JP2022528095A - 医療情報を評価するためのプラットフォームおよびその使用方法 - Google Patents

Abstract

医療情報を評価するためのプラットフォームおよびその使用方法について記載される。１つの実施形態において、方法は、医用画像管理システムが１以上のデータソースにおけるコンテンツ変化の第１の指示をモニタすることと、１以上の画像に伴う情報または少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、１以上の新たな医用画像のうちのコンテンツ変化に関連する少なくとも１つの画像を複数の画像解析エンジンのうちのどの画像解析エンジンが解析すべきであるかを、第１の指示に応じて決定することと、１以上の新たな医用画像のうちの少なくとも１つの画像を解析するように決定された１以上の画像解析エンジンの組の各画像解析エンジンに、１以上の医用画像のうちの少なくとも１つの画像に対して画像解析を開始する第１の通知を送信することと、１以上の画像解析エンジンの組から、画像解析結果が利用可能である旨の第２の指示を受け取ることと、画像解析結果を登録者がアクセスおよび表示に利用できることを示す第２の通知を登録者に送信することと、を含む。【選択図】図１

Description

本発明の実施形態は、医用撮像の分野に関し、具体的には、自動画像解析（たとえば、人工知能（ＡＩ）解析）プラットフォームを使用して医用画像を解析することに関する。

医師およびその他の医療従事者は、医療上の決断を行う際に患者の関連する臨床情報を全て再考察することが多い。通常、臨床情報は、健康管理検査資料（ｈｅａｌｔｈｃａｒｅ ｓｔｕｄｉｅｓ）および構造化レポートに含まれる。多くの場合、これらの情報は、病歴に関する情報、異なる分野からの診断レポート、画像、およびその他の臨床データを電子フォーマットで含む。

患者の健康管理検査資料は、検査または処置からのパラメータ値（たとえば、測定値、読み取り値など）および画像を含む画像診断レポートを含み、これらは通常、診断および治療に役立つように医師間および臨床医間で共有される。

通常、健康管理検査資料は、医師が自身の患者の検査を指図することに応じて生成される。多くの場合、検査が行われると、生成された検査資料は画像保管通信システム（ＰＡＣＳ）に送られる。医師または臨床医は、医用画像管理システムを使用して、患者の検査資料を含むワークリストを取得することができる。

最近では、放射線ＰＡＣＳシステムと共に様々な人工知能（ＡＩ）アルゴリズムが利用されている。これらのアルゴリズムは、健康管理検査資料内の画像を評価するプロセスを自動化する。これらのアルゴリズムは、１つの画像または検査資料全体に適用することができ、判読する医師およびその他の臨床ユーザはその結果にアクセスすることができる。たとえアルゴリズムの結果が利用可能であっても、ＡＩアルゴリズムは異なるプラットフォームで展開され、ＡＩ結果のための系統的なストレージ、アクセスおよびデータフローは存在しないので、判読する医師が所見に気付かないこともある。判読する医師は、これらの制限によって自動結果をタイムリーに再考察できないことがあり、このため所見の優先レベルに関連する速さで再考察が行われない場合には、患者にさらなる悪影響または治療の遅れが生じる恐れがある。

医療情報を評価するためのプラットフォームおよびその使用方法について説明する。１つの実施形態では、方法が、医用画像管理システムが１以上のデータソースにおけるコンテンツ変化の第１の指示をモニタすることと、１以上の画像に伴う情報または少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、１以上の新たな医用画像のうちのコンテンツ変化に関連する少なくとも１つの画像を複数の画像解析エンジンのうちのどの画像解析エンジンが解析すべきであるかを、第１の指示に応じて決定することと、１以上の新たな医用画像のうちの少なくとも１つの画像を解析するように決定された１以上の画像解析エンジンの組の各画像解析エンジンに、１以上の医用画像のうちの少なくとも１つの画像に対して画像解析を開始する第１の通知を送信することと、１以上の画像解析エンジンの組から、画像解析結果が利用可能である旨の第２の指示を受け取ることと、画像解析結果を登録者がアクセスおよび表示に利用できることを示す第２の通知を登録者に送信することと、を含む。

本発明は、以下に示す詳細な説明および本発明の様々な実施形態の添付図面からさらに完全に理解されると思われるが、これらは本発明を特定の実施形態に限定するものではなく、説明および理解のためのものにすぎないと受け取るべきである。

本発明の実施形態を実装できる例示的な医療情報コンピュータシステム環境を示す図である。 健康管理検査資料情報（たとえば、画像）を解析するコンピュータシステムアーキテクチャの１つの実施形態を示すブロック図である。 医用画像のうちの１以上に適用された自動画像解析アルゴリズム（たとえば、ＡＩアルゴリズム）を使用して医用画像を解析するプロセスの１つの実施形態のデータフロー図である。 医用画像に対して画像解析を実行する際に使用されるＡＩプラットフォームの１つの実施形態のブロック図である。 医用画像に対して画像解析を実行する際に使用されるＡＩプラットフォームの１つの実施形態のデータフロー図である。 画像解析（たとえば、ＡＩ解析）プラットフォームを使用して医用画像を処理するプロセスの１つの実施形態のフロー図である。 画像解析（たとえば、ＡＩ解析）プラットフォームを使用して医用画像を処理するプロセスの別の実施形態のフロー図である。 医用撮像および情報管理システムの論理的表現の例示的な実施形態を示す図である。

以下の説明では、本発明を完全に説明できるように数多くの詳細を示す。しかしながら、当業者には、これらの特定の詳細を伴わずに本発明を実施できることが明らかであろう。その他の場合には、本発明を曖昧にしないように、周知の構造および装置については詳細にではなくブロック図形式で示す。

本発明の実施形態は、医用画像を解析するためのプラットフォームを使用して画像解析ワークフローを実行するシステムおよび方法に関する。１つの実施形態では、画像解析が、ワークフロー（たとえば、放射線学のワークフロー、心臓学のワークフローなど）の一部として医用画像を解析するために使用される人工知能（ＡＩ）解析を含む。１つの実施形態では、医用画像が健康管理検査資料の一部であり、プラットフォームが、医用画像管理システムの一部であるまたは医用画像管理システムに関連するＡＩプラットフォームである。１つの実施形態では、ＡＩプラットフォームが、異なる科におけるＡＩワークフローのシームレスな統合を確立するように複数のＡＩアルゴリズムが統合されたオープンＡＰＩベースのプラットフォームである。医用画像を解析するために利用可能な複数のＡＩアルゴリズムを有することにより、患者の医学的状態を先行技術よりも素早く識別できる可能性が高くなる。これにより、健康管理検査資料が重大な／切迫した結果をリストの最上部に提示して、さらに素早い診断を可能にすることができる。本発明の概要を簡潔に説明したところで、図１～図７を参照しながら本発明の実施形態を説明する。

本明細書では、法令要件を満たすように本発明の実施形態の主題を特異的に説明する。しかしながら、この説明自体は、本発明の範囲を限定するように意図されたものではない。むしろ、本発明者らは、現在のまたは将来的な他の技術と併せて、異なること、または本明細書で説明するものと同様のことの組み合わせを含むように、特許請求する主題を他の形でも具体化できることを目論んでいる。

本発明の実施形態を簡潔に説明したところで、以下、本発明の実施形態の実装における使用に適した例示的な動作環境について説明する。

全体的に図面を参照すると、特に最初に図１に本発明の実施形態を実装できる医療情報コンピュータシステム環境を示し、全体を参照番号１２０として指定する。当業者であれば、図示の医療情報コンピュータシステム環境１２０は１つの好適なコンピュータ環境の一例にすぎず、本発明の使用または機能の範囲に関するいずれかの限定を示唆するように意図されたものではないと理解するであろう。また、医療情報コンピュータシステム環境１２０は、図示のいずれかの単一のコンポーネントまたはコンポーネントの組み合わせに関連する依存性または要件を有するものでもないと解釈されたい。

本開示の実施形態は、数多くの汎用または専用コンピュータシステム環境または構成と共に動作することができる。本発明との使用に適することができる周知のコンピュータシステム、環境および／または構成の例としては、ほんの一例として、パーソナルコンピュータ、サーバコンピュータ、ハンドヘルド装置またはラップトップ装置、マルチプロセッサシステム、マイクロプロセッサベースのシステム、プログラム可能な消費者電子機器、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータ、および上述したシステムまたは装置のうちのいずれかを含む分散コンピュータ環境などが挙げられる。

本発明の実施形態は、コンピュータがプログラムモジュールなどのコンピュータ実行可能命令を実行する一般的状況で説明することができる。一般に、プログラムモジュールは、以下に限定するわけではないが、特定のタスクを実行する、または特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネントおよびデータ構造を含む。本発明は、通信ネットワークを通じてリンクされた遠隔処理装置によってタスクが実行される分散コンピュータ環境で実施することもできる。分散コンピュータ環境では、一例としてメモリ記憶装置を含む局所的および／または遠隔的コンピュータ記憶媒体に関連付けてプログラムモジュールを配置することができる。

引き続き図１を参照すると、例示的な医療情報コンピュータシステム環境１２０は、制御サーバ１２２の形の汎用コンピュータ装置を含む。制御サーバ１２２のコンポーネントは、処理ユニットと、内部システムメモリと、データベースクラスタ１２４を含む様々なシステムコンポーネントを制御サーバ１２２に結合するための好適なシステムバスとを制限なく含むことができる。システムバスは、様々なバスアーキテクチャのうちのいずれかを使用するメモリバスまたはメモリコントローラ、周辺バスおよびローカルバスを含む複数のタイプのバス構造のうちのいずれかとすることができる。限定ではなく一例として、このようなアーキテクチャは、業界標準アーキテクチャ（ＩＳＡ）バス、マイクロチャネルアーキテクチャ（ＭＣＡ）バス、高度ＩＳＡ（ＥＩＳＡ）バス、ビデオ電子標準協会（ＶＥＳＡ）ローカルバス、およびＭｅｚｚａｎｉｎｅバスとしても知られている周辺コンポーネント相互接続（ＰＣＩ）バスを含む。

通常、制御サーバ１２２は、たとえばデータベースクラスタ１２４などの様々なコンピュータ可読媒体を含み、またはこのようなコンピュータ可読媒体にアクセスすることができる。コンピュータ可読媒体は、制御サーバ１２２がアクセスできるいずれかの利用可能な媒体とすることができ、揮発性および不揮発性媒体、並びに取り外し可能および取り外し不能媒体を含む。限定ではなく一例として、コンピュータ可読媒体は、コンピュータ記憶媒体を含むことができる。コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュールまたはその他のデータなどの情報を記憶するためのいずれかの方法または技術で実装された揮発性および不揮発性媒体、並びに取り外し可能および取り外し不能媒体を制限なく含むことができる。この点、コンピュータ記憶媒体は、以下に限定するわけではないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリまたはその他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）またはその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージまたはその他の磁気記憶装置、あるいは所望の情報を記憶するために使用できるとともに制御サーバ１２２がアクセスできる他のいずれかの媒体を含むことができる。限定ではなく一例として、通信媒体は、有線ネットワークまたは直接配線接続などの有線媒体と、音響、ＲＦ、赤外線およびその他の無線媒体などの無線媒体とを含む。コンピュータ可読媒体の範囲には、上記のうちのいずれかの組み合わせを含めることもできる。

図１に示して上述したデータベースクラスタ１２４を含むコンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、および制御サーバ１２２のための他のデータのストレージを提供する。制御サーバ１２２は、１以上のリモートコンピュータ１２８への論理接続を使用してコンピュータネットワーク１２６内で動作することができる。リモートコンピュータ１２８は、たとえば以下に限定するわけではないが、臨床検査室（たとえば、分子臨床検査室）、病院およびその他の入院患者環境、獣医環境、外来環境、医療費請求事務室および財務室、病院管理環境、在宅医療環境および診療所などの、医療または研究環境内の様々な位置に配置することができる。臨床医は、以下に限定するわけではないが、１または複数の治療担当医、集中治療専門医、外科医、放射線医、循環器専門医および腫瘍医などの専門医、救急医療技師、医師の助手、実地看護師、看護師、補助看護師、薬剤師、栄養士、微生物学者、検査室専門家、検査室技師、放射線技師、研究者、獣医および学生などを含む。リモートコンピュータ１２８は、医療団体全体をネットワーク上で一体化できるように非伝統的な医療環境内に物理的に配置することもできる。リモートコンピュータ１２８は、パーソナルコンピュータ、サーバ、ルータ、ネットワークＰＣ、ピア装置、または他の共通ネットワークノードなどとすることができ、制御サーバ１２２に関して上述した要素の一部または全部を含むことができる。装置は、携帯情報端末または他の同様の装置とすることができる。

