KR20050085711A - 데이터 저장소와의 상호작용 제어방법 및 제어 시스템과,컴퓨터 - Google Patents

데이터 저장소와의 상호작용 제어방법 및 제어 시스템과,컴퓨터 Download PDF

Info

Publication number
KR20050085711A
KR20050085711A KR1020057011138A KR20057011138A KR20050085711A KR 20050085711 A KR20050085711 A KR 20050085711A KR 1020057011138 A KR1020057011138 A KR 1020057011138A KR 20057011138 A KR20057011138 A KR 20057011138A KR 20050085711 A KR20050085711 A KR 20050085711A
Authority
KR
South Korea
Prior art keywords
data
client
patient
knowledge base
access
Prior art date
Application number
KR1020057011138A
Other languages
English (en)
Inventor
존 엠 사볼
고팔 비 아비나쉬
매튜 제이 워커
Original Assignee
지이 메디컬 시스템즈 글로발 테크놀러지 캄파니 엘엘씨
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 지이 메디컬 시스템즈 글로발 테크놀러지 캄파니 엘엘씨 filed Critical 지이 메디컬 시스템즈 글로발 테크놀러지 캄파니 엘엘씨
Publication of KR20050085711A publication Critical patent/KR20050085711A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • 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
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Bioethics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

의료관련 데이터의 집적된 지식 베이스는 사용자-특정, 기능-특정, 및 이와 유사한 베이스에 데이터를 제공하기 위하여 다양한 사용자 및 리소스에 의해 억세스된다. 상기 집적된 지식 베이스는 사용자 및 리소스와 마찬가지로, 상이한 위치 범위에 물리적으로 배치된다. 사용자 확인, 사용자 형태, 사용자 기능, 사용자 환경 등과 같은 요소에 기초하여, 시스템은 집적된 지식 베이스와의 특별적용된 인터페이스를 제공한다. 이와 마찬가지로, 제어된 억세스는 이와 유사한 베이스에 제공되므로, 집적된 지식 베이스의 데이터나 기능의 전부가 아닌 일부는 특정 사용자에게 제공된다. 진단 설비 및 시스템 등과 같은 리소스와의 인터페이싱도 제공되며, 이와 마찬가지로 맞춰지고 억세스제어된다.

