 gespeichert. Ebenso in dem Datenspeicher 210 gespeichert werden können die Patentdaten PD, der verwendete Datenfilter DF und die Kontextinformation KI. Insbesondere können der medizinische Bericht MB und/oder die Patientendaten PD und/oder der Datenfilter DF derart gespeichert werden, dass diese mit der Kontextinformation KI verknüpft sind. Mit anderen Worten kann so in der Back-End-Recheneinrichtung 200 eine Berichtsdatenstruktur BDS des Patienten gespeichert und gepflegt werden, auf die zur Erstellung medizinischer Berichte MB immer wieder zurückgegriffen werden kann. Insbesondere können die so in dem Datenspeicher 210 gespeicherte Berichtsdatenstruktur BDS als eine Art virtueller medizinischer Bericht zu einem Patienten angesehen werden. Die zentrale Vorhaltung dieser Berichtsdatenstruktur BDS in einer Back-End-Recheneinrichtung 200 erlaubt es, diesen virtuellen medizinischen Bericht jederzeit und in Abhängigkeit der jeweiligen Kontextinformation KI in einen „gegenständlichen“ medizinischen Bericht MB zu überführen, der dann der Front-End-Recheneinrichtung 50 bereitgestellt werden kann. In der so geschaffenen Berichtsdatenstruktur BDS sind die Patientendaten PD als Eingangsgröße über die Datenfilter DF mit den bereitgestellten medizinischen Berichten MB als Ausgangsgröße verknüpft. Ferner verknüpft die Berichtsdatenstruktur BDS verschiedene Versionen medizinischer Berichte MB des Patienten über die Datenfilter DF. In der Berichtsdatenstruktur BDS kann ferner einer Anwenderinformation gespeichert sein, die angibt welche Anwendungsinstanzen (z.B. welche Front-End-Recheneinrichtungen oder welche Nutzer) innerhalb des medizinischen Netzwerks 10 einen jeweiligen bereitgestellten medizinischen Bericht MB und/oder eine Kopie hiervon verwenden bzw. darauf zugreifen. Hierfür kann das medizinische Netzwerk dazu ausgebildet sein, dass der Back-End-Recheneinrichtung 200 entsprechende Anwenderinformationen bereitgestellt werden, wann immer eine Anwendungsinstanz auf einen medizinischen Bericht MB zugreift.
In 5 ist ein schematisches Ablaufdiagramm eines Verfahrens zur Bereitstellung einer medizinischen Berichts MB gemäß einer weiteren Ausführungsform dargestellt. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden. Außerdem können ein oder mehrere Schritte, insbesondere eine Sequenz von Schritten, und optional das gesamte Verfahren wiederholt ausgeführt werden. Verfahrensschritte die ggü. 3 mit gleichen Bezugszeichen versehen sind, entsprechen den bereits in Zusammenhang mit 3 beschriebenen Schritten. Die in 5 zusätzlich beschriebenen Verfahrensschritte können mit den anderen hierin beschriebenen Verfahren kombiniert werden.
In der in 5 gezeigten Ausführungsform erfolgt in Schritt S25 ein Bereitstellen einer früheren Version des medizinischen Berichts MB für den Patienten in der Back-End-Recheneinrichtung 200. Die frühere Version des medizinischen Berichts MB kann dabei insbesondere ein medizinischer Bericht MB sein, der mit einem gleichen oder zumindest ähnlichen Datenfilter DF und/oder basierend auf einem gleichen und/oder zumindest ähnlichen Berichtstemplate BT und/oder basierend auf einer gleichen und/oder zumindest ähnlichen Kontextinformation KI erzeugt wurde. Bereitgestellt werden kann die frühere Version des medizinischen Berichts MB beispielsweise als Teil der Patientendaten PD, die entweder in dem Datenspeicher 210 der Back-End-Recheneinrichtung 200 z.B. in der oben erwähnten Berichtsdatenstruktur BDS gespeichert sind, oder der Back-End-Recheneinrichtung 200 z.B. mit den Kontextdaten KI übermittelt werden. Eine frühere Version des medizinischen Berichts MB kann z.B. von dem Datenspeicher 210 basierend auf der Kontextinformation KI abgerufen werden. Aus der in dem Datenspeicher 210 gespeicherten Berichtsdatenstrukturen BDS können ggf. die der früheren Version des medizinischen Berichts MB zugeordneten Kontextinformationen KI, Berichtstemplates BT, Einzelinformationen EI, Relevanzinformationen RI und Datenfilter DF abgerufen werden.
Die Schritte S30, S40 und S50 können dann optional zusätzlich basierend auf der früheren Version des medizinischen Berichts MB ausgeführt werden. Beispielsweise kann das Berichtstemplate BT basierend auf dem früheren medizinischen Bericht ausgewählt werden. Insbesondere kann dabei das gleiche Berichtstemplate BT wie bei der früheren Version des medizinischen Berichts MB ausgewählt werden. Ferner kann der Datenfilter DF basierend auf dem früheren medizinischen Bericht ausgewählt werden. Insbesondere kann dabei der gleiche Datenfilter DF wie bei der früheren Version des medizinischen Berichts MB ausgewählt werden.
In dem optionalen Schritt S55 erfolgt dann in der in 5 gezeigten Ausführungsform zusätzlich ein Ermitteln einer Änderungsinformation, die angibt, wie sich ein in Schritt S50 ermittelter medizinischer Bericht MB von der früheren Version des medizinischen Berichts MB unterscheidet. Dazu kann beispielsweise eine zur Bereitstellung des medizinischen Berichts MB aus den Patientendaten PD extrahierte Einzelinformation EI mit der entsprechenden Einzelinformation EI des früheren medizinischen Berichts verglichen werden.
In Schritt S60 kann die Änderungsinformation dann zusammen mit dem medizinischen Bericht MB and die Front-End-Recheneinrichtung 50 übermittelt werden. Ferner kann die Änderungsinformation in Schritt S70 in dem Datenspeicher 210 in der Berichtsdatenstruktur BDS gespeichert werden.
Zusätzlich kann der medizinische Bericht MB in dem optionalen Schritt S80 denjenigen Anwendungsinstanzen innerhalb des medizinischen Netzwerks 10 übermittelt werden, in denen auf die frühere Version des medizinischen Berichts MB zugegriffen wurde (auch frühere Anwendungsinstanz). Eine Anwendungsinstanz kann dabei z.B. eine weitere Front-End-Recheneinrichtung 50 oder ein Nutzer sein). Frühere Anwendungsinstanzen können z.B. basierend auf einer Anwendungsinformation ermittelt werden, in der die Zugriffe auf die frühere Version des medizinischen Berichts MB „gelogt“ sind. Zusätzlich oder alternativ kann den Anwendungsinstanzen die Änderungsinformation übermittelt werden. In einem Ausführungsbeispiel kann der Übermittlung die Anwendungsinstanzen beispielsweise eine Relevanzbewertung vorausgehen. Entsprechend kann Schritt S80 einen optionalen Teilschritt des Bewertens einer Relevanz der Änderungsinformation aufweisen. Dies kann z.B. eine Prüfung dahingehend aufweisen, ob die Änderungsinformation einen Schwellenwert überschreitet. In Abhängigkeit des Schritts des Bewertens kann dann eine Übermittlung der and die Anwendungsinstanzen erfolgen oder nicht. Z.B. kann eine Übermittlung des medizinischen Berichts MB und/oder der Änderungsinformation nur dann erfolgen, wenn die Änderungsinformation den Schwellenwert überschreitet.