例示的なコンピュータネットワーク１２６は、ローカルエリアネットワーク（ＬＡＮ）および／またはワイドエリアネットワーク（ＷＡＮ）を制限なく含むことができる。このようなネットワーク環境は、オフィス、企業規模のコンピュータネットワーク、イントラネットおよびインターネットにおいて一般的である。制御サーバ１２２は、ＷＡＮネットワーク環境で利用される場合、インターネットなどのＷＡＮを介して通信を確立するためのモデムまたはその他の手段を含むことができる。ネットワーク環境では、プログラムモジュールまたはその一部を、制御サーバ１２２、データベースクラスタ１２４、またはいずれかのリモートコンピュータ１２８に関連付けて記憶することができる。限定ではなく一例として、いずれか１以上のリモートコンピュータ１２８に関連するメモリ上には、様々なアプリケーションプログラムが存在することができる。当業者であれば、図示のネットワーク接続は例示であり、コンピュータ（たとえば、制御サーバ１２２およびリモートコンピュータ１２８）間の通信リンクを確立する他の手段を利用することもできると理解するであろう。

臨床医は、活動中に、キーボード、（一般にマウスと呼ばれる）ポインティングデバイス、トラックボールまたはタッチパッドなどの入力装置を通じて制御サーバ１２２にコマンドおよび情報を入力し、あるいは１以上のリモートコンピュータ１２８を介して制御サーバ１２２にコマンドおよび情報を伝えることができる。他の入力装置は、マイクまたはスキャナなどを制限なく含むことができる。コマンドおよび情報は、遠隔医療装置から制御サーバ１２２に直接送信することもできる。制御サーバ１２２および／またはリモートコンピュータ１２８は、モニタに加えてスピーカおよびプリンタなどの他の周辺出力装置を含むこともできる。

制御サーバ１２２およびリモートコンピュータ１２８の他の多くの内部コンポーネントについては図示していないが、当業者であれば、このようなコンポーネントおよびその相互接続は周知であると理解するであろう。従って、本明細書では、制御サーバ１２２およびリモートコンピュータ１２８の内部構造に関するさらなる詳細についてはこれ以上開示しない。

図２は、画像解析（たとえば、医用画像の人工知能（ＡＩ）解析）を実行するコンピュータシステムアーキテクチャの例を示すブロック図である。なお、図２に示すコンピュータシステムアーキテクチャは、１つの好適なコンピュータシステムの例にすぎず、いずれかの単一のモジュール／コンポーネントまたはモジュール／コンポーネントの組み合わせに関連するいずれかの依存性または要件を有するように意図されたものではないと理解されるであろう。

１つの実施形態では、コンピュータシステムが、検査資料解析２００と、未読の健康管理検査資料または新たな医用画像を含む既存の健康管理検査資料（および、場合によっては他の健康管理検査資料）を記憶して維持する１以上のデータベース２３０と、たとえばデータベース２３０に記憶された健康管理検査資料などの未読の健康管理検査資料の画像に１以上の自動画像解析アルゴリズム（たとえば、人工知能（ＡＩ）解析アルゴリズム）を適用することによって得られる所見を記憶して維持する１以上のデータベース２３１とを含む。１つの実施形態では、データベース２３０および２３１が同じデータベースの組である。

１つの実施形態では、健康管理検査資料が、医療検査に関連する画像と、たとえば１以上の医療パラメータ（たとえば、測定値など）などの検査データとを含む。例示的な医用画像は、放射線画像、検査室画像、写真、心エコー画像などの心臓病画像、およびその他の医用画像を含む。当業者であれば、データベースは、個別に維持することもまたは統合することもできると理解するであろう。データベース２３０は、患者の電子医療記録（ＥＭＲ）内から画像および／または検査データを選択し、表示コンポーネント２２２を介してビューア内に表示できるように、あるいは画像、ＥＫＧの写真、注記などを記憶するＶＮＡ（ベンダー中立アーカイブ）にリンクできるように、ＥＭＲにリンクされた画像またはその他の検査データ（たとえば、パラメータ値（たとえば、測定値））を含むことができる。本明細書で使用する「ＥＭＲ」という頭字語は、限定的であることを意図したものではなく、デジタルフォーマットで示される患者の医療記録の一部または全部の態様を広く意味する。一般に、ＥＭＲは、コンピュータ装置を使用した個人記録の記憶と検索とを協調させるように構成されたシステムによってサポートされる。従って、このようにして様々なタイプの医療関連情報を記憶し、これらにアクセスすることができる。１つの実施形態では、自動画像解析アルゴリズムが、健康管理検査資料の１以上の画像に対して実行されるＡＩ解析アルゴリズムである。これらのアルゴリズムは、医用画像管理プラットフォームと通信する１以上のサーバ（たとえば、ＡＩエンジンおよびアプリケーション）を使用して遠隔的に適用することができる。これらのサーバは、検査資料およびその関連画像を受け取ってこれらの画像に自動的にこれらのアルゴリズムを適用する。あるいは、ＡＩ解析アルゴリズムは、プラットフォームに統合されて、医用画像管理システムが検査資料を受け取った後に、画像解析コンポーネント２１８によって健康管理検査資料の画像に対して局所的に適用される。あるいは、これらのアルゴリズムのいくつかが遠隔的に実行され、他のアルゴリズムが局所的に実行される。

ＡＩアルゴリズム（またはその他の画像解析アルゴリズム）は、画像にアルゴリズムを適用した結果を詳述する所見を生成する。１つの実施形態では、これらのＡＩアルゴリズムが、アルゴリズムによって識別された考えられる患者の状態を示すテキスト所見を生成する。１つの実施形態では、所見が、自動画像解析アルゴリズムによって準備されるスコア（たとえば、異常性スコア、解析結果に関連する数値的信頼度指標など）を含む。たとえば、異常性スコアは、画像に対して実行された解析に基づいて患者に異常がある可能性を示す大きさを含む（たとえば、スコアが高ければ高いほど可能性も高い）。なお、別の実施形態では、アルゴリズムからの所見に診断の信頼度などの他のスコアを含めることもできる。

検査資料解析モジュール２００は、新たな健康管理検査資料または新たな医用画像を有する健康管理検査資料のコンテンツの変化についてストレージなどのデータソースをモニタするモニタリングコンポーネント２１０を含む。これらのデータソースは、ＰＡＣＳ、ＶＮＡ、あるいはその他のリポジトリまたはデータベースシステムとすることができる。これらの健康管理検査資料は、複数のソース（たとえば、データベース）から入手することができる。検査資料解析モジュール２００は、たとえば図１を参照しながら上述した制御サーバ１２２などの１以上のコンピュータ装置上に存在することができる。一例として、１つの実施形態では、制御サーバ１２２がコンピュータプロセッサを含み、サーバ、パーソナルコンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、ハンドヘルド装置、モバイル装置、または消費者電子装置などとすることができる。

１つの実施形態では、検査資料解析モジュール２００が、選択コンポーネント２１２、オーケストレーションコンポーネント２１４、通知コンポーネント２１６、画像解析（たとえば、ＡＩ解析）コンポーネント２１８、および画像解析（たとえば、ＡＩ解析）結果生成コンポーネント２２０を含む。様々な実施形態では、検査資料解析モジュール２００が、表示コンポーネント２２２、履歴コンポーネント２２４、情報コンポーネント２２６、および操作コンポーネント２２８を含む。なお、検査資料解析モジュール２００は、データベース２３０に記憶された健康管理検査資料を受け取っているが、複数の施設および／または複数の場所に分散したデータベースを含む複数のソースからの健康管理検査資料、並びに健康管理検査資料の画像に１以上の自動画像解析アルゴリズム（たとえば、ＡＩ解析アルゴリズム）を適用することによって得られる所見を受け取ることができると理解されるであろう。また、検査資料解析モジュール２００は、自動画像解析アルゴリズム（たとえば、ＡＩ解析アルゴリズム）からの画像および／または所見を含む健康管理検査資料を、上述したソースから患者のＥＭＲ内のリンクを介して受け取ることができると理解されるであろう。

モニタリングコンポーネント２１０がデータソースのうちの１以上に新たなコンテンツが存在すると判定したことに応じて、選択コンポーネント２１２は、新たな健康管理検査資料または新たな医用画像を有する健康管理検査資料を選択し、データソースにアクセスしてこのような検査資料を取得する。１つの実施形態では、健康管理検査資料が、１以上の一連の画像と、１以上のパラメータ値（たとえば、測定値、所見、印象、患者の人口統計データ、および／または病歴／リスク因子など）とを含む。１つの実施形態では、各一連の画像が、画像の題材を様々な角度から示す１以上の画像を含む。マルチメディアマネージャ内のリスト全体像（ｌｉｓｔ ｐｅｒｓｐｅｃｔｉｖｅ）は、（未読の検査資料を含む）利用可能な検査資料、画像およびその他のメディアを提供する。

オーケストレーションコンポーネント２１４は、新たな医用画像を解析するためにどの画像解析アルゴリズムを適用すべきであるかを決定する。１つの実施形態では、オーケストレーションコンポーネント２１４が、新たな医用画像のうちのどの画像を解析すべきであるか、およびどのＡＩアルゴリズムが解析を実行すべきであるかを決定する。１つの実施形態では、ＡＩアルゴリズムが、画像解析（たとえば、ＡＩ解析）コンポーネント２１８のＡＩエンジンまたはＡＩアプリケーションによって実行される。１つの実施形態では、ＡＩエンジンが、ロジックを実装するおよび／またはソフトウェアを実行する回路を含む。ソフトウェアは、アプリケーションとすることができる。オーケストレーションコンポーネント２１４は、決定に基づいて、画像解析コンポーネント２１８のＡＩアルゴリズムに評価すべき画像を割り当てる。

通知コンポーネント２１６は、ＡＩアルゴリズムを実行しているＡＩエンジンまたはシステム（たとえば、サーバ）に、新たな医用画像の解析に関する割り当てについて通知する。１つの実施形態では、通知コンポーネント２１６が、検査資料識別子と、どの画像を評価すべきであるかに関する情報とを通知の一部として送信し、画像解析コンポーネント２１８は、これに応じて記憶先のデータソースから評価する画像を取得する。あるいは、通知コンポーネント２１６は、解析すべきその実際の画像を送信する。

画像が取得されると、画像解析コンポーネント２１８は、画像に対してＡＩまたはその他の画像解析を実行して所見を生成する。１つの実施形態では、この動作が、１以上のＡＩエンジンまたはサーバ上で実行する１以上のＡＩアルゴリズムを作動させることを含む。ＡＩエンジンまたはサーバのうちの１以上は、ＡＩプラットフォームの内部またはＡＩプラットフォームの外部に存在することができる。１つの実施形態では、複数のＡＩエンジンまたはサーバが同じまたは異なる医用画像に対して同時に解析を実行することができる。各ＡＩアルゴリズムは、アルゴリズムの所見を示す結果を生成する。ＡＩアルゴリズムは、所見の一部として、解析された画像に関連する患者の診断または状態に関連する画像またはその一部を含むことができる。画像解析結果生成コンポーネント２２０は、画像解析コンポーネント２１８のＡＩアルゴリズムからの所見を考慮して出力を生成し、この出力が再考察のために送信され、その後のアクセスのために記憶される。

表示コンポーネント２２２は、健康管理検査資料からの画像およびその他のデータと、健康管理検査資料内の画像に自動画像解析アルゴリズムを適用することによって得られる所見とを含むグラフィックユーザインターフェイスを表示するためのモニタ、コンピュータ画面、投影装置またはその他のハードウェア装置とすることができるグラフィックディスプレイ装置を含む。１つの実施形態では、表示コンポーネント２２２が、未読の健康管理検査資料または新たな画像を含む健康管理検査資料のリストを含むＧＵＩを、緊急性または重大性の高い所見を含む検査資料を強調する優先度情報と共に表示する。１つの実施形態では、未読の健康管理検査資料のリストが優先度に基づいてソートされる。別の実施形態では、健康管理検査資料のリストがソートされず、医師が未読の健康管理検査資料の表示状態から優先レベル（たとえば、優先度が高いことおよび／または優先度が低いこと）を識別できるように、明確に優先度情報が示される。

