KR20050085778A - 의료 데이터 처리 방법 및 데이터 처리 시스템 - Google Patents
의료 데이터 처리 방법 및 데이터 처리 시스템 Download PDFInfo
- Publication number
- KR20050085778A KR20050085778A KR1020057011375A KR20057011375A KR20050085778A KR 20050085778 A KR20050085778 A KR 20050085778A KR 1020057011375 A KR1020057011375 A KR 1020057011375A KR 20057011375 A KR20057011375 A KR 20057011375A KR 20050085778 A KR20050085778 A KR 20050085778A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- patient
- resources
- algorithm
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 315
- 238000012545 processing Methods 0.000 title claims description 323
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 236
- 238000004458 analytical method Methods 0.000 claims abstract description 177
- 230000004048 modification Effects 0.000 claims abstract description 22
- 238000012986 modification Methods 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims description 64
- 238000001514 detection method Methods 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 8
- 238000002560 therapeutic procedure Methods 0.000 claims description 6
- 238000012774 diagnostic algorithm Methods 0.000 claims 2
- 238000003672 processing method Methods 0.000 claims 2
- 230000001105 regulatory effect Effects 0.000 claims 2
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 141
- 238000012360 testing method Methods 0.000 description 107
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 81
- 239000000523 sample Substances 0.000 description 80
- 210000001519 tissue Anatomy 0.000 description 72
- 230000008569 process Effects 0.000 description 69
- 201000010099 disease Diseases 0.000 description 67
- 238000011282 treatment Methods 0.000 description 59
- 230000005855 radiation Effects 0.000 description 47
- 230000003993 interaction Effects 0.000 description 43
- 238000003745 diagnosis Methods 0.000 description 41
- 230000018109 developmental process Effects 0.000 description 40
- 238000011161 development Methods 0.000 description 39
- 210000004369 blood Anatomy 0.000 description 37
- 239000008280 blood Substances 0.000 description 37
- 210000004027 cell Anatomy 0.000 description 37
- 239000003814 drug Substances 0.000 description 37
- 229940079593 drug Drugs 0.000 description 35
- 230000000694 effects Effects 0.000 description 32
- 108090000623 proteins and genes Proteins 0.000 description 32
- 239000000463 material Substances 0.000 description 30
- 238000010586 diagram Methods 0.000 description 29
- 230000002123 temporal effect Effects 0.000 description 28
- 206010028980 Neoplasm Diseases 0.000 description 25
- 230000006378 damage Effects 0.000 description 25
- 230000000977 initiatory effect Effects 0.000 description 24
- 238000012549 training Methods 0.000 description 24
- 238000012795 verification Methods 0.000 description 24
- 230000002159 abnormal effect Effects 0.000 description 23
- 239000000126 substance Substances 0.000 description 23
- 102000004190 Enzymes Human genes 0.000 description 21
- 108090000790 Enzymes Proteins 0.000 description 21
- 230000027455 binding Effects 0.000 description 21
- 210000003205 muscle Anatomy 0.000 description 21
- 210000002700 urine Anatomy 0.000 description 21
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 20
- 238000013528 artificial neural network Methods 0.000 description 20
- 201000011510 cancer Diseases 0.000 description 20
- 230000010354 integration Effects 0.000 description 20
- 208000024891 symptom Diseases 0.000 description 20
- 238000007726 management method Methods 0.000 description 19
- 210000000056 organ Anatomy 0.000 description 19
- 210000002966 serum Anatomy 0.000 description 18
- 238000002591 computed tomography Methods 0.000 description 16
- 238000003556 assay Methods 0.000 description 15
- 239000010408 film Substances 0.000 description 15
- 230000002068 genetic effect Effects 0.000 description 15
- 230000036541 health Effects 0.000 description 15
- 210000004185 liver Anatomy 0.000 description 15
- 210000005036 nerve Anatomy 0.000 description 15
- 230000004044 response Effects 0.000 description 15
- 230000008901 benefit Effects 0.000 description 14
- 210000001124 body fluid Anatomy 0.000 description 14
- 210000004556 brain Anatomy 0.000 description 14
- 208000035475 disorder Diseases 0.000 description 14
- 239000000427 antigen Substances 0.000 description 13
- 108091007433 antigens Proteins 0.000 description 13
- 102000036639 antigens Human genes 0.000 description 13
- 239000010839 body fluid Substances 0.000 description 13
- 210000002216 heart Anatomy 0.000 description 13
- 208000015181 infectious disease Diseases 0.000 description 13
- 210000000265 leukocyte Anatomy 0.000 description 13
- 238000005259 measurement Methods 0.000 description 13
- 230000007170 pathology Effects 0.000 description 13
- 238000002360 preparation method Methods 0.000 description 13
- 102000004169 proteins and genes Human genes 0.000 description 13
- 241000894006 Bacteria Species 0.000 description 12
- 238000013480 data collection Methods 0.000 description 12
- 230000006698 induction Effects 0.000 description 12
- 239000000203 mixture Substances 0.000 description 12
- 238000013459 approach Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 11
- 238000007405 data analysis Methods 0.000 description 11
- 210000003743 erythrocyte Anatomy 0.000 description 11
- 239000005556 hormone Substances 0.000 description 11
- 229940088597 hormone Drugs 0.000 description 11
- 235000018102 proteins Nutrition 0.000 description 11
- 108020003175 receptors Proteins 0.000 description 11
- 102000005962 receptors Human genes 0.000 description 11
- 230000009471 action Effects 0.000 description 10
- 238000002565 electrocardiography Methods 0.000 description 10
- 238000000537 electroencephalography Methods 0.000 description 10
- 238000002600 positron emission tomography Methods 0.000 description 10
- 230000002285 radioactive effect Effects 0.000 description 10
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 9
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 9
- 108020004414 DNA Proteins 0.000 description 9
- 238000002965 ELISA Methods 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 9
- 210000000038 chest Anatomy 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 239000011521 glass Substances 0.000 description 9
- 208000019423 liver disease Diseases 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 102000001554 Hemoglobins Human genes 0.000 description 8
- 108010054147 Hemoglobins Proteins 0.000 description 8
- 208000027418 Wounds and injury Diseases 0.000 description 8
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 8
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 8
- 238000004587 chromatography analysis Methods 0.000 description 8
- 230000004424 eye movement Effects 0.000 description 8
- 239000012530 fluid Substances 0.000 description 8
- 230000037406 food intake Effects 0.000 description 8
- 238000000338 in vitro Methods 0.000 description 8
- 210000003734 kidney Anatomy 0.000 description 8
- 210000004072 lung Anatomy 0.000 description 8
- 230000008520 organization Effects 0.000 description 8
- 238000003127 radioimmunoassay Methods 0.000 description 8
- 238000012552 review Methods 0.000 description 8
- 230000001225 therapeutic effect Effects 0.000 description 8
- 230000005526 G1 to G0 transition Effects 0.000 description 7
- 206010054107 Nodule Diseases 0.000 description 7
- 239000000090 biomarker Substances 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000009223 counseling Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 235000013305 food Nutrition 0.000 description 7
- 235000012631 food intake Nutrition 0.000 description 7
- 238000007901 in situ hybridization Methods 0.000 description 7
- 238000001727 in vivo Methods 0.000 description 7
- 208000014674 injury Diseases 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 238000003752 polymerase chain reaction Methods 0.000 description 7
- 238000004393 prognosis Methods 0.000 description 7
- 210000003296 saliva Anatomy 0.000 description 7
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 6
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 6
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 6
- 206010061218 Inflammation Diseases 0.000 description 6
- 230000006978 adaptation Effects 0.000 description 6
- 230000033228 biological regulation Effects 0.000 description 6
- 210000000988 bone and bone Anatomy 0.000 description 6
- 230000000747 cardiac effect Effects 0.000 description 6
- 238000007418 data mining Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 239000008103 glucose Substances 0.000 description 6
- 210000003128 head Anatomy 0.000 description 6
- 208000006454 hepatitis Diseases 0.000 description 6
- 231100000283 hepatitis Toxicity 0.000 description 6
- 210000002865 immune cell Anatomy 0.000 description 6
- 238000003018 immunoassay Methods 0.000 description 6
- 230000004054 inflammatory process Effects 0.000 description 6
- 150000002500 ions Chemical class 0.000 description 6
- 238000009607 mammography Methods 0.000 description 6
- 238000000746 purification Methods 0.000 description 6
- 239000012857 radioactive material Substances 0.000 description 6
- 239000002287 radioligand Substances 0.000 description 6
- 239000012217 radiopharmaceutical Substances 0.000 description 6
- 229940121896 radiopharmaceutical Drugs 0.000 description 6
- 230000002799 radiopharmaceutical effect Effects 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 239000012925 reference material Substances 0.000 description 6
- 230000001172 regenerating effect Effects 0.000 description 6
- 238000000926 separation method Methods 0.000 description 6
- 238000001356 surgical procedure Methods 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 108700028369 Alleles Proteins 0.000 description 5
- 238000009534 blood test Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000013170 computed tomography imaging Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000001493 electron microscopy Methods 0.000 description 5
- 230000002496 gastric effect Effects 0.000 description 5
- 210000000987 immune system Anatomy 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000007774 longterm Effects 0.000 description 5
- 230000003211 malignant effect Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000003340 mental effect Effects 0.000 description 5
- 239000002207 metabolite Substances 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000007474 system interaction Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 4
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 4
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 4
- 206010006187 Breast cancer Diseases 0.000 description 4
- 208000026310 Breast neoplasm Diseases 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 206010067125 Liver injury Diseases 0.000 description 4
- 241000700605 Viruses Species 0.000 description 4
- 238000001467 acupuncture Methods 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000740 bleeding effect Effects 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 4
- 238000004820 blood count Methods 0.000 description 4
- 210000001772 blood platelet Anatomy 0.000 description 4
- 230000007177 brain activity Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 235000012000 cholesterol Nutrition 0.000 description 4
- 230000009137 competitive binding Effects 0.000 description 4
- 239000013078 crystal Substances 0.000 description 4
- 238000013523 data management Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 208000002173 dizziness Diseases 0.000 description 4
- 238000002593 electrical impedance tomography Methods 0.000 description 4
- 231100000234 hepatic damage Toxicity 0.000 description 4
- 229910052740 iodine Inorganic materials 0.000 description 4
- 239000011630 iodine Substances 0.000 description 4
- 150000002576 ketones Chemical class 0.000 description 4
- 230000003907 kidney function Effects 0.000 description 4
- 210000002414 leg Anatomy 0.000 description 4
- 239000003446 ligand Substances 0.000 description 4
- 230000008818 liver damage Effects 0.000 description 4
- 239000000696 magnetic material Substances 0.000 description 4
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 4
- 210000004940 nucleus Anatomy 0.000 description 4
- 230000000474 nursing effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 229910052713 technetium Inorganic materials 0.000 description 4
- GKLVYJBZJHMRIY-UHFFFAOYSA-N technetium atom Chemical compound [Tc] GKLVYJBZJHMRIY-UHFFFAOYSA-N 0.000 description 4
- 238000012731 temporal analysis Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 108010082126 Alanine transaminase Proteins 0.000 description 3
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 3
- 206010019837 Hepatocellular injury Diseases 0.000 description 3
- 206010020751 Hypersensitivity Diseases 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 208000016604 Lyme disease Diseases 0.000 description 3
- 244000061176 Nicotiana tabacum Species 0.000 description 3
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 3
- 206010052428 Wound Diseases 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 239000005557 antagonist Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000037396 body weight Effects 0.000 description 3
- 229910052796 boron Inorganic materials 0.000 description 3
- 210000000349 chromosome Anatomy 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- VZFRNCSOCOPNDB-UHFFFAOYSA-N domoic acid Natural products OC(=O)C(C)C=CC=C(C)C1CNC(C(O)=O)C1CC(O)=O VZFRNCSOCOPNDB-UHFFFAOYSA-N 0.000 description 3
- 239000000975 dye Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 210000002683 foot Anatomy 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 239000003163 gonadal steroid hormone Substances 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 238000007489 histopathology method Methods 0.000 description 3
- 229960004801 imipramine Drugs 0.000 description 3
- BCGWQEUPMDMJNV-UHFFFAOYSA-N imipramine Chemical compound C1CC2=CC=CC=C2N(CCCN(C)C)C2=CC=CC=C21 BCGWQEUPMDMJNV-UHFFFAOYSA-N 0.000 description 3
- 208000000509 infertility Diseases 0.000 description 3
- 230000036512 infertility Effects 0.000 description 3
- 231100000535 infertility Toxicity 0.000 description 3
- VZFRNCSOCOPNDB-OXYNIABMSA-N isodomoic acid D Natural products CC(C=C/C=C(/C)C1CNC(C1CC(=O)O)C(=O)O)C(=O)O VZFRNCSOCOPNDB-OXYNIABMSA-N 0.000 description 3
- 208000017169 kidney disease Diseases 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 231100000849 liver cell damage Toxicity 0.000 description 3
- 210000001165 lymph node Anatomy 0.000 description 3
- 210000004698 lymphocyte Anatomy 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000000386 microscopy Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000035935 pregnancy Effects 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- 210000001685 thyroid gland Anatomy 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000002054 transplantation Methods 0.000 description 3
- 230000003612 virological effect Effects 0.000 description 3
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 2
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 2
- 108010088751 Albumins Proteins 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 2
- 102100023635 Alpha-fetoprotein Human genes 0.000 description 2
- 241000242757 Anthozoa Species 0.000 description 2
- 208000003174 Brain Neoplasms Diseases 0.000 description 2
- 235000014653 Carica parviflora Nutrition 0.000 description 2
- 208000020401 Depressive disease Diseases 0.000 description 2
- 238000008789 Direct Bilirubin Methods 0.000 description 2
- 241000588724 Escherichia coli Species 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 206010016654 Fibrosis Diseases 0.000 description 2
- 102000018899 Glutamate Receptors Human genes 0.000 description 2
- 108010027915 Glutamate Receptors Proteins 0.000 description 2
- 206010018612 Gonorrhoea Diseases 0.000 description 2
- 102100028972 HLA class I histocompatibility antigen, A alpha chain Human genes 0.000 description 2
- 108010075704 HLA-A Antigens Proteins 0.000 description 2
- 206010061598 Immunodeficiency Diseases 0.000 description 2
- 208000029462 Immunodeficiency disease Diseases 0.000 description 2
- 108700018351 Major Histocompatibility Complex Proteins 0.000 description 2
- 108020004711 Nucleic Acid Probes Proteins 0.000 description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 description 2
- 206010033645 Pancreatitis Diseases 0.000 description 2
- 208000037581 Persistent Infection Diseases 0.000 description 2
- 208000010366 Postpoliomyelitis syndrome Diseases 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- RJKFOVLPORLFTN-LEKSSAKUSA-N Progesterone Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)C)[C@@]1(C)CC2 RJKFOVLPORLFTN-LEKSSAKUSA-N 0.000 description 2
- 108010072866 Prostate-Specific Antigen Proteins 0.000 description 2
- 102100038358 Prostate-specific antigen Human genes 0.000 description 2
- 206010056342 Pulmonary mass Diseases 0.000 description 2
- MUMGGOZAMZWBJJ-DYKIIFRCSA-N Testostosterone Chemical compound O=C1CC[C@]2(C)[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 MUMGGOZAMZWBJJ-DYKIIFRCSA-N 0.000 description 2
- 238000008050 Total Bilirubin Reagent Methods 0.000 description 2
- 229940123445 Tricyclic antidepressant Drugs 0.000 description 2
- NIJJYAXOARWZEE-UHFFFAOYSA-N Valproic acid Chemical compound CCCC(C(O)=O)CCC NIJJYAXOARWZEE-UHFFFAOYSA-N 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- -1 alkaline Proteins 0.000 description 2
- 230000000172 allergic effect Effects 0.000 description 2
- 230000007815 allergy Effects 0.000 description 2
- 108010026331 alpha-Fetoproteins Proteins 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 2
- 208000007502 anemia Diseases 0.000 description 2
- 239000001961 anticonvulsive agent Substances 0.000 description 2
- 239000010425 asbestos Substances 0.000 description 2
- 208000010668 atopic eczema Diseases 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 238000009227 behaviour therapy Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 239000012472 biological sample Substances 0.000 description 2
- 229960002685 biotin Drugs 0.000 description 2
- 235000020958 biotin Nutrition 0.000 description 2
- 239000011616 biotin Substances 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 210000003756 cervix mucus Anatomy 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 201000001883 cholelithiasis Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000004087 circulation Effects 0.000 description 2
- 230000007882 cirrhosis Effects 0.000 description 2
- 208000019425 cirrhosis of liver Diseases 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000015271 coagulation Effects 0.000 description 2
- 238000005345 coagulation Methods 0.000 description 2
- 210000001072 colon Anatomy 0.000 description 2
- 208000029742 colonic neoplasm Diseases 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 210000003979 eosinophil Anatomy 0.000 description 2
- 206010015037 epilepsy Diseases 0.000 description 2
- 239000003822 epoxy resin Substances 0.000 description 2
- 210000003527 eukaryotic cell Anatomy 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 208000001130 gallstones Diseases 0.000 description 2
- 208000001786 gonorrhea Diseases 0.000 description 2
- 210000000224 granular leucocyte Anatomy 0.000 description 2
- 210000003494 hepatocyte Anatomy 0.000 description 2
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 2
- 206010020718 hyperplasia Diseases 0.000 description 2
- 230000007813 immunodeficiency Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002458 infectious effect Effects 0.000 description 2
- 230000002757 inflammatory effect Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 239000002085 irritant Substances 0.000 description 2
- 231100000021 irritant Toxicity 0.000 description 2
- 201000006370 kidney failure Diseases 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000009593 lumbar puncture Methods 0.000 description 2
- 210000004379 membrane Anatomy 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000007431 microscopic evaluation Methods 0.000 description 2
- 210000003097 mucus Anatomy 0.000 description 2
- 210000004165 myocardium Anatomy 0.000 description 2
- 230000007830 nerve conduction Effects 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 239000002858 neurotransmitter agent Substances 0.000 description 2
- 210000000440 neutrophil Anatomy 0.000 description 2
- 239000002853 nucleic acid probe Substances 0.000 description 2
- 150000007523 nucleic acids Chemical group 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 206010029864 nystagmus Diseases 0.000 description 2
- 235000019645 odor Nutrition 0.000 description 2
- 238000000399 optical microscopy Methods 0.000 description 2
- 230000016087 ovulation Effects 0.000 description 2
- 238000002559 palpation Methods 0.000 description 2
- 244000045947 parasite Species 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 210000003800 pharynx Anatomy 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 229920000647 polyepoxide Polymers 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 210000002307 prostate Anatomy 0.000 description 2
- 238000001671 psychotherapy Methods 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 239000013558 reference substance Substances 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 229910052895 riebeckite Inorganic materials 0.000 description 2
- 210000003079 salivary gland Anatomy 0.000 description 2
- 238000005464 sample preparation method Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 210000000278 spinal cord Anatomy 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 230000020382 suppression by virus of host antigen processing and presentation of peptide antigen via MHC class I Effects 0.000 description 2
- 238000011477 surgical intervention Methods 0.000 description 2
- ZFXYFBGIUFBOJW-UHFFFAOYSA-N theophylline Chemical compound O=C1N(C)C(=O)N(C)C2=C1NC=N2 ZFXYFBGIUFBOJW-UHFFFAOYSA-N 0.000 description 2
- 229940126585 therapeutic drug Drugs 0.000 description 2
- 210000000515 tooth Anatomy 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 210000003437 trachea Anatomy 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- 239000003029 tricyclic antidepressant agent Substances 0.000 description 2
- 239000000107 tumor biomarker Substances 0.000 description 2
- 230000005740 tumor formation Effects 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 210000005253 yeast cell Anatomy 0.000 description 2
- DNXHEGUUPJUMQT-UHFFFAOYSA-N (+)-estrone Natural products OC1=CC=C2C3CCC(C)(C(CC4)=O)C4C3CCC2=C1 DNXHEGUUPJUMQT-UHFFFAOYSA-N 0.000 description 1
- PROQIPRRNZUXQM-UHFFFAOYSA-N (16alpha,17betaOH)-Estra-1,3,5(10)-triene-3,16,17-triol Natural products OC1=CC=C2C3CCC(C)(C(C(O)C4)O)C4C3CCC2=C1 PROQIPRRNZUXQM-UHFFFAOYSA-N 0.000 description 1
- SCJLWMXOOYZBTH-BTVQFETGSA-N (2s,3s,4s,5r,6s)-6-[3-[2-[[3-[3-[(2s,3r,4s,5s,6s)-6-carboxy-3,4,5-trihydroxyoxan-2-yl]oxy-3-oxopropyl]-5-[(z)-(3-ethenyl-4-methyl-5-oxopyrrol-2-ylidene)methyl]-4-methyl-1h-pyrrol-2-yl]methyl]-5-[(z)-(4-ethenyl-3-methyl-5-oxopyrrol-2-ylidene)methyl]-4-meth Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(=O)O[C@H]2[C@@H]([C@@H](O)[C@H](O)[C@H](O2)C(O)=O)O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(=O)O[C@H]2[C@@H]([C@@H](O)[C@H](O)[C@H](O2)C(O)=O)O)N1 SCJLWMXOOYZBTH-BTVQFETGSA-N 0.000 description 1
- KPZGRMZPZLOPBS-UHFFFAOYSA-N 1,3-dichloro-2,2-bis(chloromethyl)propane Chemical compound ClCC(CCl)(CCl)CCl KPZGRMZPZLOPBS-UHFFFAOYSA-N 0.000 description 1
- 102000004400 Aminopeptidases Human genes 0.000 description 1
- 108090000915 Aminopeptidases Proteins 0.000 description 1
- 208000000044 Amnesia Diseases 0.000 description 1
- 239000004382 Amylase Substances 0.000 description 1
- 102000013142 Amylases Human genes 0.000 description 1
- 108010065511 Amylases Proteins 0.000 description 1
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 206010003011 Appendicitis Diseases 0.000 description 1
- 206010056375 Bile duct obstruction Diseases 0.000 description 1
- 206010005042 Bladder fibrosis Diseases 0.000 description 1
- 102000015081 Blood Coagulation Factors Human genes 0.000 description 1
- 108010039209 Blood Coagulation Factors Proteins 0.000 description 1
- 102000004506 Blood Proteins Human genes 0.000 description 1
- 108010017384 Blood Proteins Proteins 0.000 description 1
- 208000020084 Bone disease Diseases 0.000 description 1
- 208000007204 Brain death Diseases 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 206010006272 Breast mass Diseases 0.000 description 1
- 208000004434 Calcinosis Diseases 0.000 description 1
- 241000282465 Canis Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010048610 Cardiotoxicity Diseases 0.000 description 1
- 229910052684 Cerium Inorganic materials 0.000 description 1
- 241000606161 Chlamydia Species 0.000 description 1
- 208000007190 Chlamydia Infections Diseases 0.000 description 1
- 206010008635 Cholestasis Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010009944 Colon cancer Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 108020004635 Complementary DNA Proteins 0.000 description 1
- 208000034656 Contusions Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 241001137251 Corvidae Species 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 240000004244 Cucurbita moschata Species 0.000 description 1
- 235000009854 Cucurbita moschata Nutrition 0.000 description 1
- 235000009852 Cucurbita pepo Nutrition 0.000 description 1
- 102000053602 DNA Human genes 0.000 description 1
- 239000003298 DNA probe Substances 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 206010013710 Drug interaction Diseases 0.000 description 1
- 208000008967 Enuresis Diseases 0.000 description 1
- 206010015251 Erythroblastosis foetalis Diseases 0.000 description 1
- DNXHEGUUPJUMQT-CBZIJGRNSA-N Estrone Chemical compound OC1=CC=C2[C@H]3CC[C@](C)(C(CC4)=O)[C@@H]4[C@@H]3CCC2=C1 DNXHEGUUPJUMQT-CBZIJGRNSA-N 0.000 description 1
- 241000206602 Eukaryota Species 0.000 description 1
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 1
- 101710107035 Gamma-glutamyltranspeptidase Proteins 0.000 description 1
- 208000018522 Gastrointestinal disease Diseases 0.000 description 1
- 241000224467 Giardia intestinalis Species 0.000 description 1
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 description 1
- 101710173228 Glutathione hydrolase proenzyme Proteins 0.000 description 1
- 102100028976 HLA class I histocompatibility antigen, B alpha chain Human genes 0.000 description 1
- 102100028971 HLA class I histocompatibility antigen, C alpha chain Human genes 0.000 description 1
- 102000025850 HLA-A2 Antigen Human genes 0.000 description 1
- 108010074032 HLA-A2 Antigen Proteins 0.000 description 1
- 108010058607 HLA-B Antigens Proteins 0.000 description 1
- 108010052199 HLA-C Antigens Proteins 0.000 description 1
- 108010016121 HLA-C*05 antigen Proteins 0.000 description 1
- 102000009485 HLA-D Antigens Human genes 0.000 description 1
- 108010048896 HLA-D Antigens Proteins 0.000 description 1
- 102000006354 HLA-DR Antigens Human genes 0.000 description 1
- 108010058597 HLA-DR Antigens Proteins 0.000 description 1
- 206010018910 Haemolysis Diseases 0.000 description 1
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000000857 Hepatic Insufficiency Diseases 0.000 description 1
- 206010019663 Hepatic failure Diseases 0.000 description 1
- 206010019909 Hernia Diseases 0.000 description 1
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010020850 Hyperthyroidism Diseases 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 1
- 108010044467 Isoenzymes Proteins 0.000 description 1
- 206010023126 Jaundice Diseases 0.000 description 1
- 206010023129 Jaundice cholestatic Diseases 0.000 description 1
- 206010023379 Ketoacidosis Diseases 0.000 description 1
- 208000007976 Ketosis Diseases 0.000 description 1
- 208000000913 Kidney Calculi Diseases 0.000 description 1
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 description 1
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 1
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 1
- ROHFNLRQFUQHCH-YFKPBYRVSA-N L-leucine Chemical compound CC(C)C[C@H](N)C(O)=O ROHFNLRQFUQHCH-YFKPBYRVSA-N 0.000 description 1
- ROHFNLRQFUQHCH-UHFFFAOYSA-N Leucine Natural products CC(C)CC(N)C(O)=O ROHFNLRQFUQHCH-UHFFFAOYSA-N 0.000 description 1
- 102000004882 Lipase Human genes 0.000 description 1
- 108090001060 Lipase Proteins 0.000 description 1
- 239000004367 Lipase Substances 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 208000007466 Male Infertility Diseases 0.000 description 1
- 241001503485 Mammuthus Species 0.000 description 1
- YJPIGAIKUZMOQA-UHFFFAOYSA-N Melatonin Natural products COC1=CC=C2N(C(C)=O)C=C(CCN)C2=C1 YJPIGAIKUZMOQA-UHFFFAOYSA-N 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 201000009906 Meningitis Diseases 0.000 description 1
- 208000005647 Mumps Diseases 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 238000011887 Necropsy Methods 0.000 description 1
- 229930193140 Neomycin Natural products 0.000 description 1
- 206010029148 Nephrolithiasis Diseases 0.000 description 1
- 208000028389 Nerve injury Diseases 0.000 description 1
- PHVGLTMQBUFIQQ-UHFFFAOYSA-N Nortryptiline Chemical compound C1CC2=CC=CC=C2C(=CCCNC)C2=CC=CC=C21 PHVGLTMQBUFIQQ-UHFFFAOYSA-N 0.000 description 1
- 201000005267 Obstructive Jaundice Diseases 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000002944 PCR assay Methods 0.000 description 1
- 238000012879 PET imaging Methods 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 208000013612 Parathyroid disease Diseases 0.000 description 1
- 102000005877 Peptide Initiation Factors Human genes 0.000 description 1
- 108010044843 Peptide Initiation Factors Proteins 0.000 description 1
- 239000004264 Petrolatum Substances 0.000 description 1
- CXOFVDLJLONNDW-UHFFFAOYSA-N Phenytoin Chemical compound N1C(=O)NC(=O)C1(C=1C=CC=CC=1)C1=CC=CC=C1 CXOFVDLJLONNDW-UHFFFAOYSA-N 0.000 description 1
- 102000045595 Phosphoprotein Phosphatases Human genes 0.000 description 1
- 108700019535 Phosphoprotein Phosphatases Proteins 0.000 description 1
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 108010094028 Prothrombin Proteins 0.000 description 1
- 102100027378 Prothrombin Human genes 0.000 description 1
- 206010037180 Psychiatric symptoms Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 108020004518 RNA Probes Proteins 0.000 description 1
- 239000003391 RNA probe Substances 0.000 description 1
- 102100030086 Receptor tyrosine-protein kinase erbB-2 Human genes 0.000 description 1
- 101710100968 Receptor tyrosine-protein kinase erbB-2 Proteins 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 102000007562 Serum Albumin Human genes 0.000 description 1
- 108010071390 Serum Albumin Proteins 0.000 description 1
- 108020004682 Single-Stranded DNA Proteins 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 241000287181 Sturnus vulgaris Species 0.000 description 1
- 208000022292 Tay-Sachs disease Diseases 0.000 description 1
- 239000004098 Tetracycline Substances 0.000 description 1
- 208000024770 Thyroid neoplasm Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- 206010048937 Vaginal lesion Diseases 0.000 description 1
- 206010047141 Vasodilatation Diseases 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- PNDPGZBMCMUPRI-XXSWNUTMSA-N [125I][125I] Chemical compound [125I][125I] PNDPGZBMCMUPRI-XXSWNUTMSA-N 0.000 description 1
- XVJDTQZXSXIZKV-UHFFFAOYSA-N [Ce].[Ca] Chemical compound [Ce].[Ca] XVJDTQZXSXIZKV-UHFFFAOYSA-N 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000004598 abnormal eye movement Effects 0.000 description 1
- 230000007488 abnormal function Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000035508 accumulation Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005377 adsorption chromatography Methods 0.000 description 1
- 238000001042 affinity chromatography Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 239000000556 agonist Substances 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 235000001014 amino acid Nutrition 0.000 description 1
- 229940024606 amino acid Drugs 0.000 description 1
- 239000003282 amino acid receptor affecting agent Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 235000019418 amylase Nutrition 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000033115 angiogenesis Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 210000000436 anus Anatomy 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 238000007486 appendectomy Methods 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 210000000617 arm Anatomy 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000011888 autopsy Methods 0.000 description 1
- 210000003651 basophil Anatomy 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 239000013060 biological fluid Substances 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 239000003114 blood coagulation factor Substances 0.000 description 1
- 230000036765 blood level Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000002725 brachytherapy Methods 0.000 description 1
- 230000005821 brain abnormality Effects 0.000 description 1
- 230000006931 brain damage Effects 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 238000000339 bright-field microscopy Methods 0.000 description 1
- 229940124630 bronchodilator Drugs 0.000 description 1
- 238000010804 cDNA synthesis Methods 0.000 description 1
- 229910052792 caesium Inorganic materials 0.000 description 1
- TVFDJXOCXUVLDH-UHFFFAOYSA-N caesium atom Chemical compound [Cs] TVFDJXOCXUVLDH-UHFFFAOYSA-N 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 229960000623 carbamazepine Drugs 0.000 description 1
- FFGPTBGBLSHEPO-UHFFFAOYSA-N carbamazepine Chemical compound C1=CC2=CC=CC=C2N(C(=O)N)C2=CC=CC=C21 FFGPTBGBLSHEPO-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000000496 cardiotonic agent Substances 0.000 description 1
- 231100000259 cardiotoxicity Toxicity 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- GWXLDORMOJMVQZ-UHFFFAOYSA-N cerium Chemical compound [Ce] GWXLDORMOJMVQZ-UHFFFAOYSA-N 0.000 description 1
- VYLVYHXQOHJDJL-UHFFFAOYSA-K cerium trichloride Chemical compound Cl[Ce](Cl)Cl VYLVYHXQOHJDJL-UHFFFAOYSA-K 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 238000013375 chromatographic separation Methods 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 210000001953 common bile duct Anatomy 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 239000002299 complementary DNA Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 229940109239 creatinine Drugs 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 230000002380 cytological effect Effects 0.000 description 1
- 238000001446 dark-field microscopy Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- FMGSKLZLMKYGDP-USOAJAOKSA-N dehydroepiandrosterone Chemical compound C1[C@@H](O)CC[C@]2(C)[C@H]3CC[C@](C)(C(CC4)=O)[C@@H]4[C@@H]3CC=C21 FMGSKLZLMKYGDP-USOAJAOKSA-N 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000000502 dialysis Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000008242 dietary patterns Nutrition 0.000 description 1
- 235000020979 dietary recommendations Nutrition 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 229940079920 digestives acid preparations Drugs 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- VZFRNCSOCOPNDB-AJKFJWDBSA-N domoic acid Chemical compound OC(=O)[C@@H](C)\C=C\C=C(/C)[C@H]1CN[C@H](C(O)=O)[C@H]1CC(O)=O VZFRNCSOCOPNDB-AJKFJWDBSA-N 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 238000009510 drug design Methods 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 229940126534 drug product Drugs 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 210000003027 ear inner Anatomy 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 238000002569 electronystagmography Methods 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 206010014599 encephalitis Diseases 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229960001348 estriol Drugs 0.000 description 1
- PROQIPRRNZUXQM-ZXXIGWHRSA-N estriol Chemical compound OC1=CC=C2[C@H]3CC[C@](C)([C@H]([C@H](O)C4)O)[C@@H]4[C@@H]3CCC2=C1 PROQIPRRNZUXQM-ZXXIGWHRSA-N 0.000 description 1
- 229960003399 estrone Drugs 0.000 description 1
- 235000019441 ethanol Nutrition 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002270 exclusion chromatography Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 208000021045 exocrine pancreatic carcinoma Diseases 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 208000001031 fetal erythroblastosis Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002875 fluorescence polarization Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 102000006640 gamma-Glutamyltransferase Human genes 0.000 description 1
- 238000002695 general anesthesia Methods 0.000 description 1
- 238000012812 general test Methods 0.000 description 1
- 210000004392 genitalia Anatomy 0.000 description 1
- 238000012268 genome sequencing Methods 0.000 description 1
- 229940085435 giardia lamblia Drugs 0.000 description 1
- 229930182480 glucuronide Natural products 0.000 description 1
- 150000008134 glucuronides Chemical class 0.000 description 1
- 235000013922 glutamic acid Nutrition 0.000 description 1
- 239000004220 glutamic acid Substances 0.000 description 1
- 210000004013 groin Anatomy 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005534 hematocrit Methods 0.000 description 1
- 230000008588 hemolysis Effects 0.000 description 1
- 230000002440 hepatic effect Effects 0.000 description 1
- 208000005252 hepatitis A Diseases 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 230000002962 histologic effect Effects 0.000 description 1
- 238000002657 hormone replacement therapy Methods 0.000 description 1
- 229960000890 hydrocortisone Drugs 0.000 description 1
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 description 1
- 230000009610 hypersensitivity Effects 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 208000003532 hypothyroidism Diseases 0.000 description 1
- 230000002989 hypothyroidism Effects 0.000 description 1
- 230000028993 immune response Effects 0.000 description 1
- 230000000899 immune system response Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 229940027941 immunoglobulin g Drugs 0.000 description 1
- 238000011532 immunohistochemical staining Methods 0.000 description 1
- 239000003547 immunosorbent Substances 0.000 description 1
- 210000004969 inflammatory cell Anatomy 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 208000028774 intestinal disease Diseases 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 1
- 229940044173 iodine-125 Drugs 0.000 description 1
- 238000004255 ion exchange chromatography Methods 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 229910052741 iridium Inorganic materials 0.000 description 1
- GKOZUEZYRPOHIO-UHFFFAOYSA-N iridium atom Chemical compound [Ir] GKOZUEZYRPOHIO-UHFFFAOYSA-N 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 210000001847 jaw Anatomy 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 235000019421 lipase Nutrition 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 150000002642 lithium compounds Chemical class 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 230000005976 liver dysfunction Effects 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 238000007449 liver function test Methods 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 210000002540 macrophage Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 201000005857 malignant hypertension Diseases 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- 229960003987 melatonin Drugs 0.000 description 1
- DRLFMBDRBRZALE-UHFFFAOYSA-N melatonin Chemical compound COC1=CC=C2NC=C(CCNC(C)=O)C2=C1 DRLFMBDRBRZALE-UHFFFAOYSA-N 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 230000006984 memory degeneration Effects 0.000 description 1
- 208000023060 memory loss Diseases 0.000 description 1
- 230000009245 menopause Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 108020004999 messenger RNA Proteins 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 210000000865 mononuclear phagocyte system Anatomy 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 201000006417 multiple sclerosis Diseases 0.000 description 1
- 208000010805 mumps infectious disease Diseases 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 210000002346 musculoskeletal system Anatomy 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 229960004927 neomycin Drugs 0.000 description 1
- 230000008764 nerve damage Effects 0.000 description 1
- 210000004126 nerve fiber Anatomy 0.000 description 1
- 210000000944 nerve tissue Anatomy 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 238000010984 neurological examination Methods 0.000 description 1
- 230000008906 neuronal response Effects 0.000 description 1
- 150000002823 nitrates Chemical class 0.000 description 1
- 239000000820 nonprescription drug Substances 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 229960001158 nortriptyline Drugs 0.000 description 1
- 238000012633 nuclear imaging Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 231100000862 numbness Toxicity 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 210000003254 palate Anatomy 0.000 description 1
- 208000008443 pancreatic carcinoma Diseases 0.000 description 1
- 230000000849 parathyroid Effects 0.000 description 1
- 210000004738 parenchymal cell Anatomy 0.000 description 1
- 239000004031 partial agonist Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000004810 partition chromatography Methods 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 210000003516 pericardium Anatomy 0.000 description 1
- 210000001428 peripheral nervous system Anatomy 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 235000019271 petrolatum Nutrition 0.000 description 1
- 229940066842 petrolatum Drugs 0.000 description 1
- 239000000825 pharmaceutical preparation Substances 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 238000002135 phase contrast microscopy Methods 0.000 description 1
- 229960002695 phenobarbital Drugs 0.000 description 1
- DDBREPKUVSBGFI-UHFFFAOYSA-N phenobarbital Chemical compound C=1C=CC=CC=1C1(CC)C(=O)NC(=O)NC1=O DDBREPKUVSBGFI-UHFFFAOYSA-N 0.000 description 1
- 229960002036 phenytoin Drugs 0.000 description 1
- SMKQIOCKGHFKQZ-UHFFFAOYSA-N phosphanylidynecerium Chemical compound [Ce]#P SMKQIOCKGHFKQZ-UHFFFAOYSA-N 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000019612 pigmentation Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 229910001414 potassium ion Inorganic materials 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 239000000955 prescription drug Substances 0.000 description 1
- 229960002393 primidone Drugs 0.000 description 1
- DQMZLTXERSFNPB-UHFFFAOYSA-N primidone Chemical compound C=1C=CC=CC=1C1(CC)C(=O)NCNC1=O DQMZLTXERSFNPB-UHFFFAOYSA-N 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 239000000186 progesterone Substances 0.000 description 1
- 229960003387 progesterone Drugs 0.000 description 1
- 210000004908 prostatic fluid Anatomy 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000000159 protein binding assay Methods 0.000 description 1
- 229940039716 prothrombin Drugs 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000008262 pumice Substances 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000000163 radioactive labelling Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 210000000664 rectum Anatomy 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000010340 saliva test Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 210000004706 scrotum Anatomy 0.000 description 1
- 230000003248 secreting effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 238000009612 semen analysis Methods 0.000 description 1
- 230000037152 sensory function Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000009589 serological test Methods 0.000 description 1
- 238000002633 shock therapy Methods 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 238000011120 smear test Methods 0.000 description 1
- 210000002460 smooth muscle Anatomy 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910001415 sodium ion Inorganic materials 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 208000020431 spinal cord injury Diseases 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 235000020354 squash Nutrition 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 150000003431 steroids Chemical class 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 229960003604 testosterone Drugs 0.000 description 1
- 229960002180 tetracycline Drugs 0.000 description 1
- 229930101283 tetracycline Natural products 0.000 description 1
- 235000019364 tetracycline Nutrition 0.000 description 1
- 150000003522 tetracyclines Chemical class 0.000 description 1
- 229960000278 theophylline Drugs 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 201000002510 thyroid cancer Diseases 0.000 description 1
- 230000000451 tissue damage Effects 0.000 description 1
- 231100000827 tissue damage Toxicity 0.000 description 1
- 210000002105 tongue Anatomy 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 108700012359 toxins Proteins 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
- 229960000604 valproic acid Drugs 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/384—Recording apparatus or displays specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
- A61B5/395—Details of stimulation, e.g. nerve stimulation to elicit EMG response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- 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
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Cardiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
컴퓨터 보조 데이터 동작 알고리즘(22: 462-478)의 성능을 강화하는 기법이 제공된다. 의료 데이터에 대한 제어가능 및 규정가능 자원(40)으로부터의 데이터는 특정 동작 알고리즘에 따라 액세스 및 분석된다. 그 후, 동일 또는 상이한 알고리즘인 동작 알고리즘이, 분석에 근거하여 변형된다. 알고리즘은 상이한 자원 유형 또는 양식으로부터의 데이터에 대해 동작할 수 있다. 변형된 알고리즘의 다양한 서브모듈에 영향을 미치는 변형이 수행(496)될 수 있다. 그러한 변형은 글로벌 기반, 집단 특정적 기반, 환자 특정적 기반 등으로 수행될 수 있다.
Description
전반적으로, 본 발명은 의료 데이터 처리, 획득 및 분석의 분야에 관한 것이다. 특히, 본 발명은 진단, 치료에 관련된 결정을 통지하기 위해 광범위한 이용가능 의료 데이터를 얻고, 또한 데이터를 처리, 획득 및 분석하는 기법에 관한 것이다.
의료 분야에서, 환자의 상태에 대해 알고, 치료하기 위해 이용가능한 여러 가지 상이한 툴들이 존재한다. 전통적으로, 의사는 환자를 물리적으로 검사하고, 수 년간의 연구로부터 수집된 개인 지식의 광대한 어레이를 얻어서, 환자가 겪고 있는 문제점 및 상태를 식별하여, 적절한 치료법을 결정할 것이다. 전통적으로, 지원 정보의 소스는 다른 종사자, 참조 책 및 매뉴얼, 비교적 간단한 검사 결과 및 분석 등을 포함한다. 과거 10년 동안, 특히 최근에, 또다른 참조 물질의 넓은 어레이가 종사자에게 이용가능하게 되어, 이용가능한 자원을 크게 확장시키고, 환자 간호를 개선 및 향상시키게 되었다.
진단 자원들 중에서, 의사 및 다른 간병인에게 현재 이용가능한 것은, 처방되고 제어될 수 있는 자원 뿐만 아니라 정보의 데이터베이스이다. 데이터베이스는, 다소 통상적인 참조 라이브러리이며, 많은 소스로부터 이용가능하게 알려져 있으며, 의사에게, 가능한 질병 상태에 대한 상세 정보, 그러한 상태를 인식하는 방법에 관한 정보 및 그러한 상태의 치료법을 수 초 이내에 제공한다. 물론, 유사한 참조 물질이, 약품의 상호 작용, 질병 및 의료 사건에 대한 경향 등과 같은 고려 사항을 식별하는데 이용가능하다. 이들 참조 물질 중 어떤 것은 간호 제공자에게 무료로 이용가능하고, 다른 것은 가입(subscription) 또는 공동 멤버쉽과 전형적으로 관련된다.
잠재적인 환자 상태 및 의료 사건을 조사하고, 잠재적인 의료 문제의 소스를 지적하기 위해 규정 및 제어될 수 있는 특정 데이터 획득 기법이 또한 알려져 있다. 전통적인 처방가능 데이터 소스는 간단한 혈액 테스트, 소변 테스트, 물리적 검사의 수기된 결과 등을 포함한다. 최근 수 십년 동안, 신체의 시스템의 동작 및, 어느 정도 까지는, 상황 및 자극에 대한 시스템의 반응을 검출 및 기록하는 다양한 유형의 전기적 데이터 획득을 포함하는 보다 정교한 기법이 개발되어 왔다. 보다 정교한 시스템이 개발되어 왔는데, 그것은 그러한 시스템이 개발되기 전에는 수술의 개입을 통해서만 보여지고 분석될 수 있었던 내부 특징을 포함하는 신체의 화상을 제공하고, 소정의 다른 방법으로는 볼 수 없었던 다른 특징 및 기능을 보고 분석하는 것을 가능하게 한다. 이들 모든 기법은 의사에게 이용가능한 광대한 자원의 어레이에 부가되어, 의료 간호의 품질을 크게 향상시켰다.
의료 관련 정보의 소스에 있어서의 극적인 증가 및 향상에도 불구하고, 테스트 및 데이터의 처방 및 분석, 의료 사건의 진단 및 치료는 여전히, 훈련된 간호 제공자의 전문적 지식에 크게 의존한다. 사람의 경험에 의해 제공된 입력 및 판단은 그러한 상황에서 대체되지 않을 것이며, 대체되어서는 않된다. 그러나, 의료 정보의 소스가 더 향상되고, 통합될 필요가 있다. 다소 자동화된 형태로 통지된 진단 및 분석을 허용하면서 시도가 있었지만, 이들 시도는 신속하고 효율적인 환자 간호에서 가장 유용한 통합 및 상관의 레벨에 접근하지는 못했다.
특징 식별 및 분류 알고리즘에 근거하여 의료 데이터를 분석하기 위해, 증가하는 수의 응용들이 개발되고 있다. 그러나, 그러한 알고리즘은, 알고리즘에서 전형적으로 수행된 분석의 매우 특정한 본질로 인해, 그리고 분석을 위해 액세스가능한 정보의 제한된 양으로 인해, 오늘날에는 제한된 정도로만 이용되고 있다. 오늘날, 그러한 알고리즘은 특정의 질병 및 촬상 양식으로 상당히 제한된다. 그러한 활동은 때때로, 이용가능한 데이터의 주기적인 분석에 근거하여 인간 프로그래머에 의해 수행된 특정 프로그램 및 프로젝트를 필요로 한다는 점에서, 알고리즘의 추가의 강화 및 향상에는 문제가 있다. 오늘날에는, 데이터 또는 관계가 이용가능해지거나 식별됨에 따라, 그러한 알고리즘을 변형하기 위해, 자동화된 기법이 이용가능하지 않다.
따라서, 보다 융통성이 있고, 모든 레벨에서 프로그래머로부터의 개입을 필요로 하지 않는, 의료 데이터 처리 알고리즘의 성능을 향상시키기 위한 기법이 필요하다. 또한, 그러한 알고리즘이, 모든 데이터세트를 갖는 응용에 대해서 뿐만 아니라, 집단 특정적, 환자 특정적, 질병 특정적 및 유사한 기반으로 변형되도록 허용하는 기법이 필요하다.
발명의 개요
본 발명은 그러한 필요성에 응하도록 설계된 기법을 제공한다. 본 기법의 하나의 양상에 따르면, 제 1 유형의 제어가능 및 규정가능 데이터 자원으로부터의 데이터가 자동으로 액세스되는, 의료 데이터를 처리하는 방법이 제공된다. 그 후, 자동화된 컴퓨터 보조 데이터 동작 알고리즘이, 제 1 유형과는 상이한 제 2 유형의 제어가능 및 규정가능 데이터 자원에 대해 액세스된다. 그 후, 액세스된 데이터에 근거하여, 알고리즘이 변형된다.
또한, 본 발명은 제 1 제어가능 및 규정가능 데이터 자원으로부터의 제 1 세트의 데이터가 제 1 시점에서 액세스되는, 의료 데이터 처리를 위한 방법을 제공한다. 그 후, 자동화된 컴퓨터 보조 데이터 동작 알고리즘이 자원에 대해 액세스되고, 컴퓨터 보조 데이터 동작 알고리즘의 동작시에, 액세스된 데이터에 근거하여 제어가능 및 규정가능 데이터 자원으로부터 제 2 시점에서 획득된 제 2 세트의 데이터에 대해 변형된다.
본 발명의 다른 양상에 따르면, 제 1 양식의 제어가능 및 규정가능 데이터 자원으로부터의 데이터가 자동으로 액세스되는, 의료 데이터 처리를 위한 방법이 제공된다. 그 후, 자동화된 컴퓨터 보조 데이터 동작 알고리즘이, 제 1 양식과는 상이한 제 2 양식의 제어가능 및 규정가능 데이터 자원에 대해 액세스된다. 그 후, 컴퓨터 보조 동작 알고리즘의 동작이, 액세스된 데이터에 근거하여 변형된다.
또한, 그러한 처리를 수행하기 위한 시스템 및 컴퓨터 프로그램이 제공된다.
본 발명은 그러한 향상된 간호를 제공하기 위한, 의료 데이터의 처리를 위한 신규한 기법을 제공한다. 이 기법은 통합 지식 베이스에 포함되는 것으로 고려될 수 있는 완전한 범위의 이용가능한 의료 데이터를 얻을 수 있다. 통합 지식 베이스 그 자체는 소정의 데이터 자원 및 다른 제어가능 및 규정가능한 자원으로, 분석적으로 세분될 수 있다. 데이터 자원은 환자 특정적, 집단 특정적, 상태 특정적이거나, 또는 물리적 요인, 유전적 요인, 재정 및 경제적 요인 등을 포함하는 임의의 수의 요인의 그룹인 데이터베이스와 같은 것을 포함할 수 있다. 제어가능 및 규정가능한 자원은 전기적 시스템, 촬상 시스템, 환자 및 조직의 사람 및 기계 분석에 근거한 시스템과 같은 임의의 이용가능한 의료 데이터 획득 시스템을 포함할 수 있다. 그러한 데이터에 근거하여, 일반적 처리 시스템을 정의하는 컴퓨터 시스템들 중 하나 또는 그 네트워크에 의해 실행된 루틴이 잠재적인 의료 사건을 식별 및 진단할 수 있다. 더욱이, 처리 시스템은 단일의 시간 주기 동안의 추가적이거나 상이한 유형의 데이터, 또는 확장된 시간 주기 동안의 동일 또는 상이한 유형의 데이터를 포함하는 제거가능 및 규정가능한 자원으로부터의 추가적인 데이터 획득을 규정할 수 있다.
논리 엔진에 대해 이용가능한 의료 데이터의 분석은 여러 가지 목적을 위해 이용될 수 있는데, 그 첫 번째는 의료 사건의 진단 및 치료를 위한 것이다. 따라서, 환자 간호는 질병 상태, 의료 상태, 장래의 상태 및 사건에 대한 경향 등의 보다 신속하고 통지된 식별에 의해 향상될 수 있다. 더욱이, 시스템은 최고의 우선 순위 또는 중요성을 갖는 의료 사건 또는 상태와 같은 그러한 요인에 근거하여, 보다 신속하고, 통지되고, 타겟으로 되고, 효율적인 데이터 획득을 허용한다. 그러나, 시스템은 다른 용도로도 가능하다. 예를 들어, 시간에 걸쳐 프로그램되거나 또는 얻어진 지식에 근거하여, 시스템은 종사자의 기술을 연마하기 위한 유용한 훈련 툴을 제공한다. 마찬가지로, 시스템은 가장 지식이 있는 간호 제공자 및 가장 적절한 정보 수집 시스템이 단순히 이용가능하지 않는 영역 또는 상환에서 고품질의 의료 간호를 제공시에 커다란 편리성을 제공한다.