In 6 ist ein schematisches Ablaufdiagramm eines Verfahrens zur Bereitstellung einer medizinischen Befunds MB gemäß einer weiteren Ausführungsform dargestellt. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden. Außerdem können ein oder mehrere Schritte, insbesondere eine Sequenz von Schritten, und optional das gesamte Verfahren wiederholt ausgeführt werden. Verfahrensschritte die ggü. 3 mit gleichen Bezugszeichen versehen sind, entsprechen den bereits in Zusammenhang mit 3 beschriebenen Schritten. Die in 6 zusätzlich beschriebenen Verfahrensschritte können mit den anderen hierin beschriebenen Verfahren kombiniert werden.
In Schritt S45 erfolgt in dem in 6 gezeigten Ausführungsbeispiel dabei eine Verifizierung bzw. Integritäts-Prüfung der Patientendaten PD insbesondere im Hinblick auf den zu erstellenden medizinischen Bericht MB. Dabei kann insbesondere eine in den Patientendaten PD fehlende oder falsche Einzelinformation EI ermittelt werden.
Eine fehlende oder falsche Einzelinformation EI kann sich z.B. auf einen fehlenden oder falschen Messwert, eine nicht durchgeführte medizinische Untersuchung U1, U2, U3, fehlende oder falsche Datensätze in den Patientendaten usw. beziehen. Mit anderen Worten erfolgt somit auch eine Prüfung, ob der klinische Status des Patienten kohärent ist.
Eine fehlende oder falsche Einzelinformation EI kann z.B. durch ein Anwenden des Datenfilters DF auf die Patientendaten PD ermittelt werden. Liefert z.B. das Anwenden des Datenfilters DF nicht die wenigstens eine Einzelinformation EI so fehlt diese Information in den Patientendaten PD, und der anhand der Kontextinformation KI zu erstellende medizinische Bericht MB kann nicht erzeugt werden. Ist die nachgesuchte wenigstens ein Einzelinformation EI in den Patientendaten PD enthalten, kann diese durch Anwenden des Datenfilters DF bereitgestellt werden. Dann kann diese Einzelinformation EI in Schritt S45 einer Plausibilitätsprüfung unterzogen werden. Dazu kann die Einzelinformation EI beispielsweise mit vorgegebenen Grenzwerten verglichen werden oder eine Änderungsinformation (siehe Figurenbeschreibung von 5) kann ausgewertet werden. Alternativ kann eine fehlende oder falsche Einzelinformation EI durch einen Abgleich mit einer einschlägigen medizinischen Richtlinie erfasst werden.
Wird in Schritt S45 eine fehlende oder falsche Einzelinformation EI festgestellt, kann damit auf verschiedene Weise in Schritt S90 umgegangen werden. Zum einen kann eine Mitteilung über die fehlende oder falsche Einzelinformation EI an die Front-End-Recheneinrichtung 50 übermittelt werden (optionaler Teilschritt S91), damit dort die notwendigen Schritte eingeleitet werden. Zum anderen kann die Information über die fehlende oder falsche Einzelinformation in der Berichtsdatenstruktur BDS des Datenspeichers 210 gespeichert werden.
Ferner können Schritte eingeleitet werden, um die fehlende oder falsche Einzelinformation EI zu korrigieren. In einem optionalen Teilschritt S92 kann z.B. an der Back-End-Recheneinrichtung 200 ein Datenauswertealgorithmus ausgewählt werden, der dazu ausgelegt ist, basierend auf Patientendaten PD automatisch eine Datenauswertung vorzunehmen, um eine vorgegebene Einzelinformation EI bereitzustellen. Beispielsweise kann ein derartiger Datenauswertealgorithmus als Bilddatenauswertealgorithmus implementiert sein, der dazu ausgelegt ist, aus medizinischen Bilddaten Messwerte zu extrahieren. In einigen Ausführungsbeispielen können in der Back-End-Recheneinrichtung 200 verschiedene Auswahl-Datenauswertealgorithmen bereitgestellt werden, aus denen dann ein geeigneter Datenauswertealgorithmus zur Bereitstellung der fehlenden Einzelinformation EI oder zur Korrektur der falschen Einzelinformation ausgewählt werden kann.
Alternativ kann die Front-End-Recheneinrichtung 50 oder eine davon verschiedene Anwendungsinstanz in dem medizinischen Netzwerk 10 durch die Back-End-Recheneinrichtung 200 dazu veranlasst werden, die fehlenden Einzelinformation bereitzustellen (optionalen Teilschritt S93). Z.B. kann die Back-End-Recheneinrichtung 200 die Front-End-Recheneinrichtung 50 oder eine andere Anwendungsinstanz derart ansteuern, dass ein geeigneter Datenauswertealgorithmus auf lokal vorhandene Patientendaten angewandt wird, um die fehlende Einzelinformation EI bereitzustellen. Bezieht sich die fehlende Einzelinformation EI auf eine nicht durchgeführte Untersuchung U1, U2, U3, können die Front-End-Recheneinrichtung 50 oder eine andere Anwendungsinstanz derart angesteuert werden, dass die nicht durchgeführte Untersuchung U1, U2, U3 für den Patienten in die Wege geleitet wird. Beispielsweise kann eine entsprechende Aufgabe in ein Untersuchungsplanungssystem eingegeben werden. Ein solches Untersuchungsplanungssystem kann z.B. die Belegung von bildgebenden Modalitäten wie CT oder MR-Geräten in einem medizinischen Netzwerk 10 steuern. Dadurch kann eine Untersuchung des Patienten zur Erzeugung der fehlenden Einzelinformation EI im medizinischen Netzwerk 10 direkt veranlasst werden. Vorteilhafterweise können dabei durch die Back-End-Recheneinrichtung 200 geeignete Untersuchungsparameter übermittelt werden. Beispielsweise können sich solche Untersuchungsparameter auf einen anatomischen Bereich des Patienten beziehen, der durch die Bildgebung zu untersuchen ist, oder Bildgebungsparameter umfassen, wie etwa eine zu verwendende MR-Sequenz und dergleichen. In ähnlicher Weise können etwa in einem digitalen Pathologie Workflow passende Gewebeschnitte und/oder geeignete histopathologische Färbungen veranlasst werden.
In 7 ist ein schematisches Ablaufdiagramm eines Verfahrens zur Bereitstellung einer medizinischen Befunds MB gemäß einer weiteren Ausführungsform dargestellt. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden. Außerdem können ein oder mehrere Schritte, insbesondere eine Sequenz von Schritten, und optional das gesamte Verfahren wiederholt ausgeführt werden. Verfahrensschritte die ggü. 3 mit gleichen Bezugszeichen versehen sind, entsprechen den bereits in Zusammenhang mit 3 beschriebenen Schritten. Die in 7 zusätzlich beschriebenen Verfahrensschritte können mit den anderen hierin beschriebenen Verfahren kombiniert werden.