１つの実施形態では、履歴コンポーネント２２４が、複数の医用画像に関連する異なる検査資料および臨床画像の履歴を表示する。さらに、履歴コンポーネント２２４は、表示コンポーネント２２２がビューア内に表示すべき１以上の画像を履歴から選択できるようにする。たとえば、選択コンポーネント２１２は、臨床医から特定の検査資料の選択を受け取ることができる。しかしながら、この選択された検査資料を含む画像を表示コンポーネント２２２が表示した時点で、履歴コンポーネント２２４は、臨床医の関心が特に高い他の検査資料および臨床画像を表示することができる。この結果、臨床医は、ビューア内で起動すべきさらなる項目を履歴から選択することができる。

１つの実施形態では、情報コンポーネント２２６が、複数の医用画像、履歴、またはこれらの組み合わせに関連する追加情報を表示する。この追加情報は、患者識別情報、画像関連情報、検査資料関連情報、またはこれらの組み合わせを含む。このような追加情報は、時間関連情報を含むこともできる。

１つの実施形態では、操作コンポーネント２２８が、臨床医による医用画像の表示の操作を可能にする。たとえば、臨床医は、画像がビューア内に描画された時に、この画像が所望の詳細レベルを見るのに十分な大きさではないと判断することができる。臨床医は、ズームインまたはズームアウトを行うことができ、操作コンポーネント２２８は、これに従って画像の表示を操作する。同様に、臨床医は、画像をパンしたいと望むこともでき、操作コンポーネント２２８は、これに従って画像の表示を操作する。

図３は、健康管理検査資料の画像のうちの１以上に適用される自動画像解析アルゴリズム（たとえば、ＡＩ解析アルゴリズムなど）を使用して健康管理検査資料の画像を自動的に解析するプロセスの１つの実施形態のデータフロー図である。

図３を参照すると、医用画像管理システム３１０が、１以上の健康管理検査資料３０１を受け取る。健康管理検査資料３０１は、未読の健康管理検査資料、あるいは１以上の新たな画像を含む健康管理検査資料を含むことができる。１つの実施形態では、医用画像管理システム３１０が、評価のための新たな健康管理検査資料および／または新たな画像を含む健康管理検査資料についてデータソースをモニタするモニタリングロジック３１２に応じて健康管理検査資料３０１を受け取る。１つの実施形態では、医用撮像（たとえば、心臓血管（ＣＶ）、Ｘ線検査、磁気共鳴映像法、超音波、内視鏡検査、触覚撮像（ｔａｃｔｉｌｅ ｉｍａｇｉｎｇ）、サーモグラフィ、陽電子放出断層撮影法（ＰＥＴ）および単光子放出コンピュータ断層撮影法（ＳＰＥＣＴ）などの核医学機能撮像法など）を実行する１以上の医用撮像モダリティから１以上の未読の健康管理検査資料３０１が送信される。別の実施形態では、医用画像管理システム３１０が、遠隔地から１以上の健康管理検査資料３０１を受け取る。１つの実施形態では、遠隔地が、検査資料を作成する１以上のモダリティ、または離れて配置された画像リポジトリ（たとえば、画像保管通信システム（ＰＡＣＳ）、ＶＮＡなど）を含むことができる。

１つの実施形態では、モニタリングロジック３１２が、１以上のデータソースにおけるコンテンツ変化（たとえば、新たな健康管理検査資料または新たな医用画像の生成前に作成された既存の検査資料の一部である新たな医用画像の到着）の第１の指示をモニタし、コンテンツ変化が発生したと判定したことに応じてこれらの検査資料を取得する。１つの実施形態では、モニタリングロジック３１２が、健康管理検査資料を記憶しているデータソースまたは健康管理検査資料を生成するモダリティ／施設から、このような検査資料が再考察および評価に利用可能であることを示す通知を受け取ることに応じて、コンテンツ変化が発生したと判定する。モニタリングロジック３１２は、これらの通知に応じて、検査資料を記憶しているデータソースにアクセスしてこれらを取得する。このアクセスは、データソースに検査資料のコピーを求める要求を含むことができる。要求は、直接またはデータソースへのネットワーク接続を介して送信することができる。１つの実施形態では、医用画像管理システム３１０が、検査資料のコピーを求める要求をデータソースに送信して健康管理検査資料を受け取る（単複の）ネットワーク通信インターフェイス（図示せず）を含む。別の実施形態では、医用画像管理システム３１０が、個々のデータソースとの直接接続を介して検査資料を要求して受け取る。

１つの実施形態では、医用画像管理システム３１０が、たとえばメモリ３２３などの、受け取った健康管理検査資料を記憶するメモリを含む。

１つの実施形態では、解析すべき医用画像を含む健康管理検査資料を取得した後に、コントローラ３１１（たとえば、１以上のプロセッサ）が、複数の画像解析エンジン３４０（たとえば、１以上の人工知能（ＡＩ）エンジン）のうちのどの画像解析エンジンが新たな医用画像のうちの少なくとも１つを解析すべきであるかを決定する。本明細書では、このことを画像解析（たとえば、ＡＩ解析）オーケストレーションと呼ぶ。コントローラ３１１は、画像解析エンジン３４０のうちの医用画像を評価するように識別された画像解析エンジンに対し、これらの画像解析エンジンに新たな医用画像のうちの１以上に対する画像解析を開始させる通知を送信する。１つの実施形態では、どの画像解析エンジンであるかの決定が、１以上の画像に伴う情報、および／または新たな画像のうちの少なくとも１つに対して身体部分検出を適用した結果に基づく。

１つの実施形態では、自動解析エンジン（たとえば、ＡＩ画像解析エンジン）の各々が、健康管理検査資料の画像および／または非画像データの解析を実行する。非画像データの例としては、以下に限定するわけではないが、テキスト、波形、時系列、構造化／テンプレートベースのレポートが挙げられる。１つの実施形態では、自動画像解析エンジン（たとえば、ＡＩ解析エンジンなど）３４０などで示すように、これらのエンジンを医用画像管理システムに統合することができる。別の実施形態では、これらのエンジン３０２のうちの１以上が、医用画像管理システムに対して離れて配置される。１つの実施形態では、画像解析エンジン３４０が、所見または結果３２０を生成する。１つの実施形態では、個々の解析エンジンが、画像解析のみに基づいて所見を生成し、他の解析エンジンが、画像解析とデータ解析との組み合わせに基づいて所見を生成する。１つの実施形態では、画像解析エンジン３４０の自動画像解析アルゴリズムを適用することから得られる所見が異常性スコアを含み、異常性スコアの数字が高ければ高いほど、ＡＩまたはその他の画像解析によって検査資料内の１以上の画像において異常が識別される可能性も高い。１つの実施形態では、画像解析エンジン３４０の自動画像解析アルゴリズムを適用することから得られる所見が、（単複の）画像および／または非画像データ内で何も見つからなかった旨の指示を含むことができる。これらのエンジンを画像に適用することから得られた結果（所見）は、有線または無線通信を介して医用画像管理システム３１０に送られる。

画像解析エンジン３４０は、画像および／または非画像を解析して所見を生成した後に、結果が生成された旨の指示および結果自体をプラットフォームに送信する。これに応じて、プラットフォームは、画像解析結果がアクセスおよび表示のために利用可能であることを示す通知を登録者に送信する。

健康管理検査資料３０１および自動画像解析（たとえば、画像解析エンジン３４０がＡＩ解析を実行して所見を取得した）後に、出力ロジック３１３が、メモリ３２３からＡＩおよびその他の画像解析結果３２０を取得し、この情報を使用して、ディスプレイ装置３１４上のＧＵＩ（またはビューア）３３０内にＡＩ結果３３１₁～３３１_Nを表示する。１つの実施形態では、ＡＩエンジン３４０のうちの１つによって評価されてＡＩ結果が作成された画像を含む検査資料の全部または一部と共にＡＩ結果が表示される。すなわち、ディスプレイ３１４は、ユーザが１以上の健康管理検査資料またはこれらの一部を、たとえばＡＩ結果３３１₁～３３１_NなどのＡＩまたはその他の画像解析結果と共にグラフィカルユーザインターフェイス３３０内に表示することを可能にする。これにより、医師またはその他の医療専門家は、受け取られた検査資料および実行された画像解析の結果を容易に確認することができる。

１つの実施形態では、コントローラ３１１が、医用画像管理システム３１０の他の動作も制御する。１つの実施形態では、コントローラ３１１が、１以上のプロセッサ、マイクロコントローラ、および／またはハードウェア、ソフトウェアおよび／またはファームウェアの組み合わせを含む。

図４Ａおよび図４Ｂに、図３の医用画像管理システム３１０などの医用画像管理システムの一部であるＡＩプラットフォームアーキテクチャの１つの実施形態を示す。１つの実施形態では、図４Ａおよび図４ＢのＡＩプラットフォームアーキテクチャが、本明細書で説明した動作を実行する複数のコンポーネントを含み、これらは、オープンＡＰＩ４０３、モニタリングロジック４０２ａ、画像解析（たとえば、ＡＩ解析）オーケストレーションを実行するオーケストレーションエンジン４３０、ＡＩエンジン４０３Ａのプラットフォームへの統合、検査資料通知ロジック４０２Ｂ、画像解析（たとえば、ＡＩ）スキャン、１以上のＡＩサーバ（たとえば、サーバ４０３Ｂ）の使用、１以上の内蔵ＡＩサーバ（たとえば、サーバ４０３Ａ）、および画像解析結果（たとえば、ＡＩ結果）通知ロジック４６０といった特徴を含む。これらの各々については、以下でさらに詳細に説明する。１つの実施形態では、ＡＩスキャンが、画像を処理して結果データを生成する１以上のＡＩエンジンまたはアルゴリズムに関する。別の実施形態では、検査資料をスキャンすることが、検査資料を断片に分割し、これを個々のＡＩアルゴリズム（オーケストレ－ティング）＋個々のＡＩ処理に送信する全体的プロセスも意味する。

ＡＩプラットフォームは、医療ワークフロー（たとえば、放射線ワークフロー）内で効果的にＡＩ評価を実行するために、アプリケーション（たとえば、アプリケーション４０１、ＡＩサーバ４０３Ａ、４０３Ｂ上で動作するアプリケーションなど）およびＡＩエンジン（たとえば、４０３Ａ、４０３Ｂ）にオープンＡＰＩ４０３を提供する。１つの実施形態では、オープンＡＰＩ４０３が、ＤＩＣＯＭゲートウェイ（たとえば、４８０、４７３）を使用したＤＩＣＯＭ情報へのアクセスを可能にする。１つの実施形態では、ＤＩＣＯＭゲートウェイ（たとえば、４８０、４７３）が、ＱＩＤＯ－ＲＳ、ＷＡＤＯ－ＲＳおよびＳＴＯＷ－ＲＳを介してＤＩＣＯＭ情報にアクセスするために使用される。

１つの実施形態では、オープンＡＰＩ４０３が、アプリケーション（たとえば、４０１）またはＡＩエンジン（たとえば、４０３Ａ、４０３Ｂ）がＤＩＣＯＭ適合性を実装する必要なく、ＤＩＣＯＭ ＧＳＰＳ、ＤＩＣＯＭセグメンテーション、セカンダリキャプチャ、基本構造化表示（Ｂａｓｉｃ Ｓｔｒｕｃｔｕｒｅｄ Ｄｉｓｐｌａｙ）、キーオブジェクト選択、構造化レポートなどと共に機能する機構およびデータモデルを提供する。以下でさらに詳細に説明するように、１つの実施形態では、オープンＡＰＩ４０３が、複数のシステムにわたる画像解析（たとえば、ＡＩ解析）結果の系統的な管理およびアクセスに役立つｔｈｉｎｋｌｏｇインスタンスの問い合わせ、検索および作成を行うＡＰＩを含む。ｔｈｉｎｋｌｏｇに関するさらなる情報については、２０１５年８月６日に出願された「医用画像表示システムを使用して情報をログ記録する方法および装置（ＭＥＴＨＯＤＳ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＬＯＧＧＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮ ＵＳＩＮＧ Ａ ＭＥＤＩＣＡＬ ＩＭＡＧＩＮＧ ＤＩＳＰＬＡＹ ＳＹＳＴＥＭ）」という名称の米国特許出願公開第１４／８２０，１４４号を参照されたい。

１つの実施形態では、オープンＡＰＩ４０３が、アプリケーション（たとえば、４０１）がＡＩスキャンをトリガしてＡＩスキャンまたはＡＩ解析の状態を追跡できるような形でのＡＩエンジン（たとえば、４０３Ａ、４０３Ｂ）およびスキャンワークフローへのアクセスも提供する。