간단히, 본 기법은 본 기술 분야에서 현재 가능한 데이터 자원과 규정가능 및 제거가능한 자원의 가장 높은 레벨의 통합을 제공하는 것으로 믿어진다. 이러한 시스템은 단지 소정 유형의 자원만을 통합하는 것과 같은 보다 제한된 형태로, 데이터 획득 및 분석만의 목적을 위해 구현될 수 있다. 그러나, 그러한 상황에서도, 본 시스템은 소프트웨어, 펌웨어 또는 하드웨어 모듈을 포함시키는 것에 의해, 또는 처리 시스템에 의해 수행된 분석에서의 다른 데이터 소스에 대한 그들의 상관과 함께 추가적이거나 또는 상이한 데이터 소스의 연결에 의해 더 확장될 수 있다. 결과적인 시스템은, 의료 사건 및 상태의 식별 및 처리시에, 의료 데이터의 현존 및 심지어 미래의 소스와 함께, 훌륭하고 매우 유용한 연결 도구를, 숙련된 종사자에게 뿐만 아니라, 덜 숙련된 임상 의학자에게 제공한다. 이 시스템은 원하는 매우 특정적인 상태 및 사건을 목표로 하는 데에도 더 이용될 수 있다.
본 발명의 상기 및 다른 이점 및 특징은, 도면을 참조한 이하의 상세한 설명으로부터 명백해질 것이다.
도 1은 본 기법의 양상에 따른, 컴퓨터 보조 의료 데이터 처리 시스템내에서의 소정의 예시적인 기능적 구성 요소 및 그러한 구성 요소들 사이의 데이터 흐름에 대한 일반적인 개략도이다.
도 2는 도 1에 일반적으로 도시된 유형의 데이터 처리 시스템의 소정의 예시적인 구성 요소의 개략도이다.
도 3은 도 1의 시스템에서 이용된 지식 베이스의 일부를 형성할 수 있는 소정의 예시적인 데이터 자원의 개략도이다.
도 4는 도 1에 도시된 유형의 시스템에서 이용될 수 있는 소정의 예시적인 제어가능 및 규정가능한 자원의 개략도이다.
도 5는 본 기법의 양상에 따른, 데이터 처리 시스템에 포함될 수 있는 소정의 모듈 뿐만 아니라, 제어가능 및 규정가능한 자원내의 예시적인 모듈에 대한 일반적인 개략도이다.
도 6은 소정의 유형내에서의, 소정의 시간 주기 동안의 다양한 양식의 자원의 이용가능성을 도시하는, 소정의 규정가능 및 제어가능한 데이터 자원의 전체 구조에 대한 개략도이다.
도 7은 소정의 시간 주기 동안의, 도 6에 도시된 바와 같은 소정의 데이터 자원 유형들 사이의 정보 흐름 및 추가적인 데이터 획득, 처리 및 분석의 분석 및 규정을 위해 데이터 처리 시스템내로 정보가 결합될 수 있는 방법에 대한 개략도이다.
도 8은 유형에 의해 구성된 예시적인 규정가능 및 제어가능한 의료 데이터 자원의 범위 및 유형내의 다양한 양식의 자원을 나타내는 표를 도시한다.
도 9는 신체 기능 및 상태를 나타내는 전기적 데이터를 획득하기 위한 다양한 일반적인 구성 요소 또는 모듈을 포함할 수 있는, 도 8에 언급된 바와 같은 전형적인 예시적인 전기적 데이터 자원에 대한 일반적인 개략도이다.
도 10은 도 9에 언급된 규정가능 및 제어가능한 자원 중 하나와 같은 의료 진단 촬상 시스템의 소정의 기능적 구성 요소에 대한 일반적인 개략도이다.
도 11은 본 기법의 소정의 양상에 따라 이용될 수 있는 예시적인 X선 촬상 시스템의 개략도이다.
도 12는 본 기법에서 이용될 수 있는 예시적인 자기 공명 촬상 시스템의 개략도이다.
도 13은 본 기법에서 이용하기 위한 예시적인 컴퓨터 단층 촬상 시스템의 개략도이다.
도 14는 본 기법에서 이용하기 위한 예시적인 양전자 방사 단층 시스템의 개략도이다.
도 15는 본 기법의 양상에 따른, 지식 베이스를 형성 및 구성하는데 이용될 수 있는 예시적인 신경망 시스템의 개략도이다.
도 16은 지식 베이스를 프로그램 및 구성하는데 마찬가지로 이용될 수 있는 전문 시스템의 개략도이다.
도 17은 연합 데이터베이스, 통합 지식 베이스, 데이터 처리 시스템와 일련의 임상 의학자로부터 정보를 획득하여 출력을 위한 정보를 제공하는 비연합 인터페이스층 사이의 상호 작용을 도시하는, 본 기법에 따른 시스템의 소정의 구성 요소에 대한 개략도이다.
도 18은 본 기법에 의해 형성된 자원 및 지식 베이스로부터의 정보를 획득, 분석 및 출력하기 위해 다양한 방법으로 개시될 수 있는 일련의 처리 스트링의 개략적인 흐름도이다.
도 19는 환자 상호 작용에 의한 환자 정보를 획득하고, 시스템 인터액티브 기능을 수행하고, 환자 및 임상 의학자를 포함하는 사용자에 대한 정보를 출력하기 위해, 시간에 걸쳐 발생될 수 있는 소정의 사건 및 처리의 개략적인 흐름도이다.
도 20은 통합 지식 베이스에 대한 사용자 액세스를 정제하고, 통합 지식 베이스와의 상호 작용을 위한 사용자 특정적 인터페이스를 정의하기 위해 이용가능한 소정의 구성 요소 및 기능의 개략도이다.
도 21은 본 기법의 양상으로 구현된 클러스터된 아키텍처에서의 레벨들의 개략도이다.
도 22는 도 21의 아키텍처의 상이한 레벨들에서 수행된 다양한 기능을 도시하는 흐름도이다.
도 23은 환자 관리 통합 기록 시스템에서의 구성 요소 및 처리를 도시하는 흐름도이다.
도 24는 예측 모델 개발 시스템에서의 예시적인 구성 요소 및 단계를 도시하는 흐름도이다.
도 25는 도 24에 도시된 유형의 예측 모델 개발 모듈에서 수행된 기능을 도시하는 흐름도이다.
도 26은 컴퓨터 보조 알고리즘 및 의료 전문가를 정제 또는 훈련시키는 기법을 도시하는 흐름도이다.
도 27은 생체 조건밖 샘플 처리 및 분석을 위한 처리 단계들을 도시하는 흐름도이다.
도 28은 본 기법의 양상에 따른, 하나 이상의 CAX 알고리즘을 포함하는 CAX 시스템의 개략도이다.
도 29는 도 28의 CAX 알고리즘 및 그러한 알고리즘에 의해 이용된 기능 및 오퍼레이터의 개략도이다.
도 30은 상태 및 상황의 범위를 평가하기 위해, CAX 알고리즘을 병렬 및/또는 직렬로 구현하는 방안의 개략도이다.
도 31은 구현된 CAX 알고리즘들 중 하나로서 기능할 수 있는 컴퓨터 보조 액세스 알고리즘의 개략도이다.
이제, 도면 중에서 도 1을 먼저 참조하면, 컴퓨터 보조 의료 데이터 교환 시스템(2)이 개략적으로 도시된다. 시스템(2)은 도 1에서 참조 번호(6)로 표기된 바와 같은 간호 제공자에게 이용가능한 데이터의 관리를 용이하게 함으로써, 고품질의 의료 간호를 환자(4)에게 제공하도록 설계된다. 전형적으로, 간호 제공자는 의사, 방사선 의사, 외과 의사, 간호사, 임상 의학자, 다양한 전문가 등을 돕는 것을 포함한다. 그러나, 현재의 문맥에 있어서 임상 의학자에 대한 일반적인 참조가 수행되지만, 간호 제공자는 사무 직원, 보험 회사, 교사 및 학생 등을 포함할 수 있음을 알아야 한다.
도 1에 도시된 시스템은 임상 의학자가 데이터 처리 시스템(10)과 데이터를 교환하도록 하는 인터페이스(8)를 제공한다. 인터페이스 및 데이터 처리 시스템과, 그들의 기능 뿐만 아니라, 시스템과 임상 의학자 사이에 교환될 수 있는 정보의 유형에 관해서 더 기술될 것이다. 도 1에 도시된 바와 같이, 데이터 처리 시스템(10)은 통합 지식 베이스(12) 및 연합 데이터베이스(14)에 연결된다. 시스템(10) 및 연합 데이터베이스(14)는, 참조 번호(18)에 의해 일반적으로 지정되는 데이터 자원의 범위로부터 데이터를 얻는다. 연합 데이터베이스(14)는 소프트웨어 기반일 수 있으며, 이하에 기술된 바와 같은 다양한 자원으로부터 정보를 얻고, 그러한 정보의 액세스를 조정 또는 변형하는 데이터 액세스 툴을 포함한다. 일반적으로, 연합 데이터베이스는 미처리(raw) 데이터를 이용가능한 형태로 통일시킬 것이다. 임의의 적절한 형태가 이용될 수 있고, 원하는 경우, HTML(hypertext markup language), XML(extended markup language), DICOM(Digital Imaging and Communications in Medicine), HL7(Health Level Seven?) 등을 포함하는 다수의 형태가 이용될 수 있다. 현재의 문맥에서, 통합 지식 베이스(12)는 데이터 처리 시스템에 의해 처리될 수 있고, 원하는 의료 간호를 제공하기 위해 임상 의학자에게 이용가능하게 만들어질 수 있는 임의의 유형 및 모든 유형의 이용가능한 의료 데이터를 포함하는 것으로 고려된다. 가장 간단한 구현에 있어서, 자원(18)은 촬상 시스템, 또는 보다 통상적인 데이터 추출 기법(예를 들면, 환자 또는 간호 제공자에 의해 완성된 형태)과 같은 의료 데이터의 단일 소스를 포함할 수 있다. 그러나, 자원은 이하에 보다 상세히 기술되는 바와 같이, 보다 많은 다양화된 유형의 데이터를 포함할 수 있다. 일반적으로, 자원 및 지식 베이스내의 데이터는 디지털화되어 저장됨으로써, 연합 데이터베이스 및 데이터 처리 시스템에 의한 추출 및 분석을 위해 이용가능한 데이터를 만든다. 따라서, 보다 통상적인 데이터 수집 자원이 이용되는 경우에도, 데이터가, 데이터 처리 시스템에 의해 수행된 다양한 유형의 분석에서 식별 및 조작되도록 허용하는 형태로 위치된다.
본 명세서에서 이용된 바와 같이, "통합 지식 베이스"라는 용어는 넓은 의미에서 의료 관련 데이터의 하나 이상의 저장소와, 저장소들 사이의 인터페이스 및 번역기와, 분석, 진단, 보고, 디스플레이 및 다른 기능을 포함하는 원하는 동작을 수핸하는 처리 능력을 포함하는 것으로 의도된다. 데이터 그 자체는, 개인, 기계, 시스템 등에 관해서는, 비환자 특정적 정보 뿐만 아니라 환자 특정적 특성과 관련될 수 있다. 더욱이, 저장소는 데이터를 저장하는데 전념하는 시스템, 또는 촬상 시스템과 같은 전혀 다른 시스템의 일부인 메모리 장치를 포함할 수 있다. 전술한 바와 같이, 통합 지식 베이스를 형성하는 저장소 및 처리 자원은 확장가능하며, 전형적으로 전용 또는 개방 네트워크 링크에 의해 연결되는 임의의 수의 위치에 물리적으로 상주할 수 있다. 더욱이, 통합 지식 베이스에 포함된 데이터는 임상 데이터(즉, 환자 상태에 특히 관련된 데이터) 및 비임상 데이터 둘다를 포함할 수 있다. 비임상 데이터는 (기관 또는 공급자에서의) 재정적 자원, 물리적 자원, 인적 자원 등을 나타내는 데이터를 포함할 수 있다.
도 1에서 화살표에 의해 나타낸 정보 흐름은, 이하에 더 상세히 기술된 바와 같이, 정보 교환을 위한 넓은 범위의 유형 및 전달 수단을 포함할 수 있다. 일반적으로, 환자(4)는 전화, 이메일, 폼(form) 등에 의해 원격적으로 뿐만 아니라, 통상적인 임상 방문을 통해 임상 의학자(6)와 인터페이스할 수 있다. 또한, 환자(4)는 통상적인 환자 히스토리 폼, 촬상 시스템에 대한 인터페이스, 조직 샘플, 체액을 수집 및 분석하기 위한 시스템 등을 포함할 수 있는 환자 데이터 획득 인터페이스(16)의 범위를 통해 자원(18)의 요소들과 상호 작용할 수 있다. 임상 의학자(6)와 인터페이스(8) 사이의 상호 작용은, 전형적으로 인터페이스의 본성에 의존하는, 임의의 적절한 형태를 취할 수 있다. 따라서, 임상 의학자는 키보드, 컴퓨터 마우스, 터치 스크린, 휴대용 또는 원격 입력 및 보고 장치와 같은 통상적인 입력 장치를 통해 데이터 처리 시스템(10)과 상호 작용할 수 있다. 더욱이, 인터페이스(8), 데이터 처리 시스템(10), 지식 베이스(12), 연합 데이터베이스(14) 및 자원(18) 사이의 연결은 이하에 보다 완전히 기술될 것이지만, 전형적으로 컴퓨터 데이터 교환 상호 접속, 네트워크 접속, LAN(local area network), WAN(wide area network), 전용 네트워크, 가상 개인 네트워크 등을 포함할 수 있다.
일반적으로 도 1에 주지된 바와 같이, 다양한 자원, 데이터베이스, 및 처리 구성 요소의 데이터 처리 및 상호 접속은 크게 변할 수 있다. 예를 들어, 도 1은 연합 데이터베이스를, 데이터 처리 시스템(10) 및 자원(18) 둘다에 연결된 것으로서 도시한다. 그러한 구성은 연합 데이터베이스, 및 그 내부에 포함된 소프트웨어가, 요구시에 데이터 처리 시스템(10)에 정보를 제공하면서, 다양한 자원으로부터의 정보를 추출 및 액세스하도록 허용할 것이다. 소정의 경우, 데이터 처리 시스템(10)은 자원(18)에 정보를 직접 추출 또는 저장할 수 있으며, 자원(18)에서는 그러한 정보가 액세스 및 해석 또는 번역될 수 있다. 마찬가지로, 데이터 처리 시스템(10)은 통합 지식 베이스(12)에 연결될 수 있으며, 이들 두 구성 요소는 인터페이스(8)에 연결될 수 있다. 따라서, 특정 인터페이스 유형 또는 구성 요소로 세분될 수 있는 인터페이스(8)는 통합 지식 베이스(12)로부터 직접 지식을 액세스하거나, 데이터 처리 시스템(10)에게, 통합 지식 베이스 또는 자원으로부터 데이터를 획득, 분석, 처리 또는 조작하도록 명령하는데 이용될 수 있다. 데이터 사이의 그러한 연결은 설명을 목적으로 도면에서 개략적으로 도시된다. 그러한, 특정 시스템에서, 높은 정도의 통합이, 특정 환자, 특정 질병 상태, 특정 기관 등에 대해 특정 분석 또는 상관을 수행하는 특정 소프트웨어 모듈 또는 프로그램을 따를 수 있다.
설명 전체를 통해, 자원(12)은 2개의 기본적인 유형의 자원을 포함하는 것으로 고려될 것이다. 첫째, 순수하게 데이터 자원은 다양한 유형의 사전 획득되고, 분석되고, 저장된 데이터로 구성될 수 있다. 즉, 데이터 자원은 이하에서 보다 완전히 기술되는 바와 같이, 의료 사건, 의료 상태, 질병 상태, 재정 정보 등에 관한 정보를 나타낼 수 있는 참조 소스로서 고려될 수 있다. 일반적으로, 데이터 자원은 정보가 환자로부터 직접 수집될 것을 요구한다. 그보다는, 이들 자원은 본질상 보다 일반적이며, 데이터 참조 라이브러리, 가입을 통해 얻어질 수 있다. 지식 베이스(12)를 포함하는 두 번째 유형의 자원은 제어가능 및 규정가능한 자원으로 구성된다. 이들 자원은 임의의 수의 데이터 수집 장치, 메카니즘, 및 환자로부터 직접 및 간접적으로 데이터를 획득하는 절차를 포함한다. 이들 자원에 대해서는 이후에 더 기술될 것이지만, 일반적으로, 이들 자원은 촬상 시스템, 전기적 파라미터 검출 장치, 완전히 또는 부분적으로 자동화되거나, 또는 심지어 수동 절차로 임상 의학자에 의해 입력된 데이터 등으로서 고려될 수 있다.
도 2는 데이터 처리 시스템(10)과 관련된 구성 요소의 유형을 다소 상세히 도시한다. 일반적으로, 데이터 처리 시스템(10)은 하나의 컴퓨터를 포함할 수 있지만, 보다 유용하고 강력한 구현을 위해, 컴퓨팅 및 인터페이스 자원의 넓은 어레이를 포함할 수도 있다. 일반적으로 참조 번호(20)로 지정되는 그러한 자원은 응용 특정적 컴퓨팅 장치, 범용 컴퓨터, 서버, 데이터 저장 장치 등을 포함할 수 있다. 그러한 장치는 하나의 원칙적인 위치에 위치될 수 있지만, 지리적으로 넓게 위치되어, WAN, LAN, 가상 개인 네트워크 등을 통해서와 같이, 원하는 경우 얻어질 수도 있다. 컴퓨팅 자원은, 데이터 처리 시스템에 의해 수행된 데이터 추출, 분석, 컴파일, 보고 및 유사한 기능을 코드화하고 지시하는, 일반적으로 참조 번호(22)로 지정된, 프로그램을 끌어들여 구현한다. 일반적으로, 어떤 프로그램은 특정 구성 요소내로 하드 와이어링되거나, 또는 소정의 구성 요소들내에서 또는 그 사이에서 펌웨어를 구성할 수 있지만, 그러한 프로그램은 소프트웨어로 구현될 수 있다. 이하에 보다 완전히 기술되는 바와 같이, 프로그램(22)은 데이터 처리 시스템(10)에 의해 수행된 분석 기능을 구동하는 소정의 논리 엔진 구성 요소(24)를 포함하는 것으로 고려될 수 있다. 그러한 논리 엔진 구성 요소는 의료 사건 및 상태의 진단시에 도움을 줄 수 있지만, 이하에 기술된 바와 같은, 광범위한 다른 기능을 위해 이용될 수도 있다. 그러한 기능은, 몇 가지의 가능한 응용을 언급하면, 제어가능 및 규정가능 자원의 규정 및 제어, 환자 보호에 대한 제안, 재정적 배열 및 상태의 분석, 환자 보호의 분석, 교습 및 지시를 포함할 수 있다.
컴퓨팅 자원(20)은 얻어져서, 전술한 데이터 자원과, 연합 데이터베이스(14)(도 1 참조)의 일부일 수 있는 데이터 자원 인터페이스(26)를 통해 인터페이스하도록 설계된다. 더욱이, 전형적으로, 데이터 자원 인터페이스(26)는 컴퓨팅 자원(20)에 저장된 컴퓨터 코드 및 이들 특정 데이터 자원내에 저장될 수 있는 추가적인 코드 뿐만 아니라, 컴퓨팅 자원과 데이터 자원 사이의 통신을 허용하는 코드도 포함할 것이다. 따라서, 그러한 코드는 컴퓨팅 자원에 의한 처리를 위해, 정보가 탐색되고, 추출되고, 송신되고, 저장되도록 허용할 것이다. 더욱이, 데이터 자원 인터페이스(26)는 데이터가 컴퓨터 자원으로부터 전송되고, 원하는 경우, 데이터 자원내에 저장되도록 허용할 것이다. 필요한 경우, 데이터 자원 인터페이스는 데이터가 하나의 형태로부터 다른 형태로 변형되도록 하여, 그것의 검색, 분석 및 저장을 용이하게 할 것이다. 그러한 변형은 압축 및 압축해제 기법, 파일 포맷팅 등을 포함할 수 있다.
또한, 컴퓨팅 자원(20)은 연합 데이터베이스에 또한 포함될 수 있는 인터페이스(28)를 통해 제어가능 및 규정가능 자원과 인터페이스한다. 인터페이스(26)와 같이, 인터페이스(28)는 위에서 컴퓨터 자원에 저장되는 것으로 주지된 코드 및 제어가능 및 규정가능 자원을 포함하는 특정 위치 또는 시스템에 저장된 코드를 포함할 수 있다. 따라서, 전형적으로 인터페이스는 정보의 위치 및 추출, 정보의 번역, 필요한 경우에는, 정보의 조작 및 정보의 저장을 허용하는, 찾아진 정보의 유형을 식별하는 코드를 포함한다. 또한, 인터페이스는 시스템의 구성 및 검사, 보고 등을 수행하기 위한 파라미터와 같은 것에 대한 컴퓨팅 자원으로부터 제어가능 및 규정가능 자원에 정보가 로딩되도록 허용할 수 있다. 또한, 어떤 컴퓨팅 자원은, 촬상 장치, 전기적 데이터 획득 장치, 또는 다른 자원 시스템내의 컴퓨터 시스템 및 제어기와 같은 어떤 제어가능 및 규정가능 자원에 실제로 위치되거나, 심지어는 그것과 통합될 수 있음을 알아야 한다. 따라서, 논리 엔진 구성 요소(24)에 의해 수행된, 또는 보다 일반적으로, 프로그램(22)에 의해 수행된 어떤 동작 및 분석은 제어가능 및 규정가능 소스에 대해 직접적으로, 또는 그것에 대해 국부적으로 구현될 수 있다.
또한, 도 2에는 일반적으로 데이터 처리 시스템(10)에 연결된 것으로 도시되는 네트워크(29)가 도시되어 있다. 가능하게는 데이터 자원 인터페이스, 데이터 자원, 제어가능 및 규정가능 자원 등에 대한 링크를 포함하는 네트워크(29)는 사용자, 기관, 환자 등에 대한 추가적인 링크를 제공할 수 있다. 따라서, 네트워크(29)는 데이터 처리 시스템(10)의 다양한 구성 요소로/로부터 데이터 트래픽을 라우팅하여, 보다 일반적으로 광범위한 종사자에 대한 데이터 수집, 분석 및 보고 기능을 허용할 수 있다.
도 2에서 화살표로 주지된 바와 같이, 광범위한 네트워크 구성이, 다양한 자원 및 인터페이스들 사이 및 중간에서의 통신을 위해 이용가능할 수 있다. 예를 들어, 화살표(30)에 의해 주지된 바와 같이, 컴퓨팅 자원(20)은 직접적으로(예를 들면, 컴퓨터 시스템 내부적으로), 또는 국부적 혹은 원격 네트워킹을 통해 프로그램(22)을 얻을 수 있다. 따라서, 컴퓨팅 자원은 특정 컴퓨터 시스템내로부터 직접적으로 액세스가능한 프로그램 외에도, 필요에 따라(on an "as-needed" basis), 저장 및 액세스된 프로그램에 근거하여 루틴들의 실행을 허용할 수 있다.
일반적으로, 화살표(31, 32)는 다양한 자원들 사이에 고속 데이터 교환을 가능하게 하는, 구성가능 및 전용 네트워크와 같은 보다 변화된 데이터 상호 교환 경로를 나타낸다. 도 2에서 화살표(33)로 주지된 바와 같이, 데이터 자원 인터페이스와 구성가능 및 규정가능 자원 인터페이스 사이에서, 유사한 통신이 용이하게 될 수 있다. 그러한 교환은 제어가능 및 규정가능 자원을 구성 또는 동작시에, 특정 데이터 자원 정보를 얻는데 있어 유용할 수 있다. 예로써, 데이터 자원 인터페이스는 컴퓨팅 자원에 의해 수행된 분석에 의해 지시된 바와 같은 그들의 동작을 용이하게 하도록, 제어가능 및 규정가능 자원내에 저장될 수 있는 집단 정보의 추출, "최상의 실행(best practice)" 시스템 구성 등을 허용할 수 있다. 일반적으로, 화살표(34)는 인터페이스(26, 28)와 이하에 기술된 바와 같은 지식 베이스의 구성 요소 사이의 다양한 데이터 링크를 의미하며, 그러한 링크는 임의의 적절한 유형의 네트워크 접속 또는 심지어 컴퓨터 시스템내의 내부 접속을 포함할 수 있다. 모든 데이터 통신(30, 31, 32, 33, 34)의 경우에, 데이터 버스, 다이얼-업(dial-up) 네트워크, 고속 광대역 데이터 교환, 무선 네트워크, 위성 통신 시스템 등과 같은 임의의 범위의 네트워크 또는 데이터 전송 수단이 파악될 수 있다.
데이터 자원
도 3은 전술되고 도 1에 도시된 자원의 데이터 자원 세그먼트내에 포함될 수 있는 소정의 예시적인 구성 요소를 도시한다. 도 3에서 일반적으로 참조 번호(38)로 표기되는 데이터 자원은, 도 2를 참조하여 주지된 바와 같이, 그리고 도 3에서 화살표(35)에 의해 나타낸 바와 같이, 데이터 처리 시스템(10)과 통신하도록 설계된다. 이번에는, 데이터 처리 시스템은 인터페이스(8)를 통해 임상 의학자(6)에 대한 자원으로서 이용가능하며, 화살표(36)에 의해 나타낸 바와 같이, 제어가능 및 규정가능 자원(40)과도 또한 통신할 수 있다. 도 3에서 주지된 바와 같이, 임상 의학자는 데이터 처리 시스템에 대해 직접적인 액세스를 갖고, 또한 직접적으로 인터레이스할 수 있으며, 또는 직선 및 꺽인 화살표(37)에 의해 표기된 바와 같이 원격 네트워킹을 통해, 데이터 처리 시스템(10)에 대해 간접적으로 액세스할 수 있다.
데이터 자원(38)을 드로잉하여 통신하는 데이터 처리 시스템은, 참조 번호(40)에서 나타낸 바와 같이, 그리고 이하에서 보다 완전히 기술되는 바와 같이, 제어가능 및 규정가능 자원과 통신한다. 전술한 바와 같이, 일반적으로 데이터 자원은, 데이터 처리 시스템(10)에 의해 식별되고, 국부화되고, 추출되고, 이용될 수 있는 정보 및 데이터를 포함하는 것으로서 고려될 수 있다. 더욱이, 데이터 처리 시스템은, 적절한 여러 자원에 데이터를 기록할 수 있다.
도 3에 도시된 바와 같이, 데이터 자원(38)은 정보 유형의 범위를 포함할 수 있다. 예를 들어, 많은 정보 소스가, 참조 번호(42)에 나타낸 바와 같은, 병원 또는 기관내에서 이용가능할 수 있다. 당업자라면 이해할 수 있듯이, 정보는 스캐너, 제어 시스템, 또는 과 관리(departmental management) 시스템 또는 서버에서와 같이, 방사선과 정보 시스템(44)내에 포함될 수 있다. 마찬가지로, 그러한 정보는 유사한 방법으로, 병원 정보 시스템(46)내의 기관에 저장될 수 있다. 그러한 많은 기관은, 데이터, 특히 화상 데이터, 일반적으로 PACS(48)로서 지칭되며 압축 및 비압축 화상 데이터의 형태의 파일 보관 시스템, 그러한 화상 데이터로부터 도출된 데이터, (화상 파일에 부가된 다른 헤더 또는 DICOM에서와 같은) 화상을 획득하는데 이용된 시스템 설정을 기술하는 데이터를 더 포함한다. 기관내에 저장된 데이터 이외에도, 참조 번호(50)에서 나타낸 바와 같은, 환자 히스토리 데이터베이스로부터 데이터가 이용가능할 수 있다. 다시, 그러한 데이터베이스는 기관내의 중앙 저장소에 저장될 수 있지만, 환자 특정적 히스토리 데이터를 제공하기 위해, 원격 소스로부터도 이용가능할 수 있다. 적절한 경우, 그러한 환자 히스토리 데이터베이스는 데이터 처리 시스템에 의해 탐색가능하고, 다양한 기관 또는 진료소에 위치되는 자원들의 범위를 그룹화할 수 있다.
다른 데이터 자원은 병상(pathology) 데이터베이스(52)와 같은 데이터베이스를 포함할 수 있다. 그러한 데이터베이스는 의료, 유전자, 집단 통계, 또는 다른 특성을 공유하는 환자 또는 개인의 집단에 대해서 뿐만 아니라, 환자 특정적 정보에 대해서 컴파일될 수 있다. 더욱이, 일반적으로 참조 번호(54)에 의해 지정되는 외부 데이터베이스가 액세스될 수 있다. 그러한 외부 데이터베이스는, 집단, 의료 사건 및 상태, 처방, 진단 및 예후, 특성화 등을 특징짓는 참조 물질의 데이터베이스와 같이, 본질상 넓은 범위를 가질 수 있다. 그러한 외부 데이터베이스는, 진행중인 가입 구성 또는 이용당 지불(pay-per-use) 구성에서와 같은, 특정 가입 기반으로 데이터 처리 시스템에 의해 액세스될 수 있다. 마찬가지로, 유전자 및 유사한 데이터베이스(56)가 액세스될 수 있다. 그러한 유전자 데이터베이스는, 그러한 유전자 정보와 특정한 개인 또는 집단의 관련성 뿐만 아니라, 유전 인자 순서, 특정적 유전자 제조자 및 동질 이상을 포함할 수 있다. 더욱이, 재정, 보험 및 유사한 데이터베이스(58)는 데이터 처리 시스템(10)에 대해 액세스가능할 수 있다. 그러한 데이터베이스는 환자 재정 기록, 기관 재정 기록, 지불 및 송장 기록 및 배열, 국민 의료 보험 또는 노인 의료 보험 규칙 및 기록 등과 같은 정보를 포함할 수 있다.
마지막으로, 참조 번호(60)에 표기된 바와 같은 기타 데이터베이스가 데이터 처리 시스템에 의해 액세스될 수 있다. 다시, 그러한 기타 데이터베이스는 기관, 촬상 또는 다른 제어가능 혹은 규정가능 데이터 획득 시스템, 참조 물질 등에 특정적일 수 있다. 앞에서와 같이, 기타 데이터베이스는 자유롭게 이용가능하거나 또는 심지어 기관 혹은 기관의 구성원에 대해 내부적일 수 있지만, 가입 기반으로 액세스될 수도 있다. 또한, 그러한 데이터베이스는 데이터 처리 시스템(10)에 의해 수행된 분석, 처리 및 다른 기능을 돕기 위해, 환자 특정적, 또는 집단 특정적일 수 있다. 더욱이, 기타 데이터베이스는 본질상 임상적 및 비임상적인 정보를 포함할 수 있다. 재정 및 자원 할당의 관리를 돕기 위해, 예를 들어, 그러한 데이터베이스는 행정(administrative), 목록(inventory), 자원, 물리적 설비, 인적 자원, 및 환자 간호를 향상시키기 위해 액세스 및 관리될 수 있는 다른 정보를 포함할 수 있다.
도 3의 데이터 자원 그룹화에서 다수 지시된 화살표에 의해 나타낸 바와 같이, 다양한 데이터 자원이 그들 사이에서 및 중간에서 또한 통신할 수 있다. 따라서, 어떤 데이터베이스 또는 데이터베이스 자원은, 예컨대, 다양한 데이터베이스에 저장된 데이터를 완료 또는 증정하도록, 데이터의 직접적인 교환을 위해 구비될 수 있다. 그러한 데이터 교환은 일반적으로 데이터 처리 시스템(10)을 통과하는 것으로서 고려될 수 있지만, 보다 일반적인 양상에서, 자원은 필요에 의해 하나 이상의 자원으로부터 그러한 교환 데이터를 얻는 데이터 처리 시스템(10)과의, 기관, 데이터 저장소, 컴퓨터 시스템 등의 사이에서와 같은 직접적인 데이터 교환을 용이하게 할 수 있다.
제어가능/규정가능 자원
도 4는 데이터 처리 시스템(10)에 의해 액세스될 수 있는 소정의 예시적인 제어가능 및 규정가능 자원을 유사하게 나타낸다. 앞에서와 같이, 데이터 처리 시스템은 적절한 인터페이스(8)를 통해 임상 의학자(6)와 인터페이스하고, 또한 데이터 자원(38)과 인터페이스하도록 설계된다.
일반적으로, 제어가능 및 규정가능 자원(40)은 환자 특정적 또는 환자와 관련될 수 있는데, 즉 환자로부터 (예를 들면, 컴퓨터 링크를 통해) 물리적 또는 원격적으로, 직접 액세스로부터 수집된다. 또한, 자원 데이터는 알려진 집단 특성에 대한 비교에 근거한 특정 환자 위험 및 상태의 분석을 허용하도록, 집단 특정적일 수 있다. 또한, 일반적으로, 제어가능 및 규정가능 자원은 데이터를 생성하기 위한 프로세서로서 고려될 수 있다. 실제로, 이하에서 보다 완전히 기술된 시스템 및 자원은 그들 자신이 데이터를 포함하지만, 이들 자원은, 그들이 환자의 적절한 치료를 위해 요구되는 데이터를 생성하는데 이용될 수 있는 정도까지 제어가능하고 규정가능하다. 예시적인 제어가능 및 규정가능 자원(40) 중에서, 전기적 자원은 일반적으로 참조 번호(62)로 표기된다. 이하에 보다 완전히 기술된 바와 같이, 그러한 자원은 감지된 신호에 근거하여 환자의 생리적인 파라미터를 검출하도록 설계된 다양한 데이터 수집 시스템을 포함할 수 있다. 그러한 전기적 자원은, 예를 들면, EEG(electroencephalography resource), ECG(electrocardiography resource), EMG(electromyography resource), EIT(electrical impedance tomography resource), 신경 유도 테스트 자원(nerve conduction test resource), ENG(electronystagmography resource) 및 그러한 자원들의 조합을 포함할 수 있다. 더욱이, 다양한 촬상 자원이, 참조 번호(64)에서 나타낸 바와 같이, 제어 및 규정될 수 있다. 그러한 자원들의 다수의 양식은 현재 이용가능하며, X선 촬상 시스템, MR(magnetic resonance) 촬상 시스템, CT(computed tomography) 촬상 시스템, PET(positron emission tomography) 시스템, 플루오로그래피 시스템(flouorography system), 맘모그래피 시스템(mammography system), 소노그래피 시스템(sonography system), 적외선 촬상 시스템, 핵 촬상 시스템, 열음향 시스템(thermoacoustic system) 등과 같은 것이 있다.
그러한 전기적인 고도로 자동화된 시스템 이외에도, 임상 및 실험적인 본성의 다양한 제어가능 및 규정가능 자원이, 참조 번호(66)에서 나타낸 바와 같이, 액세스가능하다. 그러한 자원은 혈액, 소변, 침, 및 위장의(gastrointestinal), 재생의(reproductive), 뇌척수의(cerebrospinal) 체액 분석 시스템을 포함하는 다른 체액 분석 자원을 포함할 수 있다. 그러한 자원은 PCR(polymerase chain reaction) 분석 시스템, 유전자 제조자 분석 시스템, 방사 면역 검정(radioimmunoassay) 시스템, 크로마토그래피(chromatography) 및 유사한 화학적 분석 시스템, 수용체 분석(receptor assay) 시스템 및 그러한 시스템들의 조합을 더 포함할 수 있다. 조직(histologic) 자원(68)은, 다소 유사하게, 조직 분석 시스템, 세포 및 조직 타이핑 시스템 등처럼 포함될 수 있다. 다른 조직 자원은 면역 세포 화학(immunocytochemistry) 및 조직 병리(histopathological) 분석 시스템을 포함할 수 있다. 마찬가지로, 전자 및 다른 마이크로스코피(microscopy) 시스템, 인 시튜 교배(in situ hybridization) 시스템 등은 예시적인 조직 자원을 구성할 수 있다. 약동(pharmacokinetic) 자원(70)은 치료 약품 모니터링 시스템, 수용체 특성화 및 측정 시스템 등과 같은 시스템을 포함할 수 있다.
생리적인 상태 및 파라미터를 직접 또는 간접적으로 검출하는 시스템 이외에도, 제어가능 및 규정가능 자원은, 고품질의 환자 간호를 제공시에 및 진행 기반으로 그러한 간호를 고려시에 유용할 수 있는 보험 및 지불 자원, 보조금(grant) 소스 등과 같은 재정 자원(72)을 포함할 수 있다. 잡다한 기타 자원(74)은 수집된 데이터를 유용한 디지털 형태로 변환하도록 완전 자동 또는 반자동일 수 있는 넓은 범위의 데이터 수집 시스템을 포함할 수 있다. 그러한 자원은 물리적 검사, 의료 히스토리, 정신 의학적 히스토리, 심리적 히스토리, 행동 패턴 분석, 행동 테스트, 인구 통계 데이터, 약품 사용 데이터, 음식 섭취 데이터, 환경 요인 정보, 총 병리 정보, 및 비생물학적 모델로부터의 다양한 정보를 포함할 수 있다. 다시, 그러한 정보가 환자로부터 수동적으로 직접 수집되거나, 또는 자격을 갖춘 임상 의학자 및 의요 전문가를 통해 수집되는 경우, 데이터는 저장 및 데이터 처리 시스템에 의한 액세스를 위해 디지털화되거나, 또는 유용한 디지털 형태로 들어간다.
도 3에 대하여 전술한 바와 같이, 도 4에서 제어가능 및 규정가능 자원(40)내에 도시된 다수 지시된 화살표는 이들 자원 중 어떤 것들은 그들 사이에 및 중간에서 직접 통신할 수 있음을 나타내도록 의도된다. 따라서, 촬상 시스템은 다른 촬상 시스템으로부터 정보를 얻고, 전기적 자원은 (화상 데이터 생성 등의 타이밍 또는 좌표에 대한 것과 같은) 정보의 직접적인 교환을 위해 촬상 시스템과 인터페이스할 수 있다. 다시, 그러한 데이터 교환은 데이터 처리 시스템(10)을 통과하는 것으로 고려될 수 있으나, 다양한 제어가능 및 규정가능 자원들 사이의 직접적인 교환도 구현될 수 있다.
전술한 바와 같이, 일반적으로 데이터 자원은 특정 환자로부터 직접 획득되지 않는 정보 저장소로서 고려될 수 있다. 한편, 전형적으로, 제어가능 및 규정가능 자원은 자동화, 반자동화, 또는 수동 기법을 통해 환자로부터 의료 데이터를 획득하는 수단을 포함할 것이다. 도 5는 도 4에 도시된 다양한 제어가능 및 규정가능 자원 유형에 포함되는 것으로서 고려될 수 있는 소정의 기능 모듈들을 일반적으로 나타낸다. 도 5에 도시된 바와 같이, 그러한 자원은 획득 모듈(76), 처리 모듈(78), 분석 모듈(80), 보고 모듈(82) 및 기록 보관 모듈(84)과 같은 소정의 일반적인 모듈을 포함하는 것으로서 고려될 수 있다. 이들 다양한 모듈의 본성은, 물론, 고려중인 자원의 유형에 따라 크게 다를 수 있다. 따라서, 획득 모듈(76)은 미처리 환자 데이터를 획득하는데 이용되는, 다양한 유형의 전기적 감지기, 트랜스듀서, 회로, 촬상 장치 등을 포함할 수 있다. 또한, 획득 모듈(76)은 질문 사항, 조사, 폼(form), 컴퓨터화된 다른 입력 장치 등과 같은 보다 인간 기반적인 시스템을 포함할 수 있다.
처리 모듈(76)의 본성 및 동작은, 획득 모듈 및 전체 자원 유형의 본성에 마찬가지로 의존할 것이다. 따라서, 처리 모듈은 데이터 조절, 필터링, 및 증폭 또는 감쇠 회로를 포함할 수 있다. 그러나, 처리 모듈은 스프레드시트, 데이터 컴파일 소프트웨어 등과 같은 응용을 또한 포함할 수 있다. 전기 및 촬상 시스템에서, 처리 모듈은, 이미지 및 다른 유형의 데이터 스케일링, 재구성 및 디스플레이를 수행하는데 이용되는, 데이터 강화 회로 및 소프트웨어를 또한 포함할 수 있다.
분석 모듈(80)은 부분적으로 또는 완전히 자동화될 수 있는 넓은 범위의 응용을 포함할 수 있다. 전기 및 촬상 시스템에서, 예를 들어, 분석 모듈은 사용자가, 데이터 및 재구성된 화상의 디스플레이를 강화 또는 변경하도록 허용할 수 있다. 또한, 분석 모듈은 데이터를 평가하거나, 또는 그 데이터를 참조 범위와 비교하는 등을 위해, 임상 의학자가 수집한 데이터의 몇몇 조직을 허용할 수 있다. 전형적으로, 보고 모듈(82)은 모듈(80)에 의해 수행된 분석의 출력 또는 요약을 제공한다. 또한, 보고는 데이터를 수집하는데 이용된 기법의 표시, 수행된 데이터 획득 시퀀스의 수, 수행된 시퀀스의 유형, 그러한 데이터 획득 동안의 환자 상태 등을 제공할 수 있다. 마지막으로, 기록 보관 모듈(84)은 데이터베이스, 저장소, 기록 보관 시스템(예를 들면, PACS) 등에서와 같이, 미처리, 반처리, 처리된 데이터가 획득 시스템 또는 자원에서 국부적으로, 또는 그로부터 떨어져서 저장되도록 한다.
제어가능 및 규정가능 자원내에 포함된 전형적인 모듈들은, 참조 번호(22)로 나타낸 바와 같은, 프로그램들과 인터페이스하여, 다양한 획득, 처리 및 분석 기능들의 성능을 증강시킨다. 도 5에 개략적으로 도시된 바와 같이, 예를 들어, 다양한 컴퓨터 보조 획득 루틴(86)은 이전의 획득 시퀀스를 분석하기 위해, 그리고 후속하는 데이터 획득을 규정하고, 제어하거나, 또는 구성하기 위해 이용가능할 수 있다. 마찬가지로, 컴퓨터 보조 처리 모듈(88)은 처리 모듈(78)과 인터페이스하여, 획득 데이터에 대한 이전의 처리 및 분석에 따라, 추가적이거나 또는 강화된 처리를 수행할 수 있다. 마지막으로, 컴퓨터 보조 데이터 동작 알고리즘(CAX)(90)와 같은 프로그램을 이용하여, 수신 및 처리된 데이터를 분석하여, 데이터로부터 만들어질 수 있는 가능한 진단의 몇몇 표시를 제공할 수 있다.
다양한 유형의 제어가능 및 규정가능 자원 유형 및 양식 뿐만 아니라, 그러한 자원으로부터의 데이터에 대해 수행된 획득, 처리, 분석 및 진단 기능들에 도움을 주기 위해 이용된 모듈들의 다양한 유형에 관해 본 명세서에서 이후에 더 기술하겠지만, 도 5에서, 이들 구성 요소 및 자원들 사이의 다양한 링크가 이용가능함을 알아야 한다. 따라서, 전형적인 응용에서, 컴퓨터 보조 획득 모듈(86)은 컴퓨터 보조 처리 모듈(88)에 의해 수행된 강화된 처리의 결과에 근거하여, 화상 데이터와 같은 데이터의 후속하는 획득을 규정, 제어 또는 구성할 수 있다. 마찬가지로, 그러한 획득 규정은, 후속하는 데이터 획득에 근거하여, 만들어진 잠재적인 진단을 정제하기 위한 것과 같이, 컴퓨터 보조 진단 모듈(90)로부터의 출력으로부터 초래될 수 있다. 유사한 방법으로, 컴퓨터 보조 처리 모듈(88)은, 컴퓨터 보조 모듈(86) 또는 컴퓨터 보조 진단 모듈(90)의 출력에 근거하여, 처리 모듈(78)에 의한 강화된, 상이한, 또는 후속하는 처리를 명령할 수 있다. 그 후, 자원 및 프로그램의 다양한 모듈은, 본 기법에 따라 전체 시스템내로 이들 모듈을 통합하는 것에 의해, 고도의 주기적 및 상호 짜여진 데이터 획득, 처리 및 분석을 허용한다.
도 5에 또한 도시된 바와 같이, 전형적인 제어가능 및 규정가능 자원의 경우, 데이터상에서 실행되며, 강화된 획득, 처리 및 분석을 제공하기 위해 이용되는 프로그램이, 프로그램(22)의 논리 엔진(24)에 의해 구동될 수 있다. 전술한 바와 같이, 그리고 이하에 매우 상세히 기술되는 바와 같이, 논리 엔진(24)은 도 5에서 CAA, CAP 및 CAD 모듈(86, 88, 90)으로서 주지되며, 프로그램된 상관, 추천 등에 근거하여 후속하는 획득, 처리 및 분석을 규정 또는 제어하는 CAX 알고리즘과 같은, 프로그램의 출력을 연결 및 통합하는 넓은 범위의 알고리즘을 통합할 수 있다. 또하, 전술한 바와 같이, 프로그램(22)은 컴퓨팅 자원(20)에 의해 액세스되며, 컴퓨팅 자원(20)을 통해 구현된다. 컴퓨팅 자원(20)은 전술한 바와 같이 적절한 인터페이스(28)를 통해 특정 자원 양식의 기록 보관 모듈(84)과 일반적으로 인터페이스할 수 있다. 마지막으로, 컴퓨팅 자원(20)은 통합 지식 베이스(12)과 인터페이스한다. 도 5로부터, 지식 베이스는 자원(62-74)의 특정 양식과 관련된 정보의 저장소인 양식 특정적 지식 베이스(19)를 또한 포함할 수 있음을 알아야 한다. 그러한 양식 특정적 지식 베이스 데이터는 시스템 설정, 특정 환자 또는 집단에 대해 선호되는 설정, 루틴 및 프로토콜, 특정 양식에 근거한 데이터 해석 알고리즘 등과 같은 인자를 포함할 수 있다. 일반적으로, 지식 베이스는 임상 의학자(6)에게 이용가능하며, 원하는 경우, 그러한 임상 의학자로부터의 입력에 근거할 수 있다. 따라서, 적절한 경우, 지식 베이스는 전문가로부터의 구성 입력, 특히 특정 자원 양식과 관련된 입력에 의해 적어도 부분적으로 형성되어, 획득, 처리, 분석, 또는 이들 처리의 다수의 양상을 증강 및 향상시킬 수 있다.
양식/유형 상호 작용
본 기법의 특히 현저한 양상은, 제어가능 및 규정가능 자원의 유형들 사이, 이들 유형의 다양한 양식들 사이, 다양한 시점에 행해진 획득, 처리 및 진단의 사이의 다양한 자원 데이터를 통합할 수 있는 능력이다. 본 기법의 그러한 양상은 도 6 및 7에서 개략적으로 요약된다. 도 6은 일련의 제어가능 및 규정가능 자원 유형(98, 100, 102)을 블록 형태로 도시한다. 도 4에서 도시되고, 위에서 기술된 다양한 지정을 일반적으로 트랙킹할 수 있는 이들 자원 유형은 각각 일련의 양식(104, 106, 108)을 포함할 수 있다. 예로써, 유형(98)은 도 4에서 참조 번호(62)로 표기된 다양한 전기적 자원을 포함할 수 있고, 다른 자원 유형(100)은 도 4의 촬상 자원(64)을 포함할 수 있다. 이들 유형의 각각을 가지고, 다양한 양식은 유형(98)에 대해 EEG, ECG, EMG 등과 같은, 그리고 유형(100)에 대해 X선, MRI, CT 촬상 시스템 등과 같은 시스템 및 절차를 포함할 수 있다.
일반적으로, 도 6의 도면은, 본 기법에 따라, 환자는 임의의 하나 이상의 자원 유형(98, 100, 102), 또는 각 유형내의 임의의 하나 이상의 양식에 대한 데이터 획득, 처리 및 진단 기능 중 하나 또는 그 범위를 포함할 수 있는, 제 1 시간(92)에 수행된 다양한 절차를 가질 수 있다. 그러한 획득, 처리 및 진단의 결과에 근거하여, 데이터 획득, 처리 또는 진단의 후속하는 세션이 후속하는 시간(94)에서 수행될 수 있다. 이들 두 시점에서의 블록들 사이의 화살표에 의해 표기된 바와 같이, 후속하는 데이터 획득, 처리 및 분석의 제어 및 규정은 적절할 수 있다. 후속하는 동작은 주어진 자원 유형내의 동일 양식에 대해, 또는 동일 자원 유형의 다른 양식에 대해 수행될 수 있다. 마찬가지로, 시스템은 완전히 상이한 유형의 자원에 대한, 그리고 상이한 유형의 자원내의 특정 양식에 대한 그러한 절차를 제어 또는 규정할 수 있다. 그 후, 후속하는 절차는, 도 6에서 참조 번호(96)에 의해 일반적으로 표기된 바와 같이, 후속하는 시간에 수행될 수 있다.
당업자라면 이해할 수 있듯이, 본 기법은 시간에 걸쳐 처리하는 의료 데이터의 제어 및 규정을 위한 매우 강력하고 매우 통합된 방안을 제공한다. 예를 들어, 시간(92)에서와 같은, 전기적 데이터의 획득 및 분석의 결과에 근거하여, 추가적인 세션이 환자에 대해 스케쥴링될 수 있으며, 여기서 시스템은 자동으로 또는 반자동으로, 특정 촬상 시스템을 통한 화상의 획들을 규정 또는 제어한다. 또한, 시스템은 임상 실험 데이터, 조직 데이터, 약동 데이터, 또는 위에서 일반적으로 기술된 바와 같은 다른 잡다한 데이터 유형의 획득, 처리 또는 분석을 규정 또는 제어할 수 있다. 시간에 걸쳐, 다양한 양식 및 자원 유형 사이에서, 그리고 전술한 다른 데이터 자원으로부터의 데이터와 함께, 분석은 의료 사건, 의료 상태, 질병 상태, 치료, 의료 상태 및 사건에 대한 경향 등에 관한 매우 통찰력 있는 피드백을 제공할 수 있다.
도 7에는, 시간에 걸친 이러한 정보의 통합이 도시되어 있다. 도 7에 도시된 바와 같이, 다양한 시점에서, 그리고 참조 번호(98, 100, 102)에 의해 표기된 다양한 자원 유형으로부터 수집, 처리 및 분석된 다양한 데이터가, 프로그램(22)을 통해, 컴퓨팅 자원(10)에 대해 이용가능하게 만들어지고, 또한 컴퓨팅 자원에 의해 처리된다. 전술한 바와 같이, 그러한 처리는 알고리즘 CAA(86), CAP(88), CAD(90), 또는 컴퓨팅 자원(20)에 대해 이용가능하게 만들어진 다른 프로그램 모듈에 대해 주지된 바와 같은 CAX 알고리즘을 이용함으로써, 분석, 규정 및 제어를 위해, 이용가능 데이터에 대해 수행된 넓은 범위의 동작을 포함할 수 있다. 다른 그러한 모듈은, 참조 번호(91)에 일반적으로 표기된 바와 같이, 응용, 또는 소프트웨어 모음의 일부로서 제공되거나, 또는 시간에 걸쳐 추가될 수 있다. 논리 엔진 구성 요소(24)는 데이터 상관시에 및 하나 이상의 자원 유형의 하나 이상의 양식으로부터의 데이터의 후속하는 획득, 처리 및 분석을 규정 또는 제어시에 도움이 된다. 궁극적으로, 컴퓨팅 지원은 정보를, 통합된 지식 베이스(12)의 일부로서의 임상 의학자(6)에 대해 이용가능하게 만들 수 있다.