Aufbauend auf die eine oder mehrere der vorgenannten Verfahren kann in dem in 7 gezeigten Verfahren in Schritt S100 ein modifizierter medizinischer Bericht MB von der Front-End-Recheneinrichtung 50 an die Back-End-Recheneinrichtung 200 übermittelt werden. Der modifizierte medizinische Bericht MB beruht dabei auf dem in Schritt S60 übermittelten medizinischen Bericht MB und weist gegenüber diesem ein oder mehrere Modifikationen auf. Solche Modifikationen können z.B. Änderungen an dem übermittelten medizinischen Bericht MB durch den Nutzer umfassen, wie etwa Korrekturen, Streichungen oder Ergänzungen.
Die in 7 gezeigte Ausführungsform sieht vor, diese Information auszunutzen, um den verwendeten Datenfilter DF zu verbessern. Dazu ist in Schritt S110 vorgesehen, den Datenfilter DF basierend auf einem Vergleich zwischen dem modifizierten medizinischen Bericht MB mit dem übermittelten medizinischen Bericht MB anzupassen. Dadurch können z.B. Filterkomponenten FK-1, FK-2, FK-3,..., FK-N ergänzt oder adaptiert werden.
In 8 ist ein schematisches Ablaufdiagramm eines Verfahrens zur Bereitstellung eines medizinischen Befunds MB gemäß einer weiteren Ausführungsform dargestellt. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Ab-folge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden. Außerdem können ein oder mehrere Schritte, insbesondere eine Sequenz von Schritten, und optional das gesamte Verfahren wiederholt ausgeführt werden. Verfahrensschritte die ggü. 3 mit gleichen Bezugszeichen versehen sind, entsprechen den bereits in Zusammenhang mit 3 beschriebenen Schritten. Die in 8 zusätzlich beschriebenen Verfahrensschritte können mit den anderen hierin beschriebenen Verfahren kombiniert werden.
In Schritt S120 wird zunächst ein Updateereignis bezüglich ein oder mehrerer in der Back-End-Recheneinrichtung 50 erzeugter medizinischen Berichte MB erfasst. Ein Updateereignis kann dabei jedwedes Ereignis in dem medizinischen Netzwerk sein, dass eine Neubetrachtung der erzeugten medizinischen Berichte erfordert. Ein solches Updateereignis kann beispielsweise dadurch gegeben sein, dass für einen Patienten neue Patientendaten PD vorliegen. Ferner kann ein Updateereignis dadurch gegeben sein, dass ein oder mehrere Datenfilter DF angepasst wurden. Dies kann z.B. durch das in Zusammenhang mit 7 beschriebene Verfahren geschehen oder aus veränderten medizinischen Richtlinien resultieren. Ferner kann ein Updateereignis veränderte Anforderungen bei der Erstellung medizinischer Berichte MB einer Front-End-Recheneinrichtung 50 oder einer zugehörigen medizinischen Organisation ORG umfassen. Daneben kann ein Updateereignis einen Ablauf einer vorgegebenen Zeitspanne seit dem Übermitteln oder Bereitstellen des medizinischen Berichts MB oder eine Anfrage zum Aktualisieren eines übermittelten medizinischen Berichts MB umfassen. Durch die Erfassung solcher Updateereignisse kann automatisch erfasst werden, ob in der Vergangenheit übermittelte medizinische Berichte geupdatet und ggf. neu bereitgestellt werden müssen.
In Schritt S130 erfolgt ein Updaten des medizinischen Berichts MB an der Back-End-Recheneinrichtung 200. Dabei kann der medizinische Bericht MB entsprechend dem Updateereignis angepasst werden. Z.B. können die Patientendaten PD mit einem angepassten Datenfilter DF neu ausgewertet werden, oder geupdatete Patientendaten PD können mit dem Datenfilter DF ausgewertet werden, der bereits für den medizinischen Bericht MB verwendet wurde, oder beides. Zusätzlich oder alternativ können (z.B. unter Berücksichtigung abgewandelter medizinischer Richtlinien) unterschiedliche Datenfilter DF ausgewählt und auf die Patientendaten PD angewandt werden, als bei der Bereitstellung des medizinischen Berichts MB.
Optional kann in Schritt S130 eine Relevanzbewertung dahingehend erfolgen, ob der geupdatete medizinische Bericht MB Änderungen enthält, die so signifikant sind, dass eine Übermittlung des medizinischen Berichts MB gerechtfertigt ist (optionaler Teilschritt S131). Dazu kann allgemein der geupdatete medizinische Bericht MB mit dem medizinischen Bericht MB verglichen und die Änderungen können basieren auf dem Vergleich bewertet werden. Falls beispielsweise das Updateereignis ein Bereitstellen geupdateter Patientendaten PD umfasst, kann die Relevanzbewertung in Teilschritt S131 beispielsweise ein Anwenden des Datenfilters DF auf die geupdateten Patientendaten PD zur Erzeugung wenigstens einer geupdateten Einzelinformation EI umfassen (optionaler Schritt S131-1). Anschließend kann die geupdatete Einzelinformation EI mit der Einzelinformation EI verglichen werden (optionaler Schritt S131-2), woraufhin in einem weiteren optionalen Schritt S131-3 eine klinische Relevanz basierend auf dem Vergleichen der geupdateten Einzelinformation EI mit der Einzelinformation EI erfolgt, wobei die klinische Relevanz umso größer ist, je größer die Abweichung der geupdateten Einzelinformation EI von der Einzelinformation EI ist.
In Schritt S140 wird der geupdatete medizinische Bericht MB dann im medizinischen Netzwerk 10 verteilt. Insbesondere kann der medizinische Bericht MB dabei der Front-End-Recheneinrichtung 50 übermittelt werden.
Optional kann in Schritt S140 wenigstens eine von der Front-End-Recheneinrichtung 50 verschiedene weitere Anwendungsinstanz in dem medizinischen Netzwerk 10 ermittelt werden, in welcher der medizinische Bericht MB verwendet wurde (optionaler Teilschritt S141). „Verwendet wurde“ kann in diesem Zusammenhang z.B. heißen: von einem Nutzer eingesehen, gespeichert, in eine Viewer-Applikation geladen und dergleichen. Eine Anwendungsinstanz kann entsprechend ein Nutzer, eine Front-End-Recheneinrichtung 50 und/oder Speichereinrichtung 60 usw. bezeichnen. In einem weiteren optionalen Teilschritt S142 wird der geupdatete medizinische Bericht MB an die wenigstens eine Anwendungsinstanz übermittelt.