Description

데이터 저장소와의 상호작용 제어방법 및 제어 시스템과, 컴퓨터{INTEGRATED MEDICAL KNOWLEDGE BASE INTERFACE SYSTEM AND METHOD}
본 발명은 의료 데이터의 처리, 획득 및 분석에 관한 것이다. 특히, 본 발명은 진단, 치료, 또 다른 데이터 처리, 획득 및 분석과 연관된 결정을 알려주기 위해, 사용가능한 광범위한 의료 데이터를 인출하기 위한 기법에 관한 것이다.
의료분야에서는 환자 상태를 관찰하고 이를 치료하기 위하여 수많은 상이한 도구들이 사용되고 있다. 전통적으로, 의사는 환자가 경험한 문제와 상태를 인식하고, 적절한 치료를 결정하기 위하여, 환자를 물리적으로 검사하고, 수년간의 연구로부터 수집한 광범위한 개인 지식의 어레이로부터 결정을 내린다. 지지 정보의 소스는 전통적으로 다른 개업의사, 참고서 및 매뉴얼, 직접적인 검사 결과 및 분석 등을 포함한다. 과거 수십년간, 특히 최근 몇년동안에, 허용가능한 리소스를 상당히 확장시키고 환자 보호를 강화 및 개선시키는 또 다른 기준 재료의 광범위한 어레이가 개업의사에게 유용하게 되었다.
의사 및 기타 관리자에게 현재 유용한 진단 리소스중에서는 설명 및 제어될 수 있는 소스와 마찬가지로 정보의 데이터베이스를 예로 들 수 있다. 종래 참고도서류와는 다소 상이한 데이터베이스는 많은 리소스로부터 유용하며, 의사에게 가능한 질병상태에 대한 상세한 정보와, 이러한 정보를 인식하는 방법과, 잠깐동안에 상태의 치료를 제공한다. 물론, 약 상호작용에 대한 이해와, 질병 및 의료사건의 소인 등을 인식할 수 있는 유사한 참고 물질도 유용하다. 이러한 참고 물질들은 의료관계자에게는 비용이 소요되지 않는 유용한 것이며, 기타 다른 것들은 일반적으로 구독신청이나 회원 가입 등과 연관이 있다.
잠재적인 물리적 상태 및 의료 이벤트를 조사하고 잠재적 의료문제의 소스를 정확히 지적하도록 설명 및 제어될 수 있는 특정 데이터 획득 기법 또한 공지되어 있다. 전통적으로 규정가능한 데이터 소스는 간단한 혈액 검사, 소변 검사, 신체검사의 수동기록된 결과물 등을 포함한다. 최근 수십년간, 다양한 형태의 전기 데이터 획득장치를 포함하는 더욱 복잡한 기법이 개발되었는데; 이러한 획득장치는 인체 시스템의 작동과, 자극 및 상황에 대한 이러한 시스템의 응답을 어느 정도 검출 및 기록하고 있다. 심지어 외과적 수술을 통해서만 관찰 및 분석될 수 있었던 내부 특징을 포함하여 인체의 영상을 제공하는 더욱 복잡한 시스템이 개발되어, 그 어떤 방법으로도 볼 수 없었던 내부 특징부 및 기능부를 관찰하고 이를 분석할 수 있게 되었다. 이러한 모든 기법은 의사에게 유용한 광범위한 리소스 어레이로 부가되었으며, 의료 보호의 품질을 상당히 개선시켜왔다.
의료와 연관된 정보 소스의 극적인 증가 및 개선에도 불구하고, 테스트 및 데이터의 규정 및 분석과, 진단과, 의료 이벤트의 치료는 아직도 의료관계자의 숙련도에 상당히 의존하고 있다. 이러한 상황에서는 인간 경험에 의해 제공된 판단 및 입력으로 대체될 수 없다. 그러나, 의료 정보 소스의 계속적인 개선 및 집적이 필요하다. 정통한 진단과 분석을 다소 자동화된 형태로 허용하기 위한 시도가 이루어졌지만, 이러한 시도로는 신속하고 효과적인 환자 치료에 가장 유용한 집적 및 상호관계의 수준까지는 접근할 수 없었다.
의료와 연관된 별개의 다량의 데이터에 대한 집적은 종래 기술에서는 접근하지 않았던 도전과 특정한 문제를 유발시키고 있다. 실제로, 다량의 상이한 별개의 데이터 세트에 대한 인터페이싱과 코디네이팅 접근은 과거에는 간단하게 접근할 수 없었는데, 그 이유는 의료관련 데이터의 높은 레벨의 집적은 독특한 인터페이싱 접근을 필요로 할 정도로 도움이 되지 않았기 때문이다.
다량의 의료관련 데이터가 유용하게 되었을 때 파생되는 특정한 도전은 데이터와 접근 이슈의 목록을 작성 및 저장하는 시스템과 사용자 사이의 인터페이스에 영향을 미친다. 다수의 사용자가 특정한 데이터 포인트를 필요로 하거나 또는 이를 사용하고 있지만; 모든 사용자가 데이터, 데이터의 처리, 또는 데이터 포인트들 사이의 상관관계에 비슷한 관심을 갖는 것은 아니다. 다양한 의료관련 분야에서, 사용자는 환자 자신은 말할 것도 없고 의료기관, 방사선과, 의사, 정부기관, 고용주, 보험회사 등과 같은 별개의 개인 및 실체를 포함한다. 그러나, 의미심장하게도, 접근 레벨이 허용되어야 하는 것처럼, 인터페이스는 특정 사용자에게 적용되어야 한다.
따라서, 사용자를 위해 가장 유용한 형태의 상호작용 인터페이스 및 원하는 기능을 제공하면서, 사용자로 하여금 집적된 발췌 데이터 저장소의 광대한 리소스에 접근할 수 있게 하는 개선된 인터페이싱 접근이 요망되고 있다. 이와 마찬가지로, 특정 사용자는 환자 특정 베이시스에서 다양한 형태의 정보에 접근할 수 있는 권리를 갖고 있지 않다. 이 경우, 저장소내의 모든 데이터로의 자유로운 접근은 부적절하며, 이러한 리소스로의 접근의 신중한 할당이 필요하다. 마찬가지로, 발췌된 데이터는 인간이나 장치 리소스를 포함할 뿐만 아니라, 다양한 리소스로부터 접근되거나 또는 다양한 리소스에 의해 제공되는 데이터를 포함하며; 데이터, 저장소, 및 실행된 분석의 집적을 보장하기 위해 상기 데이터의 교환이 양호하게 조화된다.
발명의 요약
본 발명은 이러한 요구에 부응하도록 설계된 의료관련 데이터의 집적된 지식 기반의 인터페이싱 및 억세스에 대한 접근을 제공한다. 본 발명의 특징에 따르면, 의료관련 데이터의 저장소와의 상호작용을 제어하는 방법이 제공되며; 이러한 방법은 의뢰인의 다수의 특징을 나타내는 데이터를 수신하는 단계와, 의뢰인-특정 인터페이스를 인식하기 위해 데이터를 세밀히 조사하는 단계를 포함한다. 그후, 그다지 중요하지 않은 데이터와, 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 임상 데이터를 포함하는 집적된 지식 베이스로 접근하기 위해, 상기 의뢰인-특정 인터페이스가 의뢰인에게 제공된다.
본 발명의 다른 특징에 따르면, 의료관련 데이터의 저장소와의 상호작용을 제어하는 방법은 의뢰인의 다수의 특징을 나타내는 데이터를 수신하는 단계와; 의뢰인-특정 인터페이스를 인식하기 위해, 또한 그다지 중요하지 않은 데이터와 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 임상 데이터를 포함하는 집적된 지식 베이스에 대해 의뢰인에게 허여된 억세스 레벨을 인식하기 위해, 상기 데이터를 세밀히 조사하는 단계를 포함한다. 그후, 인식된 레벨로 집적된 지식 베이스로의 억세스를 위해, 의뢰인-특정 인터페이스는 의뢰인에게 제공된다.
본 발명의 또 다른 특징에 따르면, 의료관련 데이터의 저장소와의 상호작용을 제어하는 방법은 그다지 중요하지 않은 데이터와 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 임상 데이터를 포함하는 집적된 지식 베이스에 대한 다수의 억세스 레벨과, 다수의 의뢰인-특정 인터페이스를 한정하는 단계와; 의뢰인의 다수의 특징을 나타내는 데이터를 수신하는 단계와; 의뢰인-특정 인터페이스를 인식하기 위해, 또한 의뢰인에게 허여된 지식 베이스에 대한 억세스 레벨을 인식하기 위해 상기 데이터를 세밀히 조사하는 단계를 포함한다. 그후, 의뢰인-특정 인터페이스는 인식된 레벨에서 집적된 지식 베이스에 대한 억세스를 위하여 의뢰인에게 제공되며, 환자-특정 임상 데이터의 환자 주제에 의해 상기 인터페이스 및 억세스 레벨이 설정된다.
본 발명은 이와 유사한 처리를 실행하기 위한 시스템 및 컴퓨터 프로그램을 제공한다.
본 발명은 이러한 강화된 주의관찰을 제공하도록 설계된 의료 데이터를 취급하는 신규한 기법을 제공한다. 이러한 기법은 집적된 지식 베이스에 포함되는 것으로 여겨지는, 유용한 의료 데이터의 전체 범위에 걸쳐 인출된다. 상기 집적된 지식 베이스 자체는 데이터 리소스와 기타 다른 제어가능하고 규정가능한 리소스로 분석가능하게 다시 분할된다. 상기 데이터 리소스는 환자-특정, 모집단-특정, 상태-특정, 또는 물리적 요소와 유전학적 요소 및 재무적 요소와 경제적 요소등을 포함하는 여러 요소들의 집단 등을 포함한다. 상기 제어가능하고 규정가능한 리소스는 유용한 의료 데이터 획득 시스템을 포함하는데; 이러한 시스템에는 전기 시스템, 영상 시스템, 환자 및 조직의 인간 및 장치 분석에 기초한 시스템 등이 포함된다. 이러한 데이터에 기초하여, 일반적인 처리 시스템을 한정하는 컴퓨터 시스템의 네트웍 등에 의해 실행된 루틴은 잠재적 의료 이벤트를 인식 및 진단한다. 또한, 이러한 처리 시스템은 단기간에 부가의 또는 상이한 형태의 데이터와, 연장된 시간 주기에 대해 동일하거나 상이한 형태의 데이터를 포함하여; 제어가능하고 규정가능한 리소스로부터 부가의 데이터 획득을 규정한다.
논리 엔진에 유용한 의료 데이터의 분석은 수많은 목적을 위해 사용되는데, 그중에서도 첫번째로 의료 이벤트의 진단 및 치료를 위해 사용된다. 따라서, 질병 상태에 대해 훨씬 신속하고 세련된 인식과, 의료 조건과, 미래 상태 및 이벤트에 대한 소인 등에 의해 환자 보호가 개선될 수 있다. 또한, 상기 시스템은 가장 우선사항이거나 가장 중요한 경향을 띄는 의료 이벤트나 상태 등과 같은 요소에 기초하여, 훨씬 신속하고, 세련되고, 적중되고, 효과적인 데이터 획득을 허용한다. 그러나, 이러한 시스템은 다른 용도로도 사용될 수 있다. 예를 들어, 시간에 따라 얻어지거나 또는 시간에 따르도록 프로그램된 지식에 기초하여, 상기 시스템은 개업의사의 숙련도를 연마하는데 유용한 트레이닝 도구를 제공한다. 이와 마찬가지로, 상기 시스템은 가장 정통한 의료관계자 및 가장 적절한 정보 수집 시스템을 간단히 사용할 수 없는 상황이나 지역에서 고품질의 의료 보호를 제공하는데 상당한 편리를 부여한다.
요약하면, 이러한 기법은 현재 본 기술분야에서 가능한 데이터 리소스와 규정가능하고 제어가능한 리소스의 최상의 집적 레벨을 제공하는 것으로 여겨진다. 이러한 시스템은 오직 리소스의 형태만을 집적하거나 또는 데이터 획득 및 분석 등과 같은, 더욱 한정된 형태로 조작된다. 그러나, 이러한 상황에서, 상기 시스템은 소프트웨어나 펌웨어 또는 하드웨어 모듈을 포함하므로써, 또는 상기 처리 시스템에 의해 실행된 분석에서 그 상관관계에 따라 부가적인 또는 상이한 데이터 소스를 다른 데이터 소스와 결합하므로써, 더욱 확장될 수 있다. 현존의 의료 데이터 및 심지어 미래의 의료 데이터와 결합하여, 그 최종 시스템은 의료 이벤트 및 상태를 인식하고 치료함에 있어서 경험이 미천한 임상의사 뿐만 아니라, 경험많은 개업의사를 위해 대단한 최상의 유용한 연결 도구를 제공한다. 이러한 시스템은 필요에 따라 매우 특정한 상태 및 이벤트에도 사용될 수 있다.
본 발명의 기타 다른 목적과 특징 및 장점은 첨부된 도면을 참조한 하기의 상세한 설명에 의해 보다 명확하게 이해될 것이다.
도1은 본 발명의 기법에 따라 성분들 사이의 데이터 흐름과 컴퓨터의 도움을 받는 의료 데이터 취급 시스템내에서 예시적인 기능적 성분을 도시한 도면.
도2는 도1에 도시된 형태의 데이터 처리 시스템의 예시적인 성분을 도시한 도면.
도3은 도1의 시스템에 사용된 지식 베이스의 일부를 형성하는 예시적인 데이터 리소스를 도시한 도면.
도4는 도1에 도시된 형태의 시스템에 사용된 제어가능하고 규정가능한 리소스를 도시한 도면.
도5는 본 발명의 기법에 따라 데이터 처리 시스템에 포함되는 모듈 뿐만 아니라, 제어가능하고 규정가능한 리소스내에서의 예시적인 모듈을 도시한 도면.
도6은 형태와 시간 주기내에서 다양한 양식 리소스의 유용성을 도시하면서, 제어가능하고 규정가능한 데이터 리소스의 전체 구조를 도시한 도면.
도7은 시간 주기에 대해 도6에 도시된 데이터 리소스 형태들 사이의 정보 흐름과, 부가의 데이터 획득, 처리 또는 분석을 실행하기 위해 정보가 데이터 처리 시스템에 결속되는 방식을 도시한 도면.
도8은 타입내에서의 다양한 양식 리소스를 도시하면서, 형태에 의해 조직화된 예시적인 제어가능하고 규정가능한 의료 데이터 리소스의 범위를 도시한 표.
도9는 인체 기능 및 상태를 나타내는 전기 데이터를 획득하기 위하여 다양한 일반적인 성분 또는 모듈을 포함하는, 도8에 도시된 전형적인 예시적인 전기 데이터 리소스를 도시한 도면.
도10은 의료 진단 영상 시스템의 기능적 성분들을 도9에 도시된 하나의 제어가능하고 규정가능한 리소스로 도시한 도면.
도11은 본 발명의 기법상 특징에 따라 사용된 예시적인 X선 영상 시스템을 도시한 도면.
도12는 본 발명의 기법에 사용된 예시적인 자기 공명 영상 시스템을 도시한 도면.
도13은 본 발명의 기법에 사용하기 위한 예시적인 컴퓨터작동되는 단층 X선 사진법을 도시한 도면.
도14는 본 발명의 기법에 사용하기 위한 예시적인 양전자 방출 단층 X선 사진법을 도시한 도면.
도15는 본 발명의 특징에 따라 지식 베이스를 설정 및 형성하는데 사용되는 예시적인 신경망 시스템을 도시한 도면.
도16은 지식 베이스를 프로그램 및 형성하는데 사용되는 전문가 시스템을 도시한 도면.
도17은 일련의 임상의사로부터 정보를 획득하기 위하여, 또한 이러한 정보를 출력부에 제공하기 위하여, 연합된 데이터베이스와, 집적된 지식 베이스와, 데이터 처리 시스템과, 연합되지 않은 인터페이스층 사이의 상호작용을 도시한, 본 발명에 따른 시스템의 성분을 도시한 도면.
도18은 본 발명의 기법에 의해 설정된 리소스 및 지식 베이스로부터의 정보를 획득, 분석, 및 출력하기 위하여, 다양한 방식으로 작동되는 일련의 처리 스트링의 흐름도를 도시한 도면.
도19는 환자 상호간에 의한 환자 정보를 획득하고, 시스템의 상호작용 기능을 실행하고, 환자 및 임상의사를 포함할 뿐만 아니라 사용자를 위한 정보를 출력하기 위하여, 시간에 따라 발생되는 이벤트 및 처리의 흐름도를 도시한 도면.
도20은 집적된 지식 베이스로의 사용자 억세스를 개량하고 집적된 지식 베이스와의 인터페이싱을 위한 사용자-특정 인터페이스를 한정하는데 유용한 성분 및 기능을 도시한 도면.
도21은 본 발명의 기법의 특징에 실행된 클러스터 아키텍쳐의 레벨을 도시한 도면.
도22는 도21의 아키텍쳐의 상이한 레벨에서 실행되는 다양한 기능을 도시한 흐름도.
도23은 환자-관리 집적된 기록 시스템에서의 처리 및 성분을 도시한 흐름도.
도24는 예측 모델 전개 시스템에서의 예시적인 성분 및 단계를 도시한 도면.
도25는 도24에 도시된 형태의 예측 모델 전개 시스템에서 실행된 기능을 도시한 흐름도.
도26은 컴퓨터의 도움을 받는 알고리즘과 의료전문가를 개선시키거나 트레이닝시키기 위한 기법을 도시한 흐름도.
도27은 생체 외부에서의 샘플 처리 및 분석을 위한 처리 단계를 도시한 흐름도.
도28은 본 발명의 기법의 특징에 따른 하나이상의 CAX 알고리즘을 포함하는 CAX 시스템을 도시한 도면.
도29는 도28의 CAX 알고리즘과, 이러한 알고리즘에 채택된 기능 및 작동자를 도시한 도면.
도30은 상태 및 상황의 범위를 평가하기 위하여, CAX 알고리즘을 병렬로 및/또는 직렬로 실행하는 계획을 도시한 도면.
도31은 실행된 CAX 알고리즘중 하나로서 사용되는 컴퓨터의 도움을 받는 평가를 도시한 도면.
도1에는 컴퓨터의 도움을 받는 의료 데이터 교환 시스템(2)이 개략적으로 도시되어 있다. 이러한 시스템(2)은 도1에 도면부호 6으로 도시된 바와 같이, 의료관계자에 유용한 데이터의 관리를 촉진시키므로써, 환자(4)에게 고품질의 의료 보호를 제공하도록 설계되었다. 상기 의료관계자는 전형적으로 주치의(대학부속병원 근무의), 방사선과의사, 외과의사, 간호사, 임상의사, 다양한 전문가 등을 포함한다. 그러나, 본 발명에서는 일반적인 의미로 임상의사를 의미하며; 상기 의료관계자는 원무과 직원, 보험회사, 선생, 및 학생 등을 포함한다.
도1에 도시된 시스템은 임상의사가 데이터 처리 시스템(10)으로 데이터를 교환할 수 있게 하는 인터페이스(8)를 제공한다. 인터페이스와, 데이터 처리 시스템과 그 기능에 대해서뿐만 아니라, 시스템과 임상의사 사이에서 교환될 수 있는 정보의 형태에 대해서도 서술하기로 한다. 상기 데이터처리 시스템(10)은 도1에 도시된 바와 같이 집적된 지식 베이스(12)와, 연합된 데이터베이스(14)에 연결된다. 상기 시스템(140)과 연합된 데이터베이스(14)는 도면부호 18로 도시된 바와 같이 데이터 리소스의 범위로부터 데이터를 인출한다. 상기 연합된 데이터베이스(14)는 소프트웨어를 기본으로 하며, 하기에 서술하는 바와 같이 다양한 리소스로부터 정보를 인출하거나 이러한 정보의 억세스를 조화시키거나 이송하기 위해 데이터 억세스 도구를 포함한다. 일반적으로, 연합된 데이터베이스는 원시 데이터를 사용가능한 형태로 통합할 것이다. 필요할 경우 하이퍼텍스트 마크업 랭귀지(HTML), 익스텐디드 마크업 랭귀지(XML), 의료산업에서의 디지털 영상 및 통신(Digital Imaging and Communication in Medicine: DICOM), 헬스 레벨 세븐®(HL7) 등을 포함하여, 다른 적절한 형태가 사용될 수도 있고, 복합적인 형태가 사용될 수 있으며; 본 발명에 있어서, 집적된 지식 베이스(12)는 데이터 처리 시스템에 의해 처리될 수 있으며 원하는 의료 보호를 제공하기 위해 임상의사에게 유용한 모든 형태의 유용한 의료 데이터를 포함하는 것으로 여겨진다. 가장 간단한 실행에 있어서, 리소스(18)는 영상 시스템 등과 같은 단일의 의료 데이터 소스 또는 보다 편리한 데이터 추출 기법(예를 들어, 환자나 의료관계자에 의해 완성된 형태)을 포함한다. 그러나, 상기 리소스는 하기에 상세히 서술하는 바와 같이 상당히 변화된 형태의 데이터를 포함한다. 일반적으로, 리소스 및 지식 베이스내에 있는 데이터는 연합된 데이터베이스 및 데이터 처리 시스템에 의해 데이터의 추출 및 분석에 유용하도록 디지털화되어 저장된다. 따라서, 보다 편리한 데이터 수집 리소스가 사용될 수 있으며, 데이터는 데이터 처리 시스템에 의해 실행된 다양한 형태의 분석으로 인식 및 복제될 수 있게 하는 형태로 배치된다.
본 발명에 사용되는 바와 같이, "집적된 지식 베이스"라는 용어는 저장소간 인터페이스 및 변환기와, 분석, 진단, 보고, 디스플레이 및 기타 다른 기능을 포함하여 데이터에서 원하는 동작을 실행할 수 있는 처리 능력 뿐만 아니라, 광범위한 의료관련 데이터의 하나이상의 저장소를 포함하는 것으로 여겨진다. 데이터 자체는 인체, 장치, 시스템 등의 분류에 대해 비환자 특정 정보뿐만 아니라, 환자-특정 특성과 연관된다. 또한, 상기 저장소는 데이터를 저장하기 위한 전용 시스템 또는 영상 시스템 등과 같이 본질적으로 상이한 시스템의 일부인 메모리 장치를 포함한다. 상술한 바와 같이, 집적된 지식 베이스를 마킹업하는 저장소 및 처리 리소스는 확장가능하며, 전형적으로 전용 또는 개방된 네트웍 연결에 의해 연결된 그 어떠한 갯수의 위치에도 물리적으로 거주한다. 또한, 집적된 지식 베이스에 포함된 데이터는 의료 데이터(즉, 특히 환자 상태에 관련된 데이터)와, 비의료 데이터를 포함한다. 상기 비의료 데이터는 재무 리소스, 물리적 리소스(학교 또는 공급자로서), 인체 리소스 등을 나타내는 데이터를 포함한다.
도1에 도시된 바와 같이 정보의 흐름은 하기에 상세히 서술되는 것처럼 광범위한 형태와, 정보 교환을 위한 차량을 포함한다. 일반적으로, 환자(4)는 전화, e메일, 서류 등과 마찬가지로 통상의 의료 방문을 통해 임상의사(6)와 인터페이스된다. 환자(4)는 통상의 환자 병력 서류, 영상 시스템을 위한 인터페이스, 조직 샘플을 수집 및 분석하기 위한 시스템, 체액 등을 포함하는; 환자 데이터 획득 인터페이스(16)의 범위를 통해 리소스(18)의 소자와 인터페이스된다. 임상의사(6)와 인터페이스(8) 사이의 상호작용은 전형적으로 인터페이스의 특성에 따라 적절한 형태를 취한다. 따라서, 임상의사는 키보드, 컴퓨터 마우스, 터치 스크린, 포터블 입력 및 보고장치 또는 원격 입력 및 보고장치 등과 같은 통상적인 입력장치를 통해 데이터 처리 시스템(10)과 상호작용한다. 또한, 인터페이스(8)와 데이터 처리 시스템(10)과 지식 베이스(12)와 연합된 데이터베이스(14)와 리소스(18) 사이의 연결에 대해 하기에 서술될 것이지만, 이러한 연결은 전형적으로 컴퓨터 데이터 교환 상호연결, 네트웍 연결, 국소 영역 네트웍, 광역 네트웍, 전용 네트웍, 실제 개인 네트웍 등을 포함한다.
도1에 도시된 바와 같이, 다양한 리소스, 데이터베이스, 및 처리 성분들의 데이터 처리 및 상호연결은 상당히 변화될 수 있다. 예를 들어, 도1은 데이터 처리 시스템(10) 및 리소스(18)에 연결되는 연합된 데이터베이스를 도시하고 있다. 이러한 배열에 의해, 연합된 데이터베이스와 이에 내장된 소프트웨어는 다양한 리소스로부터 정보를 추출 및 억세스할 수 있으며; 요구에 따라 데이터 처리 시스템(10)으로 정보를 제공한다. 이 경우, 데이터 처리 시스템(10)은 이러한 정보가 억세스되어 번역되거나 이송될 수 있는 리소스(8)에서 정보를 추출하거나 저장한다. 이와 마찬가지로, 데이터 처리 시스템(10)은 집적된 지식 베이스(12)에 연결될 수 있으며, 이러한 두 성분들은 인터페이스(8)에 연결될 수 있다. 따라서, 집적된 지식 베이스(12)로부터 지식에 직접적으로 억세스하거나, 데이터 처리 시스템(10)에 명령을 내려 집적된 지식 베이스나 리소스로부터 데이터를 인식, 분석, 처리 또는 복제하도록, 특정 인터페이스 형태나 성분으로 재분할되는 인터페이스(8)가 사용된다. 데이터 사이의 이러한 연결은 설명을 위한 목적으로 도면에 도표로 도시되었다. 그러나, 특정 시스템에서, 고도의 정보는 특정 소프트웨어 모듈이나 프로그램을 따르며, 이러한 소프트웨어 모듈이나 프로그램에서는 특정 환자, 특정 질병상태, 특정 습관 등에 대한 특정 분석이나 상관관계를 실행한다.
본 발명에 있어서, 리소스(12)는 2개의 주 리소스 형태를 포함하는 것으로 여겨진다. 첫번째로, 순수한 데이터 리소스는 다양한 형태의 선획득되고 분석되어 저장된 데이터로 구성되어 있다. 즉, 데이터 리소스는 하기에 상세히 서술되는 바와 같이, 의료 이벤트, 의료 조건, 질병 상태, 재무 정보 등에 관한 정보를 제공하는 기준 소스로 간주된다. 데이터 리소스는 일반적으로 환자로부터 직접 수집된 정보를 필요로 하지 않는다. 오히려, 이러한 리소스는 본질적으로 훨씬 일반적이며; 데이터 기준 목록, 처방전 등을 통해 얻어진다. 지식 베이스(12)를 포함하는 두번째 형태의 리소스는 제어가능하고 규정가능한 리소스로 구성되어 있다. 이러한 리소스는 데이터 수집장치와, 기구와, 환자로부터 데이터를 직간접으로 획득하는 처리를 포함한다. 본 발명에서는 하기에 이러한 리소스에 대해 보다 자세히 설명될 것이지만; 일반적으로 이러한 리소스는 영상 시스템, 전기 변수 검출장치, 완전 자동 또는 부분 자동 또는 수동 처리로 임상 의사에 의한 데이터 입력 등과 같은 임상 리소스인 것으로 간주된다.
도2는 데이터 처리 시스템(10)과 연관된 성분의 형태를 상세히 도시하고 있다. 일반적으로, 데이터 처리 시스템(10)은 단일의 컴퓨터를 포함하지만, 사용이 편리하고 강력한 실행을 위해서는 광범위한 연산 인터페이스 리소스가 사용된다. 도면부호 20으로 도시되는 이러한 리소스는 어플리케이션-특정 연산장치, 일반용 컴퓨터, 서버, 데이터 저장장치 등을 포함한다. 이러한 장치는 단일의 주요한 위치에 배치되지만, 지리적으로 광범위하게 배치되어 광역 네트웍, 로칼 네트웍, 실제 개인용 네트웍 등과 같이 필요에 따라 배치될 수도 있다. 상기 연산장치는 도면부호 12로 도시된 프로그램에 의존하며; 데이터 추출, 분석, 편집, 보고 및 데이터 처리 시스템에 의해 실행된 유사한 기능을 집대성하고 이를 지향시키는 프로그램을 실행시킨다. 이러한 프로그램이 특정 성분에 하드와이어되거나 내부 또는 성분들 사이에 펌웨어를 구성한다 하더라도, 일반적으로는 이러한 프로그램이 소프트웨어에 사용되고 있다. 하기에 상세히 서술되는 바와 같이, 상기 프로그램(22)은 데이터 처리 시스템(10)에 의해 실행된 분석 기능을 구동시키는 로직 엔진 성분(24)을 포함하는 것으로 여겨진다. 이러한 로직 엔진 성분은 의료 이벤트 및 상태의 진단에 도움을 주지만, 하기에 서술되는 바와 같이 기타 다른 기능으로도 광범위하게 사용되기도 한다. 이러한 기능들은 제어가능하고 규정가능한 리소스의 처방 및 제어와, 환자 보호에 대한 제안과, 최종 배열 및 상태의 분석과, 환자 보호의 분석과, 가르침 및 지시를 포함한다.
연산 리소스(20)는 연합된 데이터베이스(14)(도1 참조)의 일부인 데이터 리소스 인터페이스(26)를 통해, 상술한 바의 데이터에 의존하며 이러한 데이터와 인터페이스된다. 또한, 데이터 리소스 인터페이스(26)는 연산 리소스와 데이터 리소스 사이의 통신을 허용하는 코드 뿐만 아니라, 전형적으로 이러한 특정 데이터 리소스내에 저장되어 있는 부가의 코드와 연산 리소스(20) 사이에 저장된 컴퓨터 코드를 포함할 것이다. 따라서, 이러한 코드는 연산 리소스에 의한 처리를 위하여 정보가 검색, 추출, 전송, 및 저장될 수 있게 할 것이다. 또한, 데이터 리소스 인터페이스(26)는 데이터 리소스내에 저장되어 있거나 필요로 하는 연산 리소스로부터 전송될 수 있게 할 것이다. 필요할 경우, 상기 데이터 리소스 인터페이스는 그 검색, 분석 및 저장을 촉진시키기 위하여, 정보를 하나의 형태로부터 다른 형태로 전송될 수 있게 할 것이다. 이러한 전송은 압축 및 비압축 기법, 파일 포맷 등을 포함한다.
연산 리소스(20)는 연합된 데이터베이스내에 포함되어 있는 인터페이스(28)를 통해 제어가능하고 규정가능한 리소스와 인터페이스된다. 상기 인터페이스(26)와 마찬가지로, 인터페이스(28)는 제어가능하고 규정가능한 리소스를 포함하는 특정 위치 또는 시스템에 저장된 코드 뿐만 아니라, 상술한 바와 같이 컴퓨터 리소스에 저장된 코드를 포함한다. 따라서, 상기 인터페이스는 정보의 위치 및 추출을 허용하며; 전형적으로 검색한 정보의 형태와, 정보의 전송과, 필요할 경우 정보의 조작 및 정보의 저장까지도 인식하는 코드를 포함할 것이다. 상기 인터페이스는 검사 및 보고 등을 실행하는 변수와 시스템의 형상 등과 같이, 연산장치로부터 제어가능하고 규정가능한 리소스에 정보가 로딩되게 한다. 이러한 연산 리소스는 영상 설비내의 컴퓨터 시스템 및 제어기나 전기 데이터 획득 설비 또는 리소스 시스템 등과 같이, 제어가능하고 규정가능한 리소스에 배치되거나 이러한 리소스와 일체가 될 수도 있음을 인식해야 한다. 따라서, 로직 엔진 성분(24) 또는 일반적으로 프로그램(22)에 의해 실행된 동작 및 분석은 제어가능하고 규정가능한 소스에서 또는 이러한 소스에서 국소적으로 직접 실행될 수 있다.
도2에 도시된 바와 같이, 네트웍(29)은 일반적으로 데이터 처리 시스템(10)에 연결된다. 데이터 리소스 인터페이스, 데이터 리소스, 제어가능하고 규정가능한 리소스 등에 연결되는 연결을 포함할 수도 있는 네트웍(29)은 사용자, 학회, 환자 등에 부가적인 연결을 제공한다. 따라서, 네트웍(29)은 데이터의 수집, 분석 및 보고기능을 보다 광범위한 환자에게 일반적으로 허용할 수 있도록, 데이터 처리 시스템(10)의 다양한 성분으로부터 또는 이러한 성분으로 데이터 트래픽을 루틴시킨다.
도2에 화살표로 도시된 바와 같이, 다양한 리소스 및 인터페이스 사이의 통신에는 광범위한 네트웍 형태가 유용하다. 에를 들어, 화살표(30)로 도시된 바와 같이, 연산 리소스(20)는 국소적 네트워킹 또는 원격 네트워킹을 통해, 프로그램(22)에 직접적으로(예를 들어 컴퓨터 시스템의 내부에서) 의존한다. 따라서, 연산 리소스는 특정 컴퓨터 시스템의 내부로부터 즉시 억세스가능한 프로그램과 함께, "필요로 하는" 원칙에 따라 저장 및 억세스된 프로그램에 기초하여, 루틴의 실행을 허용한다.
화살표(31, 32)는 제어가능하고 규정가능한 전용 네트웍 등과 같은 데이터 상호교환 경로를 나타내며, 이러한 상호교환 경로는 다양한 리소스들 사이에서 고속 데이터 교환을 허용한다. 도2에 화살표(33)로 도시된 바와 같이, 제어가능하고 규정가능한 리소스 인터페이스와 데이터 리소스 인터페이스 사이에서 이와 유사한 통신이 촉진된다. 이러한 교환은 제어가능하고 규정가능한 리소스 작동시, 특정 데이터 리소스 정보를 의존하는데 유용하다. 예를 들어, 데이터 리소스 인터페이스는 연산 리소스에 의해 실행된 분석으로 표시되는 바와 같이 그 작동을 촉진시키기 위하여 제어가능하고 규정가능한 리소스내에 저장될 수 있는, 모집단 정보의 추출, "최적 실행" 시스템 형태 등을 허용한다. 화살표(34)는 하기에 서술되는 바와 같이 일반적으로 지식 베이스의 성분과 인터페이스(26, 28) 사이의 다양한 데이터 연결을 의미하며; 이러한 연결은 컴퓨터 시스템 내부에서 적절한 형태의 네트웍 연결이나 내측 연결을 포함한다. 모든 데이터 통신(30, 31, 32, 33, 34)의 경우에서는 데이터 버스, 다이알 업 네트웍, 고속 광대역 데이터 교환, 무선 네트웍, 위성 통신 시스템 등과 같이, 네트웍이나 데이터 전송 수단의 범위를 예견할 수 있다.
데이터 리소스
도3에는 도1에 도시되어 상술한 바와 같이 설명된 데이터 리소스 세그먼트내에 포함되는 예시적인 성분들이 도시되어 있다. 도3에 도면부호 38로 도시되어 있는 데이터 리소스는 도2를 참조로 서술한 바와 같이, 또한 도3에 화살표(35)로 도시된 바와 같이 데이터 처리 시스템(10)과 통신하도록 설계되어 있다. 순서에 따라, 데이터 처리 시스템은 인터페이스(8)를 통해 임상의사(6)에게 리소스로서 유용하며, 화살표(36)로 도시된 바와 같이 제어가능하고 규정가능한 리소스(40)와 계속 통신한다. 도3에 도시된 바와 같이, 임상의사는 데이터 처리 시스템에 직접 억세스하여 이와 인터페이스하거나, 또는 점선으로 도시된 화살표(37)로 도시된 바와 같이 원격의 네트워킹 배치를 통해 간접적으로 데이터 처리 시스템(10)에 억세스한다.
상기 데이터 처리 시스템은, 데이터 리소스(38)에 의존하여 이러한 리소스와의 통신과 함께, 도면부호 40으로 도시되고 하기에 상세히 서술되는 바와 같이 제어가능하고 규정가능한 리소스와 통신한다. 상술한 바와 같이, 데이터 리소스는 일반적으로 데이터 처리 시스템(10)에 의해 인식, 국소화, 추출, 및 이용될 수 있는 정보와 데이터를 포함하는 것으로 여겨진다. 또한, 상기 데이터 처리 시스템은 적절하면서도 다양한 리소스에 데이터를 기입한다.
도3에 도시된 바와 같이, 데이터 리소스는 정보 형태의 범위를 포함한다. 예를 들어, 도면부호 42로 도시된 바와 같이, 병원이나 학회내에서는 많은 정보 리소스가 유용하다. 본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, 스캐너, 제어 시스템, 또는 부서별 관리 시스템이나 서버 등과 같이, 방사선과 정보 시스템(44)에는 정보가 포함되어 있다. 이와 마찬가지로, 이러한 정보는 병원 정보 시스템(46)내의 학회에는 이러한 정보가 유사한 방식으로 저장되어 있다. 이러한 많은 학회는 데이터, 특히 영상 데이터와, 압축된 데이터 및 비압축된 데이터의 형태로 PACS(48)이라 불리워지는 기록장치 시스템과, 이러한 영상 데이터로부터 파생된 데이터와, 영상을 획득하기 위해 사용되는 시스템 세팅(영상 파일에 첨가되는 DICOM 이나 기타 다른 헤드 등과 같은)을 나타내는 데이터 등을 포함한다. 학회내에 저장된 데이터와 함께, 도면부호 50으로 도시된 환자 병력 데이터베이스로부터의 데이터도 유용하게 사용된다. 이러한 데이터베이스는 학회내의 중앙 저장소에 다시 저장되지만, 환자-특정 병력 데이터를 제공하기 위해 원격 소스로부터도 유용하게 사용될 수 있다. 필요할 경우, 이러한 환자 병력 데이터 베이스는 데이터 처리 시스템에 의해 검색할 수 있는 리소스의 범위로 그룹화되어, 다양한 학회나 진료소에 배치된다.
다른 데이터 리소스는 병리학적 데이터베이스(52) 등과 같은 데이터베이스를 포함한다. 이러한 데이터베이스는 의료, 유전성, 인구통계학적, 기타 다른 특징을 공유하는 개인 또는 환자의 모집단 뿐만 아니라, 환자-특정 정보를 위해 편찬된다. 또한, 도면부호 54로 도시된 외부 데이터베이스가 억세스된다. 이러한 외부 데이터베이스는 기준재료 특징 모집단의 데이터베이스, 의료 이벤트 및 상태, 치료, 진단 및 예후 특징부여 등과 같이, 실제로 매우 넓은 범위를 갖는다. 이러한 외부 데이터베이스는 진행중인 승낙 배치 또는 사용량별 지불 배치 등과 같이, 특정한 승낙에 기초하여 데이터 처리 시스템에 의해 억세스된다. 이와 마찬가지로, 유전적 데이터베이스 및 이와 유사한 데이터베이스(56)가 억세스된다. 이러한 유전적 데이터베이스는 특정 개인이나 특정 모집단을 갖는 이러한 유전자 정보의 연합뿐만 아니라, 유전자 수열, 특정 유전자 메이커 및 다형성을 포함한다. 또한 데이터 처리 시스템(10)에 의해 재무, 보험 및 이와 유사한 데이터베이스(58)가 억세스될 수 있다. 이러한 데이터베이스는 환자 재무 기록, 지출 및 청구 기록과 배치, 저소득층 의료보장제도 및 노인 의료보험 등과 같은 정보를 포함한다.
마지막으로, 도면부호 60 으로 도시된 기타 다른 데이터베이스가 데이터 처리 시스템에 의해 억세스된다. 이러한 기타 다른 데이터베이스는 다시 학회, 영상이나 기타 다른 제어가능하고 규정가능한 데이터 획득 시스템, 기준 재료 등에 특정하게 된다. 상기 기타 다른 데이터베이스는 자유로이 유용하게 사용되거나, 학회 또는 학회 회원 내부에서 유용하게 사용된다. 이러한 데이터베이스는 데이터 처리 시스템(10)에서 실행된 분석, 처리, 및 기타 다른 기능을 도와주기 위하여, 환자-특정이거나, 또는 모집단-특정으로 된다. 또한, 상기 기타 다른 데이터베이스는 특성상 임상 및 비임상인 정보를 포함한다. 재무 및 리소스 할당의 관리를 도와주기 위하여, 예를 들어 이러한 데이터베이스는 관리, 목록, 리소스, 물리적 플랜트, 인체 리소스, 및 환자 보호를 개선하기 위하여 억세스되어 관리될 수 있는 기타 다른 정보를 포함한다.
도3에 데이터 리소스 집단(38)에서 복합적인 화살표로 도시된 바와 같이, 다양한 데이터 리소스들은 그들 사이에서 통신된다. 따라서, 데이터베이스 또는 데이터베이스 리소스는 다양한 데이터베이스에 저장된 데이터를 완료하거나 편집하기 위한 것처럼, 데이터의 직접 교환을 위해 제공되었다. 이러한 데이터 교환은 일반적으로 데이터 처리 시스템(10)을 통과하는 것으로 여겨지며, 일반적인 관점에서 상기 리소스는 학회, 데이터 목록, 컴퓨터 시스템 사이에 데이터의 직접적인 교환을 촉진시키며; 데이터 처리시스템(10)은 필요에 따라 하나이상의 리소스로부터 이러한 교환 데이터에 의존한다.
제어가능한/규정가능한 리소스
도4는 데이터 처리 시스템(10)에 의해 억세스되는, 예시적인 제어가능하고 규정가능한 리소스를 도시하고 있다. 상술한 바와 같이, 데이터 처리 시스템은 데이터 리소스(38)와 마찬가지로 적절한 인터페이스(8)를 통해 임상의사(6)와 인터페이스하도록 설계된다.
일반적으로, 제어가능하고 규정가능한 리소스(40)는 환자-특정된 또는 환자-관련된 즉, 환자로부터 물리적으로나 이격되어(예를 들어, 컴퓨터 연결을 통해) 직접적으로 억세스된다. 리소스 데이터는 공지의 모집단 특성과의 비교에 기초하여, 특정한 환자의 위험 및 상태를 허용하기 위해 모집단-특정된다. 상기 제어가능하고 규정가능한 리소스는 일반적으로 데이터를 발생시키는 처리인 것으로 여겨진다. 실제로, 하기에 상세히 서술될 시스템 및 리소스는 그 자체가 데이터를 포함하고 있으며, 이러한 리소스는 환자의 적절한 치료를 위하여 필요에 따라 데이터를 발생시킬 수 있도록 사용될 수 있을 정도로 제어가능하고 규정가능하다. 제어가능하고 규정가능한 예시적인 리소스(40)는 도면부호 62로 도시된 전기 리소스이다. 하기에 상세히 서술된 이러한 리소스는 검출된 신호에 기초하여 환자의 생리학적 변수들을 검출하도록 설계된 다양한 데이터 수집 시스템을 포함한다. 이러한 전기 리소스는 예를 들어, 뇌파 전위기록(electroencephalography resources: EEG) 리소스, 심전도기록(electrocardiography resources: ECG) 리소스, 근전도기록(electromyography resources: EMG) 리소스, 전기 임피던스 단층 X선 사진(EIT) 리소스, 신경 전도성 테스스 리소스, 전기안진도 기록(electronystagmography resources: ENG) 리소스 및 이러한 리소스들의 조합을 포함한다. 또한, 도면부호 64로 도시된 다양한 영상 리소스들은 제어가능하며 규정가능하다. 이러한 리소들의 다양한 양식은 X선 영상 시스템, 자기공명(MR) 영상 시스템, 컴퓨터 단층촬영(CT) 영상 시스템, 양전자 방출 단층촬영(positron emission tomography: PET) 시스템, 형광촬영술 시스템, 유방조영술 시스템, 초음파촬영술 시스템, 적외선 영상 시스템, 핵 영상 시스템, 열음향 시스템 등과 같이 현재 유용하게 사용되고 있다.
이러한 상당히 자동화된 전기적 시스템과 함께, 도면부호 66으로 도시된 임상의사 및 실험실 요원의 제어가능하고 규정가능한 다양한 리소스가 접근할 수 있다. 이러한 리소스는 위장, 생식기, 중추신경계 유체 분석 시스템등을 포함하여, 혈액, 소변, 타액, 및 기타 다른 유체 분석 리소스를 포함한다. 이러한 리소스는 중합효소(PCR) 연쇄반응 분석 시스템, 유전표지형질 분석 시스템, 방사선 면역측정 시스템, 크로마토그래피 및 이와 유사한 화학적 분석 시스템, 수용체 분석 시스템 및 이러한 시스템들의 조합을 부가로 포함한다. 조직 분석 시스템, 세포 및 조직 타이핑 시스템 등과 같은 다소 유사한 조직학 리소스(68)가 포함된다. 기타 다른 조직학 리소스는 면역 세포 화학 및 조직병리학적 분석 시스템을 포함한다. 이와 마찬가지로, 본래 하이브리드화 시스템인 전자 및 기타 다른 현미경 시스템은 예시적인 조직해부학적 리소스를 구성한다. 약동학적 리소스(70)는 치료약 관찰 시스템, 수용체 특성화 및 특정 시스템 등과 같은 시스템을 포함한다.
생리학적 상태 및 변수를 직간접으로 검출하는 시스템과 함께, 상기 제어가능하고 규정가능한 리소스는 고품질의 환자 보호를 제공하고 진행중인 것에 기초하여 이러한 보호를 보상하는데 유용한, 보험 및 급여 리소스, 증서 리소스 등의 재무 리소스(72)를 포함한다. 기타 다른 리소스(74)는 수집된 데이터를 유용한 디지털 형태로 반자동으로 전환하거나 완전자동으로 전환하는 광범위한 데이터 수집 시스템을 포함한다. 이러한 리소스는 신체검사, 병력, 정신과 병력, 심리학적 병력, 행정 패턴 분석, 행동 테스트, 인구학적 데이터, 약물 사용 데이터, 음식 섭취 데이터, 환경 요인 정보, 총체적 병리학적 정보, 및 비생물학적 모델로부터의 다양한 정보들을 포함한다. 또한, 이러한 정보는 환자나 직무를 수행하는 임상의사 및 의료전문가 등을 통해 직접 수동으로 수집되며, 상기 데이터는 디지털화되며, 그렇지 않을 경우 데이터 처리 시스템에 의한 저장 및 억세스를 위해 유용한 디지털 형태로 입력된다.
도3을 참조로 서술한 바와 같이, 도4에 제어가능하고 규정가능한 리소스(40)내에 도시되어 있는 복합적 화살표는 이러한 리소스들이 자신들 사이에서 직접적으로 통신되는 것을 나타내기 위한 것이다. 따라서, 영상 시스템은 다른 영상 시스템으로부터 정보를 인출하며, 전기 리소스는 정보(영상 데이터 재생의 타이밍이나 협동 등과 같은)의 직접적인 교환을 위해 영상 시스템과 인터페이스된다. 다시 이러한 데이터 교환으 데이터 처리 시스템(10)을 통과하는 것으로 여겨지며, 제어가능하고 규정가능한 리소스들 사이의 직접적인 교환이 실행된다.
상술한 바와 같이, 데이터 리소스는 일반적으로 특정 환자로부터 직접적으로 획득되지 않는 정보 저장소인 것으로 여겨진다. 한편, 상기 제어가능하고 규정가능한 리소스는 전형적으로 자동화된, 반자동화된 또는 수동 기법을 통해 환자로부터 의료 데이터를 획득하는 수단을 포함한다. 도5는 도4에 도시된 제어가능하고 규정가능한 다양한 리소스 형태에 포함되는 것으로 여겨지는 기능적 모듈을 도시하고 있다. 도5에 도시된 바와 같이, 이러한 리소스는 획득 모듈(76), 처리 모듈(78), 분석 모듈(80), 보고 모듈(82), 및 아카이브 모듈(84) 등과 같은 일반적인 모듈을 포함하는 것으로 여겨진다. 이러한 다양한 모듈의 특성은 물론 고려중인 리소스의 형태에 의존하여, 광범위하게 변화될 수 있다. 따라서, 상기 획득 모듈(76)은 원시 환자 데이터를 획득하기 위하여, 다양한 형태의 전기 센서, 변환기, 회로, 영상 설비 등을 포함한다. 상기 획득 모듈(76)은 앙케이트, 조사서, 서류, 컴퓨터화된 기타 다른 입력장치 등과 같이 훨씬 인간에 기초한 시스템을 포함한다.
이와 마찬가지로, 상기 처리 모듈(76)의 특성 및 동작은 획득 모듈 및 전체 리소스 형태의 특성에 의존할 것이다. 따라서, 처리 모듈은 데이터 조정, 여과, 및 증폭이나 희석 회로를 포함한다. 그러나, 상기 처리 모듈은 스프레드시트, 데이터 편집 소프트웨어 등과 같은 어플리케이션을 포함한다. 전기 및 영상 시스템에 있어서, 상기 처리 모듈은 영상 및 기타 다른 형태의 데이터 스케일링, 재구성 및 디스플레이를 실행하는데 사용되는 데이터 강화 회로 및 소프트웨어를 포함한다.
분석 모듈(80)은 완전히 자동되거나 부분적으로 자동화된 광범위한 어플리케이션을 포함한다. 전기 및 영상 시스템에 있어서, 예를 들어 분석 모듈에 의해 사용자는 데이터 및 재구성된 영상의 디스플레이를 강화하거나 변경할 수 있다. 상기 분석 모듈은 데이터를 평가하거나 상기 데이터를 기준 범위과 비교하기 위하여 임상의사에 의해 수집된 데이터의 일부 조직화를 허용한다. 상기 보고 모듈(82)은 전형적으로 모듈(80)에 의해 실행된 분석의 출력 또는 개요를 제공한다. 보고서는 데이터를 수집하는데 사용되는 기법의 표시, 실행된 데이터 획득 시컨스의 갯수, 실행된 시컨스의 형태, 이러한 데이터 획득중 환자 상태 등을 제공한다. 마지막으로, 아카이브 모듈(84)은 원시 데이터와, 개략적으로 처리된 데이터와, 처리된 데이터가 획득 시스템이나 리소스에 국소적으로 또는 데이터베이스, 저장소, 아카이빙 시스템(예를 들어, PACS) 처럼 이로부터 이격되어 저장될 수 있게 한다.
제어가능하고 규정가능한 리소스내에 포함되는 전형적인 모듈은 다양한 획득 기능, 처리 기능, 및 분석 기능을 강화하기 위하여, 도면부호 22로 도시된 프로그램과 인터페이스된다. 예를 들어, 도5에 도시된 바와 같이, 컴퓨터의 도움을 받는 다양한 획득 루틴(86)은 이미 획득한 시컨스를 분석하는데 유용하며; 또한 일련의 데이터 획득을 규정하고, 제어하고, 또는 이들을 형성하는데 유용하다. 이와 마찬가지로, 컴퓨터의 도움을 받는 처리 모듈(88)은 획득된 데이터의 이전 처리 및 분석에 의존하여, 부가의 처리를 실행하거나 처리를 강화하기 위해 처리 모듈(78)과 인터페이스된다. 마지막으로, 수용되어 처리된 데이터를 분석하여 이러한 데이터로부터 이루어진 어떤 가능한 진단을 일부 표시하기 위해, 컴퓨터의 도움을 받는 데이터 작동 알고리즘(computer-assited data operating algorithms: CAX) 등과 같은 프로그램이 사용된다.
이러한 리소스로부터 데이터상에 실행된 획득 기능, 처리 기능, 분석 기능 및 진단 기능을 도와주기 위해 사용되는 모듈 뿐만 아니라, 본 발명에 있어서 제어가능하고 규정가능한 리소스 형태 및 양식에 관해 하기에 상세히 설명되는 바와 같이, 도5에는 이러한 성분들과 리소스들 사이에 다양한 연결이 유용하게 사용된다는 것을 인식해야 한다. 따라서, 전형적인 어플리케이션에 있어서, 컴퓨터의 도움을 받는 획득 모듈(86)은 컴퓨터의 도움을 받는 처리 모듈(88)에 의해 실행된 강화된 처리의 결과에 의존하여, 영상 데이터 등과 같이 일련의 데이터 획득을 규정하거나 제어하고 또는 이러한 데이터 획득을 형성한다. 이와 마찬가지로, 이러한 획득 규정은 일련의 데이터 획득에 의존하여 이루어진 잠재적 진단을 개량하는 것처럼, 컴퓨터의 도움을 받는 진단 모듈(90)로부터의 출력으로 나타난다. 이와 유사한 방식으로, 컴퓨터의 도움을 받는 처리 모듈(88)은 컴퓨터의 도움을 받는 모듈(86) 또는 컴퓨터의 도움을 받는 진단 모듈(90)의 출력에 따라, 처리 모듈(78)에 의해 강화된 처리, 상이한 처리, 또는 일련의 처리를 명령한다. 그후, 리소스 및 프로그램의 다양한 모듈은 이러한 모듈을 본 발명의 기법에 따라 전체적인 시스템으로 집적하므로써, 고도의 주기적인 상호연관된 데이터 획득, 처리, 및 분석이 실행되게 한다.
또한, 도5에 도시된 바와 같이, 제어가능하고 규정가능한 전형적인 리소스에 있어서, 데이터에 의해 실행되고 강화된 획득과 처리 및 분석을 제공하는데 사용되는 프로그램은 프로그램(22)의 로직 엔진(24)에 의해 구동된다. 상술한 바와 같이, 그리고 하기에 상세히 서술되는 바와 같이, 상기 로직 엔진(24)은 도5의 CAS 알고리즘, CAA, CAP, CAD 모듈(86, 88, 90) 등과 같이, 프로그램의 출력을 연결 및 집적할 수 있으며; 프로그램된 상호관계 및 권장 등에 기초하여, 일련의 획득, 처리, 및 분석을 규정하거나 제어하는 광범위한 알고리즘을 채택하고 있다. 상술한 바와 같이, 프로그램(22)은 연산 리소스(20)를 통해 억세스 및 실행된다. 상기 연산 리소스(20)는 상술한 바와 같이 적절한 인터페이스(28)를 통해, 일반적으로 특정 리소스 양식의 아카이브 모듈(84)과 인터페이스된다. 마지막으로, 상기 연산 리소스(20)는 집적된 지식 베이스(12)와 인터페이스된다. 도5에 도시된 바와 같이, 상기 지식 베이스는 리소스(62-74)의 특정 양식과 연관된 정보의 저장소인 양식-특정 지식 베이스(19)를 포함하는 것을 인식해야 한다. 이러한 양식-특정 지식 베이스 데이터는 시스템 세팅, 특정 환자나 모집단에 양호한 세팅, 루틴 및 프로토콜, 특정 양식에 기초한 데이터 획득 알고리즘 등과 같은 요소를 포함한다. 상기 지식 베이스는 일반적으로 임상의사(6)에 유용하며, 필요할 경우 이러한 임상으로부터의 출력에 기초할 수도 있다. 따라서, 필요할 경우, 상기 지식 베이스는 획득, 처리, 분석, 또는 이러한 처리의 복합 특징을 강화하고 이를 개선하기 위해, 전문가로부터의 형상 입력에 의해, 특히 특정 리소스 양식에 연관된 입력에 의해 적어도 부분적으로 구축된다.
양식/형태 상호작용
본 발명의 특히 강력한 특징은 제어가능하고 규정가능한 리소스 형태 사이와, 이러한 형태의 다양한 양식 사이와, 다양한 시점에서의 획득과 처리 및 진단 사이에서 다양한 리소스를 집적시키는 능력이다. 이러한 기법의 특징은 도6 및 도7에 개략적으로 도시되어 있다. 도6은 일련의 제어가능하고 규정가능한 리소스 형태(98, 100, 102)를 블럭 형태로 도시하고 있다. 상술한 바와 같이, 일반적으로 도4에 도시된 다양한 지시를 따라가는 이러한 리소스 형태는 일련의 양식(104, 106, 108)을 각각 포함한다. 일실시예에서, 형태(98)는 도4에 도면부호 62로 도시된 다양한 전기 리소스를 포함하며, 다른 형태의 리소스(100)는 도4의 영상 리소스(64)를 포함한다. 이러한 각각의 형태에 의해, 상기 다양한 양식은 형태(98)를 위해 EEG, EMG 등과 같은 시스템 및 처리 들을 포함하며; 형태(100)를 위해 X선, MRI, CT 영상 시스템 등을 포함한다.
일반적으로, 이러한 기법에 따른 도6에 있어서, 환자는 각각의 형태내에 하나이상의 리소스 형태(98, 100, 102)와 하나이상의 양식을 위하여, 하나이상의 데이터 획득 기능, 처리 기능, 및 진단 기능을 포함하는 제1차(92)로 실행된 다양한 절차를 갖는다. 이러한 획득, 처리, 및 진단의 결과에 기초하여, 연속한 시간(94)에서 일련의 데이터 획득, 처리, 또는 진단이 실행된다. 이러한 두 시간지점에서 블럭들 사이에 화살표로 도시된 바와 같이, 이러한 데이터 획득, 처리, 및 분석의 제어 및 규정이 적절하다. 주어진 리소스 형태내의 동일한 양식에서 또는 동일한 리소스 형태의 상이한 양식에서 일련의 동작이 실행된다. 이와 마찬가지로, 상기 시스템은 상이한 형태의 리소스내에서 특정 양식을 위하여, 완전히 상이한 형태의 리소스에서 이러한 절차를 제어하거나 규정한다. 그후, 도면부호 96으로 도시된 바와 같이, 일련의 시간에 일련의 절차가 실행된다.
본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, 이러한 기법은 시간에 관한 의료 데이터의 제어 및 규정에 대해 매우 강력하면서도 고집적된 접근을 제공한다. 예를 들어, 예를 들어 시간(92)에서, 전기 데이터의 획득 및 분석의 결과에 따라, 환자에 대한 일련의 회기가 스케쥴되며, 상기 시스템은 특정한 영상 시스템을 통해 영상의 획득을 자동으로 또는 반자동으로 규정하거나 제어한다. 또한, 상기 시스템은 임상검사실 데이터, 병력 데이터, 약물 생체반응 데이터, 또는 일반적으로 상술한 바와 같은 기타 다른 제제 데이터 형태의 획득, 처리, 또는 제어를 규정하거나 제어한다. 시간의 경과에 따라, 다양한 양식과 리소스 형태 사이에서, 상술한 기타 다른 데이터 리소스로부터의 데이터와 함께, 이러한 분석은 의료 이벤트, 의료 상태, 질병 상태, 치료, 소인 등에 관한 매우 명확한 피드백을 제공한다.
시간의 경과에 따른 이러한 정보의 집적은 도7에 상세히 도시되어 있다. 도7에 도시된 바와 같이, 다양한 지점에서 다양한 리소스 형태(98, 100, 102)로 수집되어 처리된 후 분석된 다양한 데이터는 프로그램(22)을 통해 연산 리소스(20)에 의해 처리되어 유용하게 사용된다. 상술한 바와 같이, 이러한 처리는 알고리즘[CAA(86), CAP(88), CAD(90)] 등과 같은 CAX 알고리즘과, 연산 리소스(20)에 유용한 기타 다른 프로그램 모듈을 사용하여 분석, 규정, 및 제어를 위해 유용한 데이터로 실행된 광범위한 작동을 포함한다. 시간의 경과에 따라 도면부호 91로 도시된 바와 같이, 어플리케이션, 소프트웨어 수이트의 일부로서 기타 다른 모듈이 제공된다. 상기 로직 엔진(24)은 하나이상의 리소스 형태의 하나이상의 양식으로부터, 데이터의 연관작용과, 데이터의 일련의 획득, 처리, 및 분석의 규정이나 제어를 도와준다. 궁극적으로, 상기 연산 리소스는 정보를 집적된 지식 베이스(12)의 일부로서 임상의사(6)에게 유용하게 한다.
도7의 개략적인 도시에 대해서는 여러가지 관점이 있다. 첫째로, 상술한 바와 같이 직간접 통신에 의해 시스템 소자들 사이의 다양한 상호연결이 제공된다. 또한, 다양한 리소스 형태(98, 100, 102) 사이의 상호연결 및 데이터 교환은 상술한 바와 같이 성분들 사이의 직접적인 상호연결에 의해 촉진된다. 이것은 상이한 형태의 다양한 양식들 사이와 마찬가지로, 성분들 사이의 직접적인 상호연결인 경우이다. 도6을 참조로 서술한 바와 같이, 시간에 따른 이러한 형태와 양식들 사이의 데이터 교환을 위한 상호연결에 대해서도 마찬가지이다. 마지막으로, 임상의사(6)는 도7에서 다양한 위치에 있는 것으로 도시되어 있지만, 사용된 양식 및 형태에 따라 또한 환자의 요구에 따라, 이것은 동일한 임상의사나 다른 임상의사를 포함할 수도 있음을 인식해야 한다. 즉, 다양한 리소스 형태나 심지어 특정 양식을 위해 특정 임상의사나 전문가가 제공되며, 기타 다른 리소스 형태 및 양식에 대해서는 다르게 훈련받은 사람이 포함된다. 그러나 궁극적으로, 본 발명에 있어서 임상의사(6)에 대한 일반적인 기준은 간혹 개인적으로 또는 팀을 이루어 의료 상황시 필요로 하는 입력 및 보호를 제공하는 훈련받은 모든 사람을 포함하는 것으로 여겨진다.
제어가능하고 규정가능한 다양한 형태의 리소스와, 이러한 리소스 형태의 양식은 이러한 기법에 의해 제공된 획득 기능, 처리 기능, 분석 기능을 실행하는데 유용하게 사용될 수 있는 데이터 리소스를 포함한다. 특히, 본 발명의 기법은 시간에 따라 획득, 처리, 및 분석의 접적화 등을 위해 적은 수의 단일 리소스가 제공되며, 가장 유용한 형태로 광범위한 리소스가 유용하게 되는 것을 예상한다. 도8은 도면부호 110으로 도시된, 예시적인 리소스 형태와, 이러한 각각의 형태내에 있는 양식(112)을 표로 도시하고 있다. 상술한 바와 같이, 제어가능하고 규정가능한 리소스는 일반적으로 전기 데이터 소스, 조직학적 데이터 소스, 약물 생체반응 소스, 및 기타 다른 다양한 의료 데이터 소스를 포함한다. 이러한 각각의 형태 및 양식에서의 다양한 기준 데이터가 데이터 리소스에 포함되지만, 도8의 표에 열거되어 있는 형태 및 양식은 환자 특정인 데이터와 이러한 환자로부터 직접적으로 또는 간접적으로 얻어지는 데이터를 획득하도록 설계된다. 이러한 리소스의 특징에 대한 보다 양호한 이해와, 의료 이벤트 및 상태를 평가하는데 사용되는 방식을 제공하기 위해 도8에 요약되어 있는 다양한 형태 및 양식에 대해 서술하기로 한다.
전기 데이터 리소스
제어가능하고 규정가능한 형태의 전기 데이터 리소스는 도9에 도시된 바와 같이 전형적인 모듈 또는 성분을 포함하는 것으로 여겨진다. 이러한 성분들은 의료 이벤트 또는 상태를 나타내는 관심있는 변수를 검출하기 위하여 환자에게 배치된 또는 환자 주위에 배치되는 센서 또는 변환기(114)를 포함할 것이다. 따라서, 상기 센서는 몸체나 몸체의 일부로부터 방출되는 전기 신호와, 운동 형태(예를 들어, 펄스, 호흡)에 의해 생성되는 압력, 또는 운동이나 자극에 대한 반응 등과 같은 변수를 검출한다. 상기 센서(144)는 몸체의 외부 영역에 배치되지만; 카테테르, 주사나 음식물 섭취 등의 수단, 또는 전송기 등이 구비된 캡슐 등에 의해 몸체내에 배치될 수도 있다.
상기 센서는 검출된 변수를 나타내는 신호나 데이터를 발생한다. 이러한 원시 데이터는 데이터 획득 모듈(116)로 전송된다. 상기 데이터 획득 모듈은 샘플화된 아날로그 데이터를 획득하고, 이러한 데이터에 대해 여과 및 다중화 등와 같은 다양한 초기 작동을 실행한다. 그후, 상기 데이터는 신호 컨디셔닝 모듈(118)로 전송되어; 부가의 여과, 아날로그-디지털 변환 등과 같은 부가의 처리가 실행된다.
그후, 처리 모듈(120)은 상기 데이터를 수신한 후, 데이터의 간단한 분석이나 상세한 분석을 포함하는 처리 기능을 실행한다. 디스플레이/사용자 인터페이스(122)에 의해, 상기 데이터는 복제되어, 관찰되고, 스크린 디스플레이상에서의 궤적이나 하드카피 등과 같이 사용자가 원하는 포맷으로 출력된다. 상기 처리 모듈(120)은 주석, 한정적이거나 라벨링된 주축이나 화살표 또는 기타 다른 표시부 등과 같은 마킹이 인터페이스(22)에 의해 생산된 출력물상에 나타나도록 상기 데이터를 마킹하거나 분석한다. 마지막으로, 아카이브 모듈(24)이 작동되어, 상기 데이터를 리소스내에 국소적으로 또는 원격으로 저장한다. 상기 아카이브 모듈은 데이터의 재포맷이나 재구성, 데이터의 압축, 데이터의 압축해제 등을 허용한다. 도9에 도시된 다양한 모듈 및 성분들의 특정 형태는 물론 포함되어 있는 양식과 리소스의 특성에 따라 변화될 것이다. 마지막으로, 도면부호 29로 도시된 바와 같이, 도9에 도시된 모듈과 성분은 네트웍 연결을 통해 외부의 시스템 및 리소스에 직간접으로 연결될 수 있다.
하기에 이러한 기법에 유용하게 사용될 수 있는 전기 데이터 리소스에 대해 상세히 서술하기로 한다.
EEG
뇌파 전위기록(EEG)은 환자의 머리에 부착되어 컴퓨터 시스템에 연결되어 있는 센서나 전극을 통해, 뇌의 전기적 활동을 기록하는, 전형적으로 1시간 내지 2시간이 소요되는 절차이다. 이러한 처리는 전극에 의해 검출된 뇌의 전기적 방출을 기록한다. 상기 컴퓨터 시스템은 뇌의 전기 활동을 궤적이나 선으로 디스플레이한다. 전개된 패턴은 기록되며, 뇌의 활동을 분석하는데 사용될 수 있다. 여러가지 형태의 뇌파가 알파파, 베타파, 델타파 등을 포함하는 패턴으로 나타나며; 이들 각각은 여러 활동 및 작용과 연관되어 있다. 뇌 활동의 정상 패턴으로부터의 변화는 뇌의 비정상, 의료 이벤트, 상태, 질병 상태 등을 나타낼 수 있다.
EEG 테스트를 위한 준비에 있어서, 음식물과 약물치료는 뇌의 활동에 영향을 끼쳐서 비정상적인 테스트 결과를 생산할 수 있기 때문에, 이러한 음식물 및 약물치료는 회피된다. 테스트중, 환자는 저혈액 설탕(저혈당)을 피하기 위해 필요로 하는 단계를 취하며, 수면중 비정상적인 뇌 활동 형태가 관찰되어야만 하는 경우에는 수면을 취하도록 준비된다. EEG의 실행은 병원이나 진료소에서 이루어지며, 실험은 전형적으로 EEG 전문가에 의해 실행된다. 상기 전문가는 전극을 정위치에 고정하기 위하여 반죽물이나 작은 바늘을 사용하여 전형적으로 16-25개의 전극을 환자 머리의 여러 위치에 고정한다. 의사, 전형적으로는 신경과 의사가 EEG 기록을 분석한다. 절차중, 환자는 편안한 자세로 있을 것이 요망되지만, 환자를 급하게 숨쉬게 하거나(호흡에 의한 혈중 탄산가스 감소) 또는 이러한 자극에 반응하는 뇌를 관찰하는 스트로로스코프를 보는 등과 같은 다양한 자극 형태가 요구되기도 한다. EEG는 전형적으로 간질 등과 같이 특정한 잠재적 이벤트 또는 상태를 진단하거나, 이러한 무질서와 함께 환자가 경험하는 다양한 발작형태를 식별하기 위해 실행된다. EEG 검사는 의심스러운 뇌종양, 염증, 감염(기면성 뇌염), 또는 뇌 질환을 평가하기 위해 사용된다. 이러한 검사는 의식불명이나 치매 주기를 평가하는데도 사용된다. 상기 검사는 혼수상태인 환자의 뇌 사망을 확인하고, 수면 장애를 연구하고, 또는 수술중 일반적인 마취를 받아들일 동안 뇌 활동을 관찰하기 위해, 심장정지 또는 기타 다른 주요한 쇼크후 회복을 위한 환자의 예후를 평가한다.
ECG
심전도 기록(EKG, ECG)은 환자의 피부에 부착되어 데이터 획득시스템에 결합된 전극을 통해 심장의 전기적 활동을 기록하는, 전형적으로 10분 내지 15분 정도 소요되는 절차이다. 상기 전극은 전기 충격을 검출하며, 몸체에 전기를 인가하지는 않는다. 상기 전극은 심장정지를 초래하는 몸체의 전기 시스템의 활동을 검출한다. 상기 전기적 활동은 전형적으로 전극이 부착되어 있는 환자의 팔다리와 가슴상의 피부를 통해 검출된다. 환자의 옷은 가슴 상부까지 제거되며, 환자의 팔뚝 및 하부다리가 노출되도록 스타킹이나 바지는 벗겨진다. 전형적으로 전문화된 임상의사에 의해 실행되는 이러한 검사는 병원이나 진료소, 또는 검사실에서 실행된다. 검사후, 심장전문의가 심전도기록을 분석한다. 기타 다른 절차는 물리적 활동을 포함하여 특정한 형태의 활동을 요구하지만, 이러한 절차중에는 환자는 전형적으로 베드나 테이블에 누울 것이 요망된다. 적절한 검사중, 환자는 검사가 실행되기 전에 일정시간 쉴 것이 요망된다. 전기적 활동을 검출하는데 사용되는 전형적으로 12개의 전극은 접착제나 기타 다른 수단을 통해 원하는 위치에 배치된다. 전극의 배치 및 지지를 촉진시키기 위하여 일정 영역이 세척되거나 면도된다. 또한, 전기 펄스의 도전을 개선시키기 위해 도전성 패드나 반죽물이 사용될 수도 있다.
