ES2888523A2 - Una plataforma para evaluar informacion medica y metodo para utilizar la misma - Google Patents
Una plataforma para evaluar informacion medica y metodo para utilizar la misma Download PDFInfo
- Publication number
- ES2888523A2 ES2888523A2 ES202190057A ES202190057A ES2888523A2 ES 2888523 A2 ES2888523 A2 ES 2888523A2 ES 202190057 A ES202190057 A ES 202190057A ES 202190057 A ES202190057 A ES 202190057A ES 2888523 A2 ES2888523 A2 ES 2888523A2
- Authority
- ES
- Spain
- Prior art keywords
- image analysis
- image
- images
- engines
- medical images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000010191 image analysis Methods 0.000 claims abstract description 191
- 230000008859 change Effects 0.000 claims abstract description 29
- 230000004044 response Effects 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000013473 artificial intelligence Methods 0.000 claims description 277
- 230000036541 health Effects 0.000 claims description 80
- 238000004891 communication Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 29
- 238000004458 analytical method Methods 0.000 description 63
- 238000012545 processing Methods 0.000 description 50
- 238000007726 management method Methods 0.000 description 33
- 239000008186 active pharmaceutical agent Substances 0.000 description 21
- 230000008569 process Effects 0.000 description 18
- 238000012552 review Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000002059 diagnostic imaging Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 5
- 230000008676 import Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000013474 audit trail Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- PMHURSZHKKJGBM-UHFFFAOYSA-N isoxaben Chemical compound O1N=C(C(C)(CC)CC)C=C1NC(=O)C1=C(OC)C=CC=C1OC PMHURSZHKKJGBM-UHFFFAOYSA-N 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Plataforma para evaluar información médica y método para utilizar la misma que comprende: supervisar, mediante un sistema de gestión de imágenes médicas, una primera indicación de un cambio de contenido en una o más fuentes de datos; determinar, en respuesta a la primera indicación, un motor de análisis de imágenes para analizar una o más imágenes médicas nuevas asociadas con el cambio de contenido basándose en la información que acompaña a las imágenes y/o los resultados de aplicar la detección de parte del cuerpo en las imágenes; enviar una primera notificación para iniciar el análisis de imágenes en las imágenes médicas, enviándose la primera notificación a cada motor de análisis para analizar las imágenes médicas nuevas; recibir una segunda indicación de que los resultados del análisis de imágenes están disponibles; y enviar una segunda notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes.
Description
DESCRIPCIÓN
UNA PLATAFORMA PARA EVALUAR INFORMACIÓN MÉDICA Y MÉTODO PARA
UTILIZAR LA MISMA
CAMPO DE LA INVENCIÓN
Las realizaciones de la presente invención se refieren al campo de la formación de imágenes médicas; más particularmente, Las realizaciones de la presente invención se refieren al uso de un análisis de imágenes automatizado (por ejemplo, plataforma de análisis de inteligencia artificial (IA) para analizar imágenes médicas.
ANTECEDENTES
Los médicos y otro personal clínico a menudo revisan toda la información clínica relevante de un paciente al tomar decisiones de atención médica. La información clínica se incluye por lo general en estudios sanitarios e informes estructurados. Estos a menudo incluyen información sobre el historial de un paciente, informes de diagnóstico de diferentes dominios, imágenes y otros datos clínicos en formato electrónico.
Los estudios sanitarios de un paciente incluyen un informe de diagnóstico por imágenes que contiene valores de parámetros (por ejemplo, mediciones, lecturas, etc.) e imágenes de exámenes o procedimientos que generalmente se comparten entre médicos y clínicos para ayudar en el diagnóstico y el tratamiento.
Los estudios sanitarios se generan por lo general en respuesta a que un médico solicita un examen para su paciente. El examen se realiza y el estudio generado a menudo se envía a un sistema de comunicación y archivo de imágenes (PACS). Un médico o clínico puede utilizar un sistema de gestión de imágenes médicas para obtener una lista de trabajo que contenga estudios para sus pacientes.
Recientemente se han utilizado varios algoritmos de Inteligencia Artificial (IA) con los sistemas PACS de Radiología. Estos algoritmos automatizan el proceso de evaluación de imágenes en los estudios sanitarios. Estos algoritmos se pueden aplicar a imágenes individuales o estudios completos, y los resultados se pondrán a disposición del médico intérprete, así como de otros usuarios clínicos. Aunque los resultados del
algoritmo están disponibles, el médico intérprete puede no estar al tanto de los hallazgos porque los algoritmos de IA se implementan en diferentes plataformas y no hay un almacenamiento, acceso ni flujo de datos organizado para los resultados de IA. Debido a estas limitaciones, es posible que el médico intérprete no pueda revisar los resultados automatizados de manera oportuna, lo que podría causar más daño a un paciente o retrasar el tratamiento si no se revisa con la rapidez asociada con el nivel de prioridad de los hallazgos.
SUMARIO DE LA INVENCIÓN
Se describe una plataforma para evaluar información médica y un método para utilizar la misma. En una realización, el método comprende: supervisar, mediante un sistema de gestión de imágenes médicas, una primera indicación de un cambio de contenido en una o más fuentes de datos; determinar, en respuesta a la primera indicación, cuál de una pluralidad de motores de análisis de imágenes analizará al menos una imagen de una o más imágenes médicas nuevas asociadas con el cambio de contenido basándose en una o ambas de la información que acompaña a la o las imágenes o los resultados de aplicar la detección de parte del cuerpo en la al menos una imagen; enviar una primera notificación para iniciar el análisis de imágenes en la al menos una imagen de una o más imágenes médicas, enviándose la primera notificación a cada motor de análisis de imágenes en un conjunto de uno o más motores de análisis de imágenes determinados para analizar la al menos una imagen de la una o más imágenes médicas nuevas; recibir una segunda indicación de que los resultados del análisis de imágenes están disponibles en el conjunto de uno o más motores de análisis de imágenes; y enviar una segunda notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes para su acceso y visualización.
BREVE DESCRIPCIÓN DE LOS DIBUJOS
La presente invención se entenderá más completamente a partir de la descripción detallada que se proporciona a continuación y de los dibujos adjuntos de varias realizaciones de la invención, que, sin embargo, no deben tomarse para limitar la invención a las realizaciones específicas, sino son solo para su explicación y comprensión.
la Figura 1 ilustra un ejemplo del entorno de sistema informático de información médica, con el que se pueden implementar las realizaciones de la presente invención.
la Figura 2 es un diagrama de bloques que muestra una realización de la arquitectura de un sistema informático para analizar, estudiar la información del estudio sanitario (por ejemplo, imágenes).
la Figura 3 es un diagrama de flujo de datos de una realización de un proceso para analizar imágenes médicas utilizando algoritmos de análisis de imágenes automatizados (por ejemplo, algoritmos de IA) que se han aplicado a una o más de las imágenes médicas.
la Figura 4A es un diagrama de bloques de una realización de una plataforma de IA para su uso en la realización de análisis de imágenes en imágenes médicas.
la Figura 4B es un diagrama de flujo de datos de una realización de una plataforma de IA para su uso en la realización de análisis de imágenes en imágenes médicas.
la Figura 5 es un diagrama de flujo de una realización de un proceso para procesar imágenes médicas usando una plataforma de análisis de imágenes (por ejemplo, análisis de IA).
la Figura 6 es un diagrama de flujo de otra realización de un proceso para procesar imágenes médicas usando una plataforma de análisis de imágenes (por ejemplo, análisis de IA).
la Figura 7 ilustra un ejemplo de realización de una representación lógica de un sistema de gestión de información e imágenes médicas.
DESCRIPCIÓN DETALLADA
En la siguiente descripción, se exponen numerosos detalles para proporcionar una explicación más completa de la presente invención, será evidente, sin embargo, para un experto en la materia, que la presente invención se puede poner en práctica sin estos detalles específicos. En otros casos, las estructuras y dispositivos conocidos se
muestran en forma de diagrama de bloques, en lugar de en detalle, para evitar oscurecer la presente invención.
Las realizaciones de la presente invención están dirigidas a sistemas y métodos, para realizar un flujo de trabajo de análisis de imágenes con una plataforma para analizar imágenes médicas. En una realización, el análisis de imágenes comprende el análisis de inteligencia artificial (IA) que se utiliza para analizar imágenes médicas como parte de un flujo de trabajo (por ejemplo, un flujo de trabajo en Radiología, un flujo de trabajo en Cardiología, etc.). En una realización, las imágenes médicas son parte de estudios sanitarios y la plataforma es una plataforma de inteligencia artificial que es parte de, o está asociada con, un sistema de gestión de imágenes médicas. En una realización, la Plataforma de IA es una plataforma basada en API abierta en la que se integran múltiples algoritmos de IA para establecer una integración perfecta para el flujo de trabajo de IA en diferentes ramas de la medicina. Al tener disponibles múltiples algoritmos de IA para analizar imágenes médicas, existe una mayor probabilidad de identificar condiciones médicas en pacientes más rápidamente que en la técnica anterior. Esto permite que los estudios sanitarios presenten resultados críticos/emergentes en la parte superior de la lista, permitiendo un diagnóstico potencialmente más rápido. Habiendo descrito brevemente una descripción general de la presente invención, las realizaciones de la invención se describirán con referencia a las Figuras 1-7.
El objeto de las realizaciones de la presente invención se describe aquí con especificidad para cumplir con los requisitos legales. Sin embargo, la descripción en sí no pretende limitar el alcance de esta patente. En su lugar, los inventores han contemplado que la materia objeto reivindicada podría también incorporarse de otras formas, para incluir diferentes pasos o combinaciones de pasos similares a los descritos en el presente documento, junto con otras tecnologías presentes o futuras.
Habiendo descrito brevemente las realizaciones de la presente invención, un ejemplo de entorno operativo adecuado para su uso en la implementación de realizaciones de la presente invención se describe a continuación.
Con referencia a los dibujos en general, e inicialmente a la Figura 1 en particular, un entorno de sistema informático de información médica, con el que se pueden implementar las realizaciones de la presente invención se ilustra y designa
generalmente como el número de referencia 120. Los expertos en la materia entenderán y apreciarán que el entorno 120 del sistema informático de información médica ilustrado es simplemente un ejemplo de un entorno informático adecuado y no pretende sugerir ninguna limitación en cuanto al alcance de uso o funcionalidad del sistema de la invención. Tampoco se debe interpretar que el entorno 120 del sistema informático de información médica tiene alguna dependencia o requisito relacionado con cualquier componente individual o combinación de componentes ilustrados en el mismo.
Las realizaciones de la presente invención pueden ser operativas con numerosos entornos o configuraciones de sistemas informáticos de propósito general o de propósito especial. Ejemplos de sistemas informáticos, entornos y/o configuraciones conocidos que pueden ser adecuados para su uso con la presente invención incluyen, solo a modo de ejemplo, ordenadores personales, ordenadores servidores, dispositivos portátiles o de mano, sistemas multiprocesadores, sistemas basados en microprocesadores, electrónica de consumo programable, PC de red, miniordenadores, ordenadores centrales, entornos informáticos distribuidos que incluyen cualquiera de los sistemas o dispositivos mencionados anteriormente, y similares.
Las realizaciones de la presente invención pueden describirse en el contexto general de instrucciones ejecutables por ordenador, tales como módulos de programa, que se ejecutan por un ordenador. Por lo general, los módulos de programa incluyen, aunque sin limitación, rutinas, programas, objetos, componentes y estructuras de datos que realizan tareas particulares o implementan tipos de datos abstractos particulares. La presente invención también se puede poner en práctica en entornos informáticos distribuidos en lo que las tareas se realizan mediante dispositivos de procesamiento remoto que están conectados a través de una red de comunicaciones. En un entorno informático distribuido, los módulos de programa pueden estar ubicados en asociación con medios de almacenamiento informáticos locales y/o remotos, incluidos, solo a modo de ejemplo, dispositivos de almacenamiento de memoria.
Con referencia continuada a la Figura 1, el ejemplo del entorno 120 del sistema informático de información médica incluye un dispositivo informático de uso general en forma de un servidor de control 122. Los componentes del servidor de control 122 pueden incluir, sin limitación, una unidad de procesamiento, memoria interna del sistema y un bus de sistema adecuado para acoplar varios componentes del sistema, incluido el clúster de base de datos 124, con servidor de control 122. El bus del sistema puede ser
cualquiera de varios tipos de estructuras de bus, incluyendo un bus de memoria o controlador de memoria, un bus periférico y un bus local, utilizando cualquiera de una variedad de arquitecturas de bus. A modo de ejemplo y no de limitación, tales arquitecturas incluyen el bus de arquitectura estándar de la industria (ISA), bus de arquitectura de microcanal (MCA), bus ISA mejorado (EISA), bus local de Video Electronic Standards Association (VESA) y bus de interconexión de componentes periféricos (PCI), también conocido como bus Mezzanine.
El servidor de control 122 incluye normalmente en el mismo, o tiene acceso a, una variedad de medios legibles por ordenador, por ejemplo, clúster de base de datos 124. Los medios legibles por ordenador pueden ser cualquier medio disponible al que pueda acceder el servidor de control 122, e incluye medios volátiles y no volátiles, así como medios extraíbles y no extraíbles. A modo de ejemplo y no de limitación, los medios legibles por ordenador pueden incluir medios de almacenamiento informáticos. Los medios de almacenamiento informáticos pueden incluir, sin limitación, medios volátiles y no volátiles, así como los medios extraíbles y no extraíbles implementados en cualquier método o tecnología para el almacenamiento de información, como instrucciones legibles por ordenador, estructuras de datos, módulos de programa u otros datos. En este sentido, los medios de almacenamiento informáticos pueden incluir, pero sin limitación, RAM, ROM, EEPROM, memoria flash u otra tecnología de memoria, CD-ROM, discos versátiles digitales (DVD) u otro almacenamiento en disco óptico, casetes magnéticos, cinta magnética, almacenamiento en disco magnético, u otro dispositivo de almacenamiento magnético, o cualquier otro medio que pueda usarse para almacenar la información deseada y al que pueda acceder el servidor de control 122. A modo de ejemplo y no de limitación, los medios de comunicación incluyen medios alámbricos, como una red alámbrica o conexión directa, y medios inalámbricos, tales como acústicos, RF, infrarrojos y otros medios inalámbricos. Las combinaciones de cualquiera de los anteriores se pueden incluir también dentro del alcance de los medios legibles por ordenador.