Das Verteilen bzw. Übermitteln des medizinischen Berichts MB kann dabei basierend auf der optionalen Relevanzbewertung in Schritt S131 erfolgen. Dabei kann insbesondere vorgesehen sein, den geupdateten medizinischen Bericht MB nur dann an die Front-End-Recheneinrichtung 50 und/oder weitere Anwendungsinstanzen innerhalb des medizinischen Netzwerks 10 zu übermitteln, wenn entsprechend der Bewertung der klinischen Relevanz in Schritt S131 eine Änderung zwischen dem medizinischen Bericht MB und dem geupdateten medizinischen Bericht MB vorliegt, die klinisch relevant ist (also wenn z.B. eine Abweichen eines oder mehrere Einzelinformationen EI über einem vorgegebenen Schwellenwert liegt).
In 9 ist eine weitere Ausführungsform des Datenfilters DF dargestellt. In dieser Ausführungsform sind der Datenfilter DF und/oder einzelne Filterkomponenten FK-1, FK-2, FK-3,...,FK-N zumindest teilweise als trainierte Funktion TF ausgeführt. In dem gezeigten Ausführungsbeispiel ist die trainierte Funktion TF als neuronales Netz ausgebildet. Das neuronale Netz kann auch als künstliches neuronales Netz, künstliches neuronales Netzwerk oder neuronales Netzwerk bezeichnet werden.
Das neuronale Netz 100 umfasst Knoten 120,..., 129 und Kanten 140,141, wobei jede Kante 140,141 eine gerichtete Verbindung von einem ersten Knoten 120,..,129 zu einem zweiten Knoten 120,..., 129 ist. Im Allgemeinen sind der erste Knoten 120,..., 129 und der zweite Knoten 120,129 unterschiedliche Knoten, es ist auch möglich, dass der erste Knoten 120,..., 129 und der zweite Knoten 120,..., 129 identisch sind. Eine Kante 140,141 von einem ersten Knoten 120,..., 129 zu einem zweiten Knoten 120,..., 129 kann auch als eingehende Kante für den zweiten Knoten und als ausgehende Kante für den ersten Knoten 120,...,129 bezeichnet werden.
Das neuronale Netz 100 antwortet auf Eingabewerte x⁽¹⁾ ₁, x⁽¹⁾ ₂, x⁽¹⁾ ₃ zu einer Vielzahl von Eingangsknoten 120, 121, 122 der Eingangsschicht 110. Die Eingabewerte x⁽¹⁾ _1, x⁽¹⁾2, x⁽¹⁾ ₃ werden angewendet, um eine oder eine Vielzahl von Ausgaben x⁽³⁾ ₁, x⁽³⁾ ₂ zu erzeugen. Der Knoten 120 ist beispielsweise über eine Kante 140 mit dem Knoten 123 verbunden. Der Knoten 121 ist beispielsweise über die Kante 141 mit dem Knoten 123 verbunden.
Das neuronale Netz 100 lernt in diesem Ausführungsbeispiel, indem es die Gewichtungsfaktoren w_i,j (weights) der einzelnen Knoten basierend auf Trainingsdaten anpasst. Mögliche Eingabewerte x⁽¹⁾ ₁, x⁽¹⁾2, x⁽¹⁾ ₃ der Eingangsknoten 120,121,122 können beispielsweise die Patientendaten PD sein und/oder die Kontextinformation KI sein.
Das neuronale Netz 100 gewichtet die Eingabewerte der Eingangsschicht 110 basierend auf dem Lernprozess. Die Ausgabewerte der Ausgangsschicht 112 des neuronalen Netzes 100 entsprechen bevorzugt einer Einzelinformation EI, auf deren Grundlage sich der medizinische Bericht MB bereitstellen lässt. Die Ausgabe kann über einen einzelnen oder eine Vielzahl von Ausgabeknoten x⁽³⁾ ₁, x⁽³⁾ ₂ in der Ausgabeschicht 112 erfolgen.
Das künstliche neuronale Netz 100 umfasst bevorzugt eine versteckte Schicht 111, die eine Vielzahl von Knoten x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ umfasst. Es können mehrere versteckte Schichten vorgesehen sein, wobei eine versteckte Schicht Ausgabewerte einer anderen versteckten Schicht als Eingabewerte verwendet. Die Knoten einer versteckten Schicht 111 verrichten mathematische Operationen. Ein Ausgabewert eines Knotens x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ entspricht dabei einer nicht-linearen Funktion f seiner Eingabewerte x⁽¹⁾ ₁, x⁽¹⁾ ₂, x⁽¹⁾ ₃ und der Gewichtungsfaktoren w_i,j. Nach dem Erhalt von Eingabewerten x⁽¹⁾ _1, x⁽¹⁾2, x⁽¹⁾ ₃ führt ein Knoten x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ eine Summierung einer mit den Gewichtungsfaktoren wi,j gewichteten Multiplikation jedes Eingabewerts x⁽¹⁾ ₁, x⁽¹⁾2, x⁽¹⁾ ₃ durch, wie durch folgende Funktion bestimmt: $x_{j}^{(n + 1)} = f (\sum_{i} x_{i}^{(n)} \cdot w_{i,j}^{(m,n)}) .$
Der Wichtungsfaktor w_i,j kann insbesondere eine reelle Zahl, insbesondere im Intervall von [-1;1] oder [0;1] liegen. Der Wichtungsfaktor $w_{i,j}^{(m,n)}$
bezeichnet das Gewicht der Kante zwischen dem i-ten Knoten einer m-ten Schicht 110,11,112 und einem j-ten Knoten der n-ten Schicht 110,111,112.
Insbesondere wird ein Ausgabewert eines Knotens x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ als Funktion f einer Knoten-Aktivierung, beispielsweise eine Sigmoidalfunktion oder eine lineare Rampenfunktion gebildet. Die Ausgabewerte x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ werden an den bzw. die Ausgabeknoten 128,129 übertragen. Erneut wird eine Summierung einer gewichteten Multiplikation jedes Ausgabewertes x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ als Funktion der Knoten-Aktivierung f und damit die Ausgabewerte x⁽³⁾ ₁, _x ⁽³⁾ ₂ berechnet.
Das hier gezeigte neuronale Netz TF ist ein Feedforward neuronales Netz, bei dem alle Knoten 111 die Ausgabewerte einer vorherigen Schicht in Form ihrer gewichteten Summe als Eingabewerte verarbeiten. Selbstredend können erfindungsgemäß auch andere neuronale Netztypen zum Einsatz kommen, bspw. Feedback-Netze, bei denen ein Eingabewert eines Knotens gleichzeitig auch sein Ausgabewert sein kann.
Das neuronale Netz TF kann mittels einer Methode des überwachten Lernens trainiert werden, um die Feldinformation FI bereitzustellen. Eine bekannte Vorgehensweise ist die Back-Propagation, die für alle Ausführungsbeispiele der Erfindung angewandt werden kann. Während des Trainings wird das neuronale Netz TF auf Trainingseingabedaten bzw. -werten angewandt und muss entsprechende, vorher bekannte Trainingsausgabedaten bzw. -werte erzeugen. Iterativ werden mittlere quadratische Fehler (mean square error - „MSE“) zwischen berechneten und erwarteten Ausgabewerten berechnet und einzelne Gewichtungsfaktoren so lange angepasst, bis die Abweichung zwischen berechneten und erwarteten Ausgabewerten unterhalb einer vorbestimmten Schwelle liegt.