획득 시스템은 펄스에 의해 표시된 전기적 활동을 궤적이나 선으로 변환시킨다. ECT 궤적은 전형적으로 심장에 의해 발생된 전기 펄스의 특징적 패턴을 따를 것이다. 전형적으로 P파, QRA 복합, ST 세그먼트 및 T파로 언급되는 파형을 포함하여, 이러한 특징적 패턴의 여러 부분이 식별 및 측정된다. 이러한 궤적은 의료 이벤트나 상태를 나타내는 비정상에 대해 컴퓨터나 심장전문의에 의해 분석된다. ECG 절차는 전형적으로 이러한 상태를 심장 확장, 심장으로의 혈액 흐름이 불충분하다는 것을 나타내는 표시, 심장에 대한 새로운 상처 또는 이전 상처를 나타내는 표시(예를 들어, 심장마비), 심장 부정맥, 몸체내에서의 화학적 불균형으로 인해 유발되는 심장의 전기적 활동의 변화, 심막 팽창의 표시 등으로 식별하는데 사용된다.
EMG
근전도기록은 전형적으로 1시간 내지 3시간 정도 소요되며, 근육의 수축으로 인한 전기 방출을 측정하도록 설계된 절차이다. 일반적으로, 근육 수축시 환자에 배치되어 있는 센서에 의해 검출될 수 있는 전기 신호가 발생된다. 하기에 설명될 EMG 및 신경 전도 연구는 근육 조직이나 신경에 손상을 가할 수 있는 질병이나 상태의 존재와 그 위치의 검출을 도와주는데 사용된다. EMG 검사와 신경 전도 연구는 통상적으로 보다 복잡한 정보를 제공하기 위해 함께 실행된다.
EMG 검사의 준비에 있어서, 환자는 전형적으로 검사하기 3시간 등과 같이 일정 시간주기동안 약물치료와 자극제 등을 피할 것이 요망된다. 시험전에는 출혈이나 혈액 희석 등과 같은 특정 상태와 심장자극기의 사용 등과 같은 실행을 인식해야 한다. EMG 검사 자체에 있어서, 병원이나 진료소의 임상의사는 여분의 전기 인터페이스를 여과해야 한다. 필요할 경우, 신경과의사 또는 물리치료사가 테스트를 실행할 수도 있다. 절차중, 환자는 일반적으로 편안한 위치를 취할 것이 요망되며, 검사를 받을 근육은 그 접근을 촉진시키도록 위치되어야 한다. 검사될 피부 위에 있는 피부 영역은 세척되며, 이러한 피부상에 기준 전극 및 기록 전극을 포함하는 전극들이 배치된다. 상기 기준 전극은 전형적으로 평탄한 금속 디스크를 포함하며, 이러한 금속 디스크는 테스트 영역 근처에서 피부 또는 테스트 영역 근처의 피부아래에 주사될 바늘에 부착된다. 상기 기록 전극은 전형적으로 도선 와이어를 통해 데이터 획득 장치 또는 레코더에 부착된 바늘을 포함한다. 상기 기록 전극은 검사될 근육 조직에 삽입된다. 전형적으로 이완 및 수축시 점진적으로 수축력을 증가시키면서 2개의 전극을 통해, 근육의 전기적 활동이 검사된 후 기록된다. 다른 근육 영역이나 다른 근육의 활동을 기록하기 위해서는 전극을 재배치하여야 한다. 이렇게 수집된 전기적 활동은 디스플레이되며, 전형적으로 스파이크형 파형의 형태를 취한다.
전형적으로 상태를 진단하기 위해 EMG 시험의 결과는 다른 데이터와 함께 사용되지만, 분석은 단독으로 이루어진다. 다른 시험에 의해 수집된 정보와 마찬가지로, 기타 다른 데이터는 환자의 병력, 특정 증후에 관한 정보를 포함한다. 상기 EMG 검사는 근육 조직이나, 신경, 또는 신경과 근육 사이의 접합부에 손상을 끼칠 수 있는 질병진단에 도움을 주기 위해, 또는 허약도, 마비, 무의식적 근육 자극의 원인을 평가하는데 도움을 주기 위해 실행된다. 이러한 시험은 정상적인 근육활동에 영향을 끼치는 기타 다른 상태 뿐만 아니라, 소아마비후 증후군 등과 같은 상태를 진단하는데 사용될 수도 있다.
EIT
전기 임피던스 단층 X선 사진(EIT)은 몸체의 전기 변수에 관한 정보를 제공하기 위해 설계된 비침입성 처리이다. 특히, 이러한 처리는 전기 도전성과, 몸체내의 유전율을 도표화한다. 전기 도전성은 물질이 전기를 도전하는 용이성을 측정하는 것인 반면에, 전기 유전율은 가해진 전기장이 유도되었을 때 물질내의 전하가 분리되는 용이성을 측정한 것이다. 전도성이 높은 물질은 직류 및 교류의 통과를 허용한다. 반면에, 유전률이 높은 물질은 단지 교류의 통과만을 허용한다. 몸체내의 전기 도전성 및 전기 유전율의 선택적 데이터 수집은 환자의 피부에 부착된 전극을 통해 몸체에 전류를 인가하므로써, 또한 최종 전압을 측정하므로써, 전형적인 검사에 의해 얻을 수 있다. 이러한 측정값에 의해, 재구성에 의한 조직의 영상을 생성하는데 사용되는 몸체 조직의 임피던스를 컴퓨터조작할 수 있다.
검사중 공급된 전류는 최소한의 임피던스 경로를 가정할 것이며, 조직을 통과하는 전류는 환자 조직의 도전성 분포에 의존할 것이다. 이렇게 얻어진 데이터는 다양한 재구성 기법을 통해 조직의 영상을 재구성하는데 사용된다. 일반적으로, 상기 영상 재구성은 비선형 수학적 컴퓨터조작을 포함하며, 그 최종 영상은 다양한 진단 및 치료를 위해 사용될 수 있다. 예를 들어, 이러한 검사는 폐 또는 폐색전증에서 응고 혈액을 검출하는데 사용될 수 있다. 또한, 이러한 처리는 폐 허탈(肺 虛脫)과 유체의 축적 등을 포함하는 폐에 관련된 문제점을 검출하는데도 사용될 수 있다. 검출될 수 있는 기타 다른 상태로는 기타 다양한 의료 이벤트 및 상태 등을 포함하여, 내출혈, 흑색소 세포종, 폐암 등의 암 등이 포함된다.
신경 전도
신경 전도 연구는 각각의 신경이 얼마나 양호하게 전기 신호를 전송할 수 있는지를 측정하기 위해 사용된다. 신경 전도 연구 및 EMG 연구는 근육 조직이나 신경에 손상을 끼칠 수 있는 질병의 검출이나 그 위치의 검출에 도움을 주기 위해 사용될 수 있다. 신경 전도 연구 및 EMG는 진단시 보다 완성적인 정보를 제공하기 위해 자주 함께 실행된다. 전형적으로 이러한 두 테스트가 함께 실행되는 경우에는 신경 전도 연구가 먼저 실행된다.
신경 전도 연구의 준비에 있어서, 일반적으로 환자는 담배와 카페인 등과 같은 자극제 뿐만 아니라 약물치료도 피할 것이 요망된다. 또한, 검사전에는 출혈이나 혈액 희석과 연관된 문제와 심장박동 임플란트의 사용이 확인된다. 신경 전도 연구 그 자체는 일반적으로 전문가에 의해 실행되며, 병원이나 진료소 또는 전기 간섭을 여과하도록 설계된 특수한 방에서 이루어진다. 통상적으로 신경전문가 또는 물리치료사가 이러한 검사를 실행한다. 절차중, 환자는 기대거나 착석할 것이 요망되며, 검사될 몸체 영역은 이완될 것이 요망된다. 환자의 피부에는 여러개의 평탄한 금속 디스크 전극이 부착되며, 전하방출 전극은 검사될 신경 위에 놓인다. 기록 전극은 신경에 의해 제어되는 전극 위에 놓인다. 신경에는 전기 충격이 반복적으로 가해지며, 도전 속도 또는 근육 응답을 얻는데 필요한 시간이 기록된다. 몸체의 다른측에서의 대응 근육들 사이에 응답시간의 비교가 이루어진다. 상기 신경 도전 연구는 다른 증후 뿐만 아니라, 주위 신경 시스템에 대한 손상을 검출하고 이를 평가하기 위해, 비정상 감각의 원인을 식별하기 위해, 소아마비후 증후군을 진단하기 위해 실행된다.
ENG
전기안진도 기록(electronystagmography resources: ENG)은 눈, 내이(內耳), 뇌의 조화된 입력을 통해 환자가 얼마나 양호하게 위치감각 및 평형감각을 유지하는지를 평가하기 위해 설계된 일련의 테스트를 의미한다. 상기 ENG 테스트는 예를 들어 내이나 뇌의 신경구조에 대한 손상으로 인해 어지럼증이나 현기증이 유발되는지를 결정하기 위해 사용될 수 있다. 이러한 테스트는 얼굴 영역에 부착되어 눈 운동을 관찰하는 장치에 연결되어 있는 전극을 이용한다. ENG 테스트중에는 통상적으로 머리가 움직일 때 발생되며, 안구진탕으로 언급되는 무의식적 눈 운동이 측정된다. 자연발생적 또는 자연적 안구진탕은 신경이나 내이 구조 또는 뇌에 영향을 끼치는 상태를 나타낸다.
일련의 ENG 테스트의 준비에 있어서, 환자는 일반적으로 연장된 주기동안 약물치료 및 자극제를 피할 것이 요망된다. 테스트에 사용되는 전극과의 예견할 수 있는 간섭으로 인하여 얼굴 화장 뿐만 아니라, 시각보조제 및 청각보조제도 제거되어야 한다. 시험에 있어서, 일반적으로 5개의 일련의 전극은 도전성 접착제를 사용하여 환자의 얼굴에 부착된다. 환자는 어두운 방에서 착석한 상태로 검사를 받는다. 시험중, 환자가 단지 눈만을 사용하여 어떻게 이동점을 따르는지를 측정하거나 관찰하도록 기구가 조정된다. 환자가 감긴 눈으로 정신적 목적을 실행하고, 머리를 똑바로 하여 양측을 응시하고, 진자나 기타 다른 물건의 움직임을 눈으로 따라가고, 머리와 몸체를 다른 위치로 이동시킬 동안, 판독이 이루어진다. 또한, 온도눈떨림 검사중 눈의 움직임이 관찰되며, 이러한 온도눈떨림 검사는 따뜻하거나 차가운 공기나 물을 포함하며, 상기 따뜻하거나 차가운 공기가 환자의 귀로 취입된다. 이러한 테스트중, 전극은 눈의 움직임을 검출하며, 관찰 시스템은 이러한 움직임을 선 움직임으로 변환시킨다. 상기 온도눈떨림 검사는 눈의 움직임을 검출하기 위해 전극을 사용하거나 또는 전극을 사용하지 않을 수도 있다. 비정상적이고 불수의적인 눈 움직임이 검출되는지의 여부와, 머리 움직임이 현기증을 유발하는지의 여부와, 온도눈떨림 검사중 눈의 움직임이 정상적인 세기 및 방향을 갖는지의 여부를 결정하기 위해, 테스트 결과가 분석된다. 만일 테스트중 이러한 비정상적이고 불수의적인 눈 움직임이 발생된다면, 그 결과는 뇌나 신경에 대한 손상이나 평형감각에 영향을 미치는 귀의 구조체에 대한 손상을 나타내는 것이다.
조합
상술한 바와 같은 절차의 다양한 조합은 보다 상세하거나 특정한 정보를 얻기 위해 조합될 수 있다. 특히, 상술한 바와 같이, 이러한 절차들을 보완하기 위해 신경전도 검사 및 EMG 연구가 종종 실행된다. 그러나, 상술한 바와 같은 하나이상의 전기 검사의 결과에 기초하여, 동일한 특성이나 상이한 형태의 더욱 면밀한 테스트가 요구될 수 있다. 잠재적 비정상, 물리적 상태, 또는 질병 상태를 보다 양호하게 인식하기 위해 분석은 조합되거나 분리가능한 것으로 여겨진다.
영상 데이터 리소스
연조직 및 경조직에 대한 의료 이벤트 및 상태를 진단하고, 또한 특정 해부기능 및 구조를 분석하는데는 다양한 영상 리소스가 유용하게 사용된다. 또한, 외과적 성분들을 접근하기가 어렵거나 시각화하기가 어려운 영역의 통과를 안내하는데 도움을 주기 위해 의료 시술중에는 영상 시스템이 유용하게 사용된다. 도10은 예시적인 영상 시스템에 대한 일반적인 사항을 도시하고 있으며, 일련의 도면은 특정 양식 시스템의 주요 시스템 성분을 상세히 도시하고 있다.
도10에 있어서, 영상 시스템(126)은 일반적으로 신호를 검출하고 이러한 신호를 사용가능한 데이터로 변환하는 영상표시기(128)의 일부 형태를 포함한다. 하기에 상세히 서술되는 바와 같이, 상기 영상표시기(128)는 영상 데이터를 생성하기 위해 다양한 물리적 원리에 따라 작동된다. 그러나, 일반적으로 환자의 관심영역을 나타내는 영상 데이터는 영상표시기에 의해 포토그래픽 필름 등과 같은 종래의 지지체나 디지털 매체에 생성된다.
상기 영상표시기는 시스템 제어회로(130)의 제어하게 작동된다. 상기 시스템 제어회로는 방사선 소스 제어회로, 타이밍 회로, 환자 또는 운동 테이블과 함께 데이터 획득을 조화시키는 회로, 방사선이나 기타 다른 소스의 위치 및 검출기의 위치를 제어하는 회로 등과 같은 광범위한 회로를 포함한다. 영상 데이터 또는 신호의 획득을 따르는 영상표시기(128)는 디지털 값으로의 변환을 위해 상기 신호를 처리하며, 영상 데이터를 데이터 획득회로(132)로 진행시킨다. 포토그래픽 필름 등과 같은 아날로그 매체인 경우, 상기 데이터 획득 시스템은 필름을 인화한 후 디지털화되는 하드 카피를 생산하기 위한 설비 뿐만 아니라, 일반적으로 필름을 위한 지지체를 포함한다. 디지털 시스템을 위하여, 데이터 획득 회로(132)는 원하는 곳에서 데이터 스트림 및 파일의 편집 뿐만 아니라, 디지털 다이나믹 범위의 조정, 데이터의 완화 또는 예리화 등과 같은 광범위한 초리 처리기능을 실행한다. 그후, 데이터는 데이터 처리회로(134)로 이송되어, 부가적인 데이터 처리 및 분석이 실행된다. 포토그래픽 필름 등과 같은 종래의 매체를 위하여, 상기 데이터처리 시스템은 원문 정보를 필름에 인가할 뿐만 아니라, 주석이나 환자-식별 정보를 부착한다. 다양한 디지털 영상 시스템을 유용하게 하기 위하여, 상기 데이터 처리회로는 일련의 데이터 분석과, 데이터의 정렬과, 예리화와, 완화와, 특징 인식 등을 실행한다.
궁극적으로, 영상 데이터는 관찰 및 분석을 위하여, 작동자 인터페이스(136)의 일부 형태로 진행된다. 관찰하기 전에 영상 데이터상에 작업이 실행될동안, 상기 작동자 인터페이스(136)는 일부 지점에서 수집된 영상 데이터에 기초하여 재구성된 영상을 관찰하는데 유용하다. 포토그래픽 필름인 영우, 영상은 전형적으로 라이트 박스 또는 이와 유사한 디스플레이상에 올려지며, 이러한 라이트 박스나 디스플레이는 방사선과 의사 및 참여중인 내과의사에게 영상 시컨스를 보다 용이하게 판독할 수 있게 하고 주해를 달 수 있게 한다. 상기 영상은 사진 아카이빙 통신 시스템 등과 같은 인터페이스(136)내에 포함되는 것으로 여겨지는 목적을 위하여, 저장장치에 장기간 또는 단기간 저장된다. 상기 영상 데이터는 네트웍(29) 등을 통해 원격지로 이송될 수도 있다. 일반적인 관점에서, 상기 작동자 인터페이스(136)는 전형적으로 시스템 제어회로(130)가 구비된 인터페이스를 통해 영상 시스템의 제어를 실행할 수 있음을 인식해야 한다. 또한, 하나이상의 작동자 인터페이스(136)가 제공될 수도 있음을 인식해야 한다. 따라서, 영상 스캐너나 스테이션은 영상 데이터 획득절차내에 포함된 변수의 제어를 허용하는 인터페이스를 포함하며; 최종적으로 재구성된 영상을 조작, 강화, 및 관찰하기 위해 또 다른 작동자 인터페이스가 제공될 수도 있다.
하기에는 도10에 도시된 전체적인 시스템에 기초하여 특정 영상 양식을 보다 상세히 서술하고 있다.
X선
도11은 디지털 X선 시스템(150)을 도시하고 있다. 도11에서는 디지털 시스템을 기준으로 하여 도시되었지만, 본 기법에서는 제어가능하고 규정가능한 리소스로서 물론 종래의 X선 시스템이 제공될 수도 있다. 특히, 종래의 X선 시스템은 디지타이저 등을 사용하여 포토그래픽 필름 및 이러한 포토그래픽 필름으로부터 추출된 디지털화된 영상의 형태로 매우 유용한 도구를 제공한다.
도11에 도시된 시스템(140)은 방사선 비임(144)을 방출하도록 설계된, 전형적으로 X선 튜브인 방사선 소스(142)를 포함한다. 방사선은 목표물의 형태, 입력 레벨, 필터 형태 등과 같은 소스(142)의 변수들을 조정하여 컨디셔닝되거나 조정된다. 최종적인 방사선 비임(144)은 환자(4)를 향하는 비임의 강도와 형태를 결정하는 콜리메이터(146)를 통해 지향된다. 환자(4)의 일부는 비임(144)의 경로에 배치되며, 비임은 디지털 검출기(148)에 충돌된다.
전형적으로 픽셀의 매트릭스를 포함하는 검출기(148)는 매트릭스의 다양한 위치에서 충돌되는 방사선의 강도를 엔코딩한다. 신틸레이터는 고에너지 X선 방사선을 저에너지 광자로 변환하며, 상기 저에너지 광자는 검출기내의 포토다이오드에 의해 검출된다. X선 방사선은 환자내의 조직에 의해 희석되므로, 픽셀은 최종적으로 재구성되는 영상을 위한 기초를 형성할 다양한 강도 레벨로 나타나는 다양한 희석 레벨을 인식할 수 있다.
영상 획득 처리를 제어하고 최종 신호를 검출 및 처리하기 위하여, 제어회로 및 데이터 획득회로가 제공된다. 특히, 도11에 도시된 바와 같이, 방사선 소스(142)의 작동을 제어하기 위해 소스 제어기(150)가 제공된다. 물론, 테이블 위치 또는 방사선 소스 위치 등과 같은 시스템의 제어가능한 특징을 위하여, 기타 다른 제어회로가 제공될 수도 있다. 상기 데이터 획득 회로(152)는 검출기(148)에 연결되어, 노출에 따른 광검출기상의 전하를 판독할 수 있게 한다. 일반적으로, 광검출기상의 전하는 충돌하는 방사선에 의해 고갈되며, 상기 광검출기는 고갈을 측정하기 위해 재충전된다. 판독회로는 영상 매트릭스의 픽셀 위치에 대응하는 광검출기의 열(row) 및 컬럼을 대칭적으로 판독하기 위한 회로를 포함한다. 그후, 영상 신호는 데이터 획득 회로(152)에 의해 디지털화된 후, 데이터 처리회로(154)로 진행된다.
상기 데이터 처리회로(154)는 다양한 영상 강화기능 뿐만 아니라, 옵셋, 이득 등을 포함하는 작동범위를 실행한다. 그후, 최종 데이터는 장기간 저장 및 단기간 저장을 위하여, 작동자 인터페이스나 저장장치로 진행된다. 데이터에 기초하여 재구성된 영상은 작동자 인터페이스상에 디스플레이되거나, 네트웍(29) 등을 통해 다른 위치로 진행되어 관찰된다. 또한, 디지털 데이터는 포토그래픽 필름 등과 같은 종래 하드 카피상에 재구성된 영상의 프린팅이나 노출을 위한 기준으로서 사용된다.
MR
도12는 자기공명 영상 시스템을 개략적으로 도시하고 있다. 상기 시스템은 영상 데이터를 획득하기 위해 환자가 배치된 스캐너(158)를 포함한다. 상기 스캐너(158)는 일반적으로, 환자 몸체내의 자기회전 물질에 영향을 미치는 자장을 형성하기 위한 주 자석을 포함한다. 전형적으로 물과 대사물질인 상기 자기회전 물질은 서로에 대해 직각으로 지향된 부가의 자장을 생성하는 경사 코일과 자장을 정열시킨다. 경사 자장은 영상을 위하여 환자 조직의 조각을 효과적으로 선택하며, 그 회전 주파수에 및 상(phase)에 따라 상기 조각내에 자기회전 물질을 엔코딩한다. 스캐너내의 고주파(RF) 코일은 고주파 펄스를 발생하여 상기 자기회전 물질을 자극시키며, 상기 물질이 자장과 재정렬됨에 따라, 상기 고주파 코일에 의해 수집된 자기공명 신호가 방출된다.
상기 스캐너(158)는 경사 코일 제어회로(160) 및 RF 코일 제어회로(162)에 연결된다. 상기 경사 코일 제어회로는 영상 데이터를 발생시키는데 사용되는 검사 방법이나 영상을 한정하는 다양한 펄스 시컨스의 제어를 허용한다. 경사 코일 제어회로(160)를 통해 실행된 상기 펄스 시컨스 등급은 혈액이나 완화물질 등과 같은 이동 조직의 특정 영상 뿐만 아니라, 특정 조각, 조직을 영상화하기 위해 설계되었다. 이러한 펄스 시컨스는 3차원 영상 재구성 뿐만 아니라, 다양한 기관이나 특징부의 분석 등을 위하여 복합 조각을 연속적으로 영상화할 수 있게 한다. 상기 RF 코일 제어회로(162)는 RF 여자코일에 펄스를 인가할 수 있게 하며, 최종적으로 검출된 MR 신호를 수용 및 부분적으로 처리하는 작용을 한다. RF 코일 구조체의 범위는 특정 조직 및 목적을 위하여 사용될 수 있음을 인식해야 한다. 또한, RF 펄스의 전송에는 단일의 RF 코일이 사용되며, 최종 신호를 수신하기 위해 다른 코일이 사용될 수 있다.
경사 코일 및 RF 코일 제어회로는 시스템 제어기(164)의 방향하에서 작용한다. 상기 시스템 제어기는 영상 데이터 획득처리를 한정하는 펄스 시컨스 등급을 실행한다. 상기 시스템 제어기는 일반적으로 작동기 인터페이스(136)에 의해 방출 시컨스의 형상이나 적용량을 허용한다.
데이터 처리회로(166)는 검출된 MR 신호를 수신한 후, 재구성을 위한 데이터를 얻기 위하여 상기 신호를 처리한다. 일반적으로, 데이터 처리회로(166)는 수신된 신호를 디지털화한 후, MR 신호가 발생된 선택된 조각에서 특정 위치를 디코딩하기 위해 신호에서 2차원 급속 퓨리에 변환을 실행한다. 최종적인 정보는 조각에서 다양한 위치나 체적 소자[(화적소(voxel)]에서 발생된 MR 신호의 세기의 표시를 제공한다. 그후, 각각의 화적소는 재구성을 위한 영상 데이터에서 픽셀 세기로 변환된다. 상기 데이터 처리회로(166)는 영상 강화, 다이나믹 범위 조정, 세기 조정, 완화, 예리화 등과 같은 광범위한 기타 다른 기능을 수행한다. 최종적으로 처리된 영상 데이터는 전형적으로 단기간 저장이나 장기간 저장 뿐만 아니라, 관찰을 위하여 작동자 인터페이스로 진행된다. 상술한 영상 시스템인 경우, 스캐너 위치에서 MR 영상 데이터가 국소적으로 관찰되거나, 네트웍 연결(29)을 통해 학회내 및 학회로부터 이격된 원격지로 전송된다.
CT
도13은 컴퓨터 단층촬영(CT) 시스템의 기본 부품을 도시하고 있다. 상기 CT 영상 시스템(168)은 X선 방사선을 팬형 비임(172)으로 발생하도록 형성된 방사선 소스(170)를 포함한다. 콜리메이터(174)는 방사선 비임의 한계를 한정한다. 상기 방사선 비임(172)은 포토다이오드 및 트랜지스터의 어레이로 이루어진 굴곡형 검출기(176)를 향해 지향되며, 이러한 포토다이오드 및 트랜지스터의 어레이는 소스(170)로부터 방사선의 충돌에 의해 고갈된 다이오드 전하의 판독을 허용한다. 방사선 소스와, 콜리메이터와, 검출기는 회전 갠트리(gantry)(178)상에 장착되며, 이러한 갠트리에 의해 이들은 급속하게(초당 2회전의 속도로) 회전할 수 있다
검사 시컨스중, 상기 소스 및 검출기가 회전함에 따라, 갠트리내에 배치된 환자(4)의 주위에서 다양하게 변위되는 위치에서 일련의 관찰 프레임이 발생된다. 다수의 관찰 프레임(예를 들어 500 내지 1000)이 각각의 회전시마다 수집되며; 환자가 시스템의 축방향을 따라 서서히 이동함에 따라, 다수의 회전이 나선형 패턴으로 이루어진다. 각각의 관찰 프레임에 대해, 다량의 불연속 데이터를 발생하기 위해, 검출기의 각각의 픽셀 위치로부터 데이터가 수집된다. 소스 제어기(182)는 갠트리의 회전을 제어하며, 환자의 이동제어를 제어한다.
검출기에 의해 수집된 데이터는 디지털화된 후, 데이터 획득회로(184)로 진행된다. 상기 데이터 획득회로는 데이터 파일의 발생 등과 같은 데이터의 초리 처리를 실행한다. 상기 데이터 파일은 심장주기, 특정 시간에서의 시스템내의 위치 등과 같은 기타 유용한 정보를 포함한다. 그후, 데이터 처리회로(186)가 상기 데이터를 수신한 후, 광범위한 데이터조작 및 연산화를 실행한다.
일반적으로, CT 스캐너로부터의 데이터는 방식의 범위로 재구성된다. 예를 들어, 완전 360°회전에 대한 관찰 프레임은 환자를 통한 조각이나 슬레이브의 영상을 구성하는데 사용될 수 있다. 그러나, 일부 정보는 전형적으로 장황하기 때문에(환자의 반대측에서의 동일한 조직의 영상), 방사선의 각도에 180°를 더하여 얻은 관찰 프레임에 대한 정보를 포함하는 감소된 데이터 세트가 구성될 수 있다. 선택적으로, 환자 주위에서 복합 회전사이클의 일부로부터 동일한 갯수의 관찰 프레임이 얻어지는 복합섹터 재구성이 사용될 수도 있다. 그후, 데이터의 유용한 영상으로의 재구성은 검출기상에서 방사선 투사의 연산화 및 환자의 특정위치에 의한 데이터의 상대적 희석을 포함한다. 원시 데이터와, 부분적으로 처리된 데이터와, 완전히 처리된 데이터는 차후의 처리, 저장, 및 영상 재구성을 위해 진행된다. 상기 데이터는 작동자 인터페이스(136) 등의 작동자에 즉시 사용될 수 있으며, 네트웍 연결(29)을 통해 원격으로 전송될 수 있다.
PET
도14는 양전자 방출 단층촬영(PET) 영상 시스템의 기본 부품들을 도시하고 있다. 상기 PET 영상 시스템(188)은 때로는 사이클로트론으로 언급되는 라디오 라벨링 모듈(radio-labeling module)(190)을 포함한다. 상기 사이클로트론은 글루코스처럼 방사성 기질을 갖는 표식된 또는 라디오 라벨링된 물질을 준비하는데 사용된다. 그후, 상기 방사성 기질은 도면부호 192로 도시된 바와 같이 환자(4)에 주사된다. 환자는 PET 스캐너(194)에 위치된다. 상기 스캐너는 환자의 몸체내에서 방사능이 감소될 때 상기 태그된 기질로부터의 방출물을 검출한다. 특히, 방사능 핵종 레벨이 감소됨에 따라, 상기 물질에 의해 양의 전자로도 언급되는 양전자가 방출된다. 상기 양전자는 단거리를 이동하여, 결국 전자와 조합하여 한쌍의 감마선 방출로 나타난다. 스캐너내의 광전자증배관 신틸레이터 검출기는 상기 감마선을 검출하고, 검출된 방사선에 기초하여 신호를 생성한다.
상기 스캐너(194)는 작동자 인터페이스(136)에 의해 제어되는 스캐너 제어회로(196)의 제어하에 작동된다. 대부분의 PET 스캔에서는 환자의 몸체 전체가 스캐닝되며, 감마 방사선으로부터 검출된 신호는 데이터 획득회로(198)로 진행된다. 방사선의 특정한 세기 및 위치는 데이터 처리회로(200)에 의해 확인되며, 재구성된 영상이 형성되어 작동자 인터페이스(136)상에서 관찰되거나, 또는 원시 데이터나 처리된 데이터가 차후의 영상 강화, 분석, 및 관찰을 위해 저장된다. 영상 또는 영상 데이터는 네트웍 라인(29)을 통해 원격지로 전송될 수 있다.
PET 스캔은 전형적으로 암을 검출하고, 암 치료의 효과를 검사하기 위해 사용된다. 스캔은 심장 등과 같이 혈액 흐름을 결정하기 위해 사용되며, 관상동맥 질병의 신호를 평가하는데 사용된다. 심근대사 연구와 조합하여, 상기 PET 스캔은 적절한 혈액 흐름을 설정하기 위하여, 혈관성형술이나 심장동맥 우회술 수술 등과 같은 절차에 유리한 심장 근육과 비기능적 심장 근육을 구분하는데 사용된다. 뇌의 PET 스캔은 결정되지 않은 기억 무질서를 갖는 환자를 평가하고 발작질환의 잠재적 원인을 분석하기 위해 사용된다. 이러한 다양한 절차에 있어서, PET 영상은 상이한 형태의 조직에 의해 태그된 물질의 특이한 섭취에 기초하여 발생된다.
형광촬영술
투시장치 또는 형광촬영술 시스템은 포토그래픽 및 비디오 카메라에 연결된 X선 영상 강조인자로 구성되어 있다. 디지털 시스템에 있어서, 기본적인 투시장치 시스템은 기본적으로 도11을 참조하여 설명된 것과 유사하다. 예를 들어, 간단한 시스템에 있어서, 비디오 카메라와의 영상 강조인자는 영상을 비디오 모니터에 디스플레이하며, 보다 복잡한 시스템은 영상을 재생하기 위해 고해상도 포토그래픽 카메라와, 동영상을 재생하기 위한 상이한 해상도의 카메라를 포함한다. 디지털 X선 시스템에 사용되는 것과 같은 디지털 검출기는 이러한 형광촬영술 시스템에도 사용될 수 있다. 수집된 데이터는 차후 이동 사진형 디스플레이로의 재구성을 위하여 기록된다. 이러한 기법은 때로는 영화투시 촬영술로도 언급된다. 이러한 절차는 움직이는 심장의 운동을 기록하기 위해, 심장정지 연구에 널리 사용되고 있다. 또한, 차후 참고하기 위해 연구가 실행되고 있으며, 또는 실시간 수술 참관중 실행되기도 한다.
종래의 X선 시스템에 있어서, 형광촬영술 시스템에 사용된 카메라는 즉각적인 디스플레이를 위하여 비디오 모니터에 의해 수집된 비디오 신호를 수신한다. 저장이나 차후 재생을 위하여 비디오 테이프나 디스크 레코더가 사용된다. 컴퓨터 시스템이나 데이터 처리회로가 영상 데이터에 대해 부가의 처리 및 분석을 실시간으로 그리고 연속적으로 실행한다.
형광촬영술에 사용되는 다양한 기법은 비디오-형광촬영술 또는 스크리닝, 및 디지털 형광촬영술로도 언급된다. 후자의 기법은 종래 수많은 형광촬영술을 기반으로 하는 방법을 대체하고 있는 중이며; 특정한 의료 용도에 따라, 때로는 디지털 스폿 영상(digital spot imaging: DSI), 디지털 심장정지 영상(digital cardiac imaging: DCI), 디지털 혈관 영상(digital vascular imaging: DVI)/디지털 감산혈관 조영술(digital subtraction angiography: DSA)로도 언급된다. 레이저 영상기 등과 같은 하드 카피 장치는 디지털 영상의 하드 카피를 출력하는데 사용된다. 또한, 형광촬영술 기법은 특히 상술한 바와 같이 디지털 X선 검출기가 사용되는 종래의 X선 기법과 함께 사용된다. 즉, 고에너지 X선 영상은 형광촬영술 영상 및 고해상도 또는 선명한 영상을 제공하는 X선 영상에 간격을 두고 취해지며, 형광촬영술 영상은 실시간 운동의 관찰을 제공한다.
유방조영술
유방조영술은 일반적으로 가슴을 검사하기 위하여 통상적으로 저용량 X선 시스템, 및 고 콘트라스트, 고해상 필름, 또는 상술한 바와 같은 디지털 X선 시스템을 사용하는 특정한 형태의 영상을 의미한다. 다른 유방조영술 시스템은 상술한 바와 같은 형태의 CT 영상 시스템을 사용하여, 유용한 영상을 재구성하는데 사용되는 정보 세트를 수집한다. 전형적인 유방조영술 유니트는 방사선의 다양한 방출 레벨 및 여과를 위해 사용되는 종래 X선 튜브 등과 같은 X선 방사선의 소스를 포함한다. X선 필림 또는 디지털 검출기는 방사선 소스와는 반대쪽 위치에 배치되며; 재구성된 영상에 검출가능한 특징부 또는 비정상에 집중하는데 도움을 주는 덮개를 강화하기 위하여, 가슴은 부품들 사이에 배치된 판에 의해 가압된다. 일반적으로, 미세석회침착물(microcalcification) 등과 같은 해부학적 특징부와 다양한 몸체 및 환부 등을 포함하는 관심있는 특징부는 주위 조직에 비해 X선 방사선의 차별적 흡수 또는 희석으로 인해, 수집된 데이터나 노출된 필름에서 볼 수 있다. 유방조영술은 검출되었을 때 초기에 성공적으로 치료될 수 있는 암의 조기 검출에 중요한 역할을 한다.
초음파촬영술
초음파촬영술 영상 기법은 일반적으로 다른 형태의 방사선을 이온화하는 것이 아니라, 고주파 음파를 이용하는 초음파진단을 포함한다. 상기 시스템은 음파의 전송 및 반사음의 수신을 촉진시키기 위해 겔이 도포된 환자의 피부에 매우 인접하여 배치된 탐침을 포함한다. 상이한 음향 특성을 갖는 조직면 및 구조체로부터의 음성 비임의 반사는 검출 및 처리된다. 최종 데이터에서의 휘도 레벨은 반사된 음파의 세기를 나타낸다.
초음파진단은 일반적으로 비디오 모니터상에서 영상의 계속적인 디스플레이로 실시간으로 실행된다. 실시간 연구중 디스플레이되는 관찰을 제공하도록 정지화면 영상이 포획된다. 종래 방사선촬영술 시스템처럼 초음파 시스템에서도 그 성분에 상당히 의존한다. 예를 들어, 물로 차있는 구조체(물혹 등과 같은)는 최종적으로 재구성된 영상에서 어둡게 나타나며, 지방이 함유된 구조체는 일반적으로 밝게 나타난다. 담석 등과 같은 석회침착물은 밝게 나타나며, 특징적인 그림자 허상을 생성한다.
초음파 연구의 설명시, 방사선과 의사 및 임상의사는 일반적으로 목표물의 휘도를 설명하기 위하여 "메아리"라는 전문용어를 사용한다. "낮은 에코"구조체는 재구성된 영상에서 어둡게 나타나는 반면에, "높은 에코" 구조체는 밝게 나타난다.
초음파진단은 기타 다른 영상 기법에 비해 이온화 방사선의 부존재, 시스템의 고도의 이동성, 및 그 저렴한 비용 등의 장점을 제공한다. 특히, 초음파 검사는 침대옆이나 이동시스템의 사용으로 응급실에서 실행될 수 있다. 또한, 상기 시스템은 목표물이 고형인지 포낭인지를 탁월하게 판별한다. 기타 다른 영상 시스템에서, 초음파진단의 결과는 즉시 관찰할 수 있으며; 차후 관찰, 원격지로의 전송, 및 분석을 위해 저장될 수도 있다.
적외선
적외선 영상으로도 알려져 있는 이러한 임상 용어는 정상적이거나 비정상적인 인체 생리기능의 반사로서 피부 표면온도의 세심한 분석에 기초하고 있다. 이러한 절치는 통상적으로 몸체의 일부에 액정판을 직접 인가하거나 또는 복잡한 컴퓨터 인터페이스를 통해 초민감성 적외선 카메라를 통해 실행된다. 각각의 절차는 열 데이터를 추정한 후, 가능한 질병이나 상처의 신호로 평가되는 영상을 형성한다. 몸체의 표면온도의 편차는 예를 들어 하부 조직의 상처나 손상으로 인한 비정상적으로 강화된 혈액을 나타낸다.
핵
핵의학은 소량의 방사성 기질의 투약과, 기질이 축적되어 있는 특정 위치에서 환자로부터 방출되는 일련의 방사선의 기록을 포함한다. 광범위하고 다양한 진단 및 치료 어플리케이션의 핵 의학이 존재한다. 일반적으로, 핵의학은 특정 형태의 핵으로부터 방사선의 형태로 에너지의 자연발생적 방출에 가초하고 있다. 방사선은 전형적으로 알파선, 베타선, 감마선의 형태를 취한다. 핵은 영상을 위해 검출될 수 있거나 그 방사선이 치료용으로 사용될 수 있는 추적자로서, 방사성 의약품으로 사용된다.
상기 추적자는 방사선을 방출하며 인체내에 있을 때 식별될 수 있는 기질이다. 상기 추적자는 상이한 조직에 의해 상이하게 흡수될 수 있기 때문에, 일단 검출되어 몸체에 적절히 배치된 후 그 방출물은 기관과 다양한 내부조직을 영상화하는데 사용될 수 있다. 방사성 의약품은 전형적으로 구강으로 또는 정맥주사로 투약되며, 특정 기관이나 조직을 국소화하려는 경향을 내포하고 있다. 스캐닝 도구는 방사성 의약품에 의해 생성된 방사선을 검출하며, 영상은 검출된 신호에 기초하여 재구성될 수 있다. 샘플의 다양한 구성물을 측정하는 방사성 물질로 혈액이나 소변 등과 같이 환자로부터 샘플을 조합하므로써, 생물학적 종(specimen)의 방사능 분석도 실행된다.
치료시, 흡수될 특정 조직에서 이들이 생성한 방출물로 인하여, 방사성 물질이 사용된다. 예를 들어 방사성 요오드는 주위의 건강한 조직에 과도한 방사선을 방출하지 않고 암 조직에서 트랩된다. 이러한 성분은 갑상선 암 등과 같이 다양한 형태의 치료에 사용된다. 요오드는 갑상선을 직접 통과하려는 경향을 갖기 때문에, 소량의 방사성 요오드는 치료용 및 진단용으로 선(gland)에 흡수된다. 진단을 위하여, 갑상선 기능저하증이나 갑상선 항진증을 나타낼 경우, 방사선과 의사는 너무 많거나 너무 적은 요오드가 흡수되는지의 여부를 결정해야 한다.
핵의학에서 다른 형태의 영상으로는 다른 성분의 사용을 포함한다. 예를 들어, 테크네튬은 환자의 백혈구와 조합되는 방사성 의약품이며, 뼈속에서 암의 전이나 확장을 확인하는데 사용된다. 일정한 세팅 주기에 이어, 특정 팔다리나 몸 전체의 스캔이 실행되어, 전이라고 진단될 수 있는지의 여부를 확인하는데 사용된다. 상기 테크네튬은 담석으로 인한 차단 등과 같이, 간이나 쓸개의 비정상을 확인하는데 사용될 수도 있다. 상기 기질은 방사선핵종(radionuclide) 뇌실 조영사진에도 사용된다. 이러한 절차에서는 환자의 혈액 샘플이 제거되며(약 10㎤), 방사성 테크네튬은 적혈구에 화학적으로 부착된다. 그후, 혈액은 다시 환자에 주사되며, 심장을 통한 순환이 추적되어 영상화된다.
핵의학에서 테크네튬을 위한 다른 사용으로는 염증의 발생과 기관내에 백혈구의 존재로 인한 충수염의 진단을 포함한다. 이와 마찬가지로, 테크네튬을 포함하는 기법은 복부 염증 및 감염의 진단을 위해 사용된다.
방사선 종양학에서, 공지된 또는 가능한 정도의 종양이 검출되어, 주위의 건강한 세포에 대한 손상을 피하면서, 종양 세포를 공격하기 위해 방사선이 사용되었다. 예를 들어 외측 비임 치료법은 선형 가속기, 알려진 위치에서 암을 파괴하도록 정해진 베타트론이나 코발트 장치를 포함한다. 근접치료에 있어서, 요오드나 세슘 또는 이리듐 등과 같은 방사성 소스는 종양내에 또는 종양을 따라 조합된다. 붕소 중성자 포획 치료법(boron neutron capture therapy: MNCT)으로 알려진 다른 암 치료법에서는 붕소를 포함하는 비방사성 조제약에 의해 알파 입자가 생성된다. 일련의 중성자 비임 조사에 의해, 중성자는 종양에서 붕소와 반응하여, 종양을 파괴하는데 도움을 주는 알파 입자를 생성한다.
방사성 핵종은 자연발생적이거나, 또는 반응기, 사이클로트론, 발생기 등에서 생성된다. 방사선 치료에 있어서, 종양학 또는 핵의학에서의 기타 다른 용도, 조제약이 인위적으로 생산된다. 방사성 의약품은 상당히 짧은 반감기를 가지므로, 이들은 그 의도된 목적으로 사용될 수 있으며, 상당히 신속하게 비독성 기질로 악화된다.
열음향
열음향 영상 시스템은 특정 조직에 대한 에너지의 단펄스의 적용에 기초하고 있다. 에너지의 일부가 환자의 조직에 의해 흡수되도록 에너지가 생성되고 인가된다. 조직의 가열로 인하여, 조직이 확장되고, 이에 따라 음향파가 생성된다. 조직의 에너지 흡수와 연관된 다차원 영상 데이터를 얻을 수 있다. 에너지는 고주파(RF) 파형의 단펄스로 인가된다. 이에 따라 초음파 검출기(변환기)의 어레이에 의해, 최종적인 열음향 방출이 검출된다.
열음향 스캐너는 일반적으로 영상 탱크와, 다채널 증폭기 및 RF 발생기로 구성되어 있다. 발생기와 스캐너의 기타 다른 부품은 일반적으로 RF 차폐실이나 차폐 환경에 배치된다. 열음향 방출 신호를 획득하기 위하여 회전 모터를 따라 디지털 획득 시스템이 제공된다. 그후, 처리 시스템이 신호를 여과하며, 영상 재구성을 위하여 이들을 디지털 형태로 처리한다. 일반적으로, 영상 콘트라스트는 환자에게 분배된 에너지에 의해 결정되며, 영상 공간 해상도는 음성 전달 특성 및 검출기 형상에 의해 결정된다.
임상검사실 리소스
임상검사실 리소스는 몸체의 조직을 분석하는 다양한 기법을 포함한다. 수많은 리소스는 몸체의 여러 부분으로부터의 유체의 추출 및 분석과, 환자의 모집단을 위하여 각각의 환자에 대한 표준과 유체의 검출가능한 변수와의 비교에 기초한다. 임상검사실 분석을 위한 절차는 전형적으로 병원이나 진료소의 방문중 유체나 조직의 샘플링을 포함한다. 이러한 조직 수집은 혈액, 타액, 소변, 뇌척수액(CSF) 등의 수집 등과 같은 다양한 샘플링 절차를 포함한다. 수집된 조직은 특별히 준비된 용기에 저장된 후, 검사 분석을 위해 검사실로 이송된다.
몸체 유체 및 조직에 대한 임상검사 테스트를 실행하는데는 수많은 상이한 방법이 존재한다. 이러한 기법중 일부는 항체나 항원을 검사될 조직과 혼합하는 단계를 포함한다. 상기 항체는 기본적으로 면역 시스템에 의해 제조된 특정 단백질로 구성되어 있다. 몸체는 감염 형태나 외부 이물질의 존재 또는 몸체의 유기체에 응답하여 단백질을 생성한다. 항원은 몸체에서 면역 시스템 반응을 유발시키는 기질이다. 이러한 항원은 그러한 환경이나 환자 자신의 몸체 조직을 포함하여, 박테리아, 바이러스, 약물, 또는 기타 다른 조직을 포함한다.
일반적으로, 예를 들어 혈액내에 항제가 검출되었을 때, 전형적으로 테스트 및 분석에는 항원이 사용된다. 역으로, 항원이 검출되었을 때는 항체가 사용된다. 예를 들어, 림프 질병의 존재에 대한 분석은 림프에 질병을 유발시키는 박테리아의 일부와, 환자 혈액의 샘플을 따른 용기에서 항원의 존재에 의한 것이다. 만일 림프 질병 박테리아에 대한 항체가 존재한다면, 이들은 항원과 반응할 것이며, 다양한 방법으로 검출될 수 있을 것이다. 양성 반응은 질병이 존재하는지의 여부를 나타내는 것이며, 음성 반응은 질병이 존재하지 않음을 나타내는 것이다.
혈액
전체혈구계산(CBC)은 혈액내 세포의 형태와 갯수에 대한 상당히 중요한 정보를 제공한다. 일반적으로, 혈액은 적혈구, 백혈구, 혈소판 등을 포함하는 많은 성분을 포함하고 있다. 상기 CBC는 허약도, 피로, 멍 등과 같은 증상의 평가와; 빈혈, 감염, 및 기타 다른 일반적인 장애 등과 같은 특정 질병의 상태와 의료 이벤트를 평가하는데 도움을 준다.
상기 CBC 및 기타 다른 혈액 검사는 혈액 구성물의 특정 변수를 목표로 한다. 특히, 이러한 테스트는 백혈구, 적혈구, 적혈구 용적율, 헤모글로빈, 다양한 백혈구 지수, 혈소판 계산, 및 기타 다른 화학적 측정치를 식별하기 위해 실행된다. 최종적인 조치는 전형적으로 레벨이나 범위의 형태로, 건강하거나 잠재적인 질병 상태를 나타내는 표시로서, 공지의 정상적이거나 비정상적인 레벨 및 범위와 비교하는 것이다. 시간이 경과함에 따라, 이러한 비교는 질병의 진행이나, 치료의 결과, 또는 감염이나 기타 다른 의료 이벤트에 대한 몸체 자체의 반응에 대한 표시로서, 환자 자신의 정상적 레벨이나 비정상적 레벨에 기초한다.
혈액 분석에 의해 이루어진 특정 형태의 측정값은 광범위한 의료 상태를 나타낸다. 예를 들어, 평가된 백혈구 수치는 암 치료 등과 같은 치료 형태에 대한 몸체의 반응이나 감염을 나타낸다. 상기 백혈구는 호중성 백혈구, 림프구, 단핵세포, 호산구, 호염기구 등을 포함하여, 백혈구 세포의 주요 형태를 식별하기 위해 서로 구분된다. 이러한 각각의 백혈구 형태의 갯수는 면역 시스템 및 면역 반응에 중요한 정보를 제공한다. 따라서, 백혈구 수치의 레벨과 변화는 기타 다른 특정 상태 뿐만 아니라, 감염, 알레르기 또는 독성 반응을 식별할 수 있게 한다.
백혈구의 분석은 다양한 목적을 위해 실행된다. 예를 들어, 백혈구는 조직을 위해 이산화탄소에서 산소 교환을 제공하기 때문에, 그 상대적 계수는 몸체에 충분한 산소가 제공되고 있는지를 나타낼 수 있으며, 만일 그렇다고 평가될 경우에는 모세관의 응괴 및 차단을 유발할 수 있는 적혈구증가증의 위험이 있게 된다. 적혈구 용적율은 혈액내에서 적혈구가 점유하는 체적을 측정한다. 일반적으로, 상기 적혈구 용적율의 수치는 일반적으로 혈액 체적에서의 적혈구 비율로서 제공된다. 헤모글로빈 테스트는 혈액에서의 헤모글로빈의 상대적인 양을 측정하며, 몸체에 산소를 운반할 수 있는 혈액능력을 나타낸다. 기타 다른 적혈구 지수로는 평균 혈구 체적, 평균 혈구 헤모글로빈, 평균 혈구 헤모글로빈 농도 등이 포함된다. 이러한 지수들은 일반적으로 CBC의 기타 다른 측정중 결정되며; 혈액 세포의 상대적 크기의 표시와, 세포의 헤모글로빈 농도와, 평균 혈액 세포내 헤모글로빈 농도를 제공한다. 이러한 측정은 예를 들어 상이한 형태의 빈혈을 식별하는데 사용된다.
혈소판이나 혈소판 수치는 혈액내 혈소판의 상대적 레벨의 표시를 제공하며, 혈액 응고 및 출혈의 비정상을 표시하는데 사용된다.
상술한 바와 같은 분석과 함께, 혈액 바른표본 검사가 실행되며, 이러한 검사에서 혈액은 수동식이나 자동식 시각검사를 위해 도포된 후 건조된다. 혈액내에 포함되어 있는 세포의 수치와 형태는 비정상적인 세포 형태의 확인을 포함한, 이러한 검사에 의해 확인된다. 또한, 혈액검사에서는 알부민 레벨과, 알칼리, 인산분해효소, ALT(SGPT), AST(SGOT), BUN, 칼슘-세륨, 세륨 염화물, 탄소 이산화물, 크레아티닌, 직접형 빌리루빈(bilirubin), 감마-GT 글루코스, LDH, 인-세륨, 포타슘, 세륨 소듐, 전체 빌리루빈, 전체 단백질, 요산 등을 포함하여; 화학적 성분의 많은 변화가 검출되어 분석된다.
혈액 검사는 종양 바이오마커의 존재나 레벨 변화를 확인하는데 사용된다. 예를 들어, 결장암, 전립선암, 간암 등과 같은 암의 존재는 하기에 상세히 서술되는 바와 같이 효소 면역측정법(ELISA) 테스트에 의해 검출될 수 있는 발암성 배아 항원(CEA), 전립샘 특정 항원(PSA), 알파 태아단백(AFP) 등과 같은 평가된 특정 바이오마커의 혈액 레벨에 직접 연결된다.
소변
소변 샘플에 대해서는 광범위한 분석이 실행된다. 이러한 분석은 샘플의 전체적인 외관 및 특성에 기초하며, 기타 다른 사항들은 화학적 분석이나 현미경 분석에 기초한다. 소변 샘플의 현미경 특징에 기초한 분석은 색깔, 투명도, 냄새, 비중, 및 pH를 포함한다.
소변 샘플의 색깔에 영향을 미치는 요소는 체액 평형, 다이어트, 약물치료, 질병 상태 등을 포함한다. 색깔은 예를 들어, 소변내 혈액의 존재나 신장 질환 등의 상태를 나타낸다. 소변의 상대적 투명도(즉, 불투명도 또는 혼탁도)는 박테리아, 혈액, 정액, 비정상적 물리적 상태를 나타내는 결정이나 점액의 존재를 표시한다. 이러한 질병 상태 또는 물리적 상태는 대장균 등과 같이, 혈액에서 검출될 수 있는 비정상적 냄새를 유발한다. 소변의 비중은 샘플에 용해되어 있는 기질의 상대량을 나타낸다. 일반적으로, 비중이 높을수록 소변내에 용해되어 있는 고형물의 레벨이 높은 것을 나타내며, 신장의 기능적 상태를 제공한다. 샘플의 pH(즉, 산도 및 알칼리도)는 신장 상태 및 신장 기능을 나타낸다. 예를 들어, 소변 pH는 신장결석이 형성되는 것을 방지하는 등의 치료에 의해 조정된다.
소변 샘플의 화학적 분석은 단백질, 글루코스, 및 케톤의 구성요소를 나타내기 위해 실행된다. 혈액내에서의 단백질의 존재는 신장질환 등과 같은 질병 뿐만 아니라, 열, 정상임신 등의 상태와 물리적 상태를 나타낼 수 있다. 혈액내에서 정상적으로 발견되는 글루코스는 일반적으로 소변에서는 발견되지 않는다. 소변 샘플내의 글루코스 존재는 당뇨병, 신장손상이나 신장질환을 나타낼 수 있다. 지방의 신진대사의 부산물인 케톤은 소변에 정상적으로 존재한다. 그러나, 케톤 레벨이 높으면 당뇨병 케톤산증 등과 같은 상태의 신호를 보낼 수 있다. 저당, 전분 다이어트, 기아, 지연 구토 등과 같은 기타 다른 비정상적 상태는 소변에서 케톤 수치의 상승을 유발시킬 수 있다.
소변 샘플의 현미경적 분석은 적혈구 및 백혈구, 주(cast), 결정, 박테리아, 효모 세포, 및 기생충을 포함하여, 다양한 물질의 존재를 검출하는데 사용될 수 있다. 이러한 고형물들은 이러한 물질등이 침전물을 형성하도록, 일반적으로 소변 샘플을 원심분리기에 배치하므로써 확인될 수 있다. 주 및 결정은 비정상적 신장 기능을 나타내며; 박테리아, 효모 세포, 및 기생충의 존재는 다양한 형태의 감염의이존재하였음을 나타낸다.
타액
타액의 분석은 다양한 임상 목적을 위해 사용될 수 있다. 예를 들어, 타액 및 혈청을 포함한 여러가지 방법에 의해 성호르몬 검사가 실행될 수 있다. 검사된 성호르몬은 전형적으로 난포호르몬, 에스트론, 에스트리올, 테스토스테론, 프로테스테론, DHEA, 멜라토닌, 코르티솔을 포함한다. 타액 검사의 사용시, 호르몬의 자유 분획은 기준값에 도달하도록 연산된다. 타액은 혈류(전체 레벨을 측정하는 혈액이나 소변과는 달리)에서 스테로이드의 생물학적 활성(자유) 분획을 반영한다. 호르몬의 자유 분획은 혈액으로부터 침샘으로 용이하게 통과할 수 있다. 성 스테로이드 호르몬의 자유 분획은 특히 폐경전후기 및 폐경을 유발한다. 이러한 테스트는 예를 들어 호르몬 대체요법이 현재의 호르몬 레벨 및 평형을 보호 범위내로 이동시켰는지의 여부를 결정하는데 사용된다.
타액 검사는 종양 바이오마커의 존재 또는 그 레벨변화를 확인하는데 사용된다. 예를 들어, 여성의 유방암의 존재는 타액에서 c-erB-2 의 평가 레벨로 직접 연결되며, 이것은 하기에 상세히 서술될 효소 면역측정법(ELISA) 테스트에 의해 검출될 수 있다.
이와 마찬가지로, 가래를 기본으로 하는 검사는 폐암 등과 같은 질병 상태를 진단하는데 사용된다. 이러한 진단은 환자가 공기로 배출하는 체액에 암세포가 존재한다는 사실에 기초하고 있다. 전형적인 조작에 있어서, 임상의사는 가래를 선별기구로 분석하므로써, 샘플이 비정형 세포를 포함하는지의 여부를 결정한다.
위액
위액의 분석 또한 다양한 내부 장기의 기능에 대한 질병상태나 비정상을 검출 및 진단하는데 사용될 수 있다. 예를 들어 간 기능검사(LFT)는 일반적으로 특정한 것이 아니지만, 1차 간 질병 및 2차 간 질병을 검출할 수 있게 한다. 즉, 그 결과는 최대로 사용가능한 정보를 제공하기 위해 세심하게 선별되어 해석되어야만 한다. 실제로, 이러한 통상적인 테스트는 질병의 테스트가 아닌 그 기능적 테스트를 특징으로 한다.
예시적인 테스트에 있어서, 빌리루빈이 샘플로 채취되어 분석된다. 빌리루빈은 그물내피 시스템에 의한 헤모글로빈 근육의 파손에 의한 것이다. 빌리루빈은 간에 플라즈마로 이송되어, 간 실질세포에 의해 추출된 후, 빌리루빈 다이글루크로나이드를 형성하도록 2개의 글루크로나이드와 접합하여, 쓸개즙에서 분비된다. 상기 빌리루빈은 접합된 빌리루빈 및 비접합된 빌리루빈을 포함하여, 빌리루빈과 접합되는 직접 빌리루빈으로서, 혈청에서 전체 빌리루빈으로서 측정될 수 있다. 용혈 등과 같은 비정상적 상태는 비접합된 빌리루빈의 형성을 증가시키므로써, 간에 의해 적절히 처리될 수 없는 레벨로 증가된다. 또한, 방해성 황달은 혈정 빌리루빈의 증가에 의한 증거물로서, 돌이나 암에 의해 간외 총담관 폐쇄를 유발한다. 장기간의 폐쇄는 제2차 간 손상을 유발한다. 간염이나 대상부전 활성 경화 등에서 발견되는 것처럼 간 세포 손상으로 인한 황달은 빌리루빈의 수치 증가에 의해 확인될 수 있다.
또 다른 실시예로서, 효소 알칼리 인산분해효소는 간 손상에 대한 표시를 제공한다. 주로 간이나 뼈에서 생성된 효소는 쓸개의 부분 폐쇄 또는 쓸개의 경증 폐쇄에 매우 민감하다. 이러한 환경에서, 알칼리 분해효소 수치는 정상적인 혈청 빌리루빈과 함께 증가된다. 경화에 있어서, 급성 간 세포 손상이 경증인 경우에서는 이러한 증가가 거의 없으며, 상기 알칼리 인산분해효소는 보상 및 폐쇄의 정도에 따라 상당히 변화된다. 또한, 알칼리 인산분해효소의 동종효소는 간 및 뼈에서 발견되며, 이것은 증가된 혈청 알칼리 인산분해효소의 소스의 표시를 제공하는데 사용된다.
아스파르테이트 아미노전이효소(AST)는 여러 기관, 특히 심장, 골격근, 및 간에서 발견되는 효소이다. 간세포의 손상은 급성 간염인 경우 AST를 해제한다. AST 레벨은 검사물이 인출되는 특정 시간에서 통상적으로 간세포 손상도 및 심각도에 따라 통상적으로 증가된다. 간의 수동울혈 등과 같은 상태에서는 특히 에피소드가 심각하고 급성인 경우, AST 증가의 가변도가 검출된다.
이와 마찬가지로, 알라닌아미노전이효소(ALT)는 간에서 배타적이지는 않지만, 대부분 발견되는 효소이다. 간 질환에 있어서, 확장성 또는 심각한 급성 실질손상을 제외하고는, ALT가 콘시토인(concitoin)에 그다지 민감하지 않은 것으로 나타나지만, ALT는 AST와 동일한 상황에서 급격히 증가된다. ALT 분석의 장점은 간 세포 손상에 매우 특별하다는 점이다.
위액의 기타 다른 구성인자는 비정상적 상태 및 질병상태의 표시를 제공한다. 예를 들어, AST에 다소 민감한 젖산 탈수소효소는 간 손상이나 간염의 표시를 제공한다. 감마 글루타밀 트랜스펩티다제는 주로 간이나 신장에서 발견되는 또 다른 효소로서, 광범위한 간 질환에서 상승한다. 알부민 등과 같은 혈정 단백질은 주로 간에서 합성되며, 급성 또는 적어도 중증의 만성 파괴 간질환은 전기영동에서 혈청 알부민의 감소로 나타난다. 이와 마찬가지로, 응고인자는 간에서 합성되므로, 이러한 응고 테스트(프로트롬빈 시간 또는 PT 등과 같은)는 간 기능의 매우 민감한 인디케이터가 된다. 증가된 AMM(암모니아) 수치는 간 기능장애, 간 부전, 태아적모구증, 폐심장증, 폐기종, 울혈 심부전증, 및 운동시에 발생된다. 신부전증, 기본적인 또는 악성 고혈압 또는 항생제(예를 들어 네오마이신, 테트라사이클린)의 사용에 의해 그 레벨이 감소된다. 또한, 항원 관련 간염(HAA)은 A형 간염, B형 간염, 및 A형도 아니고 B형도 아닌 간염의 진단시 간염으로부터의 회복 궤적 및 간염 "보균자"의 확인에 도움을 준다. 면역글로불린 G(IgG) 레벨은 다발경화증, 볼거리, 수막염 뿐만 아니라, 면역결핍 상태, 단백질 손실 상태, 간 질환, 만성 감염의 진단 및 치료에 사용되며; 면역글로불린 M(IgM) 레벨은 면역결핍 상태, 단백질 손실 상태, 발덴스트룀 거대글로불린혈증, 만성 감염 및 간 질환의 진단 및 치료에 사용된다. 분석된 기타 다른 성분은 예를 들어 간질환과 뼈 질환을 구분하기 위해 사용되며, 부갑상샘 및 장질환의 진단 및 치료에 사용되는 알칼리 인산분해효소와, 간 장애를 진단하는데 사용되는 류신 아미오펩티데이스와, 침샘과 간과 장과 신장과 여성 생식로에 영향을 미치는 장애와 췌장염을 진단하는데 사용되는 아밀라아제와, 췌장염 및 췌장암종을 진단하는데 사용되는 립타아제를 포함한다.
생식성 유체
생식 계통의 기능을 평가하기 위해, 질병, 종양 및 노화를 포함하는 광범위한 이벤트 및 상태로 인한 질병 상태 및 비정상적 기능 뿐만 아니라, 생식성 유체에 대해 다수의 테스트가 실행된다. 사용할 수 있는 많은 테스트중에는 배란일을 예고하므로써 또한 배란이 발생되었는지를 결정하므로써 불임을 평가하도록 설계된 경관점액 테스트가 있다. 이와 마찬가지로, 불임을 나타내는 비정상적 체적, 밀도, 운동성 및 형태를 체크하므로써, 남성 생식능력 및 정관절제술 후 적절한 멸균에 접근하기 위해, 통상적으로 혈청 분석이 실행된다. 자궁 및 질 분비물에서 종양 세포를 검출하거나 이러한 비정상(예를 들어, 불임증)을 따르기 위해, 파파니콜로도말 테스트(통상적으로, Pap Smear, Pap Test, 또는 암을 위한 세포학적 테스트로 불리워지는)가 사용된다.
생식성 유체의 특별한 테스트나 분석은 대응의 특정 질병상태를 향한 것이다. 예를 들어, 임질을 진단하기 위해 임질 배양이 사용되며, 클라미디아 바른표본은 바른표본의 그람염색이 다형핵 백혈구를 보일 경우 표시되는, 클라미디아 감염을 진단하기 위해 사용된다.
뇌척수액
뇌척수액은 뇌와 척수를 둘러싸고 있는 통상적으로 무색의 투명한 액체이다. 상기 뇌척수액은 통상적으로 감염성 유기체의 존재를 검출하기 위해 분석된다. 이러한 액은 일반적으로 요궤적공에 의해, 즉 요궤적자를 관통시키므로써 수집된다. 이러한 절차에서는 뇌척수액 샘플을 얻기 위하여 요추 천자내로 바늘이 삽입된다. 뇌척수액의 압력은 요궤적공중 측정된다. 그후, 샘플이 수집된 후에, 색깔, 혈액 세포수, 단백질, 글루코스, 및 기타 다른 기질에 대해 분석이 실행된다. 이러한 액의 샘플은 감염을 검사하기 위하여, 박테리아나 곰팡이류 등과 같은 감염성 유기체의 증식을 촉진시키기 위한 다양한 배양을 위해 사용된다.
PCR
중합효소(PCR) 연쇄반응은 일반적으로 DNA 또는 RNA 서열의 검출 및 증폭 방법에 관한 것이다. 전형적으로 이러한 공지의 유전 영역은 다수의 전체 유전체가 연구 및 임상을 위하여 지속적으로 서열을 이루고 있지만, 임상용을 목적으로 한 것이다. 일반적으로, 비정상적 상태, 질병 상태, 또는 특정 상태의 발달소인의 근원이 되는 특정 유자는 그 구성요소 분자의 독특한 서열을 나타내고 있다. 또한, 바이러스 및 박테리아 등을 포함하는 감염성 유기체는 유기체의 특정 종이나 특정 계층에 독특한 특정의 DNA 또는 RNA 서열을 포함하고 있다. 이들은 그 목표로 하는 서열에 의해 검출될 수 있다.
PCR 기법은 일련의 간단한 온도매개형 죽은 효소 및 분자 반응에서 다량의 특정의 핵산 서열(DNA/RNA)을 생산하기 위해 사용된다. 유전물질의 간단한 분자로 시작하여, 10개의 복제물이 합성될 수 있다. 임상 표본에서 독특한 서열의 존재 또는 부존재를 검사하므로써, 상기 PCR은 바이러스성 감염의 진단 등과 같은 여러가지 목적을 위해 사용될 수 있다. PCR은 임상 표본에서 바이러스성 물질의 양을 특정하기 위한 한가지 방법으로도 사용될 수 있다. 이러한 기법은 친자감정 및 직계성 등을 분석하기 위해 법의학용으로 사용될 수 있다. 또한, 상기 PCR 분석은 다양한 바이러스 및 바이러스성 질병에 대한 진단과, 정량분석과, 연구용으로 유용하게 사용된다.
유전자 표지
유전자 표지에 대한 기준의 증가와 함께, 유전자 검사 및 유전체 서열의 증식은 상태 및 질병에 대한 매우 특정한 소인을 평가할 수 있게 한다. 휴먼 제놈 프로젝트는 약 50.000 내지 100.000 개의 유전자와 이들 사이의 공간을 포함하여, 인간 유전자를 표지하는 특정 유전물질 및 서열의 이해를 상당히 진보시켰다. 각각의 유전자 및 그 집단을 표시하는 데이터와 함께 일단 정제된 것으로 여겨지는 최종적인 맵은 환자의 현존의, 과거의, 미래의 가능한 상태를 평가하는 역할을 수행한다.
유전자 맵핑에 대해서는 여러가지 접근방법이 있지만, 일반적으로 과학자들은 알려져 있는 질병이나 상태와 연관된 유전자 근처에 배치되어 있으며, 질병을 갖고 있는 사람에게 지속적으로 유전되었지만, 누가 질병으로부터 자유로운지를 찾을 수 없는 공지의 DNA 세그먼트를 포함하여, 용이하게 분해할 수 있는 유전자 표지를 찾고자 하였다. 그후, 연구는 변화된 유전자 및 유전자들의 정확한 위치를 찾는데 목표를 두었으며, 특정의 기본 변화를 특정화하도록 시도하였다. 그후, 유전자와 기타 다른 DNA 랜드마크가 염색체를 따라 발견되는 유전자 표지의 맵이 발전되었다.
돌연변이의 정확한 위치가 알려지기도 전에, 신뢰성있는 유전자 표지를 위해 탐침이 사용될 수 있었다. 이러한 탐침은 방사성 분자에 연결되고 관심있는 유전자 근처의 영역에 부합하는 단기성 DNA의 길이로 구성되어 있다. 상기 탐침은 상기 영역에 결합되고, 탐침으로부터의 방사성 신호가 탐침과 DNA 매칭을 보여주는 X선 필름으로 투시할 수 있도록 이루어졌다. 예측 유전자 테스트는 낭성 섬유증 및 테이 삭스 병 등과 같은 생명위협 질병을 포함하며, 수십가지의 질병에 대해서도 이미 유용하게 사용되고 있다. 유전자는 여러가지 형태의 암과도 관련되어 있는 것으로 밝혀지고 있으며, 여러가지 희귀한 암에 대한 테스트가 임상용으로 이미 사용되고 있다. 최근에, 과학자들은 결장암 및 유방암을 포함하여, 통상의 암을 전개시키려는 유전경향과 연결된 돌연변이를 확인하였다. 일반적으로, 유전자 표지 및 테스트는 전개될 미래상태를 보상하지는 않지만, 특정 서열이나 돌연변이가 존재하는 표시(아마도, 강하게 연결된)를 제공한다.
방사선 면역측정법
방사선 면역측정법(RIA)은 소량의 항체들(Abs) 및 항원들(Ags)과 이들 사이의 상호작용이나 반응을 검출하는데 사용되는 기법이다. 상기 Abs 및 Ags는 요오드 125 등과 같은 방사성 동위원소와 라벨링되며, 그후 감마 카운터를 통해 항체나 항원의 존재가 검출된다. 전형적인 절차에 있어서, Ab는 필터에 부착된 호르몬과 경계지워진다. 혈청 샘플이 부가되고, 호르몬(Ag)은 시간의 경과에 따라 Ab에 결합된다. 이러한 결합을 검출하기 위해 방사선표지된 호르몬이 부가되어 시간의 경과에 따라 결합된다. 결합되지 않은 모든 기질은 세척된다. 결합된 방사능의 양은 감마 카운터에서 측정된다. 혈청 샘플내의 호르몬의 존재가 방사선표지된 호르몬의 결합을 억제하기 때문에, 테스트에 제공된 방사능의 양은 혈청 샘플내의 호르몬 양에 반비례한다. 공지의 호르몬 농도의 증가량을 이용한 표준 곡선은 샘플의 양을 결정하는데 사용된다.
RIA는 매우 소량의 Ag 또는 Ab를 검출하는데 사용되며, 따라서 환자의 혈청에 제공된 호르몬이나 약의 양을 측정하는데 사용될 수 있다. RIA는 필터가 아닌 용액에서 실행된다. 이 경우, RIA는 효소 면역측정법(ELISA) 또는 형광 분극 면역측정법(FPIA)으로 대체된다. 이러한 측정법은 유사한 감도를 갖는다. 상기 FPIA는 매우 정량적이며, 리스(lease)는 유사한 정량이 되도록 설계되었다. RIA는 다양한 알레르기에 측정한 혈청 IgE 항체의 양을 측정하는데 사용될 수도 있으며, 이 경우 상기 측정법은 방사선 알레르기 흡착검사(RAST)로 불리워진다.
ELISA는 Ag 및 Ab의 결합을 검출하는데 효소를 사용한다. 상기 효소는 색소유전자라 불리우는 무색 기질을 Ag/Ab 결합을 나타내는 색깔형 산물로 변환시킨다. 준비 프로토콜은 Ag 및 Ab가 검출되었는지의 여부에 따라 상이하게 된다. 일반적으로 Ag 및 Ab의 조합물은 표면에 부착되며, 검사될 샘플이 부가되어 인큐베이트된다. 효소에 공유부착된 항글로불린 또는 제2Ab가 부가되어 인큐베이트되며, 결합되지 않은 항글로불린 또는 효소결합된 Abs는 표면으로부터 세척된다. 효소의 무색 기질이 부가되며; 만일 효소결합된 기질이 표면에 있다면, 상기 효소는 검출을 위하여 색깔형 산물로 변환될 것이다.
ELISA 기법의 변화는 샘플에서의 Abs가 Ag에 결합된 후 Ag와 결합되는 효소결합된 Ab의 결합을 억제하는 경쟁 ELISA와, 샘플의 명확도에 거의 비례하는 색깔 변화의 세기가 정량화되는 정량성 ELISA를 포함한다.