Los medios de almacenamiento informáticos descritos anteriormente e ilustrados en la Figura 1, incluido el clúster de base de datos 124, proporcionan almacenamiento de instrucciones, estructuras de datos, módulos de programa y otros datos legibles por ordenador para el servidor de control 122. El servidor de control 122 puede operar en una red informática 126 usando conexiones lógicas a uno o más ordenadores remotos 128. Los ordenadores remotas 128 pueden estar ubicados en una variedad de
ubicaciones en un entorno médico o de investigación, por ejemplo, aunque sin limitación, laboratorios clínicos (por ejemplo, laboratorios de diagnóstico molecular), hospitales y otros entornos para pacientes hospitalizados, entornos veterinarios, entornos ambulatorios, oficinas de facturación médica y financiera, entornos de administración hospitalaria, entornos de atención médica domiciliaria y consultorios clínicos. Los clínicos pueden incluir, aunque sin limitación, un médico o médicos tratantes, especialistas tales como intensivistas, cirujanos, radiólogos, cardiólogos y oncólogos, técnicos médicos de emergencia, asistentes del médico, enfermero/as especializado/as, enfermero/as, auxiliares de enfermería, farmacéuticos, dietistas, microbiólogos, expertos de laboratorio, tecnólogos de laboratorio, tecnólogos radiológicos, investigadores, veterinarios, estudiantes y similares. Los ordenadores remotos 128 pueden también estar ubicados físicamente en entornos de atención médica no tradicionales de forma que toda la comunidad de atención médica pueda integrarse en la red. Los ordenadores remotos 128 pueden ser ordenadores personales, servidores, enrutadores, PC de red, dispositivos de pares, otros nodos de red comunes, o similares, y pueden incluir algunos o todos los elementos descritos anteriormente en relación con el servidor de control 122. Los dispositivos pueden ser asistentes digitales personales u otros dispositivos similares.
Ejemplos de redes informáticas 126 pueden incluir, sin limitación, redes de área local (LAN) y/o redes de área amplia (WAN). Estos entornos de redes son habituales en las oficinas, redes informáticas de toda la empresa, intranets e Internet. Cuando se utiliza en un entorno de red WAN, el servidor de control 122 puede incluir un módem u otros medios para establecer comunicaciones a través de la WAN, como Internet. En un entorno en red, los módulos de programa o partes de los mismos pueden almacenarse en asociación con el servidor de control 122, el clúster de base de datos 124, o cualquiera de los ordenadores remotos 128. Por ejemplo, y no a modo de limitación, varios programas de aplicación pueden residir en la memoria asociada con uno o más de los ordenadores remotos 128. Los expertos en la materia apreciarán que las conexiones de red mostradas son ejemplos y otros medios de establecer un enlace de comunicaciones entre los ordenadores (por ejemplo, servidor de control 122 y ordenadores remotos 128).
Durante la operación, un clínico puede ingresar comandos e información en el servidor de control 122 o transmitir los comandos y la información al servidor de control 122 a través de uno o más de los ordenadores remotos 128 a través de dispositivos de
entrada, tal como un teclado, un dispositivo señalador (comúnmente conocido como ratón), una bola de seguimiento o un panel táctil. Otros dispositivos de entrada pueden incluir, sin limitación, micrófonos, escáneres o similares. Los comandos y la información también pueden enviarse directamente desde un dispositivo sanitario remoto al servidor de control 122. Además de un monitor, el servidor de control 122 y/o los ordenadores remotos 128 pueden incluir otros dispositivos de salida periféricos, tales como altavoces y una impresora.
Aunque no se muestran muchos otros componentes internos del servidor de control 122 y las ordenadores remotas 128, los expertos en la materia apreciarán que tales componentes y su interconexión son bien conocidos. En consecuencia, los detalles adicionales relacionados con la construcción interna del servidor de control 122 y los ordenadores 128 remotos no se describen con más detalle en el presente documento.
Con referencia a la Figura 2, se ilustra un diagrama de bloques que muestra un ejemplo de la arquitectura de un sistema informático para realizar el análisis de imágenes (por ejemplo, análisis de inteligencia artificial (IA) sobre imágenes médicas). Se apreciará que la arquitectura del sistema informático que se muestra en la Figura 2 es simplemente un ejemplo de un sistema informático adecuado y no pretende tener ninguna dependencia o requisito relacionado con ningún módulo/componente individual o combinación de módulos/componentes.
En una realización, el sistema informático incluye un análisis de estudio 200, una o más bases de datos 230 que almacenan y mantienen estudios sanitarios no leídos o estudios sanitarios existentes que contienen nuevas imágenes médicas (y potencialmente otros estudios sanitarios), y una o más bases de datos 231 que almacenan y mantienen los hallazgos que resultan de la aplicación de uno o más algoritmos automatizados de análisis de imágenes (por ejemplo, algoritmos de análisis de inteligencia artificial (IA)) en imágenes de los estudios sanitarios no leídos, tales como aquellos, por ejemplo, almacenados en bases de datos 230. En una realización, las bases de datos 230 y 231 son el mismo conjunto de bases de datos.
En una realización, los estudios sanitarios incluyen imágenes y datos del estudio, tales como, por ejemplo, valores de uno o más parámetros médicos (por ejemplo, mediciones, etc.) relacionados con el estudio sanitario. Los ejemplos de imágenes médicas incluyen imágenes de radiología, imágenes de laboratorio, fotografías,
imágenes de cardiología, tales como imágenes de ecocardiografía y otras imágenes de atención médica. Un experto en la materia apreciará que las bases de datos se pueden mantener por separado o se pueden integrar. Las bases de datos 230 pueden contener imágenes u otros datos de estudio (por ejemplo, valores de parámetros (por ejemplo, mediciones)) que están vinculadas a la historia clínica electrónica (EMR) de un paciente, de tal forma que las imágenes y/o los datos del estudio pueden seleccionarse desde dentro del EMR y mostrarse dentro de un visor a través del componente de visualización 222 o vincularse a un VNA (archivo del proveedor neutral) que almacena, imágenes, imágenes de EKG, notas, etc. Como se utiliza en el presente documento, el acrónimo "EMR" no pretende ser limitante y puede referirse en términos generales a cualquiera o todos los aspectos del historial médico del paciente en formato digital. Por lo general, el EMR está respaldado por sistemas configurados para coordinar el almacenamiento y la recuperación de registros individuales con la ayuda de dispositivos informáticos. Como tal, se puede almacenar y acceder a una variedad de tipos de información relacionada con la atención médica de esta manera. En una realización, los algoritmos de análisis de imágenes automatizados son algoritmos de análisis de IA que se realizan en una o más imágenes de estudios sanitarios. Estos algoritmos se pueden aplicar de forma remota utilizando uno o más servidores (por ejemplo, motores y aplicaciones de IA) que están en comunicación con una plataforma de gestión de imágenes médicas. Estos servidores reciben los estudios y sus imágenes asociadas y aplican automáticamente los algoritmos a esas imágenes. Como alternativa, los algoritmos de análisis de IA se integran en la plataforma y se aplican localmente en las imágenes de los estudios sanitarios mediante el componente de análisis de imágenes 218 después de que los estudios hayan sido recibidos por el sistema de gestión de imágenes médicas. Como alternativa, algunos de los algoritmos se realizan de forma remota mientras que otros se realizan localmente.
Los algoritmos de IA (u otros algoritmos de análisis de imágenes) producen hallazgos que especifican los resultados de la aplicación de los algoritmos en las imágenes. En una realización, estos algoritmos de IA producen hallazgos textuales que indican las posibles condiciones de un paciente identificado por el algoritmo. En una realización, los hallazgos incluyen una puntuación (por ejemplo, puntuación de anomalía, indicación numérica del nivel de confianza asociada con los resultados del análisis, etc.) preparada por el algoritmo de análisis de imágenes automatizado. Por ejemplo, una puntuación de anomalía con una magnitud que indica la posibilidad de que el paciente tenga una anomalía de acuerdo con el análisis realizado en las imágenes
(por ejemplo, cuanto mayor sea la puntuación, mayor será la probabilidad). Tenga en cuenta que en realizaciones alternativas, otras puntuaciones, tales como niveles de confianza del diagnóstico, pueden incluirse en los resultados de los algoritmos.
El módulo de análisis de estudios 200 incluye un componente de supervisión 210 que supervisa las fuentes de datos en busca de cambios en el contenido, como el almacenamiento de nuevos estudios sanitarios o estudios sanitarios que tienen nuevas imágenes médicas. Estas fuentes de datos pueden ser PACS, VNA u otro repositorio o sistemas de base de datos. Estos estudios sanitarios pueden provenir de más de una fuente (por ejemplo, base de datos). El módulo de análisis de estudio 200 puede residir en uno o más dispositivos informáticos, tales como, por ejemplo, el servidor de control 122 descrito anteriormente con referencia a la Figura 1. A modo de ejemplo, en una realización, el servidor de control 122 incluye un procesador de ordenador y puede ser un servidor, ordenador personal, ordenador de sobremesa, ordenador portátil, dispositivo portátil, dispositivo móvil, dispositivo electrónico de consumo o similar.
En una realización, el módulo de análisis de estudio 200 comprende el componente de selección 212, componente de orquestación 214, un componente de notificación 216, un componente de análisis de imágenes (por ejemplo, análisis de IA) 218, y un componente de generación de resultados 220 del análisis de imágenes (por ejemplo, análisis de IA). En diversas realizaciones, el módulo de análisis de estudio 200 incluye un componente de visualización 222, un componente histórico 224, un componente de información 226 y un componente de manipulación 228. Se apreciará que mientras se reciben estudios sanitarios almacenados en bases de datos 230, el módulo de análisis de estudio 200 puede recibir estudios sanitarios de múltiples fuentes, incluidas bases de datos distribuidas en múltiples instalaciones y/o múltiples ubicaciones, así como los hallazgos que resultan de la aplicación de uno o más algoritmos de análisis de imágenes automatizados (por ejemplo, algoritmos de análisis de IA) en imágenes de los estudios sanitarios. También se apreciará que el módulo de análisis de estudios 200 puede recibir estudios sanitarios con sus imágenes y/o hallazgos que resulten de los algoritmos de análisis de imágenes automatizados (por ejemplo, algoritmos de análisis de IA) de las fuentes descritas anteriormente a través de enlaces dentro de la EMR de un paciente.
En respuesta al componente de supervisión 210 que determina que existe nuevo contenido en una o más de las fuentes de datos, el componente de selección 212
selecciona cada estudio sanitario que es nuevo o tiene nuevas imágenes médicas y se accede a las fuentes de datos para obtener dichos estudios. En una realización, el estudio sanitario comprende una o más series de imágenes y uno o más valores de parámetros (por ejemplo, mediciones, hallazgos, impresiones, datos demográficos y antecedentes/factores de riesgo del paciente, etc.). En una realización, cada serie comprende una o más imágenes que representan el tema de la imagen desde varios ángulos. Una perspectiva de lista dentro de un administrador multimedia proporciona una lista de estudios disponibles (incluidos los estudios no leídos), imágenes y otros medios.
El componente de orquestación 214 determina qué algoritmos de análisis de imágenes deben aplicarse para analizar las nuevas imágenes médicas. En una realización, el componente de orquestación 214 determina qué imágenes de las nuevas imágenes médicas se van a analizar y qué algoritmos de IA deben realizar el análisis. En una realización, los algoritmos de IA son realizados por motores de IA o aplicaciones de IA del componente de análisis de imágenes (por ejemplo, análisis de IA) 218. En una realización, un motor de IA comprende circuitos que implementan lógica y/o ejecuta software. El software puede ser una aplicación. Basándose en la determinación, el componente de orquestación 214 asigna a los algoritmos de IA del componente de análisis de imágenes 218 las imágenes que deben evaluar.
El componente de notificación 216 notifica a los motores o sistemas de IA (por ejemplo, servidores) que ejecutan los algoritmos de IA con respecto a sus asignaciones con respecto al análisis de las nuevas imágenes médicas. En una realización, El componente de notificación 216 envía un identificador de estudio e información sobre qué imágenes evaluar como parte de las notificaciones, y en respuesta a las mismas, El componente de análisis de imágenes 218 obtiene para su evaluación las imágenes de la fuente de datos en la que están almacenadas. Como alternativa, el componente de notificación 216 envía las imágenes que se van a analizar.
Una vez obtenidas las imágenes, el componente de análisis de imágenes 218 realiza la IA u otro análisis de imágenes en las imágenes para producir hallazgos. En una realización, esto incluye la activación de uno o más algoritmos de IA que se ejecutan en uno o más motores o servidores de IA. Uno o más de los motores o servidores de IA pueden ser internos a la plataforma de IA o externos a la plataforma de IA. En una realización, es posible que múltiples motores o servidores de IA estén realizando su
análisis al mismo tiempo en las mismas imágenes médicas o en diferentes. Cada uno de los algoritmos de IA produce resultados que son indicativos de los hallazgos del algoritmo. Como parte de los hallazgos, los algoritmos de IA pueden incluir imágenes, o partes de las mismas, que sean relevantes para el diagnóstico o estado del paciente asociado a la imagen analizada. El componente de generación de resultados 220 del análisis de imágenes toma los hallazgos de los algoritmos de IA del componente de análisis de imágenes 218 y genera salidas que se envían para su revisión y se almacenan para su posterior acceso.