Zur Bereitstellung von Trainingsdaten kann dabei auf empirische Daten zurückgegriffen werden. So ist z.B. denkbar, verifizierte medizinische Bericht MB und zugehörige Patientendaten PD bzw. Kontextinformationen KI bereitzustellen. Verifiziert werden kann ein medizinischer Bericht MB beispielsweise durch einen menschlichen Nutzer. Der medizinische Bericht MB kann dabei automatisch, teilautomatisch oder gänzlich manuell durch ein oder mehrere Nutzer erstellt werden.
Optional können für verschiedene Fallgruppen auch unterschiedliche Datenfilter DF mit jeweils unterschiedlichen trainierten Funktionen bereitgestellt werden, die durch ihren größeren Spezialisierungsgrad in einzelnen Situationen performanter sein können als ein alle diese Bedingungen abbildender Datenfilter DF mit einer globalen trainierte Funktion TF. In diesem Fall kann wie weiter oben erläutert ein Auswahlschritt vorgesehen sein, der für den jeweiligen Anwendungsfall einen geeigneten Datenfilter DF auswählt.
Die beschriebene Ausgestaltung der in dem Datenfilterfilter DF verwendeten trainierten Funktionen TF ist lediglich beispielhaft zu verstehen. Die trainierte Funktion TF kann selbstverständlich weitere intelligente Algorithmen und/oder Klassifikationsverfahren, wie z. B. eine Vector-Support-Machine, oder ein Expertensystem, wie z. B. ein Bayes'sches Netz, aufweisen. Ein Bayes'sches Netz kann beispielsweise dazu ausgebildet sein, die Einzelinformation über den Patienten in Abhängigkeit eines Wahrscheinlichkeitsmodells zu ermitteln.
10 zeigt eine beispielhafte Ausgestaltung eines computer-implementierten Verfahrens zur Bereitstellung einer trainierten Funktion TF. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden. Außerdem können ein oder mehrere Schritte, insbesondere eine Sequenz von Schritten, und optional das gesamte Verfahren wiederholt ausgeführt werden.
In Schritt T10 werden Trainingseingabedaten bereitgestellt, wobei die Trainingseingabedaten Trainings-Patientendaten PD und eine zugehörige Trainings-Kontextinformation KI umfassen.
In Schritt T20 werden Trainingsausgabedaten bereitgestellt, wobei die Trainingsausgabedaten mit den Trainingseingabedaten in Verbindung stehen, und insbesondere einen medizinischen Bericht MB umfassen, der parallel zur Bereitstellung der Trainingseingabedaten erstellt wurde. Dabei basiert eine solcher medizinischer Bericht MB jeweils aus einem Satz aufweisend Trainings-Patientendaten PD eines Patienten und zugehörigen Trainings-Kontextinformationen KI.
In einem Schritt T30 wird die trainierte Funktion TF auf die Trainingseingabedaten angewandt, um intermediäre Ausgabedaten zu erzeugen. Die intermediären Ausgebdaten entsprechen dabei wenigstens einer Einzelinformation auf deren Grundlage dann ein medizinischer Bericht zu erstellen ist. Die trainierte Funktion TF kann bereits vortrainiert sein, d.h. es wurden bereits ein oder mehrere Parameter der trainierten Funktion TF durch das beschriebene Trainingsverfahren und/oder ein anderes Trainingsverfahren angepasst. Alternativ können der eine oder die mehreren Parameter der trainierten Funktion TF noch nicht mittels Trainingsdaten angepasst sein, insbesondere können der eine oder die mehreren Parameter durch einen konstanten Wert und/oder durch einen zufälligen Wert vorbelegt sein. Insbesondere können alle Parameter der trainierten Funktion TF noch nicht mittels Trainingsdaten angepasst sein, insbesondere können alle Parameter durch einen konstanten Wert und/oder durch einen zufälligen Wert vorbelegt sein.
In Schritt T40 werden die intermediären Ausgabedaten mit den Trainingsausgabedaten verglichen, woraufhin die trainierte Funktion TF in Schritt T50 basierend auf dem Vergleich angepasst wird. Dies kann beispielsweise auf Grundlage eines Kostenfunktionals geschehen, das Abweichungen der Feldinformation FI in den intermediärem Ausgabedaten von jener in den Trainingsausgabedaten bestraft. Ein oder mehrere Parameter der trainierten Funktion TF können dann insbesondere so angepasst werden, dass das Kostenfunktional minimiert wird, beispielsweise mittels einer Rückpropagation (ein englischer Fachbegriff ist „back propagation“). Zur Minimierung des Kostenfunktionals wird der Vergleich für verschiedene paarweise Sätze aus Trainingsausgabedaten und Trainingsausgabedaten sowie intermediären Ausgabedaten durchgeführt, bis ein lokales Minimum des Kostenfunktionals erreicht ist und die trainierte Funktion TF zufriedenstellend arbeitet. Schritt T50 kann insbesondere beinhalten, wenigstens eine den intermediären Ausgabedaten entsprechende Einzelinformation EI aus dem als Trainingsausgabedaten bereitgestellten medizinischen Bericht MB zu extrahieren und mit den intermediären Ausgabedaten zu vergleichen. Insbesondere kann der medizinische Bericht MB dabei basierend auf den intermediären Ausgabedaten nach diesen entsprechenden Einzelinformationen EI durchsucht werden, die dann mit den mit den intermediären Ausgabedaten verglichen werden. In Schritt T60 wird die so angepasste trainierte Funktion TF schließlich bereitgestellt.
11 zeigt ein Trainingssystem TSYS zum Trainieren einer trainierten Funktion TF. Das dargestellte Trainingssystem TSYS ist dazu ausgebildet, eines oder mehrere der erfindungsgemäßen Verfahren auszuführen. Das Trainingssystem TSYS umfasst eine Schnittstelle TSYS.IF, eine Recheneinheit TSYS.CU sowie eine Speichereinheit TSYS.MU. Bei dem Trainingssystem TSYS kann es sich insbesondere um einen Computer, einen Mikrocontroller oder um einen integrierten Schaltkreis handeln. Alternativ kann es sich bei dem Trainingssystem TSYS um einen realen oder virtuellen Verbund von Computern handeln (ein englischer Fachbegriff für einen realen Verbund ist „Cluster“, ein englischer Fachbegriff für einen virtuellen Verbund ist „Cloud“). Bei einer Schnittstelle TSYS.IF kann es sich um eine Hardware- oder Softwareschnittstelle handeln (beispielsweise PCI-Bus, USB oder Firewire). Eine Recheneinheit SYS.CU, TSYS.CU kann Hardware-Element oder Software-Elemente aufweisen, beispielsweise einen Mikroprozessor oder ein sogenanntes FPGA (englisches Akronym für „Field Programmable Gate Array“). Eine Speichereinheit SYS.MU, TSYS.MU kann als nicht dauerhafte Arbeitsspeicher (Random Access Memory, kurz RAM) oder als dauerhafter Massenspeicher (Festplatte, USB-Stick, SD-Karte, Solid State Disk) realisiert sein. Das hier dargestellte Trainingssystem TSYS ist dazu ausgebildet, die Ausführungsbeispiele des Verfahren zum Trainieren einer trainierten Funktion TF auszuführen, indem die Schnittstelle TSYS.IF und die Recheneinheit TSYS.CU dazu ausgebildet sind, die jeweiligen Schritte des Verfahrens auszuführen.