크로마토그래피
크로마토그래피는 복잡한 혼합물을 정지 상태의 베드와 상기 정지형 베드를 통해 삼투되는 가동상태로 분리시키므로써, 상기 복잡한 혼합물을 분리 또는 분석하는데 사용되는 광범위한 기법이다. 이러한 기법에서, 성분들은 상이한 비율로 크로마토그래피를 통과한다. 흡수성 물질에 대한 이주 비율은 필요로 하는 분리를 제공한다. 일반적으로, 정지상태에서 분자가 갖는 친화력이 작을 수록, 분리 컬럼에 소요되는 시간은 짧아진다.
크로마토그래피의 장점은 단일의 아미노산에 의해 달라지는 단백질처럼 매우 유사한 성분의 분리를 포함하여, 분리된 복잡한 혼합물을 고도의 정밀도로 분리할 수 있는 능력을 포함한다. 따라서, 이러한 기법은 용해성 또는 휘발성 기질을 정화시키거나 측정용으로 사용될 수 있다. 크로마토그래피는 산물이 분리되는 상태로 인해, 복잡한 산물을 분리시키는데 사용된다.
크로마토그래피 분리는 전형적으로 유리 또는 금속으로 이루어진 크로마토그래피 컬럼내에서 이루어진다. 상기 컬럼은 팩형 베드 또는 관형 구조로 형성된다. 팩형 베드 컬럼은 정지 상(phase)을 결정하는 입자를 포함한다. 개방된 관형 컬럼은 얇은 필름형 정지 상과 정렬된다. 컬럼의 중앙은 중공이다. 가동 상은 전형적으로 분리된 혼합물을 이송하는 컬럼을 통해 이동하는 용제이다. 상기 정지 상은 전형적으로 컬럼내에 패킹되는 고형물의 표면에 코딩되는 점착성 액체로서, 이러한 고형 입자는 정지 상을 취한다. 정지 상과 가동 상 사이의 용질 분리는 필요로 하는 분리를 실행하게 한다.
여러 형태의 크로마토그래피가 존재하며, 의료 데이터 수집 목적을 위해 사용되고 있다. 일반적으로, 이러한 형태는 흡수 크로마토그래피, 파티션 크로마토그래피, 이온교환 크로마토그래피, 분자 배타 크로마토그래피, 및 친화 크로마토그래피 등을 포함한다.
수용체 측정
신경세포는 신경섬유가 연속적으로 분극화되고 탈극화되는 전기 현상에 기초하여 펄스를 전송한다. 일반적으로, 셀 경계를 횡단하는 전위(전형적으로, 약 50mv)는 신경세포와 이러한 신경세포 외부의 나트륨 이온내에서 칼륨이온의 농도로부터 기인한다. 세포에 자극이 가해졌을 때, 전위가 변화되어, 탈극화에서의 이온 흐름으로 나타난다. 그후, 신경전달물질은 연접틈새를 횡단하여 신경 충격을 증식시킨다.
신경 반응을 유발할 수 있는 전달물질과, 독소 등을 포함하는 기질의 존재 또는 부존재를 결정하기 위하여 분석이 실행된다. 일반적으로, 이러한 분석은 특정 관심분야의 응답을 유발하는 화학물의 존재를 측정하는데 사용된다. 일실시예에 따르면, 뇌에 글루탐산염 수용체와 결합되는 기질의 확인에는 도모익 산(domoic acid) 수용체 결합 분석이 사용된다.
예를 들어 도모익 산 수용체 결합분석의 경우에는 3H 등과 같은 방사능 표지를 포함하는 카이닉 산(cainic acid)이 준비된다. 방사능 카이닉 산을 글루탐산염 수용체를 함유한 세포에 부착하므로써, 도모익 산과 마찬가지로 카이닉 산(유사한 방삭으로 작용하는)을 글루탐산(공통의 아미노산 신경전달물질)에 접합하는 세포에 방사능이 제공된다. 실제로, 표준곡선은 전형적으로 알려진 양의 도모익 산을 세포에 첨가하는 것에 기초하여 발생되며, 이러한 표준곡선은 준비된 샘플에서 분석된 기질의 농도를 평가하는데 사용된다.
조직해부학적 데이터 리소스
조직 분석
조직해부학은 조직의 구조 및 행동의 현미경적 연구이다. 이것은 연구중인 종의 살아있는 상태에 기초하여 2개의 카테고리로 즉, 살아있는 종과 죽은 종으로 분류된다. 첫번째 카테고리는 전통적으로 죽은 종의 연구이다. 연구를 위한 종을 준비하는데는 통상적으로 연구될 조직 형태로 표시되는 많은 상이한 방법이 사용된다. 일반적으로 공통적인 준비 방법은 유리 슬라이드나 금속 슬라이드상에서의 얇게 조각난 부분과, 유리 슬라이드상에서의 바른표본과, 얇게 펼쳐진 조직 시트와, 스트랜드로부터 분리된 섬유이다. 이러한 방법들이 사용되는 일부 공통적인 종 형태는 유기체의 조직, 혈액, 소변, 점액, 윤문 연결성 조직, 및 근육을 포함한다.
죽은 종의 대부분의 준비 방법은 거의 직선형이며, 일부를 준비하는데 사용되는 실제 방법은 매우 복잡하다. 종은 부패방지된 상태로 보존되어야 하며, 세포 구조가 보존되어야 하며, 차후 염색을 위하여 강화되어야만 한다. 상기 종은 일반적으로 냉동되거나, 또는 왁스나 플라스틱에 매립되므로, 적절히 절단될 수 있게 된다. 관심있는 부분이 절단되며, 전형적으로 관찰 수단에 의해 광학현미경을 위한 1 내지 150 미크론, 또는 전자현미경 검사를 위하여 30 내지 60 나노미터의 두께로 표시된다. 상기 부분은 유리 슬라이드 또는 금속 슬라이드상에 장착된다. 그후, 상기 부분은 화학 염료나 시약에 의해 여러 상태로 염색된다. 만일 광학현미경에서 종이 관찰된다면, 여분의 물이나 염료는 제거되어야만 하며, 슬라이드상의 종은 유리 슬립으로 덮힐 것이다. 마지막으로, 상기 종이 관찰되어, 분석 및 관찰된 데이터가 기록된다.
살아있는 종의 형태 및 연구 방법은 종을 살려야만 한다는 요구사항에 의해 심하게 제한을 받는다. 일반적으로, 종은 생체내에서 또는 생체외에서 관찰된다. 전형적인 생체외 종은 조직 배양 시스템이다. 전형적인 생체내 종은 관찰가능한 상태, 즉 귀 또는 피부조직에서 사용할 수 있어야만 한다. 염색 및 기타 다른 준비방법이 부적절하기 때문에, 천연 구조체 사이에 강화된 콘트라스트를 제공하기 위하여, 특정화된 상대비율 또는 암시야 현미경이 사용된다.
세포검사
세포검사는 세포의 구조, 기능, 병리학을 연구한다. 기타 다른 조직해부학적 데이터 수집기법에 비해 세포검사의 장점은 그 실행될 수 있는 속도와, 매우 저렴한 비용과, 특정 진단을 유발할 수 있다는 사실을 포함한다. 단점으로는 일반적으로 매우 적은 크기의 샘플이 관찰된다는 점과, 조직 구조에 관한 정보가 결핍되었다는 점과, 연구를 실행하는 임상의사의 고도의 숙련도가 요구된다는 점이다. 일반적으로 사용된 종 수집방법은 수집될 종의 형태에 따른다. 이러한 방법은 미세한 바늘 흡인과, 고형성 조직 자국 부분표본 또는 스크레이핑, 및 유체 부분표본을 포함한다. 흡인은 기본적으로 흡입에 의한 종 수집이다. 이러한 다양한 방법에 의해 수집된 일부 공통적인 종 형태는 방패, 가슴, 굴복한 종, 자궁, 자궁목, 위장 조직, 배설물(소변 또는 대변), 분비물(가래, 전립선액, 또는 질액)을 포함한다.
세포검사를 위한 종 준비방법은 매우 직선적이다. 먼저 샘플이 검사될 영역으로부터 제거된 후, 염색된 유리 슬라이드상에 안착되어 연구된다. 샘플이 고형물일 때는 압축 준비로 불리우는 부가의 단계가 적절하다. 이러한 절차에 있어서, 샘플은 제1유리 슬라이드상에 안착되어, 제2유리 슬라이드로 압착된 후, 제2슬라이드를 사용하여 제1유리 슬라이드를 횡단하여 펼쳐진다.
세포검사 종의 분석은 전형적으로 샘플의 해부학적 위치를 위한 정상 세포에 대한 종의 비교를 포함한다. 그후, 세포는 정상 또는 비정상으로 분류된다. 비정상은 전형적으로 염증, 증식(과대형성), 또는 종양의 존재에 의해 결정된다. 증식은 몸체의 자연 성장과는 독립적으로, 더욱 많은 세포의 형성으로 인하여 조직이나 기관의 크기가 증가되는 것이다. 종양은 비정상적 증식 즉, 종양의 형성이다. 비정상 세포는 염증성 또는 비염증성과, 우세가 결정되는 염증성 세포의 형태로 차분류된다. 염증은 정상 보다 크게 높은 백혈구 또는 대식세포의 존재에 의해 결정된다. 백혈구는 그 물리적 외관에 의해 2개의 그룹으로, 즉, 알갱이형과 비알갱이형으로 분류된다. 알갱이형 백혈구의 실시예로는 호중구 및 호산구를 예로 들 수 있다. 만일 종 세포가 비염증성이라면, 이들은 암으로 체크된다. 만일 세포가 암이라면, 암조직의 형태가 결정된다.
조직형 검사
조직형 검사는 환자의 사람 백혈구 항원(HLA) 패턴을 확인하는 것이다. 상기 HLA 패턴은 주조직적합복합체(MHC)로 불리우는 염색체(6)의 영역에 배치된다. 상기 HLA 시스템은 감염과의 싸움에 매우 중요한데, 그 이유는 인체 면역시스템을 위한 외부 세포와 자연 세포 사이를 구분하기 때문이다. 따라서, 이러한 패턴은 장기이식 분야에서 매우 중요한데, 그 이유는 만일 기증자 및 수증자의 HLA 패턴이 충분히 맞지 않을 경우, 기증자의 면역 시스템이 이식된 기관이나 조직을 공격(거절)하기 때문이다. HLA 패턴을 결정하는 항원은 loci라 불리우는 5가지 그룹이 있으며, 이들은 HLA-A, HLA-B, HLA-C, HLA-D, HLA-DR 이다. 항원의 각각의 유전자자리는 공지되었을 경우, 확인된 즉 HLA-A2의 번호를 갖는, 대립유전자로 불리우는 많은 변형예를 포함한다. 일시적으로 확인된 대립유전자는 문자와 숫자로 즉, HLA-Cw5로 표시된다. 각각의 사람은 부모로부터 각각의 유전자자리의 대립유전자를 물려받는다. 따라서, 두 형제가 동일한 HLA 패턴을 가질 확률은 25% 이다. 두사람 사이의 관계가 밀접할수록, 2개의 각각의 HLA 패턴의 유사성은 더욱 커진다. 따라서, 두사람의 연관성을 결정하는데 조직형 검사가 사용된다. 또한, 이러한 HLA 패턴을 갖는 환자는 그러한 질병에 더욱 잘 노출되지만, 그러나 이러한 현상의 원인은 알려져 있지 않다. 전형적으로, 조직형 검사 테스트의 실행에 필요로 하는 것은 혈액 샘플이다.
조직형 검사를 위한 2가지 공통적인 방법은 혈청 검사 및 DNA 검사이다. 최근까지, 단지 혈청 검사만이 실행되었다. HLA-A, B, Cw, DR loci의 대립유전자의 아미노산 서열이 결정되기 때문에, HLA 패턴의 이러한 loci를 위한 검사 방법으로 DNA 검사가 가장 널리 사용되고 있다. 상기 혈청 검사는 그러한 대립유전자를 파괴하거나 분해할 항혈청을 포함하는 접시에서, 일반적으로 혈액 샘플로부터 림프구를 인큐베이팅하므로써 실행된다. 그후, 분해된 세포가 존재하는지의 여부를 알기 위하여 염료가 첨가된다. 만일 그렇다면, 테스트는 특정 대립유전자에 대해 양성이 된다.
면역세포화학
세포화학은 세포내에 상이한 화학적 성분과 그 활동의 확인 및 국소화를 포함하는 조직 및 세포의 화학적 구성요소를 연구하는 것이다. 면역세포화학은 현미경 검사를 위하여 조직이나 세포에 항원을 국소화시키기 위해 항체가 사용되는 여러가지 방법을 포함한다.
이송된 광학 현미경을 위하여, 효소를 위한 색깔 현상기질이 자주 사용된다. 상기 항체는 효소에 직접 라벨링된다. 그러나, 항체와 효소 사이의 이러한 공유결합 연결은 효소 및 항체의 활동의 손실을 초래한다. 이러한 이유로 인하여, 중간 연결 항체가 사용되는 여러가지 다단계 염색 절차가 전개된다.
입체학은 임의로 배치되고 규칙적으로 배열된 기하학적 탐침과 관심 구조체 사이에서 있을 수 있는 가능성을 예견하기 위해 필요로 하는 수학적 배경을 제공하는 정량분석 기법이다. 정량분석 면역세포화학에 입체학적 방법이 도입되어 왔다. 요약한다면, 고정밀도로 모터구동되는 종 스테이지와 운동을 관찰하는 마이크로카토에서 현미경에 카메라가 장착된다. 상기 카메라는 입체학적 소프트웨어를 실행하는 컴퓨터에 연결된다. 수치적 특성이 높은 물체를 사용하여 고확대율로 분석이 실행되어, 조직이 광학적으로, 예를 들어 0.5㎛의 두께로 해부된다. 정량분석은 균일하고 양호한 면역세포화학적 염색의 균일하고 양호한 관통을 갖는 두꺼운 부분(40㎛)을 필요로 한다.
통상적으로 면역세포화학에는 전자현미경이 사용된다. 전형적인 샘플 관통 방법에서는 먼저 샘플이 보존된다. 한가지 조립된 형태에서, 종은 에폭시 수지에 매립된다. 그후, "스택"으로 불리우는 층상 조립체에 여러개의 샘플이 조립되어, 복합 샘플의 동시 절편을 촉진시킨다. 상기 스택 조립체가 실행불가능할 때는 "모자이크"로 불리우는 또 다른 조립체 형태가 사용된다. 상기 모자이크 조립체는 여러개의 샘플을 측부-측부 형태로 배치하는 단계와, 이들을 에폭시 수지에 매립하는 단계를 포함한다. 상기 스택 또는 모자이크가 조립된 후, 절편되어 검사된다.
조직병리학적 분석
조직병리학적 분석은 맨눈에 의한 조직 검사와 현미경에 의한 조직검사에 의해 진단하는 단계를 포함한다. 조직병리학은 3개의 주 영역 즉, 외과 병리학, 세포검사, 부검으로 분류된다. 외과 병리학은 선별 프로그램(예를 들어 유방암 선별 및 자궁 세포검사 프로그램)의 주부와, 증상 병변(예를 들어 유방 응괴 또는 머리 및 목 응괴)을 갖는 환자의 조사를 포함한다.
전자현미경
전자현미경은 매우 미세한 크기의 물건을 조사하기 위해 고에너지 전자비임을 사용하는 과학적 기구이다. 2가지 형태의 전자현미경 즉, 투과식 전자현미경과 스캐닝식 전자현미경이 있다. 또한, 종 절편은 진공 상태에서 관찰되어야만 하며, 매우 얇게 절편되어야만 하므로, 이들은 전자비임에 투명하게 될 것이다.
현미경에는 2개의 주요한 인디케이터 즉, 배율과 해상도가 사용된다. 배율은 실제 크기에 대한 종(관찰된)의 보이는 크기의 비율이다. 전자현미경은 광학현미경의 배율 보다 종을 약 200배 크게 확대할 수 있다. 해상도는 구분되어야 할 2개의 물체 사이의 가장 짧은 거리를 측정한다. 전자현미경의 해상도는 약 0.002㎛이며, 광학현미경의 해상도 보다 100배 이상 크다.
전자현미경에 의한 종의 검사는 국소해부학, 형태학, 성분, 결정학적 정보 등과 같이, 종에 대한 유용한 정보를 산출한다. 상기 종의 국소해부학은 물건의 표면 특징에 관한 것이다. 일반적으로 이러한 특징부와 종의 물질 특성(경도, 반사력 등등) 사이에는 직접적인 관계가 있다. 종의 형태학은 종을 결정하는 입자의 형태 및 크기이다. 종의 입자 구조는 일반적으로 그 물질 특성(연성, 강도, 반응성 등등)과 연관되어 있다. 성분은 종을 포함하는 성분과 소자 및 이들이 관련된 양과 연관이 있다. 종의 성분은 일반적으로 그 물질 특성(용융점, 반응성, 경도 등등)을 나타낸다. 상기 결정학적 정보는 종의 원자 배열과 연관이 있다. 이러한 종의 원자 배열은 그 물질 특성(연성, 전기적 특성, 강도 등등)과 연관이 있다.
본래의 부합화
본래의 부합화(in situ hybridization: ISH)는 클론 박테리아 또는 배양된 진핵세포에서 상호보완적 DNA 서열의 존재를 검출하는 DNA 또는 RNA 탐침을 사용한다. 상기 진핵세포는 박막으로 경계지워지고 구조적으로 별개인 핵과, 기타 양호하게 전개된 세포하 격벽이 구비된 세포이다. 진핵세포는 바이러스, 박테리아, 청녹색 조류를 제외한 모든 유기체를 포함한다. 이에는 2가지 형태의 ISH 즉, 형광(FISH) 및 효소계가 있다.
ISH 기법은 형태학적으로 보존된 염색체, 세포 또는 조직 부분에서 종의 핵산 서열이 검출되게 한다. 면역세포화학과 조합하여, 본래의 부합화는 DNA, mRNA, 및 단백질 레벨에서 유전자 활성도에 대한 현미경 국소해부학적 정보와 연관될 수 있다. 또한, 안정스러운 비방사성 레벨을 갖는 핵산 탐침의 준비는 ISH의 일반적인 적용을 방해하는 주요한 방해물을 제거할 수 있다. 또한, 이것은 하나의 실험에서 상이한 라벨과 조합할 수 있는 새로운 가능성을 열어준다. 이러한 탐침에 유용한 많은 민감한 항체 검출시스템은 이러한 방법의 융통성을 강화시킨다.
여러개의 상이한 형광 또는 효소계 시스템은 라벨형 핵산 탐침을 검출하는데 사용된다. 이러한 옵션은 연구자에게 가장 높은 민감도를 달성하기 위해, 위험한 비오틴 또는 효소 활동 등과 같은 잠재적 문제점을 피하기 위해, 또는 단일 실험에 복합 라벨을 도입하기 위해, 실험 시스템을 최적화할 수 있는 융통성을 제공한다. 조직 고정, 위험한 비오틴 또는 효소 활동, 원하는 민감도, 기록의 지속성 등과 같은 요소들은 모두 최적의 탐침 라벨 및 일련의 검출 시스템을 선택할 때 고려된다.
조합
상술한 바와 같은 방법의 전부 또는 일부의 조합은 환자의 질환과, 또는 일반적으로 물리적 상태, 또는 상태, 또는 상태에 대한 소인을 최적으로 진단하는데 사용될 수 있다.
약동학 데이터 리소스
치료용량 관찰
치료용량 관찰(therapeutic drug monitoring: TDM)은 약의 혈청 레벨의 측정값이며, 이러한 혈청 레벨과 혈청 치료범위의 조정값이다. 상기 혈청 치료범위는 약이 대부분의 사람들에게 독성 효과를 유발하지 않고 효과적일 수 있는 농도범위를 의미한다. 권장된 치료범위는 일반적으로 상용 및 학술용 제약학에서 발견될 수 있다.
TDM 을 위한 샘플은 에러를 피하고 결과의 정당한 해석을 위하여 복용후 적절한 시간경과후 얻어져야만 한다. 치료범위는 구강 복용이 시작된 후, 일반적으로 약 5시간 30분이 경과되었을 때 얻어진 약의 지속적인 농도 상태에 기초하여 설정된다. 일부경우에 있어서는 정점 레벨 및 최저 레벨을 인출하는 것이 유용하다. 정점 레벨은 약의 최대 흡수지점에서 달성된다. 최저 레벨은 차후 복용 직전에 얻어진다. TDM에 사용된 샘플의 형태 또한 중요하다. 대부분의 약에 있어서, 치료범위는 혈청 농도에 대해 보고되고 있다. 혈청 및 플라즈마에 사용하기 위하여 일부 TDM 테스트 방법이 보증된다. 제조자는 일반적으로 샘플이 허용가능하다는 것을 표시한다.
약의 갯수는 TDM을 받아야 한다. 예를 들어, 치료관찰을 요구하는 통상의 항경련제는 페니토인, 카르바마제핀, 발프로인산, 프리미돈, 및 페노바르비탈 등을 포함한다. 상기 항경련제는 통상적으로 면역분석에 의해 측정된다. 면역분석은 일반적으로 간섭으로부터 자유로우며, 매우 소량의 샘플 체적만을 필요로 한다.
또 다른 실시예에서, 심장작용 약 디곡신은 치료관찰을 위한 후보이다. 상이한 구강 디곡신 준비의 생체이용율은 매우 변화무쌍하다. 디곡신 약동학은 2개의 격벽 모델을 따르며, 신장이 주요한 소실 루트가 된다. 전형적으로, 신장질환을 갖거나 신장기능이 변화되는 환자가 관찰되는데, 그 이유는 그 소실 반감기가 변화되기 때문이다. 디곡신에 대한 치료범위는 예를 들어 신장 기능이 정상인 환자가 최종 복용후 8시간 등의 설정의 시간동안 얻어진 혈액 샘플에 기초한다. 샘플이 인출되기 전에, 일정한 상태 레벨을 결정하기 위한 기초로서 특정 주기가 설정될 수도 있다. 전형적으로, 어린아이에게 유용한 면역분석은 테스트를 위해 상당한 간섭 또는 교차반응을 나타낸다.
또 다른 실시예에서, 테오필린은 상당히 변화가능한 개인간 약동학을 갖는 기관지확장제이다. 최대 치료효과를 보장하고 독성을 피하기 위해 일정한 상태의 농도를 달성한 후, 혈청레벨이 관찰된다. 최저 레벨이 관찰되며, 면역분석은 이러한 약을 관찰하는데 사용되는 가장 통상적인 방법이다. 이와 마찬가지로, 양극성 우울증을 치료하는데 사용되는 리튬 성분에 있어서, 혈청 리튬 농도는 이온선택적 전극 기법에 의해 측정된다. 이온선택적 전극은 관심있는 이온은 통과시키지만 다른 이온은 통과시키지 않는 박막을 포함한다. 수소 이온농도에 반응하는 이온선택적 전극의 실시예로는 pH 측정기를 예로 들 수 있다. 리튬 전극은 리튬 농도에 반응하지만, 포타슘 등과 같은 다른 양이온에는 반응하지 않는다.
또 다른 실시예에 있어서, 삼환성 항우울제는 독세핀과 그 대사산물인 노르독세핀 뿐만 아니라, 이미프라민과 그 약리 활동 대사산물인 데시프라민, 아미트리피틸린과 그 대사산물인 노르트리피틸린인을 포함한다. 비경구용 약과 대사산물은 모두 제약에 유용하다. 이러한 약들은 주로 양극성 우울증을 치료하는데 사용된다. 상기 이미프라민은 어린아이의 야뇨증과, 메틸페니테이트에 반응하지 않는 심각한 주의결핍 과다활동 장애를 치료하는데 사용된다. 이러한 약 레벨을 관찰하는 주요한 원인은 잠재적 심장독성이다. 상기 이미프라민과 기타 다른 삼환성을 측정하는데는 면역분석이 유용하게 사용되지만, 고성능 액체 크로마토그래피(HPLC) 방법도 일반적으로 선호되고 있다. 제약적으로 활성의 대사산물을 갖는 삼환성 항우울증제를 측정할 때, 일반적으로 비경구용 약과 그 대사산물이 측정된다.
수용체 특정화 및 측정
수용체 특성화는 전형적으로 여러가지 방법중 하나를 사용하여 실행된다. 이러한 방법들은 직접적인 방사리간드(radioligand) 결합 분석과, 방사선 수용체, 및 작용제 및 작용제 상호반응 등을 완전히 및 부분적으로 포함한다. 상기 방사리간드는 수용체, 전달체, 효소 또는 기타 관심있는 단백질과 연관지을 수 있는 방사능적 라벨형 약이다. 결합의 비율과 정도를 측정하면, 결합 지역의 갯수와 그 친화력과 제약학적 특성에 대한 정보를 제공할 수 있다.
통상적으로 사용되는 3개의 실험적 프로토콜은 포화 결합실험, 운동 실험, 및 경쟁적 결합실험을 포함한다. 포화 결합 프로토콜은 방사리간드의 농도가 상이할 경우 결합의 연장도를 측정한다. 결합과 리간드 농도 사이의 관계에 대한 분석으로부터, 결합 지역의 갯수와 결합 친화력 등을 포함하여, 변수가 결정될 수 있다. 운동 프로토콜에 있어서, 포화 및 경쟁 실험은 결합이 평형에 도달할 때까지 인큐베이트되게 한다. 운동 프로토콜은 방사리간드 접합 및 해리 비율상수를 결정하기 위해 결합 및 해리의 시간경과를 측정한다. 또한, 이러한 값들은 KD의 연산을 허용한다. 경쟁적 결합 프로토콜에 있어서, 비라벨형 경쟁자의 다양한 농도에서 방사리간드의 단일 농도의 결합이 측정된다. 이러한 프로토콜은 경쟁자를 위한 수용체의 친화력 측정을 허용한다.
비용 및 기술적 어려움으로 인하여, 직접적인 방사리간드 결합 분석은 때로는 경쟁적 결합 분석으로 대체되기도 한다. 상기 경쟁적 결합 분석에 의해, 약의 방사선표지는 수용체 특성의 이해를 촉진시킨다. 조합적 화학에 기초한 약 디자인 및 전개를 위한 기법은 자주 방사선 수용체 분석을 사용한다. 상기 방사선 수용체 분석기법은 리간드-수용체 복합물이 자유 리간드로부터 분리될 수 있는 한, 고분자 목표물에 대해 친화력이 높은 리간드의 결합이 평형 투석을 필요로 하지 않고 측정된다는 사실에 기초하고 있다. 적절한 방사능 기질로 리간드를 라벨링하므로써, 상기 리간드-수용체가 측정될 수 있다. 이러한 분석은 빠르면서도 매우 민감하다. 대항작용은 작용근에 유도된 수용체 응답을 억제하거나 방지하는 처리이다. 이러한 영향을 생성하는 인자는 대항제로 언급된다. 선택적 대항제의 유용성은 경쟁적 결합 프로토콜에 매우 중요한 요소를 제공한다.
기타 리소스
신체검사
압축성 신체검사는 건강관리 전문가에게 미래사용을 위해 환자에 대한 기본적인 정보를 얻기 위한 기회를 제공한다. 전형적으로 의료설비에서 실행되는 검사는 환자 병력에 대한 정보를 수집할 기회와, 진단 및 건강관리에 대한 정보를 제공할 기회를 제공한다. 신체검사는 완벽한, 즉 대부분 또는 실질적으로 대부분의 몸체를 커버하거나 환자가 경험한 증상에 특정하다.
전형적인 신체검사에 있어서, 검사자는 환자의 외관, 일반적인 건강, 행동을 관찰하며, 이러한 주요한 측정값을 정한다. 상기 측정값은 전형적으로 키, 체중, 활력징후(예를 들어, 호흡율, 몸의 온도, 및 혈압)를 포함한다. 이러한 정보는 전형적으로 환자 파일용 서류에 기록된다. 이러한 기법의 특징에 따르면, 집적된 지식 베이스를 편집하기 위한 리소스로서 또는 환자에게 개선된 보호를 제공하기 위한 리소스로서 포함되도록, 많은 정보가 디지털화된다. 예시적인 환자 데이터 획득 기법과 지식 베이스 및 기타 다른 리소스와 연관된 사항이 하기에 상세히 서술될 것이다.
압축성 신체검사에서는 앉은 자세 등과 같이 일반적으로 환자 몸체의 다양한 시스템이 검사될 것이다. 이들은 노출된 피부 영역을 포함하며, 어떤 관찰가능한 기능장애의 형태가 기록될 것이다. 그후, 머리칼, 두피와, 얼굴 영역을 포함하여, 머리가 검사된다. 눈은 외부 구조와 내부 구조를 포함하여, 눈보개(ophthalmoscope)를 통해 관찰된다. 귀는 주로 외부구조와 내부 구조를 포함하여, 귀보개(otoscope)를 통해 검사된다. 코와 부비동은 외부 코 구조와 코점막 및 내부 구조를 포함하여, 코보개(nasal speculum)를 통해 검사된다. 이와 마찬가지로, 입과 인두는 입술과, 잇몸과 치아와 입천장과, 혀 및 목을 포함하여 검사된다. 이어서, 목과 등이 등쪽상의 림프절과 갑상샘을 포함하여, 전형적으로 검사된다. 등에 있어서, 척추와 등 근육은 일반적으로 손으로 눌러 압통을 검사하며, 상부측 등은 좌우측으로 눌려져 검사한다. 환자의 호흡 또한 검사되어 기록된다. 그후, 손상 징후를 파악하기 위해 팔을 올린 위치와 내린 위치에서 여성의 가슴에 대한 검사를 포함하여, 가슴과 겨드랑이가 검사된다. 남성과 여성에 있어서, 겨드랑이의 림프절이 검사되며, 손과, 팔과, 어깨와, 목과, 턱의 연결부 운동이 검사된다.
이어서, 일반적으로 환자가 누운 위치에서, 가슴이 만져지고, 림프가 검사된다. 가슴과 폐의 전방은 손으로 눌려지고 또한 타진에 의해 검사되며, 내측 가슴의 소리가 기록된다. 그후, 청진기를 통해 심장박동수와 리듬이 검사되고, 목 혈관이 관찰되고 손으로 만져진다.
하체도 검사되며, 간, 비장, 신장, 대동맥을 포함하여 내부 장기의 검사를 위하여 복부는 깊고 그리고 얕게 눌러진다. 직장, 항문은 디지털 검사를 통해 실행되며, 전립샘이 손으로 눌려져 검사된다. 생식기관이 검사되며, 탈장을 위한 영역이 검사된다. 남성의 경우, 음낭이 손으로 만져져 검사되며; 여성인 경우에는 벌리개를 사용하여 골반 검사가 실행되며, 유두 검사가 실행된다. 다리에서는 무릎에서 종창과 펄스가 검사되며, 허벅지와 발 영역이 검사된다. 림프절의 존재를 위하여 샅고랑부위가 손으로 눌러 검사되며, 관절 및 근육이 관찰된다. 척추의 직진성 및 발과 다리의 정렬성의 기록 뿐만 아니라, 근육골격계통도 검사된다. 전형적으로 다리에서 발생되는 비정상적으로 팽창된 정맥을 위해 혈관도 검사된다.
전형적인 신체검사자는 환자의 각성도 및 정신적 능력의 평가를 포함한다. 환자로 하여금 계단을 오르거나 깡총 뛰게 하는 등과 같이, 신경계 스크리닝을 통해 신경계통도 검사되며, 무릎과 다리의 반사성도 검사될 수 있다. 일반적인 근육 긴장 및 조화 뿐만 아니라, 눈, 얼굴, 턱 근육 등과 같은 반사기능도 기록된다.
병력
병력에 관한 정보는 일반적으로 환자가 의료기관에 왔을 때 완성되는 앙케이트에 수집된다. 하기에 서술되는 바와 같이, 또한 이러한 기법의 특징에 따라, 이러한 특징은 환자의 방문에 앞서 디지탈화되며, 추적 정보가 미리 또는 환자 방문시 획득된다. 이러한 정보는 전형적으로 보험회사와 관련된 데이터와; 주치의, 전문가 등을 포함하여, 서명자 또는 환자를 진찰한 최근 개업의의 이름, 주소 및 전화번호를 포함한다. 현재의 의료 상태는 일반적으로 환자에 의해 검사된 증상과 질병 상태 또는 이벤트를 포함하는 관심사항을 포함하고 있다. 특정한 관심사항은 당뇨병, 고혈압, 만성 또는 급성 질병 등에 관한 상태이다. 현재의 약물치료도 기록되며; 이름, 복용량, 처방전을 기록한 의사 이름, 부작용 등도 기록된다. 마지막으로, 환자가 알고 있는 알레르기도 기록되며, 자연 기질 및 인공 기질에 대한 알레르기도 기록된다.
병력 정보는 과거의 병력과, 환자의 어린시절, 면역 기록, 임신, 상당히 짧은 기간의 질병, 장기간 상태 등으로 연장되어 있는 의료 정보도 기록된다. 이와 마찬가지로, 의료 상태 및 이벤트에 대한 잠재적 소인의 일반적인 표시를 제공하기 위하여 환자 가족의 병력도 기록된다. 마취 및 특정 절차에 관한 정보와 주 수술 및 부차적 수술과 함께, 입원환자 입원일 및 응급실 방문, 외과수술, 입원사항 등도 기록된다.
병력 데이터는 환자가 경험한 상태에 대한 일반적인 배경을 제공하는 중요한 혈액 검사 또는 최근의 혈액 검사 등과 같이 기타 다른 의사 및 소스로부터의 데이터를 포함한다. 이러한 형태의 배경 정보를 제공하기 위해, 필름 영상 형태의 이와 유사한 정보도 추구된다.
환자에 의해 제공된 정보는 환자의 생활형태와 일반적인 사회력에 관한 정보를 포함한다. 이들은 알콜 또는 담배 소비량, 다이어트, 경험, 스포츠 및 습관 등과 같은 습성을 포함한다. 직장에서의 현재 또는 최근의 고용상태나 업무 등을 포함하는 경력과 특히 위험한 업무나 스트레스성 업무에 연관된 정보도 관심사항에 속한다.
정신력, 심리력, 및 행동특성
환자의 정신과 병력도 관심사항에 속하며, 특히 치료가능하거나 확인가능한 정신상태에 대한 증상이나 예후도 중요하다. 특히, 정신과 의사는 광범위한 정신과 증상을 제어하는 약물치료를 제공한다. 또한, 대부분의 정신과의사는 환자 뿐만 아니라 커플로, 집단으로, 및 가족에 적합한 정신요법 및 상담을 제공한다. 또한, 정신과 의사는 전기경련 충격 요법(electroconvulsive shock therapy: ECT)을 지시할 수 있다. 개인들에게 심각한 정신적 장애의 치료와 의료소에서 입원환자에 기초하여 환자와 함께 작업하기에는 심리학자 보다 정신과 의사가 바람직하다. 진료소를 방문하기 전이나 방문중에 이루어지는 앙케이트 등에서 일반적으로 정신과 병력이 요구되며, 이러한 정신과 병력은 보다 강력한 의문사항이나 검사를 통해 결정된다.
정신력과는 매우 의미가 다른 심리력은 환자가 추구하고자 하는 특정 관심사항에 의존한다. 특히, 심리학자에 의해 제공되는 서비스는 전형적으로 그 트레이닝에 의존할 것이며, 이러한 심리학자는 개개인과, 그룹과, 커플과, 가족에게 심리치료와 상담을 제공한다. 또한, 심리학자는 전형적으로 심리학적 테스트의 관리, 점수, 및 해석에 대해 훈련을 받는다. 이러한 테스트는 지적능력, 인격특성(예를 들어, 커슬리 기질 소터, 메이어스-브릭스 타입 인티케이터 등과 같은), 연관 소자, 뇌 기능장애, 및 정신병리학 등을 포함하여, 다양한 심리학적 요소에 접근할 수 있다. 또한 신경심리학자는 뇌 손상환자에 대해 인지평가 재교육을 실행한다.
행동 테스트는 심리학적 테스트와 다수 유사하며, 인지평가 행동장애 또는 단순히 행동 패턴을 확인한다. 이러한 테스트는 환자에게서 관찰된 행동에 대해 정신과적, 심리학적, 또는 생리적 근본원인을 결정하기 위해, 정신과적 또는 심리학적 평가와 함께 제공된다. 적절한 치료로는 상담이나 약물 치료를 포함한다.
인구학적 데이터
환자에게서 수집된 데이터는 특성이 알려진 그룹이나 모집단과 함께 환자에게 연관시키기 위한 것이다. 인간 모집단은 특히 크기, 밀도, 분포, 특정한 특성을 갖는 인구동태 통계를 기준으로 하여, 일반적으로 이러한 인구학적 데이터를 포함한다. 전형적으로 기록되는 인구학적 변수로는 성, 나이, 인종, 민족, 지역적 가입, 호전적 상태, 가정의 크기, 민족적 언어, 시민권, 직업, 평균 예상수명, 출산율, 사망률, 교육수준, 수입, 인구, 물공급 및 위생, 하우징, 교양, 실직, 질병 유행, 및 위험 인자 요소 등이 포함된다. 하기에 서술되는 바와 같이, 이러한 기법의 특징에 따르면, 적어도 인구학적 데이터에 기초한 이러한 기법에 의해 자동화된 기초를 포함하여, 환자-특정 또는 환자-적용 피드백이나 상담이 제공된다.
약 사용
검사중 수집된 일반적인 정보와 유사한 약 사용과 연관된 정보는 전형적으로 특히 관심있는 사항이다. 이러한 정보는 법적인 약 사용 및 불법적인 약 사용과, 처방전에 의한 약물치료와, 처방전없는 약물치료 등을 포함한다. 또한, 비타민과, 다이어트 보조제, 알콜, 담배 등을 포함하여, 환자에 의해 일반적으로 약으로는 여겨지지 않는 특정 기질이 이러한 범위에 따라 기록된다.
식품 섭취
다이어트와 약물치료에 관해 일반적으로 환자로부터 수집한 정보와 함께, 환자 상태에 따라 특정한 식품 섭취정보도 관심사항이다. 이러한 정보는 특정한 영양 상담을 제공하여 환자의 특정 상태나 일반건강에 접근하기 위하여 사용된다. 식품 섭취정보는 일반적으로 환자의 신체활동, 인종적 또는 문화적 배경, 및 가정 생활 및 음식 패턴에 관한 정보를 포함한다. 음식과 식사에 대한 식욕 및 자세에 관한 특정 정보도 기록되며, 환자와 함께 논의될 것이다. 특정 알레르기, 못견딤증 및 음식 회피는 환자가 경험한 알려진 증상과 알려지지 않은 증상에 접근하기 위해 특히 관심있는 사항이다. 이와 마찬가지로, 치과 건강 및 구강 건강, 위장-창자 문제점, 및 만성 질병의 문제점도 음식 섭취나 이와 유사한 문제에 대한 상담 의뢰인에게는 관심사항이 된다. 식품 섭취정보는 환자에게 알려진 특정 약물치료 또는 인식된 식이성 또는 영양성 문제점에 접근한다. 과거의 체중변화 및 현재의 체중변화와 연관된 사항들도 특히 중요하다.
이러한 평가는 환자로부터 수집되거나 환자로부터 검출된 정보에 기초하여 식품 섭취에 관해 이루어진다. 이러한 평가는 인체측정 데이터, 생화학적 평가, 신체비만지수, 및 칼로리 요구사항을 포함한다. 이와 마찬가지로, 미래의 상담 및 진단을 위해 환자 인체측정학적 데이터로부터 이상적인 체중 및 통상적인 체중 정보가 컴퓨터화된다.
환경적 요소
다양한 환경적 요소들은 환자의 상태와 이러한 상태에 대한 소인을 평가하는데 특히 관심있는 사항이다. 인구학적 정보와 유사하게, 상기 환경적 요소는 식별이 매우 어렵고 미묘한 잠재적 상태를 평가하는데 도움을 준다. 전형적인 환경적 요소는 매우 일반적으로 생활상, 운동 등을 포함한다. 또한, 공기 오염, 오존 고갈, 구충제(살충제), 기후, 전자기 방사선 레벨, 지외선 노출, 화학적 노출, 석면, 납, 라돈, 또는 기타 다른 특정 노출 등을 포함하여, 특정 환자나 환자의 현재 상태에 대한 정보가 기록된다. 이러한 정보는 불화물과 연관되어 있는 치아 및 뼈에 관한 문제점과, 휘발성 유기물(예를 들어, 벤젠, 사염화탄소 등)과 연관된 잠재적 암 연결 등의 문제점과, 박테리아 및 바이러스(예를 들어, E. coli, 람블편모충 등)와 관련있는 위장 질환 및 기타 다른 문제점과, 암의 길이, 간 손상, 신장 손상, 및 무기물(예를 들어, 석면, 수은, 질산염 등)과 관련있는 신경계통 손상 처럼 모집단 정보나 공지의 관련 데이터와 연관이 있다.
육안 병리학(gross pathology)
일반적으로, 육안 병리학은 주요 인간 시스템의 구조 및 기능과 관련이 있다. 이러한 시스템은 골격계통과, 내분비계통과, 생식계통과, 신경계통과, 근육계통과, 비뇨계통과, 소화계통과, 호흡계통을 포함한다. 이러한 육안 병리학 정보는 특정한 요구사항이나 검사에 의해 수집되거나; 상술한 바와 같은 신체검사나 환자 병력 데이터 수집과정 등과 같이, 기타 다른 일반적 요구사항과 함께 수집된다. 또한, 이러한 육안 해부학적 정보는 비져블 휴먼 프로젝트 등과 같은 기본 텍스트, 부검, 인체모형 데이터 베이스로부터 수집된다.
비생물학적 모델로부터의 정보
비생물학적 모델로부터의 정보 또한 환자 상태의 접근 및 진단에 중요한 관심사항이 된다. 이러한 정보는 환자 보호의 전반적인 관리에서 매우 중요하다. 이러한 일반적인 범위의 리소스에 포함되어 있는 정보는 건강관리 재무 정보를 포함한다. 또한, 약물치료와, 진행흐름과, 인체 리소스의 세심한 제어를 포함하여, 적절한 환자 보호를 제공하기 위해, 의료기관용으로는 상당한 양의 정보가 필요한다. 환자에 대해 실질적인 배열을 제공하는 학회에 있어서, 데이터는 식품 서비스, 병원 재무 정보 및 환자 재무 정보 등과 같은 항목을 포함해야만 한다. 환자-특정 정보의 대부분은 일반적인 환자 기록시 학회에 의해 축적된다.
전체적인 관리에 도움을 주는 학회를 위한 기타 다른 특정한 정보는 학회 단독으로 또는 기타 다른 관련 학회와 함께 비지니스에 관련된 특징에 대한 정보를 포함한다. 이러한 정보는 지리적 위치, 의료원 형태, 의료원의 크기, 전문 의료인 또는 분야 또는 의사 등을 나타내는 정보를 포함한다. 이러한 그룹에서는 환자 교육재료 등도 중요한 관심사항이 되며, 환자 교육재료는 하기에 더욱 상세히 서술되는 바와 같이 환자 각각에 특별하게 적용된다. 마지막으로, 의사 문의 및 의사 요구사항과 선호도를 포함하여, 의사와의 관계에 연관된 정보도 이러한 리소스 범위에서 특히 중요한 관심사항이다.
처리 및 분석
데이터 처리 시스템(10)에 의해 실행된 상술한 바와 같은 처리 및 분석 기능은 처리를 기초로 하며 원하는 분석 형태와 테이터의 출력을 위한 목적에 기초한 데이터에 따라 여러가지 형태를 취한다. 그러나, 특히 집적된 지식 베이스(12)와 함께 다양한 리소스로부터 광범위한 데이터에 대해 처리 및 분석이 실행된다. 다양한 양식과 리소스 형태중에서, 처리 및 분석을 실행하기 위해, 여러개의 시나리오를 예견할 수 있다. 이들은 단일의 양식 의료 시스템 또는 리소스와, 단일 형태의 복합 양식 조합, 복합형, 복합 양식 형태에 기초하여 실행되는 분석을 포함한다. 또한, 상술한 바와 같이, 하나이상의 양식 및 형태 시나리오에 대해, 컴퓨터의 도움을 받는 다양한 처리모듈, 획득모듈, 및 분석모듈이 사용된다. 하기에 이러한 시스템에 의해 수집되어 저장된 데이터의 사용에 대해, 양식을 기초로 하는, 형태를 기초로 하는, 컴퓨터처리를 기본으로 하는 접근의 예시적인 실행이 서술될 것이다.
양식 및 형태
단일 양식의 의료 시스템에서, 임상의사는 환자 데이터를 위한 일련의 이벤트를 시작한다. 상기 이벤트는 상술한 바와 같이 획득모듈, 처리모듈, 분석모듈, 보고모듈, 및 아카이브 모듈처럼 다양한 모듈로 파괴된다. 전통적인 방법에 있어서, 보고는 다시 조회중인 임상의사에 복귀된다.
이러한 기법에서는 여러개의 데이터 동작 목적을 실행하기 위해 컴퓨터 처리가 도입된다. 일반적으로, 이러한 동작을 실행하는 알고리즘은 작동 알고리즘 또는 CAX 알고리즘을 작동시키는 데이터로 언급된다. 현존의 보상 CAX 알고리즘과 그 상호작용 및 통합에 대해 서술될 것이지만, 컴퓨터의 도움을 받는 획득 알고리즘(CAA), 컴퓨터의 도움을 받는 처리 알고리즘(CAP), 컴퓨터의 도움을 받는 검출 알고리즘(CAD)을 포함하여, 이러한 알고리즘에 대해 서술하기로 한다. 실행된 소프트웨어는 전체적인 워크플로우를 관리하며; 이러한 워크플로우는 현재 시간에서 또는 이전 시간에서 동일 모듈의 지식으로부터 각각의 스테이지의 변수 및/또는 현재 시간에서 또는 이전 시간에서 기타 다른 모듈로부터의 데이터를 최적화한다. 또한, 도1에 도시된 바와 같이, 지식 베이스(12)는 새로운 데이터로 생성/업데이트되며, 다양한 컴퓨터의 도움을 받는 다양한 모듈을 구동시킨다. 따라서, 지식 베이스(12) 생성 및 업데이트는 단일 양식 유니트를 실행하기 위해 컴퓨터의 도움을 받는 방법과 연결된다. CAA모듈, CAP모듈, CAD모듈(86, 88, 90)(도5)을 포함하여, CAX 모듈의 상세한 내용과 지식 베이스(123)에 대해 하기에 상세히 서술하기로 한다. 또한, 이러한 각각의 모듈은 주어진 임상적 의문사항에 대해 특정화되는 것을 인식해야 한다. 따라서, 만일 상이한 시점에서 동일한 임상 의문사항이 복합적 획득, 예를 들어 또한 복합 처리 및 복합 분석을 요구한다면, 데이터의 일시적 특징을 수용하도록 기법이 일반화될 수 있다.
이러한 상황에서, 단일형 양식 의료시스템, 복합형 양식 의료시스템은 도8의 컬럼으로 구성되어 있다. 도7에는 N 상이한 시간 지점에서의 M 양식인 것으로 여겨지는, 일시적 속성을 갖는 단일형의 복합 양식 시스템이 도시되어 있다. 물론, 단일 양식의 모든 속성은 복합 양식 상황에서의 어떠한 양식에서도 적용될 수 있으며, 다이아그램은 단순히 복합 양식 사이의 상호작용을 강조한다. 도6 및 도7에 있어서, 각각의 형태 내부에서의 상호작용은 데이터의 획득, 처리, 및 분석을 최적화하는 것처럼 명확하게 된다. 의료 이벤트의 일시적 특징은 데이터의 일시적 속성에 기초한 획득 모듈, 처리 모듈, 및 분석 모듈 등과 같은 상황인 것으로 여겨진다. 하기에 서술되는 바와 같이, 로직 엔진(24)(도5 참조) 또는 보다 일반적으로 처리 시스템(10)은 지식 베이스(12)를 사용하여 양식들 사이의 데이터의 획득, 처리, 분석을 최적화하는 규칙을 사용한다.
복합형, 복합 양식 의료 시스템은 기본적으로 도8에 요약된 형태와 양식을 포함하여, 사용가능한 리소스의 전체 범위를 커버한다. 도6에는 일시적 속성을 갖는 복합형 복합 양식 시스템이 개략적으로 도시되어 있다. 상술한 바와 같이, 단일형 복합 양식 시스템의 모든 속성은 어떠한 형태에도 적용할 수 있으며, 그 구성도는 복합형과 복합 양식 사이의 상호작용을 강조하고 있다. 복합형 복합 양식 상황에 있어서, 상이한 형태의 양식들 사이의 상호작용은 데이터의 획득, 처리, 및 분석을 최적화하는데 사용된다. 여기서 다시 한번, 복합 형태로부터의 의료 이벤트의 일시적 특징은 데이터의 일시적 속성에 기초하여, 획득 모듈, 처리 모듈, 분석 모듈을 변형하는데 사용되는 것으로 여겨진다. 로직 엔진(24)(도5 참조) 및 보다 일반적인 처리 시스템(10)은 지식 베이스(12)를 사용하여 양식들 사이의 데이터의 획득, 처리, 분석을 최적화하는 규칙을 사용한다. 로직 엔진(24)(도5 참조) 또는 보다 일반적인 처리 시스템(10)은 지식 베이스(12)를 사용하여 양식들 사이의 데이터의 획득, 처리, 분석을 최적화하는 규칙을 사용한다. 시스템(10)은 CAX 모듈이나 CAA, CAP, CAD 모듈(86, 88, 90) 등과 같은 특정 모듈에 도시된 바와 같이, 도구나 모듈로부터의 데이터를 사용한 후, 지식 베이스(12)의 일부가 되는 관계를 설정한다.
이러한 기법의 집적된 지식 베이스 접근방식의 장점을 얻기 위하여 적절한 처리 알고리즘 및 프로그램이 사용되었지만, 이러한 목적을 위하여 유용한 프로그램의 형태의 집적 및 적용이 이루어진다. 상술한 바와 같이, 의료관련 데이터를 분석하기 위해 컴퓨터의 도움을 받는 예시적인 데이터 처리 작동 알고리즘 및 모듈은 컴퓨터의 도움을 받는 진단 모듈과, 컴퓨터의 도움을 받는 획득 모듈과, 컴퓨터의 도움을 받는 처리 모듈을 포함한다. 이러한 기법은 허용된 높은 집적도에 의해 이러한 알고리즘을 전개, 정제, 및 실행할 수 있는 능력을 강화시킨다. 이러한 기법의 특징에 따른 그 상호작용 및 인터페이싱 뿐만 아니라 알고리즘의 특성 및 동작에 대해, 하기에 상세히 서술하기로 한다.
집적된 지식 베이스
상술한 바와 같이, 이러한 기법에 사용된 집적된 지식 베이스는 원하는 네트웍 라인을 통해 서로 연결된 하나이상의 위치에서 하나이상의 메모리 장치로 구성된 고집적 리소스일 수도 있다. 집적된 지식 베이스는 리소스 자체와 같은 의뢰인 성분상에 메모리 장치를 포함하며, 이것은 영상 시스템에서 통상적인 케이스가 될 것이다. 한정된 실행에 있어서, 집적된 지식 베이스는 이러한 매우 적은 리소스를 조합한다. 보다 많은 실행에 있어서, 실행이 시간의 경과에 따라 연장되는 것처럼, 데이터와 리소스 사이에 더 많은 집적 및 상호관계가 제공된다. 본 발명을 통해 서술되는 바와 같이 모든 리소스는 데이터의 사용자를 서비스할 뿐만 아니라, 원하는 데이터를 제공하기도 한다.
실행된 집적 지식 베이스는 반처리된 데이터, 처리된 데이터, 보고서, 표로 이루어진 데이터, 태그된 데이터 등뿐만 아니라, 원시 데이터도 포함한다. 최소한의 실행에 있어서, 집적된 지식 베이스는 원시 데이터 또는 원시 데이터 베이스의 서브세트를 포함한다. 그러나, 보다 양호한 실행에 있어서, 집적된 지식 베이스는 이러한 원시 데이터베이스의 슈퍼세트이며, 여과된, 처리된, 또는 감소된 칫수 데이터와; 의료 이벤트의 규칙과 연관된 전문가 의견 정보와, 증상이나 기타 다른 입력값 및 질병이나 치료 고려사항이나 기타 다른 출력값 등과 같은 예측 모델과, 관계와, 상호작용, 경향 등을 부가로 포함한다. 본 발명에 서술된 바와 같이, 집적된 지식 베이스의 내용은 지식 베이스에 제공된 지식을 제공하거나 인출하는 다양한 메모리 장치들 사이에 동기화될 뿐만 아니라, 유효하게 되거나 입증된다.
일반적으로, 이미 예견된 집적된 지식 베이스는 증거에 기초한 의료를 이음매없이 공통의 의료 프랙티스 및 전체 건강관리 엔터프라이즈에 통합될 수 있게 한다. 즉, 집적된 지식 베이스는 실행된 다양한 알고리즘 프로그램에서 데이터를 제공 및 인출하는 관련의 의료 및 비의료 공동체 뿐만 아니라, 임상의사 또는 사용자에 의해 정식적으로 지지된 경험 및 정의역 지식의 부를 증가시킨다. 또한 본 발명에 서술되는 바와 같이, 집적된 지식 베이스는 원시 데이터베이스, 데이터 리소스, 및 제어가능하고 규정가능한 리소스 등과 같이 특성상 분포되고 연합된다.
지식 베이스 생성을 위한 현존의 프랙티스는 데이터를 상이한 유효 집단으로 분류하고, 일부 기준 표준기법으로 전문적인 발견을 확인하기 위해, 데이터를 관찰하고 전문가를 사용하는 영역별 전문가 패널에 의해 설정된 특정한 의료 이벤트를 위한 대표적인 데이터를 수집하는 것이다. 예를 들어, 방사선촬영술 영상으로부터 폐 결절 결정의 영상 지식 베이스를 생성하기 위해, 전문가 패널은 영상을 절결의 민감도에 관해 분류하고, 생검에 대한 방사선소견상 발견점을 확인한다. 이러한 기법에 있어서, 일부 방법론은 임상 관련의 설정 데이터를 위한 첫번째의 기본적인 단계로서 작용한다. 그러나, 분류 처리는 영역별 전문가 및 보조 방법에 의해 제공된 속성에 기초하여, 자동화된다. 일실시예에서, 임상 데이터는 자동으로 분류되므로, 의도한 다양한 목적에 대한 요구로부터 회수될 수 있다.
로직 엔진
로직 엔진은 기본적으로 시스템에 의해 실행된 다양한 기능을 조화시키는 규칙을 포함하고 있다. 이러한 조화는 특징 검출, 진단, 획득, 처리, 및 결정지원 등과 같이 컴퓨터의 도움을 받는 다양한 데이터 작동 알고리즘 뿐만 아니라, 지식 베이스에 접근 및 저장 데이터를 포함한다. 실시예에 따르면, 로직 엔진에 의해 실행된 기능은 데이터 트래픽 제어, 처리의 개시, 리소스로의 연결, 연결성, 처리의 조화(예를 들어, 시컨싱), 및 접근 제어와 성분의 핸드세이킹과 인터페이스 정의 등과 같은 활동의 조합을 포함한다.
일시적 처리 모듈
이러한 기법의 한가지 특징에 따르면 단순히 단일 양식 데이터상에서 일시적 변화 분석을 실행하는 단계를 포함한다. 그 결과는 일시적 변화 데이터 및 현재의 데이터를 병렬로 디스플레이하므로써, 또는 일시적 변화를 강조하기 위해 현재의 데이터상에 일시적 결과를 용융시키므로써, 사용자에게 제공될 수 있다. 또 다른 접근방식은 일시적 변화 분석을 실행하기 위해, 적어도 하나의 양식 데이터와 다른 양식으로부터 일시적으로 대응하는 것이다. 또 다른 접근방식으로는 의문시되는 의료 상태를 완전히 특정화하기 위해 복합형 데이터상에 일시적 분석을 실행하는 단계를 포함한다.
일시적 처리는 일반적으로 하기의 일반적인 모듈 즉, 획득/저장 모듈, 분할 모듈, 등록 모듈, 비교 모듈, 및 보고 모듈을 실행하는 것을 포함한다.
상기 획득/저장 모듈은 획득된 의료 데이터를 포함한다. 일시적 변환 분석을 위하여, 초기 시점에 대응하는 저장으로부터 데이터에 억세스하기 위한 수단이 제공된다. 일련의 논의에 있어서 표기를 간략히 하기 위하여, 획득 및 일시적 시컨스에서 의료 데이터의 그 어떤 형태라도 일반적인 접근이 연장될 수 있어도, 본 발명자들은 단지 2개의 시간 시점(t1 및 t2)을 서술하였다. 상기 분할 모듈은 특징, 체적, 영역, 라인, 및/또는 관심점을 격리시키기 위한 자동수단 또는 수동수단을 제공한다. 실질적인 관점의 여러 경우에 있어서, 전체 데이터는 분할 모듈의 출력이 될 수 있다. 상기 등록 모듈은 서로 다른 의료 데이터를 등록시키는 방법을 제공한다. 여러개의 실시예가 이러한 점을 나타내는데 도움을 줄 수 있다.
단일의 양식 의료 영상인 경우, 만일 일시적 변화 분석을 위한 관심 영역이 작다면, 변환, 회전, 확대, 및 비틀림 등을 포함하여, 단단한 몸체 등록 변환은 t1 및 t2에 대해 한쌍의 영상을 등록시키기에 충분하다. 그러나, 만일 거의 전체 영상을 포함하여 만일 관심 영역이 넓다면, 굽혀진 탄성 변환이 인가된다. 이러한 비틀린 등록을 실행하는 한가지 방법은 복합 칫수, 복합 영역, 피라미드 접근법을 사용하는 것이다. 이러한 접근방식에 있어서, 변화를 강조하는 상이한 비용 함수는 모든 칫수에 대해 최적화된다. 영상은 설정의 크기로 재배열된 후, 복합 영역으로 분할된다. 분리된 이송 벡터는 상이한 영역에서 연산된다. 이송 벡터는 부드러운 이송 변환을 형성하도록 보간되어, 영상을 비틀도록 적용된다. 상기 영상은 재배열되며, 비틀린 등록 처리는 설정의 최종 칫수에 도달할 때까지 가장 큰 칫수로 반복된다.
복합 양식 의료 영상인 경우, 최대화된 상호 정보가 단단한 및 비틀린 등록을 실행할 수 있다. 이러한 의료 데이터에서는 공간적 등록을 실행할 필요가 전혀 없다. 이 경우, 데이터는 단일 칫수값 또는 벡터이다.
비교 모듈은 본질적으로 상이한 의료 데이터의 비료 방법을 제공한다. 예를 들어, 등록된 영상 비교는 여러가지 방법으로 실행될 수 있다. 한가지 방법은 상이한 영상을 생성하도록 2개의 영상을 공제하는 것이다. 선택적으로, [S(t1) * S(t2)] / [S(t2) * S(t1) + Φ]으로 표시되는 강화된 분할 방법을 사용하여 2개의 영상[S(t1), S(t2)]이 비교될 수 있으며, 여기서 스칼라 상수Φ 는 0 보다 크다. 단일 스칼라값인 경우, 의료 이벤트에 대한 일시적 경향은 정상인 경우와 비정상인 경우에 대한 공지의 트렌드와 비교될 수 있다.
보고 모듈은 사용자가 일시적 비교의 결과를 보고 정량화하도록 디스플레이 및 정량화를 제공한다. 실제로, 분석을 위해서는 사용가능한 모든 데이터를 사용한다. 의료 영상인 경우, 여러가지 상이한 시각화 방법이 사용될 수 있다. 일시적 비교의 결과는 일부의 미리 특정화된 기준에 기초한 로직 작동자를 사용하여, 동시에 디스플레이될 수 있거나 또는 서로 오버레이될 수 있다. 정량 비교를 위하여, 컬러 조견표가 사용될 수 있다. 최종 데이터는 결과의 질적 및/또는 수동/자동 정량분석을 계속 실행하기 위하여 자동화된 패턴 인식 기법과 결합될 수 있다.
인위적 신경망
도15에는 인위적 신경망(202)이 개략적으로 도시되어 있다. 상기 인위적 신경망은 다수의 유니트와 이러한 유니트들 사이의 연결부로 구성되어 있으며, 하드웨어 및/또는 소프트웨어로 실행될 수 있다. 신경망의 유니트는 도15에 도시된 바와 같이 그 기능에 따라 3가지의 상이한 형태의 그룹(층)으로 분류될 수 있다. 제1층인 입력층(204)은 입력 패턴을 나타내는 데이터 세트를 수용하도록 할당되며, 제2층인 출력층(208)은 출력 패턴을 나타내는 데이터 세트를 수용하도록 할당되며, 임의의 갯수를 갖는 중간층인 은닉층(206)은 상기 입력 패턴을 출력 패턴으로 변환한다. 이러한 각각의 층에서 유니트의 갯수가 임의로 결정되기 때문에, 상기 입력층 및 출력층은 충분한 갯수의 유니트를 포함하므로, 해결하고자 하는 문제의 입력 패턴 및 출력 패턴을 각각 나타낼 수 있다. 신경망은 2개의 목표물이나 이벤트 등급 사이를 구분짓는 것을 배우는 연산 방법을 실행하는데 사용된다. 상기 망은 먼저 목표물 또는 이벤트 등급에 관한 공지의 데이터를 나타내므로써 훈련받으며, 그후 알려지지 않은 목표물 또는 이벤트 등급 사이를 구분짓기 위해 인가된다.
요약하면, 신경망(202)의 원리는 하기와 같은 방식으로 설명될 수 있다. 0 내지 1 사이 범위의 숫자로 나타나는 정상화된 입력 데이터(210)는 신경망의 입력 유니트에 공급된다. 그후, 출력 데이터(212)는 은닉층 및 출력층(208, 210)에서, 출력 유니트로부터 2개의 연속한 비선형 연산[하나의 은닉층(206)인 경우]을 통해 제공된다. 입력 유니트를 배제한, 층의 각 유니트에서의 연산은 인입 갯수의 중량 총합과, 중첩된 기간의 부가와, 0 부터 1 사이 범위내의 숫자로의 변환을 포함한다. 특히, 도16에 개략적으로 도시된 바와 같이, 01 내지 0n 으로 도시된 유니트(214)는 입력 유니트 또는 은닉 유니트를 나타내며, W1 내지 Wn 은 이러한 입력 유니트 또는 은닉 유니트로부터 각각의 출력부로 할당된 중량 요소(216)를 나타내며, T는 각각의 중량 요소가 곱해진 출력의 총합을 나타낸다. 출력부(218) 또는 O는 S형 함수(220)를 사용하여 연산되며, 상기 S형 함수에서 θ는 T에 대해 옵셋을 나타낸다. 예시적인 S형 함수는 1/[1+exp(-T + θ)]로 표시된다. 중량 요소와 옵셋값은 설정의 입력 데이터 및 출력 데이터 세트를 위해 결정되는 신경망(202)의 내부 변수이다.
2개의 상이한 기본 처리 즉, 트레이닝 처리와 테스팅 처리는 신경망(202)에 포함된다. 신경망은 트레이닝 입력 데이터 및 원하는 출력 데이터를 사용하여 후방 증식 알고리즘에 의해 트레이닝된다. 신경망의 내부 변수는 신경망의 실제 출력값과 원하는 출력값 사이의 편차를 최소화하기 위해 조정된다. 동일한 입력 및 출력 데이터 세트에 대한 임의의 시컨스에서 이러한 처리의 반복에 의해, 상기 신경망은 트레이닝 입력 데이터와 원하는 출력 데이터 사이의 관계를 배운다. 일단 충분하게 트레이닝되었다면, 상기 신경망은 그 획득 경험에 따라 상이한 입력 데이터를 구분할 수 있다.
전문가 시스템
인공지능(AI) 영역에서 연구결과중 한가지는 높은 레벨의 추출에서 정보의 모델링을 허용하는 기법의 발달이다. 이러한 기법은 언어 또는 도구에 사용되어, 그 실행에 있어서 프로그램을 매우 유사한 인간 로직을 구축될 수 있게 하므로써, 전개 및 유지를 용이하게 한다. 양호하게 형성된 문제 영역에서 인간적 전문지식을 평가하는 이러한 프로그램은 일반적으로 전문가 시스템으로 불리워진다.
지식을 문제에 적용하는 전문가 시스템 부분은 추론 엔진으로 불리워진다. 추론 엔진에서는 4개의 기본 제어 부분, 즉 매칭(현재의 규칙을 설정의 패턴과 비교하는), 선택(가장 적절한 규칙을 선택하는), 실행(최적의 규칙을 실행), 집행(최종 액션을 집행)으로 확인된다.
설정의 영역에서 문제를 해결하는 전문가 시스템을 구축하기 위해, 지식 엔지니어와, 인공지능(AI) 언어 및 표현의 전문가는 영역관련 문헌을 판독하므로써, 이슈 및 용어와 친숙해지기 시작한다. 이를 기초로 하여, 지식 엔지니어는 한명 이상의 전문가와 광범위하게 면담하여, 그 지식을 "획득"한다. 마지막으로, 지식 엔지니어는 이러한 면담의 결과를 체계화하여, 이를 컴퓨터가 사용할 수 있는 소프트웨어로 전환시킨다. 면담은 이러한 단계에서 가장 많은 시간과 노력이 소요된다.
규칙을 기본으로 하는 프로그래밍은 전문가 시스템을 발전시키기 위해 가장 통상적으로 사용되는 기법중의 하나이다. 다른 기법은 퍼지 전문가 시스템을 사용하며; 이러한 시스템은 데이터 사이의 연관관계를 추론하기 위하여, 부울 로직이 아닌 퍼지 멤버쉽 함수 및 규칙의 수집물을 사용한다. 규칙을 기본으로 하는 프로그래밍 패러다임에 있어서, 규칙은 주어진 상황에 대해 실행될 한세트의 동작을 특정화하는 발견적 학습법, 또는 "엄지의 규칙"을 나타내는데 사용된다. 규칙은 일반적으로 "if" 부분과, "then" 부분으로 구성되어 있다. 상기 "if" 부분은 규칙을 적용될 수 있게 하는 사실(또는 데이터)를 특정화하는 일련의 패턴이다. 사실을 패턴으로 매칭시키는 처리는 일반적으로 패턴 매칭으로 불리워진다. 전문가 시스템 도구는 추론 엔진을 제공하며, 이러한 추론 엔진은 패턴에 사실을 매칭시키고, 가장 적절한 규칙을 선택한다. 상기 규칙의 "if" 부분은 실제로 규칙의 "할 때마다(whenever)"인 것으로 여겨지는데, 그 이유는 패턴 매칭은 사실에 변화가 이루어질 때마다 발생되기 때문이다. 규칙의 "then" 부분은 규칙이 적용될 때 실행될 동작 세트이다. 적용가능한 규칙의 동작은 추론 엔진이 실행을 시작하도록 지시되었을 때 실행된다. 상기 추론 엔진은 규칙을 선택하며, 그후 선택된 규칙의 동작이 실행된다(사실을 부가하거나 제거하므로써 적용가능한 규칙의 리스트에 영향을 미치는). 그후, 상기 추론 엔진은 다른 규칙을 선택한 후, 그 동작을 실행한다. 이러한 처리는 적용가능한 규칙이 남아있지 않을 때까지 실행된다.
처리 함수 및 스트링의 개시
"처리 스트링"이라는 용어는 집적된 지식 베이스내의 데이터 또는 이러한 집적한 지식 베이스로부터의 데이터의 획득, 분석, 복제, 강화, 발생, 또는 데이터의 변형이나 추출을 실행하는, 컴퓨터를 기본으로 하는 동작과 광범위하게 연관되어 있다. 상기 처리는 환자-특정 의료 데이터를 포함하지만, 이에 한정되지 않는다. 처리 스트링은 이러한 데이터나 또는 완전히 비의료적인 데이터에 작용하지만, 일반적으로는 이러한 두 데이터 모두에 작용한다. 따라서, 처리 스트링은 데이터의 획득(획득 및 종료 획득을 실행하기 위하여, 및 획득 세팅 및 프로토콜을 세팅하거나, 또는 획득을 원하거나 획득이 바람직한 통지를 위하여)을 위한 동작을 포함한다.
예를 들어 사용자-개시 처리 스트링은 심장 CT 데이터내에서 볼 수 있는 석회화를 식별하기 위하여 컴퓨터의 도움을 받는 검출 루틴의 런칭을 포함한다. 이러한 처리 스트링이 진행될 동안, 요구된 루틴과 기타 다른 리소스로부터 유용한 데이터에 기초하여, 시스템은 요구된 데이터 분석과 콜레스테롤 테스트 결과 사이의 연관관계를 분석하기 위하여, 집적된 지식 베이스로부터 콜레스테롤 테스트 결과를 패치시키는 처리 스트링을 시작한다. 역으로, 콜레스테롤 테스트 결과의 분석이 요구되거나 시작되었을 때, 상기 시스템은 관련 상태를 평가하거나 진단하는데 도움을 주는 영상을 실행하는 유틸리티를 검출하여, 사용자(또는 다른 사용자)에게 상보적 평가를 위한 베이스를 형성하는 영상 획득에 대한 시간표를 만들 필요성이나 희망을 알려준다
처리 스트링을 시작하는 사용자는 원시 데이터 및 처리된 데이터를 위한 상이한 필요 및 사용을 가진 광범위한 사람을 포함해야 하는 것을 인식해야 한다. 이들은 예를 들어 유도된 영상으로부터 데이터를 요구하는 방사선과 의사와, 보험 클레임과 연관된 또는 이를 지지하는 정보를 요구하는 보험업자와, 처방전 데이터에 접근하는 약사 등을 포함한다. 사용자는 그 자신의 기록이나 진단 정보에 접근하는 환자 자신을 포함할 수 있다. 데이터 상태의 변화에 기초한 시작은 실제 데이터 자체를 찾지만, 데이터의 이동 또는 데이터를 업로딩하거나 다운로딩하는 새로운 워크스테이션에도 의존한다. 마지막으로, 시스템-시작 처리 스트링은 간단한 타이밍(주기적 간격으로)에 의존하거나, 또는 변수나 리소스의 상대적 레벨 등과 같은 요소에 의존한다. 시스템-시작 처리 스트링은 새롭게 사용가능한 처리가 상태를 식별하는데 도움을 주므로써 인식할 수 없게 되었지의 여부를 결정하기 위하여, 현존의 데이터를 통한 연구에 관해, 새로운 프로토콜이나 루틴이 유용하게 됨에 따라 런칭된다.
상술한 바와 같이, 데이터 처리 시스템(10)과, 집적된 지식 베이스(12)와, 연합 데이터베이스(14)는 사용가능한 상이한 리소스로부터 데이터의 억세스, 변환, 분석, 및 처리를 제공하기 위해 서로 모두 연결될 수 있다. 도17은 임상의사 및 의사 등의 사용자를 위해 제공된 인터페이스(8)에 중점을 두어, 이러한 기법의 특징을 도시하고 있다. 데이터 처리 시스템, 집적된 지식 베이스, 및 연합 데이터베이스를 포함한 시스템의 다양한 리소스로의 억세스를 허용할 동안, 인터페이스(8)는 일반적으로 광범위한 인터페이스 형태 및 시스템을 허용할 것이다. 특히, 도17에 도면부호 222로 도시된 바와 같이, 인터페이스(8)를 포함하는 "연합되지 않은" 인터페이스 층은 단일의 학회에서 또는 지리적으로 서로 분선된 광범위한 다른 학회에서 본질적으로 상이한 범위의 인터페이스 성분을 포함한다. 또한, 인터페이스의 기본적인 작동 시스템은 동일할 필요는 없으며; 이러한 기법은 하나이상의 데이터 처리 시스템과, 상기 집적된 지식 베이스와, 연합된 데이터베이스와 연결될 수 있지만, 다양한 형태의 인터페이스가 일체화되어 연합되지 않은 인터페이스 층을 별도로 형성한다는 것을 예측할 수 있다. 특히, 집적된 지식 베이스 및 연합된 데이터베이스가 제공되는 경우, 이들은 상술한 바와 같이 HTML, XML 등을 포함하는 표준형 프로토콜을 사용하여 층에 다양한 형태의 인터페이스를 수용할 수 있다. 상기 인터페이스 층은 집적된 지식 베이스와, 데이터 처리 시스템과, 또는 연합된 데이터베이스의 자동화된 또는 사용촉진된 조회를 허용한다. 특히, 적절하다면, 사용자는 의뢰인 데이터의 입력 또는 출력의 관리, 클레임의 파일링, 데이터 획득 시컨스의 처방, 약물치료 등에 의해 워크스테이션상에서 실행된 프로그램에 의해 작동된 조회를 알 수 없다.