１つの実施形態では、ＡＩプラットフォームが、ＰＡＣＳシステム（４００Ａ、４００Ｂ）および／またはＶＮＡと一体化される。１つの実施形態では、ＡＩプラットフォームが、ＰＡＣＳシステムおよびＶＮＡをデータソースとして構成する。従って、たとえば有線または無線ネットワーク接続を介してＰＡＣＳシステム（４００Ａ、４００Ｂ）およびＶＮＡが検査資料（たとえば、４２５、４２６）を受け取ると、ＡＩプラットフォームはこれらを取得することができる。

ＡＩプラットフォームは、ＰＡＣＳシステム４００Ａおよび４００Ｂに接続されると、モニタリングロジック４０２ａを使用して、新たな検査資料の到着、既存の検査資料へのＤＩＣＯＭ画像または非ＤＩＣＯＭ画像の到着または他の新たな画像の到着を含む、データソースのコンテンツ変化を継続的にモニタする。１つの実施形態では、モニタリングロジック４０２ａが、カスタム統合および標準インターフェイス（たとえば、ＨＬ７／ＦＨＩＲ）を通じて検査資料モニタリングを行う。１つの実施形態では、カスタム統合が、新たな画像が到着した旨が通知（たとえば、画像到着４２７）を介してモニタリングロジック４０２ａに通知されることを伴い、たとえば検査資料識別子（ＩＤ）を介して新たな画像を含む検査資料を識別し、どのような変化が起きたか（たとえば、新たな検査資料が到着したこと、検査資料内の全ての画像の中で新たな画像を指定する識別情報（たとえば、メタデータ）と共に新たな画像が検査資料に追加されこと、および新たな画像内に情報のタイプ（たとえば、（単複の）身体部分）が示されたこと）についての指示を識別する。１つの実施形態では、画像到着通知がＨＴＴＰ通信（たとえば、ＰＯＳＴ）を介する。対照的に、モニタリングロジック４０２ａは、標準インターフェイスを使用して、ＰＡＣＳシステム４００Ａおよび４００Ｂなどのデータソースにコンテンツ変化（たとえば、画像到着４２８として示される新たな検査資料または新たな画像）が存在する旨の指示を受け取る。１つの実施形態では、この指示が、発生した変化を識別する情報を含まない。このような場合には、検査資料にアクセスし、これを解析して新たなコンテンツを特定し、新たなコンテンツを再考察するためにどの画像解析エンジンが適しているかを判定する。

ＡＩプラットフォーム４００は、ＰＡＣＳ／ＶＮＡ内のコンテンツ変化を識別すると、検査資料を取得し、オーケストレーションエンジン４３０を使用してＡＩオーケストレーションを実行して、検査資料を評価するためにどのＡＩアルゴリズムを割り当てる必要があるかを決定する。１つの実施形態では、オーケストレーションエンジン４３０が、様々なヘッダベースのフィルタ（たとえば、ＤＩＣＯＭヘッダベースのフィルタ）を利用することによってオーケストレーションを実行して、画像ファイルのヘッダに記憶された情報を取得して評価する。たとえば、ある画像、一連の画像または検査資料内のヘッダ情報は、検査資料を評価するのに適した画像解析エンジンを識別するために使用できるコンテンツ（たとえば、身体部分、検査のタイプなど）を特定することができる。１つの実施形態では、オーケストレーションエンジン４３０が、内蔵型身体部分検出アルゴリズムを使用して、画像内に示される（単複の）身体部分を特定し、これらのタイプの身体部分を含む画像を解析するのに適したＡＩエンジン（４０３Ａ、４０３Ｂ）を識別する。

オーケストレーションエンジン４３０は、検査資料を評価すべき複数のＡＩエンジンを識別することができる。１つの実施形態では、複数のＡＩエンジンが検査資料の評価を必要とする場合、ＡＩプラットフォーム４００のオーケストレーションエンジン４３０が、各ＡＩエンジン（または実行すべき各ＡＩアルゴリズム）の優先度を決定し、この優先度に基づいて検査資料を評価するタスクを割り当てる。１つの実施形態では、オーケストレーションエンジン４３０が、検査資料内の特徴、以前の検査資料（たとえば、現在の検査資料の前に取得された同じ患者の検査資料）および／またはアルゴリズムの性質に基づいて優先度を決定する。たとえば、以前の検査資料に関して言えば、一部のＡＩスキャンは、ＡＩプラットフォーム（たとえば、ＡＩプラットフォーム４００）がＡＩアルゴリズムを使用して検査資料をスキャンする際に、以前の検査資料に対してもＡＩ解析（すなわち、ＡＩスキャン）を実行するという理由で以前の検査資料を必要とする。優先度に関して言えば、たとえばＡＩアルゴリズムが脳出血を検出するためのものである場合、このような出血が存在する場合には直ぐに治療を行うべきであるため、このような検出は高優先度で実行されるべきである。優先度の割り当ては、一度に１つの画像解析にしか対処しない１つのＡＩエンジンが異なる検査資料からの複数の画像を同時に利用できる場合にも使用される。

ＡＩプラットフォーム４００は、オーケストレーションエンジン４３０によって行われたオーケストレーション決定に基づいて、ＡＩプラットフォーム４００に統合されたＡＩサーバ（４０３Ａ、４０３Ｂ）またはアプリケーション（４０１）に通知を行う。これらのＡＩエンジンは、ＡＩプラットフォーム４００（たとえば、ＡＩエンジン４０３Ａ）内にホストすることも、あるいはプラットフォームの外部の別のＡＩサーバ（たとえば、ＡＩサーバ４０３Ｂ）内にホストすることもできる。異なる実施形態では、ＡＩサーバ４０３Ｂが、プレミス環境（ｐｒｅｍｉｓｅ ｅｎｖｉｒｏｎｍｅｎｔ）上またはクラウド環境内に存在することができる。ＡＩプラットフォーム４００は、アプリケーションまたはＡＩエンジン（４０１、４０３Ａ、４０３Ｂ）がデータ（たとえば、検査資料、画像）にアクセスするために、または所見（たとえば、ＡＩ結果）を記憶するために利用するオープンＡＰＩ４０３を提供する。

１つの実施形態では、解析すべき検査資料および画像に関する情報を含む通知が通知ロジック４０２Ｂによって送信される。１つの実施形態では、ＡＩアプリケーションまたはＡＩエンジン（４０１、４０３Ａ、４０３Ｂ）が、ＡＩプラットフォーム４００から通知ロジック４０２Ｂを介して、検査資料に対してＡＩ評価を開始する通知を受け取ることができる。１つの実施形態では、アプリケーションまたはＡＩエンジン（４０１、４０３Ａ、４０３Ｂ）が、通知が特定の特徴を満たす場合に通知を受け取るように登録するという点で登録者である。たとえば、１つの実施形態では、オーケストレーションエンジン４３０が、所定のフィルタおよびアルゴリズム特性を使用して、評価のために送信されるＡＩサーバの要件を満たす特定の特徴を再考察用の画像が有しているかどうかを判定する。

アプリケーションまたはＡＩエンジン（４０１、４０３Ａ、４０３Ｂ）は、通知を受け取ると、ＤＩＣＯＭゲートウェイＡＰＩ４８０を通じて、再考察すべき画像（たとえば、ＤＩＣＯＭ画像）をＡＩプラットフォーム４００から検索し、１以上の新たな画像を解析する。解析の結果は、所見またはＡＩ結果を含む。

１つの実施形態では、ＡＩプラットフォームが、複数の企業固有のＡＩエンジンが統合されて展開された内蔵ＡＩサーバ４０３Ａを有する。１つの実施形態では、ＡＩサーバ４０３Ａへの通知が、オーケストレーションエンジン４３０によって割り当てられた優先度およびその他の拡張性考察に基づいて待ち行列に入れられて処理される。１つの実施形態では、ＡＩプラットフォーム４００が、ＤＩＣＯＭゲートウェイＡＰＩ４８０を使用して、通知メッセージ内で特定されたデータソースからＤＩＣＯＭインスタンスを取得してキャッシュに入れる。ＡＩプラットフォーム４００は、データを解析してＡＩエンジンのために必要な入力を準備する。この入力準備は、エンジンのために必要なＤＩＣＯＭヘッダおよび画素データの準備を含む。１つの実施形態では、いくつかのエンジンが、画像処理のために再フォーマットされた３Ｄ体積を必要とし、ＡＩプラットフォーム４００は、再構成を実行し、好適な平面内に体積を準備し、ＡＩエンジンに処理データを供給する。１つの実施形態では、ＡＩサーバ４０３ＡのＡＩエンジンが、この入力を利用してＤＩＣＯＭ画像を評価し、様々な所見（異常および病気）および器官を検出する。

各ＡＩエンジンまたはアプリケーションは、対応する所見を表す様々な形態の結果を生成し、対応するオープンＡＰＩを使用してこれらを再び記憶する。１つの実施形態では、これらの結果が、以下に限定するわけではないが、ＤＩＣＯＭグレースケールソフトコピー提示状態（Ｇｒａｙｓｃａｌｅ Ｓｏｆｔｃｏｐｙ Ｐｒｅｓｅｎｔａｔｉｏｎ Ｓｔａｔｅ：ＧＳＰＳ）、ＤＩＣＯＭ構造レポート（ＳＲ）、スナップショットまたはＤＩＣＯＭ基本構造化表示、未加工データ（たとえば、ＤＩＣＯＭまたは非ＤＩＣＯＭ）、ＤＩＣＯＭキーオブジェクト選択ドキュメント（ＫＯＳ）などのうちの１以上を含む。スナップショットに関するさらなる情報については、２０１５年６月１１日に出願された「医用画像表示のスナップショットを取得する方法および装置（ＭＥＴＨＯＤＳ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＯＢＴＡＩＮＩＮＧ Ａ ＳＮＡＰＳＨＯＴ ＯＦ Ａ ＭＥＤＩＣＡＬ ＩＭＡＧＩＮＧ ＤＩＳＰＬＡＹ）」という名称の米国特許出願公開第１４／７３６，５５０号を参照されたい。１つの実施形態では、ＡＩプラットフォーム４００が、たとえばスナップショットストレージ４１０、未加工データストレージ４２０およびサムネイルストレージ４２１などの１以上の記憶装置にＡＩ結果を記憶する。

１つの実施形態では、オープンＡＰＩが、ＤＩＣＯＭ適合性を実装する必要なくＤＩＣＯＭ対応のＡＩ結果表現（ＤＩＣＯＭ ｃｏｍｐｌａｉｎｔ ＡＩ ｒｅｓｕｌｔ ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ）を生成するために、単純化されたＡＰＩおよびデータモデルを提供する。たとえば、アプリケーションまたはＡＩエンジン（４０１、４０３Ａ、４０３Ｂ）がＤＩＣＯＭセグメンテーションを実装する必要なく、セグメンテーションオープンＡＰＩを使用して、ヒートマップをＤＩＣＯＭセグメンテーションインスタンスとして記憶することができる。１つの実施形態では、個々の結果インスタンスに加えて、アプリケーションまたはＡＩエンジン（４０１、４０３Ａ、４０３Ｂ）が、所見の詳細と、関連するＡＩ結果インスタンスと、所見および／またはＡＩ結果インスタンスを表すキー画像とが参照される結果の要約を使用してｔｈｉｎｋｌｏｇインスタンスを作成する。ｔｈｉｎｋｌｏｇインスタンスは、ＡＩ所見を系統的に管理する。１つの実施形態では、ｔｈｉｎｋｌｏｇサービス４４０の制御下で、ｔｈｉｎｋｌｏｇパネルユーザインターフェイス４４１を使用してｔｈｉｎｋｌｏｇインスタンスが表示される。１つの実施形態では、ｔｈｉｎｋｌｏｇがｔｈｉｎｋｌｏｇストレージ４１１に記憶される。

ＡＩスキャン結果の準備が整って、ｔｈｉｎｋｌｏｇインスタンスが存在する場合にこれが生成されると、ＡＩプラットフォーム４００は、いくつかの所定の個人または位置の組にＡＩ結果到着に関する通知を送信する。１つの実施形態では、ＡＩ結果の到着に関する通知が全ての登録アプリケーションに送信される。１つの実施形態では、様々なタイプのシステムまたはアプリケーションがＡＩ結果を利用できるように、ＡＩプラットフォーム４００が、ＷｅｂＩｎｖｏｋｅ、ＳｉｇｎａｌＲ、ＨＬ７およびＦＨＩＲを含む異なる通知機構をサポートする。ＡＩ結果通知を消費するシステムとしては、たとえば以下に限定するわけではないが、放射線ワークフローマネージャ（Ｒａｄｉｏｌｏｇｙ Ｗｏｒｋｆｌｏｗ Ｍａｎａｇｅｒ）、画像ビューイングワークステーション（Ｉｍａｇｅ Ｖｉｅｗｉｎｇ ｗｏｒｋｓｔａｔｉｏｎ）、請求ＩＴシステム（Ｂｉｌｌｉｎｇ ＩＴ ｓｙｓｔｅｍｓ）などが挙げられる。アプリケーション（４０１）は、この通知に応じて、ｔｈｉｎｋｌｏｇ、およびＡＩエンジン（４０３Ａ、４０３Ｂ）によって生成された各結果にアクセスすることによって、ＡＩ解析結果を利用することができる。