In 12 und 13 ist schematisch eine erfindungsgemäße Verarbeitung zur Bereitstellung eines medizinischen Berichts MB dargestellt. Die erfindungsgemäße Verknüpfung von Patientendaten PD, Datenfilter DF und (sofern vorhanden) bestehender medizinischer Berichte MB in der Back-End-Recheneinrichtung 200 kann als virtueller Bericht für einen Patienten aufgefasst werden, der jederzeit an die jeweiligen Gegebenheiten (welche durch die Kontextinformationen KI charakterisiert sind) angepasst, aktualisiert und abgerufen werden kann. Dies ermöglicht es, alle klinischen Aktivtäten in dem medizinischen Netzwerk mit der Erstellung medizinischer Berichte MB zu synchronisieren.
Die Verwendung adaptiver Datenfilter DF ermöglich zunächst, wenigstens eine Einzelinformation EI aus den Patientendaten PD entsprechend der Kontextinformation KI zu extrahieren. Dabei wirkt der Datenfilter DF dahingehend, dass für den jeweiligen Anwendungsfall entsprechend der Kontextinformation KI die relevanten Einzelinformationen EI identifiziert und bereitgestellt werden. Die Datenfilter DF können ferner noch dahingehend ausgebildet sein, dass sie zu jeder Einzelinformation EI eine Relevanzinformation RI ermitteln, welche die klinische Relevanz der jeweiligen Einzelinformation EI im medizinischen Kontext, d.h. basierend auf der Kontextinformation KI, angibt. Die Relevanzinformation RI kann z.B. basieren auf einem Vergleich der Einzelinformation EI mit früheren Einzelinformationen, durch einen Vergleich der Einzelinformationen EI mit einer medizinischen Richtlinie, durch einen Vergleich der Einzelinformation EI mit einer medizinischen Ontologie (wie z.B. Radlex) usw. ermittelt werden.
Wie in 12 dargestellt, können Ausführungsformen der Erfindung eine Informationsverknüpfung und Nachverfolgbarkeit zunächst entlang wenigstens zweier Datenverarbeitungsachsen ermöglichen. Dabei bildet die linke Achse in gewisser Weise den klinischen Status des Patienten ab. Dieser Status kann beispielswiese die durchgeführten Untersuchungen U1, U2, U3 umfassen. Entlang der y-Achse ist es möglich, mit dem Datenfilter DF zu überprüfen, ob vorgeschriebene Schritte in der klinischen Routine gemäß dem klinischen Status in den Patientendaten PD prinzipiell angelegt und ggf. in der richtigen Reihenfolge vorgesehen wurden (Kohärenz). Solche Schritte können z.B. auf die Erzeugung einer Einzelinformation gerichtet sein und beispielsweise eine Laboruntersuchung oder eine Untersuchung mit einer bildgebenden Modalität umfassen. Damit kann z.B. erkannt werden, ob alle maßgeblichen Untersuchungen U1, U2, U3 für den Patienten entsprechend der Kontextinformation KI durchgeführt wurden oder zumindest vorgesehen sind. Entlang der x-Achse kann dann mit Hilfe des Datenfilters DF überprüft werden, ob die entsprechenden Einzelinformationen EI vorhanden sind oder nicht (Vollständigkeit). Daraus ergibt sich eine Berichtsdatenstruktur BDS, auf deren Grundlage ein medizinischer Bericht MB zum jeweiligen Zeitpunkt abgeleitet werden kann. Die zur Erstellung der jeweiligen Datenstruktur verwendeten Datenfilter DF, Kontextinformationen KI, Einzelinformationen EI oder zugehörige Relevanzinformationen RI können in der Berichtsdatenstruktur BDS ebenfalls abgelegt werden. Ferner kann in der Berichtsdatenstruktur BDS eine Anwenderinformation gespeichert sein, die angibt in welchen Anwendungsinstanzen eines medizinischen Netzwerks 10 die Berichtsdatenstruktur BDS oder aus dieser bereitgestellte Informationen (wie etwa ein medizinischer Bericht MB) verwendet wurden oder zur Verwendung vorgesehen sind.
Wie in 13 dargestellt, können Ausführungsformen der Erfindung ferner eine Verknüpfung entlang einer weiteren Datenverarbeitungsachse (z-Achse) leisten. Die z-Achse kann z.B. als Zeitachse aufgefasst werden (oder als Achse verschiedener medizinischer Kontexte). Dabei können verschiedene medizinische Berichte MB durch Datenfilter DF miteinander verknüpft werden, um z.B. verschiedene medizinische Berichte MB eines Patienten miteinander zu vergleichen, ineinander umzuwandeln und/oder aufeinander aufzubauen.
Im folgenden werden einige Anwendungsfälle beschrieben, in denen Verfahren und Vorrichtungen gemäß den Ausführungsbeispielen Anwendung finden.
Anwendungsfall: Statusprüfung ausgehend von dem letzten medizinischen Bericht MB:

1) Einlesen der Berichtsdatenstruktur BDS für den Patienten (des letzten Ereignisses in z-Richtung, vgl. 13);
2) Bereitstellen geupdateter/aktueller Patientendaten PD zu dem Patienten;
3) Extrahieren wenigsten einer geupdateten Einzelinformation EI aus den geupdateten Patientendaten PD basierend auf der Berichtsdatenstruktur BDS (d.h. insbesondere basierend auf dem bzw. den Datenfilter(n) DF, der Kontextinformation KI, der bzw. den Einzelinformation(en) EI und/oder der bzw. den zugehörige Relevanzinformation(en) RI die in der Berichtsdatenstruktur BDS gespeichert sind) mit einem Datenfilter DF, wobei der Datenfilter DF insbesondere basierend auf der Berichtsdatenstruktur BDS bereitgestellt werden kann (insbesondere können der oder die in der Berichtsdatenstruktur BDS gespeicherten Datenfilter DF ausgewählt und angewendet werden);
4) Korrelieren der wenigstens einen geupdateten Einzelinformation EI mit der Berichtsdatenstruktur BDS (mit anderen Worten wird die wenigstens eine geupdatete Einzelinformation in die Berichtsdatenstruktur BDS eingeordnet bzw. darauf abgebildet);
5) Bestimmen einer Änderungsinformation basierend auf dem Schritt des Korrelierens, welche Änderungsinformation eine Progression einer Einzelinformation EI angibt;
6) (Optional) Bestimmen, basierend auf dem Schritt des Korrelierens, wenigstens einer neuen Einzelinformation EI, wobei die neue Einzelinformation EI eine Einzelinformation ohne Entsprechung in der Berichtsdatenstruktur BDS ist;
7) (Optional) Bewerten einer klinischen Relevanz der neuen und/oder geupdateten Einzelinformation EI;
8) (Optional) Ausgeben der neuen und/oder geupdateten Einzelinformation EI an einen Nutzer (optional basierend auf der klinischen Relevanz), optional, Vorschlag von weiterführenden Handlungen basieren auf der neuen und/oder geupdateten Einzelinformation EI;
9) (Optional) Anlegen einer neuen Berichtsdatenstruktur BDS basierend auf der neuen und/oder geupdateten Einzelinformation.