El componente de visualización 222 incluye un dispositivo de visualización gráfica que puede ser un monitor, pantalla de ordenador, dispositivo de proyección u otro dispositivo de hardware para mostrar interfaces gráficas de usuario que contienen imágenes y otros datos de estudios sanitarios, así como hallazgos que resultan de la aplicación de algoritmos de análisis de imágenes automatizados a imágenes en los estudios sanitarios. En una realización, el componente de visualización 222 muestra la GUI con la lista de estudios sanitarios no leídos o estudios sanitarios con nuevas imágenes junto con información prioritaria que destaca aquellos estudios con hallazgos que son más urgentes o críticos. En una realización, la lista de estudios sanitarios no leídos se ordena basándose en la prioridad. En otra realización, la lista de estudios sanitarios no está ordenada, pero la información de prioridad se muestra claramente para que un médico pueda discernir los niveles de prioridad del estado de visualización de los estudios sanitarios no leídos (por ejemplo, tienen mayor prioridad y/o menor prioridad).
En una realización, un componente de historial 224 muestra un historial de diferentes estudios e imágenes clínicas asociadas con más de una imagen de atención médica. El componente de historial 224 permite además que una selección de una o más imágenes del historial se muestren en el visor mediante el componente de visualización 222. Por ejemplo, el componente de selección 212 puede haber recibido una selección del clínico de un estudio particular. Sin embargo, una vez que el componente de visualización 222 haya mostrado las imágenes que componen ese estudio seleccionado, el componente de historial 224 puede mostrar otros estudios e imágenes clínicas que sean de particular interés para el clínico. A continuación, el clínico puede seleccionar elementos adicionales del historial para iniciarlos en el visor.
En una realización, el componente de información 226 muestra información adicional asociada con más de una imagen sanitaria, la historia, o una combinación de los mismos. La información adicional comprende información de identificación del paciente, información relacionada con la imagen, información relacionada con el estudio, o una combinación de los mismos. Dicha información adicional también puede incluir información relacionada con el tiempo.
En una realización, un componente de manipulación 228 permite a un clínico manipular una pantalla de una imagen sanitaria. Por ejemplo, un clínico puede determinar que la imagen tal como se representa en el visor no es lo suficientemente grande para ver el nivel de detalle deseado. El clínico puede acercar o alejar el zoom y el componente de manipulación 228 manipula la visualización de la imagen en consecuencia. De forma similar, el clínico puede desear realizar una panorámica de una imagen y el componente de manipulación 228 manipula la visualización de la imagen en consecuencia.
La Figura 3 es un diagrama de flujo de datos de una realización de un proceso para analizar automáticamente imágenes de estudios de atención médica utilizando algoritmos de análisis de imágenes automatizados, (por ejemplo, algoritmo de análisis de IA, etc.) que se han aplicado a una o más de las imágenes de los estudios sanitarios.
Haciendo referencia a la Figura 3, el sistema de gestión de imágenes médicas 310 recibe uno o más estudios sanitarios 301. Los estudios sanitarios 301 pueden incluir estudios sanitarios no leídos o estudios sanitarios con una o más imágenes nuevas. En una realización, el sistema de gestión de imágenes médicas 310 recibe estudios sanitarios 301 en respuesta a la lógica de supervisión 312 que supervisa las fuentes de datos para nuevos estudios sanitarios y/o estudios sanitarios con nuevas imágenes para su evaluación. En una realización, uno o más estudios sanitarios 301 no leídos se envían desde una o más modalidades de imágenes médicas que realizan imágenes médicas (por ejemplo, cardiovascular (CV), radiografía de rayos X, imágenes de resonancia magnética, ultrasonido, endoscopia, imagen táctil, termografía, técnicas de imágenes funcionales de medicina nuclear como la tomografía por emisión de positrones (PET) y la tomografía computarizada por emisión de fotón único (SPECT), etc.). En otra realización, el sistema de gestión de imágenes médicas 310 recibe uno o más estudios de asistencia sanitaria 301 desde una ubicación remota. En una realización, la ubicación remota puede comprender una o más modalidades que crean los estudios o un
repositorio de imágenes ubicado remotamente (por ejemplo, un sistema de archivo y comunicación de imágenes (PACS), VNA, etc.).
En una realización, la lógica de supervisión 312 supervisa una primera indicación de un cambio de contenido en una o más fuentes de datos (por ejemplo, llegada de las nuevas imágenes médicas que forman parte de un nuevo estudio sanitario o un estudio existente creado antes de la generación de las nuevas imágenes médicas) y obtiene esos estudios en respuesta a la determinación de que se ha producido un cambio de contenido. En una realización, la lógica de supervisión 312 determina que se ha producido un cambio de contenido en respuesta a la recepción de notificaciones de las fuentes de datos que almacenan los estudios de atención médica o las modalidades/instalaciones que generan los estudios de atención médica que indican que dichos estudios están disponibles para su revisión y evaluación. En respuesta a estas notificaciones, la lógica de supervisión 312 accede a las fuentes de datos que almacenan los estudios para obtenerlos. El acceso puede incluir una solicitud a la fuente de datos para una copia del estudio. La solicitud puede enviarse directamente o mediante una conexión de red a la fuente de datos. En una realización, el sistema de gestión de imágenes médicas 310 comprende una interfaz o interfaces de comunicación de red (no mostradas) para enviar la solicitud a la fuente de datos para una copia del estudio, recibir estudios de atención médica y recibir estudios. En otra realización, el sistema de gestión de imágenes médicas 310 solicita y recibe estudios a través de una conexión directa con fuentes de datos individuales.
En una realización, el sistema de gestión de imágenes médicas 310 comprende una memoria, tal como, por ejemplo, la memoria 323, para almacenar los estudios sanitarios recibidos que haya recibido.
En una realización, tras la obtención de los estudios sanitarios con imágenes médicas que van a ser analizadas, el controlador 311 (por ejemplo, uno o más procesadores) determina cuál de una pluralidad de motores de análisis de imágenes 340 (por ejemplo, uno o más motores de inteligencia artificial (IA)) va a analizar al menos una de las nuevas imágenes médicas. Esto se denomina en el presente documento orquestación de análisis de imágenes (por ejemplo, análisis de IA). A los motores de análisis de imágenes de los motores de análisis de imágenes 340 identificados para evaluar las imágenes médicas, el controlador 311 envía una notificación para hacer que esos motores de análisis de imágenes inicien el análisis de imágenes en una o más de
las nuevas imágenes médicas. En una realización, la determinación de en cuáles motores de análisis de imágenes se basa en la información que acompaña a una o más imágenes y/o en los resultados de aplicar la detección de partes del cuerpo en al menos una de las nuevas imágenes.
En una realización, cada uno de los motores de análisis automatizados (por ejemplo, motores de análisis de imágenes de IA) realiza análisis de imágenes y/o datos sin imágenes de los estudios de atención médica. Ejemplos de datos sin imágenes incluyen, aunque sin limitación, texto, formas de onda, series de tiempo, informes estructurados/basados en plantillas. En una realización, estos motores pueden integrarse en el sistema de gestión de imágenes médicas, tal como se muestra con motores de análisis de imágenes automatizados (por ejemplo, motores de análisis de IA, etc.) 340. En otra realización, uno o más de estos motores 302 están ubicados de forma remota con respecto al sistema de gestión de imágenes médicas. En una realización, los motores de análisis de imágenes 340 producen hallazgos o resultados 320. En una realización, los motores de análisis individuales producen hallazgos basados únicamente en el análisis de imágenes, mientras que otros motores de análisis producen hallazgos basados en una combinación de análisis de imágenes y datos. En una realización, los resultados de la aplicación de algoritmos de análisis de imágenes automatizados de los motores de análisis de imágenes 340 incluyen una puntuación de anomalía en la que cuanto mayor es el número de puntuación de anomalía, se identificará la mayor probabilidad de una anomalía en una o más imágenes en un estudio realizado por la IA u otro análisis de imágenes. En una realización, los hallazgos de la aplicación de algoritmos de análisis de imágenes automatizados de los motores 340 de análisis de imágenes pueden incluir una indicación de que no se ha encontrado nada en la una o más imágenes y/o en los datos sin imágenes. Los resultados (hallazgos) de la aplicación de estos motores a las imágenes se envían, a través de comunicaciones por cable o inalámbricas, al sistema de gestión de imágenes médicas 310.
Después de analizar las imágenes y/o no imágenes y producir los hallazgos, los motores de análisis de imágenes 340 envían indicaciones de que se han generado sus resultados y los envían ellos mismos a la plataforma. Como respuesta, la plataforma envía notificaciones a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes para su acceso y visualización.
Después de los estudios sanitarios 301 y el análisis de imágenes automatizado (por ejemplo, Los motores de análisis de imágenes 340 han realizado análisis de IA para obtener hallazgos, la lógica de salida 313 obtiene IA y otros resultados de análisis de imágenes 320 de la memoria 323 y usa esa información para mostrar el resultado de IA 331i-331n en una GUI (o visor) 330 en el dispositivo de visualización 314. En una realización, los resultados de la IA se muestran junto con todo o una parte del estudio que contiene la imagen que fue evaluada por uno de los motores de IA 340 para crear el resultado de IA. Es decir, la pantalla 314 permite que un usuario muestre, dentro de una interfaz gráfica de usuario 330, uno o más estudios sanitarios, o partes de los mismos, junto con IA u otros resultados de análisis de imágenes, tales como, por ejemplo, resultados de IA 331i-331n. Esto permite a un médico u otro profesional médico ver fácilmente los estudios que se han recibido y los resultados del análisis de imágenes que se ha realizado.
En una realización, el controlador 311 controla también otras operaciones del sistema de gestión de imágenes médicas 310. En una realización, el controlador 311 comprende uno o más procesadores, microcontroladores y/o una combinación de hardware, software y/o firmware.
Las Figuras 4A y 4B ilustran una realización de una arquitectura para una plataforma de inteligencia artificial que forma parte de un sistema de gestión de imágenes médicas, tal como el sistema de gestión de imágenes médicas 310 de la Figura 3. En una realización, la arquitectura de la plataforma de IA de las Figuras 4A y 4B incluye una serie de componentes para realizar las operaciones descritas en este documento, incluyendo las siguientes características: API abiertas 403, lógica de supervisión 402a, motores de orquestación 430 para realizar la orquestación del análisis de imágenes (por ejemplo, análisis de IA), integración de motores de IA 403A en la plataforma, lógica de notificación de estudio 402B, exploración del análisis de imágenes (por ejemplo, IA), uso de uno o más servidores de IA (por ejemplo, servidor 403B), uno o más servidores de inteligencia artificial integrados (por ejemplo, servidor 403A) y el resultado de la lógica de notificación 460 del análisis de imágenes (por ejemplo, resultado de IA). Cada uno de estos se describirá con mayor detalle más adelante. En una realización, la exploración de IA se refiere a uno o más motores o algoritmos de IA que procesan imágenes y producen datos de resultados. En otra realización, explorar un estudio significa también todo el proceso de dividir un estudio en partes y enviarlo a algoritmos de IA individuales (orquestación) más el procesamiento de IA individual.
La plataforma de IA proporciona API abiertas 403 a las aplicaciones (por ejemplo, aplicaciones 401, aplicaciones que se ejecutan en servidores de IA 403A, 403B, etc.) y motores de IA (por ejemplo, 403A, 403B) para realizar de forma efectiva la evaluación de IA dentro de un flujo de trabajo médico (por ejemplo, un flujo de trabajo de radiología). En una realización, las API abiertas 403 permiten el uso de una puerta de enlace DICOM (por ejemplo, 480, 473) para acceder a la información DICOM. En una realización, la puerta de enlace DICOM (por ejemplo, 480, 473) se utiliza para acceder a la información DICOM a través de QIDO-RS, WADO-RS y STOW-RS.
En una realización, las API abiertas 403 ofrecen un mecanismo y modelos de datos para trabajar con DICOM GSPS, Segmentación DICOM, Captura Secundaria, Pantalla Estructurada Básica, Selección De Objetos Clave, Informes Estructurados, etc., sin tener que implementar la conformidad DICOM por aplicaciones (por ejemplo, 401) o motores de IA (por ejemplo, 403A, 403B). Como se describe con mayor detalle a continuación, en una realización, las API abiertas 403 incluyen API para consultar, recuperar y crear instancias de registro de ideas que ayuden a administrar y acceder a los resultados del análisis de imágenes (por ejemplo, análisis de IA) de forma organizada en múltiples sistemas. Para obtener más información sobre registros de ideas, véase la solicitud de patente con n.° de serie 14/820.144, titulada "MÉTODOS Y APARATOS PARA EL REGISTRO DE INFORMACIÓN UTILIZANDO UN SISTEMA DE VISUALIZACIÓN DE IMÁGENES MÉDICAS", presentada el 6 de agosto de 2015.
En una realización, la API abierta 403 ofrece también acceso a motores de IA (por ejemplo, 403A, 403B) y al flujo de trabajo de exploración de tal forma que las aplicaciones (por ejemplo, 401) puedan activar una exploración de IA y rastrear el estado de una exploración de IA o análisis de IA.
