JP2022542209A - 臨床ワークフローの判断を自動化し、優先読み取りインジケータを生成するためのシステムおよび方法 - Google Patents

Abstract

本開示の例は、臨床ワークフローの判断を自動化するためのシステムおよび方法を記載している。ある局面では、患者データは、撮像データなどの複数のデータソースから収集され得る。患者データは、人工知能（ＡＩ）コンポーネントを用いて処理され得る。ＡＩコンポーネントの出力は、患者に関する医療判断を通知するために医療従事者によって用いられ得る。ＡＩコンポーネントの出力および医療判断および医療パスに関連する追加の情報は、判断分析コンポーネントへの入力として提供され得る。判断分析コンポーネントは、入力を処理し、医療従事者の医療判断をさらに通知するために用いられ得る自動化された医療推奨を出力し得る。いくつかの局面では、判断分析コンポーネントの出力は、患者の医療に関連する１つ以上の行為を実施するための優先度またはタイムラインを決定するために用いられ得る。

Description

（関連出願の相互参照）
本出願は、ＰＣＴ国際特許出願として２０２０年７月３１日に出願されており、２０１９年７月３１日に出願された“ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＡＵＴＯＭＡＴＩＮＧ ＣＬＩＮＩＣＡＬ ＷＯＲＫＦＬＯＷ ＤＥＣＩＳＩＯＮＳ”と題する米国仮特許出願第６２／８８１，１５６号と、２０１９年１１月２７日に出願された“ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＡＵＴＯＭＡＴＩＮＧ ＣＬＩＮＩＣＡＬ ＷＯＲＫＦＬＯＷ ＤＥＣＩＳＩＯＮＳ ＡＮＤ ＧＥＮＥＲＡＴＩＮＧ Ａ ＰＲＩＯＲＩＴＹ ＲＥＡＤ ＩＮＤＩＣＡＴＯＲ”と題する米国仮特許出願第６２／９４１，６０１号とに対する優先権およびそれらの利益を主張し、米国仮特許出願第６２／８８１，１５６号および米国仮特許出願第６２／９４１，６０１号の開示は、本明細書によって、それらの全体が本明細書に援用される。

（背景）
現代の乳房ケアは、患者の履歴、医療従事者の経験、利用される撮像モダリティなどの様々な複雑な要因およびデータポイントの分析を伴う。分析は、乳房ケアの質および患者経験を最善にする乳房ケアパスを医療従事者が決定することを可能にする。しかしながら、このような決定は、主観的であり、従って、医療従事者間で大きく相違し得る。その帰結として、何人かの患者は、最善でない乳房ケアパスを提供され得、このことは、増大させられた病院費と、減退させられた患者経験とをもたらし得る。

本明細書内で開示される局面は、それらのおよび他の一般的考慮事項に関している。比較的特定の問題が検討され得るが、背景および本開示内の他の箇所内に識別される特定の問題を解決することに例が限定されるべきでないことも、理解されるべきである。

（概要）
本開示の例は、臨床ワークフローの判断を自動化するためのシステムおよび方法を記載している。ある局面では、患者データは、患者の記録、医療従事者のノート／アセスメント、撮像データなどの複数のデータソースから収集され得る。患者データは、人工知能（ＡＩ）コンポーネントを用いて処理され得る。ＡＩコンポーネントの出力は、１人以上の患者に関する医療判断を通知するために医療従事者によって用いられ得る。ＡＩコンポーネントの出力、医療従事者の医療判断に関連する情報、および／または医療関連の補完情報は、判断分析コンポーネントへの入力として提供され得る。判断分析コンポーネントは、入力を処理し、医療従事者の医療判断をさらに通知するために用いられ得る自動化された医療推奨を出力し得る。いくつかの局面では、判断分析コンポーネントの出力は、患者の医療に関連する１つ以上の行為を実施するための優先度またはタイムラインを決定するために用いられ得る。例えば、判断分析コンポーネントの出力は、患者の撮像データを評価するための優先度または重要度レベルを示し得る。

本開示の局面は、システムであって、システムは、少なくとも１つのプロセッサと、少なくとも１つのプロセッサに結合されたメモリとを備え、メモリは、コンピュータ実行可能な命令を備え、命令は、少なくとも１つのプロセッサによって実行されると、方法を実施し、方法は、１つ以上のデータソースから患者データを収集することと、患者データの特徴を分析するために第一の人工知能（ＡＩ）アルゴリズムに患者データを提供することと、第一のＡＩアルゴリズムから第一の出力を受信することと、患者ケアに関する臨床ワークフローの判断を決定するために第二のＡＩアルゴリズムに第一の出力を提供することと、第二のＡＩアルゴリズムから第二の出力を受信することであって、第二の出力は、自動化された患者ケア推奨を備えている、ことと、自動化された患者ケア推奨を医療従事者に提供することとを含む、システムを提供する。

本開示の局面は、１つ以上のデータソースから患者データを収集することと、患者データの特徴を分析するために第一の人工知能（ＡＩ）コンポーネントに患者データを提供することと、第一のＡＩコンポーネントから第一の出力を受信することと、患者ケアに関する臨床ワークフローの判断を決定するために第二のＡＩコンポーネントに第一の出力を提供することと、第二のＡＩコンポーネントから第二の出力を受信することであって、第二の出力は、自動化された患者ケア推奨を備えている、ことと、自動化された患者ケア推奨を医療従事者に提供することとを含む方法をさらに提供する。

本開示の局面は、システムであって、システムは、少なくとも１つのプロセッサと、少なくとも１つのプロセッサに結合されたメモリとを備え、メモリは、コンピュータ実行可能な命令を備え、命令は、少なくとも１つのプロセッサによって実行されると、方法を実施し、方法は、１つ以上のデータソースから画像データを収集することと、画像データを評価し、１つ以上の特徴を識別することと、１つ以上の特徴に基づいて信頼度スコアを計算することと、信頼度スコアを閾値と比較することと、信頼度スコアが閾値を超えているとき、高い評価優先度を画像データに割り当てることとを含む、システムをさらに提供する。

本概要は、下の詳細な説明内でさらに記載される簡略化された形態において概念の選択を導入するために提供されている。本概要は、主張される主題の主要な特徴または本質的な特徴を識別することを意図されておらず、主張される主題の範囲を限定するために用いられることを意図されてもいない。例のさらなる局面、特徴および／または利点は、続く説明内で部分的に記載されており、部分的に説明から明白であり、または本開示の実践によって習得され得る。

（図面の簡単な説明）
非限定的かつ非包括的な例が、以下の図の参照を伴って記載される。

図１は、本明細書に記載の臨床ワークフローの判断を自動化するための例示的システムの概観を図示している。

図２は、本明細書に記載の臨床ワークフローの判断を自動化するための例示的プロセスフローの図である。

図３は、本明細書に記載の臨床ワークフローの判断を自動化するための例示的判断処理システムの概観を図示している。

図４は、本明細書に記載の臨床ワークフローの判断を自動化するための例示的方法を図示している。

図５は、本明細書に記載の画像読み取り優先度を決定するための例示的方法を図示している。

図６Ａは、本明細書に記載の自動化された臨床ワークフローの判断に関連付けられた例示的ユーザインターフェースを図示している。

図６Ｂは、図６Ａの例示的ユーザインターフェースに関連付けられた分析ダイアログインターフェースを図示している。

図７は、本実施形態のうちの１つまたは複数が実装され得る好適な動作環境の一例を図示している。

（詳細な説明）
医用撮像は、人間の体内のがんまたは他の病患などの異常を識別および診断するために広く用いられるツールになっている。マンモグラフィおよびトモシンセシスなどの医用撮像プロセスは、乳房に伴うがんもしくは他の病変に関するスクリーニングを行うために、またはそれらを診断するために乳房を撮像することに関して特に有用なツールである。トモシンセシスシステムは、制限角度トモシンセシスに基づく乳房の高解像度撮像を可能にするマンモグラフィシステムである。トモシンセシスは、一般的に複数のＸ線画像を発生させる（乳房の個別的な層またはスライスの各々、それらの厚み全体を通した）。従前の二次元（２Ｄ）マンモグラフィシステムとは対照的に、トモシンセシスシステムは、一連のＸ線投影画像を取得し、各投影画像は、Ｘ線源が乳房の上方で円弧などの経路に沿って移動すると共に異なる角度変位で入手される。従前のコンピュータトモグラフィ（ＣＴ）とは対照的に、トモシンセシスは、典型的に、乳房周辺のＸ線源の制限された角度変位で入手される投影画像に基づく。トモシンセシスは、２Ｄマンモグラフィ撮像において存在する組織の重なりおよび構造ノイズによって引き起こされる問題を低減させるか、またはそれらを解消する。

現代の乳房ケアセンターでは、医用撮像を用いて発生させられた画像は、患者のための最善の乳房ケアパスを決定するために様々な医療従事者によって評価される。しかしながら、この評価は、撮像データおよびシステムの複雑性、患者情報および記録、病院の情報システム、医療従事者の知識および経験、臨床実践ガイドライン、ＡＩ診断システムおよび出力などを考慮すると気の遠くなるものであり得る。結果として、評価は、医療従事者間で大きく相違する医療判断を発生させ得る。医療判断の相違は、医療従事者が何人かの患者に最善でない医療パスを提供することを引き起こし得る。それらの最善でない医療パスは、患者経験を著しく減退させ得る。

さらに、医用撮像評価は、典型的に、バッチ読み取りプロセスを含み、バッチ読み取りプロセスのために、多数の（例えば１００個またはそれより多くの）スクリーニング対象者に関する画像データが、収集される。一般的に、スクリーニング対象者が撮像施設を立ち去った後、収集された画像データは、マンモグラフィの放射線技師の都合に応じてバッチごとに評価（「読み取り」）される。バッチ読み取りプロセス中に評価された画像内にアクショナブルな（または潜在的にアクショナブルな）内容が識別されたとき、それぞれのスクリーニング対象者は、追跡撮像および／または生検のために「呼び戻し」される（例えば、撮像施設に呼び戻される）。スケジューリングおよび他の競合に起因して、スクリーニング（画像取得）と呼び戻しとの間の時間遅延は、数日または数週間であり得る。この遅延は、例えば進行性のがんの場合、望ましくない結末をもたらし得る。遅延は、何も異常を有しないことを最終的に決定されるスクリーニング対象者に対しても、過度のストレスおよび不安を引き起こし得る。

最善でない医療判断に伴うこのような課題に取り組むために、本開示は、臨床ワークフローの判断を自動化し、医療従事者の決定をサポートするためのシステムおよび方法を記載している。ある局面では、１人以上の患者（または「スクリーニング対象者」）に関する患者データが、医療従事者、診療施設またはそれらに属するサービスからアクセス可能な複数のデータソースから収集され得る。本明細書内で用いられる場合、患者データは、患者の氏名／識別子、患者の個人情報、医用画像、生命兆候および他の診断情報、訪問履歴、前治療、以前に診断された病患／障害／疾病、処方された投薬などに関連する情報を指し得る。データソースの例は、患者の訪問情報、患者の電子診療記録（ＥＭＲ）、病院情報システム（ＨＩＳ）および医用撮像システムを含むが、それらに限定されない。ある例では、患者データ収集プロセスは、手動で、自動で、またはそれらの組み合わせで実施され得る。

患者データを収集した後、患者データは、ＡＩ処理コンポーネントに対して証明され得る。ＡＩ処理コンポーネントは、１つ以上のルールセット、アルゴリズムまたはモデルを利用し得る。本明細書中で用いられる場合、モデルは、予測または統計ユーティリティまたはプログラムを指し得、それは、１つ以上の文字シーケンス、クラス、オブジェクト、結果セットまたはイベントの確立分布を決定するために、および／または、１つ以上の予測子から応答値を予測するために用いられ得る。モデルは、１つ以上のルールセット、機械学習、ニューラルネットワークなどに基づき得るか、またはそれらを組み込み得る。ある例では、ＡＩ処理コンポーネントは、患者データを処理し、１つ以上の出力を提供し得る。例示的出力は、乳房の組成／濃度のカテゴリースコア、（例えば乳房内に検出された石灰化および腫瘍に関する）コンピュータ支援の検出マーカー、コンピュータによる放射線測定の特徴、乳がんのリスクアセスメントの結果などを含むが、それらに限定されない。本明細書中で用いられる場合、乳房の組成／濃度のカテゴリースコアは、線維腺組織からなる乳房の割合を示し得る。一般的に、高濃度の乳房は、正常細胞のがん細胞への形質転換における重要な要因である上皮細胞、間質細胞およびコラーゲンをより多量に含む。本明細書中で用いられる場合、コンピュータ支援の検出マーカーは、画像に追加される（またはそれに重なる）デジタルの幾何学形（例えば三角形、円、正方形など）を指し得る。検出マーカーは、コンピュータ支援の検出ソフトウェアおよび／または機械学習アルゴリズムを用いて病変または診断上関心の高い対象が検出された乳房の領域を示し得る。本明細書内で用いられる場合、放射線測定の特徴は、画像内の情報内容を説明する特性を指し得る。このような特性は、乳房の濃度、乳房の形状、乳房の体積、画像の解像度などに関連する画像属性／値を含み得る。

ある局面では、出力および／または患者データは、１人以上の受信者、または１つ以上の受信デバイスに提供され得る。受信デバイスの例は、画像レビューワークステーション、医用撮像システムおよび技術者ワークステーションを含むが、それらに限定されない。医療従事者（および／または彼等に関連付けられた人々）は、受信デバイスを用い得、１つ以上の医療判断もしくはパスを通知するために出力および／または患者データを評価し得る。一具体例として、患者の乳房のＸ線画像の組およびＡＩ処理コンポーネントの出力が、画像レビューワークステーションに提供され得る。医師は、画像レビューワークステーションに提供されたデータを評価し得、患者のための初期または一次乳房ケアパスを決定し得る。本明細書中で用いられる場合、乳房ケアパス（または医療パス）は、疾病または病患の１つ以上のステージにおいて診断、介入、治療および／または補完行為に関する判断およびタイミングを導くための計画または方略を指し得る。一般的に、乳房ケアパスは、特定の問題もしくは病患を有する患者集団を管理するための方略（例えばケアパス）、または特定の問題もしくは病患を有する個々の患者を管理するための方略（例えばケアプラン）を表現し得る。別の例として、ＡＩ処理コンポーネントの出力が、撮像システムまたは取得ルームに提供され得る。技師は、患者が施設にいる間に技師が診断処置を実施することを可能にするために、撮像システム／取得ルームに提供されたデータを評価し得る。

ある局面では、推奨された医療パスを出力するように構成された判断分析コンポーネントに、様々な入力が、提供され得る。判断分析コンポーネントは、ＡＩ処理コンポーネントに関して上に記載された１つ以上のルールセット、アルゴリズムまたはモデルを利用し得る。例示的判断分析コンポーネントへの入力は、患者データ、ＡＩ処理コンポーネントの出力、医療従事者の初期／一次医療判断および診断アセスメント、ならびに臨床職能団体からの医療実践ガイドラインを含むが、それらに限定されない。判断分析コンポーネントは、様々な入力を処理し得、１つ以上の出力を提供し得る。例示的出力は、自動化された患者医療推奨、医療従事者の判断のアセスメント、推奨された治療および処置、治療／処置を実施するための命令、診断および介入レポート、自動予約スケジューリング、ならびに評価優先度もしくはタイムラインを含むが、それらに限定されない。ある例では、判定分析コンポーネントの出力は、１つ以上の医療従事者に提供され得る（または別様にアクセス可能にされ得る）。出力は、医療従事者の医療判断をさらに通知するために用いられ得る。

いくつかの局面では、判断分析コンポーネントの出力は、優先読み取りインジケータを備え得る（または別様に示し得る）。優先読み取りインジケータは、１つ以上の医用画像に関する評価（「読み取り」）優先度を示し得る。ある例では、優先読み取りインジケータは、（潜在的にアクショナブルな病変の特徴などの）医用画像の局面を識別し、識別された局面に関する信頼度レベルを決定し、決定された信頼度レベルを閾値と比較することによって決定され得る。閾値を満たしており、かつ／またはそれを超えているそれらの医用画像は、「優先」ステータスまたは値を割り当てられ得る。あるいは、「優先」ステータス／値は、その医用画像に対応する患者に割り当てられ得る。優先ステータス／値は、医用画像の読み取りまたはさらなる患者評価に対する評価重要度またはタイムラインを配置するために用いられ得る。例えば、「高い」優先ステータスを有する医用画像は、通常の優先ステータスまたはより低い優先ステータスの医用画像より上位に読み取りキュー内で配置され得る。医用画像の「高い」優先ステータスの結果として、医療従事者は、医用画像を直ちに（または迅速に）通知され得、スクリーニング対象者がまだスクリーニング施設にいる間に医用画像を評価し得る。別の例として、「高い」優先ステータスを有する患者は、さらなる評価を直ちに受け得る。例えば、患者の追加の医用画像が、収集され得、専門医が、直ちに患者と会い得るか（もしくは患者に割り当てられ得）、または、診療予約／処置が、スケジューリングされ得る。従って、優先読み取りインジケータは、異常の検出を改善し、患者の呼び戻しの数を減少させる。

従って、本開示は、自動（または半自動）臨床ワークフローを生成することと、乳房ケア分析およびリスクアセスメントを自動化することと、自動化された治療および処置命令を生成することと、自動化された診断および介入レポートを生成することと、患者がまだ施設にいる間に「同訪問の」診断処置が実施されることを可能にすることと、医療上の意思決定を正規化することと、医療推奨を最善にすることと、医用画像の評価優先度を決定することと、患者の訪問、患者の不安、病院費および長期治療を減少させることによって患者経験を増大させることとを含むがそれらに限定されない複数の技術的利点を提供する。

図１は、本明細書に記載の臨床ワークフローの判断を自動化するための例示的システムの概観を図示している。提示された例示的システム１００は、相互依存コンポーネントの組み合わせであり、相互依存コンポーネントは、相互作用し、臨床ワークフローの判断を自動化するための統合型システムを形成する。システムのコンポーネントは、（例えばオペレーティングシステム（ＯＳ）を実行する／ランするために用いられる）ハードウェアコンポーネント、または、システムのハードウェアコンポーネント上で実装および／もしくはそれらによって実行されるソフトウェアコンポーネント（例えばアプリケーション、アプリケーションプログラミングインターフェース（ＡＰＩ）、モジュール、仮想マシン、ランタイムライブラリなど）であり得る。一例では、例示的システム１００は、ソフトウェアコンポーネントがランし、動作のための制約セットに従い、システム１００の資源または設備を利用する環境を提供し得る。例えば、ソフトウェアは、パーソナルコンピュータ（ＰＣ）、モバイルデバイス（例えばスマートデバイス、モバイルフォン、タブレット、ラップトップ、パーソナルデジタルアシスタント（ＰＤＡ）など）および／または任意の他の電子デバイスなどの処理デバイス上でランし得る。処理デバイスの動作環境の例として、図７に図解された例示的動作環境を参照されたい。他の例では、本明細書中で開示されるシステムのコンポーネントは、複数のデバイスにわたって分散させられ得る。例えば、入力は、クライアントデバイス上で入力され得、情報は、１つ以上のサーバデバイスなどのネットワーク内の他のデバイスを用いて処理またはアクセスされ得る。

一例として、システム１００は、コンピューティングデバイス１０２、１０４および１０６、処理システム１０８、判断システム１１０ならびにネットワーク１１２を備え得る。当業者は、システム１００などのシステムのスケールが相違し得、図１に記載されたものより多くの、またはそれらより少ないコンポーネントを含み得ることを理解するであろう。例えば、いくつかの例では、処理システム１０８および判断システム１１０の機能性およびコンポーネントは、単一の処理システムに統合され得る。あるいは、処理システム１０８および／または判断システム１１０の機能性およびコンポーネントは、複数のシステムおよびデバイスにわたって分散させられ得る。

コンピューティングデバイス１０２、１０４および１０６は、患者１１４などの医療患者に関する患者データを受信するように構成され得る。コンピューティングデバイス１０２、１０４および１０６の例は、医用撮像システム／デバイス（例えばＸ線、超音波および／もしくは磁気共鳴撮像（ＭＲＩ）デバイス）、医療ワークステーション（例えばＥＭＲデバイス、画像レビューワークステーションなど）、モバイル医用デバイス、患者用コンピューティングデバイス（例えばウェアラブルデバイス、モバイルフォンなど）ならびにそれらに類似した処理システムおよびデバイスを含む。コンピューティングデバイス１０２、１０４および１０６は、医療施設もしくは関係施設内、患者上、医療従事者上などに位置し得る。ある例では、患者データは、手動または自動プロセスを用いてコンピューティングデバイス１０２、１０４および１０６に提供され得る。例えば、医療従事者が、患者データをコンピューティングデバイスに手動で入力し得る。あるいは、患者のデバイスが、１つ以上の基準に基づいて患者データを医用デバイスに自動でアップロードし得る。

処理システム１０８は、患者データを処理するように構成され得る。ある局面では、処理システム１０８は、コンピューティングデバイス１０２、１０４および１０６などの患者データの１つ以上のソースへのネットワーク１１２を介したアクセスを有し得る。患者データの少なくとも一部は、処理システム１０８への入力として提供され得る。処理システム１０８は、１つ以上のＡＩ処理技法を用いて入力を処理し得る。処理された入力に基づいて、処理システム１０８は、乳房の組成のアセスメント、検出マーカー、放射線測定の特徴などの１つ以上の出力を生成し得る。出力は、コンピューティングデバイス１０２、１０４および１０６などのシステム１００の他のコンポーネントに提供され得る（またはアクセス可能にされ得る）。ある例では、出力は、患者に関する医療パスを決定するために１人以上の医療従事者によって評価され得る。例えば、医師が、コンピューティングデバイス１０６を用い、撮像システムから収集されたＸ線画像と、処理システム１０８から収集された検出マーカーの結果とを評価し得る。評価に基づいて、医師は、患者に関する医療判断／計画を決定し得る。

判断システム１１０は、推奨された医療パスを提供するように構成され得る。ある局面では、判断システム１１０は、患者データ、処理システム１０８からの出力、診断アセスメントおよびノート、医療実践ガイドラインなどの１つ以上のソースへのアクセスを有し得る。このデータの少なくとも一部は、判断システム１１０への入力として提供され得る。判断システム１１０は、１つ以上のＡＩ処理技法またはモデルを用いて入力を処理し得る。例えば、判断システム１１０は、人工ニューラルネットワーク、サポートベクターマシン（ＳＶＭ）、線形強化モデル、ランダムディシジョンフォレストまたはそれらに類似した機械学習技法を実装し得る。少なくとも一例では、判断システム１１０によって実施されるＡＩ処理技法は、処理システム１０８によって実施されるそれらと同一（またはそれらに類似）であり得る。このような例では、判断システム１１０および処理システム１０８の機能性は、単一の処理システムまたはコンポーネントに組み合わされ得る。処理された入力に基づいて、判断システム１１０は、自動化された診断、患者ケア推奨、医療従事者の判断のアセスメント、ステップごとの処置命令などの１つ以上の出力を生成し得る。ある局面では、出力（単数または複数）は、医療従事者の医療判断をさらに通知するために用いられ得る。例えば、医師は、判断システム１１０の医療判断を医師自身の医療判断と比較し、患者のための最善の医療パスを決定し得る。

図２は、本明細書に記載の臨床ワークフローの判断を自動化するための例示的プロセスフローの図である。提示された例示的システム２００は、患者情報記録２０２、Ｘ線撮像システム２０４、画像レビューステーション２０６、ＡＩ処理コンポーネント２０８、判断サポーター２１０、実践ガイドライン２１２、診断レポート２１４、生検推奨２１６、放射線推奨２１８、外科推奨２２０、化学療法推奨２２２、優先読み取りインジケータ２２３ならびに追加の撮像システム（単数もしくは複数）２２４を備える。当業者は、システム２００などのシステムのスケールが相違し得、図２に記載されたものより多くの、またはそれらより少ないコンポーネントを含み得ることを理解するであろう。

図２に図示されているように、患者データが、患者から収集され得る。いくつかの局面では、患者データは、医療施設の訪問中、患者から収集され得る。別の例では、患者データは、患者が医療施設を訪問していない間に医療施設に提供され得る。例えば、患者データは、患者デバイスから１つ以上のＨＩＳデバイスにリモートでアップロードされ得る。プロセスフロー２００では、患者情報記録２０２は、氏名もしくは識別子、連絡先情報、個人情報、診断履歴、生命兆候情報、処方された投薬などの患者情報を格納し得る。Ｘ線撮像システム２０４は、例えば患者の乳房のＸ線画像を生成および／または格納し得る。追加の撮像システム（単数または複数）２２４は、例えば患者の乳房の超音波画像および／または乳房のＭＲＩ画像を生成および／または格納し得る。

ある局面では、患者情報記録２０２内に記録された情報、ならびにＸ線撮像システム２０４および追加の撮像システム（単数もしくは複数）２２４を用いて生成された画像（まとめて「患者データ」と称される）が、ＡＩ処理コンポーネント２０８に提供され得る。ある例では、ＡＩ処理コンポーネント２０８は、入力として受信された乳房の画像データに基づいて患者の乳房の１つ以上の特性を査定するように構成され得る。アセスメントは、撮像された乳房のテクスチャ／組織の分析と、乳房の画像内の１つ以上のパターンの識別とを含み得る。提供された患者データに基づいて、ＡＩ処理コンポーネント２０８は、乳房の組成／濃度のカテゴリースコア、（例えば乳房内に検出された石灰化および腫瘍に関する）コンピュータ支援の検出マーカー、コンピュータによる放射線測定の特徴、ならびに乳がんのリスクアセスメントの結果などの乳房のアセスメントデータを生成し得る。乳房のアセスメントデータは、Ｘ線撮像システム２０４ならびに／または追加の撮像システム（単数もしくは複数）２２４に提供され得る。技師は、Ｘ線撮像システム２０４および／または追加の撮像システム（単数もしくは複数）２２４に提供された乳房のアセスメントデータを評価し、例えば患者のために追加の撮像を実施すべきかどうかを決定し得る。乳房のアセスメントデータならびに／または患者データは、画像レビューステーション２０６にも提供され得る。医師は、画像レビューステーション２０６に提供された情報のみならず、実践ガイドライン２１２も評価し、患者に関する診断情報および／または医療判断（まとめて「診断レポート」と称される）を作成し得る。

ある局面では、乳房のアセスメントデータ、患者データおよび／または診断レポートが、判断サポーター２１０に提供され得る。提供された情報および／実践ガイドライン２１２に基づいて、判断サポーター２１０は、患者医療推奨、医療従事者の判断のアセスメント、推奨された撮像処置、推奨された治療および処置、治療／処置を実施するための命令、治療／処置に関する優先度および／もしくはタイムライン、ならびに診断レポート２１４などの判断情報を自動で生成し得る。推奨された治療および処置の例は、生検推奨２１６、放射線推奨２１８、外科推奨２２０および化学療法推奨２２２を含む。治療および処置の優先度／タイムラインの例は、優先読み取りインジケータ２２３を含む。優先読み取りインジケータ２２３は、医用画像を評価するためのステータス、値もしくは日付／時間を含み得るか、またはそれらを表現し得る。いくつかの局面では、判断情報は、１つ以上の医療従事者から（または彼等に関連付けられたコンピューティングデバイスから）アクセス可能にされ得る。例えば、プロセスフロー２００は、診断レポートを作成した医師に提供された判断情報を図解している。別のより特定の例として、プロセスフロー２００は、技師、Ｘ線撮像システム２０４および画像レビューステーション２０６に提供された優先読み取りインジケータ２２３を図解している。

図３は、本明細書に記載の臨床ワークフローの判断を自動化するための例示的判断処理システム３００の概観を図示している。入力判断システム３００によって実装された自動化された臨床ワークフロー技法は、自動化された臨床ワークフロー技法および図１のシステムにおいて記載されたデータを含み得る。いくつかの例では、入力判断システム３００の１つ以上のコンポーネント（またはそれらの機能性）は、複数のデバイスおよび／またはシステムにわたって分散させられ得る。他の例では、（少なくとも１つのプロセッサおよび／またはメモリを備えた）単一のデバイスは、入力判断システム３００のコンポーネントを備え得る。

図３に関して、入力判断システム３００は、データ収集エンジン３０２、判断エンジン３０４および出力作成エンジン３０６を備え得る。データ収集エンジン３０２は、データの組にアクセスするように構成され得る。ある局面では、データ収集エンジン３０２は、１つ以上の患者に関連する情報へのアクセスを有し得る。情報は、患者データ（例えば患者の識別、患者の医用画像、患者の診断情報など）、乳房の組成のアセスメント、検出マーカー、放射線測定の特徴、診断アセスメントおよびノート、医療実践ガイドラインなどを含み得る。いくつかの局面では、情報の少なくとも一部は、テストデータまたは訓練データであり得る。テスト／訓練データは、１つ以上のＡＩモデルまたはアルゴリズムを訓練するために用いられるラベル付けされたデータおよび画像を含み得る。

判断エンジン３０４は、受信された情報を処理するように構成され得る。ある局面では、受信された情報は、判断エンジン３０４に提供され得る。判断エンジン３０４は、受信された情報に１つ以上のＡＩ処理アルゴリズムまたはモデルを適用し得る。例えば、判断エンジン３０４は、受信された情報にＡＩベースの融合アルゴリズムを適用し得る。ＡＩ処理アルゴリズム／モデルは、受信された情報を評価し得、受信された情報と、ＡＩ処理アルゴリズム／モデルを訓練するために用いられた訓練データとの間の関連を決定し得る。評価に基づいて、判断エンジン３０４は、患者データに関連付けられた１人以上の患者のための最善の医療パスまたは推奨を識別または決定し得る。いくつかの局面では、判断エンジン３０４は、画像読み取り優先度をさらに識別および提供し得る。例えば、判断エンジン３０４は、受信された情報内の画像に「優先」ステータスを割り当て得る。

出力作成エンジン３０６は、受信された情報に関する１つ以上の出力を作成するように構成され得る。ある局面では、出力作成エンジン３０６は、判断エンジン３０４の識別または決定を用い得、１つ以上の出力を作成し得る。一例として、出力作成エンジン３０６は、コントラスト増幅ＭＲＩ、先進的超音波撮像（例えばせん断波撮像、コントラスト撮像、３Ｄ撮像など）および陽電子放出トモグラフィ（ＰＥＴ）撮像などの１つ以上の追加の撮像モダリティの使用を推奨し得る。別の例として、出力作成エンジン３０６は、診断情報と、生検処置、化学療法、外科的介入または放射線療法に関する推奨を含む総合レポートとを生成し得る。推奨は、詳細な処置命令、およびデータポイントと医用画像との間の関連を含み得る。特定の例として、生検処置に関して、出力作成エンジン３０６は、生検画像に関連付けられたステップごとの生検命令、ならびにＸ線、超音波およびＭＲＩ撮像システムからの以前の診断画像を提供し得る。

本明細書内で開示される局面によって採用され得る様々なシステムを記載してきたが、ここで、本開示は、本開示の様々な局面によって実施され得る１つ以上の方法を記載する。ある局面では、方法４００および５００は、図１のシステム１００または図３の判断処理システム３００などの例示的システムによって実行され得る。ある例では、方法４００および５００は、オペレーション、プログラムまたは命令を格納および実行するように構成された少なくとも１つのプロセッサを備えたデバイス上で実行され得る。しかしながら、方法４００および５００は、このような例に限定されない。他の例では、方法４００および５００は、臨床ワークフローの判断を自動化するためのアプリケーションまたはサービス上で実施され得る。少なくとも一例では、方法４００および５００は、ウェブサービス／分散ネットワークサービス（例えばクラウドサービス）などの分散ネットワークの１つ以上のコンポーネントによって実行され得る（例えばコンピュータ実装のオペレーション）。

図４は、本明細書に記載の臨床ワークフローの判断を自動化するための例示的方法４００を図示している。例示的方法４００は、患者データが１つ以上のデータソースから収集されるオペレーション４０２から始まる。ある局面では、データ収集エンジン２０２などのデータ収集コンポーネントは、１つ以上のデータソースから患者データを収集し得る。例示的データソースは、患者の訪問情報、患者のＥＭＲ、診療施設のＨＩＳ記録および医用撮像システムを含む。例えば、患者の医療施設の訪問中、医療施設によって格納された（またはアクセス可能な）患者情報記録は、患者の年齢、診断履歴、生活習慣の情報などの患者の個人情報を収集するか、またはそれらにアクセスするために用いられ得る。患者の訪問中、Ｘ線撮像システムは、患者の乳房（単数または複数）の１つ以上の２Ｄおよび／または３ＤのＸ線画像を生成するために用いられ得る。Ｘ線画像は、個人情報と組み合わされ得（もしくはそれに別様に関連付けられ）、かつ／または医療施設の１つ以上の診療記録もしくは診療システムに格納され得る。

ある局面では、データ収集プロセスは、手動および／または自動で開始され得る。例えば、医療従事者は、患者からの患者情報を要請し、要請された患者情報を患者情報記録に入力することによってデータ収集プロセスを手動で開始し得る。あるいは、データ収集プロセスは、１つ以上の基準の満足時、自動で開始され得る。例示的基準は、患者のチェックインイベント、診断情報もしくは患者の医療パスをＨＩＳに入力すること、または画像レビューワークステーションを介してデジタルマンモグラフィ画像を評価することを含み得る。例えば、医療施設での患者のチェックインイベントを検出することに応答して、医療施設の電子システム／サービスは、患者の診療記録のうちの１つまたは複数から患者情報を自動で収集し得る。収集されたデータは、患者の現在の訪問に関するアクティブな作業用ファイルに集約され得る。

オペレーション４０４では、患者データが、処理コンポーネントに提供される。ある局面では、患者データのうちの１つ以上の部分が、ＡＩ処理コンポーネント２０８などの処理コンポーネントに提供され得る。処理コンポーネントは、１つ以上のルールセット、アルゴリズムもしくは予測モデルを備え得るか、またはそれらへのアクセスを有し得る。処理コンポーネントは、情報を処理し、出力の群を作成するためのＡＩアルゴリズムの組を用い得る。例えば、上例から継続して、組み合わされたデータ（例えば患者の個人情報およびＸ線画像）は、医療施設からアクセス可能なＡＩシステムへの入力として提供され得る。ＡＩシステムは、（医療施設の単一のワークステーションなどの）単一のデバイス上で実装され得るか、または分散サービス／システムとして分散コンピューティング環境内の複数のデバイスにわたって複数のデバイスに提供され得る。ＡＩシステムは、（パターン、テクスチャなどの）各患者の乳房の属性を分析する機械学習アルゴリズムを用いて乳房のアセスメントを実施するように構成され得る。ＡＩシステムは、（医療施設の単一のワークステーションなどの）単一のデバイス上で実装され得るか、または分散サービス／システムとして分散コンピューティング環境内の複数のデバイスにわたって複数のデバイスに提供され得る。組み合わされたデータに機械学習アルゴリズムを適用することによって、ＡＩシステムは、撮像された乳房が不均一高濃度であることを示すＸ線画像の１つ以上の局面を識別し得る。この濃度分類は、例えば米国放射線学会（ＡＣＲ）の乳房撮像報告およびデータシステム（ＢＩ－ＲＡＤＳ）マンモグラフィ濃度（ＭＤ）アセスメントカテゴリーに基づき得る。ＡＩシステムは、検出マーカーをＸ線画像にさらに追加し、Ｘ線画像内に検出された１つ以上の石灰化または腫瘍を示し得る。

オペレーション４０６では、出力が、処理コンポーネントから受信される。ある局面では、処理コンポーネントは、１つ以上の出力を患者データから作成し得る。例示的出力は、乳房の組成のカテゴリースコア、乳房の濃度のアセスメント、コンピュータ支援の検出マーカー、コンピュータによる放射線測定の特徴、乳がんのリスクアセスメントの結果などを含む。出力の少なくとも一部は、１人以上の医療従事者、ならびに／または１つ以上の医療システム／デバイスに提供され得る。例えば、上例から継続して、ＡＩシステムは、（例えば不均一高濃度の）撮像された乳房の濃度分類ならびに／または対応するＸ線画像データ（例えばもとのＸ線画像、検出マーカーを用いたＸ線画像更新、および／もしくは石灰化もしくは腫瘍など）を出力し得る。ＡＩシステムの出力は、患者の放射線技師および／または医用撮像技師の１つ以上のコンピューティングデバイス（例えばワークステーション、モバイルデバイスなど）に提供され得る。放射線技師のＡＩシステムの出力の評価に基づいて、放射線技師は、患者の乳房の超音波撮像を実施することを推奨し得る。推奨に応答して、医用撮像技師は、推奨された診断処置（例えば拡大／コントラスト診断図撮像）および／または補完のスクリーニング処置（例えば超音波撮像）を患者がまだ施設にいる間に（例えば患者の現在の訪問中）実施し得る。患者がまだ施設にいる間にそれらの処置を実施することは、診療施設の追加訪問を回避し得、予約を再スケジューリングすることに関連付けられた診療費を低減させ得る。

オペレーション４０８では、処理コンポーネントの出力が、判断コンポーネントに提供される。ある局面では、処理コンポーネント、医療従事者の推奨、Ｘ線画像データ、診断／スクリーニング処置からの補完データ、および患者に関連する他の情報の出力が、判断エンジン３０４などの判断コンポーネントに提供され得る。判断コンポーネントは、１つ以上のルールセット、アルゴリズムまたは予測モデルを備えるか、またはそれらへのアクセスを有し得る。判断コンポーネントは、情報を処理し、出力の群を作成するための１つ以上のＡＩアルゴリズムを用い得る。例えば、上例から継続して、患者データ、ＡＩシステム出力、Ｘ線画像データ、（放射線技師によって推奨された）超音波画像データ、放射線技師の推奨データ、ならびに１つ以上の臨床職能団体（例えば米国放射線学会（ＡＣＲ）、全米総合がんセンターネットワーク（ＮＣＣＮ）など）からの実践ガイドラインが、ＡＩベースの融合アルゴリズムへの入力として提供され得る。ＡＩベースの融合アルゴリズムは、１人以上の患者のための最善の医療パスまたは推奨を提供するように構成され得る。提供された入力に基づいて、ＡＩベースの融合アルゴリズムは、外科的介入が患者のための最善のケアプランであることを決定し得る。

オペレーション４１０では、出力が、判断コンポーネントから受信される。ある局面では、判断コンポーネントは、受信された入力から１つ以上の出力を作成し得る。例示的出力は、自動化された患者医療推奨、医療従事者の判断のアセスメント、推奨された治療および処置、治療／処置を実施するための命令、診断および介入レポート、ならびに自動予約スケジューリングを含む。例えば、上例から継続して、ＡＩベースの融合アルゴリズムに提供された入力に基づいて、ＡＩベースの融合アルゴリズムは、患者に関する診断情報と、患者のための外科的介入に関する推奨とを含む総合レポートを出力し得る。外科的介入に関する推奨は、推奨された外科的処置を実施するための特定のガイドラインを伴い得る。命令は、外科用画像、ステップごとの外科命令、コンピュータ支援の検出マーカー、推奨された投薬、回復処置などを含み得る。

オペレーション４１２では、自動化された患者医療推奨が、医療従事者に提供される。ある局面では、判断コンポーネントからの出力（またはそれらの一部）は、１つ以上の標的に提供され得る。例示的標的は、医療従事者用デバイス、診療施設のデバイス、患者用デバイス、データアーカイブ、１つ以上の処理システムなどを含む。標的は、自動化された患者医療推奨を査定し、標的自体の患者医療推奨を通知または評価し得る。例えば、上例から継続して、総合レポートおよび外科的介入に関する推奨は、患者の放射線技師の１つ以上のコンピューティングデバイスに提供され得る。総合レポートは、その患者に類似した患者データを有する患者と、その患者のものに類似したＡＩシステム出力とに関する外科的介入を放射線技師の９３％が推奨してきたことを示し得る。総合レポートおよび推奨に基づいて、放射線技師は、外科的介入に関する推奨を作成または承認し得る。少なくとも一例では、放射線技師は、放射線技師によって作成された以前の医療推奨を判断コンポーネントによって提供された推奨と整合性があるように修正し得る。

図５は、本明細書に記載の画像読み取り優先度を決定するための例示的方法５００を図示している。ある局面では、例示的方法５００は、Ｘ線撮像システム２０４などのＸ線撮像システムまたはデバイス上で（その全体または一部が）実施され得る。例示的方法５００は、画像データが１つ以上のデータソースから収集されるオペレーション５０２から始まる。ある局面では、データ収集エンジン３０２などのデータ収集コンポーネントは、１つ以上のデータソースから画像データを収集し得る。例示的データソースは、患者のＥＭＲ、診療施設のＨＩＳ記録および医用撮像システムを含む。例えば、撮像施設への訪問中、Ｘ線撮像システム２０４は、患者の乳房（単数または複数）の１つ以上の２Ｄおよび／またはトモシンセシスＸ線画像を生成するために用いられ得る。Ｘ線画像は、患者の個人情報と組み合わされ得（もしくは別様に関連付けられ得）、かつ／または医療施設の１つ以上の診療記録もしくは診療システムに格納され得る。

オペレーション５０４では、画像データの特徴が、識別され得る。ある局面では、画像データ（またはその一部）は、ＡＩ処理コンポーネント２０８および／または判断サポーター２１０などの入力処理コンポーネントに提供され得る。少なくとも一例では、入力処理コンポーネントは、例示的方法５００が実施されるＸ線撮像システムまたはデバイスに組み込まれ得る。画像データは、画像データが（例えばリアルタイムで）収集されているとき、画像データが収集された直後、または画像データが収集された後の任意の他の時間に入力処理コンポーネントに提供され得る。入力処理コンポーネントは、１つ以上のルールセット、アルゴリズムもしくは予測モデルを備え得るか、またはそれらへのアクセスを有し得る。入力処理コンポーネントは、画像データを評価し、画像データの１つ以上の特徴を識別し得る。画像の特徴は、形状の縁もしくは境界、関心点、ならびにブロブを含み得るが、それらに限定されない。特徴を識別することは、特徴検出および／または特徴抽出技法の使用を含み得る。特徴の値は、ＭＬ処理、正規化オペレーション、ビニングオペレーションおよび／もしくはベクトル化オペレーションなどの１つ以上の特徴化技法を用いてそれぞれの特徴に関して計算され得、かつ／またはそれらに割り当てられ得る。特徴の値は、特徴の数値表現、マージされたデータ内の特徴と一対にされた値、特徴に関する１つ以上の病患状態の指示などであり得る。

オペレーション５０６では、信頼度スコアが、画像の特徴に関して算出され得る。ある局面では、入力処理コンポーネント（またはそれに関連付けられたコンポーネント）は、識別された画像の特徴に関して計算された特徴の値を用い、信頼度スコアを生成し得る。信頼度スコアは、特定の特徴が事前定義された特徴または特徴のカテゴリー／分類に合致する確率を表現し得る。信頼度スコアを生成することは、ラベル付けされた特徴および／または特徴の値の組、既知のそれら、または事前定義されたそれらに対して、画像データの特徴および／または特徴の値を比較することを含み得る。例えば、受信された画像に関して、４つの関心点が、識別され、４つの関心点は、それぞれの特徴の値の組を割り当てられ得る。それぞれの特徴の値の組は、各々、既知の画像からの格納された特徴データと比較され得る。格納された特徴データは、様々な特徴の値を含み得、特徴または画像を分類するためにラベル付けされ得る。例えば、特徴データの組は、乳房の様々な異常、および／またはマンモグラムによる発見に関してリストアップされ得る。信頼度スコアは、受信された画像に関する特徴の値と、格納された特徴の値との間の合致または類似に基づいて生成され得る。ある局面では、信頼度スコアは、数値、非数値の（もしくは部分的に数値の）値、またはラベルであり得る。例えば、信頼度の値は、１から１０までのスケールにおける数値によって表現され得、「１」は、低い信頼度の合致を表現し得、「１０」は、高い信頼度の合致を表現し得る。このような例では、より高い信頼度の値は、受信された画像に関する特徴の値と、格納された特徴の値との間のより大きな数（またはパーセンテージ）の合致または類似を示し得る。

判断オペレーション５０８では、信頼度スコアが、閾値と比較され得る。ある局面では、入力処理コンポーネント（またはそれに関連付けられたコンポーネント）が、信頼度スコアを構成可能な信頼度の閾値と比較し得る。信頼度の閾値は、画像（または画像データ）が優先読み取りステータスを割り当てられる前に満たされる必要がある信頼度のレベルまたは超えられる必要がある信頼度のレベルを表現し得る。信頼度の閾値は、スクリーニングの陽性事例（例えば、がんが確認された事例）と、スクリーニングの陰性事例（例えば、がんが何も発見されなかった事例）との間の所望のバランスに基づいて選択され得る。例えば、具体例では、選択される信頼度の閾値は、事例の７０％がスクリーニングの陽性事例であり、事例の２０％ががん以外の異常を示しており、事例の１０％がスクリーニングの陰性事例である１０００の事例の組の識別をもたらし得る。スクリーニングの陽性事例の各々は、優先読み取りステータスを割り当てられ得る。選択される信頼度の閾値を増大させることによって、低減させられた事例の組が、選択され得る。例えば、事例の８０％がスクリーニングの陽性事例であり、事例の１５％ががん以外の異常を示しており、事例の５％がスクリーニングの陰性事例である７５０の事例の組が、識別され得る。あるいは、選択される閾値を減少させることによって、増大させられた事例の組が、選択され得る。例えば、事例の６０％がスクリーニングの陽性事例であり、事例の２５％ががん以外の異常を示しており、事例の１５％がスクリーニングの陰性事例である１，２５０の事例の組が、識別され得る。

いくつかの例では、信頼度の閾値は、手動で決定および構成され得る。例えば、ユーザは、入力処理コンポーネントのユーザインターフェースを用いて信頼度の閾値を選択または修正し得る。信頼度の閾値の選択は、様々な要因に基づき得る。例えば、具体的な診療施設に関連付けられたＸ線撮像システムの少なくとも一部に関して、十分な人数の放射線技師が診療施設に関係しているかどうか、またはどのくらい迅速に放射線技師が優先読み取りステータスを伴う事例をレビューすることが可能かに基づいて、信頼度の閾値は、選択され得る。他の例では、信頼度の閾値は、入力処理コンポーネントによって自動で、かつ／または動的に決定され得る。例えば、提案された医療パス、画像読み取り優先度などに関連するシステム２００の１つ以上のエンティティまたはコンポーネントからのフィードバックまたは出力は、入力処理コンポーネントからアクセス可能であり得る。フィードバック／出力は、技師、医師または放射線技師からの正確度のレイティングまたはコメントを含み得る。フィードバック／出力は、治療、レポート、患者ノートなどを追加で含み得る。フィードバック／出力に基づいて、入力処理コンポーネントは、閾値を修正し得、識別されるスクリーニングの陽性および／または陰性事例の数を増大または減少させ得る。

ある局面では、信頼度スコアが信頼度の閾値より下であることが決定された場合、フローは、オペレーション５１０に進む。オペレーション５１０では、受信された画像データは、標準レベルの優先度（例えば標準の優先レベル、低い優先レベルまたは非優先レベル）を割り当てられ得る。標準レベルの優先度は、受信された画像データが関連の医療従事者の通常の都合および／または仕事量によって評価されるべきであることを示し得る。例えば、画像データが標準レベルの優先度を割り当てられたとき、画像データは、画像読み取りキューに追加され得る。キュー内の画像データの位置（例えば画像データがキューに追加された順番）は、画像データの評価の順番を決定づけ得る。具体例として、先入れ先出し（ＦＩＦＯ）キューでは、受信された画像データに先立ってキューに追加された任意の標準優先度のデータアイテムが、受信された画像データの前に評価されるであろう。このような例では、スクリーニング対象者がまだスクリーニング施設にいるにもかかわらず画像データが評価されないことがある。

しかしながら、信頼度スコアが信頼度の閾値を満たしているかまたはそれを超えていることが決定された場合、フローはオペレーション５１２に進む。オペレーション５１２では、受信された画像データは、高レベルの優先度を割り当てられ得る。高レベルの優先度を割り当てることは、例えば画像データに関する医用デジタル撮像および通信（ＤＩＣＯＭ）のヘッダなどの画像データおよび／またはメタデータに１つ以上のインジケータを追加することを含み得る。例示的インジケータは、ラベル（例えば「高く優先」、「優先」など）、数値、強調、矢印もしくはポインタ、フォントもしくはスタイルの修正、日付／時間の値などを含み得る。ある局面では、高レベルの優先度は、受信された画像データが、優先された評価を受信するべきことを示し得る。一例として、画像データが高レベルの優先度を割り当てられたとき、画像データは、画像読み取りキューに追加され得る。高レベルの優先度に基づいて、画像データは、それより低い優先レベル、および／またはそれより遅くキューに入った時間／日付を有するキュー内の他のデータアイテムより先に評価され得る。別の例として、高レベルの優先度を割り当てられた画像データに関する優先度インジケータは、１つ以上の医療従事者に提示され得る。例えば、画像データへの高レベルの優先度の割り当て時、優先度インジケータおよび／または画像データは、Ｘ線撮像システムまたはデバイスのユーザインターフェースを用いて技師に提示され得る。少なくとも一例では、優先度インジケータおよび／または画像は、技師が画像データを（例えばリアルタイムで）収集しているとき技師に提示され得る。さらに別の例として、画像データが高レベルの優先度を割り当てられたとき、画像データ（またはその指示）は、１つ以上の宛先に送信され得る。例えば、放射線技師は、画像データの優先度の割り当てに関連付けられたメッセージ（例えば電子メール、テキスト、ボイスコールなど）を受信し得る。メッセージは、患者の現在の状態または位置、画像データに関する読み取り優先度、患者に関する現在および／もしくは過去の診療記録などの情報を含み得る。特定の例として、優先読み取りインジケータを含む画像データは、患者が現在診療施設内にいて画像データの読み取りを待っているという指示と共に放射線技師の画像レビューワークステーションに送られ得る。あるいは、画像データは、放射線技師のワークフローを管理するために用いられるソフトウェアアプリケーションまたはサービスに送られ得る。ソフトウェアアプリケーション／サービスは、即時評価を必要とする事例のワークリストを作成し、かつ／またはそれを割り当てるように構成され得る。このような例では、優先度高の読み取り指示は、スクリーニング対象者がまだスクリーニング施設にいる間に追跡撮像および他の行為が実施されることを可能にし得る。

図６Ａは、本明細書に記載の自動化された臨床ワークフローの判断に関連付けられた例示的ユーザインターフェース６００を図示している。ある例では、ユーザインターフェース６００は、技師がマンモグラフィ取得ワークステーション上で用いるソフトウェアを表現している。ソフトウェアは、乳房のスクリーニング検査中、Ｘ線撮像システム２０４などのＸ線撮像システムから画像を収集し、かつ／または乳房のスクリーニング検査中に収集された画像をレビューするために用いられ得る。ユーザインターフェース６００は、選択されたとき「分析」ダイアログをアクティブにするボタン６０２を備えている。

図６Ｂは、図６Ａのボタン６０２が選択されたとき表示される分析ダイアログ６１０を図示している。分析ダイアログ６１０は、ボタン６１２、分析結果セクション６１４および読み取り優先指示６１６を備えている。ある局面では、ボタン６１２が選択されたとき、画像評価ソフトウェアが、立ち上げられ、１つ以上の収集された画像が、図３および図４に記載の技法を用いて分析される。分析の結果として、分析結果セクション６１４は、読み取り優先指示６１６などのデータを少なくとも部分的に投入される。図６Ｂでは、読み取り優先指示６１６は、分析された画像（単数または複数）に関する読み取り優先度が「高い」ことを示している。「高い」読み取り優先度に基づいて、技師は、収集された画像（単数または複数）を放射線技師がレビューする間、スクリーニング対象者が施設に留まることを要求し得る。（例えばスクリーニング対象者が施設にいる間の）放射線技師によるこの即時レビューは、追跡の予約のためにスクリーニング対象者を呼び戻す必要性を軽減または解消し得る。

図７は、図１に記載の臨床ワークフローの判断を自動化する技法に関する例示的好適な動作環境を図示している。その最も基本的な構成では、動作環境７００は、典型的に、少なくとも１つの処理ユニット７０２およびメモリ７０４を含む。コンピューティングデバイスの精密な構成およびタイプに依存して、（本明細書内で開示される技法を実施するための命令を格納する）メモリ７０４は、揮発性（ＲＡＭなど）、不揮発性（ＲＯＭ、フラッシュメモリなど）またはそれら２種類のなんらかの組み合わせであり得る。この最も基本的な構成が、破線７０６によって図７内に図示されている。さらに、環境７００は、磁気もしくは光ディスクまたはテープを含むがそれらに限定されない記憶デバイス（取り外し可能７０８および／または取り外し不可能７１０）も含み得る。同様に、環境７００は、キーボード、マウス、ペン、音声入力などの入力デバイス（単数もしくは複数）７１４、ならびに／または、ディスプレイ、スピーカー、プリンターなどの出力デバイス（単数もしくは複数）７１６も有し得る。ＬＡＮ、ＷＡＮ、ポイントツーポイントなどの１つ以上の通信接続７１２も、環境内に含まれる。ある実施形態では、接続は、機器のポイントツーポイント通信、コネクション型通信、コネクションレス型通信などに対して動作可能であり得る。

動作環境７００は、典型的に、少なくともある形態のコンピュータ読み取り可能な媒体を含む。コンピュータ読み取り可能な媒体は、動作環境を備えた処理ユニット７０２または他のデバイスによってアクセスされ得る任意の使用可能な媒体であり得る。例として、限定ではなく、コンピュータ読み取り可能な媒体は、コンピュータ記憶媒体および通信媒体を備え得る。コンピュータ記憶媒体は、コンピュータ読み取り可能な命令、データ構造、プログラムモジュールまたは他のデータなどの情報の格納のための任意の方法または技術において実装される揮発性および不揮発性の取り外し可能な媒体ならびに取り外し不可能な媒体を含む。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）もしくは他の光学記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置もしくは他の磁気記憶デバイス、または所望の情報を格納するために用いられ得る任意の他の非一時的な媒体を含む。コンピュータ記憶媒体は、通信媒体を含まない。

通信媒体は、搬送波または他の伝送機構などの変調されたデータ信号内のコンピュータ読み取り可能な命令、データ構造、プログラムモジュールまたは他のデータを具現化し、任意の情報配信媒体を含む。用語「変調されたデータ信号」は、信号における情報をエンコードするような態様でその特性のうちの１つ以上を設定または変更された信号を意味する。例として、限定ではなく、通信媒体は、有線ネットワークもしくは直接有線接続などの有線媒体、ならびに、音響、ＲＦ、赤外線、マイクロ波および他の無線媒体などの無線媒体を含む。上記のものの任意の組み合わせも、コンピュータ読み取り可能な媒体の範囲内に含まれるべきである。

動作環境７００は、１つ以上のリモートコンピュータへの論理的な接続を用いてネットワーク化された環境内で動作する単一のコンピュータであり得る。リモートコンピュータは、パーソナルコンピュータ、サーバ、ルータ、ネットワークＰＣ、ピアデバイスまたは他の共通ネットワークのノードであり得、典型的に、上に記載の要素の多くまたは全てのみならず、そのように言及されていない他のものも含む。論理的な接続は、使用可能な通信媒体によってサポートされた任意の方法を含み得る。このようなネットワーク化された環境は、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ありふれている。

本明細書に記載の実施形態は、本明細書内で開示されるシステムおよび方法を実装および実施するためにソフトウェア、ハードウェア、またはソフトウェアとハードウェアとの組み合わせを用いて採用され得る。特定の機能を実施するものとして本開示全体を通して特定のデバイスが列挙されてきたが、当業者は、それらのデバイスが例示の目的のために提供されており、本明細書内で開示される機能性を実施するために他のデバイスも本開示の範囲から逸脱することなく採用され得ることを理解するであろう。

本開示は、可能な実施形態のうちのいくつかのみが示された付属の図面の参照を伴って本技術のいくつかの実施形態を記載している。しかしながら、他の側面が、多くの異なる形態において具現化され得、本明細書に記載の実施形態に限定されるものとして解釈されるべきでない。むしろ、それらの実施形態は、本開示が完璧かつ完全であり、可能な実施形態の範囲を当業者にことごとく伝えるように提供された。

特定の実施形態が本明細書に記載されているが、技術の範囲は、それらの特定の実施形態に限定されない。当業者は、本技術の範囲および精神内にある他の実施形態または改善点を認識するであろう。従って、特定の構造、行為または媒体は、例示的実施形態としてのみ開示される。技術の範囲は、以下の特許請求の範囲およびその中の任意の均等物によって定義される。

Claims (20)

1. システムであって、前記システムは、
   少なくとも１つのプロセッサと、
   該少なくとも１つのプロセッサに結合されたメモリと
   を備え、
   該メモリは、コンピュータ実行可能な命令を備え、該命令は、該少なくとも１つのプロセッサによって実行されると、方法を実施し、
   該方法は、
   １つ以上のデータソースから患者データを収集することと、
   該患者データの特徴を分析するために第一の人工知能（ＡＩ）アルゴリズムに該患者データを提供することと、
   該第一のＡＩアルゴリズムから第一の出力を受信することと、
   患者ケアに関する臨床ワークフローの判断を決定するために第二のＡＩアルゴリズムに該第一の出力を提供することと、
   該第二のＡＩアルゴリズムから第二の出力を受信することであって、該第二の出力は、自動化された患者ケア推奨を備えている、ことと、
   該自動化された患者ケア推奨を医療従事者に提供することと
   を含む、システム。
2. 前記患者データは、乳房のデジタル画像、患者の個人情報、または患者の履歴情報のうちの少なくとも１つを備えている、請求項１に記載のシステム。
3. 前記１つ以上のデータソースは、患者の訪問情報、患者の電子診療記録（ＥＭＲ）、病院情報システム（ＨＩＳ）記録、または医用撮像システムのうちの少なくとも１つを備えている、請求項１に記載のシステム。
4. 前記第一のＡＩアルゴリズムは、乳房の濃度のアセスメントを提供する、請求項１に記載のシステム。
5. 前記第一の出力は、乳房の濃度のカテゴリースコア、コンピュータ支援の検出マーカーの結果、放射線測定の特徴、または乳がんのリスクアセスメントの結果のうちの少なくとも１つを備えている、請求項１に記載のシステム。
6. 前記方法は、
   前記第一の出力の少なくとも一部を前記医療従事者に提供することと、
   初期患者ケア推奨を該医療従事者から受信することと、
   前記自動化された患者ケア推奨を用い、該初期患者ケア推奨を補完することと
   をさらに含む、請求項１に記載のシステム。
7. 前記方法は、
   第一の訪問中、１つ以上のデジタルマンモグラフィ画像を患者から収集することと、
   該１つ以上のデジタルマンモグラフィ画像を前記第一のＡＩアルゴリズムに提供し、前記第一の出力を発生させることと、
   該第一の出力を前記医療従事者に提供することと
   をさらに含み、
   該第一の出力は、該第一の訪問中、該医療従事者が該患者に対する１つ以上の診断処置を実施することを可能にする、請求項１に記載のシステム。
8. 補足情報が、患者ケアに関する臨床ワークフローの判断を決定するために前記第二のＡＩアルゴリズムにさらに提供され、該補足情報は、前記患者データ、診断レポートおよび臨床職能団体からの実践ガイドラインのうちの少なくとも１つを備えている、請求項１に記載のシステム。
9. 前記自動化された患者ケア推奨は、生検処置、化学療法、外科的介入、放射線療法、またはマンモグラフィ撮像処置のうちの少なくとも１つに関連する診断情報および推奨を備えている、請求項１に記載のシステム。
10. 臨床ワークフローの判断を自動化する方法であって、該方法は、
    １つ以上のデータソースから患者データを収集することと、
    該患者データの特徴を分析するために第一の人工知能（ＡＩ）コンポーネントに該患者データを提供することと、
    該第一のＡＩコンポーネントから第一の出力を受信することと、
    患者ケアに関する臨床ワークフローの判断を決定するために第二のＡＩコンポーネントに該第一の出力を提供することと、
    該第二のＡＩコンポーネントから第二の出力を受信することであって、該第二の出力は、自動化された患者ケア推奨を備えている、ことと、
    該自動化された患者ケア推奨を医療従事者に提供することと
    を含む、方法。
11. 前記患者データは、デジタルマンモグラフィ画像、患者の個人情報、または患者の履歴情報のうちの少なくとも１つを備えている、請求項１０に記載の方法。
12. 前記第一のＡＩコンポーネントは、患者の乳房の濃度のアセスメントを提供する、請求項１０に記載の方法。
13. 前記第一の出力は、乳房の組成のカテゴリースコア、コンピュータ支援の検出マーカーの結果、放射線測定の特徴、または乳がんのリスクアセスメントの結果のうちの少なくとも１つを備えている、請求項１０に記載の方法。
14. 前記第二のＡＩコンポーネントは、人工ニューラルネットワーク、サポートベクターマシン（ＳＶＭ）、線形強化モデル、またはランダムディシジョンフォレストのうちの少なくとも１つを実装している、請求項１０に記載の方法。
15. 前記方法は、
    前記第一の出力の少なくとも一部を前記医療従事者に提供することと、
    初期患者ケア推奨を該医療従事者から受信することと、
    前記自動化された患者ケア推奨を用い、該初期患者ケア推奨を補完することと
    をさらに含む、請求項１０に記載の方法。
16. 前記方法は、
    第一の訪問中、１つ以上のデジタルマンモグラフィ画像を患者から収集することと、
    該１つ以上のデジタルマンモグラフィ画像を前記第一のＡＩアルゴリズムに提供し、前記第一の出力を発生させることと、
    該第一の出力を前記医療従事者に提供することと
    をさらに含み、
    該第一の出力は、該第一の訪問中、該医療従事者が該患者に対する１つ以上の診断処置を実施することを可能にする、請求項１０に記載の方法。
17. 前記自動化された患者ケア推奨は、生検処置、化学療法、外科的介入、放射線療法、またはマンモグラフィ撮像処置のうちの少なくとも１つに関連する診断情報および推奨を備えている、請求項１０に記載の方法。
18. システムであって、前記システムは、
    少なくとも１つのプロセッサと、
    該少なくとも１つのプロセッサに結合されたメモリでと
    を備え、
    該メモリは、コンピュータ実行可能な命令を備え、該命令は、該少なくとも１つのプロセッサによって実行されると、方法を実施し、
    該方法は、
    １つ以上のデータソースから画像データを収集することと、
    該画像データを評価し、１つ以上の特徴を識別することと、
    該１つ以上の特徴に基づいて信頼度スコアを計算することと、
    該信頼度スコアを閾値と比較することと、
    該信頼度スコアが該閾値を超えているとき、高い評価優先度を該画像データに割り当てることと
    を含む、システム。
19. 信頼度スコアを計算することは、
    前記画像データを格納されたデータの組と比較し、該画像データと該格納されたデータの組との間の類似を識別することであって、該格納されたデータの組は、ラベル付けされた画像データを含む、ことと、
    該画像データと該格納されたデータの組との間に識別された類似の量、または該識別された類似間の合致の程度のうちの少なくとも１つに基づいて、該信頼度スコアを計算することと
    を含む、請求項１８に記載のシステム。
20. 前記高い評価優先度は、以前に受信された画像データの組が評価される前に前記画像データが評価されることを引き起こし、該以前に受信された画像データの組は、該画像データより低い評価優先度を有している、請求項１８に記載のシステム。

Images