Anwendungsfall: Erzeugung eines medizinischen Berichts MB

1) Automatisches Einlesen der Berichtsdatenstruktur BDS des Patienten (des letzten Ereignisses in z-Richtung, vgl. 13);
2) Automatisches Erstellen eines medizinischen Berichts MB basierend auf der eingelesen Berichtsdatenstruktur BDS (z.B. unter Anwendung eines oder mehrerer geeigneter Datenfilter DF);
3) (Optional) Überprüfen des Patientenstatus auf Kohärenz (y-Richtung) und Vollständigkeit (x-Richtung) insbesondere basierend auf der Kontextinformation KI;
4) (Optional) Bereitstellen einer Relevanzinformation RI durch Bewerten der klinischen Relevanz wenigstens einer Einzelinformation EI, insbesondere durch Anwenden eines geeigneten Datenfilters DF;
5) (Optional) Übermitteln des medizinischen Berichts MB an einen Nutzer;
6) (Optional) Übermitteln der Relevanzinformation RI und/oder einer Bewertung auf Kohärenz und Vollständigkeit an den Nutzer;
7) (Optional) Empfangen einer Nutzerrückmeldung bezüglich des medizinischen Berichts MB, der Relevanzinformation RI und/oder der Bewertung auf Kohärenz und Vollständigkeit;
8) (Optional) Anpassen der Berichtsdatenstruktur BDS basierend auf der Nutzerrückmeldung.

Anwendungsfall: automatisches Updaten einer Berichtsdatenstruktur BDS und/oder eines medizinischen Berichts MB unter Berücksichtigung medizinischer Richtlinien

1) Einlesen der Berichtsdatenstruktur BDS des Patienten (des letzten Ereignisses in z-Richtung, vgl. 13);
2) Empfangen eines Ergebnisses einer Untersuchung U1, U2, U3 zur Bereitstellung und/oder Aktualisierung wenigstens einer neuen Einzelinformation EI (z.B. einer nochmals durchgeführten bildgebenden Untersuchung des Patienten);
3) Aktualisieren der Patientendaten PD eines Patienten basierend auf der neuen Einzelinformation EI;
4) Aktualisieren der letzten Berichtsdatenstruktur BDS basierend auf der neuen Einzelinformation EI, insbesondere durch Korrelieren der neuen Einzelinformation EI mit der letzten Berichtsdatenstruktur BDS (Abbilden der neuen Einzelinformation auf die V-förmigen Datenfelder) und/oder durch Anwenden wenigstens eines Datenfilters DF auf die aktualisierten Patientendaten PD, wobei der der wenigstens eine Datenfilter DF bevorzugt in der Berichtsdatenstruktur BDS gespeichert ist und für das Anwenden auf die aktualisierten Patientendaten PD aus der Berichtsdatenstruktur BDS ausgelesen wird

Anwendungsfall: Automatisches Weiterleiten relevanter Information aus der Berichtsdatenstruktur BDS

1) Einlesen der Berichtsdatenstruktur BDS des Patienten (des letzten Ereignisses in z-Richtung, vgl. 13)
2) Bestimmen ein oder mehrere Anwendungsinstanzen in dem medizinischen Netzwerk 10 insbesondere basierend auf der bevorzugt in der Berichtsdatenstruktur BDS gespeicherten Anwendungsinformation
3) Bereitstellen eines medizinischen Berichts MB basierend auf der Berichtsdatenstruktur BDS
4) Übermitteln des medizinischen Berichts MB an die ein oder mehreren Anwendungsinstanzen

Wo noch nicht explizit geschehen, jedoch sinnvoll und im Sinne der Erfindung, können einzelne Ausführungsbeispiele, einzelne ihrer Teilaspekte oder Merkmale mit einander kombiniert bzw. ausgetauscht werden, ohne den Rahmen der hiesigen Erfindung zu verlassen. Mit Bezug zu einem Ausführungsbeispiel beschriebene Vorteile der Erfindung treffen ohne explizite Nennung, wo übertragbar, auch auf andere Ausführungsbeispiele zu.

Claims

Verfahren zum Bereitstellen eines medizinischen Berichts (MB) in einem medizinischen Netzwerk (10) mit einer Front-End-Recheneinrichtung (50) und einer Back-End-Recheneinrichtung (200), wobei das Verfahren folgende Schritte umfasst: - Empfangen (S10) einer auf einen Patienten bezogenen Kontextinformation (KI) von der Front-End-Recheneinrichtung (50) an der Back-End-Recheneinrichtung (200); - Bereitstellen (S20) von Patientendaten (PD) des Patienten an der Back-End-Recheneinrichtung (200); - Bereitstellen (S40) wenigstens eines Datenfilters (DF) basierend auf der Kontextinformation (KI) durch die Back-End-Recheneinrichtung (200), wobei der Datenfilter (DF) dazu ausgebildet ist, aus den Patientendaten (PD) wenigstens eine Einzelinformation (EI) zur Erzeugung eines medizinischen Berichts (MB) zu extrahieren; - Erzeugen (S50) des medizinischen Berichts (MB) basierend auf den Patientendaten (PD) und der Kontextinformation (KI) durch die Back-End-Recheneinrichtung (200) durch Anwenden des Datenfilters (DF) auf die Patientendaten (PD); - Übermitteln (S60) des medizinischen Berichts (MB) an die Front-End-Recheneinrichtung (50) durch die Back-End-Recheneinrichtung (200).
Verfahren nach Anspruch 1, bei dem der Schritt (S40) des Bereitstellens wenigstens eines Datenfilters (DF) umfasst: Bereitstellen mehrerer Auswahl-Datenfilter (DF) in der Back-End-Recheneinrichtung (200), welche Auswahl-Datenfilter (DF) dazu ausgebildet sind, jeweils unterschiedliche Einzelinformationen (EI) zur Erstellung unterschiedlicher medizinischer Berichte (MB) zu extrahieren, und Auswählen wenigstens Datenfilters (DF) aus den Auswahl-Datenfiltern (DF).
Verfahren nach Anspruch 1 oder 2, bei dem - der Datenfilter (DF) eine trainierte Funktion (TF) umfasst, welche dazu ausgebildet ist, basierend auf der Kontextinformation (KI) wenigstens eine Einzelinformation (EI) zur Erzeugung eines medizinischen Berichts (MB) zu extrahieren.