En una realización, la plataforma de IA está integrada con un sistema PACS (400A, 400B) y/o un VNA. En una realización, la plataforma de IA configura los sistemas PACS y VNA como fuentes de datos. Por tanto, cuando los sistemas PACS (400A, 400B) y el VNA recibe estudios (por ejemplo, 425, 426), a través de, por ejemplo, una conexión de red alámbrica o inalámbrica, la plataforma de IA puede obtenerlos.
Una vez conectado a los sistemas PACS 400A y 400B, la plataforma de IA usa la lógica de supervisión 402A para supervisar continuamente los cambios de contenido en la fuente de datos, incluida la llegada de nuevos estudios, llegada de imágenes
DICOM o imágenes no DICOM a un estudio existente, u otras llegadas de nuevas imágenes. En una realización, la lógica de supervisión 402A logra la supervisión del estudio a través de una integración personalizada y a través de interfaces estándar (por ejemplo, HL7/FHIR). En una realización, la integración personalizada implica que se notifique a la lógica de supervisión 402A que han llegado nuevas imágenes a través de una notificación (por ejemplo, llegada de la imagen 427) identifica el estudio con las nuevas imágenes a través de, por ejemplo, un identificador de estudio (ID), e identifica una indicación de qué cambio ocurrió (por ejemplo, ha llegado un nuevo estudio, nuevas imágenes agregadas a un estudio junto con información de identificación (por ejemplo, metadatos) para especificar las nuevas imágenes entre todas las imágenes del estudio y el tipo de información (por ejemplo, una o más partes del cuerpo) se muestran en las nuevas imágenes. En una realización, la notificación de llegada de la imagen se realiza a través de una comunicación HTTP (por ejemplo, POST). Por el contrario, La lógica de supervisión 402A usa también interfaces estándar para recibir una indicación de que hay un cambio de contenido (por ejemplo, un nuevo estudio o nuevas imágenes proporcionadas como llegada de imágenes 428) en una fuente de datos, tales como los sistemas PACS 400A y 400B. En una realización, esta indicación no incluye información que identifique el cambio que se había producido. En tales casos, se accede al estudio y se analiza para determinar el nuevo contenido y cuál de los motores de análisis de imágenes es el adecuado para revisar el nuevo contenido.
Al identificar el cambio de contenido en PACS/VNA, la plataforma de IA 400 adquiere el estudio y realiza la orquestación de IA utilizando motores de orquestación 430 para decidir cuál de los algoritmos de IA debe asignarse para evaluar el estudio. En una realización, los motores de orquestación 430 realizan la orquestación utilizando varios filtros basados en encabezados (por ejemplo, filtros basados en encabezados DICOM) para obtener y evaluar la información almacenada en los encabezados de los archivos de imagen. Por ejemplo, la información del encabezado en una imagen, serie de imágenes, o el estudio puede especificar los contenidos (por ejemplo, parte del cuerpo, tipo de examen, etc.) que podrían usarse para identificar motores de análisis de imágenes apropiados para evaluar el estudio. En una realización, los motores de orquestación 430 utilizan algoritmos de detección de partes del cuerpo incorporados para determinar las partes del cuerpo representadas en las imágenes para identificar los motores de IA (403A, 403B) apropiados para analizar imágenes con ese tipo de partes del cuerpo.
Los motores de orquestación 430 pueden identificar múltiples motores de IA que deben evaluar un estudio. En una realización, cuando múltiples motores de IA requieren la evaluación de un estudio, los motores de orquestación 430 de la plataforma de IA 400 deciden la prioridad para cada motor de IA (o cada algoritmo de IA que se va a realizar) y asignan la tarea de evaluar el estudio basándose en la prioridad. En una realización, los motores de orquestación 430 determinan la prioridad basándose en las características del estudio, sus estudios previos (por ejemplo, un estudio adquirido para el mismo paciente antes del estudio actual) y/o la naturaleza de los algoritmos. Por ejemplo, con respecto a estudios previos, cuando la plataforma de IA (por ejemplo, plataforma de IA 400) explora un estudio con algoritmos de IA, algunas de las exploraciones de IA requieren su estudio previo porque realizarán un análisis de IA (es decir, una exploración de IA) en el estudio anterior también. Con respecto a la prioridad, por ejemplo, si el algoritmo de IA es para detectar hemorragia cerebral, debe ejecutarse con una alta prioridad, ya que dicha hemorragia debe tratarse de inmediato si existe. La asignación de prioridades también se usa cuando varias imágenes de diferentes estudios están disponibles para su evaluación al mismo tiempo por un motor de IA que solo gestiona un análisis de imágenes a la vez.
Basándose en las decisiones de orquestación tomadas por los motores de orquestación 430, la plataforma de IA 400 notifica a los servidores de IA (403A, 403B) o aplicaciones (401) que se han integrado en la plataforma de IA 400. Estos motores de IA se pueden alojar dentro de la plataforma de IA 400 (por ejemplo, motores de IA 403A) o se pueden alojar en un servidor de IA independiente (por ejemplo, servidor de IA 403B) que es externo a la plataforma. En diferentes realizaciones, el servidor de IA 403B puede vivir en un entorno local o en un entorno en la nube. La plataforma de IA 400 proporciona API abiertas 403 que son utilizadas por aplicaciones o motores de IA (401,403A, 403B) para acceder a los datos (por ejemplo, estudios, imágenes) o almacena hallazgos (por ejemplo, resultados de IA).
En una realización, la notificación se envía mediante la lógica de notificación 402B e incluye información sobre el estudio y las imágenes que se van a analizar. En una realización, las aplicaciones de IA o motores de IA (401, 403A, 403B) pueden recibir notificaciones de la plataforma de IA 400, a través de la lógica de notificación 402B, para iniciar la evaluación de IA en el estudio. En una realización, las aplicaciones o motores de IA (401,403A, 403B) son suscriptores, porque se suscriben para recibir la notificación si reúne características particulares. Por ejemplo, en una realización, los motores de
orquestación 430 utilizan filtros predefinidos y propiedades de algoritmos para determinar si las imágenes para revisión tienen características particulares que cumplen con los requisitos de un servidor de inteligencia artificial al que podrían enviarse para su evaluación.
Al recibir la notificación, la aplicación o motor de IA (401, 403A, 403B) recupera las imágenes que se van a revisar (por ejemplo, imágenes DICOM) desde la plataforma de IA 400 a través de las API de puerta de enlace DICOM 480 y analiza una o más imágenes nuevas. Los resultados del análisis incluyen hallazgos o resultados de IA.
En una realización, la plataforma de IA tiene un servidor de IA integrado 403A en el que se integran e implementan múltiples motores de IA específicos de la empresa. En una realización, las notificaciones al servidor IA 403A se ponen en cola y se procesan basándose en la prioridad asignada por los motores de orquestación 430 y otras consideraciones de escalabilidad. En una realización, la plataforma de IA 400 adquiere y almacena en caché instancias DICOM de la fuente de datos especificada en el mensaje de notificación, utilizando las API de puerta de enlace DICOM 480. La plataforma de IA 400 analiza los datos y prepara la entrada requerida para los motores de IA. La preparación de entrada incluye la preparación de encabezados DICOM y datos de píxeles requeridos para el motor. En una realización, algunos motores requieren un volumen 3D reformateado para procesar las imágenes, y la plataforma de IA 400 realiza la reconstrucción, prepara los volúmenes en un plano adecuado y alimenta el motor de IA con los datos procesados. En una realización, los motores de IA del servidor de IA 403A utilizan la entrada para evaluar las imágenes DICOM para detectar varios hallazgos (anomalías y enfermedades) y órganos.
Cada motor o aplicación de IA genera varias formas de resultados que representan los hallazgos correspondientes y los almacenan utilizando las API abiertas correspondientes. En una realización, los resultados incluyen uno o más de, aunque sin limitación, Estado de Presentación De Copia Software En Escala De Grises (GSPS) DICOM, Informe de estructura (SR) DICOM, una instantánea o una Pantalla Estructurada Básica DICOM, datos originales (por ejemplo, DICOM o no DICOM), un Documento De Selección De Objetos Claves (KOS) DICOM, etc. Para obtener más información sobre instantáneas, véase la solicitud de patente de EE. UU. con n.° de serie 14/736.550, titulada "MÉTODOS Y APARATOS PARA OBTENER UNA INSTANTÁNEA DE UNA PANTALLA DE IMÁGENES MÉDICAS", presentada el 11 de
junio de 2015. En una realización, la plataforma de IA 400 almacena los resultados de IA en uno o más dispositivos de almacenamiento, tales como, por ejemplo, almacenamiento de instantáneas 410, almacenamiento de datos originales 420 y almacenamiento de miniaturas 421.
En una realización, una API abierta proporciona API y modelos de datos simplificados para generar representaciones de resultados de IA de quejas DICOM sin tener que implementar la conformidad DICOM. Por ejemplo, un mapa térmico se puede almacenar como instancia de segmentación DICOM utilizando una API abierta de segmentación, sin tener que implementar la segmentación DICOM por aplicación o motor de IA (401, 403A, 403B). Además de las instancias de resultados individuales, en una realización, las aplicaciones o motor de IA (401, 403A, 403B) crean una instancia de registro de ideas utilizando un sumario de resultados en el que los detalles de los hallazgos, las instancias de resultados de IA relacionados e imágenes clave representativas de los hallazgos y/o instancias de resultados de IA serán referenciados. La instancia de registro de ideas gestiona los hallazgos de IA de forma organizada. En una realización, las instancias de registro de ideas se muestran utilizando la interfaz de usuario 441 del panel de registro de ideas bajo el control del servicio de registro de ideas 440. En una realización, los registros de ideas se almacenan en el almacenamiento de registro de ideas 411.
Una vez que el resultado del análisis de IA esté listo y se genere una instancia de registro de ideas, si la hubiera, la plataforma de IA 400 envía una notificación sobre la llegada de los resultados de IA a un determinado conjunto predefinido de personas o ubicaciones. En una realización, se envía la notificación sobre la llegada de los resultados de la IA a todas las aplicaciones suscritas. En una realización, La plataforma de IA 400 admite diferentes mecanismos de notificación, incluido Weblnvoke, SignaIR, HL7 y FHIR para permitir que varios tipos de sistemas o aplicaciones utilicen los resultados de IA. Los sistemas que consumen la notificación de resultados de IA incluyen, por ejemplo, aunque sin limitación, Gestor de Flujo De Trabajo De Radiología, puesto de trabajo de Visualización De Imágenes, sistemas de Facturación TI, etc. En respuesta a la notificación, las aplicaciones (401) pueden utilizar los resultados del análisis de IA accediendo a registro de ideas y a cada uno de los resultados generados por los motores de IA (403A, 403B).
En una realización, la plataforma de IA 400 incluye una interfaz de usuario de administración 450 a través de la que un usuario puede configurar la plataforma de IA 400 o ver la información de configuración de la misma, bajo el control del servicio de configuración 451, con el uso de información almacenada en el almacenamiento de configuración 452. En una realización, una interfaz de usuario de administración 450 permite a un usuario revisar un registro de auditoría para la plataforma de IA 400, o ver la información de auditoría de la misma, bajo el control del servicio de registro de auditoría 453, con el uso de información almacenada en el registro de auditoría 454.
La Figura 5 es un diagrama de flujo de una realización de un proceso para procesar imágenes médicas. En una realización, los procesos se llevan a cabo procesando la lógica que puede comprender hardware (circuitos, lógica dedicada, etc.), software (por ejemplo, software que se ejecuta en un chip), firmware, o una combinación de los tres. En una realización, el proceso lo realiza una plataforma de gestión de imágenes médicas, tal como, por ejemplo, aunque sin limitación, las plataformas de gestión de imágenes médicas descritas anteriormente junto con las Figuras 3, 4A y 4B.
Haciendo referencia a la Figura 5, el proceso comienza procesando la supervisión lógica para una indicación de un cambio de contenido en una o más fuentes de datos (bloque de procesamiento 501). En una realización, esta indicación especifica la llegada de una o más imágenes médicas nuevas a una o más fuentes de datos. En una realización, estas nuevas imágenes médicas son parte de un nuevo estudio sanitario o un estudio existente creado antes de la generación de las nuevas imágenes médicas.
En respuesta a la indicación, en una realización, la lógica de procesamiento obtiene una o más imágenes médicas nuevas asociadas con el cambio de contenido (bloque de procesamiento 502) y determina cuál de una pluralidad de motores de análisis de imágenes/IA (por ejemplo, aplicaciones) va a analizar al menos una imagen de las nuevas imágenes médicas basándose en una o ambas de la información que acompaña a la una o más imágenes y/o los resultados de aplicar la detección de parte del cuerpo en la al menos una imagen (bloque de procesamiento 503).
En otra realización, la lógica de procesamiento del sistema de gestión médica no necesariamente obtiene las nuevas imágenes para los motores de IA. En una realización, esto depende del nivel de integración entre la plataforma de IA (por ejemplo,
plataforma de IA 400) y los motores de IA. Por ejemplo, algunos algoritmos de IA están estrechamente integrados de tal forma que el sistema proporciona datos de píxeles de imagen reales o volumen 3D reconstruido. Este es un ejemplo de un modelo PUSH en el que el algoritmo/motor obtiene datos de la plataforma de IA (por ejemplo, plataforma de IA 400) y no tiene que buscar imágenes de un PACS o VNA. En otra realización, otro nivel de integración que se utiliza es un modelo PULL en el que el motor de IA tiene que extraer datos de PACS/VNA. En una realización, esto se basa en la información de UID que la plataforma de IA (por ejemplo, plataforma de IA 400) proporciona al motor de IA. A los datos PULL de VNA o PACS, la plataforma de IA (por ejemplo, plataforma de IA 400) proporciona las API de enlace abierto DICOM que se utilizan. En una realización, al menos uno de los motores de análisis de imágenes/IA comprende un motor de inteligencia artificial (IA).