인터페이스 층과, 이러한 인터페이스 층 및 데이터 처리 시스템에 포함된 프로그래밍은 트리거 이벤트의 범위에 기초하여 광범위한 처리 기능이 실행될 수 있게 한다. 이러한 이벤트는 사용자 리퀘스트와 함께 시작 실행되거나, 기타 다른 다양한 방식에 의해 실행된다. 도18은 이러한 방식에 의해 실행되는 시작 및 처리 기능을 개략적으로 도시하고 있다.
도18에 도시된 바와 같이, 다양한 시작 소스(224)는 상술한 바의 리소스 및 지식 베이스로부터의 데이터상에, 데이터 획득, 처리, 및 분석을 시작하는 것으로 여겨진다. 상기 시작 소스(224)는 도18에 도면부호 226으로 도시된 바와 같이 하나이상의 데이터 처리 시스템과, 집적된 지식 베이스와, 연합된 데이터베이스와, 또는 부가로 리소스내에서 제어가능하고 규정가능한 리소스 및 데이터 리소스에 저장된 루틴에 따라, 처리를 시작한다. 상술한 바와 같이, 특정한 처리가 저장되며; 단일의 컴퓨터 시스템은 데이터 처리 시스템에 포함되거나, 서로 연합하여 데이터 처리 및 분석을 실행하는 다양한 컴퓨터 시스템을 통해 분산된다. 처리의 시작에 이어, 도18에 도면부호 228로 도시된 바와 같이 처리 스트링이 실행된다. 상기 처리 스트링은 의료인에게 환자보호에 대한 강화된 통찰력을 제공하도록 설계되고, 의료 데이터 및 비의료 데이터를 포함하여 환자 보호에 필요한 데이터를 처리하도록 설계되고, 보호를 제공하는 학회의 가능을 강화하도록 설계되고, 환자 데이터내의 경향이나 연관관계를 검출하도록 설계되고, 및 미래 사용을 위하여 연관관계의 일반적인 발견 및 마이닝(mining)을 실행하도록 설계된, 광범위한 처리 및 분석 기능을 포함한다.
현존의 기법은 시작 소스(224)가 시스템에 의해 실행된 루틴에 따라 처리 기능 및 분석 기능을 시작하는 것으로 예측할 수 있다. 특히, 도18에 도시된 바와 같이 이러한 시작 소스는 사용자 시작 소스(230)와, 이벤트 또는 환자 시작 소스(232)와, 데이터 상태 변화 소스(234)와, 시스템 또는 자동 시작 소스(236)를 포함한다. 임상의사, 의사, 보험회사, 병원 근무자, 관리 및 스태프 사용자 등과 같은 사용자는 상술한 바의 집적된 지식 베이스 또는 다양한 집적 리소스에 따라 인출되는 요구사항을 시작하며, 처리 스트링은 정보에 따른 요구가 이미 집적된 지식 베이스내에 저장되었거나 하나이상의 다양한 리소스내에 데이터의 배치, 억세스, 및 처리에 의해 접근할 수 있는 정보에 따른 요구를 시작한다. 전형적인 세팅에 있어서, 사용자는 조회 또는 기타 다른 기능이 실행되는 워크스테이션에서 이러한 처리를 시작한다. 상술한 바와 같이, 조회는 사용자에게 명백한 것이며, 또는 워크스테이션에서 실행된 기능에 본래 구비되어 있다.
또 다른 예측가능한 시작 리소스는 도18에 도면부호 232로 도시된 이벤트 또는 환자이다. 일반적으로, 많은 의료 상호작용은 의료 학회나 의료인과의 접촉을 트리거하는 특정 증상이나 의료 이벤트로 시작될 것이다. 환자와 인터페이스하고 있는 임상의사나 환자에 의한 이벤트 등의 로그인에 따라, 하기에 상세히 서술되는 바와 같이 환자 기록의 억세스, 환자 기록의 업데이트, 증상과 관련된 상세한 내용의 획득 등과 같은 상호작용 단계의 범위를 포함하는 처리 스트링이 시작된다. 이러한 내용에서 사용불가능하고 고도로 집적된 처리를 실행하는데 사용될 동안, 처리 스트링이 시작된 환자에 대한 이벤트는 일반적으로 현재의 의료 서비스 제공을 추진하는 이벤트의 형태와 유사하다.
상기 데이터 처리 시스템(10)은 일반적으로 새로운 데이터를 사용할 수 있게 되었을 때, 데이터의 상태(정적이거나 변화되는)를 포함하여, 광범위한 데이터 변수를 관찰한다. 새로운 데이터는 환자 기록의 업데이트와, 새로운 정보의 억세스와, 제어가능하고 규정가능한 리소스 및 데이터 리소스 등으로 또는 이들로부터 데이터를 업로딩하거나 다운로딩하므로써 사용할 수 있게 된다. 필요할 경우, 데이터 처리 시스템에 의해 실행된 프로그램은 데이터 상태의 이러한 변화에 기초하여 처리를 시작한다. 일실시예로서, 최근의 환자 접촉이나 또는 의료 데이터 또는 비의료 데이터의 유용성에 의해 환자 기록이 업데이트되었음을 검출하므로써, 처리 스트링은 일련의 동작, 통지, 비교 또는 검사가 바람직한 것인지의 여부를 결정한다. 이와 마찬가지로, 데이터 처리 시스템에 의해 실행된 프로그램은 도18에 도면부호 236으로 도시된 바와 같이 이러한 처리를 자동으로 시작한다. 이러한 시스템시작 처리는 목록 레벨, 새로이 사용가능한 데이터 또는 데이터들 사이의 연관관계의 식별 등과 같은 다양한 시스템 변수의 트리거에서 또는 설정의 시간 간격 등의 루틴 베이스로 실행된다.
이러한 기법의 고도로 집적된 접근방식의 매우 강력한 특징은 처리의 시작 소스에도 불구하고 다양한 처리 스트링이 나타난다는 사실에 기초하고 있다. 도18에 개략적으로 도시된 바와 같이, 예를 들어, 도면에는 다양한 시작 소스와 정렬된 것으로 도시되어 있는 처리 스트링은 다른 시작 소스 및 실행 프로그램에 의한 것이다. 예를 들어, 사용자 또는 내용 스트링(238)은 사용자가 시스템에 억세스하는 특정 내용과 함께, 사용자시작 처리 이벤트에 정확하게 응답하기 위해 처리된 정보를 억세스 및 복귀시키는 처리를 포함한다. 그러나, 이러한 처리 스트링은 이벤트 또는 환자시작 처리, 데이터 상태 변화, 및 시스템시작 처리에 의한 것이다. 또한, 여러가지 형태의 특정 스트링이 다양한 카테고리를 따르는 것을 인식해야 한다. 예를 들어, 사용자 또는 내용 스트링(238)은 도면부호 240으로 도시된 특정 조회기초 처리를 포함하며, 이러한 처리는 사용자에 의해 제기한 특정 조회에 응답하는 데이터를 식별 및 복귀시키도록 설계되었다. 선택적으로, 사용자 또는 환경기초 스트링(242)은 억세스 및 복귀된 데이터가 사용자-특정 또는 환경-특정인 것으로 귀결된다. 이러한 처리 스트링의 실시예는 특정 사용자 즉, 특정 형태의 임상의사 또는 의사, 금융기관, 보험회사 등에 대한 관심 분석을 위하여 데이터의 억세스 및 처리를 포함한다.
시작 소스 처리에 의한 다양한 처리 스트링의 또 다른 실시예로는 환자가 경험한 의료 이벤트나 과거에 경험한 이벤트에 특정한 처리를 포함하거나, 또는 미래 사용가능한 처리를 포함한다. 따라서, 이벤트 스트링(244)은 사용자 시작, 이벤트 또는 환자 시작, 데이터 상태 변화 시작, 또는 시스템 시작에 의한 것이다. 전형적인 상황에 있어서, 상기 이벤트 스트링은 정보에 접근하고, 정보를 처리하고, 이러한 처리에 기초하여 진단이나 제안을 제공하기 위해, 단순히 의료 이벤트의 처리 또는 환자가 경험한 증상을 따른다. 상술한 바와 같이, 상기 제안은 자동으로 또는 수동으로 부가의 처리나 분석의 수행과, 부가 정보의 획득을 포함한다.
일반적인 검출 스트링(246)은 다양한 시작 리소스에 의해 시작된다. 이러한 내용에 있어서, 일반적인 검출 스트링(246)은 사용자, 이벤트, 환자, 데이터 상태 변화 또는 시스템에 의해 특정하게 요구되지 않는 연관관계나 관련 데이터를 식별하도록 설계되었다. 이러한 일반적인 검출 스트링은 데이터 처리 시스템이나 집적된 지식 베이스에 의해 식별된 연관관계에 따라 새로운 데이터를 서로 연관시킨다. 따라서, 환자가 사용자가 연관관계나 잠재적 관계의 검출을 특별히 요구받지 않는 경우에도, 데이터 처리 시스템(10)에 의해 실행된 프로그램은 일반적인 검출 스트링하에서 위험, 잠재적 치료, 재무관리 선택사항 등을 식별하기 위하여, 비교 및 집단화를 실행한다.
마지막으로, 도18에 시스템 스트링(248)으로 도시된 처리 스트링은 그 특성상 더욱 일반적이다. 상기 시스템 스트링은 다양한 리소스로부터 유용한 데이터 사이의 연관관계를 발견하기 위해 실행되는 처리이다. 이러한 새로운 연관관계는 인식가능한 경향이나 연관관계, 성공율이나 실패의 분석, 환자보호 결과의 통계학적 분석 등에 기초하여, 환자를 진단하거나 치료하는 새로운 방법을 나타내는 것이다. 상술한 실시예에서처럼, 시스템 스트링은 시스템의 자동 시작 등을 포함하여 다양한 방식으로 시작될 수 있지만, 새로이 검출된 의료 이벤트의 발생에 기초하거나 환자의 시작에 의해 또는 사용자의 특정 요구에 의한 데이터 상태의 변화에 의해서도 시작될 수 있다.
컴퓨터의 도움을 받는 환자 데이터 포획 및 처리
이러한 기법의 한가지 특징에 따르면, 환자로부터의 직접적인 데이터 획득 및 처리를 집적된 지식 베이스(12)에 저장된 데이터와 조합하므로써 환자 데이터의 강화된 처리가 제공된다. 이러한 기법에 있어서, 집적된 지식 베이스(12)는 다양한 리소스 자체내의 정보 또는 원시 데이터의 분석에 기인한 처리된 정보를 포함하는 것으로 여겨져야 한다는 것을 인식해야 한다. 또한, 이러한 내용에 있어서, 집적된 지식 베이스는 학회의 내부와 한곳에 위치되거나 여러 곳에 분산되어 위치된 여러 학회의 내부의 여러 위치에 저장된 데이터를 포함하는 것으로 여겨진다. 따라서, 집적된 지식 베이스는 조화된 다양한 데이터 획득 및 저장소를 포함한다. 예시적인 동작과 연관이 있는 예시적인 로직 동작 등급 및 시간의 범위가 도19에 도시되어 있다.
도19에 있어서, 집적된 지식 베이스에 포함되어 있는 환자 정보는 상술한 바와 같은 하나이상의 양식 형태와, 보다 일반적으로는 다양한 리소스 형태에 기인한 것이다. 또한, 상술한 바와 같이, 환자 정보는 상이한 그래픽 정보, 배타적인 또는 일반적으로 억세스가능한 데이터 베이스, 처방전 데이터베이스, 디지탈화된 기준 재료 등과 같은 데이터 리소스에서 일반적으로 유용한 기타 다른 데이터와 함께, 이러한 형태의 데이터의 분석에 기인하고 있다. 그러나, 이러한 정보는 의사 또는 시설의 방문 등과 같이 환자 접촉과 조화되었을 때, 특히 유용하다. 도19에 개략적으로 도시된 바와 같이, 도면부호 250으로 도시된, 상이한 독특한 동작 등급은 환자 상호작용, 시스템 상호작용, 보고 또는 교육형태 동작 등과 같이 논리적으로 집단화된다. 이러한 동작 등급은 일반적으로, 입력값, 처리, 및 시스템 전체의 출력값으로 여겨진다. 또한, 상기 동작 등급은 위치방문 등과 같은 환자 접촉을 기준으로 발생되는 것으로 여겨진다. 이러한 의미에서, 상기 동작은 일반적으로 도면부호 252로 도시된 바와 같이 방문이나 접촉 이전에 취해진 것으로, 도면부호 254로 도시된 바와 같이 접촉중 취해진 것으로, 도면부호 256으로 도시된 바와 같이 접촉후 동작으로 취해진 것으로 분류된다.
이러한 기법에서, 다양한 상호작용 상태에서의 환자 정보의 수집에 의해, 집적된 지식 베이스로부터의 정보는 강화된 진단, 분석, 환자보호 및 환자 지시를 제공하는데 매우 유용한 것으로 밝혀졌다. 특히, 환자 접촉전 또는 방문중 데이터의 수집 및 처리에는 몇가지 형태의 시나리오를 예견할 수 있다.
환자 접촉 이전에 수집되는 정보 형태의 실시예에서는 도19에 도면부호 258로 도시된 바와 같이, 동작의 차등급이 실행된다. 일실시예에서는 새로운 또는 지속적인 기록을 위하여, 환자 방문 이전에 환자 접촉 또는 의료 이벤트(예를 들어, 방문에 대한 이유)에 대한 보고가 포획된다. 이러한 정보는 환자의 전화, 웹사이트나 기타 다른 인터페이스에 인입되는 정보, 즉각적인 메시지, 채팅룸 메시지, 전자 메시지, 웹카메라를 통해 입력된 정보 등에 의해 시작된다. 기록과 연관된 데이터는 인간 상호작용이나 또는 자동 촉진 또는 구체화되지 않은 앙케이트를 통해 입력된다. 이러한 앙케이트에서, 환자는 주요한 호소증상이나 증상, 의료 이벤트 등의 입력을 음성으로, 서면으로 또는 그래픽 인터페이싱으로 재촉받는다. 예를 들어 예시적인 일실시예에서, 환자는 몸체의 증상 지역의 선택 등과 같이, 인간 몸체의 그래픽 묘사에 응답하기도 한다.
환자 접촉 이전에, 생물측정학적 정보 등과 같은 기타 다른 정보가 수집된다. 이러한 정보는 데이터가 환자 기록에 입력되기 전에, 환자 식별 및/또는 증명을 위해 사용된다. 또한, 가능할 경우 환자 입력이나 원격 모니터에 의해 원격 활력 징후 진단이 실행될 수 있다. 음성 기록에 의해 데이터가 수집될 경우, 대화 인식 소프트웨어 또는 이와 유사한 소프트웨어 엔진이 차후 분석을 위하여 주요한 의료 용어를 식별한다. 또한, 필요할 경우, 특히 비상 상황에서 환자의 물리적 위치를 확인하기 위해, 거주지 주소 또는 업무지 주소, 휴대폰 위치, 컴퓨터 터미널 위치 등이 억세스될 수 있다. 또한, 정보가 알려지거나 사용될 수 있는 정도로 환자에 의해 입력된 환자 보험정보가 조회될 수도 있다.
환자 방문 이전에 또는 환자접촉 이전에, 환자 상호작용(258)에 기초하여 다양한 시스템 상호작용(260)이 취해진다. 특히, 환자-특정 데이터가 획득될 때, 데이터는 환자 정보의 분석을 위하여 집적된 지식 베이스(다양한 리소스를 포함하는)로부터 억세스된다. 따라서, 데이터는 방문 약속이 정상적인지의 여부를 확인하도록 분석되거나 연관되며; 만일 이미 정렬되었다면, 이러한 약속은 리소스 및 설비의 유용성, 환자 선호 및 위치 등을 기초로 하여 스케쥴된다. 또한, 이러한 스케쥴된 약속의 급박함은 환자에 의해 입력된 정보를 기초로 하여 억세스된다.
분석을 기초로 하여 이루어진 다양한 권장중에서, 환자 방문후 즉시 또는 환자 방문중 효과적인 진단 및 피드백에 필요할 것 같은 가장 연관성이 깊은 정보를 제공하기 위해, 방문 영상, 목록 검사 등이 권장되어 스케쥴된다. 이러한 권장은 상술한 바와 같은 하나이상의 다양한 리소스 형태와, 각각의 리소스내의 하나이상의 양식을 포함한다. 이러한 다양한 정보는 환자 방문중 수집될 수 있는 정보와 잠재적 진단 또는 연관된 질문의 표시를 제공하기 위해, 집적된 지식 베이스의 정보와 연관된다. 그후, 집적된 지식 베이스내에 환자 병력 데이터베이스를 생성하거나 보완하기 위해, 전체 데이터 세트가 집적된 지식 베이스에 업로딩된다.
집적된 지식 베이스에 데이터를 업로딩한 결과, 다양한 형태의 구조적 데이터가 차후 억세스 및 처리를 위해 저장된다. 예를 들어, 가장 연관성이 깊은 포획된 환자 데이터는 방문중이나 방문후 의료 방문 이전에 사용된 처리를 위한 잠재적 권장을 평가하는데 연구되거나 사용될 수 있는 등급이나 분야 등과 같이, 구조적 형태로 저장된다. 상기 데이터는 환자 상태, 경향의 인식, 환자에 의해 인식된 증상의 평가, 환자에 의해 인식될 수 없고 특정하게 증상을 호소하지 않는 일반적 상태 평가에 대한 변화의 일시적 분석을 위해 사용된다. 상기 데이터는 잠재적으로 연관성이 있는 증거에 기초한 데이터, 인구학적 위험 평가, 의료 이벤트 및 상태에 대한 존재 또는 소인에 대한 가설의 비교 및 분석의 결과를 포함하며, 이들을 인식하도록 처리된다.
시스템 상호작용에 이어, 그리고 시스템 상호작용으로부터, 다양한 출력형 기능이 시스템에 의해 실행된다. 예를 들어, 도19에 도면부호 262로 도시된 바와 같이, 환자-특정 권장은 환자 접촉 이전에 환자에게 전달된다. 이러한 권장은 접촉을 위하여 또는 기타 다른 검사나 분석을 위한 방문과, 이러한 처리와 연관된 교육 정보와, 상기 처리(예를 들어, 식이요법 권장, 처방, 방문의 시기 및 주기) 이전에 실행될 프로토콜을 포함한다. 또한, 환자 정보는 특히 환자에게 맞춰지거나 환자에 적용된다. 기법의 한가지 특징에 따르면, 예를 들어 교육 정보는 집적된 지식 베이스에 유용한 원문 정보와, 환자 기록에서 환자에 의해 표시된 선호 언어에 기초한 특정 선호 언어로 환자에게 이송된다. 이러한 명령은 운전, 대중교통 방향, 접촉 정보(전화 및 팩시밀리 번호, 웹사이트 주소 등) 등과 같은 상세한 데이터를 부가로 포함한다. 상술한 바와 같이, 동작은 검사 및 데이터 획득의 순서화 및 스케쥴링을 포함한다.
방문 이전과 방문중에 시스템에 의해 취해진 부가의 출력 동작은 임상의사 및 의사를 위한 보고 또는 권장을 포함한다. 특히, 상기 보고는 환자가 경험한 증상과, 환자 병력 정보 수집 등의 표시에 기초한 출력을 포함한다. 또한, 상기 보고는 전자식 영상, 컴퓨터의 도움을 받는 처리된(예를 들어, 강화된) 영상 등을 포함한다. 또한, 이러한 의사 보고는 권장이나, 특정 진단을 정제하거나 배제하기 위해 방문중 실행된 검사나 정보의 순위를 매긴 리스트를 포함한다.
도19에 요약화된 처리는 도면부호 264로 도시된 바와 같이, 현지방문 등과 같은 방문중 환자 상호작용에 의해 수집된 정보에 의해 지속된다. 이러한 실시예에서, 접속시에 수집된 정보는 환자 확인 및 증명을 위해 다시 사용될 수 있는 생물측정학적 정보로 시작된다. 따라서, 방문은 체크인 처리로 시작되며; 이러한 체크인 처리에서, 환자는 현지방문하여 등록되거나, 방문전에 이미 등록되어 있다. 이 시기에는 선방문 상태중 설정된 환자 기록으로의 자동 억세스 등과 같은 조화된 시스템 상호작용이 실행된다. 방문 이전에 수집된 정보를 보완하는 등과 유사한 부가의 정보가 환자 기록에 기입된다. 임상의사 또는 의사와의 면담을 위한 준비로서 이러한 면담 처리중에는 환자 전환 및 입력이 수동으로 또는 자동으로 기록된다. 지금까지, 음성 데이터가 수집되었지만, 대화 인식엔진은 진단이나 치료를 부가적으로 강화하기 위하여, 집적된 지식 베이스의 정보와 연관될 수 있는 주요한 의학적 용어나 증상을 확인한다. 이와 마찬가지로, 환자 상호작용, 정신적 상태 또는 물리적 상태 등에 억세스하기 위하여, 비디오 데이터가 수집된다. 이러한 모든 체크인 처리는 임상의사, 간호사, 또는 의사와의 실제 면담 이전에 의료시설 리소스를 최적으로 사용하도록 부분적으로 또는 완전히 자동화된다.
현지방문은 임상의사 또는 간호사에 의한 면담으로 시작된다. 환자 전환 또는 상호작용은 증상호소와 함께 오디오 또는 비디오 형태로 다시 기록되며, 증상 및 기타 다른 주요한 데이터는 상태나 이벤트의 진행의 일시적 분석 및 경향의 확인 등과 같은 집적된 지식 베이스로 입력된다. 또 다시, 상술한 바와 마찬가지로, 활력징후 정보가 업데이트되며, 업데이트된 환자 기록은 상술한 바와 같이 부가의 의료 절차의 권장 뿐만 아니라, 경향의 확인 및 가능한 진단을 평가한다.
현지방문은 전형적으로 임상의사 또는 개업의사 면담으로 시작된다. 상술한 바와 같이, 현지방문 그 자체중, 집적된 지식 베이스 정보와의 연관관계 및 분석은 면담시 의사에게 제공된 보고 또는 권장으로 실행된다. 또한, 상기 보고는 잠재적 진단, 절차를 위한 순위가 매겨진 제안 등과 같은 권장과, 또는 진단 및 치료를 강화하기 위해 환자로부터 직접 수집될 수 있는 간단한 정보를 제공한다. 면담 그 자체는 전체적으로 또는 부분적으로 다시 기록되며, 차후 사용을 위하여 주요한 용어가 인식되어 환자 기록에 저장된다. 또한 현지방문중, 환자, 또는 환자 관계자를 위해 보고, 권장, 교육자료 등이 생성된다. 이러한 정보는 다시 실험 결과의 설명, 차후 절차의 설명 등을 포함하여, 환자 및 환자 상태를 위해 맞춰진다. 상기 재료는 일반적인 참고자료를 포함하여, 환자 기록에 기초한 일반적인 건강 권장, 접촉중 상호작용, 및 집적된 지식 베이스로부터의 정보를 부가로 포함한다. 환자에 제공된 자료는 제한없이 텍스트, 영상, 만화, 그래픽, 및 기타 다른 참고자료, 질문 및 대답의 원시의 또는 처리된 또는 구성된 비디오 및/또는 오디오 기록, 배경에 따른 일반적 데이터, 진단, 의료 요법, 위험, 문의 등을 포함한다. 이러한 출력의 형태는 하드카피 출력정보, 컴팩트 디스크 출력, 포터블 저장매체, 암호화된 전자 메시지 등을 포함하여, 원하는 형태로 맞춰진다. 지금까지, 통신은 특히 환자에게 선호되는 언어로 적용되었다. 또한, 출력은 보험 데이터, 클레임 데이터 등을 포함하여, 재무 해결상의 정보를 포함한다.
이러한 기법은 접촉후 데이터 수집 및 분석을 가능하게 한다. 예를 들어, 환자 방문에 이어, 도19에 도면부호 266으로 도시된 바와 같이 다양한 환자 상호작용이 예견된다. 이러한 상호작용은 접촉 이전에 수집된 정보와 마찬가지로, 일반적인 연속 질문, 증상 업데이트, 원격 활력징후 포획 등을 포함한다. 또한, 접촉후 환자 상호작용은 학회 또는 의료관계자의 환자 등급과, 보험 클레임의 파일링 및 처리의 보조, 청구 등을 포함한다. 또한, 이러한 입력에 기초하여, 환자 기록과 조화된 정보 및 기타 다른 유용한 데이터가 추적활동을 촉진시키고, 환자 및 의료관계자를 위한 보고 및 피드백을 형성하도록, 집적된 지식 베이스로부터 데이터가 억세스되어, 환자-특정으로 되거나 보다 일반적인 특징으로 된다.
집적된 지식 베이스 인터페이스
상술한 바와 같이, 집적된 지식 베이스를 위한, 보다 일반적으로는 처리 시스템 및 리소스를 위한 "연합되지 않은" 인터페이스는 다양한 사용자, 환경, 기능 등을 위해 특별히 적용된다. 도20은 집적된 지식 베이스와의 인터페이스를 촉진시키는 인터페이스 처리 시스템을 도시하고 있다. 이러한 시스템은 특성상 광범위하게 변화되는 일련의 입력 변수 또는 소스(270)와, 위치 및 유틸리티를 포함한다. 이러한 소스로부터의 입력에 기초하여, 상술한 데이터 처리 시스템(10)의 일부인 로직 파서(logical parser)(272)는 사용자와 하드웨어와 시스템 사이의 상호작용의 인터페이스 및 억세스를 확인하며, 다른 한편으로는 집적된 지식 베이스로의 억세스와 마찬가지로 서로에 대한 사용자 워크스테이션을 확인한다. 상기 파서에 의해 수용된 입력에 기초하여 집적된 지식 베이스에 맞춰진 인터페이스 및 억세스를 제공하기 위하여, 도면부호 274로 도시되어 있는 인터페이스 및 억세스 출력 기능부가 사용된다.
도20에 요약된 바와 같이, 입력 변수 또는 소스(270)는 일반적으로 금융회사 또는 보험회사 등과 같이 시스템의 다른 사용자와 마찬가지로 환자(4) 및 임상의사(6)를 포함하여 사용자, 연구원 및 기타 데이터에 접근할 수 있는 권리를 가진 사람과 연관된 변수를 포함한다. 사용자-시작 이벤트를 위하여, 또는 사용자가 포함된 집적된 지식 베이스와의 접촉과 다양한 접근 레벨, 기능, 프로필 환경 등은 집적된 지식 베이스 및 데이터 처리 능력으로의 억세스 레벨과 사용자 인터페이스를 맞춘다. 일실시예로서, 관찰 워크스테이션에서 영상을 관찰하는 방사선과 의사와, CT 스캐너를 작동시키는 기술자, 또는 시기를 결정하거나 요금정보에 들어갈 수 있는 관리자는 모두 시스템의 사용자들이다. 로직 파서(272)에 의해 간주되는 사용자의 변수나 특징은 상술한 바와 같이 매우 상당하다. 예시적인 이러한 실시예에서, 상기 특징은 도면부호 278로 도시된 사용자의 개인 프로필 뿐만 아니라, 도면부호 276으로 도시된 바와 같이 사용자에 의해 실행된 기능을 포함한다. 기능과 개인적 프로필과 연관된 정보는 도20에 도면부호 280으로 도시된 바와 같이 매뉴얼에 우선한다. 또한, 특정 사용자에 의한 모든 억세스는 도면부호 282로 도시된 바와 같이 다양한 형태의 증명을 통해 여과된다.
전형적인 시나리오에 있어서, 사용자는 시스템으로의 억세스를 보호받기 위하여, 도20에 도시된 바와 같이 워크스테이션(304) 등과 같은 증명모듈에 들어간다. 사용자에 의해 실행된 기능은 인터페이싱 및 억세스를 위한 것으로 간주되는 기준들중 하나이며, 사용자는 현재의 기능에 들어오도록 촉구되거나, 또는 상기 기능은 각각의 사용자 프로필을 위해 인식된다. 이에 대해, 동일한 사용자는 한가지 상황에서 중재자로서 작용하며 다른 주기에서는 유방 조영사로서 부가의 기능을 갖는 병원의 흉부 방사선과 의사와 이러한 주기에서 관리자 등과 같이, 시스템에 복합 기능을 포함한다. 또 다른 실시예에서, 일반업무 간호사는 이 시기에 의료 병력 정보를 입력하는 등의 임상의사로서, 다른 시기에는 시기 조정자로서, 또 다른 시기에서는 요금청구서나 기록 데이터 또는 보험 데이터의 입력을 위한 전문인으로서 기능한다. 각각의 개인이나 상황은 각각의 기능에 대한 개인적 선호도나 정보를 함유한 하나이상의 프로필을 맞춘다. 상기 프로필은 상이한 데이터 억세스 모드나 기능을 위해 사용자에 대한 데이터와, 사용자 인터페이스 선호도를 서술하는 정보를 포함한다.
이와 마찬가지로, 하드웨어나 양식 시스템은 시스템에 의해 실행된 분석, 처리, 또는 데이터 획득 기능에 유용한 정보의 업로딩 또는 다운로딩 등과 같이, 집적된 지식 베이스로 직접적인 억세스를 갖는다. 도20에 도시된 바와 같이, 도면부호 284로 도시된 이러한 하드웨어는 영상 시스템, 환자 입력 스테이션, 웹사이트를 통해 연결된 일반용 컴퓨터 등을 포함한다. 상기 하드웨어는 사용자를 위해 상술한 바와 마찬가지로, 하나이상의 기능(286)의 유사 진단에 의해 파서와 인터페이스된다. 이와 마찬가지로, 도면부호 288로 도시된 하드웨어의 환경 등과 같은 변수가 고려된다. 이러한 환경은 다른 임상용에 사용된 것으로부터 응급실 설정, 차량 설정 등에 사용된 영상 시스템의 특정 기능성을 구분짓는 것처럼, 예를 들어 시스템이 어떻게 사용되었는지에 대한 표시를 제공한다. 본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, 이러한 기능 및 환경 정보는 집적된 지식 베이스로부터 억세스될 수 있거나 또는 집적된 지식 베이스에 업로드할 수 있는 데이터의 양이나 형태에 영향을 미치며, 또한 예를 들어 이러한 기능 및 환경 정보는 응급치료 등에 의존하여, 집적된 지식 베이스로부터 정보의 우선사항 결정 및 처리에 사용될 수도 있음을 인식할 수 있을 것이다.
도20에는 로직 파서인 것으로 여겨지는 일반 시스템 입력(290)이 도시되어 있다. 일반 시스템 정보는 사용자나 하나의 하드웨어가 지식 베이스와 인터페이스되는 시스템을 포함하여, 각각의 인터페이싱 시스템과 연관되어 있다. 일실시예에서, 지식 베이스와 인터페이스하기 위해 사용자에 의해 사용된 시스템은 특정 하드웨어 장치, 변수들, 시스템 용량, 장치의 기능, 상기 장치가 배치되거나 사용되는 환경 등과 연관된 정보를 자동으로 또는 사용자 간섭에 의해 제공한다. 이러한 정보는 예를 들어 장치가 영상 관찰 워크스테이션으로서 사용된 것을 나타내므로, 방사선과 판독실 및 강력한 보호 유니트에는 상이한 결함 인터페이스 특징이 사용될 수 있다. 이러한 인터페이스 특징은 유사한 데이터와, 맞춰진 해상도와, 대역폭 활용에 대한 상이한 보존모드 등과 같이, 독특한 장점을 제공한다.
로직 파서(272)에 제공된 정보에 기초하여, 상기 파서는 집적된 지식 베이스로의 접근의 한정 뿐만 아니라, 적절한 사용자 인터페이스 한정을 결정한다. 상기 로직 파서(272)에 의해 이루어진 결정들중에서, 사용자, 하드웨어 또는 시스템에 의해 시작된 허용가능한 데이터 상태 변화와, 데이터 입력 및 출력을 위한 허용된 방법 및 필드와, 한정된 그래픽 또는 기타 다른(예를 들어, 오디오) 프리젠테이션 모드 등이 있다. 이러한 한정을 제공함에 있어서, 상기 로직 파서는 인터페이스를 명확히 하는데 이용되는 특정의 설정 그래픽 인터페이스나 기타 다른 필드에 의해서 뿐만 아니라, 억세스의 특정 레벨이나 등급에 의해서도 인출된다. 특히, 주어진 지식 베이스 요구에 대해, 상기 로직 파서(272)는 미리 한정된 억세스 및 인터페이스 형상과 함께, 지식 베이스 인터페이스 소프트웨어내에 매립된 알고리즘과, 인터페이스 관리자로부터 미리 한정된 명령 세트와, 또는 자체획득 알고리즘을 이용한다. 사용자가 특징적 데이터나 형태를 수동으로 오버라이드하도록 허용되면, 상기 로직 파서는 인터페이스나 또는 주어진 어플리케이션이나 기능을 맞춘다. 예를 들어, 각각의 사용자는 외상인 경우를 관찰하기 위해 강력한 보호 유니트에서 관찰 워크스테이션(304)을 이용하지만, 상기 강렬한 보호 유니트 세팅을 오버라이드하므로써 결함성 응급실 세팅을 이용한다. 광범위한 기타 다른 기능 및 오버라이드도 예견할 수 있으며, 이들 모두는 집적된 지식 베이스에 표준형 및 주문형 인터페이스 및 억세스 레벨을 허용한다.
로직 파서에 의해 한정된 기능들중에서는 사용자 인터페이스를 한정하는 기능과, 집적된 지식 베이스로의 억세스를 한정하는 기타 다른 기능이 있다. 도20에 도시된 바와 같이, 이러한 기능은 도면부호 292로 도시된 바와 같이 허용된 입력 필드의 한정을 포함한다. 이러한 필드는 그래픽 사용자 인터페이스 상황에서 상술한 바와 같은 요소에 의존하여, 특정한 사용자 인터페이스에 도시되거나, 도시되지 않거나, 또는 중간으로 된다. 또한, 도면부호 294로 도시된 허용된 입력 모드가 한정되어, 특정 입력 페이지 및 상호작용 웹 페이지 등의 디스플레이 또는 비 디스플레이를 통해 다양한 형태의 입력을 다시 허용한다. 이와 마찬가지로, 특정 그래픽 인터페이스는 도면부호 296으로 도시된 바와 같이 로직 파서에 의해 한정된다. 입력 정보에 기초하여 다양한 인터페이스 필드와, 모드와, 상기 로직 파서에 의해 확인된 프리젠테이션은 처리 시스템이나 시스템 데이터 목록 등과 같이 원격으로 저장되거나, 또는 관리 시스템이나 워크스테이션(304) 자체내에 국소적으로 저장되는 것을 인식해야 한다.
상기 로직 파서는 한편으로는 사용자, 시스템, 및 하드웨어 사이에 허용된 상호작용이나 억세스의 특정 레벨을 한정하며, 다른 한편으로는 집적된 지식 베이스를 한정한다. 이러한 억세스 제어는 지식 베이스로부터의 정보 억세스 및 지식 베이스로의 정보 제공을 한정한다. 상기 억세스 제어는 데이터 처리 시스템을 통해 지식 베이스와 연관된 허용된 처리 기능을 한정한다. 도20에 도시된 실시예에 있어서, 이러한 기능은 도면부호 298로 도시된 바와 같이 판독 억세스를 위한 허용 데이터를 한정하는 단계와, 도면부호 300으로 도시된 바와 같이 판독-기입 억세스를 위한 허용 데이터를 한정하는 단계와, 도면부호 302로 도시된 바와 같이 기입 데이터를 위한 허용 데이터를 한정하는 단계를 포함한다.
상술한 바와 같이, 인터페이스 처리 시스템(268)은 특히 집적된 지식 베이스로의 억세스를 얻기 위해 시도하는 사용자에 대해 다양한 형태의 검증이 실행될 수 있게 한다. 이러한 검증 기능은 패스워드 비교, 음성 인식, 생체측정, 인터페이스 장치(예를 들어, "쿠키") 또는 패스워드 파일에 포함된 스크립트 또는 파일 등을 포함하는 다양한 방식에 의해 달성된다. 집적된 지식 베이스에는 광범위한 별개의 데이터가 포함되기 때문에, 억세스를 세심하게 보호하고 탬퍼링이나 인가받지 않은 억세스를 피하기 위하여, 특정 소프트웨어 및 장치에서 검증 및 보안 문제가 촛점이 될 수 있다. 따라서, 표준 사용자 검증 프로토콜의 사용과 함께, 지식 베이스로부터 또는 지식 베이스로 통신되는 지식을 위한 데이터 암호화 기법이 사용되며, 관련의 기본 구조가 인터페이스의 입력측 및 출력측에 제공된다.
일반적으로, 사용자는 사용자에 의해 발생되거나 관리되는 보안 레벨 또는 억세스 레벨을 세팅할 책임이 있거나, 기타 다른 참가자는 이러한 보안 제어 및 억세스 제어에 대한 책임이 있다. 따라서, 상기 시스템은 상술한 바와 같이 상이한 형태의 사용자나 사용자 기능을 위한 결함성 억세스 레벨을 실행하도록 프로그램될 수 있다. 또한, 상이한 상황 및 기타 다른 사용자를 위해 사용자에 의해 세팅된 어려운 프라이버시 레벨이 세팅된다. 특히, 환자 또는 주치의는 자신의 의료 데이터로의 억세스를 세팅할 최적의 위치에 있으므로, 의사 또는 학회의 특정 세트는 그 필요에 따라 정보를 억세스할 수 있다. 사고나 환자의 무능력 등과 같은 경우에, 억세스는 기타 다른 의사 및 학회를 포함하도록 확장될 수도 있다. 또한, 억세스 레벨은 개인, 상황, 학회 등에 의해 분류될 수 있으며; 응급인 경우, 방문 주기시 제어 또는 오버사이트를 다른 의사에게 전달하는 중에, 의료 방문인 경우 등과 같이 특정 상황에는 특정 억세스 레벨이 실행된다.
일반적으로, 검증 및 보호 모듈은 응답에 기초하여 환자 및 실행 결함을 물어보는 소프트웨어를 통해 실행된다. 따라서, 각각의 등급에 어떤 억세스 레벨이 제공되어야 하는 지를 나타낼 뿐만 아니라, 환자는 개인, 보험회사, 주치의 및 전문가, 친척 등으로의 분류가 촉구된다.
이러한 고유의 장점은 상술한 바의 인터페이스 시스템으로부터 나온다. 일실시예에서, 각각의 환자는 환자의 희망 및 목적에 기초한 정보로의 억세스를 허가하는 데이터 또는 케이스 관리자가 효과적으로 될 수 있다. 이러한 메카니즘은 맞춰질 수 있으며; 국소적 일치를 위하여, 상태 및 연합 또는 특히 환자 데이터로의 억세스와 연관된 기타 다른 법률이나 규칙을 용이하게 변경될 수 있다. 이러한 규칙은 요금청구 및 재무정보로의 억세스와, 고용주에 의한 억세스와, 무능력 정보와, 보험 클레임을 위한 억세스 및 보험 클레임에 대한 억세스와, 고령구호의료 및 극빈자 구호의료 등과 연관되어 있다. 또한, 이러한 기법은 병원 정보 시스템 데이터 억세스 규칙을 갖는 적용된 순응을 자동으로 또는 용이하게 제공하므로, 데이터는 사용자에 기초하거나 또는 억세스 방법에 기초하여 프라이버시를 보장하도록 플래그될 수 있다. 마지막으로, 이러한 기법은 환자나 의사 등에 의해 등급, 기능, 환경 등과 같이 광범위한 사용자를 위한 프라이버시 레벨의 신속하고도 편리한 세팅을 제공한다.
복합 레벨 시스템 아키텍쳐
상술한 바와 같이, 이러한 기법은 다양한 레벨과 다양한 사용자를 위해 또한 다양한 요구에 따라 입력, 분석, 처리, 출력, 및 데이터로의 일반적 억세스를 제공한다. 특히, 시스템은 데이터 억세스 및 처리의 다양한 레벨을 제공할 수 있는 능력을 제공하며, 이러한 다양한 레벨 모두는 집적된 지식 베이스의 일부와 상술한 바와 같은 기능성을 기여, 지지, 또는 이용하는 것으로 여겨진다. 환자 또는 사용자 레벨로부터 나오는 상기 다양한 레벨은 필요로 하는 데이터에 기여하며 대응의 레벨에서 실행된 기능성을 위해 필요로 하는 데이터를 추출하는 워크스테이션, 입력장치, 데이터 처리 시스템의 일부 등을 포함한다. 시스템 아키텍쳐의 레벨이 특정 학회와, 보험회사와, 부서와, 영역 등과 같은 사용자 요구사항을 만족시킬 때, 데이터의 고유 및 관리는 이러한 레벨에서 단독으로 실행된다. 그러나, 부가의 기능성을 필요로 할 때, 상기 시스템 아키텍쳐는 이러한 기능성을 수용하는데 필요한 낮은 레벨 및 중간 레벨로의 연결을 제공한다.
도21 및 도22는 이러한 복합 레벨 아키텍쳐에 따라 실행된 예시적인 아키텍쳐 및 관리 기능을 도시하고 있다. 도21은 다수의 집적 레벨과 입출력 스테이션 또는 사용자의 클러스터를 포함하는, 데이터 교환 시스템(2)을 도시하고 있다. 전형적으로 환자(4) 또는 임상의사(6)(방사선과 의사, 간호사, 의사, 관리요원, 보험회사, 연구소 등을 포함하는)는 기본 레벨 또는 국소 레벨(306)에 거주한다. 상술한 바와 같이, 다양한 기능성은 데이터 입력 및 출력 기능의 주문, 억세스 제어, 인터페이스 주문 등을 포함하여, 이러한 국소 레벨에서 실행된다. 그후, 국소 그룹 또는 클러스터 레벨(308)의 내부에서, 상기 사용자는 서로 통신되며, 상술한 바와 같은 형태의 시스템 소자와도 통신된다. 즉, 각각의 국소 그룹 또는 클러스터 레벨(308)은 데이터 리소스 및 제어가능하고 규정가능한 리소스를 포함하여, 상술한 바와 같은 다양한 리소스의 일부 또는 전부를 포함한다. 실제 실행에 있어서, 국소 그룹 또는 클러스터 레벨(308)은 일실시예에서 특정 학회내의 부서, 어떻게 해서든지 회원으로 된 학회, 특정 지리적 영역에 위치된 학회, 그 실제 영역 또는 전문화에 의해 연결된 학회 등을 포함한다. 이러한 국소 그룹 또는 클러스터 레벨에서 사용자 및 성분의 연결은 원격 데이터 리소스 또는 기타 국소 그룹이나 클러스터로 억세스할 필요없이, 특정 기능이 적절히 가능할 정도로 실행될 수 있게 한다.
그후, 유사한 원격 그룹 또는 클러스터가 연결되어, 도21에 도면부호 210, 312, 314로 도시된 바와 같이 유사한 또는 일반적으로 유사한 내부 구조가 된다. 그러나, 이러한 각각의 클러스터는 그룹 또는 클러스터 내부에서 사용자의 희망이나 기능에 따라, 크기, 특징, 및 심지어 그 자체 네트웍 아키텍쳐가 광범위하게 변할 수 있음을 인식해야 한다. 그후, 다양한 국소 그룹 및 클러스터 레벨이 도면부호 318로 도시된 바와 같이 하나이상의 중앙 클러스터에 의해 연결된다.
도21에 "중앙화/비중앙화" 시스템 아키텍쳐가 도시되어 있지만, 이러한 기법의 특징에 의해 제공된 복합 레벨 시스템의 기능성은 다양한 분석 형태를 취할 수 있음을 인식해야 한다. 즉, 중앙화 아키텍쳐, 링 구조, 계층 구조, 비중앙화 구조, 중앙 구조, 및 이들의 조합을 포함하여, 유용한 네트웍 아키텍쳐는 시스템 전체에 다양한 레벨로 거주할 수 있다. 또한, 다양한 원격 그룹 또는 클러스터는 필요할 경우 중앙 그룹이나 클러스터를 통과할 필요없이 다른 형태로 서로 연결될 수 있다. 따라서, 특정 학회 또는 개업의사 사이의 양호한 연결이 제공되므로, "데이터의 교환 및 데이터의 처리를 위한 "실제 클러스터"가 한정된다. 이러한 연결은 특정 관계나 반복적 동작이 이러한 사용자들 사이에 실행될 때 특히 유용하다.
데이터 획득, 처리, 분석을 포함하여, 상술한 바와 같은 기능과 기타 다른 기능은 도21의 아키텍쳐내에서 또한 국소 그룹 또는 클러스터내에서 하나이상의 원격 그룹이나 클러스터를 포함하는 보다 확장된 리소스의 사용에 의해, 특정 워크스테이션에서 실행된다. 도22에는 복합 레벨 아키텍쳐 시나리오에 따른 이러한 기능이 도시되어 있다. 도22에 도시된 바와 같이, 이러한 기능은 국소 그룹 또는 클러스터 레벨(308)에서 실행되며, 일반적으로 유사한 기능은 높은 레벨(318)에서 실행된다. 또한, 동일한 기능이나 유사한 기능은 각각의 터미널 또는 워크스테이션에서 실행되며, 아키텍쳐에는 부가의 레벨이 제공되는 것을 인식해야 한다.
도22에 도시된 바와 같이, 사용자(4, 6)는 보안/억세스 제어모듈(320)을 통해 여과된 시스템과 입력과 억세스에 연결된다. 상술한 바와 같이, 이러한 모듈은 패스워드, 음석 인식, 생체측정, 보다 궤변적인 기법 등에 기초하여, 다양한 형태의 보안 및 억세스 제어를 사용한다. 일반적으로, 모듈(320)은 네트웍에 연결된 것들이 특정 데이터를 업로드, 다운로드, 또는 처리할 권리를 갖는 원하는 보장 레벨을 유지시킬 것이다. 상기 모듈(320)은 사용자로 하여금 일반적인 관점에서 볼 때 상술한 집적된 지식 베이스의 일부인 것으로 여겨지는 국소 지식 베이스(322)로의 억세스를 얻게 한다. 국소 지식 베이스(322)는 상술한 바와 같은 연합된 데이터베이스의 특징을 포함하며, 이러한 데이터는 프로그램된 기능성에 의해 사용을 위하여 미리 처리되거나 변환된다는 것을 인식해야 한다.
인가 모듈 또는 데이터 관리모듈(324)은 시스템 전제의 기타 다른 성분으로부터의 데이터와, 국소 지식 베이스(322)내의 데이터 품질과 이에 대한 억세스를 제어할 일부 형태로 제공된다. 즉, 이러한 데이터 특히, 국소 레벨로 사용되는 데이터는 국소 지식 베이스(322)내에 저장되는 것이 바람직하다. 그러나, 시스템 전체 기능성이 요구되는 경우, 이러한 데이터는 높은 레벨로 업로딩되거나, 다른 국소 그룹이나 클러스터와 연결된다. 이와 마찬가지로, 데이터는 기타 다른 원격 소스로부터 다운로드되거나 처리된다. 이러한 데이터의 품질과 유효성을 지지하기 위하여, 상기 인가 모듈 및 데이터 관리모듈(324)은 도22에 도시된 바와 같이 전형적으로 쌍방향인 특정 기능을 실행한다. 이러한 기능은 입력된 시간과, 데이터의 소스와, 기타 다른 유효한 기준 등에 기초하여, 상기 데이터를 조화시키거나 유효하게 할 수 있는, 도면부호 326으로 도시된 조화 모듈을 포함한다. 충돌 업데이트 또는 입력으로 인해 이러한 조화 또는 유효가 유용하지 않을 때, 이러한 것은 조화를 위해 사용자에게 플래그된다. 이와 마찬가지로, 동기화 모듈(328)은 국소 지식 베이스(322)와 원격 리소스 사이의 기록을 동기화하기 위해 제공된다. 마지막으로, 연결-업로드/다운로드 모듈(330)은 국소 지식 베이스로부터의 데이터를 위한 기타 다른 메모리나 목록으로부터 배치, 억세스, 저장 또는 다운로드를 제공한다.
그후, 다른 레벨에서 또는 기타 다른 관계내에서 도22에 도면부호 318로 도시된 바와 같이, 유사한 기능성이 실행된다. 따라서, 국소 그룹 또는 클러스터, 보안 및 억세스 제어 모듈(332) 사이에서 모듈(320)과 함께 다른 사용자, 그룹, 클러스터 또는 레벨로부터의 데이터에 대해 안전한 억세스를 제공한다. 또한, 국소 지식 베이스 데이터의 일부를 보충하거나 복제하는 클러스터 지식 베이스(334)가 유지된다. 국소 지식 베이스(322)와 함께, 클러스터 지식 베이스(334)는 일반적으로 전체 집적된 지식 베이스의 일부인 것으로 여겨진다. 다른 기능은 이러한 높은 레벨에서 실행된다. 따라서, 도면부호 336으로 도시된 바와 같이, 다시 국소 레벨에서 유사 모듈(324)의 기능성과 조화되는 인가 모듈 및 데이터 관리모듈이 실행된다. 이러한 모듈은 그룹들이나 클러스터들 사이에서 데이터의 교환을 촉진시키는 중재 모듈(338), 동기화 모듈(340) 및 연결/업로드/다운로드 모듈(342)을 다시 포함한다.
상술한 바의 복합 레벨 아키텍쳐는 상당한 장점 및 기능성을 제공한다. 먼저, 데이터는 특별하게 맞춰진 억세스 제어 기능을 갖는 그룹이나 클러스터의 특정 멤버에 의해 용이하게 억세스된다. 즉, 보험 청구, 임상 분석, 감소된 보안 레벨 등과 같은 이러한 기능은 특정 그룹이나 클러스터 내부에 제공된다. 기타 다른 다른 그룹이나 클러스터의 다른 사용자에 의한 데이터 억세스가 상이한 보안 또는 억세스 제어기구에 의해 양호하게 제어된다. 또한, 이러한 기능성은 환자 또는 임상의사 워크스테이션에서 매우 기본적인 레벨로 제공되며, 필요에 따라 데이터 및 처리 능력으로의 부가의 억세스는 연결된다.
또한, 이러한 예측가능한 실시예에서 전체 네트웍 국소해부학은 그 자체가 하기에 서술되는 컴퓨터의 도움을 받는 데이터 작동 알고리즘을 반영 및 촉진시키는 하부 데이터 구조를 반영하는 경향을 갖는다. 즉, 기능성이나 데이터가 측정 관계, 처리 요구, 억세스 요구, 검증 요구 등과 연관이 있으며; 그룹 또는 클러스터의 설정은 유사한 구조를 따른다. 즉, 상술한 바와 같이, "전형적인" 억세스, 사용, 요구, 기능성은 다소 타이트한 노드나 클러스터에 거주하며, 원거리의 또는 부정기적 구조 또는 기능성이 더욱 분포된다.
다양한 클러스터 또는 그룹의 연결에 의해, 현존의 시스템에서 지금까지 유용하지 않았던 기능성이 실행될 수 있다. 예를 들어, 전통적으로 유용하지 않은 정보의 확인을 도와주는 경향에 대한 분석, 다양한 그룹이나 클러스터 레벨에서 데이터 사이의 관계 등이 촉진된다. 일실시예에서, 질병 상태의 특정한 우세 레벨은 특정 학회, 학회내 부서, 또는 지리적 영역에서 발생되며; 현존의 시스템은 기타 다른 위치에서 이러한 발생과 이와 유사한 발생 사이의 관계를 인식하지 않거나 늦게 인식하려는 경향을 갖는다. 한편, 이러한 시스템에 의해, 다양한 위치에서 경향의 전개를 쉽고 용이하게 인식하기 위하여, 상기 데이터는 작동되고, 소유되며, 분석되고, 연상되며; 보호의 품질 등과 같은 다양한 데이터와 연관된다. 따라서, 동료 정보의 조화된 억세스 및 분석은 전체 모집단에서 이러한 질병 상태의 확인에 유용하게 사용된다.
이와 마찬가지로, 상술한 기법으로 제공된 복합 레벨 아키텍쳐에 의해 리소스 관리가 개선된다. 특히, 목록 사용시 과거의 그리고 예상된 경향과, 보험 클레임과, 인간 리소스 요구 등은 상술한 바의 다양한 레벨에서 데이터 및 처리 리소스의 유용성에 기초하여 확인된다.
환자-지향 의료 데이터 관리
이러한 기법은 환자의 능력이 계발되고 그 자신의 각각의 의료보호를 관리할 수 있다는 부가의 장점을 제공한다. 상술한 바와 같이, 이러한 시스템은 사무실 방문 등과 같이 의료 방문 이전에 환자 데이터를 수집하는 방식으로 집적될 수 있다. 상기 시스템은 필요할 경우 이러한 상호작용을 위하여 부가의 정보를 유인하는데 사용될 수 있다. 또한, 상기 시스템은 각각의 환자 또는 환자 보호자에 의해 수집되는 특화된 환자 기록이 유지될 수 있게 하는데 사용될 수 있다. 도23은 집적된 환자 기록의 생성 및 관리를 위해 설계된 기법의 특징을 나타내고 있다.
도23에 도시된 바와 같이, 기능성 및 모듈의 배열은 일반적으로 환자-관리 지식 베이스 시스템(344)으로 언급되며, 이러한 시스템은 집적된 지식 베이스 및 상술한 기타 다른 기법의 특징을 적어도 부분적으로 포함한다. 환자(4)는 도23에 도면부호 346으로 도시된 환자 데이터를 제공한다. 상기 환자 데이터는 하드 카피, 조직 샘플의 분석, 요약원이나 의료기관에서의 입력장치, 또는 환자에 특화된 출력장치 등과 같은 적절한 방식으로 제공된다. 이러한 입력장치는 환자의 가정이나 고용장소에서 환자에 의해 직접 실행되거나, 마모되거나, 이식되도록 제공되는 장치를 포함한다. 따라서, 환자 데이터(346)는 모바일 샘플러(예를 들어, 혈액 분석), 생리학적 데이터(예를 들어, 혈압, 심장박동수) 검출 시스템에 의해 제공된다. 상기 환자 데이터는 검출장치나 환자 컴퓨터 또는 워크스테이션내에 국소적으로 저장된다. 이와 마찬가지로, 환자데이터는 환자의 자극부에 제공되거나, 또는 억세스가능한 인터넷 웹 페이지 등과 같은 시스템 자극부를 통해 제공된다. 또한, 환자 데이터는 하기에 상세히 서술되는 바와 같이 집적된 지식 베이스의 리소스를 포함하여, 외부 리소스로부터 추출된다. 따라서, 실행시 환자 데이터는 쌍방향 형태로 교환될 수 있으므로, 환자는 기록부에 정보를 제공하고, 이러한 기록부로부터의 정보에 억세스할 수 있다. 이와 마찬가지로, 환자는 외부 리소스로의 기록부의 출력에 대한 억세스의 관리뿐만 아니라, 외부 리소스로부터의 데이터의 기록에 대한 입력을 관리한다.
상기 환자 데이터는 환자 네트웍 인터페이스(348)를 통해 시스템의 기타 다른 요소로 교환된다. 상기 환자 네트웍 인터페이스는 웹 브라우저처럼 간단하거나, 또는 환자와 외부 리소스 사이의 데이터에 대한 억세스에 대한 제어와 환자와 외부 리소스 사이의 데이터 교환의 검증을 제어하는 복잡한 관리 도구를 포함한다. 상기 환자 네트웍 인터페이스는 도면부호 350으로 도시된 의료관계자와 직접적으로 통신되는 것처럼, 기타 다른 성분과 통신된다. 이러한 의료관계자는 주치의를 포함하지만; 환자 의료 데이터를 저장하는 학회 및 사무실과, 보험 클레임, 재무 리소스 데이터 등과 같은 비의료 데이터를 저장하는 학회를 포함한다. 상기 환자 네트웍 인터페이스(348)는 기준 데이터 저장소(352)와 부가로 통신된다. 이러한 기준 데이터 저장소는 일반적으로 집적된 지식 베이스를 참조하여 서술되었다. 상기 저장소(352)는 동일한 저장소이거나 상이한 저장소일 수 있으며; 환자의 데이터와 공지 범위 또는 인구통계적 정보와의 비교와, 질병 상태, 보호, 진단 및 예후 등과 연관이 있는 특정 정보 및 배경의 환자-디스플레이된 인터페이스 페이지로의 집적화 등과 같이, 인터페이스에 의해 실행된 처리 기능을 위한 환자 네트웍 인터페이스에 의해 유용하게 된다. 필요로 하는 상기 환자 네트웍 인터페이스(348)는 도면부호 354로 도시된 변환기 또는 처리 모듈과 부가로 통신된다. 상기 변환기 및 처리 모듈은 분석 및 저장을 위하여 억세스된 데이터 또는 환자 데이터를 완전히 또는 부분적으로 변환시킨다. 또한, 상기 변환기 및 처리 기능은 쌍방향이므로, 이들은 환자로부터 유발된 데이터와 외부 리소스로부터 환자에게 전송된 데이터를 모두 변환 및 처리할 수 있다.
집적된 환자 기록모듈(356)은 도23에 도면부호 362로 도시된 바와 같이 집적된 환자 기록을 생성하도록 설계된다. 이러한 상황에 사용되는 바와 같이, 집적된 환자 기록은 환자에게 보호를 제공하는 학회로부터 획득한 정보 뿐만 아니라, 환자로부터 직접 획득한 광범위한 정보를 포함한다. 상기 기록은 자동화된 기법과 인간 의료관계자에 의한 원시 환자 데이터, 영상 데이터 등의 분석에 의한 것처럼, 이러한 데이터로부터 유도된 데이터를 포함한다. 이와 마찬가지로, 집적된 환자 기록은 기준 데이터 저장소(352)로부터 연합된 정보를 포함한다. 상기 집적된 환자 기록모듈은 하나이상의 데이터 저장소(358)에 집적된 환자 기록(362)의 일부 또는 전부를 저장한다.
상술한 바와 같이, 시스템(344)은 광범위한 환자 데이터를 포함하는 집적된 환자 기록(362)의 생성을 허용한다. 실제로, 집적된 환자 기록 또는 이러한 환자 기록의 일부는 다양한 위치 즉, 환자 데이터 블럭(346)에 인접하게 도시된 환자 위치와, 블럭(350)에 인접하게 도시된 각각의 의료관계자(예를 들어, 주치의)와, 또는 집적된 환자 기록모듈(356)에 의해 억세스된 데이터 저장소(358)내에 저장된다. 환자 네트웍 인터페이스(348)와, 변환기 및 처리모듈(354)과, 집적된 환자 기록모듈(356)에 의해 제공된 기능성의 일부 또는 전부는 환자에게 원격이거나 국소적인 것임을 인식해야 한다. 즉, 환자 기록의 생성 및 유지를 실행하는 소프트웨어는 환자 터미널에 직접 저장되거나, 또는 처방전 서비스를 통해 완전히 또는 부분적으로 원격으로 제공된다. 이와 마찬가지로, 환자 기록 저장소(358)는 환자로부터 멀리 있거나 국소적인 것이다.
집적된 환자 기록모듈(356)은 집적된 지식 베이스 인터페이스(360)를 통해 집적된 지식 베이스(12)와 통신하도록 설계된다. 상기 인터페이스(360)는 억세스, 검증, 환자 요구 및 사용을 위한 맞춤 등에 대해 서술한 일반적인 기능성과 일치한다. 집적된 지식 베이스 인터페이스(360)는 도23에 도시된 바와 같이 특정 학회의 내부에 있는 리소스(18)로부터 정보의 추출을 허용한다. 또한, 상기 인터페이스는 환자로부터의 데이터가 상기 리소스 및 학회에 업로드될 수 있게 한다. 도23에 도시된 바와 같이, 집적된 환자 기록모듈(356)은 예를 들어 의료관계자에 의한 억세스를 촉진시키기 위하여 일반적으로 집적된 지식 베이스(12)내에 완전히 또는 부분적으로 저장된다. 상기 기록은 특정 환자보호를 제공하거나 특정 환자보호를 갖는 병원 또는 클리닉의 내부 등과 같은, 각각의 학회의 내부에 저장된다.
도23에 도시된 시스템 기능성은 상당한 장점을 제공한다. 일실시예에 있어서, 상술한 바와 같이, 특정 정보에 대한 억세스와 기록의 생성은 환자에 의해 보다 직접적으로 제어된다. 즉, 시스템은 의료 기록의 순향(順向) 관리에 대해 환자에게 권리를 부여할 수 있게 하는 가능자(enabler)로서 작용한다. 이러한 상호작용은 특정의 의료관계자에 의해 제공된 환자 기록의 일부에 대한 환자-제어 억세스의 형태를 취한다. 이와 마찬가지로, 상기 시스템은 특정의 의료 및 비의료 이슈 뿐만 아니라, 일반적인 문의에 대한 환자의 교육을 개선시키기 위한 잠재성을 제공한다. 또한, 상기 시스템은 환자 상태, 스케쥴링 환자 보호방문 등을 확인 및 추적하기 위하여 의료관계자에 의해 사용되는 원시 데이터, 처리 데이터, 연결, 업데이터 등을 포함하여, 환자 데이터에 억세스하기 위한 강력한 도구를 제공한다. 이러한 기능은 시간형 베이시스 등과 같이 "푸시" 또는 "풀" 교환기법에 의해 또는 통지, 전자 메시지, 무선 메시지 등을 통해 제공된다. 따라서, 환자와의 직접적인 상호작용은 환자 데이터의 업로드, 환자 데이터의 다운로딩, 처방전 리마인더, 사무실 방문 리마인더, 스크리닝 통신 등을 포함한다. 또한, 환자 데이터와 기타 다른 리소스로부터의 데이터 및 기능성의 집적화에 의해, 집적된 환자 기록이 주기적으로 또는 환자나 학회의 특정의 앞선 요구에 따라 생성 및 저장될 수 있거나, 또는 특정 질문시 이러한 질문에 응답하기 위하여 데이터에 연결 및 억세스하므로써 편집된다.
예측 모델링
이러한 기법은 상술한 바의 데이터 저장, 억세스 및 처리 기능의 고도의 집적화에 의해 그 특성상 의료 및 비의료 예측 모델을 전개하는 강력한 도구를 제공한다. 특히, 데이터는 집적된 지식 베이스 및 예측 모델 전개에 의해 환자 보호를 개선시키도록 처리 및 분석되는 연합된 데이터 베이스에서의 다양한 리소스로부터 인출될 수 있다. 이러한 예측 모델의 전개는 완전히 또는 부분적으로 자동화되며, 이러한 모델링은 상술한 바와 같은 형태의 컴퓨터의 도움을 받는 기능을 적용시키도록 작용한다.
도24 및 도25는 이러한 기법의 특징에 따라 실행된 예측 모델 전개의 특징을 도시하고 있다. 도24는 상술한 네트웍 기능 및 집적된 지식 베이스를 구축 및 보완하는 예측 모델링 시스템(364)을 도시하고 있다. 예측 모델링 시스템(364)은 시스템에 제공된 연합된 데이터베이스(14) 뿐만아니라, 리소스(18)로부터 그리고 집적된 지식 베이스(12)로부터 그 특성상 중앙에 위치되거나 분포되는 데이터 리소스 및 제어가능하고 규정가능한 리소스를 인출한다. 상기 시스템(364)은 다양한 리소스와 지식 베이스와 데이터베이스로부터 데이터를 추출하고, 전개된 예측 모델에 유용한 데이터 사이의 연관관계를 확인하도록 설계된 데이터 마이닝으로서 도24에서 확인된 소프트웨어에 의존한다. 데이터 마이닝 및 분석모듈(366)에 의해 실행된 분석은 도18을 참조로 상술한 바와 같은 시작 이벤트의 일부 또는 전부를 포함하여, 도24에 개시제(initiator) 블럭(368)으로 시작되는 바와 같이 적절한 방식으로 시작된다. 일단 처리가 시작되면, 모듈은 특정 질병 상태, 의료 이벤트, 확인되지 않은 또는 인식되지 않은 질병 상태나 의료 이벤트에 연결된 데이터를 찾아 확인한다. 또한, 상기 모듈은 리소스 요구, 리소스 할당, 보험율, 재무 계획 등과 같은 유사 모델의 전개를 위한 비의료 데이터를 찾는다. 모듈(366)에 의해 실행된 상기 데이터 마이닝 및 분석 기능은 여과된, 검증된, 칫수감소된, 및 이러한 리소스들중 하나로부터 유사하게 처리된 데이터와 마찬가지로, 리소스 및 데이터베이스(다시, 의료 및 비의료)로부터 "원시" 데이터상에 작용한다. 또한, 데이터의 이러한 처리 또는 검증은 도24에 도면부호 6으로 도시된 임상의사 등과 같은 전문가에 의해 제공된다.
모듈(366)에 의해 실행된 분석의 마이닝에 기초하여, 예측 모델 전개모듈(370)은 데이터 및 분석을 진단, 계획, 및 기타 다른 목적을 위해 사용될 수 있는 대표적인 모델로 변환하는 작용을 실행한다. 의료 상황에서는 상술한 바와 같이 컴퓨터의 도움을 받는 처리의 정제에 광범위한 모델이 전개된다. 상술한 바와 같이, CAX 처리로 언급되는 이러한 처리는 획득, 처리, 분석, 진단 등과 같은 컴퓨터의 도움을 받는 강력한 워크 플로우를 허용한다. 예측 모델 전개모듈(370)에 의해 실행된 이러한 방법은 적용, 유용한 데이터, 및 원하는 출력에 의존하여 변한다. 예측가능한 실시예에 있어서, 예를 들어 상기 처리는 퇴행 분석, 결정 트리, 클러스터링 알고리즘, 신경망 구조, 전문가 시스템 등에 기초한다. 또한, 상기 예측 모델 전개모듈은 측정 질병상태 또는 의료 상태 또는 이벤트를 목적으로 하거나, 비상태 특정일 수도 있다. 데이터가 특정 의료상태와 관련된 것으로 알려진 경우, 예를 들어 상기 모델은 리소스 및 지식 베이스로부터 유용한 모든 정보에 기초하여 이러한 상태의 발생 가능성을 확인하는데 사용된 규칙 및 절차의 정제로 구성되어 있다. 그러나, 일반적으로 데이터 마이닝 및 분석 기능은 모델 전개 알고리즘과 함께 아직 인식되지 않은 유용한 데이터와 이러한 질병 상태 사이의 연관관계와 질병 상태의 확인을 제공한다.
예측 모델 전개모듈(370)이 컴퓨터의 도움을 받는 처리 CAX의 정제에 적용된 경우, 상기 모델은 이러한 처리를 실행하는데 유용한 변수를 확인하거나 정제한다. 따라서, 상기 모듈(370)의 출력은 특정 상태, 이벤트 또는 진단과 연관되어 확인된 하나이상의 변수로 구성되어 있다. 그후, 전형적으로 데이터 관련 형태를 취하는 예측 모델 전개모듈(370)은 도24에 도시된 바와 같이 CAX 처리(85)에 사용되고 이에 유용한 변수로 매핑되거나 정제된다. 따라서, 현재 예측할 수 있는 실시예에서, 변수 정제 기능(372)이 제공되며, CAX 처리(85)에 사용된 변수들은 도면부호 374로 도시된 바와 같이 확인되고, "최상" 또는 최적인 값과 이러한 값의 범위는 도면부호 376으로 확인되거나 표시된다. 변수와 그 값 또는 범위는 특정 처리에서의 미래 사용을 위하여 CAX 처리 알고리즘에 공급된다. 일반적으로, 상기 CAX 처리는 도면부호 378로 도시된 바와 같이 일부 출력을 생성한다.
상기 예측 모델링 시스템(364)에 실행 및 서술된 다양한 기능은 다양한 입력 데이터에 기초하여 하나이상의 처리 시스템에서 실행되는 것을 인식해야 한다. 따라서, 상술한 바와 같이, 집적된 지식 베이스 및 이에 따라 예측 모델 전개에 유용한 데이터는 본래 확장가능하므로, 상기 모델은 개선된 상태로 상이하게 전개되거나 강화되며, 또는 부가의 정보가 유용하게 된다. 도24에 도시된 시스템의 다양한 성분은 상당한 상호작용 모델 전개를 제공하는 것임을 인식해야 한다. 즉, 다양한 모듈 및 기능은 모델 전개를 더욱 개선하기 위하여 서로 영향을 미친다.
일실시예에서, 예측 모델이 특정 데이터 마이닝에 기초하여 모듈(370)에 의해 전개되는 경우, 상기 모델 전개모듈은 부가의 데이터 또는 상보적 데이터도 CAX 처리의 성능을 개선하는데 유용하다는 것을 확인한다. 그후, 상기 모델 전개모듈은 이러한 통찰에 기초하여 데이터 마이닝 및 분석 기능에 영향을 끼친다. 이와 마찬가지로, 변수 정제 처리에서 실행된 변수의 확인과 변수 최적화는 예측 모델 전개모듈에 영향을 끼칠 수 있다. 또한 이와 마찬가지로, CAX 처리(85)의 결과는 기타 다른 CAX 처리의 전개나 정제 등과 같이 예측 모델 전개모듈에 영향을 끼칠 수 있다.
도24에 도시된 성분과 기능 사이의 상호작용의 후자의 가능성이 특히 강력하다. 특히, 상기 예측 모델 전개모듈(370)은 잠재적 질병 상태, 이벤트, 리소스 요구, 재무상태 등과의 관계조화 및 유용한 데이터 사이의 관계 인식 등과 같이, 일부에 대해 그 자체가 CAX 처리(85)로 작용한다. 그러나, 이러한 처리는 특정 CAX 처리에 한정되지 않는다. 모델 전개가 질병 상태의 진단에 촛점을 맞추고 있지만, 예를 들어 CAX 처리(예를 들어, 컴퓨터의 도움을 받는 진단 또는 검출)의 출력은 원하는 데이터 처리의 모델링 및 처리를 개선시킨다. 이와 마찬가지로, CAX 처리의 결과는 컴퓨터의 도움을 받는 데이터 획득(CAS)을 위해 실행되는 모델에서 개선점을 인식하게 한다. 건강 또는 재무상태, 예후, 처방, 치료 등을 포함하는 컴퓨터의 도움을 받는 기타 다른 처리와 기타 다른 결정은 예측 모델 전개모듈 및 정체된 기타 다른 처리로부터의 피드백에 의해 영향을 받는다.