Verfahren nach einem der vorhergehenden Ansprüche, ferner mit den Schritten: Bereitstellen (S30) einer Auswahl mehrerer Auswahl-Templates (BT) zur Erstellung jeweils unterschiedlicher medizinischer Berichte (MB); Auswählen (S30) eines Templates (BT) aus den mehreren Auswahl-Templates (BT) basierend auf der Kontextinformation (KI); wobei im Schritt des Erzeugens (S50) der medizinischen Bericht (MB) basierend auf dem Template (BT) erzeugt wird und insbesondere die wenigstens eine Einzelinformation (EI) automatisch in das ausgewählte Template (BT) eingegeben wird.
Verfahren nach einem der vorherigen Ansprüche, ferner mit Bereitstellen (S25) einer früheren Version des medizinischen Berichts (MB) für den Patienten an der Back-End-Recheneinrichtung (200); Ermitteln (S55) einer Änderungsinformation basierend auf einem Vergleich zwischen den Patientendaten (PD) und der früheren Version des medizinischen Berichts (MB), welche Änderungsinformation angibt, wie sich wenigstens ein Zustand des Patienten seit dem Zeitpunkt der früheren Version des medizinischen Berichts (MB) verändert hat; wobei der medizinische Bericht (MB) zusätzlich basierend auf der Änderungsinformation erzeugt wird und insbesondere die Änderungsinformation umfasst.
Verfahren nach Anspruch 5, ferner mit Bestimmen (S80) wenigstens einer früheren Anwendungsinstanz der früheren Version des medizinischen Berichts (MB) in dem medizinischen Netzwerk (10); Übermitteln (S80) des medizinischen Berichts (MB) an die wenigstens eine frühere Anwendungsinstanz.
Verfahren nach einem der vorhergehenden Ansprüche, ferner mit den Schritten: Ermitteln (S45) wenigstens einer fehlenden Einzelinformation (EI) in den Patientendaten (PD) basierend auf der Kontextinformation (KI) und/oder dem anzuwendenden Datenfilter (DF) ; und Übermitteln (S91) eines Hinweises betreffend die fehlende Einzelinformation (EI) an die Front-End-Recheneinrichtung (50); und/oder Anwenden (S92) eines Datenauswerteprogramms zur Ermittlung der fehlenden Einzelinformation (EI) aus den Patientendaten (PD) an der Back-End-Recheneinrichtung (200); und/oder Veranlassen (S93) der Front-End-Recheneinrichtung (50) und/oder einer davon verschiedenen Anwendungsinstanz in dem medizinischen Netzwerk (10) zur Ermittlung der fehlenden Einzelinformation (EI) durch die Back-End-Recheneinrichtung (200) .
Verfahren nach Anspruch 7, bei dem die Patientendaten (PD) wenigstens einen medizinischen Bilddatensatz umfassen, sich die fehlende Einzelinformation (EI) auf einen aus dem medizinischen Bilddatensatz zu extrahierenden Messwert bezieht, und das Datenauswerteprogramm als Bildverarbeitungsalgorithmus zum Extrahieren des Messwerts aus dem medizinischen Bilddatensatz ausgebildet ist.
Verfahren nach einem der Ansprüche 7 oder 8, bei dem sich die fehlende Einzelinformation (EI) auf eine nicht durchgeführte Untersuchung (U1, U2, U3) des Patienten bezieht, und das Veranlassen (S93) ein Veranlassen einer Durchführung der nicht durchgeführten medizinischen Untersuchung (U1, U2, U3) umfasst.
Verfahren nach einem der vorhergehenden Ansprüche, ferner mit den Schritten: Empfangen (S100) eines modifizierten medizinischen Berichts (MB) von der Front-End-Recheneinrichtung (50) an der Back-End-Recheneinrichtung (200), welcher modifizierte medizinische Bericht (MB) auf dem medizinischen Bericht (MB) beruht und gegenüber dem medizinischen Bericht (MB) ein oder mehrere Modifikationen aufweist; Anpassen (S110) des Datenfilters (DF) basierend auf einem Vergleich zwischen dem modifizierten medizinischen Bericht (MB) mit dem medizinischen Bericht (MB).
Verfahren nach einem der vorhergehenden Ansprüche ferner mit den Schritten; Erfassen (S120) eines Updateereignisses bezüglich des medizinischen Berichts (MB) an der Back-End-Recheneinrichtung (200) ; Updaten (S130) des medizinischen Berichts (MB) entsprechend des Updateereignisses; Übermitteln (S140) des geupdateten medizinischen Berichts (MB) an die Front-End-Recheneinrichtung (50); wobei das Updateereignis insbesondere eines oder mehrere der nachfolgenden Ereignisse umfasst: ein Bereitstellen geupdateter Patientendaten (PD); ein Bereitstellen eines angepassten Datenfilters (DF) ; ein Empfangen einer Update-Anfrage in der Back-End-Recheneinrichtung (200) aus dem medizinischen Netzwerk (10); und/oder Ablauf einer vorgegebenen Zeitspanne seit dem Erzeugen des medizinischen Berichts (MB).
Verfahren nach Anspruch 11, ferner mit den Schritten: Bestimmen (S141) wenigstens einer von der Front-End-Recheneinrichtung (50) verschiedenen weitere Anwendungsinstanz des medizinischen Berichts (MB) in dem medizinischen Netzwerk (10); Übermitteln (S142) des geupdateten medizinischen Berichts (MB) an die wenigstens eine weitere Anwendungsinstanz.
Vorrichtung (200) zum Bereitstellen eines medizinischen Berichts (MB) in einem medizinischen Netzwerk (10) mit wenigstens einer Front-End-Recheneinrichtung (50), wobei die Vorrichtung (200) über das medizinische Netzwerk (10) mit der Front-End-Recheneinrichtung (50) in Verbindung steht und eine Recheneinrichtung aufweist, die dazu ausgebildet ist: - eine auf einen Patienten bezogenen Kontextinformation (KI) von der Front-End-Recheneinrichtung (50) zu empfangen (S10) ; - Patientendaten (PD) des Patienten bereitzustellen (S20); - wenigstens einen Datenfilter (DF) basierend auf der Kontextinformation (KI) bereitzustellen (S40), wobei der Datenfilter (DF) dazu ausgebildet ist, aus den Patientendaten (PD) wenigstens eine Einzelinformation (EI) zur Erzeugung eines medizinischen Berichts (MB) zu extrahieren; - den medizinischen Berichts (MB) basierend auf den Patientendaten (PD) und der Kontextinformation (KI) durch Anwenden des Datenfilters (DF) auf die Patientendaten (PD) zu erzeugen (S50) ; - den medizinischen Bericht (MB) an die Front-End-Recheneinrichtung (50) zu übermitteln (S60).
Computerprogrammprodukt, welches ein Programm umfasst und direkt in einen Speicher einer programmierbaren Recheneinrichtung (200) ladbar ist, mit Programmmitteln, um ein Verfahren nach den Ansprüchen 1 bis 12 auszuführen, wenn das Programm in der Recheneinrichtung (200) ausgeführt wird.
Computerlesbares Speichermedium, auf welchem lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte der Verfahren nach einem der Ansprüche 1 bis 12 auszuführen, wenn die Programmabschnitte von einer Recheneinrichtung (200) ausgeführt werden.