Si hay múltiples motores de análisis de imágenes (por ejemplo, motores o aplicaciones de IA) para evaluar conjuntos de nuevas imágenes médicas, en una realización, la lógica de procesamiento determina una prioridad para cada motor de análisis de imágenes/IA que indica cuándo ese motor de análisis de imágenes/IA debe analizar la al menos una imagen cuando hay múltiples motores de análisis de imágenes/IA (bloque de procesamiento 504). En una realización, la lógica de procesamiento determina la prioridad basándose en las características en un estudio sanitario de la al menos una imagen, priores y la naturaleza de los múltiples motores de análisis de imágenes/IA.
Después de determinar los motores de análisis de imágenes que van a analizar las imágenes, la lógica de procesamiento envía una notificación al motor de análisis de imágenes/IA para iniciar el análisis de imágenes/IA en al menos una imagen de las nuevas imágenes médicas (bloque de procesamiento 505). En una realización, esta notificación se envía a cada motor de inteligencia artificial/motor de análisis de imágenes que se ha asignado para analizar al menos una imagen de las nuevas imágenes médicas.
En respuesta a recibir la notificación, la lógica de procesamiento del motor de análisis de imágenes/IA determina si una o más características en la al menos una imagen cumplen criterios predefinidos indicativos de una condición médica (bloque de procesamiento 506). En una realización, la una o más características incluyen una o más características anatómicas y anomalías expuestas en la imagen médica. En una
realización, el motor de análisis de imágenes/IA puede operar para realizar el análisis de imágenes/IA para determinar si una o más características en la al menos una imagen cumplen los criterios predefinidos sin la intervención del usuario.
Después de realizar el análisis de IA/imagen, la lógica de procesamiento del motor de análisis de imágenes/IA genera una salida de información relacionada con o incluyendo el resultado de IA (por ejemplo, una representación de resultados de IA compatible con DICOM sin implementar la conformidad DICOM) (bloque de procesamiento 507) y envía una o más salidas (por ejemplo, la representación de resultados de IA compatible con DICOM como un objeto DICOM) al sistema de gestión de imágenes médicas y/o las fuentes de datos (por ejemplo, PACS, VNA, etc.) para su almacenamiento en el mismo (bloque de procesamiento 508). En una realización, las una o más salidas generadas por algunos motores de IA son un resultado de IA que no es DICOM o resultados no compatibles con DICOM. En una realización, esto ocurre cuando no hay hallazgos. La lógica de procesamiento recibe también una indicación de que los resultados del análisis de imágenes/IA están disponibles desde el conjunto de motores de análisis de imágenes/IA (bloque de procesamiento 509) y envía una notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes/IA para acceder y visualizarlos (bloque de procesamiento 510).
La Figura 6 ilustra un diagrama de flujo de datos más detallado de un proceso para procesar estudios sanitarios. En una realización, los procesos se llevan a cabo procesando la lógica que puede comprender hardware (circuitos, lógica dedicada, etc.), software (por ejemplo, software que se ejecuta en un chip), firmware, o una combinación de los tres. En una realización, el proceso lo realiza una plataforma de gestión de imágenes médicas, tal como, por ejemplo, aunque sin limitación, las plataformas de gestión de imágenes médicas descritas anteriormente junto con las Figuras 3, 4A y 4B.
El proceso comienza cuando las aplicaciones 401 reciben una notificación de la llegada de nuevas imágenes médicas (bloque de procesamiento 601). En una realización, las aplicaciones 401 son parte de un servidor de IA en el que se alojan uno o más motores o algoritmos de IA. En otra realización, la aplicación es un motor de IA en sí mismo. En una realización, el algoritmo de IA o el motor de IA es parte de un PACS, VNA u otro sistema de gestión de información médica similar. El sistema puede tener un visor para mostrar los resultados del análisis de imágenes (por ejemplo, resultados de IA).
En una realización, las nuevas imágenes médicas son parte de un nuevo estudio sanitario. En otra realización, las nuevas imágenes médicas comprenden nuevas imágenes agregadas a un estudio sanitario existente (por ejemplo, un estudio sanitario que fue creado previamente y que ya contiene imágenes médicas (por ejemplo, una serie de imágenes médicas) y se le han agregado imágenes médicas adicionales). Las imágenes pueden incluir imágenes DICOM o no DICOM.
En una realización, las aplicaciones 401 son notificadas de la llegada de las nuevas imágenes médicas desde la lógica de supervisión y notificación 402. En una realización, la lógica de supervisión y notificación 402 supervisa continuamente los cambios de contenido en una o más fuentes de datos. Las fuentes de datos comprenden uno o más PACS 400A (por ejemplo, PACS basados en DICOM, una base de datos específica del proveedor, etc.), VNA 400B (por ejemplo, VNA basados en DICOM, un VNA no DICOM, etc.) u otros repositorios de imágenes médicas. El PACS puede ser un PACS disponible públicamente o un PACS privado que solo está disponible para grupos predeterminados de individuos o instituciones (por ejemplo, suscriptores). En una realización, cuando llega un nuevo estudio o se han agregado nuevas imágenes médicas a un estudio existente en PACS 400A o VNA 400B, su servidor DICOM envía una notificación a la lógica de supervisión y notificación 402.
En una realización, la supervisión del estudio realizada por la lógica de supervisión y notificación 402 se logra mediante la integración personalizada o mediante interfaces estándar. Por ejemplo, como un suscriptor, la lógica de supervisión y notificación 402 recibe una notificación utilizando interfaces estándar HL7/FHIR que indica un cambio en el contenido en una de las fuentes de datos como PACS 400A y VNA 400B. Un inconveniente de utilizar una interfaz estándar de este tipo es que la información proporcionada es simplemente una identificación del estudio que se ha modificado sin una indicación de qué cambio ha ocurrido. Por lo tanto, en respuesta a esta notificación, el estudio debe ser obtenido y analizado para determinar el nuevo contenido que constituyó el cambio antes de que se pueda realizar cualquier análisis. En una realización, la notificación recibida por la lógica de supervisión y notificación 402 incluye información que indica el cambio específico en el estudio. Por ejemplo, esta información puede especificar las nuevas imágenes médicas agregadas al estudio. En este caso, el análisis puede comenzar antes.
En respuesta a recibir notificación de nuevas imágenes médicas, La lógica de procesamiento obtiene las nuevas imágenes médicas (bloque de procesamiento 602). En una realización, las solicitudes 401 obtienen las nuevas imágenes médicas mediante la obtención del estudio sanitario en el que están contenidas. En una realización, las aplicaciones 401 obtienen el estudio sanitario a través de la puerta de enlace DICOM 403 a través de la API abierta 404.
Después de obtener las nuevas imágenes médicas, la lógica de procesamiento determina qué algoritmos de IA se aplicarán a las nuevas imágenes médicas (bloque de procesamiento 603). En una realización, la información asociada con cada motor de IA cuando el motor de IA se agregó a la plataforma indica su aplicación en lo que respecta al análisis de imágenes. Es decir, cada motor de IA solo es aplicable para analizar imágenes médicas que contienen un tipo específico de condición médica. Por tanto, cuando se obtienen nuevas imágenes médicas, las nuevas imágenes médicas se envían solo a los motores de inteligencia artificial diseñados para analizar su contenido específico. Por ejemplo, si un motor de IA está diseñado para analizar radiografías de tórax, solo las imágenes de rayos X de tórax se envían al motor de IA para su análisis.
En una realización, la lógica de orquestación determina el contenido de las nuevas imágenes médicas con el fin de identificar los motores de IA adecuados que se asignarán para revisar las imágenes. En una realización, la lógica de orquestación utiliza información que acompaña a las nuevas imágenes médicas para determinar su contenido. En una realización, la información que acompaña a las nuevas imágenes médicas se incluye en la información del encabezado. Por ejemplo, en una realización, la lógica de orquestación utiliza varios filtros basados en encabezados DICOM para determinar el contenido de las nuevas imágenes médicas. En otra realización, la lógica de orquestación utiliza algoritmos de detección de partes del cuerpo incorporados para decidir qué motores de IA deben asignarse para evaluar el estudio. Estos algoritmos analizan las imágenes para determinar qué partes del cuerpo se muestran en las imágenes y, basándose en esta detección de parte del cuerpo, la lógica de orquestación es capaz de determinar los motores de IA apropiados para analizar las imágenes. En una realización, la lógica de orquestación solo envía un subconjunto relevante de imágenes de las nuevas imágenes al motor de IA. Es decir, la lógica de orquestación determina cuál de las imágenes de las nuevas imágenes tiene una parte del cuerpo que puede ser evaluada por un motor de IA en particular y entonces solo envía esas imágenes al motor de IA para su análisis. Tenga en cuenta que en una realización, la
lógica de orquestación determina qué motores de IA asignar nuevas imágenes médicas para su análisis utilizando la información que acompaña a las nuevas imágenes médicas (por ejemplo, información basada en encabezados) y la detección de partes del cuerpo.
En una realización, si la lógica de orquestación determina que múltiples motores de IA deben analizar las nuevas imágenes médicas (o porciones de las mismas), entonces, la lógica de orquestación determina una prioridad entre los motores de IA identificados para controlar el orden en que los motores de IA analizan ciertas imágenes. En una realización, la prioridad se basa en la naturaleza crítica de aquello que está analizando el motor de IA. Por tanto, si hay dos o más motores de IA analizando las nuevas imágenes médicas, la lógica de orquestación asigna una prioridad más alta al motor de IA que evalúa la imagen para la condición médica más crítica y hace que ese motor de IA se ejecute primero. Tenga en cuenta que en una realización, si hay potencia de procesamiento disponible, múltiples motores de IA se ejecutan al mismo tiempo en el mismo conjunto de imágenes. Sin embargo, la asignación de prioridad realizada por la lógica de orquestación puede ser entre múltiples conjuntos de nuevas imágenes de múltiples estudios que se han recibido al mismo tiempo. De esta forma, el análisis de las imágenes para condiciones médicas más críticas ocurre antes del análisis de condiciones médicas menos críticas. De esta forma, las técnicas descritas en el presente documento facilitan mejor un sistema de detección temprana en el sentido de que las nuevas imágenes médicas se analizan para las condiciones más críticas antes del análisis de las condiciones menos críticas.
En una realización, la lógica de orquestación notifica al motor de inteligencia artificial que analice las nuevas imágenes médicas. En una realización, la lógica de orquestación notifica al motor de IA enviando una notificación al motor de IA que incluye un identificador de estudio (ID) y una lista de una o más imágenes que se van a analizar. Esto es beneficioso porque el motor de IA puede enfocar su análisis en las imágenes relevantes del conjunto de nuevas imágenes en lugar de tener que analizar todas las imágenes nuevas, incluidas aquellas que no contienen un tema relevante para el motor de IA. En una realización, una lista de identificadores de imágenes o cuadros, que podría provenir de múltiples estudios, se envía aunque un conjunto se considera la imagen o fotograma actual y es el objetivo de la IA (a diferencia de los datos del estudio anterior). La identificación del estudio indica cuál es el estudio actual. En general, sin embargo, puede ser más granular que eso (por ejemplo, a nivel de serie, a nivel de imagen, al nivel del cuadro, etc.).
Una vez que se hayan identificado los algoritmos de IA que se aplicarán a las nuevas imágenes médicas y se hayan enviado notificaciones a los motores de IA para analizar las nuevas imágenes médicas, el procesamiento de la lógica en los motores de IA obtiene las imágenes necesarias para analizar, ejecuta el análisis de IA y genera resultados de IA (bloque de procesamiento 604). En una realización, el motor de IA obtiene las imágenes necesarias para analizar utilizando puerta de enlace DICOM 403 y API abierta 404.
En una realización, la lógica de procesamiento de los motores de IA crea hallazgos indicativos de los resultados de IA. En una realización, los hallazgos comprenden uno o más objetos DICOM que contienen o son indicativos de al menos algún aspecto de los resultados de IA. En una realización, los objetos DICOM se crean sin que el motor de IA tenga que estar familiarizado con el estándar DICOM. En una realización, el módulo 406 de generación de objetos de resultado es utilizado por los motores de IA 405 para crear objetos DICOM u otras salidas que contienen los hallazgos. Los hallazgos pueden comprender una imagen de máscara que es solo una parte relevante de una de las nuevas imágenes que muestra el hallazgo que será revisado por un médico o clínico. El hallazgo puede ser una captura de pantalla de la parte relevante de una imagen que ha sido capturada por el motor de IA. En una realización, el módulo de generación de objetos de resultado 406 captura la porción de la imagen. El hallazgo puede ser un mapa de calor relacionado con una imagen que se analizó. En una realización, el hallazgo puede ser una instantánea de los datos sin procesar. En una realización, los objetos DICOM que se pueden generar incluyen GSPS DICOM, SR DICOM, Pantalla Estructurada Básica DICOM, datos originales (DICOM o no DICOM), KOS DICOM.
La lógica de procesamiento envía el uno o más objetos DICOM al PACS 400A para su almacenamiento en el mismo (bloque de procesamiento 605). En una realización, la lógica de procesamiento envía el uno o más objetos DICOM al PACS 400A a través de la puerta de enlace 403 DICOM. En otra realización, la lógica de procesamiento envía los objetos DICOM al VNA 400B. Los resultados también pueden enviarse a otras ubicaciones o destinos.
En una realización, la lógica de procesamiento genera y envía opcionalmente una solicitud para crear GSPS de un estado de visualización del resultado del análisis de IA (bloque de procesamiento 606) y/o un registro de ideas (bloque de procesamiento
607).