도24에 도시된 바와 같이, 의료 및 비의료 예측 모델의 전개에 포함된 이러한 단계는 시스템의 요소로부터 또는 전문가로부터 검증되거나 입력된다. 따라서, CAX 출력(378)은 전형적으로 전문가(6)에 의해 관찰된다. 이와 마찬가지로, 예측 모델 전개모듈(370)에 영향을 미치는 CAX 출력은 도24에 블럭(380)으로 도시된 바와 같이 검증을 받게 된다. 이러한 검증은 시스템 자체(교차검사 데이터 또는 알고리즘 출력, 또는 하나이상의 전문가에 의해)에 의해 실행된다. 검증의 출력은 본래의 리소스 자체(18)를 포함하는 리소스와 집적된 지식 베이스(12)에 연결된다. 예를 들어, 선처리 데이터를 연결하거나, 또는 상기 전개 모델에 의해 실행된 CAX 처리에 사용하기 위해 이러한 데이터를 플래그할 수도 있다.
사용시, 전개되거나 개선된 모델은 컴퓨터 시스템, 의료 진단 영상설비 등을 포함하여, 전형적으로 원격 처리 또는 시스템으로의 다운로드에 유용하며; 이들은 데이터의 획득, 처리, 진단, 결정 지지, 또는 CAX 처리에 의해 실행된 기타 다른 기능을 개선하기 위해 상기 모델을 사용한다. 상술한 바와 같이 이러한 실행중에 있어서, 실행 시스템은 CAX 처리에 필요한 데이터를 추출하기 위해, 집적된 지식 베이스, 연합된 데이터베이스, 또는 본래의 리소스 자체에 억세스한다.
예측 모델 전개모듈(370)의 내부에서는 여러개의 기능이 거주하고 있으며, 루틴 베이스로 실행되거나 또는 사용자나 시스템에 의해 특정하게 프로그램되거나 시작된다. 도25는 모델 전개모듈에 의해 실행된 이러한 처리의 실시예를 도시하고 있다. 도25에 도시된 바와 같이, 마이닝되고 분석된(즉, 리소스로부터 추출되고 획득된) 데이터에 기초하여, 상기 모듈은 도25의 블럭(382)으로 도시된 바와 같이 전형적으로 유용한 데이터 사이의 관계를 확인한다. 이러한 관계는 데이터 사이의 공지의 관계에 기초하거나, 또는 상술한 바와 같은 확인 알고리즘(예를 들어, 퇴행 알고리즘, 결정 트리, 클러스터링 알고리즘, 신경망, 전문가 입력 등등)에 기초한다. 또한, 관계 확인은 유용가능한 데이터에 기초한다는 것을 인식해야 한다. 즉, 상기 데이터는 그 형태, 양식, 실제 영역 등으로부터 분리된 것으로 간주되었을 때 가장 유용하게 사용된다. 일실시예에서, 의료 데이터는 영상 시스템에 사용되며, 지리학적 정보와 함께 또한 특정 환자의 병력 정보와 함께 사용된다. 상기 데이터는 특정 질병 상태 등의 가능성이나 위험을 부가로 나타내는 비환자 특정(예를 들어, 일반 모집단) 데이터와 연합된다. 확인된 관계에 기초하여, 규칙 확인이 블럭(384)에서 시작된다. 이러한 규칙은 확인된 관계에서 데이터의 다양한 아이템에 연결하는데 사용되는 비교, 부울 관계, 퇴행 평형 등을 포함한다.
입력 정제 단계는 블럭(386)에서 실행되며, 이러한 블럭에서는 리소스 또는 데이터베이스 또는 지식 베이스로부터 유용한 다양한 데이터 입력에 관계가 연결된다. 도25에 도시된 바와 같이, 이러한 입력(388)은 CAX 처리의 변수나 세팅에 의해 특정하게 영향을 받지 않는 원시 데이터 또는 처리 데이터에 대해 비변수적이다. 블럭(390)에 도시된 기타 다른 입력 확인은 CAX 처리의 변경에 의해 영향을 받을 수 있는 변수 입력을 목표로 한다. 입력 확인에 기초하여, 블럭(392)에서는 규칙 확인 및 관계 확인, 모델의 조화 및 정제가 가능하다. 또한, 이러한 조화 및 정제는 입력의 첨가 및 고갈, 입력의 포함시 그 상태의 변환, 일부 입력의 가중 등을 포함한다. 이러한 조화 및 정제는 도25에 도면부호 6으로 도시된 바와 같이 전문가로부터의 입력이나 시스템에 의해 실행된다. 전체 처리는 도25에 복귀 화살표로 도시된 바와 같이 약간 반복되므로, 상기 조화 및 정제 처리는 관계의 확인, 규칙, 및 입력에 부가로 영향을 끼친다.
상술한 기법에 의해 광범위한 모델이 전개될 수 있다. 예를 들어 의료 상황에 있어서, 상술한 바와 같은 상이한 형태의 데이터는 영상 데이터, 지리학적 데이터, 비의료 특정 데이터 등과 같이, CAX 알고리즘에 억세스될 수 있다. 일실시예에 있어서, 모델은 이러한 상태의 위험 상태를 나타내는 것으로 알려진 특정 연차주기중 시골의 특정 지역에 거주하는 여성의 유방암을 진단하기 위해 전개된다. 유용한 것으로 여겨지는 부가의 요소는 환자에 의해 완성된 앙케이트(예를 들어, 흡연 습관, 식습관)로부터 추출된 환자 병력이다.
다양한 처리들 사이의 상호작용을 나타내는 또 다른 실시예에서, 데이터 획득 및 데이터 처리를 위한 모델은 컴퓨터의 도움을 받는 진단(CADx)에 의해 영향을 받는다. 일실시예에 있어서, 예를 들어 스캐닝된 데이터로부터 유도된 복부 영상을 강조하느 치료 알고리즘으로부터의 출력은 컴퓨터의 도움을 받는 진단에 기초하여 변화된다. 따라서, 상기 영상 데이터는 치료 알고리즘이 충수 절제를 요구하는 낮은 복부영역에서 매우 얇은 조각으로 획득되거나 처리된다. 데이터의 나머지는 두꺼운 조각으로서 정상적인 방식으로 처리된다. 따라서, 촛점이 상이한 CAX 알고리즘은 예측 모델의 전개 및 정제에서 서로 영향을 미칠 수 있을 뿐만 아니라, 상이한 형태의 데이터 및 상이한 양식은 비의료용 뿐만 아니라, 질병의 확인 및 치료를 위한 모델을 개선하는데 사용될 수도 있다.
알고리즘 및 전문 트레이닝
이러한 기법에서는 상술한 바와 같이 컴퓨터의 도움을 받는 다수의 알고리즘이 실행된다. 이러한 알고리즘은 의료용 진단 영상 데이터처럼 일반적으로 CAX 알고리즘으로 언급되는 바와 같이 다수의 데이터 형태의 처리 및 분석을 포함한다. 이러한 기법은 검출, 분할, 등급분류 및 이러한 처리에 의해 실행되는 기타 다른 기능을 강화하기 위해 학습 또는 트레이닝 처리를 통해 상기 처리들을 정제하도록, 상술한 바와 같은 처리의 정제에 강화된 유틸리를 제공한다. 또한, 이러한 기법은 방사선과 의사, 의사, 기술자, 임상의사, 간호사 등을 포함하여 다양한 레벨의 의료전문가의 피드백을 제공할 가능성을 제공한다. 도26은 알고리즘 및 의료전문가를 위한 트레이닝 처리에서의 예시적인 단계를 도시하고 있다.
도26에는 알고리즘 및 전문 트레이닝 처리(34)가 개략적으로 도시되어 있다. 상기 처리는 전문 트레이닝 모드(396) 및 알고리즘 트레이닝 모드(398) 처럼 분리된 상호의존형 모드를 포함한다. 일반적으로, 이러한 두 모드는 하나이상의 작동 환경에서 프로그램되어 기능하며, 사용자가 현재 처리를 어떻게 실행하고 있는지에 따라 변화되는 실제 기능성이 실행된다.
일반적으로, 이러한 처리는 CAD 알로리즘 처럼 컴퓨터의 도움을 받는 알고리즘 사이의 상호작용과, 의료전문가에 의해 실행된 기능을 제공한다. 상기 처리는 의료 진단 영상 데이터에서의 특징을 검출 및 분류하는데 사용되는 CAD 프로그램의 내용을 설명할 것이다. 그러나, 기타 다른 CAX 알고리즘 및 상이한 형태의 의료 진단 데이터를 위해 상이한 양식 및 리소스 형태로부터의 데이터를 포함하여, 유사한 처리가 실행될 수도 있음을 인식해야 한다.
처리(394)는 단계(400)에서 실행되며, 이러한 단계에서 전문가 또는 의료전문가는 특징 검출 및 분류를 실행한다. 본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, 이러한 기능은 전형적으로 진단 영상 판독처리의 일부분으로 실행되며, 전형적으로 검사 시컨스에서 재구성된 영상 또는 한세트의 영상으로 시작된다는 것을 인식할 것이다. 전형적으로 전문가는 접적된 지식 베이스(12)로부터 또는 다양한 리소스(18)로부터 데이터를 인출하고; 특징 검출 분류의 "판독" 처리를 지지하기 위해, 이러한 리소스로부터 부가의 데이터를 인출한다. 그후, 상기 전문가는 도26에 도면부호 402로 도시된 바와 같이 데이터세트(D1)를 생성하며, 이러한 데이터세트는 특정 어플리케이션에서 주해가 붙은 의료 진단 영상이다. 상기 데이터세트를 생성하기 위해 종래 주해, 구술, 상호작용 마킹 및 이와 유사한 기법 등과 같은 적절한 기법이 사용될 수 있다.
전문가 특징 검출 및 분류 기능과 병행하여, 예시적인 CAD 알고리즘 등과 같은 알고리즘이 단계(404)에서 유사한 특징 검출 및 분류 기능을 실행한다. 상술한 바와 같이, 변수 세팅에 따라 전형적으로 원시 영상 데이터 또는 처리된 영상 데이터를 인출하고 확인된 영상을 분할하고 분류하는 이러한 기능을 위해서는 다양한 프로그램이 가능하다. 이러한 세팅은 수학적으로 또는 논리적으로 한정된 특징 인식 단계와, 세기 또는 색깔을 기본으로 하는 특징 검출, 자동 또는 반자동 특징 검출, 공지의 확인된 병변의 특징을 갖는 확인된 그리고 분할된 특징을 포함한다. 단계(404)의 결과에 의해, 도26에 도면부호 406으로 도시된 제2데이터세트(D2)가 생성되어, 디스플레이를 위해 주해가 붙는다.
전문가에 의해 생성된 데이터세트(402)는 단계(408)에서 동일한 컴퓨터 알고리즘 또는 상이한 컴퓨터 알고리즘에 의해 확인을 받게 된다. 알고리즘 확인 단계(408)는 시스템이 알고리즘 트레이닝 모드에서 작동될 때, 이러한 단계의 선택적 특성으로 인해 도26에 점선으로 도시되어 있다. 즉, 전문가 판독의 알고리즘 확인이 선호되며, 전문가에는 하기에 서술되는 바와 같이 피드백이 제공된다. 선택적으로, 상기 알고리즘 확인 단계는 모든 경우에서 시작되므로, 일련의 처리된 데이터세트는 알고리즘 확인 단계에 의해 생성되는 바와 같이 전문가에 의한 판독과, 알고리즘에 의한 판독과, 전문가에 의해 확인되어 분류된 특징의 여과를 포함한다. 일반적으로, 알고리즘 확인 단계는 전문가에 의해 생성된 그릇된 포지티브 판독을 제거하도록 작용할 것이다. 단계(408)에서 알고리즘에 의해 사용된 특정 알고리즘 및/또는 변수 세팅은 단계(404)에 사용된 것과는 상이한 것임을 인식해야 한다. 즉, 알고리즘 확인 단계는 단계(404)에서 알고리즘 특징 검출 및 분류를 위해 적용되었던 것 보다 다소 엄격한 필터를 제공하기 위해, 상이한 알고리즘에 의해 실행되거나 또는 상이한 변수세팅에 의해 실행된다. 단계(408)는 도26에 도면부호 410으로 도시된 바와 같이 또 다른 정제된 데이터세트(D3)를 생성하며, 이러한 데이터세트는 필요할 경우 전문가 특징 검출 및 분류 결과와 이러한 결과의 변화를 나타내도록 주해가 붙은 재구성된 영상을 구성한다.
이와 마찬가지로, 알고리즘 특징 검출 및 분류에 의한 데이터세트(406)는 단계(412)에서 전문가 확인을 받게 된다. 단계(408)에 의해, 단계(412)는 특히 시스템이 전문 트레이닝 모드로 작동되는 선택적 단계가 된다. 즉, 의료전문가 또는 전문가에게 피드백이 제공되며, 상기 단계는 알고리즘 특징 검출 및 분류와 의료전문가에 의해 생성된 것과의 비교를 제공하기 위해 제거된다. 단계(412)에서 전문가에 의해 사용된 특정 전문가 및/또는 결정 임계값은 단계(400)에서 사용된 것과는 상이한 것임을 인식해야 한다. 데이터가 영상을 제공하였을 때, 도26에 도면부호 414로 도시된 바와 같이 최종 데이터세트(D4)가 다시 재구성되며, 알고리즘에 의해 확인된 특징과 전문가 또는 의료전문가에 의해 이러한 확인 또는 분류에 대해 이루어진 변화를 나타내도록 주해가 붙는다.
이러한 실행에 있어서, 상기 데이터세트(410, 414)는 유니온 데이터세트(416)에 연결되며, 이러한 유니온 데이터세트는 검증중 알고리즘이나 전문가에 의해 이루어진 변화와 함께, 검출 및 분류된 특정 특징의 근원을 디스플레이하는 하나이상의 영상으로 구성되어 있다. 도26의 블럭(418)은 의료전문가(특징 검출 및 분류 또는 검증을 실행하는 의료전문가와 상이하거나 동일한)인 조정자(reconciler)를 나타내며, 상기 조정자는 자동 처리 또는 반자동 처리를 포함한다. 상기 조정자(418)의 목적은 단계(408, 412) 에서의 검증에 따른 변형으로부터 유발되는 알력과 함께, 알고리즘 및 전문가에 의한 검출과 분류 사이의 알력을 해결하는 것이다.
알고리즘 트레이닝 모드(398)에서 일단 조정자가 도26에 도면부호 416으로 도시된 데이터세트(DS)에 작용하면, 단계(412)에서 전문가 검증 및 조정자(418)에 의해 이루어진 변화는 단계(420)에서 분석된다. 이러한 분석은 변화를 비교하는 단계와, 이러한 변화가 왜 필요한 것인지를 결정하는 단계로 구성되어 있다. 본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, CAX 처리는 전형적으로 특징 확인, 검출, 분할, 실행되어 버린 등급을 변경시키도록 변환될 수 있는 다양한 세팅을 포함한다. 단계(420)에서 실행된 분석은 검증 및 조화가 일치될 수 있도록 이러한 변수 입력이 어떻게 변형될 수 있는지를 확인하도록 지향될 수 있다. 그러나, 단계(420)에서 실행된 분석은 알고리즘의 변화가 원하는만큼 필요하도록 필수적으로 부여하는 것은 아니다. 즉, 이러한 상태에 있어서, 알고리즘 기능의 "제2독자" 또는 "독립적인 제1독자" 특성을 강화하기 위해, 알고리즘은 전문가와 동일한 결과를 정확하게 생성하지 않는 것이 바람직하다. 그후, 단계(422)에서, 전문가나 전문가팀에 의해 알고리즘의 변화에 대한 검증이 이루어진다. 검증 단계가 알고리즘의 변화가 정상이라는 결론에 도달하면, 이러한 변형은 단계(424)에서 표시된 바와 같이 실행된다. 이러한 알고리즘의 변수 변형에 대한 처리를 기준으로 하였지만, 이러한 변형은 도24를 참조로 서술된 바와 같이 집적된 지식 베이스(12)로부터 유용한 입력처럼, 기타 다른 입력의 확인 및 고려를 포함한다.
전문 트레이닝 모드(396)에서 작동될 때, 도26의 단계(426)에서는 데이터세트(416)의 분석이 이루어질 수 있다. 이러한 분석은 검증(408)에 있어서 왜 알고리즘에 의해 전문가 판독의 변화가 이루어졌는가와, 이러한 성능이 어떻게 실행되었는지를 결정하기 위한 것이다. 이러한 분석에 기초하여, 단계(428)에서의 결과가 보고되고, 의료전문가를 위해 지시가 제공된다. 이러한 보고 및 지시는 알고리즘 검증에 의해 데이터세트(402)에 이루어진 변화를 나타내기 위하여, 단순히 의료전문가를 위한 피드백을 제공하는 것임을 인식해야 한다. 그러나, 상기 보고 또는 지시는 유용한 교훈적인 입력, 교육재료에 대한 기준, 샘플, 영상을 기본으로 하는 데이터 검색을 제공하므로, 상기 의료전문가에게는 성능의 개선을 위하여 관련의 고려사항이 고지된다.
데이터세트(416)의 생성에 이어, 단계(430)에서는 그 결과가 종래 방식에 따라 보고되어 디스플레이된다. 또한, 선택적으로 CAX 알고리즘의 정제나 의료전문가의 교육에 도움을 제공하는 최종 데이터에는 기타 다른 처리가 실행될 수 있다. 이러한 처리는 도26에 도면부호 432 및 434로 도시되어 있다.
상술한 바와 같은 처리는 필요할 경우 정상적인 작동 절차로 실행될 수 있음을 인식해야 한다. 즉, 진단 및 기타 다른 목적을 위하여 데이터의 규칙적인 취급을 위하여, 상보적 알고리즘 및 전문가 검증절차와 조정자를 사용하는 상보적 알고리즘 및 전문가 판독 절차가 사용된다. 그러나, 전문 트레이닝 모드에 있어서, 트레이닝 목적을 위하여 잠재적인 그릇된 능동적 판독 보다 더욱 능동적인 판독을 확인하기 위하여, 알고리즘 검증단계에서는 매우 "무거운(heavy)" 필터가 사용된다. 단계(404)에 형성된 알고리즘 특징 검출 분류를 위하여 정상 작동중에는 상이한 또는 "가벼운" 필터가 사용된다. 또한, 단계(420 또는 426)에서 실행된 분석은 환자-특정 데이터, 비환자- 특정 데이터, 상기 환자-특정 및 비환자-특정 특성의 일시적 데이터 등을 기초로 하여, 경향 및 예후 등을 확인하기 위해 집적된 지식 베이스에 더욱 의존한다. 상술한 바와 같이 트레이닝 작동의 결과로서 CAX 알고리즘에는 다양한 변화가 이루어질 수 있음을 인식해야 한다. 이러한 변화는 처리에서의 변화를 포함하며, "환자-특정"일 수 있으며, 이러한 변화는 동일 환자와 연관된 데이터의 미래 분석을 위하여 저장된다. 즉, 예를 들어, 이러한 해부학적 특징(예를 들어, 체중, 뼈의 질량, 크기, 임플란트, 보형물 등등)을 갖는 환자와 연관된 영상 데이터에 있어서, 상기 알고리즘은 알고리즘에 의해 이루어진 결정에 기초하여 전문가 판독에 대해 이루어진 알고리즘의 미래 어플리케이션 및 미래 보정 및 제안을 강화하기 위하여, 변수 세팅을 변화시키므로써 환자에게 특정하게 맞춰질 수 있다. 또한, 지식 베이스에 저장된 데이터내에서 "정상 범위"를 조정하기 위하여, 집적된 지식 베이스 자체에는 학습 모드의 결과에 기초하여 변화가 이루어질 수 있다.
생체외 특성 확인
상술한 바와 같이, 이러한 기법에 유용한 많은 리소스 및 리소스 형태중에서, 이러한 리소스는 생체외 데이터 획득 및 분석을 받게 되는 데이터 및 샘플을 생성할 것이다. 이러한 기법은 여러가지 이유로 인하여 이러한 데이터 및 샘플의 처리에 특히 유용한 도구를 제공한다. 첫째로, 상기 샘플은 리소스의 복합 형태의 데이터 입력에 기초하여 분석된다. 데이터 획득, 콘텐츠를 기본으로 하는 정보 검증, 검증된 및/또는 획득된 데이터의 처리 및 분석, 특징의 확인, 확인된 특징에 기초한 데이터의 분류 등을 포함하여, 컴퓨터의 도움을 받는 다양한 처리가 실행된다. 또한, 이러한 처리들이 집적된 지식 베이스로부터 공지의 데이터를 사용하여 이미 확인된 특성과 연관되었을 때, 일시적 분석은 생체외 샘플의 특성을 분석하도록 실행된다. 상기 정보 검증처리는 특정 속성(예를 들어, 특정 성분 또는 특징의 크기), 일시적 속성(예를 들어 시간의 경과에 따른 특징의 변화), 또는 희미한 속성(예를 들어, 에너지 레벨, 세기, 색깔 등등)과 같은 생체외 샘플의 특정 속성에 부가적으로 기초하고 있다. 가능하다면, 집적된 지식 베이스에 저장된 정보로부터 확인된 이러한 내용은 바이오마커, 영상, 관련표, 표준형 매트릭스 등을 포함한다. 따라서, 유용한 데이터를 기준으로 하여, 특히 집적된 지식 베이스의 정보를 통해, 생체외 샘플의 획득, 처리, 및 분석을 강화하기 위해 복합 속성이 사용된다.
도27은 이러한 개선된 기법에 따른 생체외 샘플의 처리 단계를 도시하고 있다. 도27에 도면부호 436으로 도시된 생체외 특성 확인 처리는 생체외 진단 샘플이 획득되는 단계(438)에서 시작된다. 상술한 바와 같이, 전형적으로 혈액, 조직 등을 포함하는 샘플을 획득하기 위해 적절한 기법이 사용될 수 있다. 단계(440)에서는 획득된 샘플에 분석이 실행된다. 이러한 분석은 블럭(442)으로 도시된 바와 같이, 집적된 지식 베이스로부터의 입력에 의해 통지된다. 상기 입력은 기타 다른 양식, 리소스 형태, 또는 환자로부터 유사한 샘플과 연관된 일시적 데이터를 포함한다. 단계(440)에서 실행된 분석은 이러한 데이터와의 비교를 포함하며, 그 특성상 다시 예비적이다. 따라서, 전체 처리에서 획득 단계로부터의 일탈없이, 샘플 획득은 단계(444)로 도시된 바와 같이 처리의 필요성에 따라 맞춰진다. 이러한 맞춤은 샘플의 획득, 특정 상태하에서의 샘플의 획득(예를 들어, 사무실 방문중 차후 시간에, 환자 활동 주기나 휴지 주기중, 몸체의 다른 영역으로부터 등등)을 포함한다. 따라서, 생체외 진단 샘플 획득처리는 샘플 자체의 획득에 영향을 끼치는 컴퓨터 분석에 의해 개선된다.
샘플의 획득에 이어, 단계(446)에서 샘플의 처리가 실행된다. 데이터 처리가 아닌, 단계(446)에서 실행된 처리는 전형적으로 수동으로, 또는 반자동으로, 또는 완전자동 처리로 데이터를 추출하기 위하여 샘플을 조정하는 샘플 처리이다. 단계(446)에서의 처리에 이어, 단계(448)에서 처리 결과가 분석된다. 이전과 마찬가지로, 단계(448)에서 실행된 분석은 다른 양식, 리소스 형태, 시간으로부터의 데이터를 포함하여, 집적된 지식 베이스로부터의 데이터 고려를 포함한다. 단계(440)에서 실행된 분석과 마찬가지로, 단계(448)에서의 분석은 그 특성상 예비적인 것이며, 단계(452)로 도시된 바와 같이 처리를 맞춰주므로써 부가의 분석이 실행된다. 따라서, 생체외 진단 샘플에서의 최종 분석 이전에, 슬라이드 준비, 다양한 화학물의 존재, 조직, 병리학 등에 대한 분석 등과 같은 부가의 처리가 바람직하다.
단계(454)에서, 분석의 결과는 가능한 진단을 결정하기 위하여, 집적된 지식 베이스 등과 같은 공지되어 있는 프로필과 비교된다. 이전처럼, 단계(454)에서 이루어진 비교는 상이한 양식, 리소스 형태 및 시간으로부터의 데이터에 기초한다. 이러한 비교는 단계(458)에서 표시되어 있는 것처럼, 질병 상태, 의료 이벤트 등을 표시하는 데이터의 분류로 나타난다. 이러한 비교 및 분류는 특정 환자(또는 환자의 모집단)가 잠재적 진단, 예후 등을 나타내는 경향하에 있음을 부가로 나타내고 있다. 단계(458)에서 이루어진 분류의 결과는 단계(460)에서의 의료전문가에 의한 것처럼 유효하다.
일반적으로 이러한 목적을 위하여, 질병 상태나 컨디션에 대한 특정 질병 또는 소인의 생물학적 종 특성에서 계량가능한 사인, 증상 및/또는 피분석물은 질병이나 컨디션에 대한 "바이오마커"로 언급된다. 일반적으로 분석 및 비교를 기준으로 하였지만, 이러한 바이오마커는 상술한 바와 같은 공간적, 일시적 및 희미한 속성을 포함하여, 광범위한 이목부를 포함하지만; 일반적인 바이오마커(예를 들어, 특정 유전자의 존재 또는 비존재)를 포함한다.
일실시예에서, 전형적인 어플리케이션에서, 환자의 조직이 샘플링되어 분석을 위한 실험실로 이송된다. 실험실에서는 현미경 검사, 형광 탐침, 마이크로 어레이 등을 사용하여 컴퓨터의 도움으로 데이터를 획득한다. 바이오마커, 영상 신호 등과 같은 데이터 콘텐츠가 처리 및 분석된다. 상술한 바와 같이, 획득 및 처리 단계 자체는 집적된 지식 베이스로부터 기타 다른 데이터에 대한 기준에 의해 영향을 받는다. 따라서, 이러한 데이터는 획득 단계, 분석 단계, 비교 단계, 및 분류 단계를 도와주기 위하여, 지식 베이스로부터 검색된다.
이러한 처리에서 이루어진 비교는 그 특성상 변수적이거나 비변수적이다. 즉, 상술한 바와 같이 변수적 비교는 측정된 양과 변수를 기초로 하며, 특성은 변수 공간에서 분할되거나 기준되며, 2개의 특징 세트 벡터 사이의 유클리드 거리 처럼, 이러한 목록에 대해 한쪽 데이터와 다른쪽 데이터와의 상대적 유사성의 관점으로 비교가 실행된다. 이러한 목록은 현미경 검사의 실시예에서 특징적 세포 구조, 색깔, 시약, 목록을 포함한다. 기타 다른 실시예에서는 유전 성분, 특정 유전자 또는 유전자 배열의 존재 또는 부존재 등을 포함한다.
비변수적 비교는 일정 시간주기에 대해 특정 환자 등과 같은 목록에 대한 일정 기준없이 이루어지는 비교를 포함한다. 이러한 비교는 다른 데이터세트의 데이터 콘텐츠와 특성에 대한 유사성이 비교되는 하나의 데이터세트의 데이터 콘텐츠에 기초한다. 본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, 이러한 비교들중 한가지 또는 두가지가 실행되며, 이러한 상황에서 한가지 비교는 다른 비교에 대해 선호된다. 집적된 지식 베이스로부터의 정보에 기초하여, 주어진 종과 알려진 특성을 갖는 상이한 종 사이에 비교가 이루어졌을 때, 전형적으로 변수적 접근이 사용된다. 예를 들어, 조직생리학적 영상에서 세포의 구조 및 형상 패턴의 추출과 함께, 지리학적 데이터, 전기적 진단 데이터, 영상 진단 데이터, 및 생물학적 유체에서 바이오마커의 농도, 또는 이들의 조합으로부터 변수가 유도된다. 따라서, 상술한 바와 같이 상이한 양식 및 상이한 리소스 형태로부터의 데이터에 기초하여 비교가 이루어질 수 있다. 비변수적 비교는 일반적으로 일시적인 비교목적을 위하여 이루어진다. 일실시예에 있어서, 동적으로 변화하는 특정 이온 농도를 나타내며, 데이터 속성(예를 들어, 값, 값의 비율 등등)의 일시적 변화는 최종 임상결정에 도달하도록 분석될 필요가 있다.
컴퓨터의 도움을 받는 데이터 작동 알고리즘
상술한 바와 같이, 이러한 기법은 컴퓨터의 도움을 받는 데이터 작동 알고리즘에서 고도의 동작 집적도를 제공한다. 상술한 바와 같이, 이러한 알고리즘은 컴퓨터의 도움을 받는 질병의 검출이나 진단, 컴퓨터의 도움을 받는 데이터의 처리나 획득 등과 같이, 다양한 분야에서 전개되어 그 사용이 상당히 한정된다. 그러나, 이러한 기법에서는 모델 전개에 대해 상술한 바와 같이, 그 전개 및 그 사용에서 알고리즘 사이의 상호작용에 의해 집적도 및 상호운용성의 진보된 레벨이 부여된다. 또한, 이러한 알고리즘은 의료 및 비의료 어플리케이션에 적용될 수 있다. 임상 어플리케이션은 데이터 분석, 처리, 획득, 및 하기에 상세히 서술되는 바와 같은 기타 다른 기법의 범위를 포함하며, 비의료 어플리케이션은 다양한 형태의 리소스 관리, 재무분석, 보험 클레임 처리 등을 포함한다.
도28은 일반적으로 이러한 내용에서 컴퓨터의 도움을 받는 데이터 작동 알고리즘 또는 CAX로 언급되는 알고리즘 사이의 상호운용성에 대한 관찰을 제공한다. 상술한 바와 같이, 이러한 내용에서 CAX 알고리즘은 현재 사용중인 알고리즘에 구축되거나, 변형되거나, 또는 부가의 데이터 리소스, 이러한 데이터 리소스의 집적, 또는 알고리즘에서의 리소스들 사이 및 본 발명에 서술된 바와 같이 알고리즘 자체 사이의 상호운용성을 기초로 하여 완전히 구성된다. 도28에 도시된 바와 같이, 예를 들어, 전체 CAX 시스템(462)은 완전히 집적된 시스템에 포함되어 있는 광범위한 단계, 처리, 또는 모듈을 포함하는 것으로 도시되어 있다. 상술한 바와 같이, 일부 또는 매우 적은 처리, 기능 또는 모듈이 제공되는 더욱 한정된 실행이 예견될 수 있다. 또한, 현재 예견할 수 있는 실시예에서, 이러한 CAX 시스템은 집적된 지식 베이스의 내용에서 실행되므로, 알고리즘 자체와 이러한 알고리즘에서 관리되는 데이터의 적용 및 최적화를 허용하기 위하여 정보가 수집될 수 있다. 이러한 전개 및 최적화는 다양한 세팅과 마찬가지로 이러한 알고리즘에서 실행된 규칙이나 처리를 포함하여, 상술한 바와 같이 모델 전개모듈을 통해 실행되며, 각각의 CAX 알고리즘의 다양한 특징은 변경될 수 있다. 도29를 참조로 하기에 CAX 알고리즘의 특징에 대해 상세히 서술하기로 한다.
도28에 요약된 바와 같이, CAX 알고리즘은 데이터가 획득되는 단계(464)에서 시작된다. 본 발명에서 서술되는 바와 같이, 데이터의 획득은 특히 리소스 형태와, 이러한 데이터를 제공하는 리소스 양식에 따라 여러가지 형태를 취한다. 따라서, 상기 데이터는 서식으로 또는 종래의 터미널로부터 수동으로 입력되며, 상기 데이터는 실험실 보고기법, 영상 시스템, 자동 또는 수동 생리학적 변수 획득 시스템 등을 통해 획득된다. 상기 데이터는 상술한 바와 같이 전형적으로 하나이상의 메모리 장치에 저장되며; 이들중 일부는 영상 시스템, 사진 아카이브 시스템 등과 같은 데이터 획득 시스템에 내장된다.
단계(466)에서는 CAX 알고리즘에 의해 실행된 기능을 위한 유틸리티 또는 관심 데이터가 억세스된다. 도면부호 468로 도시된 바와 같이, 이렇게 억세스된 데이터상에 일련의 동작이 실행된다. 이러한 처리를 통해 단계(466)에서, CAX 알고리즘의 기능을 통해 데이터의 추출, 데이터의 검증, 데이터의 동기화, 데이터의 다운로드 및 업로드를 위하여, 집적된 지식 베이스(12)가 완전히 또는 부분적으로 억세스된다.
컴퓨터의 도움을 받는 이러한 많은 데이터 작동 알고리즘을 예견할 수 있으며, 의료용 및 비의료용으로 특정 기능을 실행하기 위해 현재 이러한 알고리즘의 약 10개 정도가 예견되고 있다. 따라서, 도28에는 컴퓨터의 도움을 받는 특징 검출(CAD)을 위한 알고리즘과, 컴퓨터의 도움을 받는 의료 상태의 진단(CADx)을 위한 알고리즘에서의 단계가 요약되어 도시되어 있다. 또한, 컴퓨터의 도움을 받는 의료 결정 알고리즘(CADs)이 실행되어, 분석 및 처리에 기초하여 의료 결정이 자동으로 이루어진다. 이와 마찬가지로, 치료 또는 치료 결정이 부가의 루틴(CATx)을 통해 실행된다. 특정의 컴퓨터의 도움을 받는 획득(CAA) 알고리즘 및 컴퓨터의 도움을 받는 처리(CAP) 알고리즘은 상술한 바와 같은 형태로 실행된다. 또한, 컴퓨터의 도움을 받는 분석(CAAn) 알고리즘은 하기에 서술되는 바와 같이 실행된다. 컴퓨터의 도움을 받는 예측 또는 처방전 검증, 권장 또는 처리 알고리즘(CARx)처럼, 의료 상황에서 예후 (CAPx) 알고리즘도 예견된다. 마지막으로, 의료적 및 비의료적 상태의 범위를 위하여 컴퓨터의 도움을 받는 평가(CAAx) 알고리즘이 예견된다.
도28에 도시된 데이터 작동단계를 보다 상세히 서술하면, 일반적으로 단계(470)에서는 디지탈 필터링, 데이터의 컨디셔닝, 동적범위의 적용, 데이터의 연합 등과 같이, 억세스된 데이터가 처리된다. 본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, 단계(470)에 의해 실행된 특별한 처리는 실행된 기능이나 분석 형태로 분석된 데이터의 형태에 의존할 것이다. 그러나, 이러한 데이터는 상술한 바와 같은 리소스로부터 처리되며, 실제로 하나이상의 양식이나 리소스 형태로부터의 데이터는 위험성 존재의 복합 분석 또는 의료 상태의 치료 처럼 처리되는 것을 인식해야 한다. 이와 마찬가지로 단계(472)에서는 데이터의 분석이 실행된다. 또한, 이러한 분석은 데이터의 특성과, 분석이 실행되는 알고리즘의 특성에 의존할 것이다.
이러한 처리 및 분석에 이어, 단계(474)에서는 관심있는 특징이 분할되어 일반적인 방식으로 제한된다. 또한, 영상 데이터에 있어서 이러한 특징 분할은 해부학적, 병리학적 등의 한계를 확인한다. 그러나, 일반적으로 단계(474)에서 실행된 분할은 데이터, 연관관계의 범위 사이의 다양한 관계를 포함하여, 단순히 어떤 특징 형태의 분할을 인식하기 위한 것이다. 이러한 분할에 이어, 단계(476)에서는 데이터에 특징이 확인된다. 이러한 특징 확인은 특정 해부학 또는 병리학을 확인하기 위해 영상 데이터에 달성되지만, 단계(476)에서 실행된 특징 확인은 그 특성상 훨씬 광범위하다는 것을 인식해야 한다. 즉, 본 발명의 시스템에 집적되는 광범위한 데이터로 인하여, 상기 특징 확인은 모든 형태의 양식으로부터의 의료 데이터, 비의료 데이터, 지리학적 데이터 등과 같이, 데이터의 연합을 포함한다. 일반적으로, 특징 확인은 CAX 알고리즘에 의해 실행된 처리에 관심을 갖는 데이터간 관계의 인식분류를 포함한다. 단계(478)에서는 이러한 특징들이 분류된다. 이러한 분류는 전형적으로 분할된 특징의 파일과 공지된 상태의 공지의 프로필과의 비교를 포함한다. 상기 분류는 일반적으로 고려중인 데이터세트를 갖는 공지의 데이터세트의 모집단에서 이러한 프로필과 매칭되는 변수 세팅, 값 등에 의한 것이다. 그러나, 상기 분류는 시간에 따른 특정 환자 또는 환자의 모집단에 대한 경향 분석처럼, 비의료 프로필 매칭에 기초하고 있다.
알고리즘에 의해 실행된 처리에 기초하여, 광범위한 결정이 이루어진다. 단계(462)에 요약되어 있는 것처럼, 이러한 결정은 의료 결정(480), 치료 결정(482), 데이터 획득 결정(484), 데이터 처리 결정(486), 데이터 분석 결정(488), 상태 예측 또는 예후 결정(490), 처방전 권장 또는 검증 결정(492), 및 상태의 평가(494)를 포함한다. 상술한 바와 같이, 이러한 기법에 의해 제공된 처리 동작의 고도의 집적과, 리소스 범위로부터의 데이터 집적은 도28에 요약된 바와 같이 CAX 알고리즘에 의해 실행된 기능의 한가지 범위가 비환자 특정 이유 및 환자-특정 이유를 변형시키거나 최적화하게 한다. 따라서, 알고리즘에서 이루어진 결정중 어느 하나의 결과로서, 동일하거나 상이한 CAX 알고리즘에서의 변형은 단계(496)에 요약되어 있다. 하기에 서술되는 바와 같이, 이러한 변형은 상이한 알고리즘 형태의 선택, 변형, 알고리즘에 의해 실행된 하나이상의 기능의 부가 또는 제거, 또는 기능의 실행시 알고리즘에 의해 사용된 변수 및 세팅의 변형을 포함한다. 따라서, 도28에 도시된 바와 같이, 데이터 획득, 처리, 분석, 특징 확인, 특징 분할, 특징 분류 또는 CAX 알고리즘내에서 실행된 기타 다른 기능을 포함하여, 상술한 바와 같이 요약된 어떤 하나의 단계를 갖는다. 일반적으로, 알고리즘 결과의 보고 또는 디스프레이의 일부 형태는 단계(498)에 요약되는 바와 같이 제공된다.
일반적으로, 각각의 결정 서브모듈은 과업(예를 드어, 획득)과, 이와 연관된 목적(예를 들어, 암 검출)을 갖는다. 과업과 의도하고자 하는 목적에 따라, 결정 규칙이 설정된다. 일실시예에서, 영역 전문가는 주어진 과업 및 목적에 사용되는 규칙을 결정할 수 있다. 다른 실행에 있어서, 가능한 모든 과업 및 목적과 연관된 규칙의 라이브러리는 전문가 패널에 의해 결정되며, 서브모듈에 의해 사용된다. 또 다른 실행에 있어서, 규칙의 라이브러리는 집적된 지식 베이스로부터 억세스될 수 있다. 다른 실행에 있어서, 새로운 규칙은 집적된 지식 베이스에 저장되지만, 지식 베이스로의 저장 이전에 기타 다른 수단으로부터 유도된다. 전형적인 실행에 있어서, 현존의 데이터와 규칙의 조합은 데이터에 대한 가정된 결정 선택의 요약을 전개하는데 사용된다. 이러한 선택은 여러가지 결과로 나타나며, 이들중 일부는 바람직한 것이고, 일부는 바람직하지 않은 것이다. 최적의 결과를 얻기 위하여, 각각의 결과에 대한 점수를 제공하도록 미터법이 설정된다. 따라서, 최종 결과가 평가되고, 선택된 결과는 결정 블럭에 제공된 기능을 결정한다.
상술한 바와 같이, 다양한 CAX 알고리즘은 개별적으로 또는 일부 상호작용 레벨과 함께 사용된다. 또한, 알고리즘은 수정없이 이러한 기법에 사용되며, 부가의 데이터 리소스의 집적 및 이러한 시스템에서의 처리에 의해 약간의 또는 높은 레벨의 적응성이 제공된다. 이러한 적응은 실시간으로, 또는 데이터 획득 이벤트 전후에 실행된다. 또한, 상술한 바와 같이, CAX 알고리즘의 실행이나 적응의 트리거링은 스케쥴 타이밍, 작동자 간섭, 데이터의 상태 변화 등과 같은 시작 요소의 범위에 의해 시작된다. 일반적으로, CAX 시스템 또는 특정한 CAX 알고리즘의 수많은 특징이 변화된다. 도29에 요약된 바와 같이, 이러한 기법은 제공된 적응 및 최적화를 위해 CAX 알고리즘의 편집, 분석, 및 변경에 대해 새로운 접근방법 및 상이한 접근방법을 예견할 수 있다.
도29에 있어서, 도면부호 500으로 도시된 모든 CAX 수식화는 분리된 기능성 또는 변수[i][j][k]로 표시된다. 이러한 수식화에 있어서, CAX 알고리즘의 이러한 특징은 도29에 도면부호 502로 도시된 바와 같이 알고리즘에 의해 기능의 주 형태와, 도29에 도면부호 504로 도시된 바와 같이 알고리즘에 의해 실행된 기능과, 이러한 알고리즘에 사용된 특정 데이터 속성(506)을 나타내고 있다. 알고리즘 표시부(502)는 알고리즘에서 기능성을 위한 일반적인 선을 따르며, 본 기술분야의 숙련자라면 하나이상의 이러한 기능성은 서브루틴, 서브 모듈 등과 같이 이용되는 것을 인식할 수 있을 것이다. 알고리즘에서 기능성의 상기 [j] 레벨은 다양한 알고리즘에서 실행된 광범위한 집적된 또는 모듈형 기능을 포함하며, 이들중 일부는 다른 알고리즘에 의해 공유된다. 특히 도29에는 데이터 억세스, 특징 확인, 분석, 분할, 분류, 결정, 비교, 예측, 검증, 및 조정 등과 같은 기능이 도시되어 있다. 물론 다른 기능도 양호하게 사용될 수 있다. 일반적으로, 이러한 기능은 알고리즘의 서브모듈로서 실행되며; 일반적으로 알고리즘에 의해 요구되고, 상술한 바와 같이 프로그래밍, 전문가 시스템, 신경망 등에 의해 전개되는 "도구 키트"로서 실행된다.
CAX 알고리즘의 [k] 레벨은 일반적으로 [j] 레벨에서 특정화된 기능을 실행하는 CAX 알고리즘에 의해 사용되는 변수 또는 입력을 나타낸다. 일실시예에서, 현재 예측되는 실시예에 따르면, [k] 레벨에서의 아이템은 변수, 세팅, 값, 범위, 환자-특정 데이터, 기관-특정 데이터, 상태-특정 데이터, 일시적 데이터 등을 포함한다. 이러한 변수들 및 세팅은 CAX 알고리즘의 환자-특정 실행을 위하여, 또는 환자 및 학회 등과 같은 모집단에 대한 보다 광범위한 변화를 위하여, 상술한 바와 같은 방식으로 변화된다. 모델링에 대해 설명한 바와 같이, CAX 알고리즘에서 이루어진 변경은 변경 이전에는 고려되지 않았던 데이터의 고려를 포함한다는 것을 인식해야 한다. 즉, 새로운 데이터 또는 새로운 관계가 확인되었을 때, CAX 알고리즘은 새로운 데이터의 고려를 수용하도록 변경된다. 본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, 이러한 기법의 높은 집적도는 그 성능을 더욱 강화하기 위하여 CAX 알고리즘에 연합된 지식과 광범위한 리소스로부터의 데이터 사이에서, 새로운 유용한 관계가 확인되게 한다. 상기데이터는 CAX 알고리즘에 의해 요구되었을 때 기능을 실행하기 위해, 집적된 지식 베이스 또는 이러한 지식 베이스의 일부로부터 추출된다.
이러한 기법에 따라 단일의 CAX 알고리즘이 실행되었지만, 광범위한 상태에 어드레스하기 위하여 다양한 CAX 알고리즘이 병렬로 및 직렬로 실행될 수 있음을 인식해야 한다. 도30에 요약된 바와 같이, 예를 들어 복합 CAX 실행(508)은 제1형태의 알고리즘(510)을 포함하는데, 이러한 알고리즘은 상기 요약된 알고리즘에 속한다. 또한, 선택된 알고리즘의 형태는 병렬로 실행될 수 있으므로, 복합의 상이한 또는 상보형 기능이 실행될 수 있다. 이러한 각각의 알고리즘은 도면부호 512로 도시된 바와 같이 전형적으로 기본적인 동작을 포함할 것이다. 이러한 동작은 특징 분할(514), 특징 확인(516), 및 특징 분류(518) 등과 같은 단계를 포함하여, 일반적으로 CAD 알고리즘과 유사하다. 이러한 단계에 기초하여, 단계(520)에서 도시된 바와 같이 미래 동작을 위해 특정 권장 등과 같은 결정이 이루어진다. 상술한 바와 같이, 이러한 동작을 기초로 하여, 알고리즘은 단계(522)에 도시된 바와 같이 변경된다. 이러한 변경은 단계(524)에 도시된 바와 같이 데이터를 발생시키거나 처리하는데 사용된 시스템 또는 방법을 복귀시키므로써 실행된다. 상술한 바와 같이, 변경은 상기 [j] 및 [k] 레벨처럼 알고리즘에서 다양한 레벨로 이루어진다.
도30에 요약된 바와 같이, 상이한 형태의 관심 특징을 확인하기 위하여 또는 상이한 형태나 양식의 데이터로부터, 형태가 상이한 다수의 CAX 알고리즘(즉, CAX[i])이 병렬로 실행된다. 도면부호 526 및 528로 도시된 이러한 부가의 알고리즘은 상술한 알고리즘 형태를 포함한다. 이와 마찬가지로, 도30에 도면부호 530 및 532로 도시된 바와 같이, 동일하거나 상이한 형태의 CAX 알고리즘이 직렬로 실행된다. 이러한 알고리즘은 실제로 초기 실행된 알고리즘의 결과에 기초하여 선택된다.
상술한 모든 CAX 알고리즘이 의료 및 비의료 이슈 범위의 어드레싱에 어플리케이션을 갖지만, 포함되어 있는 모듈 또는 서브모듈에 의해 실행된 데이터 동작의 형태를 인식하기 위해서는 이에 대한 더욱 완벽한 토론이 필요한다.
컴퓨터의 도움을 받는 진단(CADX)
컴퓨터의 도움을 받는 진단 모듈은 전형적으로 의료 영상의 영역에서 특정 상태의 확인 및 진단을 도와준다. 그러나, 이러한 기법에 따르면, 이러한 모듈은 다른 형태 및 리소스의 양식뿐만 아니라, 영상 형태 및 양식으로부터 더욱 광범위한 데이터를 연합한다. 컴퓨터의 도움을 받는 예시적인 진단 모듈에 대해 서술하기로 한다. 도28에 도시된 바와 같이, CADx 는 컴퓨터의 도움을 받는 검출(CAD) 모듈과 특징 분류 블럭으로 구성되어 있다.
상술한 바와 같이, 의료 관계자는 다양한 소스로부터 의료 상태에 관한 정보를 유도한다. 이러한 기법은 종양학, 방사선학, 병리학, 신경학, 심장학, 정형외과학, 외과학을 포함하는(그러나, 이에 한정되지 않는) 의학적으로 관련있는 영역에서 의료 상태의 범위 검출 및 분류를 위하여 복합모드 및 복합칫수 전망으로부터 상기 소스를 요구하는 컴퓨터의 도움을 받는 알고리즘 및 기법을 제공한다. 상태 확인은 체액의 분석을 이용한 스크리닝의 형태를 취하며, 단독으로(예를 들어, 의심스러운 후보 환부의 존재 또는 부존재를 검출하기 위하여) 검출 또는 진단(예를 들어, 검출된 환부를 양성 또는 악성 결절로 분류하기 위하여)의 형태를 취할 수 있다. 간단하게 하기 위하여, 일실시예에서는 양성 또는 악성 환부를 진단하도록 CADx 모듈에 관해 설명하기로 한다.
이러한 내용에 있어서, CADx 모듈은 데이터 소스, 최적 특징 선택, 및 분류, 트레이닝 및 결과의 디스플레이 등과 같이 여러개의 부분을 갖는다. 상술한 바와 같이 데이터 소스는 전형적으로 영상 획득 시스템 정보; 진단 영상 데이터 세트; 전기적 진단 데이터; 체액으로부터의 임상 검사실 진단 데이터; 조직해부학적 진단 데이터; 성, 나이, 임상 증후 등과 같은 환자의 인구통계학적/증상/병력을 포함한다.
특징 선택 자체는 분할 및 특징 추출 등과 같이 상이한 형태의 분석 및 처리를 포함한다. 데이터에서, 관심 영역은 특징을 연산하도록 한정될 수 있다. 상기 관심 영역은 전체 데이터를 "하듯이(as is)" 를 사용하거나 또는 정점 폐 분야에서 후보 결절 영역처럼 데이터의 일부를 사용하는 여러가지 방법에 의해 한정될 수 있다. 관심 영역의 분할은 수동으로 또는 자동으로 실행될 수 있다. 수동 분할은 컴퓨터 마우스에서 시스템과의 사용자 인터페이싱 등과 같이, 데이터를 디스플레이하는 단계와, 영역을 도시하는 단계를 포함한다. 자동 분할 알고리즘은 관심영역을 자동으로 도시하기 위하여, 절결의 형태와 크기 등과 같은 우선 지식을 사용할 수 있다. 상기 두가지 방법을 조합한 반자동 방법도 사용될 수 있다.
특징 추출 처리는 데이터 소스상에서 연산을 실행하는 단계를 포함한다. 예를 들어, 영상을 기본으로 하는 데이터에서 관심영역을 위하여, 형태, 크기, 밀도, 곡률 등과 같은 통계가 연산될 수 있다. 획득을 기본으로 하며 환자를 기본으로 하는 데이터에서, 데이터 자체는 특징로서 작용한다. 일단 특징이 연산되면, 관심영역을 양성 또는 악성 절결로 분류하기 위해, 미리 트레이닝된 분류 알고리즘이 사용될 수 있다. 베이스의 분류자(Bayesian classfier), 신경망, 규칙을 기본으로 하는 방법, 퍼지 로직 또는 기타 다른 적절한 기법이 분류를 위해 사용될 수 있다. 모든 데이터로부터의 특징을 연합하므로써 CADx 동작이 한번 실행될 수 있으며 상기 CADx 동작은 병렬로 실행될 수 있음을 인식해야 한다. 이러한 병렬 작동은 데이터 세트상에서 CADx 동작을 개별적으로 실행하는 단계와, CADx 동작의 일부 또는 전부의 결과를 조합하는 단계(예를 들어, AND, OR 동작 또는 이들의 조합)를 포함한다. 또한, 복합 질병 상태 또는 의료 상태를 검출하는 CADx 동작은 병렬로 또는 직렬로 실행될 수 있다.
실시예에서 CAD 모듈을 이용하여 결절 등의 분류 이전에, 모듈의 트레이닝으로부터 우선 지식이 실행된다. 이러한 실행 상태는 양성 및 악성 절결의 공지의 샘플상에 여러개의 후보 특징의 연산을 포함한다. 이러한 후보 특징을 통해 정보나 과잉 정보를 제공하지 않는 것들을 제거한 유용한 것만을 분류 및 선택하도록, 특징 선택 알고리즘이 실행된다. 이러한 결정은 후보 특징의 상이한 조합을 갖는 분류 결과에 기초한다. 특징 선택 알고리즘 또한 실질적 관점으로부터 차원을 감소시키기 위해 사용된다. 따라서, 유방 종괴 분석의 실시예에 있어서, 양성 절결과 악성 절결을 최적으로 분류할 수 있는 특징 세트가 유도된다. 이러한 최적의 특징 세트는 CAD 모듈에서 관심 영역상에 추출된다. 최적의 특징 선택은 분산 측정, 바타챠랴(Bhattacharya) 거리, 마하라노비스(Mahalanobis) 거리 등을 포함하여, 공지의 거리측정 기법을 사용하여 실행된다.
제안된 방법은 예를 들어 인간이나 기계 관찰자에 의한 관찰을 위해 복합 바이오마커를 사용할 수 있게 한다. CAD 기법은 데이터의 일부 또는 전부에 작동하며, 그 결과를 각각의 데이터 종류 또는 각각의 데이터 세트에 디스플레이하거나, 디스플레이를 위해 그 결과를 통합한다. 이것은 분할 처리를 간단하게 하므로써 CAD 성능을 개선한다는 장점을 제공하지만, 관찰될 데이터의 양이나 형태를 증가시키지는 않는다.
환부 분석 실시예에 이어, 의심스러운 후보 환부의 확인 및 분류에 이어, 그 위치 및 특성이 데이터의 관찰자에게 디스플레이된다. 이러한 CADx 어플리케이션에 있어서, 이것은 의심스러운 환부 주위나 근처에서 마커(예를 들어 화살표 또는 원형)의 중첩을 통해 이루어진다. 다른 경우에 있어서, CAD 및 CADx 는 컴퓨터 검출 및 진단된 마커를 복합 데이터 세트상에 각각 디스플레이할 능력을 부여한다. 이러한 방식에 따라, 관찰자는 CADx 의 어레이에 기인한 단일 데이터 세트를 관찰할 수 있으며, 동작은 중첩될 수 있다[독특한 분할(즉, 관심영역)에 의해 한정된, 특징 추출, 및 부류 절차]
컴퓨터의 도움을 받는 획득(CAA)
컴퓨터의 도움을 받는 획득 처리모듈은 환자 상태의 이해 및 진단을 강화하는데 도움을 주기 위해, 또 다시 하나이상의 리소스 형태 및 각각의 형태내의 하나이상의 양식으로부터 부가의 데이터를 획득하기 위하여 실행된다. 데이터의 획득은 한번 이상의 환자 방문 또는 회의(예를 들어, 환자와의 원격 회의를 포함하는)를 포함하며, 부가의 데이터는 데이터 처리 시스템(10)에 의해 자동으로 이루어진 결정에 기초하여 획득된다. 지금까지 유용하지 않은 집적 레벨 및 진단 및 분석에 사용하기 위한 부가의 데이터에 대한 일련의 획득을 제공하기 위해, 정보는 집적된 데이터베이스(12)에 유용한 데이터를 기초로 하는 것이 바람직하다.
이러한 기법의 한가지 특징에 따르면, 예를 들어 초기 CAD 처리는 부가의 인간 작동자 도움에 의해 또는 이러한 도움없이 부가의 데이터 획득을 안내하는데 사용된다. CT 폐 스크리닝은 이러한 상호작용의 실시예로서 작용할 것이다. 먼저 본래의 CT 데이터가 5mm 두께의 조각으로 획득된다고 가정하자. 이것은 진단의 정확도와, 환자 투여량, 및 관찰할 영상의 갯수 사이에 적절한 평형을 달성하기 위해, 수많은 의료 사이트에서는 통상적인 행위이다. 일단 CAD 알고리즘이 의심스러운 지역을 확인하면, 컴퓨터는 의심스러운 위치(예를 들어 1mm 두께의 조작)에서 한세트의 얇은 조각을 다시 얻기 위하여 CT 스캐너(또는 CT 작동자에게 권장)를 자동으로 지향시킨다. 또한, 보다 양호한 신호-소음을 위하여 X선 플럭스가 사용될 수 있다. 상기 위치가 양호하게 한정되기 때문에, 환자에 대한 부가의 투여량은 최소한으로 유지된다. 상기 얇은 조각 영상은 양호한 공간 해상도를 제공하며, 이에 따라 진단의 정확도가 개선된다. 이러한 상호작용의 장점은 개선된 영상 품질 및 환자 예정변경을 피할 수 있다는 것이다. 대부분의 진단 처리는 일반적으로 환자가 CT 스캐너 방을 떠난 후에 발생한다는 것을 인식해야 한다. 일반적인 접근 방식에 있어서, 만일 방사선과 의사가 더욱 얇은 조각을 필요로 한다면, 환자는 다시 와서 다시 스캐닝해야만 한다. 스캔 랜드마팅이 스카우트 영상으로 실행되기 때문에, 관심 특징의 일련의 위치가 때로는 매우 빈약하게 된다. 그 결과, 환자 장기의 대향 체적이 다시 스캐닝되어야만 한다. 이것은 시간을 소비할 뿐만 아이라, 환자에 대한 투여량도 증가시킨다.
이러한 실시예는 단일 양식을 위한 것이지만, 이러한 방법은 양식을 횡단하여, 심지어 상술한 리소스 형태를 횡단하여 시간을 지나쳐서 적용될 수 있다. 예를 들어, 제1양식을 통해 획득한 영상에 발생된 초기 CAD 정보는 양식(B)을 통해 부가의 데이터 획득을 안내하기 위해 CAA 알고리즘에 의해 사용된다. 이러한 상호작용의 특정 실시예는 얇은 조각 나선형 가슴 CT 검사의 획득을 안내하는 가슴 X선의 의심스러운 절결의 CAD 검출이다.
컴퓨터의 도움을 받는 처리(CAP)
컴퓨터의 도움을 받는 처리 모듈은 하나이상의 획득 회기를 통해 이미 유용해진 강화된 데이터 분석을 허용한다. 이러한 처리는 하나이상의 리소스와, 각각의 형태내의 하나이상의 양식에 기초한다. 상술한 바와 같이, 컴퓨터의 도움을 받는 처리 모듈은 단일 양식을 지나 적용되었지만; 전형적으로 의료 영상 내용에 있어서, 이러한 기법은 유용한 다양한 리소스와 집적된 지식 베이스의 사용에 의해, 상당히 광범위한 내용으로 상기 모듈의 사용을 보상한다.
일실시예로서, CAD 발생 정보는 새로운 영상을 얻는 처리를 더욱 최적으로 하는데 사용된다. 데이터 획득 및 초기 영상 형성(또는 처리되지 않거나 영상 재구성이 없는 부분적으로 처리된 데이터)에 이어, CAD 모듈은 초기 특징 검출을 실행하는데 사용된다. 일단 잠재적 병리학 위치가 확인되어 특징되었다면, 이러한 발견에 기초하여 CAA 모듈에 의해 새로운 영상 세트가 생성된다. 상기 새로운 영상 세트는 인간 관찰자의 검출/분류 과업을 도와주거나 또는 기타 다른 CAX 알로리즘의 성능을 개선하기 위해 생성된다.
기타 다른 영상 양식, 다른 리소스 형태, 및 다른 병리학에 대해 일반화되었지만, 도시를 위하여 CT 폐 스크리닝 실시예가 고려되었다. 본 발명자는 먼저 영상이 "뼈"(고해상도) 필터 핵 및 40cm 재구성 관찰 필드(field of view: FOV)로 재구성되는 것으로 가정하였다. 일단 의심스러운 폐 절결이 확인되면, CAP 모듈은 본래의 스캔 데이터로 의심스러운 위치에 새로운 영상 세트를 재구성한다. 예를 들어, "표준형" (저해상도 핵) 필터 핵을 갖는 제1영상이 먼저 재구성된다. 이러한 표준형 핵은 빈약한 공간 해상도를 생성하지만, 정확한 CT 회수를 유지한다는 속성을 갖고 있다. 이러한 영상을 본 알고리즘(Bone algorithm)을 통해 생성된 영상과 조합하면, CAP 알고리즘은 그 CT 횟수에 기초하여 석회화된 절결과 비석회화된 절결을 분리할 수 있다. 또한, 상기 CAP 모듈은 개선된 공간 해상도를 제공하거나 또는 알고리즘 성능을 개선하고 및/또는 인간 관찰자 분석을 촉진시키기 위해, 의심스러운 위치에 목표로 하는 재구성을 실행한다. 또 다른 실시예에 따르면, 현존의 CT 스캐너에 있어서, 전형적인 영상 크기는 512 × 512 픽셀이다. 40cm 재구성 FOV에 따르면, 각각의 픽셀은 측부를 따라 거의 0.8mm 가 된다. 나이퀴스트(Nyquist) 샘플링 관찰으로 보았을 때, 이것은 높은 공간 해상도를 지지하기에는 불충분하다. 그러나, CAP 모듈이 의심스러운 사이트에서 10cm FOV로 영상을 재구성할 때, 각각의 픽셀은 측부를 따라 거의 0.2mm 가 되므로, 훨씬 높은 공간 해상도를 지지할 수 있다. 부가의 재구성 및 처리는 전체 체적 대신에, 단지 격리된 지역에서만 실행되며; 영상 처리의 양과, 재구성, 및 저장을 관리할 수 있게 된다. 여기에서는 도시상 간단한 실시예가 제공되었음을 인식해야 한다. 초기 CAD 결과 및 부가의 처리 결과에 기초하여 CAP 모듈의 안내하에 다른 처리 단계(영상 강화, 국소적 3D 모델링, 영상 재형성 등등)도 실행될 수 있다. 부가의 영상은 부가의 CAX 분석에 대한 입력으로 CAD 처리의 본래 발견물을 정제하는데 사용될 수 있으며, 또는 방사선과 의사에게 제공될 수도 있다.
컴퓨터의 도움을 받는 예후(CAPX)
의료 예후는 치료, 합병증, 질병의 재발생, 건강관리 시설에 머문 기간, 또는 환자나 환자집단의 생존에 대한 평가이다. 예후의 간단한 의미는 미래 진행의 예측, 질병의 결과, 또는 이러한 질병으로부터 회복 가능성 이다.
이러한 기법에 따라 질병의 자연 진행, 또는 치료후 예측 결과를 예측하기 위해, 수치적 예후 모델이 사용된다. 예후는 치료 선택 및 치료 계획을 위한 시스템의 일부를 형성한다. 또한, 예후 모델은 예를 들어 검사에 관한 정보를 요구하므로써, 그 결과가 예후의 지식에 영향을 미치게 되는, 진단 문제의 해결에 중요한 역할을 수행한다.
최근, 인공지능과 결정이론 및 통계 분야로부터 여러가지 방법 및 기법이 환자의 의료 관리(진단, 치료, 추적)의 모델에 도입되고 있으며, 이들 모델의 일부에서 예견되는 예후의 평가는 필수적인 부분을 구성한다. 전형적으로, 최근의 예후방법은 명쾌한 병리학-생리학모델에 의존하고 있으며, 이것은 전통적인 기대수명 모델과 조합된다. 이러한 영역 모델의 실시예는 우발적 질병 모델, 인간 몸체의 조절기구의 생리학적 모델이다. 이러한 모델에 기초한 접근 방법은 지식을 기초로 하는 시스템의 발전을 촉진시킬 잠재성을 갖고 있는데, 그 이유는 의학적 영역 모델이 의료 문헌으로부터 부분적으로 얻어질 수 있기 때문이다.
양적 및 확률적 접근 방법으로부터 상징적 및 양적 접근 방법까지의 범위에 속하는 영역 모델의 표상을 위해 다양한 방법이 제안되고 있다. 예를 들어 조절 기구의 점진적인 변화를 모델링하기 위한 시간에 대한 의미론적 개념은 중요한 도전적 모델링 이슈를 형성하였다. 또한, 이러한 모델의 자동 획득 기법도 제안되어 왔다. 모델 구성이 힘들 때는, 경우를 기본으로 하는 표상 및 더욱 명쾌한 영역 모델과의 조합의 사용 등과 같이, 명쾌성이 덜한 영역 모델이 연구되었다.
컴퓨터의 도움을 받는 평가(CAAX)
컴퓨터의 도움을 받는 평가 모듈은 광범위한 상태 또는 상황을 분석하기 위한 알고리즘을 포함한다. 일실시예에서, 이러한 알고리즘은 의료 절차(예를 들어, 수술)의 결과, 상처(예를 들어, 척추 손상)에 의한 치료 결과, 상태(예를 들어, 임신), 상황(예를 들어, 외상), 처리(예를 들어, 보험, 상환, 설비 이용), 및 개인(예를 들어, 환자, 학생, 의료전문가) 등에 따른 치료의 결과를 평가하기 위해 사용된다.
CAAX 알고리즘에서의 이러한 예시적인 단계가 도31에 도시되어 있다. 알고리즘(534)은 단계(536)에서 주요한 데이터의 입력으로 시작된다. 알고리즘의 목적에 따라, 이러한 데이터는 상황의 표시나 설명, 과업, 유용한 결과, 의도한 사람, 요구한 정보 등을 포함한다. 상기 데이터는 단계(538)에 도시된 바와 같이 원하는 소프트웨어 도구를 확인하는데 사용되며, 이러한 도구는 평가 처리를 통해 사용자를 이끄는 인터페이스로서 사용되는 "마법사"의 형태를 취한다. 상기 인터페이스는 알고리즘에 의해 실행된 작동 분야에서 또는 실행될 데이터 또는 평가 분야에서 전문가로부터의 입력에 적어도 부분적으로 기초한다.
단계(540)에서는 더욱 특정한 정보가 한명 이상의 사용자로부터 요구되거나, 또는 자동으로 획득되거나, 또는 상술한 다양한 리소스로부터 억세스된다. 데이터가 개인에 의해 입력되는 경우, 상술한 바와 같은 방식으로 연합되지 않은 인터페이스 층(222)을 통해 맞춰진 인터페이스가 제공되며, 상기 인터페이스 층은 집적된 지식 베이스(12) 및 데이터 리소스(18)로부터 정보를 인출한다. 상술한 바와 같이, 이러한 인터페이스는 특정 사용자와, 실행될 기능과, 제공되거나 억세스될 데이터를 위해 맞춰진다.
제공된 정보에 기초하여, 단계(542)에 도시된 바와 같이 평가가 실행된다. 이러한 평가는 일반적으로 상태, 상황, 또는 평가될 기타 다른 이슈에 기초하여 광범위하게 변화될 것이다. 이러한 예측가능한 실행에 있어서, 평가에 의해 점수가 결정되며, 단계(544)에서의 점수에 기초하여 비교가 실행된다. 상기 비교는 또 다른 동작을 위한 권장의 베이스이거나, 또는 단순히 평가의 보고 결과를 위한 베이스로서 작용한다. 또한, 처리 결과는 선택적으로 조정되며, 잠재적 알력이나 판정은 단계(546)에 도시된 바와 같이 필요할 경우 인간 전문가로부터의 입력을 포함하여, 정상적으로 이루어진다.
비지니스 모델 실행
상술한 바와 같은 기법은 광범위한 방식으로의 실행을 허용한다. 예를 들어, 반복해서 설명하는 바와 같이, 데이터의 사용과 이러한 데이터와 모듈 사이의 상호작용은 단일 워크스테이션을 포함하여 매우 작은 규모로 실행된다. 다양한 리소스 형태와 워크스테이션 사이에서 네트웍 연결에 의해 또한 상술한 바와 같이 네트웍 부품 사이에서 다양한 레벨로 높은 집적 레벨이 제공된다. 이러한 기법은 산업내에서 또는 산업의 일부내에서 비지니스 모델로서 실행되는 것을 인식해야 한다.
이러한 기법을 위한 비지니스 모델 실행은 디스크, 하드 드라이브, 플래시 메모리 등과 같이 하나이상의 메모리 장치 또는 기계판독 가능한 매체에 설치된 소프트웨어를 포함한다. 사용자는 개별적으로 기법을 사용하거나, 또는 네트웍을 통해 특정 사이트, 연결, 서비스, 데이터베이스 등으로의 억세스에 의해 기법을 사용한다. 이와 마찬가지로, 이러한 기법에 기초한 비지니스 모델은 이러한 기법이 과금, 가입, 또는 기타 다른 적절한 베이스에 제공되도록 전개된다.
이러한 비지니스 모델은 상술한 기법의 일부 또는 전부를 위해 사용되며, "모듈형" 베이스에 제공된다. 일실시예에서, 학회는 환자 모집단의 평가, 서비스 및 리소스의 스케쥴링, 환자 상태를 예측하기 위한 모델의 전개, 트레이닝 목적 등을 위하여 서비스를 약속하거나 주문한다. 개인 또는 학회는 각각의 환자 기록 유지보수, 기록의 집적 등을 위하여 서비스를 구매하거나 가입한다. 이러한 기법은 영상 시스템, 워크스테이션, 관리망 등과 같은 기타 다른 장점이나 서비스와 함께 제공된다.
본 기술분야의 숙련자라면 인식할 수 있는 바와 같이, 상술한 기법에 의해 구축된 비니지스 모델은 데이터베이스, 처리 리소스, 데이터, 및 상술한 제어가능하고 규정가능한 리소스와의 상호작용을 허용하거나 촉진시키는 서버, 드라이버, 변환기 등을 포함하여; 광범위한 지지 소프트웨어 및 하드웨어를 사용한다. 보안, 검증, 인터페이싱, 및 데이터의 동기화를 위해 제공하는 지지 성분은 이러한 시스템에 연합되거나, 또는 시스템과 다양한 사용자나 외뢰인 사이에 분포될 수 있다. 서비스에 대한 추적 및 요금청구를 허용하는 모듈을 포함하여, 재무 지지모듈은 이와 유사한 방식으로 연합된다.
상술한 바와 같은 기법들은 부분별 또는 산업별 방식으로 실행될 수 있음을 예측할 수 있다. 따라서, 억세스, 교환, 업로드, 다운로드, 변환, 처리 등을 위해 데이터를 적절히 표준화하거나 태깅하므로써 높은 집적도가 가능하다.
본 발명은 다양한 변형 및 선택적 형태가 가능하지만, 도면에는 예시적으로 특정 실시예가 도시되었으며, 이에 대해 상세하게 서술하였다. 그러나, 본 발명은 서술한 특정 형태에 한정되지 않음을 인식해야 한다. 또한, 본 발명은 하기에 서술되는 청구범위에 의해 한정되는 바와 같이 본 발명의 정신 및 범위내에 속하는 모든 변형과, 등가물과, 대안을 포함한다.