１つの実施形態では、ＡＩプラットフォーム４００が、ユーザが構成ストレージ４５２に記憶された情報を使用して構成サービス４５１の制御下でＡＩプラットフォーム４００またはそのビュー構成情報を構成できるようにする管理ユーザインターフェイス（ａｄｍｉｎｉｓｔｒａｔｉｏｎ ｕｓｅｒ ｉｎｔｅｒｆａｃｅ）４５０を含む。１つの実施形態では、管理ユーザインターフェイス４５０が、ユーザが監査ログストレージ４５４に記憶された情報を使用して監査ログサービス４５３の制御下でＡＩプラットフォーム４００の監査ログの再考察またはその監査情報の閲覧を行うことを可能にする。

図５は、医用画像を処理するプロセスの１つの実施形態のフロー図である。１つの実施形態では、このプロセスが、ハードウェア（回路、専用ロジックなど）、ソフトウェア（たとえば、チップ上で実行されるソフトウェア）、ファームウェア、またはこれらの組み合わせを含むことができる処理ロジックによって実行される。１つの実施形態では、プロセスが、たとえば以下に限定するわけではないが、図３、図４Ａおよび図４Ｂに関連して上述した医用画像管理プラットフォームなどの医用画像管理プラットフォームによって実行される。

図５を参照すると、プロセスは、処理ロジックが１以上のデータソースにおけるコンテンツ変化の指示をモニタすることによって開始する（処理ブロック５０１）。１つの実施形態では、この指示が、１以上のデータソースへの１以上の新たな医用画像の到着を指定する。１つの実施形態では、これらの新たな医用画像が、新たな健康管理検査資料、または新たな医用画像の生成前に作成された既存の検査資料の一部である。

１つの実施形態では、この指示に応じて、処理ロジックが、コンテンツ変化に関連する１以上の新たな医用画像を取得し（処理ブロック５０２）、１以上の画像に伴う情報、および／または少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、新たな医用画像のうちの少なくとも１つの画像を複数のＡＩ／画像解析エンジン（たとえば、アプリケーション）のうちのどれが解析すべきであるかを決定する（処理ブロック５０３）。

別の実施形態では、医療管理システムの処理ロジックが、必ずしもＡＩエンジンのために新たな画像を取得しない。１つの実施形態では、このことが、ＡＩプラットフォーム（たとえば、ＡＩプラットフォーム４００）とＡＩエンジンとの間の統合レベルに依存する。たとえば、いくつかのＡＩアルゴリズムは、システムが実際の画像画素データまたは再構成された３Ｄ体積を提供するように密接に統合される。これは、アルゴリズム／エンジンがＡＩプラットフォーム（たとえば、ＡＩプラットフォーム４００）からデータを取得して、ＰＡＣＳまたはＶＮＡから画像をフェッチする必要がないＰＵＳＨモデルの例である。別の実施形態では、使用される別の統合レベルが、ＡＩエンジンがＰＡＣＳ／ＶＮＡからデータをプルする必要があるＰＵＬＬモデルである。１つの実施形態では、このことが、ＡＩプラットフォーム（たとえば、ＡＩプラットフォーム４００）がＡＩエンジンに提供するＵＩＤ情報に基づく。ＡＩプラットフォーム（たとえば、ＡＩプラットフォーム４００）は、ＶＮＡまたはＰＡＣＳからデータをＰＵＬＬするために、使用されるＤＩＣＯＭゲートウェイＡＰＩを提供する。１つの実施形態では、ＡＩ／画像解析エンジンのうちの少なくとも１つが人工知能（ＡＩ）エンジンを含む。

複数の画像解析エンジン（たとえば、ＡＩエンジンまたはアプリケーション）が新たな医用画像の組を評価する場合、１つの実施形態では、処理ロジックが、複数のＡＩ／画像解析エンジンの時にそのＡＩ／画像解析エンジンがいつ少なくとも１つの画像を解析すべきであるかを示す、各ＡＩ／画像解析エンジンの優先度を決定する（処理ブロック５０４）。１つの実施形態では、処理ロジックが、健康管理検査資料内の少なくとも１つの画像の特徴、前例（ｐｒｉｏｒｓ）、および複数のＡＩ／画像解析エンジンの性質に基づいて優先度を決定する。

処理ロジックは、画像を解析すべき画像解析エンジンを決定した後に、新たな医用画像のうちの少なくとも１つの画像に対してＡＩ／画像解析を開始するための通知をＡＩエンジン／画像解析エンジンに送信する（処理ブロック５０５）。１つの実施形態では、この通知が、新たな医用画像のうちの少なくとも１つの画像を解析するように割り当てられた各ＡＩエンジン／画像解析エンジンに送信される。

ＡＩ／画像解析エンジンの処理ロジックは、通知を受け取ることに応じて、少なくとも１つの画像内の１以上の特徴が医学的状態を示す所定の基準を満たすかどうかを判定する（処理ブロック５０６）。１つの実施形態では、これらの１以上の特徴が、医用画像に示されている解剖学的特徴および異常のうちの１以上を含む。１つの実施形態では、ＡＩ／画像解析エンジンがＡＩ／画像解析を実行して、少なくとも１つの画像内の１以上の特徴が所定の基準を満たすかどうかをユーザ入力なしで判定する。

ＡＩ／画像解析エンジンの処理ロジックは、ＡＩ／画像解析を実行した後に、ＡＩ結果に関連するまたはＡＩ結果を含む情報の出力（たとえば、ＤＩＣＯＭ適合性を実装しないＤＩＣＯＭ対応のＡＩ結果表現）を生成し（処理ブロック５０７）、医用画像管理システムおよび／またはデータソース（たとえば、ＰＡＣＳ、ＶＮＡなど）に記憶するために、これらに１以上の出力（たとえば、ＤＩＣＯＭオブジェクトとしてのＤＩＣＯＭ対応のＡＩ結果表現）を送信する（処理ブロック５０８）。１つの実施形態では、いくつかのＡＩエンジンによって生成される１以上の出力が、非ＤＩＣＯＭ ＡＩ結果または非ＤＩＣＯＭ対応の結果である。１つの実施形態では、所見が存在しない時にこれが行われる。処理ロジックは、ＡＩ／画像解析エンジンの組からＡＩ／画像解析結果が利用可能である旨の指示も受け取り（処理ブロック５０９）、ＡＩ／画像解析結果がアクセスおよび表示のために利用可能であることを示す通知を登録者に送信する（処理ブロック５１０）。

図６に、健康管理検査資料を処理するプロセスのさらに詳細なデータフロー図を示す。１つの実施形態では、プロセスが、ハードウェア（回路、専用ロジックなど）、ソフトウェア（たとえば、チップ上で動作するソフトウェア）、ファームウェア、またはこれらの組み合わせを含むことができる処理ロジックによって実行される。１つの実施形態では、プロセスが、たとえば限定するわけではないが、図３、図４Ａおよび図４Ｂに関連して上述した医用画像管理プラットフォームなどの医用画像管理プラットフォームによって実行される。

プロセスは、アプリケーション４０１が新たな医用画像の到着の通知を受け取ることによって開始する（処理ブロック６０１）。１つの実施形態では、アプリケーション４０１が、１以上のＡＩエンジンまたはアルゴリズムがホストされたＡＩサーバの一部である。別の実施形態では、アプリケーションがＡＩエンジン自体である。１つの実施形態では、ＡＩアルゴリズムまたはＡＩエンジンが、ＰＡＣＳ、ＶＮＡ、または他の同様の医療情報管理システムの一部である。システムは、画像解析結果（たとえば、ＡＩ結果）を表示するビューアを有することができる。

１つの実施形態では、新たな医用画像が、新たな健康管理検査資料の一部である。別の実施形態では、新たな医用画像が、既存の健康管理検査資料に追加された新たな画像（たとえば、以前に作成されて既に医用画像（たとえば、一連の医用画像）を含んでおり、さらなる医用画像が追加された健康管理検査資料）を含む。これらの画像は、ＤＩＣＯＭまたは非ＤＩＣＯＭ画像を含むことができる。

１つの実施形態では、アプリケーション４０１が、モニタリングおよび通知ロジック４０２から新たな医用画像の到着を通知される。１つの実施形態では、モニタリングおよび通知ロジック４０２が、１以上のデータソース内のコンテンツ変化を継続的にモニタする。データソースは、１以上のＰＡＣＳ４００Ａ（たとえば、ＤＩＣＯＭベースのＰＡＣＳ、ベンダー固有のデータベースなど）、ＶＮＡ４００Ｂ（たとえば、ＤＩＣＯＭベースのＶＮＡ、非ＤＩＣＯＭ ＶＮＡなど）、またはその他の医用画像リポジトリを含む。ＰＡＣＳは、公的に利用可能なＰＡＣＳとすることも、あるいは所定の個人または機関（たとえば、登録者）の組のみが利用できる私的なＰＡＣＳとすることもできる。１つの実施形態では、ＰＡＣＳ４００ＡまたはＶＮＡ４００Ｂにおいて新たな検査資料が到着し、または既存の検査資料に新たな医用画像が追加されると、そのＤＩＣＯＭサーバがモニタリングおよび通知ロジック４０２に通知を送信する。

１つの実施形態では、モニタリングおよび通知ロジック４０２によって実行される検査資料モニタリングが、カスタム統合または標準インターフェイスのいずれかを通じて行われる。たとえば、モニタリングおよび通知ロジック４０２は、登録者として、ＨＬ７／ＦＨＩＲ標準インターフェイスを使用して、ＰＡＣＳ４００ＡおよびＶＮＡ４００Ｂのようなデータソースのうちの１つにおけるコンテンツの変化を示す通知を受け取る。このような標準インターフェイスを使用する１つの短所は、提供される情報が変化した検査資料の識別にすぎず、どのような変化が発生したについての指示を含まない点である。従って、この通知に応じて検査資料の取得および解析を行って、いずれかの解析を実行できるようになる前に、変化を引き起こした新たなコンテンツを特定しなければならない。１つの実施形態では、モニタリングおよび通知ロジック４０２によって受け取られる通知が、検査資料の特定の変化を示す情報を含む。たとえば、この情報は、検査資料に追加された新たな医用画像を指定することができる。この場合、より早く解析を開始することができる。

処理ロジックは、新たな医用画像の通知を受け取ることに応じて新たな医用画像を取得する（処理ブロック６０２）。１つの実施形態では、アプリケーション４０１が、新たな医用画像が含まれている健康管理検査資料を取得することによって新たな医用画像を取得する。１つの実施形態では、アプリケーション４０１が、ＤＩＣＯＭゲートウェイ４０３およびオープンＡＰＩ４０４を介して健康管理検査資料を取得する。

処理ロジックは、新たな医用画像を取得した後に、どのＡＩアルゴリズムを新たな医用画像に適用すべきであるかを決定する（処理ブロック６０３）。１つの実施形態では、画像解析に関する限り、ＡＩエンジンがプラットフォームに追加された時の各ＡＩエンジンに関連する情報がそのアプリケーションを示す。すなわち、各ＡＩエンジンは、特定のタイプの医学的状態を含む医用画像の解析のみに適用可能である。従って、新たな医用画像が取得された場合、これらの新たな医用画像は、その特定のコンテンツを解析するように設計されたＡＩエンジンにしか送信されない。たとえば、あるＡＩエンジンが胸部Ｘ線を解析するように設計されている場合、このＡＩエンジンには胸部Ｘ線画像のみが解析のために送信される。