En una realización, la lógica de procesamiento envía uno o más objetos DICOM en mensajes para alertar a esas personas (por ejemplo, médicos, técnicos, etc.) o instalaciones (por ejemplo, hospitales, clínicas, etc.) que han solicitado o se han suscrito para recibir los resultados (bloque de procesamiento 608). Estos mensajes actúan como notificaciones y se envían mediante la lógica de notificación. En una realización, las notificaciones se envían a todas las aplicaciones suscritas. Esto es particularmente importante en situaciones en las que un motor de IA ha identificado que existe una condición médica crítica o que existe una alta probabilidad de que exista. En una realización, el sistema de gestión de imágenes médicas admite diferentes mecanismos de notificación que incluyen, por ejemplo, aunque sin limitación, Weblnvoke, SignaIR, HL7 y FHIR para permitir que varios tipos de sistemas o aplicaciones puedan utilizar los resultados de la IA. Los sistemas que consumen la notificación de resultados de IA incluyen, por ejemplo, aunque sin limitación, Gestor de Flujo De Trabajo De Radiología, puesto de trabajo de Visualización De Imágenes, sistemas de Facturación TI, etc.
En una realización, la lógica de procesamiento en las aplicaciones 401 utiliza los resultados del análisis de IA accediendo al registro de ideas y después a cada uno de los resultados generados por los motores de IA (bloque de procesamiento 609). En este caso, la lógica de procesamiento recupera y muestra el registro de ideas, permitiendo así que una persona revise el resultado de la IA. El registro de ideas puede incluir una instantánea, tal como la instantánea mencionada anteriormente. Usar el registro de ideas para revisar los hallazgos de la IA es ventajoso porque los hallazgos de IA se almacenan en el PACS en ubicaciones separadas y el registro de ideas coloca todos los hallazgos de IA en un solo lugar para acceder a los mismos de forma organizada.
Si bien el proceso anterior analiza el análisis automático de nuevas imágenes médicas que se produce en respuesta a la notificación de la llegada de nuevas imágenes, en una realización, los motores de IA individuales se pueden iniciar manualmente. En una realización, se utiliza un conjunto de API para iniciar uno de los motores de IA. Esto es necesario en los casos en que la naturaleza de los algoritmos de IA es tal que es necesario un análisis preliminar antes de que se active el motor de IA. Los siguientes son algunos ejemplos de esto. Sin embargo, cabe señalar que son posibles otros ejemplos.
1. Un usuario desea analizar una parte específica de la imagen/volumen 3D marcando un área en imagen/volumen 3D utilizando una aplicación de visualización de imágenes. En este caso, la aplicación puede invocar a la API para activar la exploración de IA especificando los puntos de imagen marcados por el usuario.
2. Existe un estudio histórico y ya está almacenado en VNA o PACS antes de introducir el flujo de trabajo de IA. Si el usuario desea realizar una exploración de IA en ese estudio, el usuario puede realizarlo seleccionando el estudio de la lista de estudios.
3. Si el usuario desea realizar una exploración de IA a través de cada estudio anterior del paciente para determinar si existe una tendencia con respecto a una anomalía particular (por ejemplo, una tasa de curación), etc., si la instalación no configura el sistema para realizar este paso automáticamente por alguna razón (por ejemplo, preocupaciones de facturación, etc.), un usuario puede activar una exploración completo para el paciente al incluir todos sus estudios anteriores manualmente.
Un ejemplo del sistema de gestión de imágenes médicas
La Figura 7 ilustra un ejemplo de realización de una representación lógica de un sistema de gestión de información e imágenes médicas 700 que genera y presenta diseños con valores actuales y anteriores de los parámetros descritos anteriormente. En una realización, el sistema 700 es parte de un sistema de imágenes médicas como el detallado anteriormente.
El sistema de gestión de información e imágenes médicas 700 incluye uno o más procesadores 701 que están acoplados a la lógica de interfaz de comunicación 710 a través de un primer medio de transmisión 720. La lógica de interfaz de comunicación 710 permite las comunicaciones con otros dispositivos electrónicos, habilitando específicamente la comunicación con usuarios remotos tales como doctores, enfermero/as y/o técnicos médicos, bases de datos remotas (por ejemplo, PACS) que almacenan estudios sanitarios, modalidades de atención médica que generan y envían estudios y una o más ubicaciones remotas (por ejemplo, servidores basados en la nube) que aplican algoritmos de análisis de imágenes (por ejemplo, algoritmos de IA) en
imágenes de estudios y generar hallazgos basados en los resultados. De acuerdo con una realización de la divulgación, la lógica de interfaz de comunicación 710 puede implementarse como una interfaz física que incluye uno o más puertos para conectores cableados. Además, o como alternativa, la lógica de interfaz de comunicación 710 puede implementarse con una o más unidades de radio para soportar comunicaciones inalámbricas con otros dispositivos electrónicos.
El uno o más procesadores 701 se acopla además al almacenamiento persistente 730 a través del 2° medio de transmisión 725. De acuerdo con una realización de la divulgación, el almacenamiento persistente 730 puede incluir datos y código para implementar: (a) interfaz lógica 741, (b) lógica de supervisión 742, (c) lógica de notificación/alerta 743, (d) lógica de análisis de imágenes (por ejemplo, motor de análisis de IA) 744, (e) lógica de orquestación 731, (f) una lógica de importación 732, (g) una lógica de generación de instantáneas/registro de ideas/salida 733, (h) una lógica de control de visualización 734, (i) una base de datos de notas 736 y (j) una base de datos de registros 737.
En una realización, la lógica de la interfaz 741 incluye la lógica para permitir la interacción entre los componentes de la plataforma, así como entre un usuario y las áreas de visualización que se muestran en la pantalla de visualización. En una realización, la lógica de la interfaz 741 incluye las implementaciones para gestionar las API abiertas. Las interfaces de usuario incluyen la generación de GUI con estudios, o porciones de los mismos, y sus resultados de IA asociados.
La lógica de supervisión 742 incluye lógica para realizar un supervisión continuo para determinar cuándo ocurrieron cambios en las fuentes de datos, tales como los sistemas PACS, VNA o bases de datos para determinar cuándo hay nuevas imágenes disponibles para su análisis mediante motores de análisis de imágenes/IA.
La lógica de orquestación 731 incluye lógica para determinar qué motores de análisis de imágenes/IA se asignarán para analizar nuevas imágenes médicas. Esta lógica incluye el encabezado de la imagen y la lógica de análisis de estudio y la lógica de detección de partes del cuerpo para identificar el contenido de las imágenes médicas, así como la lógica de coincidencia para comparar los resultados del análisis del encabezado/estudio y la detección de partes del cuerpo con las características de los algoritmos de análisis de imágenes/IA disponibles para realizar una asignación
adecuada. En una realización, la lógica de orquestación 731 puede recibir información del usuario para iniciar manualmente una exploración o revisión de una imagen médica existente.
La lógica de notificación/alerta 743 incluye lógica para emitir y enviar notificaciones a motores y aplicaciones de análisis de imágenes/IA para evaluar una o más imágenes médicas nuevas. La lógica de notificación/alerta 743 genera y envía también notificaciones y/o alertas para revisiones de estudios, incluidos los resultados del análisis de imágenes/IA, a uno o más médicos y al personal médico. En una realización, la lógica de notificación/alerta 743 envía una alerta (por ejemplo, SMS, texto, correo electrónico u otro mensaje, una indicación de chat que indica que se desea una sesión de chat con el médico, etc.) en respuesta a un hallazgo predeterminado en los resultados del análisis de imágenes automatizado realizado una o más imágenes de un estudio sanitario. En una realización, el hallazgo predeterminado comprende una puntuación de anomalía por encima de un nivel umbral. En otra realización, el hallazgo predeterminado comprende una o más palabras clave en los hallazgos. En otra realización adicional, el hallazgo predeterminado comprende una puntuación de anomalía por encima de un nivel de umbral y una o más palabras clave en los hallazgos. En una realización, la alerta se envía a uno o más proveedores de atención médica predeterminados responsables de gestionar una condición asociada con el hallazgo predeterminado. Por ejemplo, en una realización, si los hallazgos indican que es probable que el paciente haya experimentado un derrame cerebral, se envía automáticamente una alerta a un equipo de accidentes cerebrovasculares en un centro médico particular para cuidar al paciente. En una realización, la alerta incluye un enlace a una imagen relacionada con los hallazgos del estudio sanitario que fueron generados por el algoritmo de análisis de imágenes automatizado. En un caso de este tipo, la alerta puede incluir un enlace que el usuario selecciona para abrir un estudio que contiene la imagen asociada con el hallazgo y el sistema muestra la imagen.
La lógica de análisis de imágenes 744 realiza uno o más algoritmos de análisis de imágenes en imágenes de estudios sanitarios. En una realización, los algoritmos de análisis de imágenes son algoritmos de análisis de IA. Los resultados de la aplicación de los algoritmos de análisis de imágenes pueden mostrarse en una pantalla.
La lógica de importación 732 puede incluir lógica para recuperar una o más piezas de información de un dispositivo de almacenamiento e importar cada uno de los
uno o más fragmentos de información en un área de visualización separada de un visor o plantilla de visor. Por ejemplo, los fragmentos de información pueden incluir, pero no se limitan ni restringen a, (i) hallazgos de algoritmos de análisis de imágenes automatizados (por ejemplo, algoritmos de IA); (ii) imágenes médicas, incluyendo rayos x, mamografías, exploraciones de tomografía computarizada (TC), imágenes de resonancia magnética (IRM), exploración de tomografía por emisión de positrones (PET) y/o imágenes de ultrasonido, (iii) notas del médico con respecto a una o más de las imágenes médicas y/o (iv) registros médicos correspondientes a uno o más de los sujetos de una o más imágenes médicas.
La lógica de generación de instantáneas/registro de ideas/salida 733 incluye lógica para generar una instantánea (guardando el estado de la plantilla de diseño), un registro de ideas y/o una salida de análisis de imágenes/IA como se ha descrito anteriormente. Guardar el estado puede incluir almacenar, al menos, (i) el uno o más fragmentos de información, y (ii) las propiedades de visualización de cada uno del uno o más fragmentos de información en un medio no transitorio legible por ordenador. La plantilla de diseño puede representar una o más imágenes de un estudio sanitario que muestra datos de imágenes que son relevantes para un hallazgo de un algoritmo de análisis de imágenes automatizado. La lógica de generación de instantáneas/registro de ideas/salida 733 es capaz de guardar la instantánea, registro de ideas o el resultado del análisis de imágenes/IA en un registro o informe médico y/o enviarlo a una ubicación predeterminada.
La lógica de control de visualización 734 incluye lógica para mostrar interfaces de usuario, imágenes y resultados de análisis de imágenes/IA que se han renderizado localmente como se ha descrito anteriormente. En una realización, la lógica de control de pantalla 734 incluye lógica para mostrar un navegador en el que las imágenes, interfaces de usuario descritas anteriormente, son mostradas.
La base de datos de notas 736 almacena notas registradas por un doctor, enfermero/a, técnico clínico, etc., que un usuario puede importar en un área de visualización de una plantilla de diseño. Por último, la base de datos de registros 737 almacena registros médicos que un usuario puede importar en un área de visualización de una plantilla de diseño.
Hay una serie de ejemplos de realizaciones descritas en el presente documento.
El Ejemplo 1 es un método que comprende: supervisar, mediante un sistema de gestión de imágenes médicas, una primera indicación de un cambio de contenido en una o más fuentes de datos; determinar, en respuesta a la primera indicación, cuál de una pluralidad de motores de análisis de imágenes analizará al menos una imagen de una o más imágenes médicas nuevas asociadas con el cambio de contenido basándose en una o ambas de la información que acompaña a la o las imágenes o los resultados de aplicar la detección de parte del cuerpo en la al menos una imagen; enviar una primera notificación para iniciar el análisis de imágenes en la al menos una imagen de una o más imágenes médicas, enviándose la primera notificación a cada motor de análisis de imágenes en un conjunto de uno o más motores de análisis de imágenes determinados para analizar la al menos una imagen de la una o más imágenes médicas nuevas; recibir una segunda indicación de que los resultados del análisis de imágenes están disponibles en el conjunto de uno o más motores de análisis de imágenes; y enviar una segunda notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes para su acceso y visualización.
El Ejemplo 2 es el método del Ejemplo 1 que puede incluir opcionalmente que uno o más motores de análisis de imágenes de la pluralidad de motores de análisis de imágenes comprendan un motor de inteligencia artificial (IA).
El Ejemplo 3 es el método del Ejemplo 1 que puede incluir opcionalmente que la primera indicación especifique la llegada de una o más imágenes médicas nuevas en una o más fuentes de datos.
El Ejemplo 4 es el método del Ejemplo 1 que puede incluir opcionalmente que una o más imágenes médicas nuevas sean parte de un nuevo estudio sanitario o un estudio existente creado antes de la generación de las nuevas imágenes médicas.
El Ejemplo 5 es el método del Ejemplo 1 que puede incluir opcionalmente determinar una prioridad para cada motor de análisis de imágenes determinado para analizar la al menos una imagen cuando hay múltiples motores de análisis de imágenes.
El Ejemplo 6 es el método del Ejemplo 5 que puede incluir opcionalmente que la determinación de la prioridad se base en características en un estudio sanitario de la al
menos una imagen, priores y la naturaleza de los múltiples motores de análisis de imágenes.
El Ejemplo 7 es el método del Ejemplo 1 que opcionalmente puede incluir, en respuesta a recibir la notificación, determinar, utilizando el motor de análisis de imágenes, si una o más características en la al menos una imagen cumplen criterios predefinidos indicativos de una condición médica; generar, por el motor de análisis de imágenes, una representación de resultados de IA compatible con DICOM sin implementar la conformidad DICOM; y enviar la representación de resultados de IA compatible con DICOM como un objeto DICOM al sistema de gestión de imágenes médicas.