Claims (41)

  1. 의료관련 데이터의 저장소와의 상호작용을 제어하는 방법에 있어서,
    의뢰인의 여러 특징을 나타내는 데이터를 수용하는 단계와,
    의뢰인-특정 인터페이스를 확인하는 데이터를 조사하는 단계와,
    다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스와의 억세스를 위하여, 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 단계를 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  2. 제1항에 있어서, 의뢰인에게 허용된 집적된 지식 베이스와의 억세스 레벨을 확인하기 위하여, 데이터를 조사하는 단계를 부가로 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  3. 제2항에 있어서, 상기 억세스 레벨은 의뢰인이 속하는 등급에 의해 한정되는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  4. 제2항에 있어서, 상기 억세스 레벨은 환자-특정 의료 데이터의 환자 주제에 의해 세팅되는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  5. 제2항에 있어서, 상기 억세스 레벨은 의뢰인에 의해 집적된 지식 베이스로부터 인출될 수 있는 데이터와, 의뢰인으로부터 집적된 지식 베이스에 로딩될 수 있는 데이터를 한정하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  6. 제1항에 있어서, 상기 의뢰인은 진단 영상 시스템인 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  7. 제1항에 있어서, 상기 특징은 의뢰인의 확인을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  8. 제1항에 있어서, 상기 특징은 데이터가 수용되는 시기에 의뢰인에 의해 실행되는 기능을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  9. 제1항에 있어서, 상기 특징은 의뢰인에게 독특한 데이터를 증명하는 단계를 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  10. 의료관련 데이터의 저장소와의 상호작용을 제어하는 방법에 있어서,
    의뢰인의 여러 특징을 나타내는 데이터를 수용하는 단계와,
    의뢰인-특정 인터페이스를 확인하기 위하여, 또한 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스로 의뢰인에게 허용된 억세스 레벨을 확인하기 위하여, 데이터를 조사하는 단계와,
    확인된 레벨로 집적된 지식 베이스와의 억세스를 위하여, 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 단계를 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  11. 제10항에 있어서, 상기 인터페이스와 억세스 레벨은 의뢰인이 속한 등급에 의해 한정되는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  12. 제10항에 있어서, 상기 인터페이스와 억세스 레벨은 환자-특정 의료 데이터의 환자 주제에 의해 세팅되는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  13. 제10항에 있어서, 상기 억세스 레벨은 의뢰인에 의해 집적된 지식 베이스로부터 인출될 수 있는 데이터와, 의뢰인으로부터 집적된 지식 베이스에 로딩될 수 있는 데이터를 한정하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  14. 제10항에 있어서, 상기 의뢰인은 진단 영상 시스템인 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  15. 제10항에 있어서, 상기 특징은 의뢰인의 확인을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  16. 제10항에 있어서, 상기 특징은 데이터가 수용되는 시기에 의뢰인에 의해 실행되는 기능을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  17. 제1항에 있어서, 상기 특징은 의뢰인에게 독특한 데이터를 증명하는 단계를 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  18. 의료관련 데이터의 저장소와의 상호작용을 제어하는 방법에 있어서,
    다수의 의뢰인-특정 비의료 데이터와, 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스와의 다수의 억세스 레벨을 한정하는 단계와,
    의뢰인의 여러 특징을 나타내는 데이터를 수용하는 단계와,
    의뢰인-특정 인터페이스를 확인하고 의뢰인에게 허용된 집적된 지식 베이스와의 억세스 레벨을 확인하기 위하여 데이터를 조사하는 단계와,
    확인된 레벨로 집적된 지식 베이스로의 억세스를 위하여, 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 단계를 포함하며,
    상기 인터페이스 및 억세스 레벨은 환자-특정 의료 데이터의 환자 주제에 의해 세팅되는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  19. 제18항에 있어서, 상기 인터페이스 및 억세스 레벨은 의뢰인이 속한 등급에 의해 한정되는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  20. 제18항에 있어서, 상기 의뢰인-특정 의료 데이터는 의료 진단 영상 시스템으로부터 적어도 부분적으로 유도되는 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  21. 제18항에 있어서, 상기 억세스 레벨은 의뢰인에 의해 집적된 지식 베이스로부터 인출될 수 있는 데이터와, 의뢰인으로부터 집적된 지식 베이스에 로딩될 수 있는 데이터를 한정하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  22. 제18항에 있어서, 상기 의뢰인은 진단 영상 시스템인 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  23. 제18항에 있어서, 상기 특징은 의뢰인의 확인을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  24. 제18항에 있어서, 상기 특징은 데이터가 수용되는 시기에 의뢰인에 의해 실행되는 기능을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  25. 제18항에 있어서, 상기 특징은 의뢰인에게 독특한 데이터를 증명하는 단계를 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어방법.
  26. 의료관련 데이터 저장소와의 상호작용을 제어하는 시스템에 있어서,
    의뢰인의 다수의 특징을 나타내는 데이터를 수용하는 수단과,
    의뢰인-특정 인터페이스를 확인하는 데이터를 조사하는 수단과,
    다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스와의 억세스를 위하여, 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 수단을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  27. 의료관련 데이터 저장소와의 상호작용을 제어하는 시스템에 있어서,
    의뢰인의 다수의 특징을 나타내는 데이터를 수용하는 수단과,
    의뢰인-특정 인터페이스를 확인하기 위하여, 또한 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스로 의뢰인에게 허용된 억세스 레벨을 확인하기 위하여, 데이터를 조사하는 수단과,
    확인된 레벨로 집적된 지식 베이스와의 억세스를 위하여, 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 수단을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  28. 의료관련 데이터 저장소와의 상호작용을 제어하는 시스템에 있어서,
    다수의 의뢰인-특정 비의료 데이터와, 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스와의 다수의 억세스 레벨을 한정하는 수단과,
    의뢰인의 여러 특징을 나타내는 데이터를 수용하는 수단과,
    의뢰인-특정 인터페이스를 확인하고 의뢰인에게 허용된 집적된 지식 베이스와의 억세스 레벨을 확인하기 위하여 데이터를 조사하는 수단과,
    확인된 레벨로 집적된 지식 베이스로의 억세스를 위하여, 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 수단을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  29. 의료관련 데이터 저장소와의 상호작용을 제어하는 시스템에 있어서,
    의료 데이터의 집적된 지식 베이스와,
    의뢰인의 다수의 특징을 나타내는 데이터를 수용하고, 의뢰인 특정 인터페이스와 집적된 지식 베이스로 의뢰인에게 허용된 억세스 레벨을 확인하기 위한 로직 파서를 포함하며,
    상기 지식 베이스는 환자와 직접적으로 상호작용하는 건강관리 제공자에서 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  30. 제29항에 있어서, 상기 로직 파서는 의뢰인이 속한 등급으로 억세스 레벨을 확인하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  31. 제29항에 있어서, 상기 억세스 레벨은 환자-특정 의료 데이터의 환자 주제에 의해 세팅되는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  32. 제29항에 있어서, 상기 억세스 레벨은 의뢰인에 의해 집적된 지식 베이스로부터 인출될 수 있는 데이터와, 의뢰인으로부터 집적된 지식 베이스에 로딩될 수 있는 데이터를 한정하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  33. 제29항에 있어서, 상기 의뢰인은 진단 영상 시스템인 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  34. 제29항에 있어서, 상기 특징은 의뢰인의 확인을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  35. 제1항에 있어서, 상기 특징은 데이터가 수용되는 시기에 의뢰인에 의해 실행되는 기능을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  36. 제29항에 있어서, 상기 특징은 의뢰인에게 독특한 데이터를 증명하는 단계를 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  37. 제29항에 있어서, 상기 집적된 지식 베이스는 다수의 독특한 리소스 형태 및 양식으로부터 유도되는 데이터를 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  38. 제37항에 있어서, 상기 양식은 다수의 의료 진단 영상 양식을 포함하는 것을 특징으로 하는 데이터 저장소와의 상호작용 제어 시스템.
  39. 프로그램을 실행할 수 있는 컴퓨터에 있어서,
    적어도 하나의 장치판독가능한 매체와,
    상기 적어도 하나의 장치판독가능한 매체에 저장되는 컴퓨터 코드를 포함하며,
    상기 컴퓨터 코드는 의뢰인의 다수의 특징을 나타내는 데이터를 수용하기 위한 명령과; 의뢰인-특정 인터페이스를 확인하기 위해 상기 데이터를 조사하는 단계와; 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스와의 억세스를 위하여, 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 단계를 포함하는 것을 특징으로 하는 컴퓨터.
  40. 프로그램을 실행할 수 있는 컴퓨터에 있어서,
    적어도 하나의 장치판독가능한 매체와,
    상기 적어도 하나의 장치판독가능한 매체에 저장되는 컴퓨터 코드를 포함하며,
    상기 컴퓨터 코드는 의뢰인의 다수의 특징을 나타내는 데이터를 수용하기 위한 명령과; 의뢰인-특정 인터페이스를 확인하고, 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스로 의뢰인에게 허용된 억세스 레벨을 확인하기 위하여, 상기 데이터를 조사하는 단계와; 확인된 레벨로 집적된 지식 베이스와의 억세스를 위하여, 상기 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 단계를 포함하는 것을 특징으로 하는 컴퓨터.
  41. 프로그램을 실행할 수 있는 컴퓨터에 있어서,
    적어도 하나의 장치판독가능한 매체와,
    상기 컴퓨터 코드는 다수의 의뢰인 특정 인터페이스와, 다수의 제어가능하고 규정가능한 데이터 리소스로부터 유도된 환자-특정 의료 데이터와 비의료 데이터를 포함하는 집적된 지식 베이스로의 다수의 레벨을 한정하는 명령과; 의뢰인의 다수의 특징을 나타내는 데이터를 수용하는 단계와; 의뢰인-특정 인터페이스를 확인하기 위하여, 또한 의뢰인에게 허용된 집적된 지식 베이스로의 억세스 레벨을 확인하기 위하여, 상기 데이터를 조사하는 단계와; 확인된 레벨로 상기 집적된 지식 베이스로의 억세스를 위하여 의뢰인에게 의뢰인-특정 인터페이스를 제공하는 단계를 포함하는 것을 특징으로 하는 컴퓨터.
KR1020057011138A 2002-12-18 2003-11-17 데이터 저장소와의 상호작용 제어방법 및 제어 시스템과,컴퓨터 KR20050085711A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/323,086 2002-12-18
US10/323,086 US20040122704A1 (en) 2002-12-18 2002-12-18 Integrated medical knowledge base interface system and method