１つの実施形態では、画像を再考察するために割り当てるべき適切なＡＩエンジンを識別するために、オーケストレーションロジックが新たな医用画像のコンテンツを特定する。１つの実施形態では、オーケストレーションロジックが、新たな医用画像に伴う情報を使用してそのコンテンツを決定する。１つの実施形態では、新たな医用画像に伴う情報がヘッダ情報に含まれる。たとえば、１つの実施形態では、オーケストレーションロジックが、様々なＤＩＣＯＭヘッダベースのフィルタを利用して新たな医用画像のコンテンツを特定する。別の実施形態では、オーケストレーションロジックが、内蔵型身体部分検出アルゴリズムを使用して、検査資料を評価するためにどの（単複の）ＡＩエンジンを割り当てる必要があるかを決定する。これらのアルゴリズムは、画像を解析して画像内にどの身体部分が表示されているかを判定し、オーケストレーションロジックは、この身体部分検出に基づいて、画像を解析するのに適したＡＩエンジンを決定することができる。１つの実施形態では、オーケストレーションロジックが、新たな画像からの関連する画像部分のみをＡＩエンジンに送信する。すなわち、オーケストレーションロジックは、特定のＡＩエンジンが評価できる身体部分を新たな画像のうちのどの画像が有しているかを判定し、これらの画像のみを解析のためにＡＩエンジンに送信する。なお、１つの実施形態では、オーケストレーションロジックが、新たな医用画像に伴う情報（たとえば、ヘッダベースの情報）および身体部分検出を使用して、解析のために新たな医用画像を割り当てるべきＡＩエンジンを決定する。

１つの実施形態では、オーケストレーションロジックが、複数のＡＩエンジンが新たな医用画像（またはその一部）を解析すべきであると決定した場合、ＡＩエンジンが特定の画像を解析する順番を制御するために、これらの識別されたＡＩエンジン間の優先度を決定する。１つの実施形態では、この優先度が、ＡＩエンジンが解析している対象の重大な特質に基づく。従って、新たな医用画像を解析しているＡＩエンジンが２つまたは３つ以上存在する場合、オーケストレーションロジックは、最も重大な医学的状態の画像を評価する１つのＡＩエンジンに最も高い優先度を割り当てて、このＡＩエンジンに最初に実行させる。なお、１つの実施形態では、処理能力が得られる場合、複数のＡＩエンジンが同じ画像セットに対して同時に実行する。しかしながら、オーケストレーションロジックによって行われる優先度割り当ては、同時に受け取られた複数の検査資料からの複数の新たな画像セットに及ぶことができる。このように、重大性の高い医学的状態の画像の解析が、重大性の低い医学的状態の解析の前に行われる。このように、本明細書で説明した技術は、重大性の低い状態の解析前に最も重大な状態について新たな医用画像解析されるという点で早期検出システムを容易にする。

１つの実施形態では、オーケストレーションロジックが、新たな医用画像を解析するようにＡＩエンジンに通知する。１つの実施形態では、オーケストレーションロジックが、検査資料識別子（ＩＤ）および解析すべき１以上の画像のリストを含む通知をＡＩエンジンに送信することによってＡＩエンジンに通知を行う。こうすれば、ＡＩエンジンに関連する対象を含まない画像を含む全ての新たな画像を解析する必要がなく、代わりにＡＩエンジンが新たな画像セットからの関連する画像に解析を集中させることができるという点で有益である。１つの実施形態では、複数の検査資料から獲得できた画像またはフレーム識別子のリストが送信されるが、１つの組が（以前の検査資料データとは対照的に）現在の画像またはフレームであるとみなされてＡＩの標的となる。検査資料ＩＤは、どれが現在の検査資料であるかを示す。しかしながら、それは一般に他よりも（たとえば、シリーズレベル、画像レベル、フレームレベルなどにおいて）粒度が高いものでありうる。

新たな医用画像に適用すべきＡＩアルゴリズムが識別され、新たな医用画像を解析する通知がＡＩエンジンに送信されると、ＡＩエンジン内の処理ロジックは、解析すべき必要な画像を取得し、ＡＩ解析を実行し、ＡＩ結果を生成する（処理ブロック６０４）。１つの実施形態では、ＡＩエンジンが、ＤＩＣＯＭゲートウェイ４０３およびオープンＡＰＩ４０４を使用することによって、解析すべき必要な画像を取得する。

１つの実施形態では、ＡＩエンジンの処理ロジックが、ＡＩ結果を示す所見を作成する。１つの実施形態では、所見が、ＡＩ結果の少なくともいくつかの側面を含むまたはこれらを示す１以上のＤＩＣＯＭオブジェクトを含む。１つの実施形態では、ＡＩエンジンがＤＩＣＯＭ標準に精通する必要なくＤＩＣＯＭオブジェクトが作成される。１つの実施形態では、ＡＩエンジン４０５が、結果オブジェクト生成モジュール４０６を使用して、ＤＩＣＯＭオブジェクトまたは所見を含む他の出力を作成する。所見は、新たな画像のうちの医師または臨床医によって再考察されるべき所見を示す１つの画像の関連部分にすぎないマスク画像を含むことができる。所見は、ＡＩエンジンによって取り込まれた画像の関連部分のスクリーンショットとすることができる。１つの実施形態では、結果オブジェクト生成モジュール４０６が、この画像部分を取り込む。所見は、解析された画像に関連するヒートマップとすることができる。１つの実施形態では、所見を未加工データのスナップショットとすることができる。１つの実施形態では、生成できるＤＩＣＯＭオブジェクトが、ＤＩＣＯＭ ＧＳＰＳ、ＤＩＣＯＭ ＳＲ、ＤＩＣＯＭ基本構造化表示、未加工データ（ＤＩＣＯＭまたは非ＤＩＣＯＭ）、ＤＩＣＯＭ ＫＯＳを含む。

処理ロジックは、（単複の）ＤＩＣＯＭオブジェクトを記憶するためにＰＡＣＳ４００Ａに送信する（処理ブロック６０５）。１つの実施形態では、処理ロジックが、ＤＩＣＯＭゲートウェイ４０３を介して（単複の）ＤＩＣＯＭオブジェクトをＰＡＣＳ４００Ａに送信する。別の実施形態では、処理ロジックが、（単複の）ＤＩＣＯＭオブジェクトをＶＮＡ４００Ｂに送信する。結果は、他の位置または宛先に送信することもできる。

１つの実施形態では、処理ロジックが、任意にＡＩ解析結果の表示状態のＧＳＰＳ（処理ブロック６０６）および／またはｔｈｉｎｋｌｏｇ（処理ブロック６０７）を作成する要求を生成して送信する。

１つの実施形態では、処理ロジックが、結果を受け取るように要求または登録した個人（たとえば、医師、検査助手など）または施設（たとえば、病院、医院など）に警告するメッセージで１以上のＤＩＣＯＭオブジェクトを送信する（処理ブロック６０８）。これらのメッセージは通知として機能し、通知ロジックによって送信される。１つの実施形態では、通知が全ての登録アプリケーションに送信される。重大な医学的状態が存在することまたはその存在の可能性が高いことをＡＩエンジンが識別した状況では、このことが特に重要である。１つの実施形態では、様々なタイプのシステムまたはアプリケーションがＡＩ結果を利用できるように、たとえば以下に限定するわけではないが、ＷｅｂＩｎｖｏｋｅ、ＳｉｇｎａｌＲ、ＨＬ７およびＦＨＩＲを含む異なる通知機構が医用画像管理システムによってサポートされる。ＡＩ結果通知を消費するシステムとしては、たとえば以下に限定するわけではないが、放射線ワークフローマネージャ、画像ビューイングワークステーション、請求ＩＴシステムなどが挙げられる。

１つの実施形態では、アプリケーション４０１内の処理ロジックが、ｔｈｉｎｋｌｏｇにアクセスした後に、ＡＩエンジンによって生成された各結果にアクセスすることによって、ＡＩ解析結果を利用する（処理ブロック６０９）。この場合、処理ロジックは、ｔｈｉｎｋｌｏｇを検索して表示することによって、個人がＡＩ結果を再考察することを可能にする。ｔｈｉｎｋｌｏｇは、上述したスナップショットなどのスナップショットを含むことができる。ＡＩ所見はＰＡＣＳの別々の位置に記憶され、ｔｈｉｎｋｌｏｇは全てのＡＩ所見を系統的にアクセスできるように１つの場所に配置するので、ｔｈｉｎｋｌｏｇを使用してＡＩ所見を再考察することは有利である。

上記のプロセスは、新たな画像の到着の通知に応じて新たな医用画像を自動的に解析することについて説明したものであるが、１つの実施形態では、個々のＡＩエンジンが手動で開始することもできる。１つの実施形態では、ＡＩエンジンのうちの１つを開始するためにＡＰＩの組が使用される。このことは、ＡＩアルゴリズムの性質が、ＡＩエンジンの関与前にいくつかの予備解析を必要とするようなものである場合に必要である。以下はこのいくつかの例である。しかしながら、他の例も可能である。

１．ユーザが、画像ビューイングアプリケーションを使用して画像／３Ｄ体積のエリアにマーキングすることによって、画像／３Ｄ体積の特定の部分を解析したいと望む。この場合、アプリケーションは、ＡＰＩを呼び出して、ユーザによってマーキングされた画像点を指定することによって、ＡＩスキャンをトリガすることができる。

２．過去の検査資料が存在し、ＡＩワークフローを導入する前に既にＶＮＡまたはＰＡＣＳに記憶されている。ユーザは、この検査資料に対してＡＩスキャンを実行したと望む場合、検査資料リストから検査資料を選択することによってこれを実行することができる。

３．ユーザが特定の異常に関する傾向（たとえば、治癒率）が存在するかどうかなどを判定するために患者の全ての過去の検査資料を通じてＡＩスキャンを実行したいと望み、施設が何らかの理由（たとえば、支払い問題など）でこのことを自動的に実行するようにシステムを構成していない場合、ユーザは、患者の全ての以前の検査資料を手動で含めることによって患者のフルスキャンをトリガすることができる。

例示的な医用画像管理システム
図７に、上述した現在および以前のパラメータ値を含むレイアウトを生成して描画する医用画像および情報管理システム７００の論理的表現の例示的な実施形態を示す。１つの実施形態では、システム７００が、上述したような医用画像システムの一部である。

医用画像および情報管理システム７００は、第１の伝送媒体７２０を介して通信インターフェイスロジック７１０に結合される１以上のプロセッサ７０１を含む。通信インターフェイスロジック７１０は、他の電子装置との通信、とりわけ医師、看護師および／または医療技師などの遠隔ユーザ、健康管理検査資料を記憶する遠隔データベース（たとえば、ＰＡＣＳ）、検査資料を生成して送信する医療モダリティ、検査資料の画像に画像解析アルゴリズム（たとえば、ＡＩアルゴリズム）を適用して結果に基づいて所見を生成する１以上の遠隔地（たとえば、クラウドベースのサーバ）との通信を可能にする。本開示の１つの実施形態によれば、通信インターフェイスロジック７１０は、有線コネクタのための１以上のポートを含む物理的インターフェイスとして実装することができる。これに加えてまたはこれに代えて、通信インターフェイスロジック７１０は、他の電子装置との無線通信をサポートするための１以上の無線ユニットと共に実装することもできる。

（単複の）プロセッサ７０１は、第２の伝送媒体７２５を介して永続ストレージ７３０にさらに結合される。本開示の１つの実施形態によれば、永続ストレージ７３０が、（ａ）インターフェイスロジック７４１と、（ｂ）モニタリングロジック７４２と、（ｃ）通知／アラートロジック７４３と、（ｄ）画像解析ロジック（たとえば、ＡＩ解析エンジン）７４４と、（ｅ）オーケストレーションロジック７３１と、（ｆ）インポートロジック７３２と、（ｇ）スナップショット／ｔｈｉｎｋｌｏｇ／出力生成ロジック７３３と、（ｈ）ディスプレイ制御ロジック７３４と、（ｉ）注記データベース７３６と、（ｊ）記録データベース７３７とを実装するためのデータおよびコードを含むことができる。

１つの実施形態では、インターフェイスロジック７４１が、プラットフォーム内のコンポーネント間の、並びにユーザとディスプレイ画面上に表示されている表示領域との間の相互作用を可能にするためのロジックを含む。１つの実施形態では、インターフェイスロジック７４１が、オープンＡＰＩを操作するための実装を含む。ユーザインターフェイスは、検査資料またはその一部、およびその関連するＡＩ結果を含むＧＵＩの生成を含む。

モニタリングロジック７４２は、ＡＩ／画像解析エンジンがいつ新たな画像を解析のために利用できるかを確認するために、継続的モニタリングを実行してＰＡＣＳシステム、ＶＮＡまたはデータベースなどのデータソースにいつ変化が起きたかを判定するロジックを含む。

オーケストレーションロジック７３１は、新たな医用画像を解析するためにどのＡＩ／画像解析エンジンを割り当てるべきであるかを決定するロジックを含む。このロジックは、医用画像のコンテンツを識別する画像ヘッダおよび検査資料解析ロジックおよび身体部分検出ロジックと、適切な割り当てを実行するためにヘッダ／検査資料解析のおよび身体部分検出結果を利用可能なＡＩ／画像解析アルゴリズムの特徴と比較する照合ロジックとを含む。１つの実施形態では、オーケストレーションロジック７３１が、既存の医用画像のスキャンまたは再考察を手動で開始するユーザ入力を受け取ることができる。

通知／アラートロジック７４３は、１以上の新たな医用画像を評価するための通知を発行してＡＩ／画像解析エンジンおよびアプリケーションに送信するロジックを含む。通知／アラートロジック７４３は、ＡＩ／画像解析結果を含む検査資料の再考察のための通知および／またはアラートも生成して医師および医療従事者のうちの１人または２人以上に送信する。１つの実施形態では、通知／アラートロジック７４３が、健康管理検査資料の１以上の画像に対して実行された自動画像解析の結果における所定の所見に応じてアラート（たとえば、ＳＭＳ、テキスト、ｅメール、または他のメッセージ、医師とのチャットセッションが望ましいことを示すチャット指示など）を送信する。１つの実施形態では、所定の所見が、閾値レベルを上回る異常性スコアを含む。別の実施形態では、所定の所見が、所見内の１以上のキーワードを含む。さらに別の実施形態では、所定の所見が、閾値レベルを上回る異常性スコアと、所見内の１以上のキーワードとを含む。１つの実施形態では、アラートが、所定の所見に関連する状態に対処する役割を担う１以上の所定の医療提供者に送信される。たとえば、１つの実施形態では、患者が脳卒中を起こした可能性が高いことが所見によって示された場合、患者のケアを行う特定の医療施設の脳卒中チームに自動的にアラートが送信される。１つの実施形態では、アラートが、自動画像解析アルゴリズムによって生成された健康管理検査資料の所見に関連する画像へのリンクを含む。このような場合、アラートは、所見に関連する画像を含む検査資料を開くためにユーザが選択するとシステムが画像を表示するリンクを含むことができる。

画像解析ロジック７４４は、健康管理検査資料からの画像に対して１以上の画像解析アルゴリズムを実行する。１つの実施形態では、画像解析アルゴリズムがＡＩ解析アルゴリズムである。画像解析アルゴリズムを適用した結果は、画面上に表示することができる。

インポートロジック７３２は、記憶装置から１以上の情報を検索し、これらの各情報をビューアまたはビューアテンプレートの独立した表示領域内にインポートするためのロジックを含むことができる。たとえば、これらの情報は、以下に限定または制限するわけではないが、（ｉ）自動画像解析アルゴリズム（たとえば、ＡＩアルゴリズム）からの所見、（ｉｉ）ｘ線、マンモグラム、コンピュータ断層撮影（ＣＴ）走査、磁気共鳴撮像（ＭＲＩ）、ポジトロン放出断層撮影（ＰＥＴ）走査および／または超音波撮像を含む医用画像、（ｉｉｉ）医用画像のうちの１以上に関する医師の注記、および／または（ｉｖ）１以上の医用画像の題材のうちの１以上に対応する医療記録、を含むことができる、

上述したように、スナップショット／ｔｈｉｎｋｌｏｇ／出力生成ロジック７３３は、（レイアウトテンプレートの状態を保存することによって）スナップショット、ｔｈｉｎｋｌｏｇおよび／またはＡＩ／画像解析出力を生成するためのロジックを含む。状態の保存は、少なくとも（ｉ）１以上の情報と、（ｉｉ）非一時的コンピュータ可読媒体内の１以上の情報の各々の視認性とを記憶することを含むことができる。レイアウトテンプレートは、自動画像解析アルゴリズムからの所見に関連する画像データを示す健康管理検査資料の１以上の画像を示すことができる。スナップショット／ｔｈｉｎｋｌｏｇ／出力生成ロジック７３３は、医療記録または医療レポート内にスナップショット、ｔｈｉｎｋｌｏｇまたはＡＩ／画像解析結果を保存し、および／またはこれらを所定の位置に送信することができる。

ディスプレイ制御ロジック７３４は、ユーザインターフェイスと、上述したような局所的に描画される画像およびＡＩ／画像解析結果とを表示するためのロジックを含む。１つの実施形態では、ディスプレイ制御ロジック７３４が、画像、上述したユーザインターフェイスを表示するブラウザを表示するためのロジックを含む。

注記データベース７３６は、医師、看護師、医療技師などが記録した、ユーザがレイアウトテンプレートの表示領域内にインポートできる注記を記憶する。最後に、記録データベース７３７は、ユーザがレイアウトテンプレートの表示領域内にインポートできる医療記録を記憶する。

本明細書で説明する実施形態例は複数存在する。

例１は、医用画像管理システムが、１以上のデータソースにおけるコンテンツ変化の第１の指示をモニタすることと、１以上の画像に伴う情報または少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、１以上の新たな医用画像のうちのコンテンツ変化に関連する少なくとも１つの画像を複数の画像解析エンジンのうちのどの画像解析エンジンが解析すべきであるかを、第１の指示に応じて決定することと、１以上の新たな医用画像のうちの少なくとも１つの画像を解析するように決定された１以上の画像解析エンジンの組の各画像解析エンジンに、１以上の医用画像のうちの少なくとも１つの画像に対して画像解析を開始する第１の通知を送信することと、１以上の画像解析エンジンの組から、画像解析結果が利用可能である旨の第２の指示を受け取ることと、画像解析結果を登録者がアクセスおよび表示に利用できることを示す第２の通知を登録者に送信することと、を含む方法である。

例２は、複数の画像解析エンジンのうちの１以上の画像解析エンジンが人工知能（ＡＩ）エンジンを含む、ということを任意に含むことができる例１の方法である。

例３は、第１の指示が、１以上のデータソースへの１以上の新たな医用画像の到着を指定することを任意に含むことができる例１の方法である。

例４は、１以上の新たな医用画像が、新たな健康管理検査資料、または新たな医用画像の生成前に作成された既存の検査資料、の一部である、ということを任意に含むことができる例１の方法である。

例５は、複数の画像解析エンジンの場合に、少なくとも１つの画像を解析するように決定された各画像解析エンジンの優先度を決定することを任意に含むことができる例１の方法である。

例６は、優先度を決定することが、健康管理検査資料内の少なくとも１つの画像の特徴、前例、および複数の画像解析エンジンの性質に基づく、ということを任意に含むことができる例５の方法である。

例７は、通知を受け取ることに応じて、画像解析エンジンを使用して、少なくとも１つの画像内の１以上の特徴が、医学的状態を示す所定の基準を満たしているかどうかを判定することと、画像解析エンジンが、ＤＩＣＯＭ適合性を実装することなくＤＩＣＯＭ対応のＡＩ結果表現を生成することと、ＤＩＣＯＭ対応のＡＩ結果表現をＤＩＣＯＭオブジェクトとして医用画像管理システムに送信することと、を任意に含むことができる例１の方法である。

例８は、１以上の特徴が、医用画像内に示される解剖学的特徴および異常のうちの１以上を含む、ということを任意に含むことができる例７の方法である。

例９は、画像解析エンジンが、少なくとも１つの画像内の１以上の特徴が所定の基準を満たしているかどうかをユーザ入力なしで判定するために画像解析を実行するように動作できる、ということを任意に含むことができる例７の方法である。

例１０は、医用画像管理システムであって、健康管理検査資料を受け取るためのネットワーク通信インターフェイスと、ネットワーク通信インターフェイスに結合されて、受け取った健康管理検査資料を記憶するメモリと、メモリに結合されて、受け取った健康管理検査資料を表示するディスプレイ画面と、ネットワーク接続インターフェイス、メモリおよびディスプレイ画面に結合される１以上のプロセッサであって、１以上のデータソースにおけるコンテンツ変化の第１の指示をモニタし、１以上の画像に伴う情報または少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、１以上の新たな医用画像のうちのコンテンツ変化に関連する少なくとも１つの画像を複数の画像解析エンジンのうちのどの画像解析エンジンが解析すべきであるかを、第１の指示に応じて決定し、１以上の新たな医用画像のうちの少なくとも１つの画像を解析するように決定された１以上の画像解析エンジンの組の各画像解析エンジンに、１以上の医用画像のうちの少なくとも１つの画像に対して画像解析を開始する第１の通知を送信し、１以上の画像解析エンジンの組から、画像解析結果が利用可能である旨の第２の指示を受け取り、画像解析結果を登録者がアクセスおよび表示に利用できることを示す第２の通知を登録者に送信するように構成される１以上のプロセッサと、を含むシステムである。

例１１は、複数の画像解析エンジンのうちの１以上の画像解析エンジンが人工知能（ＡＩ）エンジンを含む、ということを任意に含むことができる例１０のシステムである。

例１２は、第１の指示が、１以上のデータソースへの１以上の新たな医用画像の到着を指定する、ということを任意に含むことができる例１０のシステムである。

例１３は、１以上の新たな医用画像が、新たな健康管理検査資料、または新たな医用画像の生成前に作成された既存の検査資料、の一部である、ということを任意に含むことができる例１２のシステムである。

例１４は、１以上のプロセッサが、複数の画像解析エンジンの場合に、少なくとも１つの画像を解析するように決定された各画像解析エンジンの優先度を決定する、ということを任意に含むことができる例１０のシステムである。

例１５は、優先度の決定が、健康管理検査資料内の少なくとも１つの画像の特徴、前例、および複数の画像解析エンジンの性質に基づく、ということを任意に含むことができる例１４のシステムである。

例１６は、命令を記憶した非一時的コンピュータ可読記憶媒体であって、命令が、少なくともプロセッサと、メモリと、ディスプレイ画面とを有するシステムによって実行された時に、システムに、１以上のデータソースにおけるコンテンツ変化の第１の指示をモニタすることと、１以上の画像に伴う情報または少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、１以上の新たな医用画像のうちのコンテンツ変化に関連する少なくとも１つの画像を複数の画像解析エンジンのうちのどの画像解析エンジンが解析すべきであるかを、第１の指示に応じて決定することと、１以上の新たな医用画像のうちの少なくとも１つの画像を解析するように決定された１以上の画像解析エンジンの組の各画像解析エンジンに、１以上の医用画像のうちの少なくとも１つの画像に対して画像解析を開始する第１の通知を送信することと、１以上の画像解析エンジンの組から、画像解析結果が利用可能である旨の第２の指示を受け取ることと、画像解析結果を登録者がアクセスおよび表示に利用できることを示す第２の通知を登録者に送信することと、を含む方法を実行させる、コンピュータ可読記憶媒体である。

例１７は、複数の画像解析エンジンのうちの１以上の画像解析エンジンが人工知能（ＡＩ）エンジンを含む、ということを任意に含むことができる例１６のコンピュータ可読記憶媒体である。

例１８は、第１の指示が、１以上のデータソースへの１以上の新たな医用画像の到着を指定することを任意に含む、ということができる例１６のコンピュータ可読記憶媒体である。

例１９は、１以上の新たな医用画像が、新たな健康管理検査資料、または新たな医用画像の生成前に作成された既存の検査資料、の一部である、ということを任意に含むことができる例１８のコンピュータ可読記憶媒体である。

例２０は、方法が、複数の画像解析エンジンの場合に、少なくとも１つの画像を解析するように決定された各画像解析エンジンの優先度を決定することをさらに含む、ということを任意に含むことができる例１６のコンピュータ可読記憶媒体である。

例２１は、優先度を決定することが、健康管理検査資料内の少なくとも１つの画像の特徴、前例、および複数の画像解析エンジンの性質に基づく、ということを任意に含むことができる例２０のコンピュータ可読記憶媒体である。

例２２は、方法が、通知を受け取ることに応じて、画像解析エンジンを使用して、少なくとも１つの画像内の１以上の特徴が、医学的状態を示す所定の基準を満たしているかどうかを判定することと、画像解析エンジンが、ＤＩＣＯＭ適合性を実装することなくＤＩＣＯＭ対応のＡＩ結果表現を生成することと、ＤＩＣＯＭ対応のＡＩ結果表現をＤＩＣＯＭオブジェクトとして医用画像管理システムに送信することと、をさらに含む、ということを任意に含むことができる例１６のコンピュータ可読記憶媒体である。

例２３は、１以上の特徴が、医用画像内に示される解剖学的特徴および異常のうちの１以上を含む、ということを任意に含むことができる例２２のコンピュータ可読記憶媒体である。

例２４は、画像解析エンジンが、少なくとも１つの画像内の１以上の特徴が所定の基準を満たしているかどうかをユーザ入力なしで判定するために画像解析を実行するように動作できる、ということを任意に含むことができる例２２のコンピュータ可読記憶媒体である。

上記の詳細な説明の一部は、コンピュータメモリ内のデータビットに対する演算のアルゴリズムおよび記号的表現の観点から示したものである。これらのアルゴリズム的な記述および表現は、データ処理技術における当業者が自らの研究内容を他の当業者に最も効果的に伝えるために使用する手段である。ここで、および一般的に、アルゴリズムとは、望ましい結果をもたらす首尾一貫した一連のことであると考えられる。これらのことは、物理量の物理的操作を必要とするものである。これらの量は、必ずというわけではないが、通常は、記憶、転送、合成、比較および他の形の操作が可能な電気または磁気信号の形を取る。主に共通使用という理由で、時にはこれらの信号を、ビット、値、要素、記号、文字、用語、番号などと呼ぶことが便利であると分かっている。

しかしながら、これらのおよび同様の用語は、全て適切な物理量に関連付けられるべきものであり、またこれらの量に与えられた便利な表記に過ぎないことに留意されたい。以下の説明から明らかなように、特に別途述べていない限り、説明全体を通じて「処理する（ｐｒｏｃｅｓｓｉｎｇ）」、「算出する（ｃｏｍｐｕｔｉｎｇ）」、「計算する（ｃａｌｃｕｌａｔｉｎｇ）」、「決定する（ｄｅｔｅｒｍｉｎｉｎｇ）」または「表示する（ｄｉｓｐｌａｙｉｎｇ）」などの用語を利用した説明は、コンピュータシステムのレジスタおよびメモリ内の物理（たとえば、電子）量として表されるデータを操作し、コンピュータシステムのメモリ、レジスタ、またはその他のこのような情報記憶装置、送信または表示装置内の物理量として同様に表される他のデータに変形させるコンピュータシステムまたは同様の電子コンピュータ装置の動作および処理を意味すると理解されたい。

本発明は、本明細書の動作を実行する装置にも関する。この装置は、必要な目的のために特別に構成することも、あるいはコンピュータに記憶されたコンピュータプログラムによって選択的に起動または再構成される汎用コンピュータを含むこともできる。このようなコンピュータプログラムは、以下に限定されるわけではないが、フロッピーディスク、光ディスク、ＣＤ－ＲＯＭ、および光磁気ディスクを含むあらゆる種類のディスク、リードオンリメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気または光カード、あるいは電子命令を記憶するのに適したあらゆるタイプの媒体などのコンピュータ可読記憶媒体に記憶することができ、これらはそれぞれコンピュータシステムバスに結合される。

本明細書に示すアルゴリズムおよび表示は、本質的にいずれかの特定のコンピュータまたはその他の装置に関連するものではない。本明細書の教示に従うプログラムと共に様々な汎用システムを使用することもでき、あるいはいくつかの実施形態の方法を実行するために、より特殊化した装置を構成することが便利であると証明することもできる。以下の説明から、これらの様々なシステムに必要な構造が明らかになるであろう。また、本発明は、いずれかの特定のプログラミング言語を参照しながら説明したものではない。本明細書で説明した本発明の教示を実施するために、様々なプログラミング言語を使用することができると理解されるであろう。

機械可読媒体は、機械（コンピュータなど）による読み取りが可能な形で情報を記憶または送信するいずれかの機構を含むことができる。たとえば、機械可読媒体は、リードオンリメモリ（「ＲＯＭ」）、ランダムアクセスメモリ（「ＲＡＭ」）、磁気ディスク記憶媒体、光記憶媒体、フラッシュメモリデバイス、電気、光、音響またはその他の形の伝播信号（たとえば、搬送波、赤外線信号、デジタル信号など）などを含む。

上記の説明を読めば、当業者には本発明の多くの変更および修正が明らかになると思われるが、一例として図示し説明したあらゆる特定の実施形態は、決して限定的と見なされるように意図したものではないと理解されたい。従って、様々な実施形態の詳細についての言及は、本発明にとって必須とみなされる特徴のみを記載した特許請求の範囲を限定するように意図したものではない。

Claims (24)

1. １以上のデータソースにおけるコンテンツ変化の第１の指示を医用画像管理システムによりモニタすることと、
   前記１以上の画像に伴う情報または前記少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、１以上の新たな医用画像のうちの前記コンテンツ変化に関連する少なくとも１つの画像を複数の画像解析エンジンのうちのどの画像解析エンジンが解析すべきであるかを、前記第１の指示に応じて決定することと、
   前記１以上の新たな医用画像のうちの前記少なくとも１つの画像を解析するように決定された１以上の画像解析エンジンの組の各画像解析エンジンに、前記１以上の医用画像のうちの前記少なくとも１つの画像に対して画像解析を開始する第１の通知を送信することと、
   前記１以上の画像解析エンジンの組から、画像解析結果が利用可能である旨の第２の指示を受け取ることと、
   画像解析結果を登録者がアクセスおよび表示に利用できることを示す第２の通知を前記登録者に送信することと、
   を含む、方法。
2. 前記複数の画像解析エンジンのうちの１以上の画像解析エンジンは、人工知能（ＡＩ）エンジンを含む、
   請求項１に記載の方法。
3. 前記第１の指示は、前記１以上のデータソースへの前記１以上の新たな医用画像の到着を指定する、
   請求項１に記載の方法。
4. 前記１以上の新たな医用画像は、新たな健康管理検査資料、または前記新たな医用画像の生成前に作成された既存の検査資料、の一部である、
   請求項３に記載の方法。
5. 複数の画像解析エンジンの場合に、前記少なくとも１つの画像を解析するように決定された各画像解析エンジンの優先度を決定することをさらに含む、
   請求項１に記載の方法。
6. 前記優先度を決定することは、健康管理検査資料内の前記少なくとも１つの画像の特徴、前例、および前記複数の画像解析エンジンの性質に基づく、
   請求項５に記載の方法。
7. 前記通知を受け取ることに応じて、
   前記画像解析エンジンを使用して、前記少なくとも１つの画像内の１以上の特徴が、医学的状態を示す所定の基準を満たしているかどうかを判定することと、
   前記画像解析エンジンが、ＤＩＣＯＭ適合性を実装することなくＤＩＣＯＭ対応のＡＩ結果表現を生成することと、
   前記ＤＩＣＯＭ対応のＡＩ結果表現をＤＩＣＯＭオブジェクトとして前記医用画像管理システムに送信することと、
   をさらに含む、請求項１に記載の方法。
8. 前記１以上の特徴は、前記医用画像内に示される解剖学的特徴および異常のうちの１以上を含む、
   請求項７に記載の方法。
9. 前記画像解析エンジンは、前記少なくとも１つの画像内の前記１以上の特徴が前記所定の基準を満たしているかどうかをユーザ入力なしで判定するために画像解析を実行するように動作できる、
   請求項７に記載の方法。
10. 医用画像管理システムであって、
    健康管理検査資料を受け取るためのネットワーク通信インターフェイスと、
    前記ネットワーク通信インターフェイスに結合されて、受け取った健康管理検査資料を記憶するメモリと、
    前記メモリに結合されて、前記受け取った健康管理検査資料を表示するディスプレイ画面と、
    前記ネットワーク接続インターフェイス、前記メモリおよび前記ディスプレイ画面に結合される１以上のプロセッサであって、
    １以上のデータソースにおけるコンテンツ変化の第１の指示をモニタし、
    前記１以上の画像に伴う情報または前記少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、１以上の新たな医用画像のうちの前記コンテンツ変化に関連する少なくとも１つの画像を複数の画像解析エンジンのうちのどの画像解析エンジンが解析すべきであるかを、前記第１の指示に応じて決定し、
    前記１以上の新たな医用画像のうちの前記少なくとも１つの画像を解析するように決定された１以上の画像解析エンジンの組の各画像解析エンジンに、前記１以上の医用画像のうちの前記少なくとも１つの画像に対して画像解析を開始する第１の通知を送信し、
    前記１以上の画像解析エンジンの組から、画像解析結果が利用可能である旨の第２の指示を受け取り、
    画像解析結果を登録者がアクセスおよび表示に利用できることを示す第２の通知を前記登録者に送信する、
    ように構成される１以上のプロセッサと、
    を備える、システム。
11. 前記複数の画像解析エンジンのうちの１以上の画像解析エンジンは、人工知能（ＡＩ）エンジンを含む、
    請求項１０に記載のシステム。
12. 前記第１の指示は、前記１以上のデータソースへの前記１以上の新たな医用画像の到着を指定する、
    請求項１０に記載のシステム。
13. 前記１以上の新たな医用画像は、新たな健康管理検査資料、または前記新たな医用画像の生成前に作成された既存の検査資料、の一部である、
    請求項１２に記載のシステム。
14. 前記１以上のプロセッサは、複数の画像解析エンジンの場合に、前記少なくとも１つの画像を解析するように決定された各画像解析エンジンの優先度を決定する、
    請求項１０に記載のシステム。
15. 前記優先度の決定は、健康管理検査資料内の前記少なくとも１つの画像の特徴、前例、および前記複数の画像解析エンジンの性質に基づく、
    請求項１４に記載のシステム。
16. 命令を記憶した非一時的コンピュータ可読記憶媒体であって、前記命令は、少なくともプロセッサと、メモリと、ディスプレイ画面とを有するシステムによって実行されたとき、前記システムに、
    １以上のデータソースにおけるコンテンツ変化の第１の指示をモニタすることと、
    前記１以上の画像に伴う情報または前記少なくとも１つの画像に身体部分検出を適用した結果の一方または両方に基づいて、１以上の新たな医用画像のうちの前記コンテンツ変化に関連する少なくとも１つの画像を複数の画像解析エンジンのうちのどの画像解析エンジンが解析すべきであるかを、前記第１の指示に応じて決定することと、
    前記１以上の新たな医用画像のうちの前記少なくとも１つの画像を解析するように決定された１以上の画像解析エンジンの組の各画像解析エンジンに、前記１以上の医用画像のうちの前記少なくとも１つの画像に対して画像解析を開始する第１の通知を送信することと、
    前記１以上の画像解析エンジンの組から、画像解析結果が利用可能である旨の第２の指示を受け取ることと、
    画像解析結果を登録者がアクセスおよび表示に利用できることを示す第２の通知を前記登録者に送信することと、
    を含む方法を実行させる、コンピュータ可読記憶媒体。
17. 前記複数の画像解析エンジンのうちの１以上の画像解析エンジンは、人工知能（ＡＩ）エンジンを含む、
    請求項１６に記載のコンピュータ可読記憶媒体。
18. 前記第１の指示は、前記１以上のデータソースへの前記１以上の新たな医用画像の到着を指定する、
    請求項１６に記載のコンピュータ可読記憶媒体。
19. 前記１以上の新たな医用画像は、新たな健康管理検査資料、または前記新たな医用画像の生成前に作成された既存の検査資料、の一部である、
    請求項１８に記載のコンピュータ可読記憶媒体。
20. 前記方法は、複数の画像解析エンジンの場合に、前記少なくとも１つの画像を解析するように決定された各画像解析エンジンの優先度を決定することをさらに含む、
    請求項１６に記載のコンピュータ可読記憶媒体。
21. 前記優先度を決定することは、健康管理検査資料内の前記少なくとも１つの画像の特徴、前例、および前記複数の画像解析エンジンの性質に基づく、
    請求項２０に記載のコンピュータ可読記憶媒体。
22. 前記方法は、前記通知を受け取ることに応じて、
    前記画像解析エンジンを使用して、前記少なくとも１つの画像内の１以上の特徴が、医学的状態を示す所定の基準を満たしているかどうかを判定することと、
    前記画像解析エンジンが、ＤＩＣＯＭ適合性を実装することなくＤＩＣＯＭ対応のＡＩ結果表現を生成することと、
    前記ＤＩＣＯＭ対応のＡＩ結果表現をＤＩＣＯＭオブジェクトとして前記医用画像管理システムに送信することと、
    をさらに含む、請求項１６に記載のコンピュータ可読記憶媒体。
23. 前記１以上の特徴は、前記医用画像内に示される解剖学的特徴および異常のうちの１以上を含む、
    請求項２２に記載のコンピュータ可読記憶媒体。
24. 前記画像解析エンジンは、前記少なくとも１つの画像内の前記１以上の特徴が前記所定の基準を満たしているかどうかをユーザ入力なしで判定するために画像解析を実行するように動作できる、
    請求項２２に記載のコンピュータ可読記憶媒体。

Images