El Ejemplo 8 es el método del Ejemplo 7 que puede incluir opcionalmente que una o más características incluyan la una o más características anatómicas y anomalías expuestas en la imagen médica.
El Ejemplo 9 es el método del ejemplo 7 que puede incluir opcionalmente que el motor de análisis de imágenes sea operable para realizar el análisis de imágenes para determinar si una o más características en la al menos una imagen cumplen los criterios predefinidos sin intervención del usuario.
El Ejemplo 10 es un sistema de gestión de imágenes médicas que comprende: una interfaz de comunicación en red para recibir estudios sanitarios; una memoria acoplada a la interfaz de comunicación de red para almacenar los estudios sanitarios recibidos; una pantalla de visualización acoplada a la memoria para visualizar los estudios sanitarios recibidos; y uno o más procesadores acoplados a la interfaz de conexión de red, la memoria y la pantalla de visualización y configurados para supervisar una primera indicación de un cambio de contenido en una o más fuentes de datos; determinar, en respuesta a la primera indicación, cuál de una pluralidad de motores de análisis de imágenes analizará al menos una imagen de una o más imágenes médicas nuevas asociadas con el cambio de contenido basándose en una o ambas de la información que acompaña a la o las imágenes o los resultados de aplicar la detección de parte del cuerpo en la al menos una imagen; enviar una primera notificación para iniciar el análisis de imágenes en la al menos una imagen de una o más imágenes médicas, enviándose la primera notificación a cada motor de análisis de imágenes en un conjunto de uno o más motores de análisis de imágenes determinados para analizar
la al menos una imagen de la una o más imágenes médicas nuevas; recibir una segunda indicación de que los resultados del análisis de imágenes están disponibles en el conjunto de uno o más motores de análisis de imágenes; y enviar una segunda notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes para su acceso y visualización.
El Ejemplo 11 es el sistema del Ejemplo 10 que puede incluir opcionalmente que uno o más motores de análisis de imágenes de la pluralidad de motores de análisis de imágenes comprendan un motor de inteligencia artificial (IA).
El Ejemplo 12 es el sistema del Ejemplo 10 que puede incluir opcionalmente que la primera indicación especifique la llegada de una o más imágenes médicas nuevas en una o más fuentes de datos.
El Ejemplo 13 es el sistema del Ejemplo 12 que puede incluir opcionalmente que una o más imágenes médicas nuevas sean parte de un nuevo estudio sanitario o un estudio existente creado antes de la generación de las nuevas imágenes médicas.
El Ejemplo 14 es el sistema del Ejemplo 10 que puede incluir opcionalmente que uno o más procesadores sean operables para determinar una prioridad para cada motor de análisis de imágenes determinado para analizar la al menos una imagen cuando hay múltiples motores de análisis de imágenes.
El Ejemplo 15 es el sistema del Ejemplo 14 que puede incluir opcionalmente que la determinación de la prioridad se base en características en un estudio sanitario de la al menos una imagen, priores y la naturaleza de los múltiples motores de análisis de imágenes.
El Ejemplo 16 es un medio de almacenamiento no transitorio legible por ordenador que tiene instrucciones almacenadas en el mismo que, cuando es ejecutado por un sistema que tiene al menos un procesador, una memoria y una pantalla de visualización en el mismo, hace que el sistema realice un método que comprende: supervisar una primera indicación de un cambio de contenido en una o más fuentes de datos; determinar, en respuesta a la primera indicación, cuál de una pluralidad de motores de análisis de imágenes analizará al menos una imagen de una o más imágenes médicas nuevas asociadas con el cambio de contenido basándose en una o
ambas de la información que acompaña a la o las imágenes o los resultados de aplicar la detección de parte del cuerpo en la al menos una imagen; enviar una primera notificación para iniciar el análisis de imágenes en la al menos una imagen de una o más imágenes médicas, enviándose la primera notificación a cada motor de análisis de imágenes en un conjunto de uno o más motores de análisis de imágenes determinados para analizar la al menos una imagen de la una o más imágenes médicas nuevas; recibir una segunda indicación de que los resultados del análisis de imágenes están disponibles en el conjunto de uno o más motores de análisis de imágenes; y enviar una segunda notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes para su acceso y visualización.
El Ejemplo 17 es el medio de almacenamiento legible por ordenador del Ejemplo 16 que puede incluir opcionalmente que uno o más de los motores de análisis de imágenes de la pluralidad de motores de análisis de imágenes comprendan un motor de inteligencia artificial (IA).
El Ejemplo 18 es el medio de almacenamiento legible por ordenador del Ejemplo 16 que puede incluir opcionalmente que la primera indicación especifique la llegada de una o más imágenes médicas nuevas en una o más fuentes de datos.
El Ejemplo 19 es el medio de almacenamiento legible por ordenador del Ejemplo 18 que puede incluir opcionalmente que una o más imágenes médicas nuevas sean parte de un nuevo estudio sanitario o un estudio existente creado antes de la generación de las nuevas imágenes médicas.
El Ejemplo 20 es el medio de almacenamiento legible por ordenador del Ejemplo 16 que puede incluir opcionalmente que el método comprende además determinar una prioridad para cada motor de análisis de imágenes determinado para analizar la al menos una imagen cuando hay múltiples motores de análisis de imágenes.
El Ejemplo 21 es el medio de almacenamiento legible por ordenador del Ejemplo 20 que puede incluir opcionalmente que la determinación de la prioridad se base en características en un estudio sanitario de la al menos una imagen, priores y la naturaleza de los múltiples motores de análisis de imágenes.
El Ejemplo 22 es el medio de almacenamiento legible por ordenador del Ejemplo 16 que opcionalmente puede incluir que el método comprende además, en respuesta a recibir la notificación, determinar, utilizando el motor de análisis de imágenes, si una o más características en la al menos una imagen cumplen criterios predefinidos indicativos de una condición médica; generar, por el motor de análisis de imágenes, una representación de resultados de IA compatible con DICOM sin implementar la conformidad DICOM; y enviar la representación de resultados de IA compatible con DICOM como un objeto DICOM al sistema de gestión de imágenes médicas.
El Ejemplo 23 es el medio de almacenamiento legible por ordenador del Ejemplo 22 que puede incluir opcionalmente que una o más características incluyan la una o más características anatómicas y anomalías expuestas en la imagen médica.
El Ejemplo 24 es el medio de almacenamiento legible por ordenador del ejemplo 22 que puede incluir opcionalmente que el motor de análisis de imágenes sea operable para realizar el análisis de imágenes para determinar si una o más características en la al menos una imagen cumplen los criterios predefinidos sin intervención del usuario.
Algunas porciones de las descripciones detalladas anteriores se presentan en términos de algoritmos y representaciones simbólicas de operaciones en bits de datos dentro de la memoria de un ordenador. Estas descripciones y representaciones algorítmicas son los medios utilizados por los expertos en la materia, en el campo del procedimiento de datos, para trasladar de la manera más eficaz la esencia de su trabajo a otros expertos en la materia. Aquí hay un algoritmo y, por lo general, concebido para ser una secuencia de pasos autoconsistente que conducen a un resultado deseado. Los pasos son los que requieren manipulaciones físicas de cantidades físicas. Normalmente, aunque no necesariamente, estas cantidades toman la forma de señales eléctricas o magnéticas que pueden almacenarse, transferirse, combinarse, compararse y manipularse de otro modo. Se ha probado ser conveniente a veces, principalmente por razones de uso común, referirse a estas señales como bits, valores, elementos, símbolos, caracteres, términos, números o elementos similares.
Se debería tener en cuenta, sin embargo, que todos estos y otros términos similares deben asociarse con las cantidades físicas apropiadas y son simplemente etiquetas convenientes aplicadas a estas cantidades. A no ser que se indique específicamente lo contrario, como es evidente a partir de la siguiente descripción, se
aprecia que a lo largo de la descripción, las expresiones de uso que se utilizan, tales como "que procesa", "que computa" o "que calcula", "que determina" o "que muestra", o similares, se refieren a la acción y a los procesos de un sistema informático, o a dispositivos informáticos electrónicos similares, que manipulan y transforman datos representados como cantidades físicas (electrónicas) dentro de los registros y memorias del sistema informático en otros datos representados de forma similar como cantidades físicas dentro de las memorias o registros del sistema informático u otro almacenamiento de información similar, dispositivos de transmisión o visualización.
La presente invención se refiere también a un aparato para llevar a cabo las operaciones del presente documento. Este aparato puede construirse especialmente para los fines requeridos, o puede comprender un ordenador de uso general activado selectivamente o reconfigurado por un programa de ordenador almacenado en el ordenador. Un programa informático de este tipo puede almacenarse en un medio de almacenamiento legible por ordenador, tal como, pero sin limitación, cualquier tipo de disco, que incluye disquetes, discos ópticos, CD-ROM y discos magnético-ópticos, memorias de solo lectura (ROM), memorias de acceso aleatorio (RAM), EPROM, EEPROM, tarjetas magnéticas u ópticas, o cualquier tipo de soporte adecuado para almacenar instrucciones electrónicas, y cada uno de los mismos acoplado a un bus del sistema informático.
Los algoritmos y las pantallas que se presentan en el presente documento no están intrínsecamente relacionados con ningún ordenador u otro aparato particular. Se pueden usar varios sistemas de propósito general con programas de acuerdo con las enseñanzas del presente documento, o puede resultar conveniente construir aparatos más especializados para realizar los pasos requeridos del método. La estructura requerida para una variedad de estos sistemas aparecerá en la descripción a continuación. Además, la presente invención no se describe con referencia a ningún lenguaje de programación particular. Se apreciará que se puede usar una variedad de lenguajes de programación para implementar las enseñanzas de la invención como se ha descrito en el presente documento.
Un medio legible por máquina incluye cualquier mecanismo para almacenar o transmitir información en una forma legible por una máquina (por ejemplo, un ordenador). Por ejemplo, un medio legible por máquina incluye memoria de solo lectura ("ROM"); memoria de acceso aleatorio ("RAM"); medios de almacenamiento en disco
magnético; medios de almacenamiento ópticos; dispositivos de memoria flash; señales propagadas eléctricas, ópticas, acústicas o de otra forma (por ejemplo, ondas portadoras, señales infrarrojas, señales digitales, etc.); etc.
Mientras que muchas alteraciones y modificaciones de la presente invención sin duda resultarán evidentes para una persona con conocimientos ordinarios en la materia después de haber leído la descripción anterior, debe entenderse que cualquier realización particular mostrada y descrita a modo de ilustración no se pretende de ninguna forma que se considere limitativa. Por lo tanto, las referencias a detalles de diversas realizaciones no pretenden limitar el alcance de las reivindicaciones que, en sí mismas, enumeran solo aquellas características consideradas esenciales para la invención.
Claims (24)
1. Un método que comprende:
supervisar, mediante un sistema de gestión de imágenes médicas, una primera indicación de un cambio de contenido en una o más fuentes de datos;
determinar, en respuesta a la primera indicación, cuál de una pluralidad de motores de análisis de imágenes analizará al menos una imagen de una o más imágenes médicas nuevas asociadas con el cambio de contenido basándose en una o ambas de la información que acompaña a la o las imágenes o los resultados de aplicar la detección de parte del cuerpo en la al menos una imagen;
enviar una primera notificación para iniciar el análisis de imágenes en la al menos una imagen de una o más imágenes médicas, enviándose la primera notificación a cada motor de análisis de imágenes en un conjunto de uno o más motores de análisis de imágenes determinados para analizar la al menos una imagen de la una o más imágenes médicas nuevas;
recibir una segunda indicación de que los resultados del análisis de imágenes están disponibles en el conjunto de uno o más motores de análisis de imágenes; y enviar una segunda notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes para su acceso y visualización.
2. El método definido en la reivindicación 1, en el que uno o más motores de análisis de imágenes de la pluralidad de motores de análisis de imágenes comprenden un motor de inteligencia artificial (IA).
3. El método definido en la reivindicación 1, en el que la primera indicación especifica la llegada de una o más imágenes médicas nuevas a una o más fuentes de datos.
4. El método definido en la reivindicación 3, en el que una o más imágenes médicas nuevas son parte de un nuevo estudio sanitario o un estudio existente creado antes de la generación de las nuevas imágenes médicas.
5. El método definido en la reivindicación 1, que comprende además determinar una prioridad para cada motor de análisis de imágenes determinado para analizar la al menos una imagen cuando hay múltiples motores de análisis de imágenes.
6. El método definido en la reivindicación 5, en el que la determinación de la prioridad se basa en características en un estudio sanitario de la al menos una imagen, priores y la naturaleza de los múltiples motores de análisis de imágenes.
7. El método definido en la reivindicación 1, que comprende además, en respuesta a recibir la notificación,
determinar, utilizando el motor de análisis de imágenes, si una o más características en la al menos una imagen cumplen criterios predefinidos indicativos de una condición médica;
generar, por el motor de análisis de imágenes, una representación de resultados de IA compatible con DICOM sin implementar la conformidad DICOM; y
enviar la representación de resultados de IA compatible con DICOM como un objeto DICOM al sistema de gestión de imágenes médicas.
8. El método definido en la reivindicación 7, en el que una o más características incluyen una o más de características y anomalías anatómicas expuestas en la imagen médica.
9. El método definido en la reivindicación 7, en el que el motor de análisis de imágenes puede operar para realizar el análisis de imágenes para determinar si una o más características en la al menos una imagen cumplen los criterios predefinidos sin la intervención del usuario.
10. Un sistema de gestión de imágenes médicas que comprende:
una interfaz de comunicación en red para recibir estudios sanitarios;
una memoria acoplada a la interfaz de comunicación de red para almacenar los estudios sanitarios recibidos;
una pantalla de visualización acoplada a la memoria para visualizar los estudios sanitarios recibidos; y
uno o más procesadores acoplados a la interfaz de conexión de red, la memoria y la pantalla de visualización y configurados para
supervisar una primera indicación de un cambio de contenido en una o más fuentes de datos;
determinar, en respuesta a la primera indicación, cuál de una pluralidad de motores de análisis de imágenes analizará al menos una imagen de una o más imágenes médicas nuevas asociadas con el cambio de contenido basándose en una o
ambas de la información que acompaña a la o las imágenes o los resultados de aplicar la detección de parte del cuerpo en la al menos una imagen;
enviar una primera notificación para iniciar el análisis de imágenes en la al menos una imagen de una o más imágenes médicas, enviándose la primera notificación a cada motor de análisis de imágenes en un conjunto de uno o más motores de análisis de imágenes determinados para analizar la al menos una imagen de la una o más imágenes médicas nuevas;
recibir una segunda indicación de que los resultados del análisis de imágenes están disponibles en el conjunto de uno o más motores de análisis de imágenes; y enviar una segunda notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes para su acceso y visualización.
11. El sistema definido en la reivindicación 10, en el que uno o más motores de análisis de imágenes de la pluralidad de motores de análisis de imágenes comprenden un motor de inteligencia artificial (IA).
12. El sistema definido en la reivindicación 10, en el que la primera indicación especifica la llegada de una o más imágenes médicas nuevas a una o más fuentes de datos.
13. El sistema definido en la reivindicación 12, en el que una o más imágenes médicas nuevas son parte de un nuevo estudio sanitario o un estudio existente creado antes de la generación de las nuevas imágenes médicas.
14. El sistema definido en la reivindicación 10, en el que uno o más procesadores pueden operar para determinar una prioridad para cada motor de análisis de imágenes determinado para analizar la al menos una imagen cuando hay múltiples motores de análisis de imágenes.
15. El sistema definido en la reivindicación 14, en el que la determinación de la prioridad se basa en características en un estudio sanitario de la al menos una imagen, priores y la naturaleza de los múltiples motores de análisis de imágenes.
16. Un medio de almacenamiento no transitorio legible por ordenador que tiene instrucciones almacenadas en el mismo que, cuando es ejecutado por un sistema que tiene al menos un procesador, una memoria y una pantalla de visualización en el mismo,
hace que el sistema realice un método que comprende:
supervisar una primera indicación de un cambio de contenido en una o más fuentes de datos;
determinar, en respuesta a la primera indicación, cuál de una pluralidad de motores de análisis de imágenes analizará al menos una imagen de una o más imágenes médicas nuevas asociadas con el cambio de contenido basándose en una o ambas de la información que acompaña a la o las imágenes o los resultados de aplicar la detección de parte del cuerpo en la al menos una imagen;
enviar una primera notificación para iniciar el análisis de imágenes en la al menos una imagen de una o más imágenes médicas, enviándose la primera notificación a cada motor de análisis de imágenes en un conjunto de uno o más motores de análisis de imágenes determinados para analizar la al menos una imagen de la una o más imágenes médicas nuevas;
recibir una segunda indicación de que los resultados del análisis de imágenes están disponibles en el conjunto de uno o más motores de análisis de imágenes; y enviar una segunda notificación a los suscriptores para indicar la disponibilidad de los resultados del análisis de imágenes para su acceso y visualización.
17. El medio de almacenamiento legible por ordenador definido en la reivindicación 16, en el que uno o más motores de análisis de imágenes de la pluralidad de motores de análisis de imágenes comprenden un motor de inteligencia artificial (IA).
18. El medio de almacenamiento legible por ordenador definido en la reivindicación 16, en el que la primera indicación especifica la llegada de una o más imágenes médicas nuevas a una o más fuentes de datos.
19. El medio de almacenamiento legible por ordenador definido en la reivindicación 18, en el que una o más imágenes médicas nuevas son parte de un nuevo estudio sanitario o un estudio existente creado antes de la generación de las nuevas imágenes médicas.
20. El medio de almacenamiento legible por ordenador definido en la reivindicación 16, en el que el método comprende además determinar una prioridad para cada motor de análisis de imágenes determinado para analizar la al menos una imagen cuando hay múltiples motores de análisis de imágenes.
21. El medio de almacenamiento legible por ordenador definido en la reivindicación 20, en el que la determinación de la prioridad se basa en características en un estudio sanitario de la al menos una imagen, priores y la naturaleza de los múltiples motores de análisis de imágenes.
22. El medio de almacenamiento legible por ordenador definido en la reivindicación 16, en el que el método comprende además, en respuesta a recibir la notificación, determinar, utilizando el motor de análisis de imágenes, si una o más características en la al menos una imagen cumplen criterios predefinidos indicativos de una condición médica;
generar, por el motor de análisis de imágenes, una representación de resultados de IA compatible con DICOM sin implementar la conformidad DICOM; y
enviar la representación de resultados de IA compatible con DICOM como un objeto DICOM al sistema de gestión de imágenes médicas.
23. El medio de almacenamiento legible por ordenador definido en la reivindicación 22, en el que una o más características incluyen una o más de características y anomalías anatómicas expuestas en la imagen médica.
24. El medio de almacenamiento legible por ordenador definido en la reivindicación 22, en el que el motor de análisis de imágenes puede operar para realizar el análisis de imágenes para determinar si una o más características en la al menos una imagen cumplen los criterios predefinidos sin la intervención del usuario.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/370,339 US10977796B2 (en) | 2019-03-29 | 2019-03-29 | Platform for evaluating medical information and method for using the same |
| PCT/US2020/020516 WO2020205116A1 (en) | 2019-03-29 | 2020-02-28 | A platform for evaluating medical information and method for using the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| ES2888523A2 true ES2888523A2 (es) | 2022-01-04 |
| ES2888523R1 ES2888523R1 (es) | 2022-01-12 |
Family
ID=72606112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES202190057A Pending ES2888523R1 (es) | 2019-03-29 | 2020-02-28 | Una plataforma para evaluar informacion medica y metodo para utilizar la misma |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US10977796B2 (es) |
| EP (1) | EP3948885A4 (es) |
| JP (1) | JP2022528095A (es) |
| AU (1) | AU2020253890A1 (es) |
| CA (1) | CA3131877A1 (es) |
| DE (1) | DE112020001683T5 (es) |
| ES (1) | ES2888523R1 (es) |
| GB (1) | GB2596960B (es) |
| MX (1) | MX2021011648A (es) |
| WO (1) | WO2020205116A1 (es) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11710566B2 (en) * | 2019-06-07 | 2023-07-25 | Siemens Healthcare Gmbh | Artificial intelligence dispatch in healthcare |
| US11883206B2 (en) | 2019-07-29 | 2024-01-30 | Hologic, Inc. | Personalized breast imaging system |
| AU2020320287A1 (en) * | 2019-07-31 | 2021-10-28 | Hologic, Inc. | Systems and methods for automating clinical workflow decisions and generating a priority read indicator |
| JP7465342B2 (ja) | 2019-09-27 | 2024-04-10 | ホロジック， インコーポレイテッド | ２ｄ／３ｄ乳房画像を精査するための読み取り時間および読み取り複雑性を予測するためのａｉシステム |
| US11881298B2 (en) * | 2021-04-13 | 2024-01-23 | GE Precision Healthcare LLC | Systems and methods for universal artificial intelligence integration services |
| WO2023147308A1 (en) * | 2022-01-25 | 2023-08-03 | Northwestern Memorial Healthcare | Image analysis and insight generation |
| KR20240048075A (ko) * | 2022-10-05 | 2024-04-15 | 주식회사 엠티이지 | 영상에 포함된 객체에 대한 추론을 수행하는 방법 및 디바이스 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8949403B1 (en) | 2003-10-24 | 2015-02-03 | Sap Se | Infrastructure for maintaining cognizance of available and unavailable software components |
| DE102006008508A1 (de) | 2006-02-23 | 2007-09-13 | Siemens Ag | Medizinische Visualisierungsverfahren, kombiniertes Anzeige-/Eingabegerät sowie Computerprogrammprodukt |
| JP4545185B2 (ja) | 2007-11-21 | 2010-09-15 | ザイオソフト株式会社 | 画像処理装置、画像処理装置の制御方法、および画像処理装置の制御プログラム |
| US8813024B2 (en) | 2008-09-22 | 2014-08-19 | International Business Machines Corporation | System and a method for cross-platform porting of business application and making them contextually-aware on target platforms |
| JP2013128725A (ja) | 2011-12-22 | 2013-07-04 | Hitachi Medical Corp | 検査情報表示装置及びシステム |
| US8908947B2 (en) * | 2012-05-21 | 2014-12-09 | Terarecon, Inc. | Integration of medical software and advanced image processing |
| US20150331995A1 (en) * | 2014-05-14 | 2015-11-19 | Tiecheng Zhao | Evolving contextual clinical data engine for medical data processing |
| WO2016090326A1 (en) | 2014-12-05 | 2016-06-09 | Declara, Inc. | Intent based digital collaboration platform architecture and design |
| US9704094B2 (en) | 2015-02-19 | 2017-07-11 | International Business Machines Corporation | Mapping of algorithms to neurosynaptic hardware |
| US20160364527A1 (en) * | 2015-06-12 | 2016-12-15 | Merge Healthcare Incorporated | Methods and Systems for Automatically Analyzing Clinical Images and Determining when Additional Imaging May Aid a Diagnosis |
| US10140100B2 (en) | 2016-03-04 | 2018-11-27 | Google Llc | Device common model interface |
| US10452813B2 (en) * | 2016-11-17 | 2019-10-22 | Terarecon, Inc. | Medical image identification and interpretation |
| US10957442B2 (en) * | 2018-12-31 | 2021-03-23 | GE Precision Healthcare, LLC | Facilitating artificial intelligence integration into systems using a distributed learning platform |
-
2019
- 2019-03-29 US US16/370,339 patent/US10977796B2/en active Active
-
2020
- 2020-02-28 CA CA3131877A patent/CA3131877A1/en active Pending
- 2020-02-28 GB GB2114832.5A patent/GB2596960B/en active Active
- 2020-02-28 AU AU2020253890A patent/AU2020253890A1/en active Pending
- 2020-02-28 DE DE112020001683.8T patent/DE112020001683T5/de active Pending
- 2020-02-28 EP EP20782633.0A patent/EP3948885A4/en active Pending
- 2020-02-28 WO PCT/US2020/020516 patent/WO2020205116A1/en unknown
- 2020-02-28 ES ES202190057A patent/ES2888523R1/es active Pending
- 2020-02-28 MX MX2021011648A patent/MX2021011648A/es unknown
- 2020-02-28 JP JP2021558611A patent/JP2022528095A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP3948885A4 (en) | 2022-12-21 |
| ES2888523R1 (es) | 2022-01-12 |
| AU2020253890A1 (en) | 2021-10-28 |
| MX2021011648A (es) | 2022-02-21 |
| GB2596960B (en) | 2023-03-01 |
| JP2022528095A (ja) | 2022-06-08 |
| EP3948885A1 (en) | 2022-02-09 |
| GB202114832D0 (en) | 2021-12-01 |
| US10977796B2 (en) | 2021-04-13 |
| WO2020205116A1 (en) | 2020-10-08 |
| DE112020001683T5 (de) | 2022-01-13 |
| GB2596960A (en) | 2022-01-12 |
| US20200311938A1 (en) | 2020-10-01 |
| CA3131877A1 (en) | 2020-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7411017B2 (ja) | 健康データを匿名化し、分析のために地理的領域を横断して健康データを修正及び編集するシステム及び方法 | |
| ES2888523A2 (es) | Una plataforma para evaluar informacion medica y metodo para utilizar la misma | |
| US10607341B2 (en) | Rules-based processing and presentation of medical images based on image plane | |
| US11195610B2 (en) | Priority alerts based on medical information | |
| JP6081126B2 (ja) | 医用画像処理装置、画像診断装置、コンピュータシステム、医用画像処理プログラム、及び医用画像処理方法 | |
| EP2169577A1 (en) | Method and system for medical imaging reporting | |
| EP3376958B1 (en) | Water equivalent diameter determination from scout images | |
| CN114051623A (zh) | 使用ai编排进行图像处理和路由 | |
| US11430563B2 (en) | Configuring and displaying a user interface with healthcare studies | |
| US10176569B2 (en) | Multiple algorithm lesion segmentation | |
| ES2772923A2 (es) | Visor de imagenes | |
| EP4123661A1 (en) | Systems and methods for processing medical images using relevancy rules | |
| US11094062B2 (en) | Auto comparison layout based on image similarity | |
| US11996180B2 (en) | Enabling the use of multiple Picture Archiving Communication Systems by one or more facilities on a shared domain | |
| US20200118659A1 (en) | Method and apparatus for displaying values of current and previous studies simultaneously | |
| US20210157459A1 (en) | Methods and systems for displaying associations and timelines of medical studies | |
| WO2024041916A1 (en) | Systems and methods for metadata-based anatomy recognition | |
| US20180239876A1 (en) | Optimal contrast injection protocol engine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| BA2A | Patent application published |
Ref document number: 2888523 Country of ref document: ES Kind code of ref document: A2 Effective date: 20220104 |
|
| EC2A | Search report published |
Ref document number: 2888523 Country of ref document: ES Kind code of ref document: R1 Effective date: 20220104 |
|
| FC2A | Grant refused |
Effective date: 20240508 |