Publications (1)

Publication Number Publication Date
KR20050085711A true KR20050085711A (ko) 2005-08-29

Family

ID=32593107

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020057011138A KR20050085711A (ko) 2002-12-18 2003-11-17 데이터 저장소와의 상호작용 제어방법 및 제어 시스템과,컴퓨터

Country Status (10)

Country Link
US (1) US20040122704A1 (ko)
EP (1) EP1576522A2 (ko)
JP (1) JP2006511881A (ko)
KR (1) KR20050085711A (ko)
CN (1) CN1748218A (ko)
AU (1) AU2003291001A1 (ko)
BR (1) BR0316899A (ko)
CA (1) CA2508565A1 (ko)
MX (1) MXPA05006607A (ko)
WO (1) WO2004061743A2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010128818A2 (ko) * 2009-05-08 2010-11-11 가톨릭대학교 산학협력단 의료영상 처리 시스템 및 처리 방법

Families Citing this family (106)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080147732A1 (en) * 2006-12-13 2008-06-19 Anuthep Benja-Athon Vital hierarchy of data on diseases
US7707046B2 (en) * 2001-10-24 2010-04-27 Qtc Management, Inc. Automated processing of electronic medical data for insurance and disability determinations
US7630911B2 (en) * 2001-10-24 2009-12-08 Qtc Management, Inc. Method of automated processing of medical data for insurance and disability determinations
CN1886730A (zh) * 2003-11-28 2006-12-27 皇家飞利浦电子股份有限公司 应用程序和文件之间的兼容性检查
US9984456B2 (en) * 2004-04-14 2018-05-29 Edda Technology, Inc. Method and system for labeling hepatic vascular structure in interactive liver disease diagnosis
WO2005106474A2 (en) * 2004-04-14 2005-11-10 Edda Technology, Inc. Liver disease diagnosis system, method and graphical user interface
US20060020447A1 (en) * 2004-07-26 2006-01-26 Cousineau Leo E Ontology based method for data capture and knowledge representation
US20060020465A1 (en) * 2004-07-26 2006-01-26 Cousineau Leo E Ontology based system for data capture and knowledge representation
US20060020444A1 (en) * 2004-07-26 2006-01-26 Cousineau Leo E Ontology based medical system for data capture and knowledge representation
US20060020493A1 (en) * 2004-07-26 2006-01-26 Cousineau Leo E Ontology based method for automatically generating healthcare billing codes from a patient encounter
US20060020466A1 (en) * 2004-07-26 2006-01-26 Cousineau Leo E Ontology based medical patient evaluation method for data capture and knowledge representation
JP4622462B2 (ja) * 2004-11-05 2011-02-02 富士ゼロックス株式会社 情報処理システム、情報処理装置、および情報処理方法、並びにコンピュータ・プログラム
US20060136267A1 (en) * 2004-12-22 2006-06-22 Cemer Innovation, Inc. System and method for automatic scheduling based on remote monitoring
US7711671B2 (en) * 2005-05-17 2010-05-04 Meyers Kim C Problem solving process based computing
WO2007010521A2 (en) * 2005-07-18 2007-01-25 Integralis Ltd. Apparatus, method and computer readable code for forecasting the onset of potentially life-threatening disease
JP4777028B2 (ja) * 2005-09-15 2011-09-21 株式会社東芝 読影支援装置、読影支援システム、読影レポートデータ授受方法および読影支援プログラム
US20070106127A1 (en) * 2005-10-11 2007-05-10 Alman Brian M Automated patient monitoring and counseling system
US7885443B2 (en) * 2005-11-14 2011-02-08 Hologic, Inc. Facilitating temporal comparison of medical images
WO2007058395A1 (en) * 2005-11-16 2007-05-24 Medintel Co., Ltd Circular matching system and method of applying insurance application thereof
US7769216B2 (en) * 2005-12-29 2010-08-03 Hologic, Inc. Facilitating comparison of medical images
US20070219829A1 (en) * 2006-03-17 2007-09-20 Kay Lay K Medical record association for disability determinations
US20070244503A1 (en) * 2006-04-14 2007-10-18 Salviac Limited Method for filtering embolic material
WO2007124356A2 (en) * 2006-04-19 2007-11-01 Consumermed, Inc. Methods and systems for providing evidence based evaluations of medical treatments
US20070273517A1 (en) * 2006-05-26 2007-11-29 Navin Govind Apparatus and method for integrated healthcare management
US20080071577A1 (en) * 2006-09-14 2008-03-20 Highley Robert D Dual-access security system for medical records
US8194947B2 (en) * 2006-11-21 2012-06-05 Hologic, Inc. Facilitating comparison of medical images
US8672843B2 (en) * 2006-11-27 2014-03-18 Qtc Management, Inc. Automated protocol for determining psychiatric disability
US20080154637A1 (en) * 2006-12-22 2008-06-26 Capelli Christopher C Methods for risk-adjusted performance analysis
WO2008087331A2 (fr) * 2006-12-29 2008-07-24 France Telecom Procede et dispositif d'adaptation au contexte physique d'une application mettant en oeuvre des mecanismes de securite reconfigurables
US20080183501A1 (en) * 2007-01-31 2008-07-31 General Electric Company System and Method for Automated Categorization of Reference Exams
US20080281631A1 (en) * 2007-04-03 2008-11-13 Syth Linda H Health Information Management System
JP5179773B2 (ja) * 2007-04-13 2013-04-10 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 超音波診断装置
US10201324B2 (en) 2007-05-04 2019-02-12 Delphinus Medical Technologies, Inc. Patient interface system
JPWO2009025022A1 (ja) * 2007-08-20 2010-11-18 コニカミノルタエムジー株式会社 情報処理システム、およびプログラム
US20090119130A1 (en) * 2007-11-05 2009-05-07 Zebadiah Kimmel Method and apparatus for interpreting data
US20090163774A1 (en) * 2007-12-20 2009-06-25 Sudeesh Thatha Managment and Diagnostic System for Patient Monitoring and Symptom Analysis
US8382667B2 (en) * 2010-10-01 2013-02-26 Flint Hills Scientific, Llc Detecting, quantifying, and/or classifying seizures using multimodal data
JP4605252B2 (ja) * 2008-05-21 2011-01-05 富士ゼロックス株式会社 医療情報アクセス制御装置および医療情報アクセス制御プログラム
US20090326340A1 (en) * 2008-06-30 2009-12-31 Hui Wang Patient Monitor Alarm System And Method
US7853459B2 (en) * 2008-08-14 2010-12-14 Qtc Management, Inc. Automated processing of electronic medical data for insurance and disability determinations
US20100049543A1 (en) * 2008-08-22 2010-02-25 Inventec Corporation Health data integration system and the method thereof
US20120016691A1 (en) * 2008-09-30 2012-01-19 Crispian Sievenpiper Automated patient care resource allocation and scheduling
CN102802511B (zh) * 2009-06-12 2015-06-24 联合研究公司 医学治疗假设检验的系统和方法
US20110016427A1 (en) * 2009-07-17 2011-01-20 Andre Gene Douen Systems, Methods and Articles For Managing Presentation of Information
US8863031B2 (en) 2009-07-17 2014-10-14 Andre Gene Douen Systems, methods and articles for managing presentation of information
US8786873B2 (en) 2009-07-20 2014-07-22 General Electric Company Application server for use with a modular imaging system
WO2011013007A2 (en) * 2009-07-29 2011-02-03 Purapharm International (Hk) Limited Ontological information retrieval system
US9144403B2 (en) 2010-02-12 2015-09-29 Delphinus Medical Technologies, Inc. Method of characterizing the pathological response of tissue to a treatment plan
WO2011100697A1 (en) 2010-02-12 2011-08-18 Delphinus Medical Technologies, Inc. Method of characterizing tissue of a patient
EP3435262A1 (en) 2010-03-15 2019-01-30 Singapore Health Services Pte. Ltd. A system for the detection of impending acute cardiopulmonary medical events
WO2011120018A2 (en) * 2010-03-25 2011-09-29 Rice William H Method and system for identifying volatility in medical data
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem
EP3709109B1 (en) * 2010-06-25 2023-08-23 Signify Holding B.V. Controlling the access to a user interface for atmosphere control with an atmosphere creation system
US8666772B2 (en) * 2010-07-12 2014-03-04 Steven J. Kaniadakis Process, system, method creating medical billing code letters, electronic superbill and communication
WO2012094718A1 (en) * 2011-01-14 2012-07-19 Andre Douen Systems, methods and articles for managing presentation of information
US20130132308A1 (en) * 2011-11-22 2013-05-23 Gregory Jensen Boss Enhanced DeepQA in a Medical Environment
EP2613278A2 (en) * 2011-12-05 2013-07-10 Koninklijke Philips Electronics N.V. Retroactive extraction of clinically relevant information from patient sequencing data for clinical decision support
US10692589B2 (en) * 2012-01-20 2020-06-23 Martin Mueller-Wolf “Indima apparatus” system, method and computer program product for individualized and collaborative health care
WO2013119632A1 (en) * 2012-02-07 2013-08-15 Ingber Michael Apparatus and methods for analyzing a medical condition
CN102697511A (zh) * 2012-05-24 2012-10-03 胡明建 体内探测智能针头系统
US9763641B2 (en) 2012-08-30 2017-09-19 Delphinus Medical Technologies, Inc. Method and system for imaging a volume of tissue with tissue boundary detection
US20150220839A1 (en) * 2012-09-07 2015-08-06 Hugh Macnaught Comparison of user experience with experience of larger group
KR20140090448A (ko) * 2013-01-09 2014-07-17 한국전자통신연구원 의료 관리 서버 및 그것의 의료 관리 방법
US20200303074A1 (en) * 2013-01-20 2020-09-24 Martin Mueller-Wolf Individualized and collaborative health care system, method and computer program
CN103070676B (zh) * 2013-02-04 2014-08-27 广州视声电子科技有限公司 监控对象安全状态的获取方法及系统
US9117451B2 (en) * 2013-02-20 2015-08-25 Google Inc. Methods and systems for sharing of adapted voice profiles
CN103181787A (zh) * 2013-02-25 2013-07-03 重庆安碧捷科技股份有限公司 超声三级检诊系统及方法
US9710820B1 (en) 2013-03-04 2017-07-18 Sphere3, LLC Systems and modules for improving patient satisfaction
US10123770B2 (en) 2013-03-13 2018-11-13 Delphinus Medical Technologies, Inc. Patient support system
US9940578B1 (en) 2013-07-10 2018-04-10 Sphere3, LLC Systems and methods for disrupting undesirable outcomes
CN103330554B (zh) * 2013-07-18 2015-05-27 梁亚楠 可穿戴式的人工智能无线物联网安全系统
CN103530727A (zh) * 2013-10-11 2014-01-22 中国人民解放军第九十一中心医院 野战心理防护方舱管理平台系统
CN111337322A (zh) * 2014-04-28 2020-06-26 深圳迈瑞生物医疗电子股份有限公司 涂片制备装置、涂片制备方法
US10285667B2 (en) 2014-08-05 2019-05-14 Delphinus Medical Technologies, Inc. Method for generating an enhanced image of a volume of tissue
WO2016054079A1 (en) 2014-09-29 2016-04-07 Zyomed Corp. Systems and methods for blood glucose and other analyte detection and measurement using collision computing
CN107533586A (zh) 2015-03-23 2018-01-02 私有通道公司 用于加强生物信息学数据隐私和实现生物信息学数据广泛共享的系统、方法和设备
US10043374B2 (en) 2015-12-30 2018-08-07 Lenovo (Beijing) Limited Method, system, and electronic device for monitoring
CN105444815B (zh) * 2015-12-30 2018-07-06 联想(北京)有限公司 一种切换方法、装置、电子设备及应用系统
CN105894088B (zh) * 2016-03-25 2018-06-29 苏州赫博特医疗信息科技有限公司 基于深度学习及分布式语义特征医学信息抽取系统及方法
US9554738B1 (en) 2016-03-30 2017-01-31 Zyomed Corp. Spectroscopic tomography systems and methods for noninvasive detection and measurement of analytes using collision computing
CN106027539A (zh) * 2016-05-30 2016-10-12 成都云材智慧数据科技有限公司 一种材料源数据设备及分布式材料数据搜集系统
CA3071197A1 (en) * 2016-07-26 2018-02-01 Fio Corporation Data quality categorization and utilization system, device, method, and computer-readable medium
JP6801922B2 (ja) * 2017-06-05 2020-12-16 Ｎｅｃソリューションイノベータ株式会社 診療記録管理システム、装置、方法およびプログラム
CN107194197B (zh) * 2017-06-30 2020-07-14 上海芭雅医疗科技股份有限公司 一种用于乳腺诊断分析仪器
CN107845097A (zh) * 2017-12-19 2018-03-27 高建华 一种下肢深静脉血栓磁共振成像方法和装置
WO2019173283A1 (en) 2018-03-05 2019-09-12 Marquette University Method and apparatus for non-invasive hemoglobin level prediction
KR102186539B1 (ko) * 2018-08-01 2020-12-04 원광대학교산학협력단 다기관 연구용 영상 분석 방법 및 이의 시스템
EP3841552B1 (en) * 2018-08-26 2024-10-09 Haemonetics Corporation Health care provider data systems processing and analytics
US11462317B2 (en) * 2018-08-30 2022-10-04 Qvh Systems, Llc Method and system for displaying medical claim information
US20210327584A1 (en) * 2018-10-22 2021-10-21 Koninklijke Philips N.V. Decision support software system for sleep disorder identification
JP7262979B2 (ja) * 2018-11-22 2023-04-24 オムロン株式会社 文書作成装置、方法及びプログラム
WO2021140670A1 (ja) * 2020-01-10 2021-07-15 オリンパス株式会社 情報伝達装置および情報伝達方法
US11310210B2 (en) * 2020-01-17 2022-04-19 International Business Machines Corporation Applying unified governance and integration platform to social media data
US12034748B2 (en) * 2020-02-28 2024-07-09 Electronic Caregiver, Inc. Intelligent platform for real-time precision care plan support during remote care management
US11443845B2 (en) 2020-05-26 2022-09-13 Fujifilm Medical Systems U.S.A., Inc. Systems and methods for storing compressed images
JP7412279B2 (ja) * 2020-06-03 2024-01-12 株式会社日立ハイテク 画像診断方法、画像診断支援装置、及び計算機システム
JP7517427B2 (ja) 2020-07-27 2024-07-17 日本電信電話株式会社 情報処理装置、情報処理方法及びプログラム
KR102478613B1 (ko) * 2020-08-24 2022-12-16 경희대학교 산학협력단 스마트 헬스케어 의사결정 지원 시스템을 위한 진화 가능한 증상-질병 예측 시스템
WO2022040894A1 (en) 2020-08-25 2022-03-03 Citrix Systems, Inc. Context-based notification processing system
CN112201359B (zh) * 2020-09-30 2024-05-03 平安科技（深圳）有限公司 基于人工智能的重症问诊数据识别方法及装置
CA3199016A1 (en) * 2020-11-13 2022-05-19 Bobby CHAWLA System and method for forming auditable electronic health record
US11405457B2 (en) 2020-12-08 2022-08-02 Citrix Systems, Inc. Intelligent file access system
US20220189637A1 (en) * 2020-12-11 2022-06-16 Cerner Innovation, Inc. Automatic early prediction of neurodegenerative diseases
CN113034489B (zh) * 2021-04-16 2022-11-01 南方医科大学第五附属医院 基于深度学习的人工智能鼻窦ct图像处理系统
CN114791956B (zh) * 2022-05-09 2024-06-14 亿景智联(北京)科技有限公司 一种医案知识图谱构建方法及装置
CN118609801B (zh) * 2024-08-07 2024-10-01 四川省医学科学院·四川省人民医院 一种基于临床辅助决策的手术麻醉信息预警方法及系统

Family Cites Families (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3611184C1 (de) * 1986-04-03 1987-09-03 Hirschmann Radiotechnik Verfahren und Vorrichtung zur Raumsicherung
US5019976A (en) * 1987-06-08 1991-05-28 New World Down Hole Tools Method and system for retrieving text associated with a reference image correspondence to a selected patient image
US4945476A (en) * 1988-02-26 1990-07-31 Elsevier Science Publishing Company, Inc. Interactive system and method for creating and editing a knowledge base for use as a computerized aid to the cognitive process of diagnosis
EP0487110B1 (en) * 1990-11-22 1999-10-06 Kabushiki Kaisha Toshiba Computer-aided diagnosis system for medical use
US5200993A (en) * 1991-05-10 1993-04-06 Bell Atlantic Network Services, Inc. Public telephone network including a distributed imaging system
US5384862A (en) * 1992-05-29 1995-01-24 Cimpiter Corporation Radiographic image evaluation apparatus and method
US5537485A (en) * 1992-07-21 1996-07-16 Arch Development Corporation Method for computer-aided detection of clustered microcalcifications from digital mammograms
US6283761B1 (en) * 1992-09-08 2001-09-04 Raymond Anthony Joao Apparatus and method for processing and/or for providing healthcare information and/or healthcare-related information
US5359513A (en) * 1992-11-25 1994-10-25 Arch Development Corporation Method and system for detection of interval change in temporally sequential chest images
EP0616290B1 (en) * 1993-03-01 2003-02-05 Kabushiki Kaisha Toshiba Medical information processing system for supporting diagnosis.
US6574357B2 (en) * 1993-09-29 2003-06-03 Shih-Ping Wang Computer-aided diagnosis method and system
US5452367A (en) * 1993-11-29 1995-09-19 Arch Development Corporation Automated method and system for the segmentation of medical images
US6206829B1 (en) * 1996-07-12 2001-03-27 First Opinion Corporation Computerized medical diagnostic and treatment advice system including network access
US6725209B1 (en) * 1993-12-29 2004-04-20 First Opinion Corporation Computerized medical diagnostic and treatment advice system and method including mental status examination
US5935060A (en) * 1996-07-12 1999-08-10 First Opinion Corporation Computerized medical diagnostic and treatment advice system including list based processing
US6022315A (en) * 1993-12-29 2000-02-08 First Opinion Corporation Computerized medical diagnostic and treatment advice system including network access
US5574828A (en) * 1994-04-28 1996-11-12 Tmrc Expert system for generating guideline-based information tools
US5434932A (en) * 1994-07-28 1995-07-18 West Publishing Company Line alignment apparatus and process
US5519786A (en) * 1994-08-09 1996-05-21 Trw Inc. Method and apparatus for implementing a weighted voting scheme for multiple optical character recognition systems
AU1837495A (en) * 1994-10-13 1996-05-06 Horus Therapeutics, Inc. Computer assisted methods for diagnosing diseases
US5786994A (en) * 1994-11-23 1998-07-28 Imation Corp. Performance monitoring system and method for a laser medical imager
US5790690A (en) * 1995-04-25 1998-08-04 Arch Development Corporation Computer-aided method for automated image feature analysis and diagnosis of medical images
JP2706645B2 (ja) * 1995-12-27 1998-01-28 株式会社亀田医療情報研究所 医療計画支援システム並びに医療計画支援装置及び方法
US6678669B2 (en) * 1996-02-09 2004-01-13 Adeza Biomedical Corporation Method for selecting medical and biochemical diagnostic tests using neural network-related applications
US6108635A (en) * 1996-05-22 2000-08-22 Interleukin Genetics, Inc. Integrated disease information system
US6272481B1 (en) * 1996-05-31 2001-08-07 Lucent Technologies Inc. Hospital-based integrated medical computer system for processing medical and patient information using specialized functional modules
US5815591A (en) * 1996-07-10 1998-09-29 R2 Technology, Inc. Method and apparatus for fast detection of spiculated lesions in digital mammograms
US6173068B1 (en) * 1996-07-29 2001-01-09 Mikos, Ltd. Method and apparatus for recognizing and classifying individuals based on minutiae
US5839438A (en) * 1996-09-10 1998-11-24 Neuralmed, Inc. Computer-based neural network system and method for medical diagnosis and interpretation
US5987345A (en) * 1996-11-29 1999-11-16 Arch Development Corporation Method and system for displaying medical images
JP2815346B2 (ja) * 1997-01-31 1998-10-27 株式会社亀田医療情報研究所 医療計画支援システム
US6234964B1 (en) * 1997-03-13 2001-05-22 First Opinion Corporation Disease management system and method
US6301378B1 (en) * 1997-06-03 2001-10-09 R2 Technology, Inc. Method and apparatus for automated detection of masses in digital mammograms
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
US6317617B1 (en) * 1997-07-25 2001-11-13 Arch Development Corporation Method, computer program product, and system for the automated analysis of lesions in magnetic resonance, mammogram and ultrasound images
US6021404A (en) * 1997-08-18 2000-02-01 Moukheibir; Nabil W. Universal computer assisted diagnosis
US5999639A (en) * 1997-09-04 1999-12-07 Qualia Computing, Inc. Method and system for automated detection of clustered microcalcifications from digital mammograms
US6073042A (en) * 1997-09-25 2000-06-06 Siemens Medical Systems, Inc. Display of three-dimensional MRA images in which arteries can be distinguished from veins
US6049794A (en) * 1997-12-09 2000-04-11 Jacobs; Charles M. System for screening of medical decision making incorporating a knowledge base
CA2233794C (en) * 1998-02-24 2001-02-06 Luc Bessette Method and apparatus for the management of medical files
US6024699A (en) * 1998-03-13 2000-02-15 Healthware Corporation Systems, methods and computer program products for monitoring, diagnosing and treating medical conditions of remotely located patients
US6067373A (en) * 1998-04-02 2000-05-23 Arch Development Corporation Method, system and computer readable medium for iterative image warping prior to temporal subtraction of chest radiographs in the detection of interval changes
EP1025518A2 (en) * 1998-07-24 2000-08-09 Jarg Corporation Distributed computer database system and method for performing object search
US6738499B1 (en) * 1998-11-13 2004-05-18 Arch Development Corporation System for detection of malignancy in pulmonary nodules
US6081267A (en) * 1998-11-19 2000-06-27 Columbia Scientific Incorporated Computerized apparatus and method for displaying X-rays and the like for radiological analysis and manipulation and transmission of data
US7450229B2 (en) * 1999-01-25 2008-11-11 Amnis Corporation Methods for analyzing inter-cellular phenomena
US6801645B1 (en) * 1999-06-23 2004-10-05 Icad, Inc. Computer aided detection of masses and clustered microcalcifications with single and multiple input image context classification strategies
WO2001006468A1 (en) * 1999-07-19 2001-01-25 Datacard Corporation System and method for storing, managing, and retrieving healthcare information on a smart card
CA2381653C (en) * 1999-08-09 2010-10-26 Wake Forest University A method and computer-implemented procedure for creating electronic, multimedia reports
AU2752301A (en) * 1999-11-08 2001-06-06 Medical Online, Inc. Medical information management system
US6440066B1 (en) * 1999-11-16 2002-08-27 Cardiac Intelligence Corporation Automated collection and analysis patient care system and method for ordering and prioritizing multiple health disorders to identify an index disorder
US20020069086A1 (en) * 1999-12-06 2002-06-06 Fracek Stephen P. Web linked database for tracking clinical activities and competencies and evaluation of program resources and program outcomes
AU2001234835A1 (en) * 2000-02-09 2001-08-20 Ernest W. Kinchen Method and system for managing patient medical records
US6383136B1 (en) * 2000-03-06 2002-05-07 Charlyn Jordan Health analysis and forecast of abnormal conditions
US20010039503A1 (en) * 2000-04-28 2001-11-08 Chan Bryan K. Method and system for managing chronic disease and wellness online
US20020016719A1 (en) * 2000-06-19 2002-02-07 Nemeth Louis G. Methods and systems for providing medical data to a third party in accordance with configurable distribution parameters
WO2001099085A1 (en) * 2000-06-20 2001-12-27 Recoverycare.Com, Inc. Electronic patient healthcare system and method
US20020016718A1 (en) * 2000-06-22 2002-02-07 Rothschild Peter A. Medical image management system and method
US6678703B2 (en) * 2000-06-22 2004-01-13 Radvault, Inc. Medical image management system and method
AUPQ842800A0 (en) * 2000-06-28 2000-07-20 Aivision Pty Ltd Flat screen vision testing
WO2002008941A1 (en) * 2000-07-20 2002-01-31 Marchosky J Alexander Patient-controlled automated medical record, diagnosis, and treatment system and method
WO2002021426A1 (en) * 2000-09-07 2002-03-14 Healthetech, Inc. Portable computing apparatus particularly useful in a weight management program
WO2002031704A1 (en) * 2000-10-12 2002-04-18 Iconix Pharmaceuticals, Inc. Interactive correlation of compound information and genomic information
US7024398B2 (en) * 2000-11-02 2006-04-04 Scientific Learning Corporation Computer-implemented methods and apparatus for alleviating abnormal behaviors
US7103205B2 (en) * 2000-11-24 2006-09-05 U-Systems, Inc. Breast cancer screening with ultrasound image overlays
US7556602B2 (en) * 2000-11-24 2009-07-07 U-Systems, Inc. Breast cancer screening with adjunctive ultrasound mammography
WO2002055735A2 (en) * 2000-11-27 2002-07-18 Diadexus Inc Compositions and methods relating to prostate specific genes and proteins
US6934698B2 (en) * 2000-12-20 2005-08-23 Heart Imaging Technologies Llc Medical image management system
US6551243B2 (en) * 2001-01-24 2003-04-22 Siemens Medical Solutions Health Services Corporation System and user interface for use in providing medical information and health care delivery support
US20030199685A1 (en) * 2001-03-12 2003-10-23 Monogen, Inc. Cell-based detection and differentiation of disease states
US7386462B2 (en) * 2001-03-16 2008-06-10 Ge Medical Systems Global Technology Company, Llc Integration of radiology information into an application service provider DICOM image archive and/or web based viewer
WO2002074789A2 (en) * 2001-03-20 2002-09-26 Baylor College Of Medicine Use of monoclonal antibodies and functional assays for prediction of risk of opportunistic infection
US7085693B2 (en) * 2001-06-19 2006-08-01 International Business Machines Corporation Manipulation of electronic media using off-line media
US20030087863A1 (en) * 2001-06-28 2003-05-08 Mount Sinai School Of Medicine Methods for diagnosing and treating a disease mediated by decreased MMP-2 function
US7130457B2 (en) * 2001-07-17 2006-10-31 Accuimage Diagnostics Corp. Systems and graphical user interface for analyzing body images
US7158692B2 (en) * 2001-10-15 2007-01-02 Insightful Corporation System and method for mining quantitive information from medical images
US7054473B1 (en) * 2001-11-21 2006-05-30 R2 Technology, Inc. Method and apparatus for an improved computer aided diagnosis system
US20050207630A1 (en) * 2002-02-15 2005-09-22 The Regents Of The University Of Michigan Technology Management Office Lung nodule detection and classification
US7295691B2 (en) * 2002-05-15 2007-11-13 Ge Medical Systems Global Technology Company, Llc Computer aided diagnosis of an image set
US20040078231A1 (en) * 2002-05-31 2004-04-22 Wilkes Gordon J. System and method for facilitating and administering treatment to a patient, including clinical decision making, order workflow and integration of clinical documentation
US6904118B2 (en) * 2002-07-23 2005-06-07 General Electric Company Method and apparatus for generating a density map using dual-energy CT
US6574304B1 (en) * 2002-09-13 2003-06-03 Ge Medical Systems Global Technology Company, Llc Computer aided acquisition of medical images
US7244230B2 (en) * 2002-11-08 2007-07-17 Siemens Medical Solutions Usa, Inc. Computer aided diagnostic assistance for medical imaging
US20040100476A1 (en) * 2002-11-25 2004-05-27 Morita Mark M. Method and apparatus for viewing computer aided detection and diagnosis results
US6628743B1 (en) * 2002-11-26 2003-09-30 Ge Medical Systems Global Technology Company, Llc Method and apparatus for acquiring and analyzing cardiac data from a patient
US7406150B2 (en) * 2002-11-29 2008-07-29 Hologic, Inc. Distributed architecture for mammographic image acquisition and processing
US6765983B2 (en) * 2002-12-13 2004-07-20 General Electric Company Method and apparatus for imaging a region of dynamic tissue

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010128818A2 (ko) * 2009-05-08 2010-11-11 가톨릭대학교 산학협력단 의료영상 처리 시스템 및 처리 방법
WO2010128818A3 (ko) * 2009-05-08 2011-02-17 가톨릭대학교 산학협력단 의료영상 처리 시스템 및 처리 방법
KR101050769B1 (ko) * 2009-05-08 2011-07-21 가톨릭대학교 산학협력단 의료영상 처리 시스템 및 처리 방법

Also Published As

Publication number Publication date
EP1576522A2 (en) 2005-09-21
JP2006511881A (ja) 2006-04-06
MXPA05006607A (es) 2005-09-30
US20040122704A1 (en) 2004-06-24
WO2004061743A2 (en) 2004-07-22
AU2003291001A1 (en) 2004-07-29
BR0316899A (pt) 2005-10-25
CA2508565A1 (en) 2004-07-22
CN1748218A (zh) 2006-03-15
WO2004061743A3 (en) 2005-05-26

Similar Documents

Publication Publication Date Title
US7490085B2 (en) Computer-assisted data processing system and method incorporating automated learning
US7187790B2 (en) Data processing and feedback method and system
US20040122708A1 (en) Medical data analysis method and apparatus incorporating in vitro test data
US20040122703A1 (en) Medical data operating model development system and method
US20040122707A1 (en) Patient-driven medical data processing system and method
US20040122705A1 (en) Multilevel integrated medical knowledge base system and method
US20040122719A1 (en) Medical resource processing system and method utilizing multiple resource type data
US20040122709A1 (en) Medical procedure prioritization system and method utilizing integrated knowledge base
US20040122787A1 (en) Enhanced computer-assisted medical data processing system and method
US20040122704A1 (en) Integrated medical knowledge base interface system and method
US20040122706A1 (en) Patient data acquisition system and method
US20040122702A1 (en) Medical data processing system and method
US20070118399A1 (en) System and method for integrated learning and understanding of healthcare informatics
Craig et al. Cerebral blood flow correlates of apathy in Alzheimer disease
Kumar et al. Autopsies in children: are they still useful?
Ernst Iridology: not useful and potentially harmful
US20220280104A1 (en) Applying non-real time and non-user attended algorithms to the stored non-imaging data and existing imaging data to obtain a dental diagnosis
Li et al. Artificial intelligence-aided decision support in paediatrics clinical diagnosis: development and future prospects
Mikołajewska et al. From neuroimaging to computational modeling of burnout: The traditional versus the fuzzy approach—A review
Bansal et al. Introduction to computational health informatics
Yazdanian Oncology information system: A qualitative study to identify cancer patient care workflows
Fervers et al. The SOR SAVOIR PATIENT project–an evidence-based patient information and education project
Shah et al. Association between clinic-reported third next available appointment and patient-reported access to primary care
Sicurello Medical informatics and telemedicine: 50 Years of developments
van Bemmel et al. Education and training of medical informatics in the medical curriculum

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid