JP7319301B2 - 異種医用データの優先順位付け及び提示のためのシステム及び方法 - Google Patents

Description

[0001] 患者の電子カルテ（ＥＭＲ）は、例えば、問題リスト、検査値、投薬リストや、病理報告書、画像診断報告書、及び手術報告書と共に、入退院記録を含むフリーテキスト文書などの多種多様な臨床データソースを含む。さまざまなデータソースからの使用可能なデータは、グラフィカルユーザインタフェース（ＧＵＩ）に表示される。しかしながら、1人の患者について記録される臨床データの量は、医療従事者の処理能力を凌駕する。ＧＵＩを介してユーザ（例えば、医師、看護師、医療技術者など）に提示される大量のデータは、時間がかかって非効率的なレビュープロセスをもたらす。さらに、利用可能なデータが大量にあるため、さまざまなデータソースからの情報が、最後に取得された及び／又は最近利用可能なデータが最初に現れた状態で表示されることがよくある。

この結果、ユーザは、最近利用可能になった患者データのみをレビューしたり、患者のカルテ内の選択されたデータソースを閲覧したりして、必要な情報を見逃す可能性がある。例えば、医療従事者は、最新の検査値しか確認せず、必要な薬剤又は病理報告書の結果を見逃す可能性がある。

[0002] 例示的な実施形態は、患者の医用データを読み出すステップであって、医用データは複数のデータソースからのデータを含む、ステップと、１つ又は複数のコードを含む推論結果及び推論トレイルを生成するために、医用データの表現型を決定するステップであって、推論トレイルは推論結果が決定された根拠を含む、ステップと、１つ又は複数のコードのそれぞれに関連性スコアを割り当てるステップと、１つ又は複数のコードのそれぞれの関連性スコアに基づいて、コードをランク付けするステップと、コードをランク順に表示するステップとを含む方法に関する。

[0003] 例示的な実施形態は、実行可能プログラムを記憶した非一時的コンピュータ可読記憶媒体と、プロセッサとを含み、プロセッサは、実行可能なプログラムを実行して、プロセッサに、複数のデータソースからのデータを含む、患者の医用データを読み出させ、１つ又は複数のコードを含む推論結果及び推論トレイルを生成するために、医用データの表現型を決定させ、推論トレイルは推論結果が決定された根拠を含み、１つ又は複数のコードのそれぞれに関連性スコアを割り当てさせ、１つ又は複数のコードのそれぞれの関連性スコアに基づいて、コードをランク付けさせ、ランク順にコードを表示させる、システムに関する。

[0004] 例示的な実施形態は、プロセッサによって実行可能な命令のセットを含む非一時的コンピュータ可読記憶媒体に関し、命令のセットは、プロセッサによって実行されると、プロセッサに、複数のデータソースからのデータを含む、患者の医用データを読み出す動作と、１つ又は複数のコードを含む推論結果及び推論トレイルを生成するために、医用データの表現型を決定する動作であって、推論トレイルは推論結果が決定された根拠を含む、動作と、１つ又は複数のコードのそれぞれに関連性スコアを割り当てる動作と、１つ又は複数のコードのそれぞれの関連性スコアに基づいて、コードをランク付けする動作と、ランク順にコードを表示する動作とを含む動作を実行させる。

[0005] 図１は、例示的な実施形態によるシステムの概略図を示す。 [0006] 図２は、例示的な実施形態による方法のフロー図を示す。 [0007] 図３は、図１のシステムの例示的な表現型決定エンジンによって提供される例示的な推論トレイルを示す表を示す。 [0008] 図４は、例示的な実施形態による、システム及び／又は方法のためのデータフローを示す図を示す。

[0009] 例示的な実施形態は、以下の説明及び添付の図面を参照してさらに理解することができ、同様の要素は、同じ参照番号で参照される。例示的な実施形態は、異種医用データソースからの情報に優先順位を付け、ユーザのワークフロー環境のコンテキストで、関連情報をユーザに提示するためのシステム及び方法に関する。関連する臨床データは、さまざまなデータソース間のナビゲーション性を向上させ、すべての関連する情報のレビューを確実にするユーザインターフェースを介してユーザに提示され、これにより、ユーザは、より正確な診断及び／又は分析、ならびに優れた患者治療を提供できる。当業者であれば、ユーザには、例えば、医師、看護師、医療技術者などを含む、任意のタイプの医療専門家が含まれることが理解されよう。また、当業者であれば、例示的な実施形態を使用して、さまざまな病院環境のいずれかにおけるさまざまな臨床データソースのいずれかからの情報に優先順位を付けることができることも理解されよう。

[0010] 図１に示されるように、本開示の例示的な実施形態によるシステム１００は、さまざまなデータソースからの情報に優先順位を付け、ユーザのワークフロー環境のコンテキストで、ユーザに最も関連する情報を提示する。システム１００は、プロセッサ１０２、ユーザインターフェース１０４、ディスプレイ１０６、及びメモリ１０８を含む。メモリ１０８は、患者の医療記録を記憶するデータベース１２０を含む。医療記録は、例えば、医用画像（例えば、ＭＲＩ、ＣＴ、ＣＲ超音波）、問題リスト、検査値、投薬リスト、ならびに入退院記録を含む文書及び病理報告書、画像診断報告書及び手術報告書などのさまざまなソースからの臨床データを含む。

[0011] プロセッサ１０２は、関連性スコアを医学コードに割り当てる関連性決定エンジン１１０と、フリーテキスト医用文書（例えば、画像診断報告書及び病理報告書）から概念を抽出する概念抽出エンジン１１２と、患者が特定の疾患又は状態を有するかどうかを決定するために臨床推論を適用する表現型決定エンジン１１４と、抽出された表現型情報を医療語彙にマッピングする概念マッピングエンジン１１６と、関連する医用データを取得し、関連する医用データに優先順位を付けるために適切なエンジンを適用するコントローラエンジン１１８とを含む。当業者であれば、エンジン１１０～１１８が、例えば、プロセッサ１０２によって実行されるコードのラインとして、プロセッサ１０２によって実行されるファームウェアとして、特定用途向け集積回路（ＡＳＩＣ）であるプロセッサ１０２の機能としてなど、プロセッサ１０２によって実装されることが理解されよう。

[0012] ユーザインターフェース１０４上で選択を行うことによって、例えば、医師、看護師、医療技術者などを含む医療従事者を含むユーザは、優先順位付け及び関連性ランク付けプロセスを開始し、及び／又は、選択を行って、ディスプレイ１０６上でユーザに提示される優先順位付けされたリストから、データをレビューする／見る。ユーザはまた、例えば、ＥＭＲインターフェースを含むユーザインターフェース１０４を介して、上述のエンジン１１０～１１８のパラメータを編集及び／又は設定する。

[0013] 図２は、上述のシステム１００を使用して、異種医用データソースからの情報に優先順位を付け、ユーザのワークフロー環境のコンテキストで、ユーザに関連する情報を提示するための例示的な方法２００を示す。方法２００は、以下でさらに詳細に説明されるように、イベント又はユーザを介して開始又はトリガされたときに、コントローラエンジン１１８によって実行される。

[0014] ステップ２１０において、例えば、データベースコールを使用して、患者に関する医用データがデータベース１２０から読み出される。データは、コンテキストトリガに応答して読み出されてもよい。例えば、放射線科では、ユーザによって読影又はレビューされなければならない画像（例えば、ＭＲＩ、ＣＴ、ＣＲ、超音波）の取得が、データの読み出しをトリガし、これにより、ユーザは、他の関連情報に基づいて、画像の情報に基づく分析を行える。別の例では、がん科では、ユーザは、患者の診察を行うときに読み出しを開始する。さらに別の例では、心臓科では、ユーザは、手術のための患者準備を行うときに読み出しを開始する。当業者であれば、患者記録からのデータの読み出しは、ユーザインターフェースを介して選択及び／又は入力されるさまざまなコンテキストトリガのいずれかに応答して開始されることが理解されよう。

[0015] ステップ２２０において、ステップ２１０において読み出された、例えば画像診断報告書、病理報告書、及び手術報告書などのフリーテキスト医用データソースが、概念抽出エンジン１１２に送信される。概念抽出エンジン１１２は、自然言語を処理し、自然言語からオントロジ概念を抽出する技法を適用する。１つの例示的な実施形態では、概念抽出エンジン１１２は、標準文書がどのように構成されているかについての知識を有する。例えば、画像診断報告書は、技術、病歴、比較、所見、結論などの特定のセクションを含む。場合によっては、所見の部分は、解剖学的構造によって小区分される。同様に、概念抽出エンジン１１２は、病理報告書及び手術ノートなどの他のフリーテキスト文書がどのように構成されているかについての知識へのアクセスを有し、これにより、概念抽出エンジン１１２は、レビューされている報告書の特定のセクションから概念を抽出する。

[0016] 概念抽出エンジン１１２は、文境界検出及び／又はフレーズ検出アルゴリズムを適用して、テキストを品詞アルゴリズムに従って分類される文又はフレーズに分割する。１つの例示的な実施形態では、自然言語からの要素（例えば、フレーズ）は、医療語彙からの概念に対してマッチングされて、医学コードのリストが生成される。医学概念は、例えば、ＳＮＯＭＥＤ（Systematic Nomenclature of Medicine：国際医療用語集）又はＩＣＤ（International Classification of Diseases：国際疾病分類）などの一般に認められている医学オントロジからのコードを含む。互いに関連する抽出された概念間に関係をつなげ、各関係は、例えば、概念Ｘは概念Ｙの部位である（concept X is_site_of concept Y）（ここで、Ｘは、解剖学的概念）などの標準化された意味解釈を有する。特定の実施形態では、抽出された概念ごとに、それが現れるコンテキストにおいて否定されるかどうか、又はそれが確実性修飾子の対象であるかどうかが決定される。

[0017] ステップ２３０において、表現型決定エンジン１１４は、ステップ２２０において抽出された概念及びステップ２１０において読み出された他のデータに、臨床的推論を適用して、患者が特定の疾患又は状態を有するかどうかを決定する。表現型決定エンジンの結果は、１つ又は複数の概念又はコードとしてコード化される。１つの例示的な実施形態では、表現型決定エンジン１１４は、検出可能な状態又は疾患ごとに異なるモジュールを実行する。各モジュールは、例えば、１つ又は複数のＥＭＲデータソースにアクセスして、患者が特定の状態又は疾患を有するかどうかを決定するルールである。別の例では、モジュールは、機械学習又は統計的モデリングに基づく複雑な推論メカニズムであってもよい。例えば、糖尿病の表現型決定ルールは、以下のようにデータソースを参照する。
（ａ）問題リストに糖尿病のコードが含まれているか？
（ｂ）検査値に７％を超えるＡ１ｃ値が含まれているか？
（ｃ）投薬リストにインスリン薬が入っているか？
裏付けになる（サポート）証拠が上述のデータソースのいずれかに見出される場合、このルールは、真（ＴＲＵＥ）を返すことができ、患者が糖尿病であることを示す。当業者であれば、この表現型決定ルールは、例示に過ぎず、他のデータソースと共に、より複雑なブール組合せ又は重み付き推論を適用できることが理解されよう。

[0018] 表現型決定エンジン１１４は、図３の表に示されるような推論トレイル（reasoning trail）を提供する。推論トレイルは、例えば、元のデータソース、元のデータソースからの有意味フラグメント、有意味フラグメント内のサポート証拠、推論ダイアログ（例えば、サポート証拠やそれが推論プロセスにおいてどのように使用されているかを明記するステートメント）、及び推論結果などの情報を含む。図３に示される推論トレイルは、上述したように、患者が糖尿病であるかどうかを決定するための単純なルールベースの推論であるが、当業者であれば、例えば、ブール組み合わせ推論、重み付き証拠、又は例えば、機械学習技術を使用して作成されるより複雑な決定方法を使用する場合は、サポート証拠、推論ダイアログ、及び推論結果が、２つ以上のデータソースに基づき得ることが理解されよう。例示的な実施形態は、患者が糖尿病であるかどうかを決定するための特定の表現型決定モジュールを具体的に示し、説明するが、当業者であれば、表現型決定エンジン１１４は、任意の数の表現型決定モジュールを含み、その各々が患者が特定の状態又は疾患を有するかどうかを決定できることが理解されよう。

[0019] 前述のように、表現型決定エンジンの推論結果は、２つ以上の概念又はコードに従ってコード化される。表現型決定エンジンによって生成された概念／コードのうちの１つ又は複数が、関連性決定エンジン１１０によって利用される語彙又はオントロジと一致していない場合、概念マッピングエンジン１１６は、ステップ２４０において、１つのオントロジから別のオントロジに概念／コードをマッピングする。例えば、概念マッピングエンジン１１６は、ＳＮＯＭＥＤをＩＣＤにマッピングするマッピングテーブルを含む。しかしながら、すべての概念／コードが同じオントロジにある場合、方法２００は、ステップ２３０からステップ２５０に直接進む。

[0020] ステップ２５０において、表現型決定エンジン１１４によって生成され、及び／又は、概念マッピングエンジン１１６によってマッピングされた概念／コードのそれぞれの関連性が、関連性決定エンジン１１０によって決定される。関連性決定エンジン１１０は、上記で抽出された概念／コードの各々に関連性スコアを割り当てる。関連性スコアは、マッピングテーブルを介してマッピングされる。一実施形態では、関連性決定エンジン１１０は、コンテキストに固有である。例えば、関連性決定エンジン１１０は、認識されたコンテキストごとに別個のテーブルを含む。放射線学の分野では、例えば、関連するコンテキストは、放射線検査が解釈される断面、例えば、腹部、神経、胸部などによって決定される。関連するコンテキストはまた、例えば、腹部ＣＴ及び神経ＭＲなどの断面－モダリティの組み合わせによって定義される放射線検査のより粒度の細かい断面によって決定されてもよい。コンテキストは、コントローラエンジン１１８によって決定される。

[0021] １つの例示的な実施形態では、コードの関連性スコアは、他のコードの存在に条件付きで依存する。例えば、患者が既知の糖尿病患者である場合、感染症の有無は、非糖尿病患者よりも顕著である。この実施形態では、重み係数Ｗ_Ｃ，Ｄを付与して、コードＣの関連性スコアを調整する。ここで、Ｄのコードは、患者の疾患状態に適用することが知られており、Ｄは、コードのセットである。したがって、所与のコンテキスト（例えば、腹部ＣＴ）において、コードＣが、Ｒの関連性を有する場合、同じコンテキストにおける調整された関連性スコアは、Ｒ×Ｗ_Ｃ，Ｄである。重み係数Ｗ_Ｃ，Ｄは、Ｃ及びＤのすべての関連する組み合わせがリストされたルックアップテーブルに基づいている。Ｅが、ある患者の既知のコードのセットである場合、ルックアップテーブル内のすべてのエントリの中からＥの最大のサブセットであるエントリＤについてルックアップテーブルが検索される。Ｄに複数のエントリがある状況では、ルールがある。例えば、最も高い調整重みＷ_Ｃ，Ｄを有するエントリＤが選択される。しかしながら、組み合わせが未知である場合、例えば、１のデフォルト調整重みが付与される。すなわち、調整はない。

[0022] ルックアップテーブルのサイズを制限し、関連性決定エンジン１１０が計算上扱いにくくなるのを防止するために、セットＤのサイズは、例えば１に制限され、これにより、ルックアップテーブルは、Ｎ^２の最大サイズを有し、ここで、Ｎは、バックグラウンドオントロジにおけるコード数である。別の実施形態では、既知のコードのセットＤは「先祖の下で閉じられる（closed under ancestors）」。言い換えると、Ｄのコードのすべての先祖コードが、調整重みについてルックアップテーブルを検索する前に、それに追加される。例えば、コードＥ１１．２１（「糖尿病性腎症を伴う２型糖尿病」）がＤにある場合、コードＥ１１．２（「腎合併症を伴う２型糖尿病」）及びＥ１１（「２型糖尿病」）が追加される。セットＤのサイズは、閉包演算の結果として増大するが、調整重みは、より高いレベルで指定される。例えば、Ｅ１１下のすべての２型糖尿病コードが１つのエントリとして指定され、これにより、ルックアップテーブルがより短くされ、より管理しやすくなる。さらに別の実施形態では、調整重みは、既知のコードのセットＤだけでなく、消費のコンテキスト（例えば、腹部ＣＴ）にも依存する。当業者であれば、この実施形態は、コードのより固有の組合せ、及びより長いルックアップテーブルをもたらすことが理解されよう。しかしながら、すべての実施形態について、関連性決定エンジン１１０のルックアップテーブルは、手動で構成され、編集されてもよい。

[0023] ステップ２６０において、コントローラエンジン１１８は、ステップ２５０において決定された関連性スコアによってコードをランク付けする。ステップ２７０において、ランク付けされたコードが、ランク順にディスプレイ１０６に表示される。ディスプレイ１０６は、関連性の所定の閾値を用いて、十分に関連性のないコードをフィルタリング除去することによって、優先順位が付けられたコードのリストを表示する。表示されたコードは、関連性によって及び／又はソース（例えば、研究室、問題リストなど）によって色分けされてもよい。あるいは又はさらに、ディスプレイ１０６は、所定数のコードしか表示しなくてもよい。しかしながら、ユーザインターフェース１０４は、より多くのコード、例えば次の最も関連性の高いコードのセットを表示するように選択されるオプションを含んでもよい。

[0024] ディスプレイ１０６に表示されるランク付けされた及び／又は優先順位付けされたリストに基づいて、ユーザは、特定のコードを選択して、コードが抽出された元のデータソースを見る。コードを選択すると、コードを生成した推論トレイルが表示されてもよい。ユーザはまた、必要に応じて、表示されたコードをフィルタリングしてもよい。例えば、ユーザは、コードをフィルタリングして、一部の選択されたソースからのコードのみを表示する。

[0025] 図４は、本開示の例示的な実施形態によるデータフローの図を示す。方法２００に関して上述したように、異種ソースからのＥＭＲデータは、表現型決定エンジン１１４に送信され、推論トレイル及び結果が生成される。表現型決定エンジン１１４に送信されるデータは、概念抽出エンジン１１２によってフリーテキスト文書から抽出された概念を含む。表現型決定エンジン１１４によって概念／コードが抽出されると、データは任意選択で概念マッピングエンジンに送信されて、概念／コードは、１つの医学的オントロジから、関連性決定エンジン１１０によって利用される別の医学的オントロジに変換される。次に、関連性決定エンジン１１０は、（コンテキスト固有の）関連性スコアをコードの各々に割り当て、これにより、ランク付けされた及び／又は優先順位付けされたコードのリストが、ユーザインターフェース１０４を介してディスプレイ１０６上でユーザに表示される。

[0026] 当業者であれば、上記の例示的な実施形態が別個のソフトウェアモジュールとして、ハードウェアとソフトウェアとの組み合わせとしてなどを含む、任意の数のやり方で実装できることが理解されよう。例えば、関連性決定エンジン１１０、概念抽出エンジン１１２、表現型決定エンジン１１４、概念マッピングエンジン１１６、及びコントローラエンジン１１８は、コンパイルされたときにプロセッサ１０２上で実行され得るコードのラインを含むプログラムであり得る。

[0027] 当業者であれば、開示の精神又は範囲から逸脱することなく、開示された例示的な実施形態及び方法ならびに代替形態にさまざまな修正を行うことができることが明らかであろう。したがって、本開示は、添付の特許請求の範囲及びそれらの均等物の範囲内に入るという条件で、修正形態及び変形形態を包含することが意図される。

Claims (17)

1. プロセッサのコントローラエンジンが、患者の医用データを読み出すステップであって、前記医用データは複数のデータソースからのデータを含む、ステップと、
   前記プロセッサの概念抽出エンジンが、自然言語を処理することによって、フリーテキスト文書を含む前記患者の前記医用データからオントロジ／医学概念を抽出するステップと、
   前記プロセッサの表現型決定エンジンが、１つ又は複数のコード／概念を含む推論結果及び推論トレイルを生成するために、前記患者の前記医用データ及び前記オントロジ／医学概念の表現型を決定し、前記１つ又は複数のコード／概念を、所定の医学オントロジに変換するステップであって、前記推論トレイルは前記推論結果が決定された根拠を含む、ステップと、
   前記プロセッサの概念マッピングエンジンが、１つのオントロジから別のオントロジに、概念／コードを医療語彙若しくはオントロジにマッピングし、次の割り当てるステップに進むか、又は、すべての前記１つ若しくは複数の概念／コードが同じオントロジにある場合、前記次の割り当てるステップに直接進む、ステップと、
   前記プロセッサの関連性決定エンジンが、前記１つ又は複数のコード／概念のそれぞれに関連性スコアを割り当てるステップと、
   前記コントローラエンジンが、前記１つ又は複数のコード／概念のそれぞれの前記関連性スコアに基づいて、前記コード／概念をランク付けするステップと、
   前記コード／概念をランク順に表示するステップと、
   を含む、方法。
2. 所定の閾値を超える関連性スコアを有する前記コードのみが表示されるように、ランク付けされた前記コードをフィルタリングするステップをさらに含む、請求項１に記載の方法。
3. 前記複数のデータソースは、検査結果、問題リスト、投薬リスト、画像診断報告書、病理報告書、手術報告書、及び入退院記録のうちの１つを含む、請求項１に記載の方法。
4. 前記関連性スコアを割り当てるステップは、前記推論結果によって生成された前記１つ又は複数のコード内の第２のコードの存在に基づいて、重み係数を付与するステップを含む、請求項１に記載の方法。
5. 前記重み係数は、コードの関連する組み合わせを含むルックアップテーブルに基づいている、請求項４に記載の方法。
6. 前記１つ又は複数のコードは、ＳＮＯＭＥＤ及びＩＣＤのうちの１つを含む、認められている医学オントロジに基づく医学コードである、請求項１に記載の方法。
7. 前記コードをランク順に表示するステップは、所定数のコードを表示するステップを含む、請求項１に記載の方法。
8. 表示された前記コードのリストに基づくユーザ入力を受信するステップをさらに含む、請求項１に記載の方法。
9. 前記ユーザ入力は、表示された前記コードのうちの１つを選択して、前記コードの元のデータソース及び前記コードの前記推論トレイルのうちの１つを表示する、請求項８に記載の方法。
10. 前記ユーザ入力は、表示された前記コードをフィルタリングして、選択されたデータソースからコードを表示する、請求項８に記載の方法。
11. 前記１つ又は複数のコードのそれぞれに前記関連性スコアを割り当てるステップは、ユーザのワークフローのコンテキストに対する前記１つ又は複数のコードのそれぞれの関連性を決定するステップを含む、請求項１に記載の方法。
12. 実行可能プログラムを記憶する非一時的コンピュータ可読記憶媒体と、
    プロセッサと、
    を含み、
    前記プロセッサに、
    複数のデータソースからのデータを含む、患者の医用データを読み出させ、
    自然言語を処理することによって、フリーテキスト文書を含む前記患者の前記医用データからオントロジ／医学概念を抽出させ、
    １つ又は複数のコード／概念を含む推論結果及び推論トレイルを生成するために、前記患者の前記医用データ及び前記オントロジ／医学概念の表現型を決定させ、前記推論トレイルは前記推論結果が決定された根拠を含み、
    すべての前記１つ又は複数の概念／コードが同じオントロジにない場合、１つのオントロジから別のオントロジに、概念／コードを医療語彙又はオントロジにマッピングさせ、
    前記１つ又は複数のコード／概念のそれぞれに関連性スコアを割り当てさせ、
    前記１つ又は複数のコード／概念のそれぞれの前記関連性スコアに基づいて、前記コード／概念をランク付けさせ、
    前記コード／概念をランク順に表示させる
    ための前記実行可能プログラムを、前記プロセッサは実行する、システム。
13. 所定の閾値を超える関連性スコアを有する前記コードのみが表示されるように、前記プロセッサに、ランク付けされた前記コードをフィルタリングさせるための前記実行可能プログラムを、前記プロセッサが実行する、請求項１２に記載のシステム。
14. 前記関連性スコアを割り当てることは、前記推論結果によって生成された前記１つ又は複数のコード内の第２のコードの存在に基づいて、重み係数を付与することを含む、請求項１２に記載のシステム。
15. 前記プロセッサに、表示された前記コードのリストに基づくユーザ入力を受信させるための前記実行可能プログラムを、前記プロセッサが実行する、請求項１２に記載のシステム。
16. 前記ユーザ入力は、（ａ）表示された前記コードの１つを選択して、前記コードの元のデータソース及び前記コードの前記推論トレイルのうちの１つを表示するか、又は、（ｂ）表示された前記コードをフィルタリングして、選択されたデータソースからのコードを表示する、請求項１５に記載のシステム。
17. 前記１つ又は複数のコードのそれぞれに前記関連性スコアを割り当てることは、ユーザのワークフローのコンテキストに対する前記１つ又は複数のコードのそれぞれの関連性を決定することを含む、請求項１５に記載のシステム。

Images