도 7의 개략 도면과 관련하여 수 개의 포인트가 만들어질 수 있다. 첫째, 시스템의 요소들 사이의 다양한 상호 접속이, 전술한 바와 같은 직접 또는 간접적 통신 링크에 의해 일반적으로 제공될 것이다. 더욱이, 다양한 자원 유형(98, 100, 102) 사이의 상호 접속 및 데이터 교환은, 전술한 바와 같은 구성 요소들 사이의 직접적인 상호 접속에 의해 용이하게 될 수 있다. 이것은 상이한 유형의 다양한 양식들 사이 뿐만 아니라, 각 유형의 양식들 사이 둘다의 경우이다. 도 6에 대하여 전술한 바와 같이, 시간에 걸친 양식과 그러한 유형 사이의 데이터 교환에 대해 동일한 것이 유효하다. 마지막으로, 임상 의학자(6)는 도 7에 전체 개략 도면에서 다양한 위치에 도시되지만, 이들은 이용된 양식 및 유형에 따라, 그리고 환자의 필요에 따라, 동일 또는 상이한 임상 의학자를 포함할 수 있다. 즉, 특정 임상 의학자 또는 전문가가, 다양한 자원 유형에 대해, 그리고 심지어 특정 양식에 대해 제공될 수 있으며, 상이하게 훈련된 개인은 다른 자원 유형 및 양식에 대해 포함된다. 그러나, 궁극적으로, 현재의 문맥에서의 임상 의학자(6)에 대한 일반적인 참조는, 시간에 따라, 개별적으로 또는 하나의 팀으로서, 의료 상황에 의해 요구된 입력 및 간호를 제공할 수 있는 모든 훈련된 개인을 포함하도록 의도된다.
다양한 유형의 제어가능 및 규정가능 자원, 및 그러한 자원 유형의 양식은 본 기법에 의해 제공된 획득, 처리, 분석 기능을 수행시에 유용할 수 있는 임의의 이용가능한 데이터 자원을 포함할 수 있다. 특히, 본 기법은 시간에 걸친 획득, 처리 및 분석의 통합을 위해 가능한 작은 단일 자원이 제공될 수 있는 것을 고려하며, 가능 유용한 구성에서, 넓은 범위의 그러한 자원이 이용가능하게 된다. 도 8은 참조 번호(110)에 의해 일반적으로 지정된 소정의 예시적인 자원 유형과, 이들 유형 각각 내에서의 양식(112)을 요약한 표이다. 전술한 바와 같이, 그러한 제어가능 및 규정가능 자원은 일반적으로 전기적 데이터 소스, 촬상 데이터 소스, 임상 실험 데이터 소스, 조직 데이터 소스, 약동 데이터 소스, 및 의료 데이터의 기타 잡다한 소스를 포함할 수 있다. 이들 유형 및 약식에 대한 다양한 참조 데이터가 데이터 자원에 포함될 수 있지만, 도 8의 표에 열거된 유형 및 양식은, 환자 특정적인 데이터 및 환자로부터 직접적으로 또는 간접적으로 획득되는 데이터를 획득하도록 설계된다. 이하의 설명은, 그러한 자원의 본성에 대한 보다 나은 이해를 제공하고, 그들이 의료 사건 및 상태를 평가하는데 이용될 수 있는 방법을 제공하기 위해, 도 8에 요약된 다양한 유형 및 양식과 관련된다.
전기적 데이터 자원
제어가능 및 규정가능 유형의 전기적 데이터 자원은, 도 9에서 일반적으로 나타낸 바와 같이, 소정의 전형적인 모듈 또는 구성 요소를 포함하는 것으로서 고려될 수 있다. 이들 구성 요소는 환자에게 또는 그 근처에 위치되어, 의료 사건 또는 상태를 나타낼 수 있는 대상의 소정 파라미터를 검출할 수 있는 감지기 또는 트랜스듀서(114)를 포함할 것이다. 따라서, 감지기는 신체 또는 신체의 일부로부터 나오는 전기적 신호, 소정 유형의 이동(예를 들면, 펄스, 호흡)에 의해 생성된 압력, 또는 자극에 대한 이동, 반작용과 같은 파라미터 등을 검출할 수 있다. 또한, 감지기(114)는 신체의 외부 영역에 위치될 수 있으나, 도뇨관(catheter), 주입 또는 섭취 수단, 송신기가 구비된 캡슐 등과 같은 신체내의 배치를 포함할 수 있다.
감지기는 감지된 파라미터를 나타내는 신호 또는 데이터를 생성한다. 그러한 미처리 데이터는 데이터 획득 모듈(116)로 송신된다. 데이터 획득 모듈은 샘플링된 또는 아날로그 데이터를 획득할 수 있으며, 데이터에 대해, 필터링, 다중화 등과 같은 다양한 초기 동작을 수행할 수 있다. 그 후, 데이터는 신호 조절 모듈(118)로 송신되고, 여기서 추가적인 필터링, 아날로그-디지털 변환 등과 같은 것을 위해 추가의 처리가 수행된다. 그 다음, 처리 모듈(120)은 데이터를 수신하여, 간단하거나 상세한 데이터 분석을 포함할 수 있는 처리 기능을 수행한다. 디스플레이/사용자 인터페이스(122)는 데이터가 조작되고, 보여지고, 스크링 디스플레이, 하드카피 등에 대한 트레이스와 같이 사용자가 원하는 포맷으로 출력되도록 한다. 또한, 처리 모듈(120)은 주석, 딜리미팅(delimiting) 또는 라벨링 축 또는 화살료, 및 다른 표기가 인터페이스(122)에 의해 생성된 출력상에 나타날 수 있도록, 마킹을 위해 데이터를 카밍 또는 분석할 수 있다. 마지막으로, 기록 보관 모듈(124)은 국부적으로 자원내에, 또는 원격적으로 데이터를 저장하는 기능을 한다. 또한, 기록 보관 모듈은 데이터의 리포맷팅 또는 재구성, 데이터의 압축, 데이터의 압축 해제 등을 허용할 수 있다. 물론, 도 9에 도시된 다양한 모듈 및 구성 요소의 특정한 구성은 포함된 자원 및 양식의 본성에 따라 변할 것이다. 마지막으로, 참조 번호(29)에 일반적으로 나타낸 바와 같이, 도 9에 도시된 모듈 및 구성 요소는, 네트워크 링크를 통해, 외부 시스템 및 자원에 직접적으로 또는 간접적으로 연결될 수 있다.
이하에는, 본 기법에서 이용가능한 소정의 전기적 데이터 자원에 대해 보다 싱세히 기술된다.
EEG
EEG(Electroencephalography)는 뇌의 전기적 활동을, 환자의 머리에 부착되고, 컴퓨터 시스템에 접속된 감지기 또는 전극을 통해 기록하는, 전형적으로 1-2 시간 소요되는 절차이다. 처리는 뇌의 전기적 방전을, 전극에 의해 감지된 것으로서 기록한다. 컴퓨터 시스템은 뇌의 전기적 활동을 트레이스 또는 라인으로서 디스플레이한다. 전개된 패턴은 기록되어, 뇌 활동 분석을 위해 이용될 수 있다. 몇 가지 유형의 뇌파가, 알파, 베타, 델타 및 테타 파를 포함하는 패턴들로 식별될 수 있으며, 이들 각각은 소정의 특성 및 활동과 관련된다. 뇌 활동의 정상 패턴으로부터의 변형은, 소정의 뇌 비정상, 의료 사건, 상태, 질병 상태 등을 나타낼 수 있다.
EEG 테스트를 위한 준비시에, 소정의 음식 및 약물은, 뇌 활동에 영향을 미치고, 비정상 네스트 결과를 발생시킬 수 있기 때문에, 일반적으로 삼가된다. 환자는 테스트 동안의 낮은 혈액 당(저혈당)을 피하기 위해 필요한 단계들을 취하도록 요청받을 수 있으며, 소정 유형의 비정상 뇌 활동이 잠자는 동안에 모니터링되어야 하기 때문에, 필요한 경우 잠을 자도록 준비될 수 있다. EEG의 성능은 병원 또는 진료소에서 발생될 수 있으며, 검사는 전형적으로 EEG 기술자에 의해 수행된다. 기술자는, 전극을 제자리에 유지하기 위해 풀 또는 작은 침을 이용하여, 전극(전형적으로, 16-25)을 환자의 머리 여러 곳에 고정시킨다. 의사, 전형적으로 신경과 의사는 EEG 기록을 분석한다. 그러한 절차 동안, 환자는 단순히 편히 쉬도록 요청받을 수 있고, 또는 환자의 호흡을 빠르게(호흡 항진) 또는 스트로브를 보게 하는 것과 같이, 다양한 형태의 자극이 도입되어, 그러한 자극에 대한 뇌의 응답을 관찰한다. 전형적으로, EEG는 간질과 같은 특정의 잠재적인 사건 또는 상태를 진단하기 위해, 또는 환자가 그러한 장애와 함께 겪을 수 있는 다양한 유형의 발작을 식별하기 위해 수행된다. 또한, EEG 검사는 의심되는 뇌종양, 염증, (뇌염과 같은) 감염, 또는 뇌의 질병을 평가하는데 이용될 수 있다. 또한, 그러한 검사는 의식 불명 또는 치매의 기간을 평가하는데 이용될 수 있다. 또한, 테스트는 심장 정지 또는 다른 커다란 장애 이후의 회복에 대한 환자의 예후를 평가하여, 혼수 상태 환자의 뇌사를 확인하고, 수면 장애를 연구하고, 또는 개인이 수술 동안의 일반적인 마취를 받아들이는 동안 뇌의 활동을 모니터링한다.
ECG
심전도 검사(Electrocardiography; ECG, EKG)는, 환자의 피부에 부착되고, 데이터 획득 시스템에 접속된 전극을 통해 심장의 전기적 활동을 기록하는, 전형적으로 10-15 분의 검사를 요구하는 절차이다. 전극은 전기적 임펄스를 검출하고, 신체에 전기를 인가하지는 않는다. 전극은 심장 활동을 초래하는 신체의 전기적 시스템의 활동을 검출한다. 전기적 활동은, 전형적으로, 전극이 위치되는 환자의 가슴, 팔 및 다리의 피부를 통해 검출된다. 환자의 허리 위의 의복은 제거되고, 스타킹 또는 바지는 움직여져서, 환자의 팔뚝 및 아래 다리가 노출되도록 할 수 있다. 전형적으로, 검사는 전문 임상 의학자에 의해 수행되며, 병원, 진료소 또는 실험실에서 스케쥴링될 수 있다. 테스트 이후에, 심장 의사는 전형적으로 심전도 검사 기록을 분석한다. 그러한 절차 동안, 비록 다른 절차는 물리적 활동을 포함하는 특정 유형의 활동을 요구하지만, 전형적으로 환자는 침대 또는 테이블 위에 눕도록 요청된다. 검사 동안에, 적절한 경우, 환자는 테스트가 수행되기 전의 시간 기간 동안 휴식을 취하도록 요청될 수 있다. 전형적으로 12개 이상인, 전기적 활동을 검출하는데 이용된 전극은 접착제 또는 다른 수단을 통해 원하는 위치에 위치된다. 그 영역은 세정되고, 가능하게는 털이 깎여져서, 전극을 위치시키고 유지하는 것을 용이하게 할 수 있다. 또한, 전도성 패드 또는 풀을 이용하여, 전기적 임펄스의 유도를 향상시킬 수 있다.
획득 시스템은 임펄스에 의해 나타낸 바와 같은 전기적 활동을 트레이스 또는 라인으로 변형한다. 전형적으로, ECG 트레이스는 심장에 의해 발생된 전기적 임펄스의 특성 패턴을 따를 것이다. 전형적으로 P 파형, QRS 콤플렉스, ST 세그먼트 및 T 파형으로서 지칭되는 파형의 부분들을 포함하는 특성 패턴의 다양한 패턴이 식별 및 측정될 수 있다. 이들 트레이스는 의료 사건 또는 상태를 나타낼 수 있는 비정상에 대해 컴퓨터 또는 심장 의사에 의해 분석될 수 있다. 전형적으로, ECG 절차는 심장 확대, 심장에 대한 불충분한 혈액 흐름의 징후, (예를 들면, 심장 발작으로부터 초래된) 심장에 대한 새로운 또는 이전의 상처의 징후, 심장 부정맥, 신체내의 화학적 불균형에 의해 초래된 심장의 전기적 활동 변화, 심낭의 염증 등과 같은 상태를 식별하는데 이용된다.
EMG
EMG(Electromyography)는 근육 수축으로부터 초래된 전기적 방전을 측정하도록 설계된, 전형적으로 1-3 시간 소요되는 절차이다. 일반적으로, 근육이 수축함에 따라, 전기적 신호가 발생되어, 환자에게 위치된 감지기에 의해 검출될 수 있다. 이하에 요약되어 있는, EMG 및 신경 유도 연구는 근육 조직 또는 신경에 손상을 줄 수 있는 상태 및 질병의 제공, 위치 및 존재의 검출을 돕는데 이용될 수 있다. EMG 검사 및 신경 유도 연구는 일반적으로 함께 수행되어, 보다 완전한 정보를 제공한다.
EMG 검사를 위한 준비시에, 전형적으로 환자는 검사 이전에 소정의 시간 기간 동안, 예를 들면, 3시간 동안, 소정의 약물 및 자극물을 피하도록 요청된다. 출혈 또는 혈액이 얇아지는 것과 같은 특정 상태 및 심장 자극제의 이용과 같은 실행은 검사 이전에 주지된다. EMG 검사 자체에 있어서, 병원 또는 진료소에서의 임상 의학자는 외부적인 전기적 간섭을 차단한다. 신경 의학자 또는 물리적 갱생 전문가는 적절한 경우 테스트를 또한 수행할 수 있다. 그러한 절차 동안, 일반적으로 환자는 편안한 자세를 취하도록 요청받고, 테스트중인 근육은 그들의 액세스를 용이하게 하도록 위치된다. 테스트될 근육 위의 피부 영역은 세정되고, 참조 전극 및 기록 전극을 포함하는 전극이 피부 위에 위치된다. 전형적으로, 참조 전극은 테스트 영역 근처의 피부에 부착되는 평탄한 금속 디스크, 또는 테스트 영역 근처의 피부 바로 아래에 주입되는 바늘을 포함할 수 있다. 전형적으로, 기록 전극은 유도 와이어를 통해 데이터 획득 장치 또는 기록기에 부착된 바늘을 포함한다. 기록 전극은 테스트될 근육 조직내로 삽입된다. 근육의 전기적 활동은 테스트된 후, 이완 및 수축 동안에, 2개의 전극을 통해 기록되고, 전형적으로 수축 힘을 점진적으로 증가시킨다. 전극의 재위치 결정은 근육의 상이한 영역들 또는 상이한 근육들에서의 활동을 기록할 것을 요구할 수 있다. 따라서, 수집된 전기적 활동 데이터는 디스플레이되고, 전형적으로 스파이크된 파형의 형태를 취한다.
EMG 검사의 결과는, 전형적으로 그들은 다른 데이터와 함께 이용되지만, 단독으로 분석되어, 상태를 분석할 수 있다. 그러한 다른 데이터에는, 환자의 의료 히스토리, 특정 증상에 관한 정보, 및 다른 검사로부터 수집된 정보가 포함될 수 있다. 전형적으로, EMG 검사는 근육 조직, 신경 또는 신경과 근육 사이의 접합부에 손상을 줄 수 있는 질병을 진단하는데 도움을 제공하기 위해서, 또는 약함, 마비 또는 불수의 근육 자극의 원인을 평가하기 위해 수행된다. 또한, 그러한 검사는 정상적인 근육 활동에 영향을 미치는 다른 상태 뿐만 아니라, 포스트 폴리오 신드롬(post-polio syndrome)과 같은 상태를 진단하는데 이용될 수 있다.
EIT
EIT(Electrical Impedance Tomography)는 신체의 전기적 파라미터에 관한 정보를 제공하도록 설계된 비침해적인 처리이다. 특히, 그러한 처리는 신체내의 전기적 전도성 및 유전율을 맵핑한다. 전기적 전도성은 물질이 전기를 통하는 용이함의 척도이도, 전기적 유전율은 물질내의 전하가, 부가된 전계가 유도될 때 분리되는 용이함의 척도이다. 높은 전도성을 갖는 물질은 직류 및 교류의 통과를 허용한다. 한편, 높은 유전율의 물질은 교류만의 통과를 허용한다. 신체내의 전기적 전도성 및 유전율의 교번적인 데이터 수집은, 환자의 피부에 부착된 전극을 통해 신체에 전류를 인가하고, 결과적인 전압을 측정함으로써, 전형적인 검사로 얻어진다. 측정치는, 재구성에 의해 조직의 화상을 생성하는데 이용될 수 있는 신체 조직의 임피던스의 계산을 허용한다.
검사 동안에 공급된 전류는 최소의 임피던스의 경로를 가정할 것이기 때문에, 조직을 통한 전류 흐름은 환자의 조직의 전도성 분포에 의존할 것이다. 그 후, 얻어진 데이터는, 다양한 재구성 기법을 통해, 조직의 화상을 재구성하는데 이용된다. 일반적으로, 화상 재구성 처리는 비선형 수학적 계산을 포함하며, 결과적인 화상은 다양한 진단 및 치료의 목적으로 이용될 수 있다. 예를 들어, 처리는 폐 또는 폐질환 전자(pulmonary emboli)에서의 응혈을 검출하는데 이용될 수 있다. 또한, 처리는 붕괴된 폐 및 체액의 누적을 포함하는 폐 문제를 검출하는데 이용될 수 있다. 검출될 수 있는 다른 상태로는, 내부 출혈, 흑색종, 유방암과 같은 암 뿐만 아니라, 다양한 다른 의료 사건 및 상태가 있다.
신경 유도 테스트
신경 유도 연구는, 개별적인 신경들이 전기 신호를 얼마나 잘 송신하는지를 측정하는데 이용되어 왔다. 신경 유도 연구 및 EMG 연구는, 근육 조직 또는 신경에 손상을 줄 수 있는 질병을 검출하고, 그 위치를 결정하는데 도움을 주도록 이용될 수 있다. 때때로, 신경 유도 연구 및 EMG는 함께 수행되어, 진단을 위한 보다 완전한 정보를 제공한다. 전형적으로, 두 테스트가 함께 수행되는 경우, 신경 유도 연구가 먼저 수행된다.
신경 유도 연구를 준비시에, 일반적으로 환자는 담배 및 카페인과 같은 자극 뿐만 아니라, 약물을 피하도록 요청된다. 또한, 출혈 또는 혈액이 얇아지는 것, 및 심장 이식의 이용에 관한 문제는 테스트 이전에 식별된다. 일반적으로, 신경 유도 연구 자체는 기술자에 의해 수행되며, 병원 또는 진료소에서 발생되거나, 또는 전기적 간섭을 차단하도록 결계된 특수한 룸에서 발생될 수 있다. 신경 의학자 또는 물리적 갱생 전문가가 일반적으로 테스트를 수행한다. 그러한 절차 동안, 환자는 기대거나 앉도록 요청되며, 테스트될 신체의 영역은 완화된다. 수 개의 평탄한 금속 디스크 전극이 환자의 피부에 부착되며, 전하 방출 전극이, 테스트될 신경에 걸쳐 배치된다. 기록 전극이, 신경에 의해 제어된 근육 위에 배치된다. 전기적 임펄스가 신경에 반복적으로 가해지고, 유도 속도, 또는 근육 응답을 얻는데 필요한 시간이 기록된다. 응답 시간들의 비교가, 신체의 상이한 측면들 상의 대응하는 근육들 사이에 수행된다. 신경 유도 연구는, 전술한 바와 같이, 주변 신경계에 대한 손상을 검출 및 평가하고, 비정상 감각 기능의 원인을 식별하고, 포스트 폴리오 신드롬을 진단하고, 또한 다른 증상을 평가하기 위해 수행될 수 있다.
ENG
ENG(Electronystagmography)는 환자가 위치 감각 및 눈, 내측 귀 및 뇌의 조화된 입력을 통한 균형을 얼마나 잘 유지하는지를 평가하도록 설계된 일련의 테스트를 의미한다. ENG 테스트는 예를 들면, 현기증 또는 어지러움이 내측 귀 또는 뇌에서의 신경 구조에 대한 손상에 의해 초래된 것인지의 여부를 결정하는데 이용될 수 있다. 테스트는 안면 영역에 부착되고, 눈 움직임을 모니터링하기 위한 장치에 배선되는 전극을 이용한다. ENG 테스트 시리즈 동안에, 통상적으로 머리가 움직일 때에 발생되며, 안진증(nystagmus)라고 지칭되는 소정의 비자발적인 눈 움직임이 측정된다. 자발적이거나 연장된 안진증은 내측 위 또는 뇌에 영향을 미치는 소정의 상태를 나타낼 수 있다.
ENG 테스트 시리즈 준비시에, 일반적으로 환자는 연장된 기간 동안 소정의 약물 및 자극물을 피하도록 요청된다. 안면 화장품 뿐만 아니라, 테스트 동안에 이용된 전극과의 가능한 간섭으로 인해, 시각 및 청각 보조물이 삼가되거나 제거될 필요가 있다. 검사를 위해, 일련의 전극, 전형적으로는 5개의 전극이, 전도성 접착물을 이용하여 환자의 안면에 부착된다. 환자는 암실에서 앉은 자세로 테스트된다. 검사 동안, 환자가 단지 눈만을 이용하여 움직이는 포인트를 어떻게 따라 가는지를 측정 또는 모니터링하도록 기계가 조정된다. 그 후, 환자가 눈을 감고 정신적인 임무를 수행하고, 똑바로 응시하고, 각 측면에 대해 눈으로 진자 또는 다른 물체의 이동을 따라가고, 상이한 위치로 머리 및 신체를 움직이는 동안에 판독이 취해진다. 또한, 뜨겁거나 차가운 공기 또는 물이 환자의 눈 내부에 배치 또는 불어 넣어지는 것을 포함하는 칼로리 테스트 동안에 눈 움직임이 모니터링될 수 있다. 테스트 동안, 전극은 눈 움직임을 검출하고, 모니터링 시스템은 움직임을 라인 기록으로 변형한다. 칼로리 테스트는 눈 움직임을 검출하기 위한 전극을 이용하거나, 또는 이용하지 않고서 수행될 수 있다. 테스트의 결과는 분석되어, 비정상의 비자발적인 눈 움직임이 검출되었는지의 여부, 머리 움직임이 현기증을 초래하였는지의 여부, 및 칼로리 테스트 동안에 눈 움직임이 정상적인 세기 및 방향성을 가졌는지의 여부를 결정하게 된다. 만약, 테스트 동안에 그러한 비정상적 비자발적 눈 움직임이 발생되거나, 또는 칼로리 테스트 동안에 현기증 또는 비정상적 눈 움직임이 검출되었다면, 결과는 가능한 뇌 또는 신경 손상, 또는 균형에 영향을 미치는 귀의 구조에 대한 손상을 나타낼 수 있다.
조합
전술한 절차들의 다양한 조합을 함께 이용하여, 보다 상세하고 특정적인 정보를 얻을 수 있다. 특히, 전술한 바와 같이, 신경 유도 테스트 및 EMG 연구는 때때로 서로 도움이 되도록 수행된다. 그러나, 전술한 하나 이상의 전기적 테스트의 결과에 근거하여, 순서에 있어서, 동일한 본성의 다른 보다 상세한 테스트 또는 상이한 유형의 다른 보다 상세한 테스트가 가능하다. 잠재적인 비정상성, 물리적 상태, 또는 질병 상태를 보다 잘 식별하기 위해, 분석들이 조합되거나, 또는 분리된 것으로 고려될 수 있다.
촬상 데이터 자원
소프트 및 하드 조직 둘다에 있어서의 의료 사건 및 상태를 진단하기 위해, 그리고 특정 해부의 구조 및 기능을 분석하기 위해, 다양한 촬상 자원이 이용가능할 수 있다. 더욱이, 접근이 어렵거나 또는 가시화하는 것이 불가능한 영역을 통해 수술 구성 요소를 안내하는데 도움을 주기 위해, 외과적인 중재 동안에 이용될 수 있는 촬상 시스템이 이용가능하다. 도 10은 예시적인 촬상 시스템에 대한 일반적인 개요를 제공하며, 후속하는 도면들은 특정 양식 시스템의 주된 시스템 구성 요소내로 다소 상세한 내용을 제공한다.
도 10을 참조하면, 촬상 시스템(126)은 신호를 검출하여, 그 신호를 유용한 데이터로 변환하는 소정 유형의 촬상기(128)를 일반적으로 포함한다. 이하에 보다 완전히 기술되는 바와 같이, 촬상기(128)는 화상 데이터를 생성하기 위해, 다양한 물리적 원칙에 따라 동작할 수 있다. 그러나, 일반적으로, 환자에게 있어서의 대상 영역을 나타내는 화상 데이터는 사진 필름과 같은 종래의 지원으로 또는 디지털 매체로, 촬상기에 의해 생성된다.
촬상기는 시스템 제어 회로(130)의 제어하에 동작한다. 시스템 제어 회로는 방사 소스 제어 회로, 타이밍 회로, 환자 또는 테이블의 이동과 함께 데이터 획득을 조정하는 회로, 방사선 또는 다른 소스의 위치 및 검출기의 위치를 제어하는 회로 등과 같은 광범위한 회로를 포함할 수 있다. 화상 데이터 또는 신호의 획득을 따르는 촬상기(128)는 디지털 값으로의 변환을 위한 것과 같이 신호를 처리하여, 화상 데이터를 획득 회로(132)에 전달할 수 있다. 사진 필름과 같은 아날로그 매체의 경우, 일반적으로 데이터 획득 시스템은 필름을 현상하여, 후속하여 디지털화될 수 있는 하드 카피를 생성하는 장치 뿐만 아니라, 필름에 대한 지지부를 포함할 수 있다. 디지털 시스템의 경우, 데이터 획득 회로(132)는 디지털 동적 범위의 조정, 데이터의 평활화 또는 선명화 뿐만 아니라, 원하는 경우, 데이터 스트림 및 파일의 컴파일링과 같은 광범위한 초기 처리 기능을 수행할 수 있다. 그 후, 데이터는 데이터 처리 회로(134)로 전달되어, 추가적인 처리 및 분석이 수행된다. 사진 필름과 같은 통상적인 매체의 경우, 데이터 처리 시스템은 텍스트 정보를 필름에 적용할 뿐만 아니라, 소정의 노드 또는 환자 식별 정보를 부가할 수 있다. 이용가능한 다양한 디지털 촬상 시스템의 경우, 데이터 처리 회로는 데이터의 실질적인 분석, 데이터의 순서화, 선명화, 평활화, 특징 인식 등을 수행한다.
궁극적으로, 화상 데이터는 소정 유형의 오퍼레이터 인터페이스(136)에 전달되어, 뷰잉 및 분석된다. 동작은 뷰잉 이전에 화상 데이터에 대해 수행될 수 있지만, 오퍼레이터 인터페이스(136)는 소정의 관점에서, 수집된 화상 데이터에 근거한 재구성 화상 뷰잉을 위해 유용하다. 사진 필름의 경우, 전형적으로 화상은 광 박스(light box) 또는 유사한 디스플레이상에 포스트되어, 방사선 의학자 및 참석 의사가 화상 시퀀스를 보다 용이하게 판독하여 주석을 달 수 있도록 함을 알아야 한다. 또한, 화상은 픽처 기록 보관 통신 시스템과 같이, 인터페이스(136)내에 포함되는 것으로 일반적으로 고려되는 목적을 위해, 단기 또는 장기 저장 장치에 저장될 수 있다. 또한, 화상 데이터는 네트워크(29)와 같은 것을 통해, 원격 위치에 전달될 수 있다. 또한, 일반적인 견해로부터, 오퍼레이터 인터페이스(136)는 전형적으로 시스템 제어 회로(130)와의 인터페이스를 통하여, 촬상 시스템의 제어를 행할 수 있음을 알아야 한다. 더욱이, 하나보다 많은 오퍼레이터 인터페이스(136)가 제공될 수 있음을 알아야 한다. 따라서, 촬상 스캐너 또는 스테이션이 화상 데이터 획득 절차에 포함된 파라미터의 조정을 허용하는 인터페이스를 포함할 수 있는 반면, 다른 오퍼레이터 인터페이스가, 결과적인 재구성 화상의 조작, 강화 및 뷰잉을 위해 제공될 수 있다.
이하에는, 도 10에 도시된 전체 시스템 아키텍처에 근거한 특정 촬상 양식에 대해 보다 상세히 설명된다.
X선
도 11은 디지털 X선 시스템(150)을 일반적으로 도시한다. 도 11에서는 디지털 시스템에 대해 참조되지만, 통상적인 X선 시스템이, 본 기법에서의 제어가능 및 규정가능 자원으로서도 물론 제공될 수 있음을 알아야 한다. 특히, 통상적인 X선 시스템은 매우 유용한 툴을, 사진 필름의 형태로 및 디지털화기를 이용하여 사진 필름으로부터 추출된 디지털화된 화상 데이터의 형태로 제공할 수 있다.
도 11에 도시된 시스템(140)은 방사선의 빔(144)을 방사하도록 설계된, 전형적인 X선관인, 방사 소스(142)를 포함한다. 방사선은, 전형적으로 타겟의 유형, 입력 전력 레벨, 필터 유형과 같은, 소스(142)의 파라미터를 조정함으로써, 조절 또는 조정될 수 있다. 결과적인 방사 빔(144)은 전형적으로, 환자(4)를 향해 조사된 빔의 범위 및 형상을 결정하는 콜리메이터(146)를 통해 유도된다. 환자(4)의 일부는 빔(144)의 경로에 위치되고, 빔은 디지털 검출기(148)에 부딪친다.
전형적으로 화소의 매트릭스를 포함하는 검출기(148)는 매트릭스에서의 다양한 위치에 충돌하는 방사선의 세기를 인코딩한다. 신틸레이터는 높은 에너지 X선을 낮은 에너지 광자로 변환하고, 이것은 검출기내의 광다이오드에 의해 검출된다. X선 방사는 환자내의 조직에 의해 감쇠되어, 화소가, 궁극적인 재구성 화상에 대한 베이스를 형성할 다양한 세기 레벨을 초래하는 감쇠의 다양한 레벨을 식별하도록 한다.
제어 회로 및 데이터 획득 회로는 화상 획득 처리를 조정하고, 결과적인 신호를 검출 및 처리하기 위해 제공된다. 특히, 도 11의 도면에서, 소스 제어기(150)가 제공되어, 방사 소스(142)의 동작을 조정한다. 물론, 다른 제어 회로가 테이블 위치, 방사 소스 위치 등과 같은 시스템의 제어가능 양상에 대해 제공되될 수 있다. 데이터 획득 회로(152)는 검출기(148)에 접속되어, 노출을 따르는 광검출기상의 전하의 판독을 허용한다. 일반적으로, 광검출기상의 전하는 충돌하는 방사선에 의해 고갈되고, 광검출기는 고갈을 측정하기 위해 순차적으로 재충전된다. 판독 회로는 화상 매트릭스의 화소 위치에 대응하는 광검출기의 행 및 열을 체계적으로 판독하는 회로를 포함할 수 있다. 그 후, 결과적인 신호는 데이터 획득 회로(152)에 의해 디지털화되어, 데이터 처리 회로(154)에 전달된다.
데이터 처리 회로(154)는 디지털 데이터에서의 오프셋, 이득 등의 조정 및 다양한 촬상 강화 기능을 포함하는 광범위한 동작을 수행할 수 있다. 그 후, 결과적인 데이터는 오퍼레이터 인터페이스 또는 저장 장치에 전달되어, 단기 또는 장기 저장된다. 데이터에 근거하여 재구성된 화상은 오퍼레이터 인터페이스상에 디스플레이되거나, 또는, 뷰잉을 위해, 네트워크(29)를 통해 다른 위치에 전달될 수 있다. 또한, 디지털 데이터는 사진 필름과 같은 통상적인 하드 카피상의 재구성 화상의 노출 및 프린팅을 위한 베이스로서 이용될 수 있다.
MR
도 12는 자기 공명 촬상 시스템(156)의 일반적인 개략도를 도시한다. 시스템은 화상 데이터의 획득을 위해 환자가 위치되는 스캐너(158)를 포함한다. 일반적으로, 스캐너(158)는 환자의 신체내의 회전 자기 물질에 영향을 미치는 자계를 생성하는 1차 자석을 포함한다. 전형적으로 물 및 대사 물질(metabolite)인 회전 자기 물질이 자계와 정렬하려고 시도함에 따라, 구배 코일은 서로 직교하도록 지향되는 추가적인 자계들을 생성한다. 구배 필드는 촬상을 위해 환자를 통해 조직의 슬라이스를 효율적으로 선택하여, 그들 회전의 위상 및 주파수에 따라 슬라이스내의 회전 자기 물질을 인코딩한다. 스캐너내의 무선 주파수(RF)는 고주파 펄스를 생성하여 회전 자기 물질을 여기하고, 물질이 자계와 자체 재정렬하고자 시도함에 따라, 무선 주파수 코일에 의해 수집되는 자기 공명 신호가 방사된다.
스캐너(158)는 구배 코일 제어 회로(160) 및 RF 코일 제어 회로(162)에 접속된다. 구배 코일 제어 회로는 화상 데이터를 생성하는데 이용된 촬상 또는 검사 방법을 정의하는 다양한 펄스 시퀀스의 조정을 허용한다. 구배 코일 제어 회로(160)를 통해 구현된 펄스 시퀀스 서술은 특정 슬라이스를 촬상하고, 해부하고, 또한, 혈액과 같은 움직이는 조직의 특정 촬상, 물질의 디포커싱을 허용하도록 설계된다. 펄스 시퀀스는, 3차원 화상 재구성 뿐만 아니라, 다양한 기관 또는 특징의 분석을 위한 것과 같이, 다수의 슬라이스를 순차적으로 촬상하는 것을 허용할 수 있다. RF 코일 제어 회로(162)는 RF 여기에 대한 펄스의 인가를 허용하고, 결과적인 검출 MR 신호를 수신하고, 부분적으로 처리하도록 기능한다. 또한, 특정 해부 및 목적을 위해 광범위한 RF 코일 구조가 이용될 수 있음을 이해해야 한다. 또한, 단일 RF 코일을 이용하여, RF 펄스를 송신할 수 있으며, 다른 코일을 이용하여 결과적인 신호를 수신하도록 기능한다.
구배 및 RF 코일 제어 회로는 시스템 제어기(164)의 지시하에 기능한다. 시스템 제어기 화상 데이터 획득 처리를 정의하는 펄스 시퀀스 서술을 구현한다. 일반적으로, 시스템 제어기는 오퍼레이터 인터페이스(136)에 의해 검사 시퀀스의 소정 양의 변경 또는 구성을 허용할 것이다.
데이터 처리 회로(166)는 검출된 MR 신호를 수신하고, 그 신호를 처리함으로써, 재구성을 위한 데이터를 얻는다. 일반적으로, 데이터 처리 회로(166)는 수신 신호를 디지털화하고, 신호에 대해 2차원 고속 푸리에 변환을 수행하여, MR 신호가 발생된 선택 슬라이스에서의 특정 위치들을 디코딩한다. 결과적인 정보는 슬라이스에서의 다양한 위치 또는 볼륨 요소(복셀(voxels))에서 발생되는 MR 신호의 세기의 표시를 제공한다. 그 후, 각각의 복셀은 재구성을 위해, 화상 데이터에서의 화소 세기로 변환될 수 있다. 데이터 처리 회로(166)는 화상 향상, 동적 범위 조정, 세기 조정, 평활화, 선명화 등과 같은 것을 위해, 광범위한 다른 기능들을 수행할 수 있다. 전형적으로, 결과적인 처리 화상 데이터는 뷰잉을 위해 오퍼레이터 인터페이스로 전달되고, 또한 단기 또는 장기 저장된다. 전술한 촬상 시스템에서의 경우와 같이, MR 화상 데이터는 스캐너 위치에서 국부적으로 뷰잉되거나, 또는 기관내 및 네트워크 접속(29)을 통해 기관으로부터 떨어진 곳 둘다에서의 원격 위치로 송신될 수 있다.
CT
도 13은 CT 촬상 시스템의 기본적인 구성 요소를 도시한다. CT 촬상 시스템(168)은 X선 방사선을 팬 형상 빔(172)으로 생성하도록 구성되는 방사 소스(170)를 포함한다. 콜리메이터(174)는 방사 빔의 범위를 정의한다. 방사 빔(172)은 소스(170)로부터의 방사선의 충돌에 의해 고갈된 다이오드의 전하를 판독하도록 하는 광다이오드 및 트랜지스터의 어레이로 형성되는 만곡된 검출기(176)를 향해 유도된다. 방사 소스, 콜리메이터 및 검출기는 회전 갠트리(178)상에 탑재되며, 회전 갠트리(178)는 그들이 (예컨대, 초당 2회전의 속도로) 신속하게 회전되도록 할 수 있다.
검사 시퀀스 동안, 소스 및 검출기가 회전함에 따라, 일련의 뷰 프레임이, 갠트리내에 위치된 환자(4) 둘레의 각을 이루며 배치된 위치에서 생성된다. 다수의 뷰 프레임(예를 들면, 500과 1000 사이)이 각 회전에 대해 수집되고, 환자가 시스템의 축 방향을 따라 천천히 이동함에 따라, 다수의 회전이 헬리컬 패턴과 같이 만들어진다. 각 뷰 프레임에 대해, 검출기의 개별적인 화소 위치로부터 데이터가 수집되어, 큰 볼륨의 이산 데이터를 생성한다. 소스 제어기(180)는 방사 소스(170)의 동작을 조정하고, 갠트리/테이블 제어기(182)는 갠트리의 회전 및 환자 이동의 제어를 조정한다.
검출기에 의해 수집된 데이터는 디지털화되어, 데이터 획득 회로(184)에 전달된다. 데이터 획득 회로는 예를 들면, 데이터 파일의 생성을 위해 데이터의 초기 처리를 수행할 수 있다. 데이터 파일은 심장 순환, 특정 시간에 시스템내의 위치 등과 관련되는 것과 같은 다른 유용한 정보를 통합할 수 있다. 그 후, 데이터 처리 회로(186)는 데이터를 수신하여, 광범위한 데이터 조작 및 계산을 수행한다.
일반적으로, CT 스캐너로부터의 데이터는 소정 범위의 방법으로 재구성될 수 있다. 예를 들어, 완전한 360o 회전에 대한 뷰 프레임은 환자를 통한 슬라이스 또는 슬랩(slab)의 화상을 구성하는데 이용될 수 있다. 그러나, 전형적으로 일부 정보는 중복적이기 때문에(환자의 반대 측면들에 대해 동일 인체를 촬상), 180o + 방사 팬의 각도를 통해 획득된 뷰 프레임에 대한 정보를 포함하는 감소된 데이터 세트가 구성될 수 있다. 이와 달리, 동일한 수의 뷰 프레임이 환자 둘레의 다수의 회전 사이클의 부분들로부터 획득될 수 있는 다수 섹터 재구성이 이용된다. 그 후, 데이터를 유용한 화상으로 재구성하는 것은 검출기상의 방사의 투영의 계산 및 환자내의 특정 위치에 의한 데이터의 상대적인 감쇠의 식별을 포함한다. 부분적으로 처리된, 미처리의, 그리고 완전히 처리된 데이터가 후처리, 저장 및 화상 재구성을 위해 전달될 수 있다. 데이터는 오퍼레이터 인터페이스(136)에서와 같은 오퍼레이터에게 즉각적으로 이용가능하며, 네트워크 접속(29)을 통해 원격적으로 송신될 수 있다.
PET
도 14는 PET(positron emission tomography) 촬상 시스템의 소정의 기본적인 구성 요소를 도시한다. PET 촬상 시스템(188)은 때로는 사이클로트론(cyclotron)으로서 지칭되는 무선 라벨링 모듈(190)을 포함한다. 사이클로트론은 방사성 물질을 갖는, 포도당과 같은, 소정의 태깅된 또는 무선 라벨링된 물질을 마련하도록 적응된다. 그 후, 방사성 물질은, 참조 번호(192)에 의해 나타낸 바와 같이, 환자(4)에게 주입된다. 그 후, 환자는 PET 스캐너(194)에 위치된다. 스캐너는 그의 방사선이 환자의 신체내에서 쇠퇴함에 따라, 태깅된 물질로부터의 방사를 검출한다. 특히, 때로는 양의 전자라고 지칭되는 양전자가, 방사성 핵종 레벨이 쇠퇴함에 따라, 물질에 의해 방사된다. 양전자는 짧은 거리를 이동하며, 결국은 전자와 결합되어, 한 쌍의 감마선의 방사를 초래한다. 스캐너내의 광전자 배증관-신틸레이터 검출기는 감마선을 검출하고, 검출된 방사선에 근거하여 신호를 생성한다.
스캐너(194)는 스캐너 제어 회로(196)의 제어하에서 동작하며, 스캐너 제어 회로(196) 자체는 오퍼레이터 인터페이스(136)에 의해 조정된다. 대부분의 PET 스캔에서, 환자의 전체 신체가 스캐닝되고, 감마 방사선으로부터 검출된 신호가 데이터 획득 회로(198)에 전달된다. 방사선의 특정한 세기 및 위치가 데이터 처리 회로(200)에 의해 식별되고, 재구성된 화상이 형성되어, 오퍼레이터 인터레이스상에 보여지거나, 미처리 또는 처리된 데이터가 이후의 화상 향상, 분석 및 뷰잉을 위해 저장될 수 있다. 또한, 화상, 또는 화상 데이터가 네트워크 링크(29)를 통해 원격 위치에 송신될 수 있다.
전형적으로, PET 스캔은 암을 검출하고, 암 치료의 영향을 검사하는데 이용된다. 또한, 스캔은 심장으로의 혈류를 결정하는데 이용될 수 있고, 관상 동맥 질병의 징후를 평가하는데 이용될 수 있다. 심근 대사 연구와 조합하여, PET 스캔은 혈관 형성 또는 관상 동맥 우회 수술과 같은 절차로부터 이점을 얻는, 심장 근육으로부터 기능하지 않는 심장 근육을 구별하는데 이용되어, 적절한 혈류를 형성할 수 있다. 또한, 뇌의 PET 스캔은 결정되지 않은 원인의 기억 상실을 갖는 환자를 평가히고, 뇌 종양의 존재에 대한 잠재성을 평가하고, 발작 장애에 대한 잠재적인 원인을 분석하는데 이용될 수 있다. 이들 다양한 절차에 있어서, 상이한 유형의 조직에 의한 태깅된 물질의 차별적인 업테이크에 근거하여, PET 화상이 생성된다.
플루오로그래피
프루오로스코픽 또는 플루오로그래피 시스템은 사진 및 비디오 카메라에 저속된 X선 화상 증강 장치로 구성된다. 디지털 시스템에서, 기본적인 플루오로스코픽 시스템은 본질적으로, 도 11을 참조하여 전술한 것과 유사하다. 간단한 시스템에서, 예를 들면, 비디오 카메라를 갖는 화상 증강 장치가 비디오 모니터상에 화상을 디스플레이하고, 보다 복잡한 시스템이 정지 화상을 생성하기 위한 고해상도 사진 카메라 및 동적인 화상을 생성하기 위한 상이한 해상도의 카메라를 포함할 수 있다. 디지털 X선 시스템에서 이용된 것과 같은 디지털 검출기가 또한, 그러한 플루오로스코픽 시스템에서 이용된다. 수집된 데이터는 이후이 재구성을 위해, 이동 픽처 타입의 디스플레이내에 기록될 수 있다. 그러한 기법은 때로는, 시네 플루오로그래피라고 지칭된다. 그러한 절차는 살아있는 심장의 움직임을 기록하기 위한 것과 같이, 심장 연구에서 널리 이용된다. 다시, 그러한 연구는 이후의 참조를 위해 수행되거나, 실제의 실시간 수술 중재 동안에 또한 수행될 수 있다.
통상적인 X선 시스템에서와 같이, 플루오로그래피 시스템을 위해 이용된 카메라는 중간 디스플레이를 위해 비디오 모니터에 의해 수집되는 비디오 신호를 수신한다. 비디오 테이프 또는 디스크 레코더를 이용하여, 저장 및 이후의 재생을 할 수 있다. 컴퓨터 시스템 또는 데이터 처리 회로는 추가적인 처리 및 분석을, 화상 데이터에 대해, 실시간으로 및 후속하여 수행할 수 있다.
플루오로그래피 시스템에서 이용된 다양한 기법은 비디오 플루오로스코피 또는 스크리닝, 및 디지털 플루오로그래피라고 지칭될 수 있다. 후자의 기법은 많은 통상적인 사진 기반 방법을 대체하며, 특정의 임상 응용에 따라, 때로는 DSI(digital spot imaging), DCI(digital cardiac imaging) 및 DVI(digital vascular imaging)/DSA(digital subtraction angiography)로서 지칭된다. 레이저 촬상기와 같은 하드 카피 장치는 디지털 화상의 하드 카피를 출력하는데 이용된다. 더욱이, 플루오로스코픽 기법은, 특히 디지털 X선 검출기가 전술한 바와 같이 이용되는 통상적인 X선 기법과 함께 이용될 수 있다. 즉, 높은 에너지의 X선 화상이 산재된 간격에서 플루오로스코픽 화상으로 취해질 수 있고, X선 화상이 화상에서 보다 높은 해상도 또는 선명도를 제공하며, 플루오로스코픽 화상이 실시간 이동 뷰를 제공한다.
맘모그래피
일반적으로, 맘모그래피는, 가슴의 검사을 위해, 낮은 선량의 X선 시스템 및 높은 콘트라스트, 높은 해상도 필름, 또는 전술한 바와 같은 디지털 X선 시스템을 일반적으로 이용하는 특정 유형의 촬상을 의미한다. 다른 맘모그래피 시스템은 유용한 화상을 재구성하는데 이용되는 정보의 세트를 수집하는 전술한 유형의 CT 촬상 시스템을 이용한다. 전형적인 맘모그래피 유닛은 다양한 방사 레벨 및 방사선의 여과에 대해 적응될 수 있는, 통상적인 X선관과 같은, X선 방사의 소스를 포함한다. X선 필름 또는 디지털 검출기가 방사 소스로부터 방대 위치에 위치되고, 가슴이 이들 구성 요소들 사이에 배치된 판들에 의해 압축되어, 커버리지를 향상시키고, 재구성된 화상에서 검출가능한 특징 또는 비정상을 국부화하는데 도움을 준다. 일반적으로, 미세 경화(microcalcification), 다양한 신체 및 손상 등과 같은 비정상 특징을 포함할 수 있는 대상의 특징이 수집된 데이터에서, 또는 노출된 필름상에서 보여질 수 있는데, 그것은 주변 조직에 비교하여 X선 방사선의 차별적인 흡수 또는 감쇠로 인한 것이다. 맘모그래피는, 조기 단계에 검출되는 경우에 보다 성공적으로 치료될 수 있는 암의 초기 검출에서 중심적인 역할을 한다.
소노그래피
일반적으로, 소노그래피 촬상 기법은 이온화 또는 다른 유형의 방사선보다는 고주파 음파를 이용하는 울트라소노그래피를 포함한다. 이 시스템은 음파의 송신 및 반사의 수신을 용이하게 하도록 젤이 위치되는 환자의 피부에 바로 인접하여 배치되는 프로브를 포함한다. 음향 속성을 다르게 하면서, 조직 평면 및 구조로부터의 음빔의 반사가 검출 및 처리된다. 결과적인 데이터에서의 밝기 레벨은 반사된 음파의 세기를 나타낸다.
일반적으로, 울트라소노그래피는 비디오 모니터상의 화상의 연속적인 디스플레이로, 실시간으로 수행된다. 실시간 연구 동안에 디스플레이된 문서 뷰에 대한 것과 같이, 고정 프레임 화상이 캡처될 수 있다. 초음파 시스템에서, 통상적인 방사선 사진 시스템에서와 같이, 구조의 외관은 그들의 구성에 크게 의존한다. 예를 들어, (방광과 같이) 물이 채워진 구조 결과적인 재구성 화상에서 어둡게 나타나고, 지방 함유 구조는 일반적으로 보다 밝게 나타난다. 담석과 같은 경화부는 밝게 나타나고, 특성 음영 아티팩트(characteristic shadowing artifact)를 생성한다.
초음파 연구를 해석할 때, 방사선 학자 및 임상 의학자는 일반적으로 전문 용어 "에코제네티(echogeneity)"를 이용하여 객체의 밝기를 기술한다. "하이포에코익(hypoechoic)" 구조는 재구성 화상에서 어둡게 나타나며, "하이퍼에코익(hyperechoic)" 구조를 밝게 나타난다.
울트라소토그래피는 다른 기법에 비해서, 이온화 방사선의 부재, 시스템의 높은 정도의 포터빌리티(portability) 및 그들의 상대적으로 낮은 비용과 같은 소정의 이점을 제공한다. 특히, 초음파 검사는 침대 곁에서, 또는 이동 시스템을 이용하여 응급실에서 수행될 수 있다. 또한, 시스템은 객체가 딱딱한지 또는 방광인지의 여부를 구별하는데 있어서 우수하다. 다른 촬상 시스템에서와 같이, 울트라소노그래피의 결과는 즉각 보여지거나, 또는 이후의 뷰잉, 원격 위치로의 송신 및 분석을 위해 저장될 수 있다.
적외선
적외선 촬상이라고도 알려진 임상 온도 기록법은 정상 또는 비정상 인간 생리의 반사로서의 피부 표면 온도의 주의깊은 분석에 근거한다. 절차는 일반적으로, 액정판을 신체의 일부에 직접 적용함으로써, 또는 정교한 컴퓨터 인터페이스를 통한 초감응 적외선 카메라에 의해 수행된다. 각 절차는 열 데이터를 추적하여, 가능한 질변 또는 상처에 대해 평가될 수 있는 화상을 형성한다. 신체의 표면 온도에 있어서의 차이는, 예를 들면, 밑에 있는 조직에 대한 상처 및 손상으로부터 기인하는 비정상적으로 증가된 혈류를 나타낼 수 있다.
핵
핵 치료는 소량의 방사성 물질의 투여 및 물질을 수용하는 특정 로커스(locus)에서의 환자로부터 방사된 방사선의 후속하는 기록을 포함한다. 매우 다양한 진단 및 치료 응용의 핵 치료가 존재한다. 일반적으로, 핵 치료는 특정 유형의 핵으로부터의 방사선 형태의 에너지의 자연적인 방사에 근거한다. 전형적으로, 방사선은 알파 베타 및 감마선의 형태를 취한다. 핵은 촬상에 대해 검출될 수 있는, 또는 그의 방사선이 치료 목적을 위해 이용되는 트레이서로서의 방사성 의약품에서 이용된다.
트레이서는 방사선을 방사하는 물질이며, 인체에 위치될 때 식별될 수 있다. 트레이서는 상이한 조직들에 의해 상이하게 흡수되기 때문에, 그들의 방사는, 일단 감지되고, 신체내에 적절하게 위치되면, 기관 및 다양한 내부 조직을 촬상하는데 이용될 수 있다. 전형적으로, 방사성 의약품은 입으로 또는 정맥 주사로 투여되며, 특정 기관 또는 조직을 국부화하는 경향이 있다. 스캐닝 도구는 방사성 의약품에 의해 생성된 방사선을 검출하고, 검출된 신호에 근거하여 화상이 재구성될 수 있다. 또한, 생물학적 표본의 방사성 분석이, 혈액 또는 소변과 같은, 환자로부터의 샘플과 방사성 물질을 조합하는 것에 의해 수행되어, 샘플의 다양한 구성을 측정할 수 있다.
치료에 있어서, 방사성 물질은, 그들이 흡수되는 특정 조직에서 그들이 생성하는 방사로 인해 이용될 수 있다. 예를 들면, 방사성 요오드가 주변의 건강한 조직에 대한 과도한 방사없이, 암에 걸린 조직내에서 트랩핑(trapping)될 수 있다. 그러한 합성물은 갑상선 암과 같은 다양한 유형의 치료에 이용될 수 있다. 요오드는 갑상선으로 직접 패스되는 경향이 있기 때문에, 적은 선량의 방사성 요오드가, 치료 및 진단을 위해, 분비 기관에서 흡수된다. 진단을 위해, 방사선 의학자는 너무 적거나 또는 너무 많은 요오드가 흡수되었는지를 결정하여, 갑상선 저하 또는 갑상선 항진의 표시를 각각 제공할 수 있다.
핵 치료에서의 다른 유형의 촬상은 다른 합성물을 이용하는 것을 포함할 수 있다. 예를 들어, 테크네튬(technetium)은 환자의 백혈 세포와 조합되는 방사성 의약품 물질이며, 뼈내의 암의 변형 또는 확산을 식별하는데 이용될 수 있다. 정착의 기간 이후에, 특정 림브(limb)의 스캔 또는 전체 신체의 스캔이 수행되어, 변형이 진달될 수 있는지 여부를 식별할 수 있다. 또한, 테크네튬은 담석으로 인한 막힘과 같은, 간 또는 쓸개에서의 비정상을 식별하는데 이용될 수 있다. 방사성 핵종 벤트리큐로그램(ventriculogram)에서 물질이 또한 이용된다. 그러한 절차에서, 환자의 혈액 샘플이 채취되고(예를 들면, 대략 10cm3), 방사성 테크네튬이 적혈 세포에 화학적으로 부착된다. 그 후, 혈액이 환자에게 다시 주사되고, 심장을 통한 그것의 순환이 추적되고, 촬상된다.
핵 치료에 있어서의 테크네튬의 다른 용도는, 발생된 염증 및 기관내의 백혈 세포의 존재로 인한, 맹장염의 진단을 포함한다. 마찬가지로, 테크네튬을 포함하는 기법이, 비정상 염증 및 감염의 진단을 위해 이용될 수 있다.
알려지거나 또는 가능한 정도의 방사선 종양학에서, 종양이 결정되고, 방사선이 주변의 건강한 세포에 대한 커다란 상처를 피하면서, 암 세포를 공격하는데 이용된다. 외부의 빔 처리는, 예를 들면, 알려진 위치에서의 암을 파괴하는 것을 목표로 하는 선형 가속기, 베타트론 또는 코발트 머신으로부터의 방사선을 포함한다. 브래키테라피(brachytherapy)에서, 요오드, 세슘 또는 이리듐과 같은 방사성 소스들이 암과 결합되거나, 또는 나란히 함께 존재하게 된다. 붕소 중성자 캡처 치료(MNCT)라고 알려진 다른 암 치료에서, 붕소를 함유하는 비방사성 의약품에 의해 알파 입자가 생성된다. 후속하는 중성자 빔 조사로 인해, 중성자가 종양내의 붕소와 반응하여, 종양 파괴에 도움을 주는 알파 입자를 생성한다.
방사성 핵종은 자연적으로 발생되거나, 또는 리액터, 사이클로트론, 발생기 등에서 생성될 수 있다. 핵 치료에서의 방사선 치료, 종양학, 또는 다른 응용의 경우, 방사성 의약품이 인위적으로 생성된다. 방사성 의약품은 비교적 짧은 절반 수명을 가져서, 그들이 그들의 의도된 목적을 위해 이용되고, 비중독성 물질로 비교적 신속하게 저하될 수 있도록 한다.
열음향
열음향 촬상 시스템은 특정 조직에 대한 단펄스 에너지의 인가에 근거한다. 에너지가 생성되고 인가되어, 에너지의 부분들이 환자의 조직에 의해 흡수되도록 한다. 조직의 가열로 인해, 조직이 확장되고, 그로 인해 음향파가 생성된다. 조직의 에너지 흡수와 관련되는 다차원 화상 데이터가 얻어질 수 있다. 에너지는 단펄스의 무선 주파수(RF)파로 인가될 수 있다. 그 후, 결과적인 열음향 방사가, 초음파 검출기(트랜스듀서)의 어레이에 의해 검출된다.
일반적으로, 열음향 스캐너는 촬상 탱크, 다채널 증폭기 및 RF 발생기로 구성된다. 발생기 및 스캐너의 다른 구성 요소는 일반적으로 RF 차폐 룸 또는 환경에 위치된다. 디지털 획득 시스템이 회전 모터와 함께 제공되어, 열음향 방사 신호를 획득한다. 그 후, 처리 시스템은 신호를 필터링하고, 화상 재구성을 위해 그들을 디지털 형태로 처리한다. 일반적으로, 화상 콘트라스트는 환자에게 전달된 에너지에 의해 결정되며, 화상 공간 해상도는 음향 전달 속성 및 검출기 기하 구조에 의해 결정된다.
임상 실험 자원
임상 실험 자원은 신체의 조직을 분석하는 다양한 기버을 포함한다. 많은 자원은 신체의 상이한 부분들로부터의 체액의 추출 및 분석과, 체액의 검출가능 파라미터와 개별적인 개인에 대한 또는 환자들의 집단에 대한 표준(norm)과의 비교에 근거한다. 임상 실험 분석을 위한 절차는, 전형적으로 병원 또는 진료소 방문 동안의, 체액 또는 조직의 샘플링을 포함한다. 그러한 조직 수집은 혈액, 침, 소변, CSF(cerebrospinal fluid) 등을 수집하기 위한 것과 같은, 다양한 샘플링 절차를 포함할 수 있다. 조직은 수집되어 특수하게 마련된 용기에 저장되며, 테스트 분석을 위해 실험실로 전달된다.
신체 체액 및 조직에 대해 임상 실험 테스트를 수행하기 위한 여러 가지 상이한 방법들이 존재한다. 그러한 일부 기법은 항체 또는 항원과 테스트되는 조직의 혼합을 포함한다. 본질적으로, 항체는 면역 체계에 의해 만들어진 특수한 단백질로 구성된다. 신체는 소정 유형의 감염이나, 또는 외래 물질 혹은 신체내의 유기체에 응답하여 그러한 단백질을 생성한다. 항원은 면역 체계가 신체에서 반응하도록 하는 물질이다. 그러한 항원은 박테리아, 바이러스, 약물, 또는 어떤 상황에서는, 환자 자신의 신체의 조직을 포함하는 다른 조직을 포함한다.
일반적으로, 항체가, 예를 들면, 검출되는 경우, 전형적으로 항원이 테스트 및 분석에 이용된다. 항원의 존재가 검출되는 경우, 역으로, 항체가 이용될 수 있다. 예로써, 라임(lyme) 질병의 존재에 대한 분석은 환자의 혈액의 샘플과 함께 용기에서의 라임 질병, 항원을 발생시키는 박테리아의 부분들의 배치에 근거할 수 있다. 항체가 제공된 라임 질병 박테리아에 대항한다면, 이들은 항원에 반응할 것이며, 다양한 방법으로 검출될 수 있다. 양성 반응은 질병이 존재함을 나타내고, 음성 반응은 질병이 아마도 존재하지 않음을 나타낸다.
혈액
CBC(complete blood count)는 혈액내의 세포의 유형 및 수에 관한 중요한 정보를 제공한다. 일반적으로, 혈액은 적혈 세포, 백혈 세포 및 혈소판을 포함하는 많은 성분을 포함한다. CBC는 약화, 피로, 타박상과 같은 증상을 평가시에 의사에게 도움을 주며, 빈혈증, 감염 및 많은 다른 일반적인 장애와 같은 특정 질병 상태 및 의료 사건을 진단한다.
CBC 및 다른 혈액 테스트는 혈액 구매자의 특정 파라미터를 타겟으로 할 수 있다. 특히, 그러한 테스트는 백혈 세포 카운트, 적혈 세포 카운트, 원심 분리기(hematocrit), 헤모글로빈, 다양한 적혈 세포 지수, 혈소판 카운트, 및 다른 혈액 화학 측정치를 식별하는 기능을 할 수 있다. 그 후, 전형적으로 레벨 또는 범위 형태인 결과적인 표시가, 건강 또는 잠재적인 질병 상태의 표시로서의 알려진 정상 및 비정상 레벨 및 범위와 비교된다. 시간에 걸쳐, 비교는 질병의 진행 또는 치료의 결과 또는 감염 혹은 다른 의료 사건에 대한 신체의 반응의 표시로서의 환자 자신의 정상 또는 비정상 레벨에 근거할 수 있다.
혈액 분석에서 만들어진 특정 유형의 측정치는 광범위한 의료 상태를 나타낼 수 있다. 예를 들어, 평가된 백혈 카운트 레벨은 감염, 또는 암 치료와 같은 소정 유형의 치료에 대한 신체의 반응의 표시일 수 있다. 백혈 세포는 서로 구별되어, 뉴트로필(neutrophil), 림포사이트(lymphocyte), 모노사이트(monocyte), 에오시노필(eosinophil), 및 바소필(basophil)을 포함하는 주된 유형의 백혈 세포를 식별한다. 이들 유형의 세포 각각은 신체에 의한 반응에 있어서 서로 다른 역할을 한다. 이들 백혈 세포 유형 각각의 수는 면역 체계 및 면역 반응에 중요한 정보를 제공한다. 따라서, 백혈 세포 카운트에서의 레벨 및 변화는 감염, 알레르기 또는 중독성 반응 및 다른 특정 상태를 식별할 수 있다.
적혈 세포의 분석은 다양한 목적을 제공한다. 예를 들어, 적혈 세포는 조직에 대한 탄소 이산화물에서의 산호의 교환을 제공하기 때문에, 그들의 상대적인 카운트는 충분한 산소가 신체에 제공되는지의 여부의 표시를 제공할 수 있으며, 또는, 평가되는 경우, 적혈구 증가의 위험, 모세관의 클럼핑(clumping) 및 차단을 초래할 수 있는 상태가 존재하는지의 여부의 표시를 제공할 수 있다. 원심 분리기는 혈액내에서 적혈 세포가 차지하는 볼륨을 측정한다. 일반적으로, 원심 분리기 값은 혈액의 볼륨에서의 적혈 세포의 비율로서 제공된다. 헤모글로빈 테스트는 혈액내의 헤모글로빈의 상대적인 양을 측정하여, 신체를 통해 산호를 운반할 수 있는 혈액의 능력의 표시를 제공한다. 다른 적혈 지수는 평균 미립자 볼륨, 평균 미립자 헤모글로빈, 및 평균 미립자 헤모그롤빈 농도를 포함한다. 일반적으로, 이들 지수는 CBC의 다른 측정 동안에 결정되며, 적혈 세포의 상대적인 크기, 셀의 헤모글로빈 내용, 및 평균 혈액 세포내의 헤모글로빈의 농도에 대한 표시를 제공한다. 그러한 측정은, 예를 들면, 상이한 유형의 빈혈증을 식별하는데 이용될 수 있다.
혈소판 또는 전구 카운트는 혈액내의 혈소판의 상대적인 레벨의 표시를 제공하며, 혈액 응고 및 출혈에서의 비정상을 나타내는데 이용될 수 있다.
전술한 분석 이외에도, 혈액 손상 검사가 수행될 수 있으며, 여기서 혈액은 수동 또는 자동화된 가시적인 감염에 대해 흐려지고 염색된다. 혈액에 포함된 셀의 카운트 및 유형은 다양한 비정상 셀 유형의 식별을 포함하는 그러한 검사로부터 확인될 수 있다. 더욱이, 알부민, 알칼라인, 포스파타아제, ALT(SGPT), AST(SGOT), BUN, 칼슘-세륨, 세륨 염화물, 탄소 이산화물, 크레아티닌, 다이렉트 빌리루빈, 감마 GT 포도당, LDH, 인-세륨, 포타시움, 세륨 소듐, 전체 빌리루빈, 전체 콜레스테롤, 전체 단백질, 오줌의 산(uric acid) 등의 레벨을 포함하는 매우 다양한 화학 조성이, 혈액 테스트에서 검출 및 분석될 수 있다.
또한, 혈액 테스트는 종양 바이오마커의 레벨의 존재 및 그 레벨에서의 변화르 식별하는데 이용된다. 예를 들어, 결장, 전립선, 및 간 암과 같은 종양의 존재가, 이하에 보다 완전히 기술된 바와 같은, ELISA(enzyme-linked immunosorbent assay) 테스트에 의해 검출될 수 있는 CEA(carcinogenic embryonic antigen), PSA(prostate specific antigen), 및 AFP(alpha-fetoprotein) 각각과 같은 특정 바이오마커의 평가된 혈액 레벨에 직접적으로 연결된다.
소변
소변 샘플에 대해 매우 다양한 분석이 수행될 수 있다. 이들 분석들 중 어떤 것은 샘플의 전체적인 외관 및 특성에 근거하며, 다른 것들은 화학적 또는 미시적 분석에 근거한다. 소변 샘플의 미시적 특징에 근거하는 분석에는, 컬러, 투명도, 냄새, 비중, 및 pH의 테스트가 있다.
소변 샘플의 컬러에 영향을 미치는 인자에는 체액 균형, 음식물, 약물, 및 질병 상태에 포함된다. 예를 들어, 컬러는 신장병과 같은 상태를 나타내는 것으로서, 소변에 혈액이 존재함을 나타내는 표시일 수 있다. 소변의 상대적인 투명도(즉, 불투명도 또는 혼탁도)는, 비정상적인 물리적 상태를 나타낼 수 있은 것으로서, 박테리아, 혈액, 정액, 결정 또는 점액의 존재를 나타내는 표시일 수 있다. 또한, 소정의 질병 상태 또는 물리적 상태는, 이. 콜리(E.coli)와 같은 혈액에서 검출될 수 있는 비정상적인 냄새를 초래할 수 있다. 소변의 비중은 샘플에 용해된 물질의 상대적인 양의 표시를 제공한다. 일반적으로, 보다 높은 비중은 보다 높은 레벨의, 소변에 용해된 고체 물질을 나타낼 수 있으며, 신장의 기능 상태에 대한 표시를 제공할 수 있다. 샘플의 pH(즉, 산성 및 알칼리성)는 신장 상태 및 신장 기능의 표시일 수 있다. 예를 들어, 소변 pH는, 소정 유형의 신장 결석의 형성을 방지하기 위한 것과 같이, 치료에 의해 조절될 수 있다.
소변 샘플의 화학적 분석은, 단백질, 포도당 및 케톤과 같은 그러한 조성물의 표시를 제공하도록 수행될 수 있다. 혈액내에 단백질이 존재하는 것은, 발열, 정상 임신, 및 신장 장애와 같은 질병과 같은 소정의 물리적인 조건 및 상태의 표시일 수 있다. 통상적으로 혈액에서 발견되는 포도당은 일반적으로 소변에서는 존재하지 않는다. 소변 샘플에 포도당이 존재한다는 것은, 당뇨병 또는 소정의 신장 손상 혹은 질변의 표시일 수 있다. 지방의 신진 대사의 부산물인 케톤은, 통상적으로 소변에 존재한다. 그러나, 높은 케톤 레벨은 당뇨병 케노애시도시스(ketoacidosis)와 같은 상태를 나타낼 수 있다. 저당 및 녹말 음식물, 단식, 및 길어지는 구토와 같은 다른 비정상 상태는 소변에서의 평가된 케톤 레벨의 원인이 될 수 있다.
소변 샘플의 미시적 분석은, 적혈 세포 및 백혈 세포, 캐스트(casts), 결정, 박테리아, 효모 세포 및 기생균을 포함하는 다양한 물질의 존재를 검출하는데 이용될 수 있다. 일반적으로, 그러한 고체 물질은 소변 샘플을 원심 분리기에 위치시킴으로써, 물질이 침전물을 형성하도록 함으로써 식별된다. 캐스트 및 결정은 비정상 신장 기능의 징후일 수 있으며, 박테리아, 효모 세포, 또는 기생균의 존재는 다양한 유형의 감염의 존재를 나타낼 수 있다.
침
침 분석은 다수의 임상 목적을 제공할 수 있다. 예를 들어, 성 호르몬 테스트는 침 및 혈청을 포함하는 상이한 방법에 의해 수행될 수 있다. 전형적으로, 테스트된 성 호르몬은 에스트론, 에스트리올, 테스토스테론, 프로제스테론, DHEA, 멜라토닌, 및 코티솔을 포함한다. 침 테스트를 이용시에, 호르몬의 자유로운 단편(fraction) 이 계산되어, 바세린 값에 도달하게 된다. 침은 (전체 레벨을 측정하는 혈액 또는 소변과는 달리) 혈류내의 스테로이드의 생물학적 활성(자유) 단편을 반영한다. 호르몬의 자유 단편은 혈액으로부터 침 분비 기관으로 쉽게 전달될 수 있다. 성 스테로이드 호르몬의 자유 단편에서의 방울은 특히 페리메노퍼즈(perimenopause) 및 메노퍼즈(menopause)를 초래한다. 그러한 테스트는, 예를 들면, 현재의 레벨로부터 보호 범위로 다시 호르몬 레벨 및 균형을 가져오도록 호르몬 대체 요법이 고려되어야 하는지의 여부를 결정하도록 수행될 수 있다.
또한, 침 테스트는 종양 바이오마커의 레벨의 존재 또는 그러한 레벨에서의 변화를 식별하는데 이용된다. 예를 들어, 여자에게 있어서의 유방 악성 종양의 존재가 침에서의, 이하에 보다 완전히 기술되는 바와 같은, ELISA(enzyme-linked immunosorbent assay) 테스트에 의해 검출될 수 있는 c-erbB-2의 평가된 레벨에 직접 연결된다.
마찬가지로, 타액 기반 테스트를, 폐암과 같은 질병 상태의 진단시에 이용할 수 있다. 그러한 진단은 암 세포가, 환자가 기도로부터 배출한 체액에 존재할 수 있다는 사실에 근거한다. 전형적인 구현에서, 임상 의학자는 샘플이 폐로부터, 암 세포로 발전되기 전의 부정형의 세포를 포함하는지의 여부를 결정함으로써, 타액 샘플을 검진 툴로서 분석한다.
위장 체액
위장 체액의 분석은 다양한 내부 기관의 기능에서의 소정의 질병 상태 또는 비정상을 검출 및 진단시에 마찬가지로 중요할 수 있다. 예를 들어, LFT(liver function test)는, 비록 테스트가 일반적으로 특정적이지 않지만, 1차 및 2차 간 질병 둘다를 검출할 수 있다. 즉, 결과가 지적으로 선택되고 해석되어, 최대한 유용한 정보를 제공해야 한다. 실제로, 어떤 일반적인 테스트는 질병에 대한 테스트보다는 기능적인 테스트로서 특성화될 수 있다.
하나의 예시적인 테스트에서, 빌리루빈이 샘플링되어 분석된다. 빌리루빈은 세망내피계 시스템에 의한 헤모글로빈 분자의 파괴로부터 초래된다. 빌리루빈은 플라즈마로 간데 전달되며, 여기서 그것은 간장 유조직(parenchymal) 세포에 의해 추출되고, 2개의 글루쿠로나이드 분자와 결합되어, 빌리루빈 디클루쿠로나이드를 형성하고, 담즙에서 분비된다. 빌리루빈은 혈청에서, 결합 및 비결합된 빌리루빈을 포함하는 전체 빌리루빈으로서, 및 빌리루빈과 결합되는 다이렉트 빌리루빈으로서 측정될 수 있다. 용혈과 같은 비정상 상태는 비결합된 빌리루빈의 증가된 형성을 초래할 수 있고, 그것은 간에 의해 적절하게 처리될 수 없는 레벨까지 상승될 수 있다. 더욱이, 폐색성 황달은 혈청 빌리루빈에서의 증가에 의해 증명되는 것으로서, 돌멩이 또는 암에 의한 간장 밖의 일반적인 담즙 도관 장애로부터 초래될 수 있다. 장기 장애는 2차적인 간 손상을 초래할 수 있다. 간염 또는 대상 부전 활성 간경변에서 발견되는 것과 같은, 간 세포 손상으로 인한 황달은 빌리루빈의 평가된 레벨에 의해 또한 증명될 수 있다.
또다른 예로서, 효소 알칼라인 포스파타아제는 간 손상의 표시를 제공할 수 있다. 주로 간 및 뼈에서 생성된 효소는 부분적인 또는 가벼운 정도의 담즙 장애에 매우 민감하다. 그러한 상황에서, 알칼라인 포스파타아제 레벨은 정상 혈청 빌리루빈으로 평가될 수 있다. 심각한 간 세포 손상의 가벼운 경우에, 적은 평가가 제공되거나 또는 평가가 제공되지 않을 수 있지만, 간경변에서, 알칼라인 포스파타아제는 대상 및 장애의 정도에 따라 변할 수 있다. 더욱이, 상이한 동질 효소의 알칼라인 포스파타아제가 간 및 뼈에서 발견되며, 이것은 평가된 혈청 알칼라인 포스파타아제의 소스의 표시를 제공하는데 이용될 수 있다.
AST(aspartate aminotransferase)는 수 개의 기관, 특히 심장, 골격의 근육, 및 간에서 발견되는 효소이다. 간세포에 대한 손상은 AST를 릴리스시키고, 심각한 간염의 경우에, AST 레벨은 표본이 추출되는 특정 시간에서의 간세포의 심각함 및 정도에 따라 통상적으로 평가된다. 간의 수동적인 충혈과 같은 상태에서, 가변적인 정도의 AST 평가가 검출되는데, 특히 에피소드가 심하고 중대한 경우에 그러하다.
마찬가지로, ALT(alanine aminotransferase)는, 비록 절대적인 것은 아니지만, 주로 간에서 발견되는 효소이다. 간 질병에서, 비록 ALT는 보다 광범위하거나 또는 심각하게 중대한 유조직 손상을 제외한 상태에 다소 덜 민감하게 나타나지만, ALT는 AST와 대략 동일한 상황에서 평가된다. ALT 분석의 이점은, 그것이 간 세포 손상에 대해 비교적 특정적이라는 점이다.
위장 체액의 다수의 다른 조성물은 비정상 상태 및 질병 상태에 대한 유사한 표시를 제공할 수 있다. 예를 들어, 유산염 탈수소 효소는, 비록 AST보다 다소 덜 민감하지만, 간 손상 또는 간염의 표시를 제공할 수 있다. 감마 글루타밀 트랜스펩티다스(gamma glutamyl transpeptidase)는 주로 간 및 신장에서 발견되는 효소이며, 매우 다양한 간장 질병으로 평가될 수 있다. 알부민과 같은 혈청 단백질은 주로 간에서 합성되고, 적어도 적절한 심각성의 심각하거나 또는 만성적인 파괴적인 간 질병은 전기 이동에서 감소된 혈청 알부민을 나타낸다. 마찬가지로, 응고 인자가 간에서 합성되어, (프로트롬빈 시간 또는 PT와 같은) 소정의 응고 테스트가 간장 기능의 비교적 민감한 지시자이도록 한다. AMM(암모니아)의 평가된 레벨은 간 기능 장애, 간장 기능 부전, 적아구증 페탈리스(erythroblastosis fetalis), 코어 풀모네일(cor pulmonale), 풀모너리 엠피스마(pulmonary emphysma), 충혈성 심장 기능 부전 및 활동과 함께 발생될 수 있다. 감소된 레벨은 신장 기능 부전, 본질적인 또는 악성의 고혈압과 함께 발생되거나, 또는 소정의 항체(예를 들면, 네오마이신, 테트라시클린)의 이용과 함께 발생될 수 있다. 더욱이, HAA(hepatitis-associated antigen)는 간염 A, B, 비-A 및 비-B의 진단, 간염으로부터의 회복의 추적 및 간염 "매개체" 식별에 도움을 줄 수 있다. IgG(Immunoglobulin G) 레벨은 면역 결핍 상태, 단백질 손실 상태, 간 질병, 만성적인 감염 뿐만 아니라, 다수의 경화, 유행성 이하선염, 뇌막염과 같은 특정 질병의 진단 및 치료에 이용되며, IgM(Immunoglogbulin M) 레벨은 면역 결핍 상태, 단백질 손실 상태, 왈덴스트롬의 매크로글로비네마(Waldenstrom's Macroglobinema), 만성적인 감염 및 간 질병의 진단 및 치료에 이용된다. 분석될 수 있는 다른 조성물에는, 예를 들면, 간과 뼈 질병을 구별하는데 이용되는 알칼라인 포스파타아제와, 부갑상선 및 장 질병의 진단 및 치료에서의, 간 장애를 진단하는데 이용되는 류신 아미노펩티다스(leucine aminopeptidase)와, 침 분비 기관, 간, 장, 신장 및 여성 생식기 구역에 영향을 미치는 췌장염 및 장애를 진단하는데 이용되는 아밀라제와, 췌장염 및 판크레아틱 암종(pancreatic carcinoma)를 진단하는데 이용되는 리파제가 포함된다.
재생성 체액
재생성 체액에 대해 다수의 테스트가 수행되어, 재생성 시스템의 기능과, 질병, 외상, 노화를 포함하는 매우 다양한 사건 및 상태로 인한 질병 상태 또는 비정상 기능을 평가한다. 이용가능한 많은 테스트 중에서, 배란일을 예측하고, 배란이 발생될 것인지의 여부를 결정함으로써 불임을 평가하도록 설계된 경부 점액 테스트가 있다. 마찬가지로, 불임을 나타낼 수 있는 비정상적인 볼륨, 밀도, 운동성 및 형태를 체크함으로써, 남성 불임을 평가하고, 정관 절제 이후의 적절한 단종을 문서화하기 위해, 정액 분석이 일반적으로 수행된다. 파파니콜라우 손상 테스트(Papanicolaou smear test)(일반적으로, 팝 손상, 팝 테스트, 또는 암에 대한 시토로직 테스트라고 지칭됨)를 이용하여, 경부 및 질 분비에서의 신생 세포를 검출하고, 소정의 비정상(예를 들면, 불임)을 따른다.
재생성 체액의 특정 테스트 또는 분석은 대응하는 특정 질병 상태에 대한 것일 수 있다. 예를 들어, 임질을 진단하는데 임질 배양이 이용되고, 만약 손상의 그램 스테인(gram stain)이 폴리모포뉴클리어 백혈구를 나타내는 경우에 지시된 클라미디아 감염을 진단하는데 클라미디아 손상이 이용된다.
뇌척수 체액
뇌척수 체액은 통상적으로, 뇌 및 척추를 둘러싸는, 깨끗한 무색의 체액이다. 전형적으로, 뇌척수 체액은 다양한 감염 유기체의 존재를 검출하기 위해 분석된다. 일반적으로, 체액은 척수 탭이라고도 지칭되는 허리 펑추어(lumbar puncture)를 수행함으로써 수집된다. 이러한 절차에서, 바늘이 척수 도관으로 삽입되어, 뇌척수 체액의 샘플을 얻는다. 뇌척수 체액의 압력은 허리 펑추어 동안에 측정된다. 그 후, 샘플이 수집되고, 이후에 컬러, 혈액 세포 카운트, 단백질, 포도당 및 다른 물질에 대해 분석된다. 체액의 샘플은 감염을 체크하기 위해, 박테리아 또는 균과 같은 감염 유기체의 성장을 촉진시키는 다양한 배양을 위해 이용될 수 있다.
PCR
일반적으로, 폴리메라아제 체인 반응은 특정 DNA 또는 RNA 시퀀스를 검출하여 증폭시키는 방법을 의미한다. 전형적으로, 다수의 전체 게놈이 탐구 및 임상 목적이었고, 그것에 대한 시퀀스가 계속되고 있지만, 소정의 알려진 유전자 영역이 임상 응용에서 타겟으로 된다. 일반적으로, 비정상 상태, 질병 상태의 근원일 수 있는 특정 유전자, 또는 특정 상태의 전개를 위한 경향은 구성 분자의 고유한 시퀀스를 나타낸다. 더욱이, 바이러스 및 박테리아를 포함하는 감염 유기체는 유기체의 특정의 종 또는 부류에 대해 고유한 특정의 DNA 또는 RNA 시퀀스를 처리한다. 이들은 그러한 타겟으로 된 시퀀스에 의해 검출될 수 있다.
PCR 기법은 다량의 특정 핵산(nucleic) 시퀀스(DAN/RNA)를 생성하는데 이용된다. 유전자 물질의 단일의 분자로부터 시작해서, 10억 이상의 유사한 카피가 합성될 수 있다. 임상 표본에서의 고유의 시퀀스의 존재 또는 부재를 테스트함으로써, PCR은 소정의 바이러스성 감염을 진단하는 것과 같은 매우 많은 목적을 위해 이용될 수 있다. 또한, PCR은 임상 표본에서의 바이러스성 물질의 양을 정량화하는 방법들 중 하나로서 이용되어 왔다. 또한, 그러한 기법은 부성 및 혈통 등을 분석하기 위한, 법의학의 목적을 위해서도 이용될 수 있다. 더욱이, PCR 분석은 다양한 바이러스 및 바이러스성 질병에 대한, 진단, 정량화, 및 탐구 목적을 위해 이용가능하다.
유전자 마커
유전자 테스트 및 게놈 시퀀싱의 부산물로서, 유전자 마커에 대한 증가하는 참조는, 평가될 상태 및 질병에 대한 매우 특정적인 경향을 허용한다. 인간 게놈 프로젝트는 평가된 50,000 내지 100,000 개의 유전자 및 그들 사이의 공간을 포함하는 인간 게놈을 형성하는 유전자 물질 및 시퀀스의 이해를 크기 진보시켰다. 개개의 유전자 및 그들의 그룹의 기능을 나타내는 데이터와 함께 일단 정제되어 고려되면, 결과적인 맵은 환자의 현존하는, 과거의, 그리고 가능한 미래의 상태를 평가하는 기능을 할 수 있다.
일반적으로, 유전자 맵핑을 위한 수 개의 방안이 존재하지만, 과학자들은 우선, 알려진 질병 또는 상태와 관련된 유전자 부근에 위치되고, 질병을 가진 개인에 의해 일관되게 물려받고, 하지만 질병이 없는 친척에게서는 발견되지 않는 알려진 DNA 세그먼트를 포함하는, 용이하게 식별가능한 유전자 마커를 찾는다. 그 후, 탐구는 변경된 유전자 또는 유전자들의 정확한 위치를 타겟으로 하여, 특정 베이스 변화를 특성화하고자 시도한다. 그 후, 유전자들 및 다른 DNA 랜드마크가 염색체를 따라 발견되는 순서를 나타내는 유전자 마커의 맵이 개발된다.
돌연 변이의 정확한 위치가 알려지기 이전에도, 신뢰할 수 있는 유전자 마커에 대한 프로브가 때로는 만들어질 수 있다. 그러한 프로브는, 방사성 분자에 연결되고, 대상이 되는 유전자 부근의 영역에 매칭되는 단일 스트랜드의(single-stranded) DNA의 길이로 구성된다. 프로브는 그러한 영역에 묶이게 되며, 그 후, 프로브로부터의 방사성 신호가 X선 필름상에서 가시적으로 만들어져, 프로브와 DNA가 매칭되는 곳을 보여준다.
프로브 및 마커에 근거한 예측적인 유전자 테스트는 유전자 연결 질병 및 상태의 진단에 있어서 점점 더 중요해질 것이다. 예측적인 유전자 테스트는, 방광의 섬유증 및 테이 사쉬(Tay Sachs) 질병과 같은 생명을 위협하는 질병을 포함하는 소정의 24 장애에 대해 이미 이용가능하다. 또한, 유전자는 수 개의 유형의 암에 관련된 것으로 발견되었으며, 수 개의 희귀 암에 대한 테스트가 이미 임상적으로 이용되고 있다. 보다 최근에, 과학자들은 결장암 및 유방암을 포함하는 일반적인 암을 전개시키는 고유의 경향에 연결되는 유전자 돌연 변이를 식별하였다. 일반적으로, 그러한 유전자 마커 및 테스트는, 미래의 상태가 개발하지만, 특정 시퀀스 또는 돌연 변이가 존재함에 대한 표시(비록 아마도 강하게 연결되기는 하지만)만을 단지 제공할 수 있음을 일반적으로 보장하지 않는다.
방사 면역 검정
RIA(radioimmunoassays)는 소량의 항체(Ab) 또는 항원(Ag), 및 이들 사이의 상호 작용 또는 반응을 검출하는데 이용되는 기법이다. Ab 또는 Ag는 요오드-125와 같은 방사성 동위 원소로 라벨링되며, 그 후, 항체 또는 항원의 존재가 감마 카운터를 통해 검출될 수 있다. 전형적인 절차에서, Ab는 필터에 부착된 호르몬에 결합된다. 혈청 샘플이 부가되고, 임의의 호르몬(Ag)이 Ab에 결합되도록 허용되게 조절된다. 결합을 검출하기 위해, 방사성 동위 원소로 식별된 호르몬이 부가되고, 결합되도록 허용되게 조절된다. 비결합된 모든 물질은 씻겨진다. 결합된 방사성 활동의 양이 감마 카운터에서 측정된다. 혈청 샘플내의 호르몬의 존재는 방사성 동위 원소로 식별된 호르몬의 결합을 억제하므로, 테스트에서 제공된 방사성 활동의 양은 혈청 샘플내의 호르몬의 양에 반비례한다. 증가하는 양의 알려진 농도의 호르몬을 이용한 표준 곡선을 이용하여 샘플에서의 양을 결정한다.
RIA는 상당히 적은 양의 Ag 또는 Ab를 검출하는데 이용될 수 있으며, 따라서, 환자의 혈청에 제공된 호르몬 또는 약품의 양을 측정하는데 이용된다. 또한, RIA는 필터상에서가 아닌 용액내에서 수행될 수 있다. 어떤 경우, RIA는 ELISA(enzym-linked immunosorbent assay) 또는 FPIA(fluorescence polarization immunoassay)에 의해 대체된다. 그러한 분석은 유사한 감도를 갖는다. FPIA는 매우 정량적이며, 리스(leases)는 유사하게 정량적이도록 적절하게 설계될 수 있다. 또한, RIA는 다양한 알레르겐에 대해 특정적인 혈청 IgE 항체의 양을 측정하는데 이용될 수 있으며, 그 경우, 분석은 RAST(radioallergosorbent test)라고 지칭될 수 있다.
ELISA는 효소를 이용하여 Ag와 Ab의 결합을 검출한다. 효소는 색원체라고 불리는 무색 물질을, Ag/Ab 결합을 나타내는 유색의 생성물로 변환한다. 준비 프로토콜은, Ab 또는 Ag가 검출되는지의 여부에 근거하여 상이할 수 있다. 일반적으로, Ag 및 Ab의 조합이 표면에 부착되고, 테스트되는 샘플이 부가되어, 배양되도록 허용된다. 효소에 공유 부착되는 안티글로부린 또는 제 2 Ab가 부가되고, 배양되도록 허용되며, 비결합된 안티글로부린 또는 효소 연결된 Ab가 표면으로부터 씻겨진다. 효소의 무색 물질이 부가되고, 효소 연결된 물질이 표면상에 있는 경우, 검출을 위해, 효소는 유색의 생성물로 변환될 것이다.
ELISA 기법에 대한 변형에는, 샘플내의 Ab가 Ag에 결합되고, Ag와 반응하는 효소 연결된 Ab의 결합을 억제하는 길항적(competitive) ELISA와, 샘플의 명료성의 정도에 대략 비례하는 컬러 변화의 세기가 정량화되는 정량적 ELISA가 포함된다.
크로마토그래피
크로마토그래피는 복합 혼합물을 스테이션어리 페이즈 베드 및 스테이션어리 베드를 통해 삼투하는 모바일 페이즈로 분리함으로써, 복합 혼합물을 분리 또는 분석하는데 이용되는 광범위한 기법을 포함한다. 그러한 기법에서, 구성 성분이, 상이한 레이트로, 크로마토그래피 장치를 통해 전달된다. 흡수성 물질을 통한 마이그레이션의 레이트는 원하는 분리를 제공한다. 일반적으로, 문자가 스테이션어리 페이즈에 대해 갖는 친화성이 작을수록, 분리 열에서 소모되는 시간이 짧아진다.
크로마토그래피의 이점에는, 단일의 아미노산에 의해 상이하게 되는 단백질과 같은 매우 유사한 구성 성분의 분리를 포함하는, 복합 혼합물을 높은 정밀도로 분리하는 능력이 포함된다. 따라서, 그러한 기법은 가용성 또는 휘발성의 물질을 정화하기 위해, 또는 측정을 목적으로 이용될 수 있다. 또한, 크로마토그래피는 생성물이 분리되는 상태로 인해, 섬세한 생성물을 분리하는데 이용될 수 있다.
크로마토그래피 분리는, 전형적으로 유리 또는 금속으로 제조되는, 크로마토그래피 열내에서 발생된다. 열은 패킹된 베드 또는 관 모양의 구조로 형성된다. 패킹된 베드 열은 스테이션어리 페이즈를 형성하는 입자를 포함한다. 개방된 관 모양의 열이 박막 스테이션어리 페이즈와 정렬될 수 있다. 전형적으로, 모바일 페이즈는 분리될 혼합물을 운반하는 열을 통해 이동하는 용매이다. 전형적으로, 스테이션어리 페이즈는, 비록 입자가 스테이션어리 페이즈로서 고려될 수 있지만, 열내로 패킹되는 고체 입자의 표면상에서 코딩된 점성액이다. 스테이션어리 페이즈와 모바일 페이즈 사이의 용질의 분할은 원하는 분리가 되도록 한다.
수 개의 유형의 크로마토그래피가 존재하며, 의료 데이터 수집 목적으로 이용될 수 있다. 일반적으로, 이들 유형에는, 흡착 크로마토그래피, 파티션 크로마토그래피, 이온 교환 크로마토그래피, 분자 배제 크로마토그래피 및 친화력 크로마토그래피가 포함된다.
수용체 분석
뉴런은 신경 섬유가 순차적으로 분극화 및 탈분극화되는 전기적 현상에 근거한 임펄스를 송신한다. 일반적으로, 전형적으로 대략 80mv인, 셀 경계를 통한 전위가 뉴런내의 칼륨 이온 및 뉴런 외부의 나트륨 이온의 농도로부터 초래된다. 세포에 자극이 인가될 때, 전위의 변화가 초래되어, 탈분극화에서의 이온의 흐름을 초래한다. 그 후, 신경 전달 물질이 시냅틱 클레프트(synaptic cleft)를 횡단하고, 신경 임펄스를 전달한다.
신경 반응을 자극할 수 있는 신경 전달 물질, 독소 등을 포함하는 물질의 존재 또는 부재를 결정하기 위해, 분석이 설계되어 왔다. 일반적으로, 그러한 분석은 특정 대상의 반응을 자극하는 화학 물질의 존재를 측정하는데 이용된다. 예로써, 분석들을 결합하는 도모산(domoic acid) 수용체를 이용하여, 뇌에서의 글루탐산염 수용체에 결합하는 물질을 식별할 수 있다.
분석을 결합하는 도모산 수용체의 경우, 예를 들면, 3H와 같은 방사성 마커를 포함하는 케인산(cainic acid) 준비가 행해진다. 방사성 케인산이 글루탐산염 수용체를 포함하는 세포에 대한 부착을 허용함으로써, (글루탐산(공통 아미노산 신경 전달 물질)과 유사한 방법으로 기능하는) 케인산 뿐만 아니라, 도모산을 결합할 수 있는 셀에 제공된 방사능이 측정될 수 있다. 실제로, 셀에 대한 알려진 양의 도모산의 추가에 근거하여, 표준 곡선이 전형적으로 생성되며, 그 후, 이 표준 곡선은 준비된 샘플에서의 분석된 물질의 농도를 추정하는데 이용된다.
조직 데이터 자원
조직 분석
조직학은 조직의 구조 및 동작의 미시적 연구이다. 그것은 연구중인 표본의 생명 상태에 근거하여, 2개의 카테고리, 즉 생명이 있는 표본 및 생명이 없는 표본으로 분류된다. 제 1 카테고리는 생명이 없는 표본의 전통적인 연구이다. 여러 가지 상이한 방법들을 이용하여, 연구중인 조직의 유형에 의해 통상적으로 나타내지는 연구를 위한 표본을 준비한다. 몇몇 공통의 준비 방법은, 유리 슬라이드 또는 금속 격자상의 얇게 슬라이싱된 섹션, 유리 슬라이드상의 시미어(smear), 얇게 스트레칭된 조직의 시트, 및 스트랜드로부터 분리된 섬유이다. 이들 방법이 이용되는 몇몇 공통의 표본 유형은 기관의 조직, 혈액, 소변, 점액, 소공의 접속 조직 및 근육을 포함한다.
생명이 없는 표본에 대한 대부분의 준비 방법은 상당히 간단하지만, 섹션을 준비하는데 이용된 실제 방법이 상당히 포함될 수 있다. 표본은 우선 부식을 방지하고, 세포 구조를 보전하고, 이후의 착색을 강화하도록 보존되어야 한다. 일반적으로, 표본은 왁스 또는 플라스틱내에서 동결되거나 또는 끼워넣어져서, 그것이 절절하게 절단되도록 할 것이다. 대상의 섹션은, 광 현미경 검사에 대해서는 1-150 미크론 또는 전자 현미경 검사에 대해서는 30-60 나노미터와 같이, 전형적으로 뷰잉 수단에 의해 지시되는 두께로 절단된다. 그 섹션은 유리 슬라이드 또는 금속 격자상에 탑재된다. 그 후, 섹션은, 화학적 염료, 또는 시약에 의해 가능하게는 몇 단계에 걸쳐, 일반적으로 착색된다. 표본이 광학 현미경 검사로 보여진다면, 그 후, 과다한 물 및 염료가 제거되고, 슬라이드상의 표본은 유리 슬립에 의해 덮여질 것이다. 마지막으로, 표본이 관측, 분석되고, 관측된 데이터는 기록된다.
생명이 있는 표본에 대한 연구의 표본 유형 및 방법은 표본이 살아 있도록 유지하기 위한 요건에 의해 엄격히 제한된다. 일반적으로, 표본은 생체 조건내 또는 생체 조건밖으로 보여질 수 있다. 전형적인 생체 조건밖 표본은 조직 배양 시스템이다. 전형적인 생체 조건내 표본은, 관찰할 수 있는 상황, 즉 귀 또는 피부 조직에서 또한 이용가능해야 한다.
착색 및 다른 준비 방법은 적절하지 않기 때문에, 전형적으로, 전문화된 위상-콘트라스트 또는 다크-필드 현미경 검사를 이용하여, 자연 구조들 사이에 강화된 콘트라스트를 제공한다.
세포학
세포학은 셀의 구조, 기능, 병리, 및 수명 히스토리의 연구이다. 다른 조직학적 데이터 수집 기법과 비교한 것으로서, 세포학의 이점으로는, 그것이 수행될 수 있는 속도, 그것의 비교적 낮은 비용, 및 그것이 특정의 진단을 초래할 수 있다는 사실이 있다. 단점으로는, 일반적으로 관측된 비교적 작은 샘플 크기, 조직 아키텍처에 관한 정보의 부족, 및 연구를 수행하는 임상 의학자에게 요구되는 비교적 높은 레벨의 기술이 있다. 일반적으로, 이용된 표본 수집 방법은 수집될 표본의 유형에 의존한다. 그러한 방법은 정교한 침 아스피레이션(aspiration), 고체 조직 인쇄 시미어 또는 스크랩핑, 및 체액 시미어를 포함한다. 아스피레이션은 본질적으로 흡입에 의한 표본 수집이다. 이들 다양한 방법에 의해 수집된 몇몇 공통의 표본 유형에는, 갑상선, 가슴, 또는 포복성 표본, 자궁, 경부 또는 위 조직, 및 배설물(소변 또는 변) 또는 분비물(침, 프로스태틱 체액 또는 질 체액)을 포함한다.
세포학을 위한 표본 준비 방법은 비교적 단순하다. 우선, 검사되는 영역으로부터 샘플이 제거되고, 그 후, 유리 슬라이드상에 위치되며, 착색 및 연구된다. 샘플이 고체인 경우, 스쿼시(squash) 준비라고 지칭되는 추가적인 단계가 적절할 수 있다. 이러한 절차에서, 샘플은 제 1 유리 슬라이드상에 위치되고, 제 2 유리 슬라이드로 스쿼시된 후, 제 2 슬라이드를 이용하여 제 1 유리 슬라이드를 통해 확산된다.
전형적으로, 세포학 표본의 분석은 샘플의 해부 위치에 대해, 정상 셀에 대한 표본의 비교를 포함한다. 그 후, 셀은 정상 또는 비정상으로서 분류된다. 전형적으로, 비정상은 염증, 세포 과형성, 또는 종양 형성의 존재에 의해 결정된다. 세포 과형성은, 신체의 자연적인 성장과는 무관하게, 보다 많은 세포가 형성되는 것에 기인하여, 조직 또는 기관의 크기가 증가되는 것이다. 종양 형성은 비정상 성장, 즉, 종양의 형성이다. 비정상 세포는 염증성 또는 비염증성으로서 세부적으로 분류되며, 우세한 염증성 세포의 유형이 결정된다. 염증은 높은, 또는 정상보다 큰, 백혈구 또는 대식 세포의 존재에 의해 결정될 수 있다. 백혈구는 그들의 물리적인 외관에 의해, 2개의 그룹, 즉 과립 모양 또는 비과립 모양으로 분류된다. 과립 모양 백혈구의 예는 중성 호성(neutrophil) 및 에오신 호성(eosinophil)이다. 비과립 모양의 백혈구는 림프구를 포함한다. 만약, 표본 세포가 비과립 모양이면, 그들은 악성 종양에 대해 체크된다. 만약, 세포가 악성 종양이면, 악성 종양 조직의 유형이 결정된다.
조직 타이핑
조직 타이핑은 환자의 HLA(human leukocyte antigem) 패턴의 식별이다. HLA 패턴은 MHC(major histocompatibility complex)라고 지칭되는 염색체 6의 영역에 위치된다. HLA 시스템은 감염에 저항하는데 있어 중요한데, 그 이유는, 그것이 신체의 면역 체계에 대한 외부 및 본래의 셀들 사이를 구별하기 때문이다. 따라서, 이러한 패턴은 기관 이식 분야에 대해서도 또한 중요한데, 그 이유는, 기증자 및 수증자의 HLA 패턴이 유사하게 충분하지 않고, 수증자의 면역 체계가 이식된 기관 또는 조직을 공격("거부")할 것이기 때문이다. 유전자 좌(loci) 라고 불리며, HLA 패턴을 형성하는 항원의 5개의 그룹, 즉 HLA-A, HLA-B, HLA-C, HLA-D, HLA-DR이 있다. 항원의 각각의 유전자 좌는, 대립 유전자라 불리며, 만약 알려지는 경우, 번호, 즉 HLA-A2로 식별되는 많은 변형을 포함한다. 잠정적으로 식별된 대립 유전자는 문자 및 번호, 즉, HLA-Cw5로 지정된다. 각 개인은 부모로부터 각각의 유전자 좌의 대립 유전자를 계승한다. 따라서, 두 형제가 동일한 HLA 패턴을 가질 가능성은 25%이다. 두 사람 사이의 친척 관계가 가까울수록, 그들 두 사람 각각의 HLA 패턴에는 보다 큰 유사성이 존재할 것이다. 따라서, 조직 타이핑을 이용하여, 두 사람이 관련될 가능성을 결정하였다. 또한, 소정의 HLA 패턴을 가진 환자는 소정의 질병에 더 걸리기 쉽지만, 이러한 현상의 원인은 알려져 있지 않다. 전형적으로, 조직 타이핑 테스트를 수행하기 위해서는, 혈액 샘플이 필요하다.
조직 유형에 대한 테스트를 위한 두 개의 일반적인 방법에는, 혈청학 및 DNA 테스트이다. 최근까지는, 단지 혈청학 테스트가 수행되었다. 그러나, HLA-A, B, Cw, DR 유전자 좌의 아미노산 시퀀스가 결정되었기 때문에, DNA 테스트는, 이들 HLA 패턴에 대한 유전자 좌에 대해 가장 널리 이용되는 테스트 방법이 되었다. 일반적으로, 혈청학 테스트는 소정의 대립 유전자를 파괴 또는 리스할 항혈청을 포함하는 접시내의 혈액 샘플로부터 림프구를 배양함으로써 수행된다. 그 후, 염료가 추가되어, 임의의 리스된 세포가 존재하는지를 보여준다. 만약 그러하다면, 테스트는 해당 특정 대립 유전자에 대해 양성이다.
면역 세포 화학
세포 화학은 상이한 화학적 화합물 및 세포내의 그들의 활동성의 식별 및 국부화를 포함하는 조직 및 세포의 화학적 구성 성분의 연구이다. 면역 세포 화학은 다수의 방법을 포함하며, 여기서는, 미시적 검사를 위해, 항체를 이용하여, 조직 또는 세포내의 항원을 국부화한다. 항체를 가시화하는 몇 가지의 전략이 존재한다.
송신된 광 현미경 검사의 경우, 효소에 대한 컬러 전개 기판 때로는 이용된다. 항체는 효소를 이용하여 직접적으로 라벨링될 수 있다. 그러나, 항체와 효소 사이의 그러한 공유 링크는 효소 및 항체 활동 둘다의 손실을 초래할 수 있다. 그러한 이유로, 수 개의 다단계 착색 절차가 개발되었으며, 여기서는 중간 링크 항체들이 이용된다.
입체학은 랜덤하게 위치된, 규칙적으로 배열된 기하학적 프로브와 대상의 구조 사이의 만남의 확률을 예측하기 위해, 필요한 수학적 배경을 제공하는 정량적인 기법이다. 입체학 방법이 정량적 면역 세포 화학에 도입되어 왔다. 간단히, 카메라가 고정밀의 자동화된 표본 스테이지 및 이동을 모니터링하기 위한 마이크로케이터(microcator)를 갖는 현미경상에 탑재될 수 있다. 카메라는 입체학적 소프트웨어를 실행하도록 구성된 컴퓨터에 연결된다. 분석은, 조직이 얇은 슬라이스, 예를 들면, 0.5㎛의 두께로 광학적으로 분해되도록 하는 높은 수치 애퍼처를 갖는 대물 렌즈를 이용하여 높은 확대도로 수행된다. 정량적 분석은 면역 조직 화학 착색의 고르고 양호한 침투를 갖는 두꺼운 섹션(40㎛)을 필요로 한다.
또한, 면역 세포 화학에서는 전자 현미경 검사가 일반적으로 이용된다. 전형적인 샘플 준비 방법에서, 샘플이 먼저 보존된다. 하나의 어셈블리 유형에서, 표본은 에폭시 수지내에 내장된다. 그 후, 수 개의 샘플이, 스택이라고 지칭되는, 다수의 샘플의 동시적인 구획을 용이하게 하는 층을 이루는 어셈블리내로 어셈블링된다. 모자이크라고 지칭되는 다른 어셈블리 유형이, 스택 어셈블리가 실행불가능한 경우, 이용될 수 있다. 모자이크 어셈블리는 수 개의 샘플을 나란히 위치시킨 후, 그들을 에폭시 수지내에 내장시키는 것을 포함한다. 스택 또는 모자이크가 어셈블링된 후, 그것은 구획되어 검사된다.
조직 병리 분석
조직 병리 분석은 육안 및 현미경 둘다를 이용하여 조직을 검사함으로써 진단을 수행시에 포함된다. 조직 병리학은 3개의 주된 영역, 즉 외과 병리학, 세포학, 및 검시로 분류된다. 외과 병리학은 생체 및 잘라낸 표본의 검사이다. 세포학은 검진 프로그램(예를 들면, 유방암 검진 및 경부 세포학 프로그램)의 주된 부분과, 전조가 되는 장애(예를 들면, 유방의 혹 또는 머리 및 목의 혹)를 갖는 환자의 조사를 포함한다.
전자 현미경
전자 현미경은 객체를 검사하기 위해, 매우 정교한 스케일로 높은 에너지의 전자빔을 이용하는 과학적인 기구이다. 일반적인 2가지 유형의 전자 현미경이 있는데, 즉, 송신 및 스캐닝이다. 더욱이, 표본 섹션은 진공중에서 보여져야 하며, 매우 얇게 슬라이스되어, 그들이 전자 빔에 대해 투광성이 되도록 할 것이다.
현미경에서는 2개의 주된 지시자가 이용되는데, 즉, 확대도 및 해상도이다. 확대도는 실제 크기에 대한, (보여졌을 때의) 표본의 외관 크기의 비율이다. 전자 현미경은 광학 현미경보다 200배까지 큰 표본의 확대도를 허용한다. 해상도는 두 객체가 여전히 구별될 수 있는, 두 객체 사이의 최소 거리를 측정한다. 전자 현미경의 해상도는 대략 0.002㎛이고, 광학 현미경의 해상도의 100배까지 크다.
전자 현미경에 의한 표본의 검사는, 지형학, 형태학, 조성, 및 결정학적 정보와 같은, 표본에 대한 유용한 정보를 제공할 수 있다. 표본의 지형학은 객체의 표면 특징을 의미한다. 일반적으로, 표본의 이들 특징과 물질 속성(경도(hardness), 반사율 등) 사이에는 직접적인 관계가 있다. 표본의 형태학은 표본을 형성하는 입자의 형상 및 크기이다. 일반적으로, 표본의 입자의 구조는 그의 물질 속성(연성, 강도, 반응도 등)과 관련된다. 조성은 표본을 포함하는 요소 및 합성물과, 이들의 상대적인 양을 포함한다. 일반적으로, 표본의 조성은 물질의 속성(용융점, 반응도, 경도 등)을 나타낸다. 결정학적 정보는 표본의 원자 배열과 관련된다. 표본의 원자 배열은 그의 물질 속성(도전율, 전기 속성, 강도 등)과도 관련된다.
인 시튜 교배
ISH(in situ hybridization)는 DNA 또는 RNA 프로브를 이용하여, 복제된 박테리아 또는 배양된 진핵 세포에서의 상호 보완적 DNA 시퀀스의 존재를 검출하는 것이다. 진핵 세포는 멤브레인 바운드, 구조적으로 이산적인 핵, 및 다른 잘 개발된 세포 이하의 구획을 갖는 세포이다. 진핵 생물은 바이러스, 박테리아, 및 청록 조류를 제외한 모든 유기체를 포함한다. 일반적인 2가지 유형의 ISH, 즉 형광성(FISH) 및 효소 기반이 있다.
ISH 기법은 형태학적으로 보존된 염색체, 세포 또는 조직 섹션에서 특정 핵산 시퀀스가 검출되도록 한다. 면역 세포 화학과의 조합에서, 인 시튜 교배는 미시적 토폴로지 정보를 DNA, mRNA, 및 단백질 레벨에서의 유전자 활동과 관련시킬 수 있다. 더욱이, 안정된 비방사성 라벨을 갖는 핵산 프로브를 준비하는 것은 ISH의 일반적인 응용을 방해하는 주된 장애를 제거할 수 있다. 더욱이, 이것은 하나의 실험에서 상이한 라벨들을 조합하기 위한 새로운 기회를 열어 줄 수 있다. 그러한 프로브에 대해 이용가능한 많은 민감한 항체 검출 시스템은 이 방법의 융통성을 더 향상시킨다.
수 개의 상이한 형광성 또는 효소 기반 시스템을 이용하여, 라벨링된 핵산 프로브를 검출한다. 그러한 옵션은 연구자에게, 실험 시스템을 최적화시의 융통성을 제공하여, 가장 높은 민감도를 달성하고, 내생적인 비오틴 또는 효소 활동과 같은 잠재적인 문제점을 회피하고, 또는 하나의 실험에 다수의 라벨을 도입하도록 한다. 최적의 프로브 라벨 및 후속하는 검출 시스템 둘다를 선택할 때에, 조직 응고, 내생적인 비오틴 또는 효소 활동, 원하는 민감도, 기록의 영구성과 같은 요인이 고려된다.
조합
상기 방법들의 전체 또는 일부의 소정의 조합을 이용하여, 환자의 질병 또는, 보다 일반적으로, 물리적 상태, 또는 상태에 대한 위험 혹은 경향을 최적으로 진단할 수 있다.
약동 데이터 자원
치료 약품 모니터링
TDM(Therapeutic drug monitoring)은 약품의 혈청 레벨의 측정 및 혈청 치료 범위를 갖는 이러한 혈청 레벨의 조정이다. 혈청 치료 범위는, 약품이, 대부분의 사람들에게 독성의 영향을 미치지 않으면서, 효능이 있는 것으로 보여지는 농도 범위이다. 일반적으로, 추천되는 치료 범위는 상업적 및 대학의 제약 문헌에서 발견될 수 있다.
TDM에 대한 샘플은 에러를 피하기 위해, 결과의 유효한 해석에 대한 복용 이후의 적절한 경과 시간에서 얻어져야 한다. 치료 범위는 구두상의 투약이 시작된 후 약 5 하프 라이프에 대해 일반적으로 달성된 약품의 안정 상태 농도에 근거하여 설정된다. 몇몇 경우에, 최고 및 최저 레벨을 취하는 것이 유용할 수 있다. 최고 레벨은 최대 약품 흡수의 포인트에서 달성된다. 최저 레벨은 다음 복용의 바로 이전에 달성된다. TDM에 대해 이용된 샘플의 유형 또한 중요하다. 대부분의 약품의 경우, 치료 범위는 혈청 농도에 대해 보고된다. 어떤 TDM 방법은 혈청 및 플라즈마 둘다와 이용하도록 인증될 수 있다. 일반적으로, 제조는 어느 샘플이 수용가능한지를 나타낸다.
다수의 약품이 TDM을 겪을 수 있다. 예를 들어, 치료 모니터링을 필요로 하는 일반적인 경련 방지 약품은 페니토인, 카바마제핀, 발프로익 산, 프리미돈, 및 페노바비탈을 포함한다. 통상적으로, 경련 방지 약품은 면역 검정에 의해 측정된다. 일반적으로, 면역 검정은 간섭이 없으며, 매우 작은 샘플 볼륨을 필요로 한다.
또다른 예로서, 심장에 작용하는 약품 디작신은 치료 모니터링을 위한 후보이다. 상이한 구두 디작신 준비의 생체 이용률은 크게 가변적이다. 디작신 약동은 2 구획 모델을 따르며, 신장은 제거의 주된 경로이다. 신장 질병 도는 변하는 신장 기능을 가진 환자는 전형적으로 모니터링되는데, 그들의 제거 하프 라이프가 변할 것이기 때문이다. 디작신에 대한 치료 범위는, 정상적인 신장 기능을 가진 환자에 있어서의 마지막 복용 이후, 8시간과 같은, 사전결정된 양의 시간에, 얻어진 혈액 샘플에 근거한다. 또한, 특정 주기가, 샘플이 취해지기 이전의 안정 상태 레벨을 결정하기 위한 기초로서 지정될 수 있다. 전형적으로 키트(kit)에서 이용가능한 면역 검증은 중요한 간섭 또는 테스트에 대한 교차 반응을 나타낸다.
또다른 예로서, 테오필린은 매우 가변적인 개개인간의 약동을 갖는 기관지 확장제이다. 혈청 레벨은, 최대의 치료 효능을 보증하고, 유독성을 피하기 위해, 안정 상태 농도의 달성 이후에 모니터링된다. 최저 레벨이 통상적으로 측정되며, 면역 검정은 이러한 약품을 모니터링하기 위해 이용된 가장 일반적인 방법이다. 마찬가지로, 양극단의 우울증 장애를 치료하는데 이용된 리튬 화합물의 경우, 혈청 리튬 농도가, 선택적인 전극 기법에 의해 측정된다. 이온 선택적 전극은 대상의 이온은 통과시키지만, 다른 이온은 통과시키지 않는 멤브레인을 갖는다. pH 계기는 수소 이온 농도에 응답하는 이온 선택적 전극의 예이다. 리튬 전극은 리튬 농도에는 응답하지만, 칼륨과 같은 다른 작은 카티온에는 응답하지 않을 것이다.
또다른 예로서, 3환의 항울성 약품은 이미프라민, 그의 약물학적 활성 대산 산물인 디시파라민, 아미트리프탈린 및 그의 대사 산물인 노르트립틸린과, 독스핀 및 그의 대사 산물인 노르독스핀을 포함한다. 부모 약품과 대사 산물은 그의 조제약으로서 이용가능하다. 이들 약품은 기본적으로 양극성의 우울증 장애를 치료하는데 이용된다. 이미프라민을 또한 이용하여, 아이에게 있어서의 유뇨증을 치료하고, 메티페니데이트에 대해 저항할 수 있는 주의력 결핍 활동성 장애를 치료한다. 잠재적인 심장독성은 이들 약품 레벨을 모니터링하는 주된 이유이다. 면역 검정 방법은 이미프라민 및 다른 3환을 측정하는데 이용가능하지만, HPLC(high performance liquid chromatography) 방법이 일반적으로 선호된다. 약물학적으로 활성인 대사 산물을 갖는 3환 항울성을 측정할 때, 부모 약품 및 대산 산물이 일반적으로 측정된다.
수용체 특성화 및 측정
수용체 특성화는 전통적으로 수 개의 방법 중 하나를 이용하여 수행된다. 이들 방법에는, 직접적인 라디오리간드 바인딩 분석, 라디오리셉터 분석, 및 완전하고 부분적인 애고니스트 및 안타고니스트 상호 작용이 포함된다. 라디오리간드는 대상의 수용체, 운송체, 효소 또는 임의의 단백질과 관련될 수 있는 방사성으로 라벨링된 약품이다. 바인딩의 레이트 및 범위를 측정하는 것은, 바인딩 시야의 수 및 그들의 친화력 및 약물학적 특성에 관한 정보를 제공한다.
3개의 일반적으로 이용된 실험 프로토콜에는 포화 바인딩 실험, 동역학적 실험 및 경쟁적 바인딩 실험이 포함된다. 포화 바인딩 프로코콜은 상이한 농도의 라디오리간드의 존재시에 바인딩의 범위를 측정한다. 바인딩과 리간드 농도 사이의 관계의 분석으로부터, 바인딩 사이트의 수를 포함하는 파라미터 및 바인딩 친화력 등이 결정될 수 있다. 동역학적 프로토콜에서, 포화 및 경쟁적 실험은, 바인딩이 평형 상태에 도달할 때까지, 배양하도록 허용된다. 동역학적 프로토콜은 바인딩 및 분리의 시간 코스를 측정하여, 라디오리간드 바인딩 및 분리의 레이트 상수를 결정한다. 그와 함께, 이들 값들은 KD의 계산을 또한 허용한다. 경쟁적 바인딩 프로토콜에서, 라벨링되지 않은 경쟁자의 다양한 농도에서의 라디오리간드의 단일 농도의 바인딩이 측정된다. 그러한 프로토콜들은 경쟁자에 대한 수용체의 친화력의 측정을 허용한다.
비용 및 기술적인 어려움으로 인해, 직접적인 라디오리간드 바인딩 분석이 때로는 경쟁적 바인딩 분석으로 대체된다. 후자의 기법은 그들의 수용체의 속성의 이해를 촉진하기 위해 약품의 라디오라벨링을 또한 허용한다. 조합의 화학에 근거하는 약품 설계 및 개발을 위한 기법은, 때로는 라디오리셉터 분석을 이용한다. 라이오리셉터 분석 기법은, 리간드-수용체 복합체가 자유 리간드로부터 분리될 수 있는 한, 매크로 분자에 대해 높은 친화력을 갖는 리간드의 바인딩이 평형 투석을 필요로 하지 않으면서 측정될 수 있다는 사실에 근거한다. 리간드를 적절한 방사성 물질로 라벨링함으로써, 리간드-수용체 조합이 측정될 수 있다. 그러한 분석들은 신속하고 매우 민감하다. 길항 작용은 애고니스트 유도 수용체 응답을 금지 또는 방지하는 처리이다. 그러한 효과를 발생하는 에이전트를 길항제라고 지칭한다. 선택적인 길항제의 이용가능성은, 경쟁적 바인딩 프로토콜에 대해 중요한 요소를 제공하였다.
잡다한 자원
물리적 검사
포괄적인 물리적 검사는 건강 관리 전문가에게, 미래의 이용을 위해, 환자에 관한 기준 정보를 얻을 수 있는 기회를 제공한다. 전형적으로 임상 설정에서 발생되는 검사는 환자의 히스토리에 관한 정보를 수집하고, 진단 및 건강 실행에 관한 정보를 제공하는 기회를 제공한다. 신체의 여러 부분 또는 사실상 모든 부분을 커버하는 물리적인 검사가 완료될 수 있으며, 또는 환장가 경험한 증상에 대해 특정적일 수 있다.
전형적인 물리적 검사에서, 검사자는 환자의 외관, 일반적인 건강, 행동을 관찰하고, 소정의 주된 측정을 수행한다. 전형적으로, 측정치에는 신장, 체중, 바이탈 사인(예를 들면, 맥박, 호흡율, 체온 및 혈압)이 포함된다. 그 후, 이러한 정보는, 환자의 파일에 대한 종이에 전형적으로 기록된다. 본 기법의 양상에 따르면, 많은 정보가, 통합 지식 베이스를 컴파일하고, 환자에 대해 향상된 간호를 제공하기 위한 자원으로서 포함시키기 위해, 디지털화될 수 있다. 이하에서는, 예시적인 환자 데이터 획득 기법 및 지식 베이스와의 그들의 관련성 및 다른 자원이 보다 상세히 기술될 것이다.
포괄적인 물리적 검사에서, 환자의 신체의 다양한 시스템이, 예를 들면, 앉은 위치에서, 일반적으로 검사될 것이다. 이들은 노출된 피부 영역을 포함하여, 임의의 관찰가능한 장애의 크기 및 형상이 주지될 것이다. 그 후, 머리털, 두피, 머리 골격 및 안면 영역을 포함하는 머리가 검사된다. 외부 구조 및 내부 구조를 포함하는 눈의 관찰이, 검안경을 통해 수행된다. 외부 구조 및 내부 구조를 포함하는 귀의 검사가, 검이경을 통해 마찬가지로 수행된다. 외부 코 구조, 코의 점막 및 내부 구조를 포함하는 코 및 공동의 검사가, 코 검사경을 통해 수행된다. 마찬가지로, 입술, 잇몸, 치아, 입천장, 혀, 목구멍을 포함하는 입 및 인두가 검사된다. 후속하여, 목의 양측상의 림프 노드, 갑상선 분비 기관을 포함하는 목 및 등이 전형적으로 검사된다. 등의 경우, 등의 등뼈 및 근육이 일반적으로 촉지되고, 유연성이 체크되며, 위쪽 등이 우측 및 좌측으로 촉지된다. 환자의 호흡이 또한 연구 및 주지된다. 그 후, 장애의 징후에 대해 팔을 편안히 하고 일어선 위치에서 여자의 가슴을 검사하는 것을 포함하는 환자의 가슴 및 겨드랑이가 검사된다. 남자 및 여자 둘다에 대해, 손, 팔, 어깨, 목 및 턱의 관절을 움직이면서, 겨드랑이의 임파 노드가 검사된다.
후속하여, 일반적으로 환자가 누운 상태에서, 가슴이 촉지되고, 혹에 대해 검사된다. 가슴 및 폐의 앞쪽이, 촉지 및 타진을 이용하여 검사되며, 내부 호흡 소리가 다시 주지된다. 그 후, 심장 레이트 및 리듬이 청진기를 통해 체크되고, 목의 혈관이 관찰 및 촉지된다.
또한, 간, 비장, 신장 및 대동맥을 포함하는 내부 기관의 검사를 위해 복부의 약하고 깊은 촉지에 의해 아래 신체가 검사된다. 직장 및 항문이 디지털 검사를 통해 검사되고, 전립선 분비 기관이 촉지될 수 있다. 재생성 기관이 검사되고, 그 영역이 탈장에 대해 검사된다. 남자에게 있어서, 음낭이 촉지되고, 여자에게 있어서는, 반사경 및 팝 테스트(Pap test)를 이용한 골반 검사가 전형적으로 수행된다. 무릎에서의 혹 및 펄스에 대해 다리가 검사되고, 허벅지 및 발 영역이 발견된다. 사타구니 영역이, 림프 노드의 존재에 대해 촉지되고, 관절 및 근육이 또한 관찰된다. 등뼈의 직진성 및 다리 및 발의 정렬을 주지하기 위한 것과 같이, 근골격 시스템이 또한 검사된다. 혈관이 또한, 전형적으로 다리에서 발생되는 비정상적으로 확장된 정맥에 대해 관찰된다.
또한, 전형적인 물리적 검사에는 환자의 주의력 및 정신력의 평가를 포함한다. 또한, 신경 시스템이, 걸음 또는 뛰기와 같은 단순한 물리적 동작을 환자가 수행하도록 함으로써, 신경학상의 검진을 통해, 검사될 수 있고, 무릎 및 발의 반사 작용이 테스트될 수 있다. 눈, 안면, 턱의 근육 등의 소정의 반사 작용 기능이 또한, 일반적 근육 톤 및 정합으로서 주지될 수 있다.
의료 히스토리
일반적으로, 의료 히스토리 정보는 의료 설비에 대한 환자의 입력시에 완료되는 질문서에 대해 수집된다. 후술하는 바와 같이, 그리고 본 기법에 따라, 그러한 정보는 환자의 방문에 앞서서 디지털화되고, 또한 환자의 방문에 앞서서 또는 환자의 방문 동안에, 뒤따르는 정보가 필요할 수 있다. 전형적으로, 그러한 정보는, 1차 간조 의사, 전문가 등을 포함하는 환자를 돌보거나 간호하였던 중요하거나 최근의 종사자의 성명 및 주소 또는 전화 번호, 및 보험 회사에 관한 데이터를 포함한다. 제공된 의료 상태는 일반적으로, 환자가 경험한 증상 및 질병 상태 또는 사건을 포함하는 대상에 관한 것이다. 특정 대상은, 당뇨병, 고혈압, 만성의 또는 심각한 질병 및 병 등과 같은 상태이다. 이름, 선량, 투여 시기, 처방 의사명, 부작용 등을 포함하는 현재의 약물이 또한 주지된다. 마지막으로, 자연 및 인위적인 물질에 대한 알레르기를 포함하는, 환자에게 알려진 현재의 알레르기가 주지된다.
또한, 의료 히스토리 정보는 과거의 의료 히스토리, 심지어는 환자의 어린 시절까지 확장된 의료 정보, 면역 조치 기록, 임신, 중요한 단기 질병, 장기 상태 등을 포함한다. 마찬가지로, 환자의 패밀리 히스토리가 주지되어, 의료 상태 및 사건에 대한 잠재적인 경향의 일반적인 표시를 제공한다. 또한, 입원 환자 체류, 응급실 방문을 포함하는 입원 수용이 주지되고, 마취 및 특정 침입 절차와 관련된 정보를 갖는 중대한 그리고 사소한 수술이 주지된다.
또한, 의료 히스토리 데이터는, 환자가 경험한 상태에 대한 일반적인 배경을 제공하는 중대한 또는 최근의 혈액 테스트와 같은, 다른 의사 및 소스로부터의 데이터를 포함할 수 있다. 필름 기반 형태와 같은 유사한 정보가 또한 찾아져서, 이러한 유형의 배경 정보를 제공한다.
또한, 환자에 의해 제공된 정보는 일반적인 사회적 히스토리 및 환자의 생활 양식에 관련된 소정의 정보를 포함할 수 있다. 이들은 술 또는 담배 소비, 식이 요법, 운동, 스포츠 및 취미 등과 같은 습관을 포함할 수 있다. 직장에서의 현재의 또는 최근의 활동 또는 임무를 포함하는 일 히스토리는, 특히 모험적이고, 위험하거나 또는 긴장이 많은 임무에 관한 정보인, 대상일 수 있다.
정신 의학, 심리적 히스토리, 및 행동 테스트
환자의 정신 의학적 히스토리는, 특히 치료가능하거나 식별가능한 정신 의학적 상태에 대한 증상 또는 경향이 관심사일 수 있는 곳에서의 대상일 수 있다. 특히, 정신 의학자는 광범위한 정신 의학적 증상을 제어하기 이해 약물을 제공할 수 있다. 또한, 대부분의 정신 의학자는 환자에게 뿐만 아니라, 적절한 경우, 커플, 그룹 및 패밀리에게 심리 요법 및 카운슬링 서비스를 제공한다. 더욱이, 정신 의학자는 ECT(electroconvulsive shock therapy)를 시행할 수 있다. 정신 의학자는 심리 학자와 달리, 심각한 정신 장애를 갖는 개인들을 치료하고, 임상 설정에서의 입원 환자를 기반으로 환자와 작용한다. 정신 의학적 히스토리는 사무실 방문 이전에 또는 방문중에 질의서상에서 매우 일반적으로 구해지거나, 또는 보다 활발한 질문 또는 테스트를 통해 결정될 수 있다.
정신 의학적 히스토리와는 엄격하게 상반되는 것으로서, 심리적 히스토리는 간호를 원하는 환자의 특수한 대상에 근거할 수 있다. 특히, 심리 학자에 의해 제공된 서비스는 전형적으로 그들의 훈련에 근거하며, 소정의 심리 학자는 개인들, 그룹, 커플 및 패밀리에 대해 심리 요법 및 카운슬링을 제공한다. 또한, 심리 학자는 심리적 테스트의 시행, 스코어링 및 해석에 있어서 전형적으로 훈련된다. 그러한 테스트는 지능, 개성(예를 들면, 케어세이 템퍼라먼트 소터(Keirsey Temperament Sorter), 메이어스-브리그스 타입 인디케이터(Meyers-Briggs Type Indicator)와 같은 테스트를 통해), 관계 요인, 뇌 장애 및 정신 병리학을 포함하는 다양한 심리적 요인을 평가할 수 있다. 또한, 신경 심리학자는 뇌 손상된 환자에게 정신적 재교육을 수행한다.
행동 테스트는 심리적 테스트와 다소 유사하며, 지적 행동 장애 또는 단순한 행동 패턴을 식별할 수 있다. 그러한 테스트는 정신 의학적 또는 심리적 평가와 함께 제공되어, 환자에게서 관찰된 소정의 행동에 대해, 근본 원인, 정신 의학적, 심리적 또는 생리적인 것을 결정한다. 적절한 경우, 치료는 카운슬링 또는 약물 투여를 포함할 수 있다.
인구 통계 데이터
환자로부터 수집된 소정의 데이터는 환자를, 알려진 특성의 소정의 그룹 또는 집단과 관련시키도록 의도될 수 있다. 일반적으로, 인간 집단의 통계적 연구는, 특히, 특정한 특성을 갖는 집단의 크기 및 밀도, 분포, 및 바이탈 통계치에 대하여, 그러한 인구 통계 데이터를 포함한다. 인구 통계 변수들 중에서, 전형적으로 주지되는 것에는, 성, 연령, 인종, 민족성, 종교 가입, 물질적 상태, 가족의 크기, 원어, 시민권, 직업, 생활 예상, 출생율, 사망률, 교육 수준, 인구, 물 공급 및 공중 위생, 주거, 지식, 실업, 질병 확산 및 건강 위험 요인이 있다. 후술하는 바와 같이, 본 기법의 양상에 따르면, 적으도 그러한 인구 통계 데이터에 근거한, 본 기법에 의한 자동화된 기반으로, 환자 특정적 또는 환자 적응 피드백 또는 카운슬링이 제공될 수 있다.
약품 이용
검사동안에 수집된 일반적인 정보와 마찬가지로, 약품 이용에 관한 정보는 전형적으로 특정 관심 대상이다. 그러한 정보는 합법적 및 불법적 약품, 처방 약물, 오버더 카운터(over-the-counter) 약물 등의 이용을 포함할 수 있다. 또한, 비록 환자에 의해 약품으로서 일반적으로 고려되지는 않지만, 특정 물질이, 비타민, 식이 요법 보충제, 술, 담배 등을 포함하는 그러한 분류하에 주지될 수 있다.
음식 섭취
식이 요법 및 약물에 관해 환자로부터 일반적으로 수집된 정보 이외에도, 환자 상태에 따라, 특정 음식 섭취 정보가 대상이 될 수 있다. 그러한 정보는 환자의 특정 상태 또는 일반적인 건강을 해결하기 위해, 특정 영양물 섭취 카운슬링을 제공하는데 이용될 수 있다. 일반적으로, 음식 섭취 정보는 환자의 물리적 활동, 민족 또는 문화적 배경, 및 가정 생활 및 식사 패턴에 관한 정보를 또한 포함한다. 음식 및 식품에 대한 식욕 및 태도에 관한 특정 정보가 또한 주지되고, 환자와 함께 토론될 수 있다. 특정 알레르기, 과민증 및 음식 기피는, 환자가 경험한 알려진 및 알려지지 않는 증상을 해결하기 위한, 특정 관심 대상이다. 마찬가지로, 치과 및 구강 건강, 위장 문제, 만성적인 질병의 문제는, 음식 섭취 또는 유사한 문제에 대해 클라이언트에게 카운슬링시에 관심 대상일 수 있다. 또한, 음식 섭취 정보는 환자에게 알려진 특정 약물 또는 인지된 식이 요법 또는 영양 공급 문제를 해결할 수 있다. 또한, 특정 관심 대상은, 예전에 및 최근에 겪은 중요한 체중 변화에 관한 문제이다.
환자로부터 수집 또는 검출된 정보에 근거하여 음식 섭취에 관한 소정의 평가가 수행될 수 있다. 그러한 평가는 인체 측정학 데이터, 생화학적 평가, 신체 크기 인덱스 데이터 및 칼로리 요건을 포함할 수 있다. 마찬가지로, 인체 측정학 데이터로부터, 이상적인 체중 및 유용한 체중 정보가, 또다른 카운셀링 및 진단 목적을 위해 계산될 수 있다.
환경 요인
소정의 상태에 대한 환자의 상태 및 경향 평가시에, 다양한 환경 요인이 관심 대상이 된다. 인구 통계 정보와 마찬가지로, 환경 요인은 식별하기가 상당히 미묘하고 어려운 잠재적인 상태를 평가시에 도움을 줄 수 있다. 전형적인 환경 요인은, 상당히 일반적으로, 생활 사건, 운동 등을 포함할 수 있다. 더욱이, 공기 오염, 오존 고갈, 살충제, 기후, 전자기 방사선 레벨, 자외선 노출, 화학적 노출, 석면, 납, 라돈, 또는 다른 특정 노출 등을 포함하는, 특정 환자 또는 환자 생활 조건에 대한 정보가 주지될 수 있다. 그러한 정보는 불화물과 관련된 치아 및 뼈에 관한 문제와 같은 인구 정보 또는 알려진 관련 데이터, 휘발성 유기물(예를 들면, 벤젠, 탄소, 4염화물 등)과 관련된 잠재적인 암 링크, 박테리아 및 바이러스(예를 들면, 이. 콜리, 기아디아 람브리아(giardia lamblia) 등)와 관련된 위장병 및 다른 문제, 비유기물(예를 들면, 석면, 수은, 질산염 등)과 관련된 암, 간 손상, 신장 손상, 신경계 손상의 길이와 관련될 수 있다.
총 병리
일반적으로, 총 병리(gross pathology)는 기본적인 인간 시스템의 구조 및 기능에 관한 정보와 관련된다. 그러한 시스템은 골격 시스템, 내분비 시스템, 재생성 시스템, 신경 시스템, 근육 시스템, 방광 시스템, 소화 시스템 및 호흡 시스템을 포함한다. 그러한 총 병리 정보는 특정한 질문 또는 검사에서 수집되거나, 또는 전술된 물리적 검사 또는 환자 히스토리 데이터 수집 처리와 같은 다른 일반적인 질문과 함께 수집될 수 있다. 더욱이, 총 해부 정보의 양상이 참조 텍스트, 검시, 및 비주얼 휴먼 프로젝트와 같은 의인화 데이터베이스 등으로부터 수집될 수 있다.
비생물학적 모델로부터의 정보
비생물학적 모델로부터의 정보는, 환자 상태를 평가 및 진단시에, 특정한 관심 대상이 될 수 있다. 또한, 그러한 정보는 환자 간호의 전체 관리시에 특정한 관심 대상이 될 수 있다. 이러한 자원의 일반적인 카테고리에 포함된 정보는 건강 보험 정보 및 건강 관리 재정 정보를 포하한다. 더욱이, 의료 기관의 경우, 관리, 작업 흐름 및 인간 자원의 주의깊은 제어를 포함하는, 적절한 환자 간호를 시기 적절하게 제공하기 위해서는, 많은 양의 정보가 필요하다. 환자에 대한 생활 관리를 제공하는 기관에서, 데이터는 음식 서비스, 병원 재정 정보 및 환자 재정 정보와 같은 항목을 또한 포함해야 한다. 환자 특정적인 많은 정보가, 기관에 의해, 일반적인 환자 기록에 축적될 수 있다.
전체 관리에 도움을 주는 기관에 대한 다른 특정 정보는 기관의 사업 관련 양상 단독의 정보 또는 다른 관련된 기관과 관련된 기관의 사업 관련 양상에 대한 정보를 포함할 수 있다. 이러한 정보는 병원의 지리적 위치, 진료소의 유형, 진료소의 크기, 진료소의 전문가 또는 분야 또는 의사 등을 나타내는 정보를 포함할 수 있다. 또한, 환자 교육 물질이 이 그룹에서의 관심 대상일 수 있으며, 환자 교육 물질은, 이하에 상세히 기술되는 바와 같이, 개개의 환자에 대해 특히 적응될 수 있다. 마지막으로, 의사 위탁 및 의사 필요성 및 선호도를 포함하는 의사와의 관계에 관련된 정보가, 이러한 자원 카테고리에서 또한 관심 대상일 수 있다.
처리 및 분석
데이터 처리 시스템(10)에 의해 수행된, 전술한 처리 및 분석 기능은 처리가 기본으로 하는 데이터, 원하는 분석의 유형, 데이터의 출력에 대한 목적에 따라, 여러 가지 형태를 취할 수 있다. 그러나, 특히, 처리 및 분석은 통합 지식 베이스(12)와 결합된 다양한 자원으로부터의 광범위한 데이터에 대해 바람직하게 수행된다. 다양한 자원의 양식 및 유형 중에서, 처리 및 분석을 수행하기 위해, 몇 가지의 시나리오가 상정될 수 있다. 이들은 단일의 양식 의료 시스템 또는 자원, 단일 유형 다수 양식 조합, 및 다수 타입 다수 양식 구성에 근거하여 수행되는 분석을 포함한다. 더욱이, 전술한 바와 같이, 다양한 컴퓨터 보조 처리, 획득 및 분석 모듈이, 하나 이상의 양식 및 유형 시나리오에 대해 이용될 수 있다. 이하에는, 본 시스템에 의해 수집 및 저장된 데이터의 이용에 대한, 양식 기반, 유형 기반 및 컴퓨터 보조 처리 기반 방안의 소정의 예시적인 구현이 기술된다.
양식 및 유형
단일 양식 의료 시스템에서, 임상 의학자는 환자 데이터에 대한 사건의 체인을 시작한다. 사건은 전술한 획득 모듈, 처리 모듈, 분석 모듈, 보고 모듈 및 기록 보관 모듈과 같은 다양한 모듈로 분할된다. 전통적인 방법에서, 보고는 조회하는 임상 의학자에게 다시 전달된다.
본 기법에서, 컴퓨터 처리가 도입되어, 수 개의 데이터 동작 임무를 수행할 수 있다. 일반적으로, 본 설명에서, 그러한 동작을 수행하기 위한 알고리즘을 데이터 동작 알고리즘 또는 CAX 알고리즘이라고 지칭한다. 현재 고려되는 CAX 알고리즘 및 그들의 상호 작용 및 통합에 관해 보다 설명될 것이지만, 이 시점에서, CAA(computer aided acquisition algorithms), CAP(computer aided processing algorithms), CAD(computer aided detection algorithms)을 포함하는 소정의 그러한 알고리즘이 일반적으로 언급될 것이다. 또한, 구현된 소프트웨어는 전체 작업 흐름을 관리하고, 현 시간 또는 이전의 시간에서의 동일 모듈의 지식으로부터의 각 스테이지의 파라미터 및/또는 현 시간 또는 이전 시간에서의 다른 모듈로부터의 데이터를 최적화하는 기능을 한다. 더욱이, 도 1에 도시된 바와 같이, 지식 베이스(12)는 새로운 데이터로 생성/갱신되고, 본질적으로 다양한 컴퓨터 보조 모듈을 구동한다. 따라서, 지식 베이스(12) 생성 및 갱신은 컴퓨터 보조 방법과 연결되어, 단일의 양식 유닛을 구현한다. CAA, CAP, CAD 모듈(86, 88, 90)(예를 들면, 도 5 참조)을 포함하는 CAX 모듈 및 지식 베이스(12)의 세부 내용은 이하에서 상세화된다. 더욱이, 이들 모듈 각각은 소정의 임상 질문에 대해 전문화될 수 있음을 알아야 한다. 따라서, 동일 임상 질문이 상이한 시점에서, 다수의 획득, 예를 들면, 또는 다수의 처리 및 다수의 분석을 필요로 한다면, 데이터의 시간적인 양상을 수용하도록, 기법이 일반화될 수 있다.
현재의 문맥에서, 단일 유형 다수 양식 의료 시스템은 도 8의 임의의 열로 구성될 수 있다. 도 7에서, N의 상이한 시점에서 M개의 양식을 고려하는, 시간적 속성을 갖는 단일 유형 다수 양식 시스템의 개략도가 도시된다. 물론, 단일 양식의 모든 속성이 다수 양식 문맥에서의 임의의 양식에 또한 적용가능하며, 도면은 단순히 다수 양식들 사이의 상호 작용을 강조한다. 도 6 및 7에서, 데이터의 획득, 처리 및 분석을 최적화하기 위한 것과 같이, 각 유형내에서의 상호 작용이 또한 현저하다. 또한, 데이터의 시간적 속성에 근거하여 획득, 처리 및 분석 모듈을 변형하기 위한 것과 같이, 의료 사건의 시간적 양상이 문맥상 고려된다. 후술된 바와 같이, 논리 엔진(24)(예를 들면, 도 5 참조), 또는 보다 일반적으로, 처리 시스템(10)은 지식 베이스(12)를 이용하여 양식들 사이의 데이터의 획득, 처리 및 분석을 최적화하기 위한 규칙을 이용할 수 있다.
본질적으로, 다수 유형 다수 양식 의료 시스템은, 도 8에 요약된 유형 및 양식을 포함하는, 이용가능한 자원의 전체 범위를 커버할 수 있다. 도 6에서, 상이한 시점을 고려하는, 시간적 속성을 갖는 다수 유형 다수 양식 시스템이 도시된다. 앞에서와 같이, 단일 유형 다수 양식 시스템의 모든 속성은 임의의 유형에 대해 적용가능하며, 다수 유형과 다수 양식 사이의 상호 작용을 개략적으로 강조한다. 다수 유형 다수 양식의 문맥에서, 상이한 유형의 양식들 사이의 상호 작용을 이용하여, 데이터의 획득, 처리 및 분석을 최적화할 수 있다. 다시, 다수 유형으로부터의 의료 사건의 시간적 양상이 고려될 수 있고, 데이터의 시간적 속성에 근거하여 획득, 처리 및 분석 모듈을 변형하는데 이용될 수 있다. 논리 엔진(24), 및 다시 보다 일반적으로, 처리 시스템(10)은 지식 베이스를 이용하여 양식들 사이의 데이터의 획득, 처리 및 분석을 최적화하기 위한 규칙을 이용할 수 있다. 시스템(10)은 CAX 모듈과 같은, 또는 소정의 특정한 그러한 모듈 CAA, CAP, CAD 모듈(86, 88, 90)에 대해 도시된 바와 같은 툴 또는 모듈로부터 및 지식 베이스(12)로부터의 데이터를 이용하고, 지식 데이스(12)의 일부일 수 있는 관계를 형성한다.
본 기법의 통합 지식 베이스 방안의 이점을 얻기 위해 임의의 적절한 처리 알로리즘 및 프로그램이 이용될 수 있지만, 이러한 목적을 위해, 이용가능한 프로그램의 유형의 소정의 적응 및 통합이 수행될 수 있다. 전술한 바와 같이, 의료 관련 데이터를 분석하기 위한 예시적인 컴퓨터 보조 데이터 동작 알고리즘 및 모듈은 컴퓨터 보조 진단 모듈, 컴퓨터 보조 획득 모듈 및 컴퓨터 보조 처리 모듈을 포함한다. 본 기법은 제공된 높은 레벨의 통합으로 인해, 그러한 알고리즘을 개발, 정제 및 구현하는 능력을 크게 향상시킨다. 이하에서는, 본 기법의 양상에 따라, 알고리즘의 본성 및 동작 뿐만 아니라, 그들의 상호 작용 및 인터페이스에 관해 보다 상세히 기술된다.
통합 지식 베이스
전술한 바와 같이, 본 기법에서 이용된 통합 지식 베이스는 임의의 원하는 네트워크 링크를 통해, 서로에 대해 연결된 하나 이상의 위치에서 하나 이상의 메모리 장치로 구성된 고도로 통합된 자원일 수 있다. 통합 지식 베이스는 소정의 촬상 시스템에서의 경우에서 일반적으로 그러하듯이, 자원 자신들과 같은, 클라이언트 구성 요소상에 메모리 장치를 더 포함할 수 있다. 제한된 구현에서, 통합 지식 베이스는 매우 적은 그러한 자원들을 결합할 수 있다. 커다란 구현에서, 또는 하나의 구현이 시간에 걸쳐 확장됨에 따라, 데이터 및 자원 사이의 또다른 통합 및 상호 관련이 제공될 수 있다. 본 발명의 설명 전체를 통해 주지된 바와 같이, 임의의 및 모든 자원이 데이터의 사용자로서 기능할 뿐만 아니라, 원하는 경우, 데이터를 제공할 수도 있다.
현재 고려되는 통합 지식 베이스는 미처리 데이터 뿐만 아니라, 반처리 데이터, 처리된 데이터, 보고, 표로된 데이터, 태깅된 데이터 등을 포함할 수 있다. 최소의 구현에서, 통합 지식 베이스는 미처리 데이터 또는 미처리 데이터 베이스의 서브셋을 포함할 수 있다. 그러나, 보다 바람직한 구현에서, 통합 지식 베이스는 그러한 미처리 데이터베이스의 수퍼셋이고, 또한, 필터링된, 처리된, 또는 감소된 치수의 데이터, 임상 사건의 규칙에 관련된 것과 같은 전문가 견해 정보, 증상 또는 다른 입력 및 질병 또는 치로 고려사항 또는 다른 출력에 근거한 것과 같은 예측 모델, 관계, 상호 접속, 추세 등을 포함한다. 본 발명의 설명 전체를 통해 주지되는 바와 같이, 통합 지식 베이스의 내용은 입증 및 증명될 수 있고, 또한 지식 베이스에서 제공된 지식을 제공 또는 얻는 다양한 메모리 장치들 사이에서 합성될 수 있다.
일반적으로, 현재 고려되는 바와 같은 통합 지식 베이스는 증거 기반 약물이 약물의 일반적인 관행 및 전체 건강 관리 기획내로 일정하게 통합될 수 있도록 한다. 즉, 통합 지식 베이스는 임상 의학자 또는 사용자에 의해 정신적으로 유지된 영역 지식 및 경험의 부유함 및 구현된 다양한 알고리즘 프로그램에 데이터를 제공 및 데이터를 얻는 관련된 임상 및 비임상적 공동체를 증가시키는 기능을 한다. 또한, 본 발명의 설명 전체를 통해 기술된 바와 같이, 통합 지식 베이스는 미처리 데이터베이스, 데이터 자원 및 제어가능 및 규정가능 자원을 수용하기 위한 것과 같이, 본질상 분배 및 연합될 수 있다.
지식 베이스 기준에 대한 현재의 관행은 특정 임상 사건에 대한 대표 데이터를 수집하고, 데이터를 리뷰하기 위해 영역 전문가 패널을 셋업하고, 전문가를 이용하여 데이터를 상이한 유효 그룹으로 분류하고, 전문가 조사 결과를 소정의 참조 표준 기법으로 확증하는 것이다. 예를 들어, 방사선 촬영 화상으로부터의 폐 혹 결정의 화상 지식 베이스를 생성하기 위해, 전문가 패널은 혹의 미묘한 정도의 관점에서 화상들을 그룹화하고, 생체 검사로 방사선 촬영 조사 결과를 확증한다. 본 기법에서, 그러한 방법론은 임상적 관련성의 소정의 데이터에 대한 제 1의 기본 단계로서 기능할 수 있다. 그러나, 분류 처리는 영역 전문가 및 부가적인 방법에 의해 제공된 속성에 근거하여 자동화될 수 있다. 일실시예에서, 임의의 임상 데이터가 자동으로 분류되고 인덱싱되어, 다양한 의도적인 목적을 위해, 그것이 검색될 수 있도록 한다.
논리 엔진
본질적으로, 논리 엔진은 시스템에 의해 수행된 다양한 기능을 조정하는 규칙을 포함한다. 그러한 조정은 지식 베이스에 데이터를 액세스 및 저장하는 것과, 특징 검출, 진단, 획득, 처리 및 결정 지원을 위한 것과 같은, 다양한 컴퓨터 보조 데이터 동작 알고리즘의 실행을 포함한다. 논리 엔진은 규칙 기반일 수 있으며, 감독된 학습 또는 비감독된 학습 시스템을 포함할 수 있다. 예로써, 논리 엔진에 의해 수행된 기능에는, 데이터 트래픽 제어, 처리의 개시, 자원에 대한 연결, 접속성, 처리의 조정(예를 들면, 시퀀싱), 액세스 제어와 같은 소정의 활동의 조정, 구성 요소의 "핸드셰이킹(handshaking)", 인터페이스 정의 등이 포함될 수 있다.
시간적 처리 모듈
본 기법의 일양상에 따르면, 단일 양식 데이터에 대한 시간적 변화 분석을 간단히 수행하는 것을 포함한다. 그 결과는, 시간적 변화 데이터 및 현재 데이터를 나란히 디스플레이함으로써, 또는 현재 데이터에 대한 시간적 결과를 퓨징하여 시간적 변호를 강조함으로써, 사용자에게 제공된다. 다른 방안은, 적어도 하나의 양식 및 다른 양식으로부터의 그것의 시간적 대응물을 이용하여 시간적 변화 분석을 수행하는 것이다. 또다른 방안은, 다수 유형 데이터에 대해 시간적 분석을 수행하여, 문제의 의료 상태를 완전히 특성화하는 것이다.
일반적으로, 시간적 처리는 이하의 일반적 모듈, 즉 획득/저장 모듈, 분할 모듈, 등록 모듈, 비교 모듈 및 보고 모듈을 포함할 수 있다.
획득/저장 모듈은 획득된 의료 데이터를 포함한다. 시간적 변화 분석을 위해, 초기의 시점에 대응하는 저장으로부터 데이터를 액세스하는 수단이 제공된다. 일반적인 방안은 획득 및 시간적 시퀀스에서 임의의 유형의 의료 데이터에 대해 확장될 수 있지만, 후속하는 설명에서의 표기를 간략화하기 위해, 단지 2개의 시점 t1 및 t2만을 기술한다. 분할 모듈은 관심 대상의 특징, 볼륨, 영역, 라인 및/또는 포인트를 분리하는 자동 또는 수동 수단을 제공한다. 실제 관심 대상의 많은 경우에, 전체 데이터는 분할 모듈의 출력일 수 있다. 등록 모듈은 이종의 의료 데이터에 대한 등록 방법을 제공한다. 수 개의 예가 이러한 포인트를 예시하는데 도움을 줄 수 있다.
단일 양식 의료 화상의 경우, 시간적 변화 분석을 위한 관심 대상의 영역이 작다면, 변형, 회전, 확대 및 선명화를 포함하는 단단한 신체 등록 변환이, t1 및 t2로부터의 한 쌍의 화상을 등록하는데 충분할 것이다. 그러나, 거의 전체 화상을 포함하는 것과 같이, 관심 대상의 영역이 크다면, 휘어지는 탄력있는 변환이 적용될 수 있다. 휘어진 등록을 구현하는 한 가지 방법은, 다수 스케일 다수 영역 피라미드 방안을 이용하는 것이다. 이 방안에서, 변화를 강조하는 상이한 비용의 기능이 모든 스케일에서 최적화될 수 있다. 소정의 스케일에서 하나의 화상이 리샘플링된 후, 다수의 영역으로 분할된다. 상이한 영역에서 분리된 시프트 벡터가 계산된다. 시프트 벡터는 보간되어, 휘어진 화상에 적용되는 매끄러운 시프트 변환을 생성한다. 화상은 리샘플링되고, 휘어진 등록 처리는 다음의 보다 높은 스케일에서, 사전결정된 최종 스케일에 도달될 때까지, 반복된다.
다수 양식 의료 화상의 경우에, 상호 정보를 최대화하는 것은 단단하고 휘어진 등록을 수행할 수 있다. 소정의 의료 데이터에서, 임의의 공간 등록을 전혀 수행할 필요가 없을 수도 있다. 그러한 경우, 데이터는 단일 스케일 값 또는 벡터일 것이다.
비교 모듈은 이종의 의료 데이터에 대한 비교 방법을 제공한다. 예를 들어, 등록된 화상 비교는 몇 가지의 방법으로 수행될 수 있다. 한 가지 방법은 2개의 화상을 감산하여, 차분 화상을 생성하는 것이다. 이와 달리, 2개의 화상 S(t1) 및 S(t2)는, [S(t1)*S(t2)]/[S(t2)*S(t2) + Φ](여기서, 스칼라 상수 Φ> 0임)으로서 기술되는 강화된 분할 방법을 이용하여 비교될 수 있다. 단일 스칼라 값의 경우에, 의료 사건에 대한 시간적 추세는 정상 및 비정상의 경우에 대한 알려진 추세에 대하여 비교될 수 있다.
보고 모듈은 시간적 비교의 결과를 가시화 및/또는 정량화하기 위해, 사용자에 대해 디스플레이 및 정량화 능력을 제공한다. 사실상, 분석을 위해 이용가능한 모든 데이터를 이용할 것이다. 의료 화상의 경우에, 수 개의 상이한 가시화 방법이 이용될 수 있다. 시간적 비교의 결과는, 몇몇 사전 지정된 기준에 근거한 논리 오퍼레이터를 이용하여, 서로에 대해 동시에 디스플레이 또는 오버레이될 수 있다. 정량적 비교의 경우, 컬러 룩업 데이블을 이용할 수 있다. 또한, 결과적인 데이터는 자동화된 패턴 인식 기법과 연결되어, 결과에 대해 또다른 정량적 및/또는 수동/자동의 정량적 분석을 수행할 수 있다.
인공 신경망
도 15에는, 참조 번호(202)에 의해 지정된 인공 신경망의 일반적인 개략도가 도시되어 있다. 인공 신경망은 다수의 유닛 및 그들 사이의 상호 접속으로 구성되며, 하드웨어 및/또는 소프트웨어에 의해 구현될 수 있다. 도 15에 도시된 바와 같이, 신경망의 유닛은 그들의 기능에 따라, 일반적으로 3가지 유형의 상이한 그룹(층)으로 분류될 수 있다. 제 1 층인 입력층(204)은 입력 패턴을 나타내는 데이터의 세트를 수용하도록 할당되고, 제 2 층인 출력층(208)은 출력 패턴을 나타내는 데이터의 세트를 제공하도록 할당되며, 임의의 수의 중간층인 히든층(206)은 입력 패턴을 출력 패턴으로 변환한다. 각 층에서의 유닛의 수는 임의의 결정되기 때문에, 입력층 및 출력층은 충분한 수의 유닛을 포함하여, 해결될 문제의 입력 패턴 및 출력 패턴을 각각 나타낸다. 신경망은 객체 또는 사건으 부류들 사이를 구별하기 위해 학습하는 계산적 방법을 구현하는데 이용되어 왔다. 신경망은 처음에, 객체 또는 사건의 부류에 관한 알려진 데이터의 프리젠테이션에 의해 훈련되고, 그 후, 알려지지 않은 객체 또는 사건의 부류들 사이의 구별을 위해 적용된다.
간단하게, 신경망(202)의 원리는 이하의 방법으로 설명될 수 있다. 0 내지 1의 범위의 수에 의해 표현될 수 있는 정규화된 입력 데이터(210)가 신경망의 입력 유닛에 공급된다. 다음, 히든 및 출력층(208, 210)에서의 2개의 연속하는 비선형 계산(하나의 히든층(206)의 경우)을 통해 출력 유닛으로부터 출력 데이터(212)가 제공된다. 입력 유닛을 배제하는 층내의 각 유닛에서의 계산은 모든 엔트리 수의 가중화된 합산, 소정의 서브셋 항들의 가산 및 전형적으로 S자 형상의 함수를 이용하는 0 내지 1의 범위의 수로의 변환을 포함할 수 있다. 특히, 도 16에서 개략적으로 나타낸 바와 같이, O1 내지 On으로 라벨링될 수 있는 유닛(214)은 입력 또는 히든 유닛을 나타내고, W1 내지 Wn은 이들 입력 또는 히든 유닛으로부터의 각각의 개별적인 출력에 할당된 가중화 계수(216)를 나타내며, T는 각각의 가중화 계수에 의해 승산된 출력들의 합산을 나타낸다. 출력(218) 또는 O는 S자 함수(220)를 이용하여 계산되며, 여기서 θ는 T에 대한 오프셋 값을 나타낸다. S자 함수의 예는 이하의 표현, 즉 1/[1 + exp(-T + θ)]에 의해 주어진다. 가중화 계수 및 오프셋 값은 신경망(202)의 내부 파라미터이며, 주어진 세트의 입력 및 출력 데이터에 대해 결정된다.
신경망(202)에는 2가지의 상이한 기본적 처리, 즉 훈련 처리 및 테스트 처리가 포함된다. 신경망은 훈련 입력 데이터 및 원하는 출력 데이터의 쌍을 이용한 역전달(back-propagation) 알고리즘에 의해 훈련된다. 신경망의 내부 파라미터는 신경망의 실제 출력과 원하는 출력 사이의 차이가 최소화되도록 조정된다. 동일 세트의 입력 및 출력 데이터에 대한 램덤한 시퀀스에서의 이러한 절차의 반복에 의해, 신경망은 훈련 입력 데이터와 원하는 출력 데이터 사이의 관계를 학습한다. 일단 충분히 훈련되면, 신경망은 그의 학습 경험에 따라, 상이한 입력 데이터를 구별할 수 있게 된다.
전문가 시스템
인공 지능(AI)의 영역에서의 연구의 결과들 중 하나는, 보다 높은 레벨의 추상적 개념에서의 정보의 모델링을 허용하는 기법의 개발이다. 이들 기법은 그들의 구현시에 인간의 논리를 보다 더 닮도록 프로그램이 형성되도록 하는 언어 또는 툴로 구현되며, 따라서 개발 및 유지가 보다 용이하다. 잘 정의된 문제 영역에서 인간의 전문 지식을 모방하는 이들 프로그램을, 일반적으로 전문가 시스템이라고 지칭한다.
지식을 문제에 적용하는 전문가 시스템의 구성 요소를 추론(inference) 엔진이라고 지칭한다. 4가지 기본적인 제어 구성 요소는 추론 엔진으로 일반적으로 식별될 수 있는데, 즉 매칭(현재의 규칙을 소정의 패턴과 비교), 선택(가장 적절한 규칙을 선택), 구현(최상의 규칙의 구현) 및 실행(결과적인 동작의 실행)이다.
소정의 영역에서의 문제들을 해결하는 전문가 시스템을 형성하기 위해, 지식 엔지니어, 즉 AI 언어 및 표현에서의 전문가는 영역 관련 논문을 읽음으로써, 이슈 및 용어에 친숙하게 된다. 그것을 기초로 하여, 지식 엔지니어는 하나 이상의 영역 전문가와 광범위한 인터뷰를 하여, 그들의 지식을 "획득"한다. 마지막으로, 지식 엔지니어는 이들 인터뷰의 결과를 구성하고, 그들을 컴퓨터가 이용할 수 있는 소프트웨어로 변형한다. 전형적으로, 인터뷰는 임의의 이들 스테이지의 최상의 시간 및 노력을 취한다.
규칙 기반 프로그래밍은 전문가 시스템을 개발하기 위해 가장 일반적으로 이용된 기법들 중 하나이다. 다른 기법에는, 부울 논리(Boolean logic)보다 퍼지 멤버쉽 기능 및 규칙을 이용하는 퍼지 전문가 시스템을 포함하여, 데이터 사이의 관계를 논증한다. 규칙 기반 프로그래밍 패러다임에서, 규칙은 소정의 상황에 대해 수행될 동작의 세트를 특정화하는 발견적 학습 또는 "엄지손가락의 규칙"을 나타내는데 이용된다. 일반적으로, 규칙은 "만약(if)" 부분 및 "그러면(then)" 부분으로 구성된다. 규칙의 "만약" 부분은 규칙을 응용가능하게 하는 사실(또는 데이터)을 특정화하는 일련의 패턴이다. 사실을 패턴에 매칭하는 처리는 일반적으로 패턴 매칭이라고 불린다. 전문가 시스템 툴은 패턴에 대하여 사실을 자동으로 매칭하고, 가장 적절한 규칙을 선택하는 추론 엔진을 제공한다. 규칙의 "만약" 부분은 규칙의 "언제자(whenever)" 부분으로서 실제로 고려될 수 있는데, 그 이유는, 사실에 대해 변화가 있을 때는 언제나 패턴 매칭이 발생되기 때문이다. 규칙의 "그러면" 부분은 규칙이 적용될 때 구현될 동작의 세트이다. 적용가능 규칙의 동작은 추론 엔진이 실행을 개시하도록 지시받을 대 실행된다. 추론 엔진은 규칙을 선택하고, 선택된 규칙의 동작이 실행된다(그것은 사실을 부가 또는 제거함으로써 응용가능한 규칙의 리스트에 영향을 미칠 수 있음). 그 후, 추론 엔진은 다른 규칙을 선택하여, 그것의 동작을 실행한다. 이러한 처리는 응용가능한 규칙이 없을 때까지 계속된다.
처리 기능 및 스트링의 개시
본 명세서에서 이용된 바와 같이, "처리 스트링" 이라는 용어는 통합 지식 베이스내의 데이터 또는 통합 지식 베이스내의 데이터로부터의 데이터를 획득, 분석, 조작, 강화, 생성 또는 변형 혹은 추론하기 위해 수행된 컴퓨터 기반 활동에 광범위하게 관련되도록 의도된다. 처리는, 제한적인 것은 아니지만, 환자 특정적 임상 데이터를 포함할 수 있다. 처리 스트링은 그러한 데이터에 대해, 또는 전체 비임상 데이터에 대해 동작될 수 있으나, 일반적으로는 둘다에 대해 동작할 것이다. 따라서, 처리 스트링은 (획득을 개시 및 획득을 종료하기 위해, 획득 설정 및 프로토콜, 또는 획득이 필요하거나 바람직한 통지르 설정하기 위해) 데이터의 획득을 위한 활동을 포함할 수 있다.
사용자 개시 처리 스트링은, 예를 들면, 컴퓨터 보조 검출 루틴을 시작하여, 심장 CT 데이터내에서 가능하게 볼 수 있는 경화를 식별할 수 있다. 이러한 처리 스트링이 진행됨에 따라, 더욱이, 요청 루틴 및 다른 자원으로부터 이용가능한 데이터에 근거한 시스템이, 요청된 데이터 분석과 콜레스테롤 테스트 결과 사이의 가능한 관계의 분석을 위해 통합 지식 베이스로부터의 콜레스테롤 테스트를 페치하는 처리 스트링을 자동으로 개시할 수 있다. 역으로, 콜레스테롤 테스트 결과의 분석이 요청되거나 개시될 때, 시스템은 관련된 상태를 평가 또는 진단시에 도움이 될 촬상을 수행시의 이용성을 검출하고, 사용자에게 (또는 다른 사용자에게) 필요성 또는 바람직함에 대해 통지하여, 보충적인 평가를 위한 기초를 형성할 화상의 획득을 스케쥴링한다.
처리 스트링을 개시할 수 있는 사용자는, 다양한 필요성을 갖는 광범위한 개인을 포함하고, 미처리 및 처리 데이터를 이용할 수 있다. 이들은, 예를 들면, 화상내 및 화상으로부터 도출된 데이터를 요청하는 방사선 학자, 보험 클레임과 관련되거나 지원하는 정보를 요청하는 보험 회사, 환자 히스토리 정보를 필요로 하는 간호사, 처방 데이터에 액세스하는 제약자 등을 포함할 수 있다. 또한, 사용자는 진단 정보 또는 그들 자신의 기록에 액세스하는 환자 자신을 포함할 수 있다. 데이터 상태의 변화에 근거한 개시는 실제 데이터 자체를 볼 수 있지만, 새로운 워크스테이션으로의 또는 새로운 워크스테이션으로부터의 데이터 이동, 데이터의 업로딩 또는 다운로딩 등에 의존할 수 있다. 마지막으로, 시스템 개시 처리 스트링은 단순한 타이밍(주기적 간격에서)에 의존하거나, 또는 파라미터 또는 자원의 상대적 레벨과 갖는 요인에 의존할 수 있다. 또한, 시스템 개시 처리 스트링은 현존 데이터를 통한 탐색에 관해 새로운 프로토콜 또는 루틴이 이용가능해짐에 따라 시작되어, 새롭게 이용가능한 처리가 상태 식별시에 도움이 되는지, 따라서 인식되지 않는지의 여부를 결정한다.
전술한 바와 같이, 데이터 처리 시스템(10), 통합 지식 베이스(12) 및 연합 데이터베이스(14)는 모두 서로 통신하여, 이용가능한 다양한 자원으로부터의 다양한 유형의 데이터의 액세스, 변형, 분석 및 처리를 제공할 수 있다. 도 17은 본 기법의 이러한 특징을 도시하며, 임상 의학자 및 의사와 같은 사용자에 대해 제공된 인터페이스(8)를 강조하고 있다. 인터페이스(8)는, 데이터 처리 시스템, 통합 지식 베이스 및 연합 데이터베이스를 포함하는 시스템의 다양한 자원에 대한 액세스를 허용하는 동안, 광범위한 인터페이스 유형 및 시스템을 일반적으로 허용한다. 특히, 도 17에서 참조 번호(222)에 의해 개략적으로 지정된 바와 같이, 인터페이스(8)를 포함하는 "비연합" 인터페이스 층은 단일의 기관에서, 또는 서로 지리적으로 널리 분산된 광범위한 다른 기관들에서, 이종의 및 상이한 인터페이스 구성 요소의 범위를 포함할 수 있다. 더욱이, 인터페이스의 기본적인 동작 시스템은 동일할 필요는 없으며, 본 기법은 다양한 유형의 인터페이스가 비연합 인터페이스 층에서 개별적으로 단일화 및 구성될 수 있고, 그럼에도 불구하고, 데이터 처리 시스템, 통합 지식 베이스 및 연합 데이터베이스 중 하나 이상과 통신할 수 있다. 특히, 통합 지식 베이스 및 연합 데이터베이스가 제공되는 경우, 이들은 HTML, XML 등을 포함하는 전술한 바와 같은 표준화된 프로토콜의 이용을 통해서와 같이, 다양한 유형의 인터페이스를 층에 수용할 수 있다. 또한, 인터페이스 층은 통합 지식 베이스, 데이터 처리 시스템, 또는 연합 데이터베이스의 자동적 또는 사용 프롬프팅된 질의를 허용할 수 있다. 특히, 적절한 경우, 사용자는 클라이언트 데이터의 입력 또는 출력의 관리, 클레임의 파일링, 데이터 획득 시퀀스의 규정, 약물 치료 등에 의한 것과 같이, 워크스테이션상에서 구현된 프로그램에 의해 실행된 질의를 모를 수도 있다.
인터페이스 층과, 그 내부 및 데이터 처리 시스템에 포함된 프로그래밍은 트리거링 이벤트의 범위에 근거하여, 광범위한 처리 기능이 실행되도록 허용할 수 있다. 이들 이벤트는 사용자 요청과 함께 개시 및 수행될 수 있고, 또는 다양한 다른 방법으로 개시될 수도 있다. 도 18은 이러한 방법에서 수행될 수 있는 소정의 개시 및 처리 기능을 개략적으로 도시한다.
도 18에 도시된 바와 같이, 다양한 개시 소스(224)는 전술된 자원 및 지식 베이스로부터의 데이터에 대한 데이터 획득, 처리 및 분석을 개시하기 위해 고려될 수 있다. 개시 소스(224)는 데이터 처리 시스템, 통합 지식 베이스 및 연합 데이터베이스 중 하나 이상에 저장된 루틴, 또는 제어가능/규정가능 자원 및 데이터 자원을 포함하는 자원들내의 또다른 루틴에 따라, 도 18에서 참조 번호(226)로 일반적으로 나타낸 바와 같은 처리를 착수한다. 전술한 바와 같이, 특정 처리가 데이터 처리 시스템에 포함된 단일의 컴퓨터 시스템에 저장되거나, 또는 데이터 처리 및 분석을 수행하기 위해 서로 함께 동작하는 다양한 컴퓨터 시스템들을 통해 분산될 수 있다. 처리의 개시 이후에, 도 18에서 참조 번호(228)로 일반적으로 나타낸 바와 같은 처리 스트링이 수해될 수 있다. 이들 처리 스트링은 전형적으로 간병인에게 환자 간호에 대한 향상된 식견을 제공하고, 임상 및 비임상 데이터를 포함하는, 환자 간호를 위해 필요한 데이터를 처리하고, 간호를 제공하는 기관의 기능을 강화하고, 환자 데이터 사이의 추세 또는 관계를 검출하고, 미래의 이용을 위해 관계의일반적인 회복 및 발굴을 수행하도록 설계된 기능들의 광범위한 처리 및 분석을 포함할 수 있다.
본 기법은 개시 소스(224)의 범위가 시스템에 의해 실행된 루틴에 따라 처리 및 분석 기능을 착수할 수 있는 것으로 고려한다. 특히, 그러한 개시 소스는 도 18에서, 사용자 개시 소스(230), 사건 또는 환자 개시 소스(232), 데이터 상태 변경 소스(234) 및 시스템 또는 자동 개시 소스(236)를 포함한다. 임상 의학자, 의사, 보험 회사, 진료소 또는 병원 직원, 관리 또는 스탭 사용자 등과 같은 사용자는 전술한 통합 지식 베이스 또는 다양한 통합 자원을 얻도록 하는 요청을 개시하는 경우, 처리 스트링은 통합 지식 베이스에 이미 저장되거나, 하나 이상의 다양한 자원내의 데이터를 위치시키고, 액세스하고, 처리함으로써 액세스가능한 정보에 대한 호출을 시작할 수 있다. 전형적인 설정에서, 사용자는 질의 또는 다른 기능이 수행되는 워크스테이션에서 그러한 처리를 개시할 수 있다. 전술한 바와 같이, 질의는 사용자에게 명백하거나, 또는 워크스테이션에서 수행된 기능에 고유한 것일 수 있다.
고려되는 다른 개시 소스는, 도 18에서 참조 번호(232)에서 나타낸 바와 같은 사건 또는 환자이다. 일반적으로, 많은 의료 상호 작용이, 의료 기관 또는 종사자와 접촉을 트리거하는 특정 증상 또는 의료 사건으로 시작될 것이다. 환자 또는 환자와 인터페이스하는 임상 의학자에 의해 그러한 사건이 로깅될 때, 이하에 보다 완전히 기술되는 바와 같이, 환자 기록에 액세스하고, 환자 기록을 갱신하고, 증상에 관련된 세부 내용을 획득하는 등과 같은 상호 작용 단계들의 범위를 포함하는 처리 스트링이 시작될 수 있다. 환자 개시 처리 스트링에 대한 사건은, 현재의 문맥에서, 지금까지 이용가능하지 않고 고도록 통합된 처리를 수행하기 위해 이용되지만, 현재의 의료 서비스 제공을 구동하는 사건의 유형과 일반적으로 유사할 수 있다.
일반적으로, 데이터 처리 시스템(10)은 새로운 데이터가 이용가능해지는 시기를 검출하기 위해, 데이터의 상태(정적 또는 변경)를 포함하는 광범위한 데이터 파라미터를 모니터링한다. 새로운 데이터는 환자 기록을 갱신하고, 새로운 정보를 액세스하고, 다양한 제어가능 및 규정가능 자원 및 데이터 자원으로/으로부터 데이터를 업로딩 또는 다운로딩하는 등에 의해 이용가능해지게 될 수 있다. 원하는 경우, 데이터 처리 시스템에 의해 실행된 프로그램은 데이터 상태에 있어서의 그러한 변경에 근거하여 처리를 개시할 수 있다. 예로써, 환자 기록이 최근의 환자 접촉 또는 임상 혹은 비임상 데이터의 이용가능성에 의해 갱신된 것을 검출시에, 처리 스트링은 후속하는 동작, 통지, 보고 또는 검사가 적절한지를 결정할 수 있다. 유사하게, 데이터 처리 시스템에 의해 수행된 프로그램은, 도 18에서 참조 번호(236)에 의해 나타낸 바와 같이, 소정의 처리를 자동으로 개시할 수 있다. 그러한 시스템 개시 처리는 사전결정된 시간 간격과 같은 루틴 기반으로, 또는 조사 기록 레벨, 새롭게 이용가능한 데이터, 또는 데이터 사이의 관계의 식별과 같은 다양한 시스템 파라미터의 트리거에서 수행될 수 있다.
본 기법의 고도로 통합된 방안의 특히 강력한 양상은, 처리의 개시 소스에 관계없이, 다양한 처리 스트링이 초래될 수 있다는 사실에 있다. 도 18에 일반적으로 요약된 바와 같이, 예를 들어, 처리 스트링(228)은, 도면에서 다양한 개시 소스와 일반적으로 정렬되지만, 개시 소스 및 실행된 프로그램으로부터 초래될 수 있다. 예를 들어, 사용자 또는 문맥 스트링(238)은 처리된 정보를 액세스 및 반환하여, 사용자 개시 처리 사건에 정확하게 응답하거나, 또는 사용자가 시스템을 액세스하는 특정 문맥과 결합될 수 있다. 그러나, 그러한 처리 스트링은 사건 또는 환자 개시 처리, 데이터 상태 변경 및 시스템 개시 처리로부터 초래될 수도 있다. 더욱이, 몇 가지 유형의 특정 스트링이 다양한 카테고리내에서 따르게 될 수 있음을 알아야 한다. 예를 들어, 사용자 또는 문맥 스트링(238)은, 참조 번호(240)에서 나타낸 바와 같은, 사용자에 의해 제기된 특정 질의에 응답적인 데이터를 식별 및 반환하도록 설계된 특정 질의 기반 처리를 포함할 수 있다. 대안적으로, 사용자 또는 환경 기반 스트링(242)은, 액세스 및 반환된 데이터가 사용자 특정적 또는 환경 특정적인 결과를 초래할 수 있다. 그러한 처리 스트링의 예는 특정 유형의 임상 의학자 또는 의사, 재정적 기관 및 보험 회사와 같은, 특정 사용자에 대한 관심 대상의 분석을 위해, 데이터의 액세스 및 처리를 포함할 수 있다.
개시 소스 처리로부터 초래될 수 있는 다양한 처리 스트링의 다른 예로서, 사건 스트링(244)은 환자가 경험한 의료 사건에 특정적이거나, 또는 과거에 경험한 또는 미래에 가능할 수 있는 사건에 특정적인 처리를 포함할 수 있다. 따라서, 사건 스트링(244)은 사용자 개시, 사건 또는 환자 개시, 데이터 상태 변경 개시 또는 시스템 개시로부터 초래될 수 있다. 전형적인 문맥에서, 사건 스트링은 정보를 액세스하고, 정보를 처리하고, 처리에 근거하여 제안 또는 진단을 제공하기 이해, 환자가 겪고 있는 의료 사건 또는 증상의 처리를 단순히 따를 수 있다. 전술한 바와 같이, 제안은 추가적인 처리 또는 분석의 성능, 추가적인 정보의 획득, 자동 및 수동 둘다의 도움 등을 포함할 수 있다.
일반적인 검출 스트링(246)은 다양한 개시 소스에 의해 또한 개시될 수 있다. 현재의 문맥에서, 일반적인 검출 스트링(246)은 사용자, 사건, 환자, 데이터 상태 변경에 의해, 또는 시스템에 의해 명확하게 요청되지 않았던 관련 데이터 또는 관계를 식별하도록 설계된 처리를 포함할 수 있다. 그러한 일반적인 검출 스트링은 데이터 처리 시스템 또는 통합 지식 베이스에 의해 식별된 관계에 따라 새로운 데이터를 상관시킬 수 있다. 따라서, 환자 또는 사용자가 관계 또는 잠재적인 상관의 검출을 명확하게 요청하지 않는 경우에도, 데이터 처리 시스템(10)에 의해 실행된 프로그램은, 그럼에도 불구하고, 일반적인 검출 스트링하에서, 비교 및 그룹화를 실행하여, 위험, 잠재적인 치료, 재정적 관리 옵션 등을 식별한다.
마지막으로, 도 18에서 시스템 스트링(248)으로서 지정된 처리 스트링은 본질상 보다 일반적일 수 있다. 시스템 스트링은 다양한 자원으로부터 이용가능한 데이터 사이의 관계를 획복하기 위한 목적으로 실행되는 처리일 수 있다. 이들 새로운 관계는 인식가능한 추세 또는 상관, 성공 또는 실패율의 분석, 환자 간호 결과의 통계적 분석 등에 근거하는 것과 같이, 환자를 진단 또는 치료하는 새로운 방법을 나타낼 수 있다. 이전의 예에서와 같이, 시스템 스트링은 시스템의 자동 개시에서, 그러나 새롭게 검출된 의료 사건의 발생시에 데이터 상태의 변경으로, 또는 환자의 개시에 의해, 또는 사용자의 특정 요청에 의한 것을 포함하는 다양한 방법으로 개시될 수 있다.
컴퓨터 보조 환자 데이터 캡처 및 처리
본 기법의 하나의 양상에 따르면, 데이터 수집을 조정하고, 통합 지식 베이스(12)에 저장된 데이터를 갖는 환자로부터 직접 처리함으로써, 환자 데이터의 향상된 처리가 제공된다. 현재의 목적을 위해, 통합 지식 베이스(12)는 다양한 자원 그들 자신의 정보와, 그러한 미처리 데이터의 분석으로부터 초래된 처리 정보를 포함하는 것으로 고려될 수 있음을 알아야 한다. 더욱이, 현재의 문맥에서, 통합 지식 베이스는 기관내 및 하나의 위치 또는 상당히 분산된 위치들에 위치된 다양한 기관내의 다양한 위치에 저장될 수 있는 데이터를 포함하는 것으로 고려된다. 따라서, 통합 지식 베이스는 다양한 조정된 데이터 수집 및 저장 사이트를 포함할 수 있다. 예시적인 논리적 동작 부류 및 예시적인 동작과 관련된 시간 프레임이 도 19에 일반적으로 도시된다.
도 19를 참조하면, 통합 지식 베이스에 포함되는 환자 정보는 전술한 양식의 유형, 보다 일반적으로는, 다양한 자원 유형 중 임의의 하나 이상으로부터 초래될 수 있다. 더욱이, 전술한 바와 같이, 환자 정보는 상이한 그래픽 정보, 독점적인 또는 일반적인 액세스가능 데이터베이스, 가입 데이터베이스, 디지털화된 참조 물질 등과 같은, 데이터 자원내의 다른 일반적으로 이용가능한 데이터와 함게 이러한 유형의 데이터의 분석으로부터 초래될 수 있다. 그러나, 정보는, 시설의 의사를 방문하는 것과 같이, 환자의 접촉으로 조정될 때 특히 유용하다. 도 19의 개략적인 표현에서, 참조 번호(250)로 일반적으로 지정된 상이한 개별적인 부류의 동작이, 환자 상호 작용, 시스템 상호 작용 및 보고 또는 교육 유형의 동작과 같이, 논리적으로 그룹화될 수 있다. 이들 동작 부류는, 일반적으로 전체 시스템의 입력, 처리 및 출력으로서 더 고려될 수 있다. 더욱이, 동작 부류는 현장 방문과 같은, 환자 접촉을 참조함으로써 발생되는 것으로 고려될 수 있다. 이러한 의미에서, 동작들은 참조 번호(252)에서 주지된 바와 같은 방문 또는 접촉 이전에 취해진 것들, 참조 번호(254)에서 도시된 바와 같은 접촉 동안에 취해진 것들, 및 참조 번호(256)에서 도시된 바와 같은 접촉후 동작으로서 일반적으로 분류될 수 있다.
본 기법에서, 이들 다양한 상호 작용의 스테이지에서 소정의 환자 정보를 수집함으로써, 통합 지식 베이스로부터의 정보는, 향상된 진단, 분석, 환자 간호 및 환자 지시를 제공시에 매우 유용할 수 있음을 알게 되었다. 특히, 환자 접촉 또는 현장 방문 이전의 데이터의 수집 및 처리를 위해, 몇 가지의 전형적인 시나리오가 고려될 수 있다.
환자 접촉 이전에 수집될 수 있는 정보의 유형의 예로서, 동작의 서브 클래스가, 참조 번호(258)에서 나타낸 바와 같이, 수행될 수 있다. 예로써, 환자 방문 이전에, 환자 접촉 또는 의료 사건(예를 들면, 방문의 이유)에 대한 기록이, 새로운 또는 계속되는 기록을 시작하기 위해 캡처될 수 있다. 그러한 개시는 환자 전화 호출, 웹사이트 또는 다른 인터페이스로 입력된 정보, 즉각적인 메시지, 차트 룸 메시지, 전자 메시지, 웹 카메라를 통한 정보 입력 등에 의해 시작될 수 있다. 기록에 관련된 데이터는 사람의 상호 작용으로, 또는 자동 프롬프팅 또는 심지어 비구성된 질문을 통해 입력될 수 있다. 그러한 질문에서, 음성, 텍스트 또는 그래픽 인터페이스로부터 프롬프팅함으로써, 환자는 주된 불만 또는 증상, 의료 사건 등을 입력하도록 프롬프팅될 수 있다. 예시적인 일실시예에서, 예를 들어, 환자는 신체으 증상이 있는 영역의 선택을 위한 것과 같이, 인체의 그래픽 묘사에 또한 응답할 수 있다.
생물학적 정보와 같은 다른 정보가 환자 접촉 이전에 수집될 수 있다. 그러한 정보는 데이터가 환자 기록에 입력되기 전에, 환자 식별 및/또는 인증을 위해 이용될 수 있다. 더욱이, 원격의 바이탈 사인 진단이, 이용가능한 경우, 환자 입력 또는 원격 모니터에 의해 획득될 수 있다. 음성 기록에 의해 데이터가 수집되는 경우, 음성 인식 소프트웨어 또는 유사한 소프트웨어 엔진이, 이후의 분석을 위해 주된 의료 항목을 식별할 수 있다. 또한, 필요한 경우, 특히 비상의 상황에서, 주거 또는 사업 주소, 셀룰라 전화 위치, 컴퓨터 단말기 위치 등이 액세스되어, 환자의 물리적 위치를 식별할 수 있다. 더욱이, 환자 보험 정보가 질의될 수 있는데, 그것은 그러한 정보가 알려지거나 이용가능한 정도의, 환자에 의한 입력에 의한 것이다.
환자 상호 작용(258)에 근거하여, 다양한 시스템 상호 작용(260)이, 환자 방문 또는 접촉 이전에 취해질 수 있다. 특히, 환자 특정적 데이터가 획득됨에 따라, 환자 정보의 분석을 위해, 데이터가 통합 지식 베이스(다양한 자원을 포함함)로부터 액세스된다. 따라서, 데이터는 방문을 위한 약속이 적절한지, 만약 이미 정해지지 않은 경우, 자원 및 시설, 환자 선호 및 위치 등에 근거하여 그러한 약속이 스케쥴링될 수 있는지 여부를 식별하도록 관련 또는 분석될 수 있다. 더욱이, 그러한 스케쥴링된 약속의 긴급성이, 환자에 의해 입력된 정보에 근거하여 액세스될 수 있다.
분석에 근거하여 수행될 수 있는 다양한 추천 중에서, 사전 방문 촬상, 실험실 검사 등이 추천되고 스케쥴링되어, 환자 방문 동안 또는 직후에 효율적인 진단 및 피드백을 위해 필요할 것 같은 가장 현저한 정보를 제공할 수 있다. 그러한 추천은 전술한 하나 이상의 다양한 유형의 자원 및 각 자원내의 하나 이상의 양식을 수반할 수 있다. 또한, 다양한 정보가 통합 지식 베이스내의 정보화 상관되어, 환자 방문 동안 수집될 수 있는, 잠재적인 진단 또는 관련 질문 및 정보의 표시를 제공할 수 있다. 그 후, 전체 데이터 세트는 통합 지식 베이스로 업로딩되어, 통합 지식 베이스내에 환자 히스토리 데이터베이스를 생성 또는 보충할 수 있다.
통합 지식 베이스로의 데이터의 업로딩의 결과로서, 다양한 유형의 구성된 데이터가 이후의 액세스 및 처리를 위해 저장될 수 있다. 예를 들어, 가장 현저한 캡처된 환자 데이터가, 의료 방문 이전에, 방문 동안에, 및 방문 후에 이용된 절차에 대한 잠재적인 추천을 평가하기 위해 탐색 및 이용될 수 있는 클래스 또는 필드에 의한 것과 같이, 구조화된 형태로, 저장될 수 있다. 그 후, 환자 상태의 변화의 시간적 분석, 추세의 식별, 환자에 의해 인식된 증상의 평가, 환자에 의해 인식되지 않을 수도 있고, 명확하게 불평되지 않는 상태의 일반적인 평가를 위해 데이터가 이용될 수 있다. 또한, 데이터는 잠재적으로 관련된 증거 기반 데이터, 인구 통계 위험 평가, 의료 사건 및 상태에 대한 존재 또는 경향에 대한 가설의 비교 및 분석 결과를 포함하고, 그것을 인식하도록 처리될 수 있다.
시스템 상호 작용 이후에, 그리고 시스템 상호 작용으로부터, 다양한 출력 유형 기능이 시스템에 의해 수행될 수 있다. 예를 들어, 도 19에서 참조 번호(262)에 의해 주지된 바와 같이, 환자 특정적 추천이, 환자 접촉 이전에 환자에게 통신될 수 있다. 이들 추천은 접촉을 위한 또는 다른 검사 혹은 분석을 위해 약속, 그러한 절차와 관련된 교육 정보, 절차(예를 들면, 식이 요법 추천, 처방, 방문의 타이밍 및 기간) 이전에 따르게 되는 프로토콜을 포함할 수 있다. 더욱이, 환자 정보는 환자에 대해 특정적으로 맞주어지거나 적응될 수 있다. 본 기법의 하나의 양상에 따르면, 예를 들어, 교육 정보가 환자에게, 통합 지식 베이스에서 이용가능한 텍스트 정보에 근거한 선호도의 특정 언어로 및 환자 기록에서 환자에 의해 표기된 선호도의 언어로, 전달될 수 있다. 그러한 지시는 드라이빙 또는 공공의 수송 방향, 접촉 정보(전화 및 팩스 번호, 웹사이트 주소 등)와 같은 상세한 데이터를 더 포함할 수 있다. 전술한 바와 같이, 동작은 검사 및 데이터 획득의 순서화 및 스케쥴링을 포함할 수 있다.
이전의 및 현장 방문시에 시스템에 의해 취해질 수 있는 다른 출력 동작은 임상 의학자 및 의사에 대한 보고 또는 추천을 포함할 수 있다. 특히, 보고는 환자가 겪은 증상, 환자 히스토리 정보 수집 등의 표시 및 지정에 근거한 출력을 포함할 수 있다. 또한, 보고는 화상의 전자 버전, 컴퓨터 보조 처리된(예를 들면, 증강된) 화상 등을 포함할 수 있다. 더욱이, 그러한 의사 보고는 특정 진단을 정제 또는 규정하기 위해 방문 동안에 수행되어야 하는 검사 또는 정보의 추천되거나 우선순위화된 리스트를 포함할 수 있다.
도 19에 요약된 처리는 참조 번호(264)에서 나타낸 바와 같이, 현장 방문과 같은 접촉 동안 환자 상호 작용에 의해 수집되는 정보를 가지고 계속된다. 본 예에서, 접촉시에 수집된 정보는, 환자 식별 및 인증을 위해 다시 이용될 수 있는 생물학적 정보로 시작할 수 있다. 따라서, 방문은 환자가 현장에서 등록하거나 또는 방문 이전에 다른 곳에서 사전 등록하는 체크인 처리로 시작할 수 있다. 조정된 시스템 상호 작용은, 사전 방문 단계 동안에 형성된 환자 기록에 대한 자동 액세스와 같은 이러한 시간에 취해질 수 있다. 그 후, 방문 이전에 수집된 정보와 유사하거나 그것을 보충하는 추가적인 정보가 환자 기록에 입력된다. 임상 의학자 또는 의사 인터뷰를 위한 준비시에 이러한 인터뷰 처리 동안 환자 대화 및 입력이 수동 또는 자동으로 기록될 수 있다. 앞에서와 같이, 음성 데이터가 수집되는 경우, 음성 인식 엔진이 진단 또는 치료를 더 향상시키기 위해, 통합 지식 베이스내의 정보와 관련될 수 있는 주된 의료 항목 또는 증상을 식별할 수 있다. 비디오 데이터가 마찬가지로 수집되어, 환자 상호 작용, 정신 또는 물리적 상태 등을 평가할 수 있다. 이러한 전체 체크인 처리는 임상 의학자, 간호사 또는 의사와의 실제 인터뷰 이전에 기관 자원을 최적화하기 위해, 부분적으로 또는 완전히 자동화될 수 있다.
방문은 임상 의학자 또는 간호사에 의한 인터뷰로 계속될 수 있다. 상태 또는 사건의 진전의 시간적 분석 및 추세의 식별을 위한 것과 같이, 환자 대화 또는 상호 작용이 다시 오디오 또는 비디오 포맷으로 기록되어, 불평, 증상 및 다른 주된 데이터가 통합 지식 베이스에 입력된다. 다시, 유사하게, 바이탈 사인 정보가 갱신될 수 있고, 갱신된 환자 기록은 전술한 바와 같은 추가적인 의료 절차의 추천 뿐만 아니라, 추세 및 가능한 진단의 식별을 위해 평가될 수 있다.
전형적으로, 현장 방문은 의사 또는 임상 의학자 인터뷰로 계속된다. 전술한 바와 같이, 현장 방문 그 자체 동안에, 통합 지식 베이스내의 정보와의 상관 및 분석이, 인터뷰시에 의사에게 제공되는 보고 또는 추천으로 수행될 수 있다. 다시, 보고는 잠재적인 진단에 대한 등급 순위화된 제안, 절차, 또는 환자로부터 직접 수집될 수 있는 단순 정보와 같은 추천을 제공하여, 진단 및 치료를 향상시킬 수 있다. 다시, 인터뷰 자체는 전체로서 또는 부분적으로 기록될 수 있으며, 주된 의료 항목이 인식되어, 이후의 이용을 위해, 환자의 기록에 저장된다. 또한, 현장 방문 동안, 보고, 추천, 교육 물질 등이, 환자 또는 환자 간호 제공자를 위해 생성될 수 있다. 다시, 그러한 정보는 환자, 및 검사 결과의 설명, 만약 있는 경우, 뒤따르는 절차의 제공 등을 포함하는 환자의 상태에 대해 고객화될 수 있다. 물질은 환자 기록에 근거한 일반적인 건강 추천, 접촉 동안의 상호 작용, 및 일반적인 참조 물질을 포함하는 통합 지식 베이스로부터의 정보를 더 포함할 수 있다. 환자에게 제공된 물질은, 제한적이지 않은 것으로서, 텍스트, 화상, 애니메이션, 그래프, 및 다른 참조 물질, 질문 및 응답의 미처리 또는 처리된, 구조화된 비디오 및/또는 오디오 기록, 배경, 진단, 의료 처방 계획, 위험, 위탁에 대한 일반적인 데이터 등을 포함할 수 있다. 그러한 출력의 형태는 하드 카피 인쇄, 콤팩트 디스크 출력, 휴대용 저장 매체, 암호화된 전자 메시지 등을 포함하는 임의의 원하는 포맷에 적합할 수 있다. 앞에서와 같이, 통신은 선호하는 언어로 환자에게 특정적으로 또한 적응될 수 있다. 또한, 출력은 보험 데이터, 클레임 데이터 등을 포함하는 재정적 마련에 대한 정보를 포함할 수 있다.
본 기법은 후접촉 데이터 수집 및 분석을 더 허용한다. 예를 들어, 환자 방문에 이어서, 도 19에서 참조 번호(266)에서 일반적으로 나타낸 바와 같이, 다양한 환자 상호 작용이 고려될 수 있다. 그러한 상호 작용은 접촉 이전에 수집된 정보와 일반적으로 유사한 일반적인 추가 질문, 증상 갱신, 원격 바이탈 사인 캡처 등을 포함할 수 있다. 더욱이, 후접촉 환자 상호 작용은 기관 또는 간호 제공자의 환자 레이팅(rating), 보험 클레임 파일링 또는 처리에서의 도움, 인보이싱 등을 포함할 수 있다. 다시, 그러한 입력에 근거하여, 통합 지식 베이스로부터 환자 특정적 또는 본질상 보다 일반적일 수 있는 데이터가 액세스되어, 환자 기록으로 조정된 정보 및 모든 다른 이용가능한 데이터가 추가의 활동을 용이하게 하고, 환자 및 간호 제공자 둘다를 위해 임의의 보고 및 피드백을 생성하도록 한다.
통합 지식 베이스 인터페이스
전술한 바와 같이, 통합 지식 베이스 및, 보다 일반적으로는, 처리 시스템 및 자원에 대한 "비연합" 인터페이스가, 다양한 사용자, 환경, 기능 등에 대해 특정적으로 적응될 수 있다. 도 20은 통합 지식 베이스와의 상호 작용을 용이하게 하는 인터페이스 처리 시스템을 일반적으로 도시한다. 일반적으로, 시스템은 본질, 위치 및 이용성에 있어서 널리 변화될 수 있는 일련의 입력 파라미터 또는 소스(270)를 포함한다. 그러한 소스로부터의 입력에 근거하여, 일반적으로 전술한 데이터 처리 시스템(10)의 일부일 수 있는 논리 파서(logical parser)(272)가 사용자, 하드웨어, 한편으로는 시스템 및 다른 한편으로는 워크스테이션 사이의 상호 작용에 대한 인터페이스 및 액세스를 식별하고, 또한 통합 지식 베이스에 액세스한다. 그 후, 참조 번호(274)에서 일반적으로 나타낸 인터페이스 및 액세스 출력 기능을 이용하여, 파서에 의해 수신된 입력에 따라, 통합 지식 베이스에 고객화된 인터페이스 및 액세스를 제공한다.
도 20에 요약된 바와 같이, 입력 파라미터 또는 소스(270)는 환자(4) 및 임상 의학자(6)를 포함하는 사용자와 관련되고, 또한 재정 혹은 보험 회사, 연구원, 및 데이터에 대한 액세스 권한을 갖는 임의의 다른 개인 또는 기관과 같은 시스템의 임의의 다른 사용자와 관련된 파라미터를 일반적으로 포함할 수 있다. 사용자 개시 사건, 또는 사용자가 포함되는 통합 지식 베이스와의 임의의 접촉을 위해, 통합 지식 베이이 데이터 및 처리 능력에 대한 액세스 레벨 및 사용자 인터페이스를 고객화시에, 다양한 액세스 레벨, 기능, 프로파일, 환경 등이 고려될 수 있다. 예로써, 리뷰 워크스테이션에서 화상 또는 화상들을 리뷰하는 방사선 의학자, CT 스캐너를 동작하는 전문가, 또는 약속을 스케쥴링하거나 빌링(billing) 정보를 입력하는 관리자가, 모두 시스템에 대한 사용자일 수 있다. 논리 파서(272)에 의해 고려될 수 있는 사용자의 파라미터 또는 특성이, 주지된 바와 같이, 크게 변할 수 있다. 예시적인 본 실시예에서, 그러한 특성은 참조 번호(276)에 의해 주지된 바와 같이, 사용자에 의해 수행되는 기능 뿐만 아니라, 참조 번호(278)에 의해 주지된 바와 같이, 사용자의 개인 프로파일을 포함한다. 기능 및 개인 프로파일과 관련된 정보는, 적절한 경우, 도 20에서 참조 번호(280)에서 나타낸 바와 같이, 수동 오버라이드될 수 있다. 더욱이, 특정 사용자에 의한 모든 액세스는, 참조 번호(282)에서 나타낸 바와 같은 다양한 유형의 인증을 통해 필터링될 수 있다.
전형적인 시나리오에서, 사용자는 도 20에 도시된 워크스테이션(304)상에 인증 모듈을 입력하여, 시스템에 대한 소스 액세스를 가능하게 할 수 있다. 사용자에 의해 수행된 기능이 인터페이싱 및 액세스를 위해 고려되는 기준 중 하나인 경우, 사용자는 현재 기능을 입력하도록 프로프팅될 수 있고, 기능은 개별적인 사용자 프로파일에 대해 인식될 수 있다. 이와 관련하여, 동일한 사용자가, 하나의 문맥에서는 인터벤션얼리스트로서 기능하고, 다른 기간에는 맘모그래퍼로서 기능하고, 소정의 기간에서는 매니저로서 기능하는 등의, 병원에서 흉부 방사선 학자의 경우에서와 같이, 시스템에서 다수의 기능을 가질 수 있다. 다른 예로서, 일반적인 업무의 간호사가 의료 히스토리 정보를 입력하기 위해서와 같이, 소정의 시간에 임상 의학자로서 기능하고, 다른 시간에는 약속 스케쥴러로서 기능하고, 또다른 시간에는 빌링, 기록 데이터 또는 보험 데이터의 입력을 위한 사무원으로서 기능할 수 있다. 각 개인 또는 기관은 개인적인 선호도 또는 각 기능에 대한 정보를 포함하는 하나 이상의 프로파일을 고객화할 수 있다. 프로파일은 사용자와, 만약 존재하는 경우, 상이한 데이터 액세스 모드 또는 기능에 대한 사용자 인터페이스 선호도를 기술하는 정보를 포함할 수 있다.
마찬가지로, 소정의 하드웨어 또는 양식 시스템이, 시스템에 의해 수행된 분석, 처리, 데이터 획득 기능에 유용한 정보를 업로딩 또는 다운로딩하기 위한 것과 같은, 통합 지식 베이스에 대한 직접적인 액세스를 가질 수 있다. 도 20에 도시된 바와 같이, 참조 번호(284)에 의해 일반적으로 표기된 바와 같은 그러한 하드웨어는 촬상 시스템, 환자 입력 스테이션, 웹사이트를 통해 연결된 범용 컴퓨터 등을 포함할 수 있다. 하드웨어는 사용자에 대해 전술한 것과 유사한 문제로, 하나 이상의 기능(286)의 유사한 지정에 의해 파서와 인터페이스할 수 있다. 마찬가지로, 참조 번호(288)에 나타낸 바와 같은, 하드웨어의 환경과 같은 파라미터가 고려될 수 있다. 그러한 환경은 예를 들면, 다른 임상 응용, 모바일 설정 등에서 이용된 것들로부터 응급실 설정에서 이용된 촬상 시스템의 특정 기능을 구별하기 위한 것과 같이, 시스템이 어디서 어떻게 이용되는지의 표시를 제공할 수 있다. 당업자라면 이해할 수 있듯이, 그러한 기능 및 환경 정보는 통합 지식 베이스로부터 액세스되거나 통합 지식 베이스로 업로딩될 수 있는 데이터의 유형 및 양에 영향을 미칠 수 있으며, 예를 들면, 통합 지식 베이스로부터의 정보의 우선순위화 또는 처리시에, 치료의 긴급성 등에 따라, 이용될 수 있다.
일반적 시스템 입력(290)이 도 20에 또한 도시되어 있으며, 그것은 논리 파서에 의해 고려될 수 있다. 일반적인 시스템 정보는, 사용자 또는 하드웨어의 일부가 지식 베이스와 인터페이스하는 시스템을 포함하는 개별적인 인터페이싱 시스템과 관련될 수 있다. 예로써, 지식 베이스와 인터페이스하기 위해 사용자에 의해 이용된 시스템은, 자동으로 또는 사용자 개입으로, 특정 하드웨어 장치, 파라미터, 시스템 성능, 장치의 기능, 장치가 위치되거나 이용되는 환경 등에 관한 정보를 제공할 수 있다. 그러한 정보는 예를 들면, 장치가 화상 리뷰 워크스테이션으로서 이용되어, 상이한 디폴트 인터페이스 특성이 방사선 판독실 및 집중적인 간호 유닛에서 이용될 수 있도록 함을 나타낼 수 있다. 그러한 인터페이스 특성은, 유사한 데이터에 대한 상이한 프리젠테이션 모드, 고객화된 해상도 및 대역폭 이용성 등과 같은 고유의 이점을 제공할 수 있다.
논리 파서(272)에 제공된 정보에 근거하여, 파서는 적절한 상요자 인터페이스 정의 뿐만 아니라, 통합 지식 베이스에 대한 액세스의 정의를 결정한다. 논리 파서(272)에 의해 수행된 결정들 중에서, 사용자, 하드웨어 또는 시스템에 의해 개시될 수 있는 허용가능한 데이터 상태 변경은 데이터 입력 및 출력을 위한 허용된 방법 및 필드, 정의된 그래픽 또는 다른 (예를 들면, 오디오) 프리젠테이션 데이터 등이다. 그러한 정의를 제공시에, 논리 파서는 액세스의 특정 레벨 또는 분류 뿐만 아니라, 인터페이스 공식화에 이용되는 특정 사전정의된 그래픽 인터페이스 또는 다른 필드를 얻을 수 있다. 특히, 주어진 지식 베이스 요청에 대해, 논리 파서(272)는 그러한 사전정의된 액세스 및 인터페이스 구성 외에도, 지식 베이스 인터페이스 소프트웨어, 인터페이스 매니저로부터의 사전정의된 세트의 지시, 또는 자체 학습 알고리즘내에 내장된 알고리즘을 이용할 수 있다. 사용자가 특성 데이터 또는 구성을 수동으로 오버라이드하도록 허용되는 경우, 논리 파서는 인터페이스 또는 주어진 응용 또는 기능을 고객화할 수 있다. 예를 들어, 개별적인 사용자는 집중적인 간호 유닛에서의 리뷰 워크스테이션(304)을 이용하여, 외상 경우를 리뷰할 수 있지만, 집중적인 간호 유닛 설정을 오버라이딩함으로써 디폴트 응급실 설정을 이용한다. 매우 다양한 다른 정의 기능 및 오버라이드가 고려될 수 있어, 통합 지식 베이스에 대한 표준 및 고객화된 인터페이스 및 액세스 레벨을 모두 허용한다.
논리 파서에 의해 정의된 기능들 중에서, 어떤 기능들은 사용자 인터페이스를 정의하기 위한 것이고, 다른 기능들은 통합 지식 베이스에 대한 액세스를 정의하기 위한 것이다. 도 20에 도시된 바와 같이, 그러한 기능은 참조 번호(292)에서 나타낸 바와 같이, 허용된 입력 필드의 정의를 포함할 수 있다. 그러한 필드는, 그래픽 사용자 인터페이스의 문맥에서, 전술한 요인에 따라, 특정 사용자 인터페이스에서, 도시, 미도시, 또는 "그래이 아웃(grayed out)"될 수 있다. 또한, 참조 번호(294)에 나타낸 바와 같이, 허용된 입력 모드가 정의될 수 있고, 다시 특정 입력 페이지, 인터액티브 웹 페이지의 디스플레이 또는 비디스플레이를 통해서와 같이, 다양한 유형의 입력을 허용한다. 마찬가지로, 참조 번호(296)에 나타낸 바와 같이, 특정 그래픽 인터페이스가 논리 파서에 의해 정의될 수 있다. 입력 정보에 근거하여 논리 파서에 의해 식별된 다양한 인터페이스 필드, 모드 및 프리젠테이션이, 처리 시스템 또는 시스템 데이터 저장에서와 같이 원격적으로, 또는 관리 시스템에서 국부적으로 또는 워크스테이션(304) 자체내에 저장될 수 있음을 알아야 한다.
또한, 논리 파서는 사용자, 시스템, 및 한편으로는 하드웨어, 및 다른 한편으로는 통합 지식 베이스 사이에서 허용되는 특정 레벨의 상호 작용 또는 액세스를 정의할 수 있다. 그러한 액세스 제어는 지식 베이스로부터의 정보의 액세스 및 지식 베이스에 대한 정보의 제공 둘다를 정의할 수 있다. 또한, 액세스 제어는 데이터 처리 시스템을 통해, 지식 베이스와 관련되는 허용된 처리 기능을 정의할 수 있다. 도 20에 도시된 예에서, 그러한 기능은 참조 번호(298)에 나타낸 바와 같이, 판독 액세스를 위해 허용된 데이터 정의, 참조 번호(300)에 나타낸 바와 같이, 판독-기록 액세스를 위해 허용된 데이터 정의, 참조 번호(302)에 나타낸 바와 같이, 기록 액세스를 위해 허용된 데이터 정의를 포함할 수 있다.
전술한 바와 같이, 인터페이스 처리 시스템(268)은, 특히 통합 지식 베이스에 대한 액세스를 얻고자 시도하는 사용자에 대해, 다양한 유형의 인증이 수행되도록 허용한다. 인증 기능은 패스워드 비교, 음성 인식, 생물 측정학, 인터페이스 장치(예를 들면, "쿠키(cookie)")내에 포함된 스크립트 또는 파일, 또는 패스워드 파일 등을 포함하는 방법들의 범위에서 달성될 수 있다. 다양한 데이터의 넓은 범위가 통합 지식 베이스에 포함될 수 있기 때문에, 액세스를 주의깊게 보호하고, 탬퍼링(tampering) 또는 비인증된 액세스를 피하기 위해, 인증 및 보안 문제는 특정 소프트웨어 및 장치의 초점이 될 수 있다. 따라서, 표준 사용자 인증 프로토콜의 이용 이외에도, 지식 베이스로/로부터 통신된 지식에 대한 데이터 암호화 기법이 이용될 수 있고, 관련된 인프라스트럭쳐가 인터페이스의 입력측 및 출력측에 제공될 수 있다.
일반적으로, 사용자는 그 사용자에 의해 생성 또는 관리되는 데이터에 대한 보안 또는 액세스 레벨을 설정할 책임이 있고, 다른 참여자들은 그러한 보안 및 액세스 제어에 대한 책임이 있을 수 있다. 따라서, 전술한 바와 같이, 상이한 유형의 사용자 또는 사용자 기능에 대해 디폴트 액세스 레벨을 구현하도록, 시스템이 프로그램될 수 있다. 더욱이, 상이한 상황에 대한 사용자에 의해서, 및 다른 사용자에 대해 상이한 프라이버시 레벨이 설정될 수 있다. 특히, 환자 또는 1차 간호 의사는 그의 의료 데이터에 대한 액세스를 설정하는데 있어 최상의 위치에 있어, 특정 세트의 의사 또는 기관이, 그들의 필요에 따라, 정보를 액세스할 수 있도록 할 수 있다. 또한, 액세스는 우연한 사고 또는 환자의 무능력시와 같이, 다른 의사 및 기관을 포함하도록 확장될 수 있다. 더욱이, 액세스 레벨은 개인, 상황, 기관 등에 의해 저장될 수 있고, 특정 액세스 레벨이 비상 상황, 임상 방문, 휴가 기간 동안 다른 의상에 대한 제어 또는 감독의 전달 동안, 등의 경우에서와 같이, 특정한 상황에서 구현된다.
일반적으로, 인증 및 보안 절차는 환자에게 질문할 수 있고, 응답에 근거하여 디폴트를 구현할 수 있는 소프트웨어를 통해 구현될 수 있다. 따라서, 환자는 개인의 부류, 보험 회사, 1차 간호 위사 및 전문가, 친척 등에 대해 프롬프팅될 뿐만 아니라, 각 부류에 대해 어떤 레벨의 액세스가 제공되어야 하는지에 대한 표시에 대해 프롬프팅될 수 있다. 그 후, 인터페이스의 고객화 뿐만 아니라, 파싱 및 정보에 대한 액세스가 그러한 지정을 따를 수 있다.
소정의 고유한 이점들이, 전술한 인터페이스 시스템으로부터 발생된다. 예로서, 개별적인 환자는, 사실상, 환자의 요구 및 목적에 근거하여, 정보에 대한 액세스를 부여하는 데이터 또는 케이스 매니저가 될 수 있다. 또한, 메카니즘이 국부적인, 상태 및 연합 또는 다른 법률 또는 규정, 특히 환자 데이터에 대한 액세스와 관련된 것들과의 일치를 위해, 고객화되고, 용이하게 변경될 수 있다. 그러한 규정은 빌링 및 재정 정보에 대한 액세스, 고용주에 의한 액세스, 무력화 정보, 보험 클레임에 대한 및 그것을 위한 액세스, 의료 보험 및 의료 보장 정보 등과 관련될 수 있다. 더욱이, 본 기법은 병원 정보 시스템 데이터 액세스 규정에 따라 자동으로 또는 쉽게 적응되어, 데이터가, 사용자 또는 액세스 방법에 근거하여, 보험 프라이버시에 플래깅될 수 있도록 한다. 마지막으로, 본 기법은 예컨대, 환자 또는 의사에 의한, 부류, 기능, 환경 등에 의한 것과 같은, 광범위한 사용자에 대한 프라이버시 레벨의 신속하고 편리한 설정을 제공한다.
멀티 레벨 시스템 아키텍처
위에서 일반적으로 기술된 바와 같이, 본 기법은 다양한 레벨에서, 다양한 사용자에 대해, 그리고 다양한 필요성에 대해, 데이터에 대한 입력, 분석, 처리, 출력 및 일반적 액세스를 제공한다. 특히, 본 시스템은 다양한 레벨의 데이터 액세스 및 처리를 제공하는 능력을 제공하고, 일반적으로 모든 다양한 레벨은 통합 지식 베이스의 부분들 및 본 명세서에서 기술된 기능을 유지 또는 이용하는데 기여하는 것으로서 고려된다. 환자 또는 사용자 레벨로부터 발생되는 다양한 레벨은, 필요한 데이터에 기여하고, 대응하는 레벨에서 수행된 기능에 대해 필요한 데이터를 추출하는 워크스테이션, 입력 장치, 데이터 처리 시스템의 부분 등을 포함할 수 있다. 특정 기관, 보험 회사, 부서, 영역 등내에서와 같이, 시스템 아키텍처에서의 레벨들이 사용자 요구를 만족하는 경우, 데이터의 공유 및 관리가 그러한 레벨에서 단독으로 발생될 수 있다. 그러나, 추가적인 기능이 필요한 경우, 시스템 아키텍처는, 그러한 기능을 수용하기 위해 필요한 것으로서, 하위의, 소정의 중간 레벨 링크를 제공한다.
일반적으로, 도 21 및 22는 그러한 멀티 레벨 아키텍처에 따라 수행된 예시적인 아키텍처 및 관리 기능을 도시한다. 도 21은 현재의 데이터 교환 시스템(2)을, 입력 및 출력 스테이션 또는 사용자의 다수의 통합된 레벨 및 클러스터를 포함하는 것으로서 도시한다. 전형적으로 환자(4) 또는 임상 의학자(6)(방사선 학자, 간호사, 의사, 관리자, 보험 회사, 연구 기관 등을 포함함)인 사용자가 기본 또는 로컬 레벨(306)에 위치된다. 전술한 바와 같이, 데이터 입력 및 출력 기능의 테일러링(tailoring), 액세스 제어, 인터페이스 고객화 등을 포함하는 다양한 기능이 그러한 로컬 레벨에서 수행될 수 있다. 로컬 그룹 또는 클러스터 레벨(308)내에서, 그러한 사용자는 서로 통신하고, 전술한 유형의 시스템 요소와 통신한다. 즉, 각각의 로컬 그룹 또는 클러스터 레벨(308)은, 데이터 자원 및 제어가능 및 규정가능 자원을 포함하는, 전술한 소정의 또는 모든 다양한 자원을 포함할 수 있다. 실제 구현에서, 로컬 그룹 또는 클러스터 레벨(308)은, 예로써, 특정 기관내의 부서, 소정의 방법으로 제휴된 기관, 특정한 지리적 영역에 위치된 기관, 그들의 실행 영역 또는 전문화에 의해 연결된 기관 등을 포함할 수 있다. 그 후, 그러한 로컬 그룹 또는 클러스터 레벨에서의 사용자 및 구성 요소의 링크는 특정 기능이, 상당히 로로컬하게, 그리고 원격 데이터 자원 또는 다른 로컬 그룹 혹은 클러스터에 대한 액세스를 필요로 하지 않고서, 가능한 정도까지, 수행되도록 허용한다.
그 후, 유사한 원격 그룹 또는 클러스터가 연결되고, 도 21에서 참조 번호(310, 312, 314)에서 나타낸 바와 같이, 유사하거나 또는 일반적으로 유사한 내부 구조를 가질 수 있다. 그러나, 그러한 클러스터 각각은 그룹 또는 클러스터내의 사용자의 요구 및 기능에 따라, 크기, 특성, 그리고 심지어는 그 자신의 네트워크 아키텍처에 있어서 크게 변할 수 있음을 알아야 한다. 그 후, 다양한 로컬 그룹 및 클러스터 레벨이, 참조 번호(318)에서 일반적으로 나타낸 바와 같이, 하나 이상의 중앙 클러스터에 의해 연결될 수 있다.
비록, "중앙화된/분산된" 시스템 아키텍처가 일반적으로 도 21에 도시되며, 본 기법의 양상에 의해 제공된 멀티 레벨 시스템의 기능은 다양한 분석적인 형태를 취할 수 있음을 알아야 한다. 즉, 중앙화된 아키텍처, 링 구조, 계층적 구조, 분산된 구조, 중앙화된 구조, 및 이들의 조합 중 임의의 것 또는 전부는 전체 시스템에서 다양한 레벨에 위치될 수 있다. 더욱이, 다양한 원격 그룹 또는 클러스터가, 요구되는 경우, 중앙 그룹 또는 클러스터를 통과할 필요없이, 대안적인 형태로 서로 연결될 수 있다. 따라서, 특정 기관 또는 종사자 사이의 선호되는 링크는, 데이터의 교환 및 데이터의 처리를 위해, "가상적 클러스터"가 정의되도록, 제공될 수 있다. 그러한 링크는 특수한 관계 또는 반복적인 동작이 그러한 사용자들 사이에서 수행되는 경우에 특히 유용하다.
데이터 획득, 처리, 분석 및 다른 기능을 포함하는 전술한 기능은 도 21의 아키텍처내의 특정 워크스테이션에서, 로컬 그룹 또는 클러스터내에서, 또는 하나 이상의 원격 그룹 또는 클러스터를 통합하는 보다 확장된 자원을 이용함으로써, 수행될 수 있다. 멀티 레벨 아키텍처 시나리오에 따른 소정의 이들 기능이 도 22에 일반적으로 도시된다. 도 22에 도시된 바와 같이, 소정의 기능이 로컬 그룹 또는 클러스터 레벨(308)에서 수행될 수 있으며, 일반적으로 유사한 기능들이 상위 레벨(318)에서 수행된다. 다시, 동일 또는 유사한 기능들이 개별적인 단말기 또는 워크스테이션에서 수행될 수 있고, 또다른 레벨이 아키텍처에 제공될 수 있음을 알아야 한다.
도 22에 도시된 바와 같이, 사용자(4, 6)는 시스템 및 입력에 연결될 수 있고, 보안/액세스 제어 모듈(320)을 통해 액세스 필터링될 수 있다. 전술한 바와 같이, 그러한 모듈은 패스워드, 음성 인식, 생물 측정한, 및 보다 정교한 기법에 근거하여, 다양한 형태의 보안 및 액세스 제어를 이용할 수 있다. 일반적으로, 모듈(320)은 네트워크에 연결하는 자들이, 업로딩, 다운로딩 또는 처리될 특정 데이터에 대한 권리를 갖는 것에 대해 원하는 레벨의 확실성을 유지할 것이다. 모듈(320)은, 일반적인 견해로부터, 전술한 통합 지식 베이스의 일부인 것으로 고려될 수 있는 로컬 지식 제이스(322)에 대한 액세스를 사용자가 얻도록 허용한다. 또한, 로컬 지식 베이스(322)는 소정의 데이터가 프로그램된 기능들에 의한 이용을 위해 전처리 또는 변형될 수 있는 전술한 바와 같은 연합 데이터베이스의 특징을 또한 통합할 수 있음을 알아야 한다.
전형적으로, 입증 또는 데이터 관리 모듈(324)은 로컬 지식 베이스(322)에 대한 액세스 및 로컬 지식 베이스(322)내의 데이터의 품질 및 전체 시스템의 다른 구성 요소로부터의 데이터를 제어하도록, 소정의 형태로 제공될 수 있다. 즉, 소정의 데이터, 특히 로컬 레벨에서 이용되는 데이터는 로컬 지식 베이스(322)내에 우선적으로 저장될 수 있다. 그러나, 전체 시스템 기능이 요구되는 경우, 그러한 데이터는 상위 레벨로 업로딩되거나, 또는 다른 로컬 그룹 또는 클러스터내의 피어(pier)로 업로딩될 수 있다. 마찬가지로, 데이터는 다른 원격 소스로부터 다운로딩 또는 처리될 수 있다. 그러한 데이터의 유효성 및 품질을 유지하기 위해, 입증 및 데이터 관리 모듈(324)은, 도 22에 도시된 바와 같이, 특정 기능을, 전형적으로 양방적으로, 수행할 수 있다. 그러한 기능은 입력 시간, 데이터의 소스, 또는 임의의 다른 입증 기준에 근거하는 것과 같은, 소정의 데이터를 조정 또는 입증할 수 있는, 참조 번호(326)에서 나타낸 바와 같은 조정 모듈의 기능을 포함할 수 있다. 모순되는 갱신 또는 입력으로 인한 것과 같이, 그러한 조정 또는 입증이 이용가능하지 않은 경우, 그러한 문제는 조정을 위해 사용자에게 플래깅될 수 있다. 동기화기 모듈(328)은, 마찬가지로, 로컬 지식 베이스(322)와 원격 자원 사이의 기록을 동기화한다. 마지막으로, 링크-업로드/다운로드 모듈(330)은 로컬 지식 베이스로부터의 데이터에 대한 다른 메모리 또는 저장소로부터의 저장 또는 다운로딩, 및 위치 결정, 액세싱을 제공한다.
전반적으로 유사한 기능이, 도 22의 참조 번호(318)에 의해 일반적으로 나타낸 바와 같이, 다른 레벨에서 또는 다른 관계내에서 수행될 수 있다. 따라서, 로컬 그룹 또는 클러스터 사이에서와 같이, 보안 및 액세스 제어 모듈(332)은, 모듈(320)과 결합되어, 다른 사용자, 그룹, 클러스터 또는 레벨로부터의 데이터에 대한 안전한 액세스를 제공할 수 있다. 더욱이, 클러스터 지식 베이스(334)가 유지될 수 있으며, 그것은 로컬 지식 베이스 데이터의 일부를 콤플리멘트, 또는 심지어 복제한다. 로컬 지식 베이스(322)에서와 같이, 클러스터 지식 제이스(334)는 일반적으로 전체 통합 지식 베이스의 일부인 것으로 고려될 수 있다. 다른 기능은, 마찬가지로 그러한 상위 레벨에서 수행될 수 있다. 따라서, 참조 번호(336)에서 나타낸 바와 같이, 입증 및 데이터 관리 모듈이 구현될 수 있고, 그것은 로컬 레벨에서 유사한 모듈(324)의 기능과 대등할 수 있다. 다시, 그러한 모듈은 조정기 모듈(338), 동기화기 모듈(340) 및 그룹 또는 클러스터 사이의 데이터의 교환을 용이하게 하는 링크/업로드/다운로드 모듈(342)을 포함할 수 있다.
전술한 멀티 레벨 아키텍처는 중요한 이점 및 기능을 제공한다. 첫째, 특별히 맞추어진 액세스 제어 기능을 갖는 그룹 또는 클로스터의 특정 멤버에 의해 데이터가 쉽게 액세스될 수 있다. 즉, 보험 빌링, 임상 분석 등과 같은 기능에 대해, 감소된 레벨의 보안성이 특정 그룹 또는 클러스터내에 제공될 수 있다. 그 후, 다른 그룹 또는 클러스터에서의 다른 사용자에 의한 데이터 액세스가, 상이한 보안 또는 액세스 제어 메카니즘의 적용에 의한 것과 같이, 더 조정될 수 있다. 더욱이, 소정의 기능이, 완자 또는 임상 의학자 워크스테이션에서와 같이, 필요에 따라 연결되는 처리 능력 및 데이터에 대한 추가적인 액세스로, 매우 기본적인 레벨에서 제공될 수 있다.
더욱이, 현재 고려되는 실시예에서, 전체 네트워크 토폴로지는, 본질적으로 상기 컴퓨터 보조 데이터 동작 알고리즘을 미러링 및 용이하게 하는 하부의 데이터 구조를 미러링하는 경향이 있다. 즉, 기능 또는 데이터가 특정 관계, 처리 요구, 액세스 요구, 입증 요구 등으로 관련되는 경우, 그룹 또는 클러스터의 형성이 유사한 구조를 따를 수 있다. 즉, 전술한 바와 같이, "전형적인" 액세스, 이용, 요구 및 기능이, 보다 분포되는 보다 멀거나 또는 빈번하지 않은 구조 또는 기능을 갖는 다수 밀집된 노드 또는 클러스터에 위치될 수 있다.
또한, 다양한 클러스터 또는 그룹의 링크는 현존 시스템에서는 이용가능하지 않았던 기능이 수행될 수 있도록 한다. 예를 들어, 다양한 그룹 또는 클러스터 레벨에서의 데이터 사이의 추세, 관계 등에 대한 분석이 용이하게 되어, 전통적으로 이용가능하지 않은 정보를 식별하는데 도움을 줄 수 있다. 예로써, 질병 상태의 특정 보급 레벨이 특정 기관, 기관내의 부서, 또는 지리적 영역에서 발생되는 경우, 현존 시스템은 그러한 발생 및 다른 위치에서의 유사한 발생 사이의 임의의 관계를 인식하지 않거나 또는 뒤늦게 인식하는 경향이 있다. 한편, 본 시스템은 그러한 데이터가 동작되고, 마이닝되고, 분석되고, 관련되어, 다양한 위치에서의 추세의 개발을 용이하고 신속하게 인식하고, 심지어 간호의 품질 등과 같은 다양한 데이터에 의해 관련되도록 한다. 따라서, 피어(peer) 정보의 조정된 액세스 및 분석이, 전체 인구에서의 그러한 질병 상태의 식별을 위해 이용가능하다.
마찬가지로, 본 기법에 의해 제공된 멀티 레벨 아키텍처에 의해 자원 관리가 향상될 수 있다. 특히, 재고 이용에서의 과거 및 예상되는 것 둘다의 추세, 보험 클레임, 인적 자원 요구 등이, 전술한 다양한 레벨에서의 처리 자원 및 데이터의 이용가능성에 근거하여, 또한 식별될 수 있다.
환자 지향적 의료 데이터 관리
본 기법은 통지될 환자의 능력에서 또다른 이점을 제공하며, 심지어 그들 자신의 각각의 의료 간호를 관리한다. 전술한 바와 같이, 본 시스템은 사무실 방문과 같은 의료 접촉 이전에 환자 데이터를 수집하도록 하는 방법으로 통합될 수 있다. 또한, 시스템은 필요한 경우 그러한 상호 작용에 대해 추가적인 정보를 요청하도록 이용될 수 있다. 더욱이, 시스템은 개개의 환자 또는 환자 관리자에 의해 제어될 수 있는 특정 개별화된 환자 기록이 유지되는 것을 허용하도록 적응될 수 있다. 도 23은 통합 환자 기록의 생성 및 관리를 위해 설계된 본 기법의 양상을 일반적으로 나타낸다.
도 23에 도시된 바와 같이, 기능 및 모듈의 배열은 일반적으로 환자 관리 지식 베이스 시스템(344)으로서 지칭되며, 이것은 적어도 부분적으로 통합 지식 베이스 및 전술한 다른 기법의 특징을 포함한다. 환자(4)는 도 23에서 참조 번호(346)에 의해 나타낸 바와 같이, 환자 데이터를 제공한다. 환자 데이터는 하드 카피, 조직 샘플의 분석, 기관 또는 진료소에서의 입력 장치, 또는 환자에 대해 개별화되는 입력 장치와같은 것을 통해, 임의의 적절한 방법으로 제공될 수 있다. 그러한 입력 장치는, 예를 들면, 환자에 의해 입혀지고, 주입되거나, 또는 환자의 가정 또는 고용 장소에서 환자에 의해 직접 구현되는 장치를 포함할 수 있다. 따라서, 환자 데이터(346)는 모바일 샘플러(예를 들면, 혈액 분석을 위해), 생리학적 데이터(예를 들면, 혈압, 심장 레이트 등)에 대한 감지 시스템에 의해 제공될 수 있다. 환자 데이터는, 감자 장치내에서 또는 환자 컴퓨터 또는 워크스테이션내에서와 같이, 국부적으로 저장될 수 있다. 마찬가지로, 환자 데이터는 액세스가능 인터넷 웹 페이지와 같은 것을 통한, 환자의 프롬프팅에서 또는 시스템 프롬프팅을 통해 제공될 수 있다. 더욱이, 환자 데이터는 이하에 보다 완전히 기술되는 바와 같은 통합 지식 베이스의 자원을 포함하는 외부 자원으로부터 추출될 수 있다. 따라서, 환자 데이터는, 구현시에, 양방향 형태로 교환되어, 환자가 기록에 정보를 제공하고, 기록으로부터 액세스 정보를 제공하도록 할 수 있다. 마찬가지로, 환자는 외부 자원으로부터의 데이터의 기록에 대한 입력을 관리하고, 또한 외부 자원에 대한 기록의 출력에 대한 액세스를 관리할 수 있다.
환자 데이터는 환자 네트워크 인터페이스(348)를 통해, 시스템의 다른 요소와 교환된다. 환자 네트워크 인터페이스는 가급적 간단한 웹 브라우저일 수 있으며, 또는 환자와 외부 자원 사이의 데이터에 대한 액세스, 그것의 입증 및 교환을 제어하는 보다 정교한 관리 툴을 포함할 수 있다. 환자 네트워크 인터페이스는 참조 번호(350)에 나타낸 바와 같은 간호 제공자와 직접적으로 통신하는 것과 같이, 다양한 다른 구성 요소와 통신할 수 있다. 그러한 간호 제공자는 1차 간호 의사를 포함할 수 있지만, 환자 임상 데이터를 저장하는 기관 및 사무실, 보험 클레임, 재정 자원 데이터 등과 같은 비임상 데이터를 저장하는 기관을 또한 포함할 수 있다. 환자 네트워크 인터페이스(348)는 참조 데이터 저장소(352)와 더 통신할 수 있다. 그러한 참조 데이터 저장소는 통합 지식 베이스를 일반적으로 참조하여 전술되었다. 저장소(352)는 동일하거나 다른 저장소일 수 있으며, 환자 데이터와 알려진 범위 또는 인구 통계 정보와의 비교, 질병 상태, 간호, 진단 및 예지 등과 관련된 특정 정보 및 배경의 환자 디스플레이 인터페이스 페이지내로의 통합과 같은, 인터페이스에 의해 수행된 소정의 처리 기능에 대한 환자 네트워크 인터페이스에 의해 유용할 수 있다. 환자 네트워크 인터페이스(348)는, 필요한 경우, 참조 번호(354)에 일반적으로 나타낸 바와 같은 변형 또는 처리 모듈과 더 통신할 수 있다. 변형 및 처리 모듈은 분석 및 저장을 위해, 액세스된 데이터 또는 환자 데이터를 완전히 또는 부분적으로 변환할 수 있다. 다시, 변형 및 처리 기능은 양방향적이어서, 그들이 환자로부터 발생된 데이터 및 외부 자원으로부터 환자에게 전달된 데이터 둘다를 변형 및 처리할 수 있도록 한다.
통합 환자 기록 모듈(356)은, 도 23에서 참조 번호(362)에 의해 일반적으로 나타낸 바와 같이, 통합 환자 기록을 생성하도록 설계된다. 현재의 문맥에서 이용된 바와 같이, 통합 환자 기록은 환자로부터 직접 획득된 정보 뿐만 아니라, 환자에게 간호를 제공하는 기관으로부터 획득된 정보 둘다의 광범위한 정보를 포함할 수 있다. 또한, 기록은 자동화된 기법에 의해서 및 적절한 경우 사람 간호 제공자에 의한 것 둘다의 미처리 환자 데이터, 화상 데이터 등의 분석으로부터 초래되는 것과 같은, 그러한 데이터로부터 도출된 데이터를 포함할 수 있다. 마찬가지로, 통합 환자 기록은 참조 데이터 저장소(352)로부터 통합된 정보를 포함할 수 있다. 통합 환자 기록 모듈은 하나 이상의 데이터 저장소(358)내의 통합 환자 기록(362)의 일부 또는 전부를 바람직하게 저장한다.
전술한 바와 같이, 시스템(344)은 광범위한 환자 데이터를 포함할 수 있는 통합 환자 기록(362)의 생성을 허용한다. 사실상, 통합 환자 기록, 또는 환자 기록의 부분들은, 환자 데이터 블록(346)에 인접하여 나타낸 바와 같은 환자 위치에서, 블록(350)에 인접하여 나타낸 바와 같은 개별적인 간호 제공자(예를 들면, 1차 간조 의사), 또는 통합 환자 기록 모듈(356)에 의해 액세스된 데이터 저장소(358)내와 같은, 다양한 위치에 저장될 수 있다. 또한, 환자 네트워크 인터페이스(348), 변형 및 처리 모듈(354) 및 통합 환자 기록 모듈(356)에 의해 제공된 기능의 일부 또는 전부는 환자에 대해 국부적 또는 원격적일 수 있음을 알아야 한다. 즉, 환자 기록의 생성 및 관리를 수행하는 소프트웨어는 환자 단말기에서 직접 저장되거나, 가입 서비스를 통한 것과 같이, 원격적으로 완전히 또는 부분적으로 제공될 수 있다. 유사하게, 환자 기록 저장소(358)는 환자로부터 국부적 또는 원격적일 수 있다.
또한, 통합 환자 기록 모듈(356)은 통합 지식 베이스 인터페이스(360)를 통해, 통합 지식 베이스(12)와 통신하도록 바람직하게 설계된다. 인터페이스(360)는 액세스, 입증, 환자 요구 또는 이용에 대한 맞춤 등에 대해 전술한 일반적 기능을 따를 수 있다. 통합 지식 베이스 인터페이스(360)는, 도 23에 나타낸 바와 같이 특정 기관에 대해 내부적일 수 있는 자원(18)으로부터의 정보 추출을 허용한다. 또한, 인터페이스는 환자로부터의 데이터가 그러한 자원 및 기관에 업로딩되도록 허용한다. 또한, 도 23에서 주지된 바와 같이, 통합 환자 기록(356)은, 완전히 또는 부분적으로, 통합 지식 베이스(12)내에 일반적으로 저장되어, 예를 들면, 간호 제공자에 의한 액세스를 용이하게 할 수 있다. 또한, 기록은, 특정 환자 간호를 갖거나 또는 제공할 병원 또는 진료소내와 같은, 개별적인 기관내에 저장될 수 있다.
도 23에 도시된 시스템 기능은 중요한 이점을 제공한다. 예로써, 전술한 바와 같이, 특정 정보에 대한 액세스 및 기록의 생성은 환자에 의해 보다 직접적으로 제어 및 조정될 수 있다. 즉, 시스템은 의료 기록의 순향적(proactive) 관리에 대해 환자에게 권한을 부여하는 인에이블러로서 기능한다. 그러한 상호 작용은 특정 간호 제공자에 제공된 환자 기록의 부분들에 대한 환자 제어 액세스의 형태를 취할 수 있다. 유사하게, 시스템은 특정의 임상 및 비임상 문제 뿐만 아니라, 일반적인 질문에 관한 것으로서, 환자의 교육을 향상시키는 잠재력을 제공한다. 또한, 시스템은 환자 상태를 식별 및 추적하고, 환자 간호 방문을 스케쥴링하는 등을 위해 간호 제공자에 의해 이용될 수 있는 미처리 데이터, 처리 데이터, 링크, 갱신 등을 포함하는 환자 데이터를 액세스하기 위한 강력한 툴을 제공한다. 그러한 기능은 시간 기반, 또는 통지, 전자 메시지, 무선 메시지 등에서와 같은, "푸쉬" 또는 "풀" 교환 기법에 의해 제공될 수 있다. 따라서, 환자와의 직접적인 상호 작용은 환자 데이터의 업로딩, 환자 데이터의 다운로딩, 처방 리마인더, 사무실 방문 리마인더, 검진 통신 등을 포함할 수 있다. 더욱이, 환자 데이터를 다른 기능 및 다른 자원으로부터의 데이터와 통합하는 것은, 통합 환자 기록이 주기적으로 또는 환자 또는 기관에 의한 특정 요구 이전에 생성 및 저장되거나, 또는 질문에 응답하기 위해 데이터에 연결 및 액세스함으로써 특정 질문시에 컴파일되도록 허용한다.
예측 모델링
본 기법은, 전술한 데이터 저장, 액세스 및 처리 기능의 고도의 통합으로 인해, 본질상 임상적 및 비임상적인, 예측 모델의 개발을 위한 강력한 툴을 제공한다. 특히, 데이터가 통합 지식 베이스 또는 연합 데이터 베이스로부터 얻어져서, 처리 및 분석되어, 예측 모델 개발로 인해 환자 간호가 향상된다. 그러한 예측 모델의 개발은 완전히 또는 부분적으로 자동화될 수 있고, 그러한 모델링은 전술한 유형의 소정의 컴퓨터 보조 기능을 적응시키는 기능을 할 수 있다.
도 24 및 25는 본 기법의 양상에 따라 구현될 수 있는 예측 모델 개발의 양상을 일반적으로 도시한다. 도 24는 전술한 통합 지식 베이스 및 네트워크 기능에 형성 또는 제공될 수 있는 예측 모델링 시스템(364)을 나타낸다. 예측 모델링 시스템(364)은 데이터 자원 및 제어가능/규정가능 자원 둘다인 자원 뿐만 아니라, 시스템에 제공된 임의의 연합 데이터베이스(14), 본질상 중앙화 또는 분산될 수 있는 통합 지식 베이스(12)를 얻는다. 시스템(364)은, 데이터 마이닝 및 분석 모듈(366)이 다양한 자원, 지식 베이스 및 데이터베이스로부터 데이터를 추출하고, 예측 모델 개발시에 유용한 데이터 사이의 관계를 식별하도록 설계되므로, 도 24에서 식별된 소프트웨어에 의존한다. 데이터 마이닝 및 분석 모듈(366)에 의해 수행된 분석은, 도 18을 참조하여 위에서 강조된 임의의 또는 모든 개시 이벤트를 포함하는, 도 24에서 개시기 블록(368)에 의해 나타낸 바와 같은 적절한 방법으로 개시될 수 있다. 일단 처리가 개시되면, 모듈은 특정 질병 상태, 의료 사건, 또는 아직 식별되지 않거나 인식되지 않은 질병 상태 또는 의료 사건에 연결될 수 있는 데이터를 탐색하여 식별한다. 더욱이, 모듈은 자원 요구의 예측, 자원 할당, 보험율, 재정 플래닝 등을 위한 것과 같이, 유사한 모델의 개발을 위한 비임상 데이터를 유사하게 찾는다. 모듈(366)에 의해 수행된 데이터 마이닝 및 분석 기능은 자원 및 데이터베이스(다시, 임상 및 비임상 둘다)로부터의 "미처리" 데이터에 대해서 뿐만 아니라, 필터링되고, 입증되고, 감소된 치수의 데이터 및 이들 자원 중 임의의 자원으로부터 유사하게 처리된 데이터에 대해서도 동작할 수 있음을 알아야 한다. 더욱이, 그러한 데이터 처리 또는 입증은, 도 24에서 참조 번호(6)에 나타낸 임상 의학자와 같은, 전문가에 의해 제공될 수 있다.
모듈(366)에 의해 수행된 마이닝 및 분석에 근거하여, 예측 모델 개발 모듈(370)은 데이터 및 분석을, 진단, 플래닝 및 다른 목적을 위해 이용될 수 있는 대표적인 모델로 변환하도록 더 기능한다. 임상적인 문맥에서, 광범위한 모델 유형이, 특히 위에서 언급된 컴퓨터 보조 처리의 정제를 위해, 개발될 수 있다. 전술한 바와 같이, 본 명세서에서 CAX 처리서 지칭되는 이들 처리는, 획득, 처리, 분석, 진단 등을 위한 것과 같이, 강력한 컴퓨터 보조 작업 흐름을 허용한다. 예측 모델 개발 모듈(370)에 의해 이용된 방법은 응용, 이용가능한 데이터 및 원하는 출력에 따라 변할 수 있다. 현재 고려되는 실시예에서, 예를 들면, 처리는 복귀 분석, 판정 트리, 클러스터링 알고리즘, 신경망 구조, 전문가 시스템 등에 근거할 수 있다. 더욱이, 예측 모델 개발 모듈은 특정 질병 상태 또는 의료 상태 혹은 사건을 타겟으로 할 수 있으며, 또는 비상태 특정적일 수 있다. 데이터가 특정 의료 상태에 관련된 것으로 알려지는 경우, 예를 들어, 모델은 자원 및 지식 베이스로부터의 모든 이용가능한 정보에 근거한, 그러한 상태의 발생 가능성을 식별하는데 이용된 규칙 및 절차의 정제에 있을 수 있다. 그러나, 보다 일반적으로, 데이터 마이닝 및 분석 기능은, 모델 개발 알고리즘과 결합되어, 질병 상태, 이들 질병 상태 사이의 관계 및 이전에 인식되지 않았던 이용가능한 데이터의 식별을 제공할 수 있다.
컴퓨터 보조 처리 CAX의 정제를 위해 예측 모델 개발 모듈(370)이 적응되는 응용에서, 모델은 그러한 처리를 수행하는데 있어 유용한 파라미터를 식별 또는 정제할 수 있다. 따라서, 모듈(370)의 출력은 특정 상태, 사건 또는 진단과 관련된 것으로서 식별된 하나 이상의 파라미터로 구성될 수 있다. 전형적으로 데이터 관계의 형태인 예측 모델 개발 모듈(370)로부터의 출력은 더 정제되어, 도 24에 도시된 CAX 처리(85)에 대해 이용가능하고, 그것에 의해 이용된 파라미터로 맵핑될 수 있다. 따라서, 현재 고려되는 실시예에서, 파라미터 정제 기능(372)이 제공되며, 여기서는, CAX 처리(85)에 이용된 파라미터가, 참조 번호(374)에 나타낸 바와 같이 식별되고, 참조 번호(376)에서 나타낸 바와 같이 "최상의" 또는 최적화된 값 또는 값의 범위가 식별된다. 그 후, 파라미터 및 그들의 값 또는 범위가, 특정 처리에서의 미래의 이용을 위해, CAX 알고리즘에 공급된다. 일반적인 규칙으로서, CAX 처리는 참조 번호(378)에서 나타낸 바와 같은 소정의 출력을 생성한다.
예측 모델링 시스템(364)에서, 위에서 수행되고 기술된 다양한 기능은 하나 이상의 처리 시스템상에서, 및 다양한 입력 데이터에 근거하여 수행될 수 있음을 알아야 한다. 따라서, 전술한 바와 같이, 통합 지식 베이스, 및 따라서 예측 모델 개발을 위해 이용가능한 데이터는 본래 확장가능하여, 모델이 상이하게 개발되거나, 향상되어 강화될 수 있으며, 또는 추가 정보가 이용가능하다. 또한, 도 24에 도시된 시스템의 다양한 구성 요소는 매우 상호 작용적인 모델 개발을 제공함을 알아야 한다. 즉, 다양한 모듈 및 기능이 서로 영향을 미쳐, 모델 개발을 더 향상시킨다.
예로써, 특정 데이터 마이닝에 근거하여 모듈(370)에 의해 예측 모델이 개발되는 경우, 모델 개발 모듈은, 추가적인 또는 제공된 데이터가 CAX 처리의 성능을 향상시키는데 있어 또한 유용할 수 있음을 식별할 수 있다. 그 후, 모델 개발 모듈은 그러한 통찰력에 근거하여, 데이터 마이닝 및 분석 기능에 영향을 미칠 수 있다. 유사하게, 파라미터 정제 처리에서 수행된 파라미터 식별 및 파라미터 최적화는 예측 모델 개발 모듈에 영향을 미칠 수 있다. 더욱이, CAX 처리(85)의 결과는, 다른 CAX 처리의 개발 또는 정제를 위한 것과 같이, 예측 모델 개발 모듈에 유사하게 영향을 미칠 수 있다.
도 24에 도시된 구성 요소 및 기능 사이의 상호 작용의 후자의 가능성은 특히 강력하다. 특히, 예측 모델 개발 모듈(370)은, 몇몇 양상에서, 그 자체가, 이용가능한 데이터 사이의 관계를 인식하고, 그러한 관계를 잠재적인 질병 상태, 사건, 자원 요구, 재정 고려 사항 등에 매칭하기 위한 것과 같이, CAX 처리(85)로서 기능할 수 있음을 알아야 한다. 그러나, 처리는 임의의 특정한 CAX 처리에 한정되지 않는다. 그보다는, 비록 모델 개발이 질병 상태의 진단에 초점을 맞출 수 있지만, 예를 들어, CAX 처리(예를 들면, 컴퓨터 보조 진단 또는 검출)의 출력이 처리 및 원하는 데이터 처리의 모델링을 향상시킬 수 있다. 유사하게, 처리시의 CAX 처리의 결과는 데이터의 컴퓨터 보조 획득(CAA)을 위해 구현된 모델에서의 향상을 인식하도록 할 수 있다. 건강 또는 재정 상태, 예지, 처방, 치료 및 다른 결정의 컴퓨터 보조 평가(CAAx)를 포함하는 다른 컴퓨터 보조 처리가, 예측 모델 개발 모듈에 의해서 및 정제된 다른 처리의 피드백에 의해서, 유사하게 영향을 받을 수 있다.
도 24에 도시된 바와 같이, 임상 및 비임상 예측 모델의 개발시에 포함된 소정의 단계가, 시스템의 요소로부터 또는 전문가로부터의 입증 또는 입력을 겪을 수 있다. 따라서, CAX 출력(378)은 전형적으로 전문가(6)에 의해 리뷰될 것이다. 유사하게, 예측 모델 개발 모듈(370)에 영향을 미칠 수 있는 CAX 출력이 바람직하게, 도 24에서 블록(380)에 나타낸 바와 같은 입증을 겪게 된다. 그러한 입증은 (교차 체킹 데이터 또는 알고리즘 출력에 의해서, 또는 하나 이상의 전문가에 의한 것과 같이) 시스템 자체에 의해 수행될 수 있다. 그 후, 입증의 출력은 원래의 자원 그자체(18) 및 통합 지식 베이스(12)를 포함하는 자원에 연결될 수 있다. 예를 들어, 소정의 데이터를 연결 또는 전처리하거나, 또는 개발된 모델에 의해 구현된 CAX 처리에서 이용하기 위해 소정의 데이터를 플래깅하는 것이 유용할 수 있다.
이용시에, 개발 또는 향상된 모델이 원격 처리를 위해 전형적으로 이용가능하거나, 또는 컴퓨터 시스템, 의료 진단 촬상 장비 등을 포함하는, 데이터 획득, 처리, 진단, 결정 지원, 또는 CAX 처리에 의해 서비스되는 임의의 다른 기능을 향상시키기 위한 모델을 이용하는 시스템에 다운로딩될 수 있다. 그러한 구현 동안에, 그리고 전술한 바와 같이, 구현 시스템은 통합 지식 베이스, 연합 데이터베이스, 또는 근원적인 자원 그자체를 액세스하여, CAX 처리를 위해 요구되는 데이터를 추출할 수 있다.
예측 모델 개발 모듈(370)내에 수 개의 기능이 제공되고, 루틴 기반으로 수행되거나, 또는 사용자에 혹은 시스템에 의해 특정적으로 프로그램 또는 개시된 것으로서 수행될 수 있다. 도 25는 모델 개발 모듈에 의해 수행된 소정의 이들 처리의 예를 도시한다. 도 25에 도시된 바와 같이, 마이닝 및 분석된(즉, 자원으로부터 획득 또는 추출된) 데이터에 근거하여, 모듈은, 도 25의 블록(382)에 나타낸 바와 같이, 이용가능한 데이터 사이의 관계를 전형적으로 식별할 것이다. 관계는 데이터 사이의 알려진 상호 작용에 근거하거나, 또는 전술한 바와 같은 식별 알고리즘(예를 들면, 복귀 분석, 판정 트리, 클러스터링 알고리즘, 신경망, 전문가 입력 등)에 근거할 수 있다. 더욱이, 관계 식별은 임의의 이용가능한 데이터에 근거할 수 있음을 알아야 한다. 즉, 데이터는, 그의 유형, 양식, 실행 영역 등으로부터 분리되는 것으로 고려될 때, 가장 유용하게 이용될 수 있다. 예로써, 임상 데이터는 촬상 시스템으로부터 이용될 수 있고, 인구 통계 정보 및 특정 환자에 대한 조직 정보와 결합되어 이용될 수 있다. 또한, 데이터는 특정 질병 상태 등의 위험성 또는 가능성을 더 나타낼 수 있는 비환자 특정적(예를 들면, 일반적인 인구) 데이터를 통합할 수 있다. 식별된 관계에 근거하여, 블록(384)에 나타낸 바와 같이, 규칙 식별이 수행된다. 그러한 규칙은 식별된 관계에서의 데이터 또는 입력의 다양한 항목을 연결하는데 이용된 비교, 부울 관계, 복귀 방정식 등을 포함할 수 있다.
블록(386)에 나타낸 바와 같이 입력 정제 단계가 수행되며, 여기서, 자원 또는 데이터베이스 또는 지식 베이스로부터 이용가능한 다양한 데이터 입력에 관계들이 연결된다. 도 25에서 주지된 바와 같이, 그러한 입력(388)은 비파라미터적일 수 있는데, 즉 CAX 처리의 설정 또는 파라미터에 의해 명확히 영향을 받지 않는 미처리 또는 처리 데이터에 관련될 수 있다. 블록(390)에 나타낸 바와 같은 다른 입력 식별은 CAX 처리의 변경에 의해 영향을 받을 수 있는 파라미터 입력에 대해 타겟으로 된다. 입력 식별에 근거하여, 규칙 식별 및 관계 식별, 모델의 정제 및 조정이, 블록(392)에 나타낸 바와 같이 가능하다. 다시, 그러한 조정 및 정제는 소정의 입력의 추가 또는 삭제, 입력의 포함에 대한 소정 상태의 배치, 일부 입력의 가중화 등을 포함할 수 있다. 그러한 조정 및 정제는 시스템에 의해, 또는 도 25에서 참조 번호(6)에 나타낸 바와 같은 전문가로부터의 입력을 이용하여 수행될 수 있다. 그 후, 전체 처리는 도 25에서 반환 화살표에 의해 나타낸 바와 같이 다수 반복적이어서, 조정 및 정제 처리가 관계, 규칙 및 입력의 식별에 또한 영향을 미칠 수 있도록 한다.
광범위한 모델이, 전술한 기법에 의해 개발될 수 있다. 예를 들면, 임상적인 문맥에서, 화상 데이터, 인구 통계 데이터 및 비환자 특정적 데이터와 같은, 전술한 바와 같은 상이한 유형의 데이터가 액세스될 수 있다. 예로써, 모델은 그러한 상태의 평가된 위험을 나타내도록 알려진 수 년의 특정 기간 동안 국토의 특정 영역에 거주하는 여자에게 있어서의 유방암을 진단하기 위해 개발될 수 있다. 적절한 경우에 고려될 수 있는 추가적인 요소는, 환자에 의해 완료된 질의로부터 추출된 것과 같은 환자 히스토리일 수 있다(예를 들면, 흡연 습관, 식이 요법 습관 등).
또다른 예로서, 그리고 다양한 처리 사이의 상호 작용을 예시하면, 데이터를 획득하거나 데이터를 처리하기 위한 모델이 컴퓨터 보조 진단(CADx) 알고리즘에 의해 영향을 받을 수 있다. 일례에서, 예를 들면, 스캐닝된 데이터로부터 도출된 복부 화상을 강조하는 치료 알고리즘으로부터의 출력이, 컴퓨터 보조 진단에 근거하여 변경될 수 있다. 따라서, 맹장 수술을 위해 치료 알고리즘이 요청되는 하복부 영역에 대해, 비교적 얇은 슬라이스로 화상 데이터가 획득 또는 처리될 수 있다. 나머지 데이터는 보다 두꺼운 슬라이스로, 정상적인 방식으로 처리될 수 있다. 따라서, 상이한 초점의 CAX 알고리즘이 예측 모델의 개발 및 정제시에 서로 영향을 미칠 수 있을 뿐만 아니라, 상이한 유형 및 상이한 양식으로부터의 데이터를 이용하여, 비임상적 목적 및 질병의 식별 및 치료를 위한 방법을 향상시킬 수 있다.
알고리즘 및 전문가 훈련
전술한 바와 같이, 다수의 컴퓨터 보조 알고리즘이 본 기법으로 구현될 수 있다. 본 명세서에서 일반적으로 CAX 알고리즘으로 지칭되는 그러한 알고리즘은 의료 진단 화상 데이터와 같은 다수의 유형의 데이터의 처리 및 분석을 포함할 수 있다. 본 기법은 전술한 바와 같이 그러한 처리의 정제시에, 및 학습 또는 훈련 처리를 통해 처리를 정제하기 위해 향상된 이용성을 제공하여, 그러한 처리에 의해 수행된 검출, 세그먼트, 분류 및 다른 기능을 향상시킨다. 또한, 본 기법은 방사선 학자, 의사, 기술자, 임상 의학자, 간호사 등을 포함하는 다양한 레벨에서의 의료 전문가들을 훈련시키기 위한 목적과 같은, 피드백을 제공하기 위한 잠재력을 제공한다. 도 26은 알고리즘 및 의료 전문가 둘다에 대한 그러한 훈련 처리에서의 예시적인 단계들을 도시한다.
도 26을 참조하면, 알고리즘 및 전문가 훈련 처리(394)가 개략적으로 도시된다. 처리는 전문가 훈련 모드(396) 및 알고리즘 훈련 모드(398)와 같은, 분리된, 상호의존적 모드를 포함할 수 있다. 일반적으로, 두 모드는 하나 이상의 동작 환견에서 프로그램 및 기능될 수 있으며, 사용자가 현재 처리를 어떻게 구현하는지에 따라, 실제 기능이 변화되면서 수행된다.
일반적으로, 처리는 CAD 알고리즘과 같은 컴퓨터 보조 알고리즘과 의료 전문가에 의해 수행된 기능 사잉에 상호 작용을 제공한다. 처리는 본 명세서에서, 의료 진단 화상 데이터에서의 특징을 검출 및 분류하는데 이용된 CAD 프로그램의 문맥에서 설명될 것이다. 그러나, 다른 CAX 알고리즘에 대해, 그리고 상이한 양식 및 자원 유형으로부터의 데이터를 포함하는 상이한 유형의 의료 진단 데이터에 대해 유사한 처리가 구현될 수 있음을 알아야 한다.
처리(394)는 단계(400)에서 시작되는 것으로 고려될 수 있으며, 여기서 전문가 또는 의료 전문가는 특징 검출 및 분류를 수행한다. 당업자라면 알 수 있듯이, 그러한 기능은 전형적으로 진단 화상 판독 처리의 일부로서 수행되며, 검사 시퀀스에서의 재구성된 화상 또는 화상의 세트로 시작된다. 전형적으로, 전문가는 통합 지식 베이스(12)로부터 또는 다양한 자원(18)으로부터 데이터를 얻을 것이고, 그러한 자원으로부터 추가 데이터를 얻어, 특징 검출 및 분류의 "판독" 처리를 지원할 수 있다. 그 후, 전문가는 특정 응용에서의 주석이 붙여진 의료 진단 화상일 수 있는, D1로 라벨링되고, 도 26에서 참조 번호(402)로 표기되는 데이터세트를 생성한다. 통상적인 주석, 구술, 상호 작용적 마킹 및 유사한 기법과 같은 임의의 적절한 기법을 이용하여, 데이터세트를 생성할 수 있다.
전문가 특징 검출 및 분류 기능에서, 알고리즘, 예에서는 CAD 알고리즘은 단계(404)에서 유사한 특징 검출 및 분류 기능을 수행한다. 주지된 바와 같이, 다양한 프로그램이, 그러한 기능들, 즉 전형적으로 파라미터적 설정에 따라, 미처리 또는 처리된 화상 데이터를 얻고, 세그먼팅을 식별하고, 식별된 특징을 분류하는 기능들에 대해 이용가능하다. 그러한 설정은 수학적으로 또는 논리적으로 정의된 특징 인식 단계, 세기 또는 컬러 기반 특징 검출, 자동화 또는 반자동화된 특징 세그먼트, 및 식별 및 세그먼트된 특징과 식별된 병리의 알려진 특성의 비교에 근거한 분류를 포함할 수 있다. 단계(404)의 결과로서, 참조 번호(406)에 의해 도 26에서 언급된 제 2 데이터세트 D2가 생성되고, 그것은 디스플레이를 위해 유사하게 주석이 붙여진다.
전문가 생성 데이터세트(402)는 단계(408)에서 동일 또는 상이한 컴퓨터 알고리즘에 의한 입증을 겪게 된다. 알고리즘 입증 단계(408)는, 시스템이 알고리즘 훈련 모드에서 동작할 때의, 이 단계의 최적의 본질로 인해, 도 26에서 파선으로 도시된다. 즉, 전문가 판독의 알고리즘 입증이 선호되고, 여기서, 이하에 기술된 바와 같이, 피드백이 전문가에게 제공된다. 대안적으로, 알고리즘 입증 단계는 모든 경우에 구현될 수 있어, 후속적으로 처리된 데이터세트가 전문가에 의한 및 알고리즘에 의한 판독 및 알고리즘 입증 단계에 의해 생성된 바와 같은 전문가 식별 및 분류 특성의 필터링 둘다를 포함하도록 한다. 일반적으로, 알고리즘 입증 단계는 전문가에 의해 생성된 바와 같은 잘못된 포지티브 판독을 제거하는 기능을 할 것이다. 단계(408)에서의 알고리즘에 의해 이용된 특정 알고리즘 및/또는 파라미터적 설정이 단계(404)에서 이용된 것과는 상이할 수 있음을 알아야 한다. 즉, 알고리즘 입증 단계는 상이한 알고리즘에 의해, 또는 상이한 파라미터적 설정으로 수행되어, 단계(404)에서의 알고리즘 특징 검출 및 분류에 대해 적용되었던 것보다, 단계(408)에서 보다 엄격하거나 덜 엄격한 필터를 제공할 수 있다. 단계(408)는 도 26에서 참조 번호(410)에 의해 언급된 더 정제된 데이터세트 D3을 초래하고, 이것은 적절한 경우, 전문가 특징 검출 및 분류 결과, 및 알고리즘 입증의 결과로서의 그러한 결과에서의 변화 모두를 나타내기 위해 주석이 붙여진 재구성된 화상을 구성할 수 있다.
마찬가지로, 알고리즘 특징 검출 및 분류로부터 발생된 데이터세트(406)는 단계(412)에서 전문가 입증을 겪게 된다. 단계(408)에서와 같이, 단계(412)는, 특히 시스템이 전문가 훈련 모드에서 기능하는 경우, 선택사양적인 단계이다. 즉, 피드백이 의료 전문가 또는 전문가에게 제공되도록 의도되는 경우, 그 단계는 제거되어, 알고리즘 특징 검출 및 분류와 의료 전문가에 의해 생성된 것의 비교를 제공할 수 있다. 또한, 단계(412)에서의 특정 전문가 및/또는 전문가에 의해 이용된 결정 임계값은 단계(400)에서 이용된 것과 상이할 수 있음을 알아야 한다. 도 26에서 참조 번호(414)에 의해 언급된 결과적인 데이터세트 D4는 다시, 데이터가 화상을 나타내는 경우 재구성될 수 있으며, 알고리즘에 의해 식별된 특징 및 전문가 또는 의료 전문가에 의한 그러한 식별 또는 분류에 대해 행해진 변화를 나타내도록 주석이 붙여질 수 있다.
현재의 구현에서, 데이터세트(410, 414)는 결합 데이터세트(416)에서 결합되며, 데이터세트(416)은 알고리즘 또는 입증 동안 전문가에 의해 행해진 변화와 더불어, 검출 및 분류된 특정한 특징의 기원을 디스플레이하는 하나 이상의 화상을 다시 포함할 수 있다. 도 26에서의 블록(418)은 의료 전문가(특징 검출 및 분류 또는 입증을 수행하는 것과 동일 또는 상이한 의료 전문가)일 수 있는 조정자를 나타내며, 또는 조정하는 자동화 또는 반자동화된 처리를 포함할 수 있다. 조정자(418)의 목적은, 단계(408, 412)에서의 입증 이후의 변형으로부터 초래될 수 있는 그러한 대립과 더불어, 알고리즘 및 전문가에 의한 검출 및 분류 사이의 대립을 해결하는 것이다.
일단 조정자가, 도 26에서 참조 번호(416)에 의해 언급된 데이터세스 DS에 대해, 알고리즘 훈련 모드(398)에서 작용하면, 단계(412)에서 전문가 입증에 의해서 및 조정자(418)에 의해 행해진 변화는 단계(420)에서 나타낸 바와 같이 분석된다. 분석은 행해진 변화를 비교하고, 그러한 변화가 필요했던 이유를 결정하는 것으로 구성된다. 당업자라면 알 수 있듯이, 전형적으로, CAX 처리는 수행될 수 있었던 특징 식별, 검출, 세그먼트 및 분류를 변화시키도록 변경될 수 있는 다양한 설정을 포함한다. 그 후, 단계(420)에서 수행된 분석은, 어떻게 그러한 파리미터적 입력이 입증 및 조정의 결과를 따르는 것을 허용하게 변형될 수 있는지를 식별하도록 지시될 수 있다. 그러나, 단계(420)에서 수행된 분석은, 알고리즘에서의 변화가 필요하다는 것을 의미할 필요는 없음을 알아야 한다. 즉, 소정의 상황에서, 알고리즘 기능의 "제 2 판독기" 또는 "독립적인 제 1 판독기" 본성을 향상시키기 위해, 알고리즘이 전문가와 정확히 동일한 결과를 생성하지 않는 것이 바람직할 수도 있다. 그 후, 단계(422)에서, 알고리즘에 대한 임의의 가능한 변화의 입증이, 전문가 또는 전문가들의 팀에 의한 것과 같이, 수행된다. 그러한 입증 단계는 알고리즘에서의 변화가 적절할 수 있다는 결론을 초래하는 경우, 그러한 변형은 단계(424)에서 나타낸 바와 같이 구현될 수 있다. 현재의 처리에서는 그러한 알고리즘의 파라미터적 변형에 대한 참조가 행해지지만, 그러한 변형은 도 24를 참조하여 전술한 바와 같이, 통합 지식 베이스(12)로부터 이용가능한 입력과 같은 다른 입력의 식별 및 고려를 포함할 수 있음을 또한 알아야 한다.
전문가 훈련 모드(396)에서 동작할 때, 데이터세트(416)의 유사한 분석이, 도 26에서 단계(426)에서 나타낸 바와 같이 수행될 수 있다. 다시, 그러한 분석은 전문가 판독에서의 변화가 입증(408)에서의 알고리즘에 의해 수행된 이유 및 그러한 성능이 부합될 수 있는 방법을 결정하도록 의도될 수 있다. 그러한 분석에 근거하여, 단계(428)에서, 의료 전문가에 대해 결과가 보고되고, 지시가 제공될 수 있다. 그러한 보고 및 지시는, 알고리즘 입증에 의해 데이터세트(402)에 대해 행해질 수 있는 변화를 나타내는 것과 같이, 단순히 의료 전문가에게 피드백을 제공할 수 있음을 알아야 한다. 그러나, 보고 또는 지시는 유용한 교훈적 입력, 교습 물질에 대한 참조, 샘플, 화상 기반 데이터 검색 등을 또한 제공하여, 의료 전문가가 성능의 향상을 위한 관련된 고려 사항을 알게 할 수 있다.
데이터세트(416)의 생성 이후에, 단계(430)에 나타낸 바와 같은 종래의 방법으로 결과가 보고 및 디스플레이될 수 있다. 더욱이, 그리고 선택사양적으로, CAX 알고리즘을 정제시 또는 의료 전문가를 교습시에 도움을 마찬가지로 제공할 수 있는 결과적인 데이터에 대해 다른 처리가 수행될 수 있다. 그러한 처리는 도 26에서, 참조 번호(432, 434)로 도시된다.
전술한 처리는, 바람직한 경우, 통상적인 동작 절차로서 구현될 수 있음을 알아야 한다. 즉, 제공된 알고리즘 및 전문가 판독 절차, 제공된 알고리즘 및 전문가 입증 절차, 조정자의 이용은, 진단 및 다른 목적을 위한 데이터의 정규적인 처리를 위해 이용될 수 있다. 그러나, 전문가 훈련 모드에서, 비교적 "무거운" 필터는, 보다 포지티브의 판독을, 훈련 목적을 위한 잠재적인 오류의 포지티브 판독으로서 식별하기 위한 것과 같이, 알고리즘 입증 단계에서 이용될 수 있다. 상이한 또는 "보다 가벼운" 필터는, 통상적인 동작 동안에, 그리고 단계(404)에서 형성된 알고리즘 특징 검출 분류를 위해 이용될 수 있다. 또한, 단계(420) 또는 단계(426)에서 수행된 분석은, 환자 특정적 데이터, 비환자 특정적 데이터, 환자 특정적 및 비환자 특정적 본성 둘다의 시간적 데이터 등에 근거하여 추세, 예지 등을 식별하기 위해, 통합 지식 베이스에 더 의존할 수 있다. 또한, 전술한 바와 같이, 훈련 동작의 결과로서, 다양한 변화가 CAX 알고리즘에 대해 수행될 수 있음을 알아야 한다. 그러한 변화는 처리시의 변화를 포함할 수 있으며, "환자 특정적"일 수 있고, 그러한 변화는 동일 환자와 관련된 데이터의 미래의 분석을 위해 저장된다. 즉, 예를 들어, 소정의 해부적 특징(예를 들면, 체중, 뼈 부피, 크기, 이식, 보철 등)을 갖는 환자에 관한 화상 데이터에 대해, 알고리즘의 미래의 응용의 이용성을 향상시키기 위한 파라미터적 설정 및 알고리즘에 의해 행해진 결정에 근거한 전문가 판독에 대해 행해진 미래의 변형 또는 제안을 변경함으로써, 알고리즘은 환자에 대해 특정적으로 맞추어질 수 있다. 또한, 지식 베이스에 저장된 데이터내의 "통상적인 범위"를 조정하기 위한 것과 같이, 학습 모드 성과에 근거하여 통합 지식 베이스 자체에 대해 변화가 행해질 수 있다.
생체 조건밖 특징 식별
전술한 바와 같이, 본 기법을 위해 이용가능한 많은 자원 및 자원의 유형중에서, 어떤 자원은 생체 조건밖 데이터 획득 및 분석을 겪을 수 있는 데이터 또는 샘플을 생성할 것이다. 본 기법은 몇 가지 이유로 인해 그러한 데이터 및 샘플의 처리시에 특히 유용한 툴을 제공한다. 첫째, 샘플은 다수 유형의 자원의 데이터의 입력에 근거하여 분석될 수 있다. 데이터 획득, 내용 기반 정보 검색, 검색 및/또는 획득된 데이터의 처리 및 분석, 특징의 식별, 및 식별된 특징에 근거한 데이터의 분류를 포함하는 다양한 컴퓨터 보조 처리가 구현될 수 있다. 더욱이, 생체 조건밖 샘플은, 이전에 식별된 특징과 관련되므로, 생체 조건밖 샘플의 특징을 분석하기 위해, 통합 지식 베이스로부터의 데이터와 같은 알려진 데이터를 이용한 시간적 분석이 수행될 수 있다. 더욱이, 정보 검색 처리는 공간적 속성(예를 들면, 특정 구성 요소 또는 특징의 크기), 시간적 속성(예를 들면, 시간에 걸친 특징의 변화), 또는 스펙트럼 속성(예를 들면, 에너지 레벨, 세기, 컬러 등)과 같은 생체 조건밖 샘플의 특정 속성에 근거할 수 있다. 가능한 경우 또한 식별되는, 통합 지식 베이스에 저장된 정보로부터의 그러한 내용은 바이오마커, 화상, 관련 테이블, 표준화된 매트릭스 등을 포함할 수 있다. 따라서, 다수의 속성이, 이용가능한 데이터, 특히 통합 지식 베이스내의 정보에 대한 참조를 통해, 생체 조건밖 샘플의 획득, 처리 및 분석을 향상시키는데 이용될 수 있다.
도 27은 그러한 향상된 기법에 따른, 생체 조건밖 샘플 처리시의 단계들을 일반적으로 나타낸다. 도 27에서 참조 번호(436)에 의해 일반적으로 나타낸 생체 조건밖 특징 식별 처리는, 생체 조건밖 진단 샘플이 획득되는 단계(438)에서 시작된다. 전술한 바와 같이, 혈액, 조직 등을 전형적으로 포함할 수 있는 샘플을 획득하기 위해, 임의의 적절한 기법이 이용될 수 있다. 단계(440)에서, 획득된 샘플에 대해 분석이 수행된다. 분석은 블록(442)에 나타낸 바와 같이, 통합 지식 베이스로부터의 입력에 의해 통지된다. 입력은 환자로부터의 유사한 샘플과 관련된 다른 양식, 자원 유형, 또는 시간적 데이터에 관련된 데이터를 포함할 수 있다. 단계(440)에서 수행된 분석은 그러한 데이터와의 소정의 비교를 포함할 수 있고, 본질상 다소 예비적일 수 있다. 따라서, 전체 처리에서의 획득 단계를 벗어나지 않고서도, 샘플 획득은 단계(444)에 나타낸 바와 같이 처리의 요구에 맞추어질 수 있다. 그러한 맞춤은 다른 샘플의 획득, 특정 조건(예를 들면, 사무실 방문 동안 시간적으로 더 늦은, 환자 활동 또는 휴식 기간 동안의, 신체의 다른 영역으로부터의, 등등)하의 샘플의 획득을 포함할 수 있다. 따라서, 생체 조건밖 진단 샘플 획득 처리는, 샘플 자체의 획득에 영향을 미치는 컴퓨터 분석에 의해 향상될 수 있다.
샘플의 획득 이후에, 샘플의 처리가 단계(446)에서 수행될 수 있다. 데이터 처리가 아닌, 단계(446)에서 수행된 처리는 전형적으로, 수동 또는 반자동 또는 완전 자동의 처리로 데이터를 추출하기 위한 샘플을 조절하는 샘플 처리이다. 단계(446)에서의 처리 이후에, 처리의 결과가 단계(448)에서 분석된다. 앞에서와 같이, 단계(448)에서 수행된 분석은 다른 양식, 자원 유형 및 시간으로부터의 데이터를 포함하는 통합 지식 베이스로부터의 데이터의 고려를 포함할 수 있다. 단계(440)에서 수행된 분석에서와 같이, 단계(448)에서의 분석은 본질상 예비적일 수 있으며, 또는 단계(452)에 나타낸 바와 같이 처리를 맞춤으로써 또다른 처리가 수행될 수 있다. 따라서, 생체 조건밖 진단 샘플의 최종 분석 이전에, 슬라이드 준비, 다양한 화학 물질, 조직, 병원균 등의 존재에 대한 분석과 같은 추가적인 처리가 적절할 수 있다.
단계(454)에서, 분석의 결과는 통합 지식 베이스로부터의 프로파일과 같은 알려진 프로파일과 비교되어, 가능한 진단을 결정한다. 앞에서와 같이, 단계(454)에서 수행된 비교는 상이한 양식, 자원 유형 및 시간으로부터의 데이터에 근거할 수 있다. 비교는 단계(458)에 나타낸 바와 같이, 질병 상태, 의료 사건 등을 나타내는 소정의 데이터의 분류를 초래할 수 있다. 비교 및 분류는, 특정 환자(또는 환자의 집단)가, 잠재적인 진단, 예지 등을 나타낼 수 있는 소정의 추세를 겪고 있음을 더 나타낼 수 있다. 단계(458)에서 수행된 분류의 결과는, 단계(460)에서, 의료 전문가에 의한 것과 같이, 입증될 수 있다.
일반적으로, 현재의 목적을 위해, 질병 상태 또는 조건에 대한 특정 질병 또는 경향의 생물학적 견본 특징에서의 정량화가능한 사인, 증상 및/또는 분석(예를 들면, 화학 물질, 조직 등)을, 질병 또는 상태에 대한 "바이오마커"라고 지칭할 수 있다. 이러한 분석 및 비교에 대한 참조가 일반적으로 행해졌지만, 그러한 바이오마커는 전술한 공간적, 시간적 및 스펙트럼 속성을 포함하고, 또한 유전자 제조자(예를 들면, 특정 유전자의 존재 또는 부재)를 포함하는 광범위한 특징을 포함할 수 있다.
예로써, 전형적인 응용에서, 환자의 조직은 샘플로 채취된 후, 분석을 위해 실험실에 보내진다. 실험실은 현미경, 형광성 프로브, 마이크로 어레이 등과 같은 적절한 검출기를 이용하여, 컴퓨터의 도움으로 데이터를 획득한다. 바이오마커, 화상 신호 등과 같은 데이터 내용이 처리 및 분석된다. 전술한 바와 같이, 획득 및 처리 단계 그 자체는, 통합 지식 베이스로부터의 데이터와 같은 다른 데이터에 대한 참조에 의해 영향을 받을 수 있다. 따라서, 그러한 데이터는, 획득, 분석, 비교 및 분류 단계에서 도움을 주기 위해, 지식 베이스로부터 검색된다.
처리에서 수행된 비교는 본질상 파라미터적 또는 비파라미터적일 수 있다. 즉, 전술한 바와 같이, 파라미터적 비교는 특징이 파라미터 공간에서 인덱싱 또는 참조되는 측정된 양 및 파라미터에 근거할 수 있으며, 비교는 두 개의 특징 세트 벡터 사이의 유클리디언 거리 측정과 같은 소정이 지수에 대한, 하나의 데이터세트의 다른 데이터세트에 대한 상대적인 유사헝의 관점에서 수행된다. 그러한 지수는, 현미경 검사의 예에서, 특징 셀 구조, 컬러, 시약 등을 포함할 수 있다. 다른 예에는, 유전자 합성, 특정 유전자 또는 유전자 시퀀스의 존재 또는 부재 등이 포함될 수 있다.
비파라미터적 비교는, 시간 주기에 걸친 특정 환자에 대한 것과 같은, 지수에 대한 특정 참조없이 수행된 비교를 포함한다. 그러한 비교는 다른 데이터세트의 데이터 내용으로부터의 특징에 대한 유사성에 대해 비교되는 하나의 데이터세트의 데이터 내용에 근거할 수 있다. 당업자라면 알 수 있듯이, 하나 또는 둘다의 그러한 비교가 수행될 수 있고, 소정의 상황에서는, 하나의 비교가 다른 것에 대해 수행될 수 있다. 전형적으로, 파라미터적 방안은, 비교가 통합 지식 베이스로부터의 정보에 근거하는 것과 같은, 소정의 견본과 알려진 특징을 갖는 다른 견본 사이에서 행해질 때, 이용된다. 예를 들어, 조직 병리학 화상에서의 세포의 텍스처 및 형상 패턴을 도출하는 것 이외에도, 인구 통계 데이터, 전기적 진단 데이터, 촬상 진단 데이터 및 생물학적 유체에서의 바이오마커의 농도 또는 이들의 조합으로부터 파라미터가 도출될 수도 있다. 따라서, 비교는 전술한 바와 같은, 상이한 양식 및 상이한 자원 유형으로부터의 데이터에 근거하여 수행될 수 있다. 다시, 시간적 비교 목적을 위해, 비파라미터적 비교가 일반적으로 수행될 수 있다. 예로써, 견본은 동적으로 변하는 특정 이온 농도를 나타낼 수 있고, 최종의 임상적 판정에 도달하기 위해, 데이터 속성(예를 들면, 값, 값의 비율 등)의 시간적 변화가 분석될 필요가 있다.
컴퓨터 보조 데이터 동작 알고리즘
전술한 바와 같이, 본 기법은 컴퓨터 보조 데이터 동작 알고리즘에서, 높은 레벨의 동작 통합을 제공한다. 또한 전술한 바와 같이, 소정의 그러한 알고리즘이 개발되고, 질병의 컴퓨터 보조 검출 또는 진단, 데이터의 컴퓨터 보조 처리 또는 획득 등을 위한 것과 같이, 다양한 분야에서 비교적 제한되게 이용된다. 그러나, 본 기법에서, 진보된 레벨의 통합 및 상호 동작 가능성은, 모델 개발에 대한, 전술한 바와 같은 그들의 개발시 및 그들의 이용시 둘다에서의 알고리즘 사이의 상호 작용에 의해 제공된다. 더욱이, 그러한 알고리즘은 임상적 및 비임상적 응용 둘다에 대해 고려될 수 있다. 임상적 응용은 데이터 분석, 처리, 획득, 및 이하에 더 상세히 기술되는 다른 기법의 범위를 포함하고, 비임상적 응용은 다양한 유형의 자원 관리, 재정 분석, 보험 클레임 처리 등을 포함할 수 있다.
도 28은 현재의 문맥에서 컴퓨터 보조 데이터 동작 알고리즘 또는 CAX로서 일반적으로 지칭되는 그러한 알고리즘들 사이의 상호 동작 가능성의 개요를 제공한다. 전술한 바와 같이, 현재의 문맥에서의 CAX 알고리즘은 현재 이용중인 알고리즘에 대해 형성될 수 있으며, 또는 추가적인 데이터 자원, 그러한 데이터 자원의 통합, 또는 알고리즘에서의 그러한 자원들 사이 및 설명을 통해 전술한 바와 같은 알고리즘 자신들 사이의 상호 동작 가능성에 근거하여, 변형 또는 완전히 구성될 수 있다. 도 28의 개요에서, 예를 들어, 전체 CAX 시스템(462)은 완전히 통합된 시스템에 포함될 수 있는 광범위한 단계, 처리 또는 모듈을 포함하는 것으로서 도시된다. 전술한 바와 같이, 그러한 처리, 기능 또는 모듈 중 일부 또는 단지 적은 몇 개만이 존재하는 보다 제한된 구현이 또한 고려될 수 있다. 더욱이, 현재 고려되는 실시예에서, 그러한 CAX 시스템은 통합 지식 베이스의 문맥에서 구현되어, 알고리즘 그 자신 및 알고리즘에서 관리된 데이터 둘다의 적응 및 최적화를 허용하도록, 정보가 수집될 수 있다. 전술한 바와 같이, 그러한 개발 및 최적화는 본 명세서에서 기술된 모델 개발 모듈을 통해 수행될 수 있고, 다양한 설정 뿐만 아니라, 알고리즘에서 구현된 규칙 또는 처리를 포함하는 개별적인 CAX 알고리즘의 다양한 양상이 변경될 수 있다. 도 29를 참조하여, CAX 알고리즘의 그러한 양상에 대해 더 설명될 것이다.
도 28에 요약된 바와 같이, 일반적으로 CAX 알고리즘은, 데이터가 획득되는 단계(464)에서 시작된다. 설명을 통해 주지된 바와 같이, 데이터의 획득은, 특히 자원 유형 및 데이터를 제공하는 자원 양식에 따라, 많은 형태를 취할 수 있다. 따라서, 데이터는 형태 또는 통상적인 단말기로부터 입력되는 것과 같이 수동으로 입력될 있으며, 또는 데이터는 실험실 보고 기법, 촬상 시스템, 자동 또는 수동의 생리학적 파라미터 획득 시스템 등을 통해 획득될 수 있다. 전형적으로, 데이터는 전술한 바와 같은 하나 이상의 메모리 장치에 저장되며, 그중 일부는, 촬상 시스템, 픽처 기록 보관 시스템 등에서와 같이, 데이터 획득 시스템 그자체에 통합될 수 있다.
단계(466)에서, CAX 알고리즘에 의해 수행된 기능에 대한 대상 또는 이용성의 데이터가 액세스된다. 그 후, 참조 번호(468)에 일반적으로 나타낸 바와 같이, 액세스된 데이터에 대해 일련의 동작이 수행될 수 있다. 그러한 처리를 통해, 그리고 실제로 단계(466)에서, 통합 지식 베이스(12)는 CAX 알고리즘의 기능 동안에, 추출 데이터, 입증 데이터, 동기화 데이터, 다운로드 데이터 또는 업로드 데이터에 대해, 완전히 또는 부분적으로 액세스될 수 있다.
많은 그러한 컴퓨터 보조 데이터 동작 알고리즘이 고려될 수 있지만, 오늘날에는, 임상적 및 비임상적인 특정 기능을 수행하기 위해, 약 10개 정도의 그러한 알고리즘이 예상된다. 따라서, 도 28에는 특징의 컴퓨터 보조 검출(CAD)을 위한 알고리즘 및 의료 상태의 컴퓨터 보조 진단(CADx)을 위한 알고리즘에서의 단계들이 요약되어 있다. 더욱이, 분석 및 처리에 근거하여 임상적 판단이 자동으로 수행되는 컴퓨터 보조 임상 판정 알고리즘(CADx)이 구현된다. 유사하게, 추가적인 루틴(CATx)을 통해 치료 또는 처리 판정이 구현될 수 있다. 특정 컴퓨터 보조 획득(CAA) 및 컴퓨터 보조 처리(CAP) 알고리즘이, 위에서 상세히 기술된 유형으로 구현될 수 있다. 더욱이, 컴퓨터 보조 분석(CAAn) 알고리즘이, 후술된 바와 같이 구현될 수 있다. 의료적인 문맥에서, 컴퓨터 보조 예측 또는 예상(CAPx) 알고리즘은 처방 입증, 추천 또는 처리 알고리즘(CARx)로서 또한 고려된다. 마지막으로, 컴퓨터 보조 평가(CAAx) 알고리즘이, 임상적 및 비임상적 둘다의 상태의 범위에 대해 고려된다.
도 28에 요약된 데이터 동작 단계를 더욱 상세히 고려하면, 단계(470)에서, 액세스된 데이터가, 디지털 필터링, 데이터 조절, 동적 범위의 적응, 데이터의 관련 등을 위해, 일반적으로 처리된다. 당업자라면 이해할 수 있듯이, 단계(470)에서 수행된 특정 처리는 수행되는 분석 또는 기능의 유형으로 분석되는 데이터의 유형에 의존할 것이다. 그러나, 데이터는 전술한 자원들 중 임의의 자원으로부터 처리될 수 있으며, 존재하는 위험의 복합 분석, 또는 의료 상태의 치료 등을 위한 것과 같이, 실제로 하나보다 많은 양식 또는 자원의 유형으로부터의 데이터가 처리될 수 있음을 알아야 한다. 유사하게, 단계(472)에서, 데이터의 분석이 수행된다. 다시, 그러한 분석은 데이터의 본성 및 분석이 수행되는 알고리즘의 본성에 의존할 것이다.
그러한 처리 및 분석 이후에, 단계(474)에서 관심 대상의 특징이, 일반적인 방법으로 세그먼트 또는 정해진다. 다시, 화상 데이터에서 그러한 특징 세그먼트는 해부 또는 병리의 한계를 식별할 수 있다. 그러나, 보다 일반적으로, 단계(474)에서 수행된 세그먼트는, 데이터 사이의 다양한 관계, 상관의 정도 등을 포함하는 소정의 특징 유형의 한계를 간단히 분별하기 위한 것이다. 그러한 세그먼트 이후에, 단계(476)에서 요약된 바와 같이, 특징이 데이터에서 식별될 수 있다. 그러한 특징 식별은, 특정 해부 또는 병리를 식별하기 위해 촬상 데이터에 대해 수행될 수 있지만, 단계(476)에서 수행된 특징 식별은 본질상 상당히 광범위할 수 있음을 알아야 한다. 즉, 본 발명의 시스템에 통합될 수 있는 광범위한 데이터로 인해, 특징 식별은 모든 유형의 양식으로부터의 임상 데이터, 비임상 데이터, 인구 통계 데이터 등과 같은 데이터의 관련성을 포함할 수 있다. 일반적으로, 특징 식별은 CAX 알고리즘에 의해 수행된 처리에 대한 관심 대상일 수 있는 데이터 사이의 상관의 임의의 종류의 인식을 포함할 수 있다. 단계(478)에서, 그러한 특징이 분류된다. 전형적으로, 그러한 분류는 세그먼트된 특징에서의 프로파일과 알려진 상태에 대한 알려진 프로파일의 비교를 포함할 것이다. 일반적으로, 분류는 알려진 데이터세트의 집단에서의 그러한 프로파일과 고려중인 데이터세트를 매칭시키는 파라미터 설정, 값 등으로부터 초래될 수 있다. 그러나, 분류는 시간에 걸친, 특정 환자 또는 환자들의 집단에 대한 추세 분석을 통한 것과 같이, 비파라미터적 프로파일 매칭에 또한 근거할 수 있다.
알고리즘에 의해 수행된 처리에 근거하여, 광범위한 결정이 수행될 수 있다. 단계(462)에 요약된 바와 같이, 그러한 결정은 임상적 판정(480), 치료적 결정(482), 데이터 획득 결정(484), 데이터 처리 결정(486), 데이터 분석 결정(488), 상태 예측 또는 예지 결정(490), 처방 추천 또는 입증 결정(492) 및 상태의 평가(494)를 포함할 수 있다. 전술한 바와 같이, 본 기법에 의해 제공된 처리 동작들의 높은 레벨의 통합, 자원들의 범위로부터의 데이터의 통합은, 도 28에 요약된 바와 같이, 비환자 특정적 이유 및 환자 특정적 이유 둘다에 대해, CAX 알고리즘에 의해 수행된 기능들의 카테고리들 중 임의의 카테고리가 변형 또는 최적화되도록 허용한다. 따라서, 알고리즘에서 수행된 결정들 중 임의의 결정의 결과로서, 동일 또는 상이한 CAX 알고리즘에서의 변형이, 단계(496)에 요약된 바와 같이, 수행될 수 있다. 이하에 또한 후술하는 바와 같이, 그러한 변형은 상이한 알고리즘 유형의 선택, 변형, 알고리즘에 의해 수행된 하나 이상의 기능의 추가 또는 제거, 또는 기능을 수행시에 알고리즘에 의해 이용된 파라미터 및 설정의 변형을 포함할 수 있다. 따라서, 도 28의 흐름도에서, 피드백은, 데이터 획득, 처리, 부석, 특징 식별, 특징 세그먼트, 특징 분류, 또는 CAX 알고리즘내에서 수행된 임의의 다른 기능을 포함하는, 위에서 요약된 단계들 중 임의의 단계를 가져야 할 수 있다. 일반적으로, 알고리즘의 결과의 보고 또는 디스플레이의 몇몇 형태가, 단계(498)에서 요약된 바와 같이 제공될 것이다.
일반적으로, 현재의 문맥에서, 각각의 결정 서브모듈은 그것과 관련된 임무(예를 들면, 획득) 및 목적(예를 들면, 암 검출)을 갖는다. 임무 및 의도된 목적에 따라, 결정 규칙이 형성된다. 하나의 구현에서, 영역 전문가가, 주어진 임무 및 목적을 위해 이용될 규칙을 결정할 수 있다. 다른 구현에서, 가능한 모든 임무 및 목적과 관련된 규칙의 라이브러리가, 전문가의 패널에 의해서 및 서브모듈레 의해 결정될 수 있다. 다른 구현에서, 규칙의 라이브러리는, 통합 지식 베이스로부터 액세스될 수 있다. 다른 구현에서, 새로운 규칙이 통합 지식 베이스에 저장될 수 있지만, 지식 베이스에 저장되기 이전에 다른 수단으로부터 도출될 수 있다. 전형적인 구현에서, 현재의 데이터 및 규칙의 조합을 이용하여, 데이터에 대한 가정된 결정 옵션의 요약을 개발한다. 이들 옵션은 몇 가지의 성과를 가져올 수 있으며, 그중 일부는 원하는 것일 수 있고, 일부는 원하지 않는 것일 수 있다. 최적의 성과를 얻기 위해, 메트릭이 형성되어, 각각의 성과에 대한 스코어를 제공한다. 따라서, 결과적인 성과가 평가되고, 선택된(즉, 최적의) 평가는 결정 블록에서 제공된 기능을 결정한다.
전술한 바와 같이, 다양한 CAX 알고리즘이 개별적으로, 또는 몇몇 상호 작용 레벨과 함께 이용될 수 있다. 더욱이, 알고리즘은 변형없이 본 기법에서 이용될 수 있으며, 추가적인 데이터 자원 및 본 시스템에서의 처리로 인해, 소정의 또는 높은 레벨의 적응성이 제공될 수 있다. 그러한 적응은 실시간으로, 또는 데이터 획득 이벤트의 이후 혹은 이전에 수행될 수 있다. 더욱이, 전술한 바와 같이, CAX 알고리즘의 실행 또는 적응의 트리거링은, 스케줄링된 타이밍, 오퍼레이터 중재, 데이터 상태 변화 등과 같은, 임의의 범위의 개시 요인에 의해 개시될 수 있다. 일반적으로, CAX 시스템 또는 특정 CAX 알고리즘의 다수의 양상이 변경될 수 있다. 도 29에 요약된 바와 같이, 실질적으로 새롭고, 상이한 방안에서, 제공된 적응 및 최적화에 대해 그러한 CAX 알고리즘을 컴파일, 분석 및 변경하는 것을 고려한다.
도 29를 참조하면, 참조 번호(500)에 의해 일반적으로 지정된 전체 CAX 공식은, 분리된 기능 또는 파라미터 [i][j][k]에 의해 표현될 수 있다. 현재의 공식에서, CAX 알고리즘의 이들 양상은, 우선 도 29에서 리스트(502)에 의해 표기된 바와 같이, 알고리즘에 의해 수행된 기능의 기본적인 유형과, 도 29에서 참조 번호(504)에 의해 표기된 바와 같이, 알고리즘에 의해 수행된 기능과, 알고리즘에서 이용된 특정 데이터 속성(506)을 나타낸다. 당업자라면 서브루틴, 서브모듈 등을 통해서와 같이, 하나보다 많은 그러한 기능이 이용될 수 있음을 인식할 것이지만, 알고리즘 지정(502)은 알고리즘에서의 기능에 대한 일반적인 라인을 따를 수 있다. 알고리즘에서의 기능의 [j] 레벨은 다양한 알고리즘에 의해 수행되고, 그 일부는 상이한 알고리즘에 의해 공유될 수 있는 광범위한 통합 또는 모듈러 기능을 포함할 수 있다. 도 29에서는, 데이터 액세스, 특징 식별, 분석, 세그먼트, 분류, 결정, 비교, 예측, 입증 및 조정과 같은 기능이 특히 주지된다. 물론, 다른 기능들이 마찬가지로 이용될 수 있다. 일반적으로, 현재의 문맥에서, 그러한 기능은 알고리즘의 서브모듈로서 구현되며, 알고리즘에 의해 호출되며, 전술한 바와 같이 프로그래밍, 전문가 시스템, 신경망 등에 의해 개발되는 "툴 키트(tool kits)"로서 일반적으로 구현될 수 있다.
일반적으로, CAX 알고리즘의 [k] 레벨은 [j] 레벨에서 특정된 기능을 수행하기 위해 CAX 알고리즘에 의해 이용되는 변수 또는 입력을 나타낸다. 예로써, 현재 고려되는 실시예에서, [k] 레벨에서의 항목은 파라미터, 설정, 값, 범위, 환자 특정적 데이터, 기관 특정적 데이터, 상태 특정적 데이터, 시간적 데이터 등을 포함할 수 있다. 그러한 파라미터 및 설정은, CAX 알고리즘의 환자 특정적 구현을 위한 것과 같이, 또는 환자의 집단, 기관 등에 대한 것으로서 보다 넓게 기초된 변화에 대한 것과 같이, 전술한 방법으로 변경될 수 있다. 또한, 모델링에 대해 전술한 바와 같이, CAX 알고리즘에서 행해진 변경은 변형 이전에 고려되지 않았던 데이터의 고려를 포함할 수 있음을 알아야 한다. 즉, 새로운 데이터 또는 새로운 관계가 식별됨에 따라, CAX 알고리즘은 새로운 데이터의 고려를 수용하도록 변경될 수 있다. 당업자라면 이해할 수 있듯이, 본 기법의 높은 정도의 통합은 새롭고 유용한 관계가, 광범위한 자원으로부터의 데이터 및 CAX 알고리즘으로 통합된 그러한 지식 중에서 및 그 사이에서 식별되어, 그의 성능을 더 향상시킬 수 있도록 한다. 이용가능한 경우, 데이터는 통합된 지식 베이스 또는 지식 베이스의 일부로부터 추출되어, CAX 알고리즘에 의해 호출될 때, 그러한 기능을 수행할 수 있다.
본 기법에 따라 단일의 CAX 알고리즘이 구현될 수 있지만, 다양한 CAX 알고리즘이, 광범위한 상태를 해결하기 위해, 병렬로 및 직렬로 구현될 수 있음을 알아야 한다. 도 30에 요약된 바와 같이, 예를 들어, 다수의 CAX 구현(508)은 위에서 요약된 알고리즘들 중 임의의 알고리즘일 수 있는 제 1 유형의 알고리즘(510)을 포함할 수 있다. 더욱이, 선택된 유형의 알고리즘이 병렬로 구현되어, 다수의 상이하거나 보충적인 기능들이 실행될 수 있도록 한다. 전형적으로, 각각의 그러한 알고리즘은 참조 번호(512)에 주지된 바와 같은 기본적인 동작을 포함할 것이다. 일반적으로, 그러한 동작은 특징 세그먼트(514), 특징 식별(516) 및 특징 분류(518)와 같은 단계들을 포함하는 CAD 알고리즘의 동작들과 유사하다. 그러한 단계들에 근거하여, 단계(520)에 나타낸 바와 같이, 미래의 동작을 위한 특정 추천을 위해서와 같이, 결정이 수행될 수 있다. 전술한 바와 같이, 그러한 동작에 근거하여, 알고리즘은, 단계(522)에 주지된 바와 같이 변형될 수 있다. 그 후, 단계(524)에 주지된 바와 같이, 데이터를 생성 또는 처리하기 위해, 이용된 시스템 또는 방법으로 리턴함으로써, 변형이 구현된다. 전술한 바와 같이, 변형은 전술한 레벨 [j] 및 [k]와 같이, 알고리즘에서의 다양한 레벨로서 수행될 수 있다.
도 30에 또한 요약된 바와 같이, 상이한 유형(예를 들면, CAX[i])의 다수의 CAX 알고리즘이, 상이한 유형의 관심 대상의 특징, 또는 상이한 유형 혹은 양식의 데이터로부터의 특징을 식별하기 위한 것과 같이, 병렬로 실행될 수 있다. 참조 번호(526, 528)에 의해 지정된 그러한 추가적인 알고리즘은 전술한 알고리즘 유형들 중 임의의 알고리즘 유형을 포함할 수 있다. 유사하게, 동일 또는 상이한 유형으 CAX 알고리즘이, 도 30에서 참조 번호(530, 532)에 나타낸 바와 같이, 직렬로 실행될 수 있다. 그러한 알고리즘은, 사실상, 초기에 실행된 알고리즘의 결과에 근거하여 선택될 수 있다.
전술한 모든 CAX 알고리즘은 임상 및 비임상적 문제의 범위를 해결하는데 있어 응용을 갖지만, 소정의 이들 알고리즘에 대한 보다 완전한 설명을 통해, 포함된 모듈 또는 서브모듈에 의해 수행된 데이터 동작의 유형을 유용하게 이해할 것이다.
컴퓨터 보조 진단(CADX)
컴퓨터 보조 진단 모듈은, 전형적으로 의료 촬상의 영역에서의 특정 상태를 식별 및 진단시에 도움을 준다. 그러나, 본 기법에 따르면, 그러한 모듈은 촬상 유형 및 양식 둘다로부터 뿐만 아니라, 자원의 다른 유형 및 양식으로부터의 보다 광범위한 데이터를 통할할 수 있다. 이하에는, 예시적인 컴퓨터 보조 진단 모듈의 일반적인 설명이 제공된다. 전술한 바와 같이, 그리고 도 28에 도시된 바와 같이, CADx는 컴퓨터 보조 검출(CAD) 모듈 및 특징 분류 블록으로 구성된다.
전술한 바와 같이, 의료 종사자는 다양한 소스로부터 의료 상태에 관한 정보를 도출한다. 본 기법은 종양학, 방사선학, 병리학, 신경학, 심장학, 정형외과학 및 수술을 포함하는(그러한 이것에 제한되지는 않는) 임상적으로 관련된 영역에서의 의료 상태의 범위의 검출 및 분류를 위해 다수의 양식 및 다차원 투시도로부터 이들 소스를 호출하는 컴퓨터 보조 알고리즘 및 기법을 제공한다. 상태 식별은 (예를 들면, 의심스러운 후보적 손상의 존재 또는 부재를 결정하기 위해) 체액의 분석 및 검출만을 이용하는 검진의 형태, 또는 (예를 들면, 검출된 손상을 양성 또는 악성 혹으로서 분류하기 위한) 진단의 형태일 수 있다. 간략화를 위해, 현재의 일실시예는 양성 또는 악성의 손상을 진단하기 위한 CADx 모듈의 관점에서 설명될 것이다.
현재의 문맥에서, CADx 모듈은 데이터 소스, 최적의 특징 선택, 분류, 훈련, 결과의 디스플레이와 같은 수 개의 부분을 가질 수 있다. 전형적으로, 전술한 바와 같이, 데이터 소스는 화상 획득 시스템 정보, 진단 화상 데이터 세트, 전기적 진단 데이터, 체액으로부터의 임상 실험 진단 데이터, 조직 진단 데이터와, 흡연 히스토리, 성별, 연령, 임상적 증상과 같은 환자 인구 통계/증상/히스토리를 포함할 수 있다.
특징 선택은 그 자체가, 세그머트화 및 특징 추출과 같은, 상이한 유형의 분석 및 처리를 포함할 수 있다. 데이터에서, 관심 대상의 영역은, 특징을 계산하도록 정의될 수 있다. 관심 대상의 영역은 전체 데이터를 "있는 그대로" 이용하거나, 또는 애피컬 폐 분야(apical lung field)에서의 후보 혹과 같은 데이터의 일부를 이용하는 것과 같은 몇 가지 방법으로 정의될 수 있다. 관심 대상의 영역의 세그먼트는 수동으로 또는 자동으로 수행될 수 있다. 수동의 세그먼트는 컴퓨터 마우스로 시스템과 인터페이스하는 사용자에 의한 것과 같이, 데이터를 디스플레이하고, 영역을 묘사하는 것을 포함한다. 자동화된 세그먼트 알고리즘은 혹의 형상 및 크기와 같은 이전의 지식을 이용하여, 관심 대상의 영역을 묘사할 수 있다. 상기 두 방법의 조합인 반자동화된 방법이 또한 이용될 수 있다.
특징 추출 처리는 데이터 소스에 대해 계산을 수행하는 것을 포함한다. 예를 들어, 화상 기반 데이터에서 및 관심 대상의 영역에 대해, 형상, 크기, 밀도, 만곡과 같은 통계치가 계산될 수 있다. 획득 기반 및 환자 기반 데이터에 있어서, 데이터 그 자체는 특징으로서 기능할 수 있다. 일단 특징이 계산되면, 사전훈련된 분류 알고리즘을 이용하여, 관심 대상의 영역을 양성 또는 악성의 혹으로서 분류할 수 있다. 분류를 위해, 베이시안(Bayesian) 분류기, 신경망, 규칙 기반 방법, 퍼지 논리 또는 다른 적절한 기법이 이용될 수 있다. CADx 동작은 모든 데이터로부터의 특징을 통합함으로써 일단 수행될 수 있고, 또는 병렬로 수행될 수도 있음을 알아야 한다. 병렬 동작은 데이터의 세트들 대해 CADx 동작을 개별적으로 수행하고, (예를 들면, AND, OR 동작 또는 그 둘의 조합을 통해) 일부 또는 모든 CADx 동작의 결과를 조합하는 것을 포함할 것이다. 또한, 다수의 질병 상태 또는 의료 상태 또는 가건을 검출하기 위한 CAD 동작은 직렬 또는 병렬로 수행될 수 있다.
예에서, CAD 모듈을 이용한 혹과 같은 것의 분류 이전에, 모듈의 훈련으로부터의 이전의 지식이 수행될 수 있다. 훈련 단계는 양성 및 악성 혹의 알려진 샘플레 대해 몇 개의 후보 특징을 계산하는 것을 포함할 수 있다. 그 후, 특징 선택 알고리즘을 이용하여, 후보 특징들을 통해 분류하고, 단지 유용한 것만을 선택하며, 정보를 제공하지 않거나 또는 중복된 정보를 제공하는 것을 제거한다. 이러한 결정은 후보 특징들의 상이한 조합을 갖는 분류 결과에 근거한 것이다. 또한, 특징 선택 알고리즘은 실제 관점으로부터 차원수를 감소시키는데 이용된다. 따라서, 가슴 부피 분석의 예에서, 악성 혹으로부터 양성 혹을 최적으로 구별할 수 있는 특징 세트가 도출된다. 최적의 특징 세트가, CAD 모듈에서의 관심 대상의 영역상에서 추출된다. 최적의 특징 선택은, 발산 측정, 바타카랴(Bhattacharya) 거리, 마하라노비스(Mahalanobis) 거리 등을 포함하는 잘 알려진 거리 측정 기법을 이용하여 수행될 수 있다.
제안된 방법은, 예를 들면, 사람 또는 기계 관찰자에 의한 리뷰를 위해, 다수의 바이오마커를 이용할 수 있게 한다. CAD 기법은 일부 또는 모든 데이터에 대해 동작하고, 데이터의 종류 또는 세트 각가에 대한 결과를 디스플레이하거나, 또는 디스플레이를 위해 결과를 합성한다. 이것은 리뷰될 데이터의 양 또는 유형을 증가시키지 않으면서, 세그먼트 처리를 간략화함으로써, CAD 성능을 향상시키는 이점을 제공한다.
의심스러운 후보 손상의 식별 및 분류 이후, 다시, 손상 분석의 예 이후에, 그것의 위치 및 특징이, 데이터의 뷰어에게 디스플레이될 수 있다. 소정의 CADx 응용에서, 이것은 의심스러운 손상의 근처 또는 부근의 마커(예를 들면, 화살료 또는 원)의 중첩을 통해 수행된다. 다른 경우에, CAD 및 CADx는 다수의 데이터 세트 중 임의의 세트에 대한 컴퓨터 검출 및 진단 마커를 각각 디스플레이하는 능력을 부여한다. 이러한 방식에서, 리뷰어는 CADx 동작의 어레이로부터의 결과가 중첩될 수 있는 (고유의 세그먼트(즉, 관심 대상의 영역), 특징 추출 및 분류 절차에 의해 정의된) 단일의 데이터 세트를 볼 수 있다.
컴퓨터 보조 획득(CAA)
컴퓨터 보조 획득 처리 모듈은, 또다른 데이터를 획득하고, 다시 하나 이상의 자원의 유형 및 각 유형내의 하나 이상의 양식으로부터, 환자 상태의 강화된 이해 및 진단을 돕기 위해 구현될 수 있다. 데이터의 획득은 하나 이상의 환자 방법, 또는 데이터 처리 시스템(10)에 의해 자동으로 수행된 결정에 근거하여 추가 데이터가 획득되는 (예를 들면, 환자를 갖는 원격 세션을 포함하는) 세션을 수반할 수 있다. 바람직하게, 진단 및 분석에 이용하기 위한 추가적인 데이터에 대해 후속하는 이용가능하지 않은 레벨의 통합 및 획득을 제공하기 위해, 정보는 통합 데이터베이스(12)에서 이용가능한 데이터에 근거한다.
본 기법의 하나의 양상에 따르면, 예를 들어, 초기 CAD 처리를 이용하여, 추가적인 사람 오퍼레이터 보조를 갖거나 갖지 않고서, 추가적인 데이터 획득을 안내할 수 있다. CT 폐 검진은 이러한 상호 작용의 예로서 기능할 것이다. 우선, 원래의 CT 데이터가 5mm 슬라이스 두께로 획득된다고 가정한다. 이것은 진단 정확성, 환자 선량 및 리뷰할 화상의 수 사이의 적절한 균형을 달성하기 위해, 많은 임상적 사이트에 대해 일반적인 실행되는 것이다. CAD 알고리즘이 의심스러운 사이트를 식별하면, 컴퓨터는 자동적으로 CT 스캐너에게 지시하여(또는 CT 오퍼레이터에게 권고하여), 의심이 되는 위치에서 얇은 슬라이스의 세트를 재획득한다(예를 들면, 1mm 슬라이스 두께). 또한, 보다 우수한 신호대 잡음비를 위해 증가된 X선속이 이용될 수 있다. 위치는 잘 정의되기 때문에, 환자에 대한 추가적인 선량은 최소로 유지된다. 얇은 슬라이스 화상은 보다 우수한 공간 해상도를 제공하며, 따라서, 향상된 진단 정확성을 제공하게 된다. 그러한 상호 작용의 이점에는, 향상된 화질 및 환자 리스케쥴링의 회피가 포함된다. 대부분의 진단 처리는, 환자가 CT 스캐너실을 떠난 오랜 이후에 일반적으로 발생됨을 알아야 한다. 통상적인 방안에서, 방사선 학자가 보다 얇은 슬라이스를 요구한다면, 환자는 다시 호출되어 다시 스캐닝되어야 한다. 스카우트(scout) 화상으로 스캔 랜드마킹이 수행되기 때문에, 관심 대상의 특징의 후속하는 국부화는 때때로 상당히 불량하다. 그 결과, 큰 볼륨의 환자 기관이 다시 스캐닝되어야 한다. 이것은 시간 손실을 초래할 뿐만 아니라, 환자에 대한 선량을 증가시킨다.
비록, 이러한 예는 단일의 양식을 위한 것이지만, 양식들을 통해, 심지어는 전술한 바와 같은 자원의 유형을 통해, 시간에 걸쳐, 방법론이 적용될 수 있다. 예를 들어, 제 1 양식을 통해 획득된 화상으로 생성된 초기 CAD 정보는, 양식 B를 통한 추가적인 데이터 획득을 안내하기 위해, CAA 알고리즘에 의해 이용될 수 있다. 그러한 상호 작용의 특정한 예는, 얇은 슬라이스 나선형 가슴 CT 검사의 획득을 유도하는 가슴 X선에서의 의심스러운 혹의 CAD 검출이다.
컴퓨터 보조 처리(CAP)
컴퓨터 보조 처리 모듈은 하나 이상의 획득 세션을 통해 이미 이용가능한 데이터의 강화된 분석을 허용한다. 처리는 다시 하나 이상의 자원 유형에 근거하고, 각 유형내의 하나 이상의 양식에 근거할 수 있다. 전술한 바와 같이, 컴퓨터 보조 처리 모듈은 과거에, 전형적으로 의료 촬상 문맥에서, 단일의 양식에 적용되어 왔지만, 본 기법은 보다 넓은 문맥에서, 이용가능한 다양한 자원 및 통합 지식 베이스의 이용에 의한, 그러한 모듈의 이용을 고려한다.
예로써, CAD 생성 정보를 이용하여, 새로운 화상을 얻는 처리를 더 최적화할 수 있다. 데이터 획득 및 초기 화상 형성 이후에(또는 화상 재구성이 없은 미처리 또는 부분 처리된 데이터에 근거하여), CAD 모듈은 초기 특징 검출을 수행하는데 이용될 수 있다. 잠재적인 병리 사이트가 식별 및 특징화되면, 결과에 근거하여, CAA 모듈에 의해 새로운 세트의 화상이 생성될 수 있다. 새로운 세트의 화상은, 인간 관찰자의 검출/분류 임무를 돕거나, 또는 다른 CAX 알고리즘의 성능을 향상시키기 위해 생성될 수 있다.
물론, 그러한 방안은 다른 촬상 양식, 다른 자원 유형 및 다른 병리학에 대해 일반화될 수 있지만, 예시를 위해, CT 폐 검진 예가 고려된다. 처음에, "본(Bone)" (고해상도) 필터 커넬 및 40cm 재구성 시계(field of view; FOV)를 이용하여 화상이 재구성되는 것으로 가정한다. 의심스러운 폐 혹이 식별되면, CAP 모듈은 원래의 스캔 데이터를 이용하여, 의심스러운 위치에서 새로운 세트의 화상을 재구성할 수 있다. 예를 들어, "표준" (저해상도 커넬) 필터 커넬을 갖는 제 1 화상이 처음에 재구성될 수 있다. 비록, 표준 커넬은 불량한 공간 해상도를 생성하지만, 그것은 정확한 CT 수를 유지하는 속성을 갖는다. 그러한 화상과 본 알고리즘을 통해 생성된 화상을 조합함으로써, CAP 알고리즘은 그들의 CT 수에 근거하여 비경화된 혹으로부터 경화된 혹을 분리할 수 있다. 또한, CAP 모듈은 의심이 되는 위치에서 타겟으로 된 재구성을 수행하여, 향상된 공간 해상도를 제공하거나, 또는 알고리즘 성능을 향상시키고/시키거나 인간 관찰자 분석을 용이하게 할 수 있다. 또다른 예로써, 현재의 CT 스캐너의 경우, 전형적인 화상 크기는 512 ×512 화소이다. 40cm 재구성 FOV의 경우, 각 화소는 일측을 따라 대략 0.8mm이다. 나이퀴스트 샘플링 관점으로부터, 이것은 높은 공간 해상도를 지원하기에 불충분하다. 그러나, CAP 모듈이 의심스러운 사이트에서 10cm FOV로 화상을 재생성할 때, 각 화소는 일측을 따라 대략 0.2mm이고, 따라서, 상당히 높은 공간 해상도를 지원할 수 있다. 추가적인 재구성 및 처리는 전체 볼륨이 아닌, 단지 분리된 사이트에서만 수행되기 때문에, 화상 처리, 재구성 및 저장의 양이 상당히 처리하기 쉬워진다. 예시를 목적으로, 본 명세서에서는 간단한 예가 제공됨을 알아야 한다. (화상 강화, 로컬 3D 모델링, 화상 재형성 등과 같은) 다른 처리 단계들이, 예컨대, 초기 CAD 결과 및 또다른 처리의 결과에 근거하여, CAP 모듈의 안내하에, 또한 수행될 수 있다. 추가적인 화상은, CAD 처리의 원래의 결과물을 또다른 CAX 분석에 대한 입력으로서 정제하는데 이용될 수 있거나, 또는 방사선 학자에게 제공될 수 있다.
컴퓨터 보조 예상(CAPx)
의료 예상은 병의 치료, 합병증, 재발, 건강 관리 시설에서의 체류 길이 또는 환자 혹은 환자 그룹에 대한 생존으 평가이다. 예상의 극단적으로 단순화된 의미는 질병의 미래의 진행 및 결과의 예측 및 해당 질병으로부터의 회복의 가능성의 표시이다.
계산적인 예상 모델은, 본 기법에 따라, 질병의 자연적인 진행, 또는 치료후의 예상되는 결과를 예측하는데 이용될 수 있다. 예상은 치료 선택 및 치료 플래닝을 위한 시스템의 통합 부분을 형성한다. 더욱이, 예상 모델은, 예를 들면, 결과가 예상의 지식에 영향을 미치는 테스트에 관한 정보를 요청하는 것만으로, 진단 문제 해결을 안내시에 중요한 역할을 할 수 있다.
최근, 인공 지능, 결정 이론 및 통계학이 분야로부터의 몇 가지 방법 및 기법이, 환자의 의료 관리의 모델(진단, 치료, 후속 처리)의 모델에 도입되어 왔으며, 이들 모델들 중 일부에서, 기대되는 예상의 평가가 통합 부분을 구성한다. 전형적으로, 최근의 예상 방법은 생명 예상의 전통적인 모델과 조합될 수 있는 명백한 병-생리적 모델에 의존한다. 그러한 영역 모델의 예는 통상적인 질병 모델, 및 인체에서의 통제 메카니즘의 생리적 모델이다. 그러한 모델 기반 방안은 지식 기반 시스템의 개발을 용이하게 하는 잠재력을 갖는데, 그 이유는, 의료 영역 모델이 의료 문헌으로부터 부분적으로 얻어질 수 있기 때문이다.
정량적 및 가망성의 방안으로부터 상징적 및 질적인 방안까지를 범위로 하는 그러한 영역 모델의 표현을 위해, 다양한 모델이 제안되어 왔다. 예를 들면, 통제 메카니즘의 점진적인 변화를 모델링하기 위한, 시간과 같은 의미론적 개념이 중요하고 도전적인 모델링 문제를 형성하였다. 더욱이, 그러한 모델의 자동 학습 기법이 제안되어 왔다. 모델 구성이 어려운 경우, 케이스 기반 표현 및 보다 명백한 영역 모델과의 조합의 이용과 같이, 덜 명백한 영역 모델이 연구되어 왔다.
컴퓨터 보조 평가(CAAx)
컴퓨터 보조 평가 모듈은 광범위한 상태 또는 상황을 분석하기 위한 알고리즘을 포함할 수 있다. 예로써, 그러한 알고리즘은 의료 절차(예를 들면, 수술)의 결과, 손상(예를 들면, 척주 손상)으로 인한 치료의 결과, 상태(예를 들면, 임신), 상황(예를 들면, 장애), 처리(예를 들면, 보험, 배상, 장비 이용) 및 개인(예를 들면, 환자, 학생, 의료 전문가)을 평가하는데 이용될 수 있다.
CAAx 알고리즘에서의 소정의 예시적인 단계들이 도 31에 일반적으로 도시된다. 알고리즘(534)은 단계(536)에서 주요 데이터의 입력으로 시작된다. 알고리즘의 목적에 따라, 그러한 데이터는 상황, 임무, 이용가능한 결과, 의도된 개인, 요청된 정보 등의 지정 또는 서술을 포함할 수 있다. 평가 처리를 통해 사용자를 인도하기 위한 인터페이스로서 이용된 "위저드(wizard)"의 형태를 취할 수 있는, 단계(538)에서 나타낸 바와 같은, 원하는 소프트웨어 툴을 식별하기 위해 데이터가 이용될 수 있다. 인터페이스는 알고리즘에 의해 실행된 동작의 분야, 또는 수행될 데이터 혹은 평가의 분야에서의 기술 전문가 또는 전문가로부터의 입력에 적어도 부분적으로 근거할 수 있다.
단계(540)에서, 보다 특정적인 정보가, 하나 이상의 사용자로부터 불러내지거나, 또는 전술한 다양한 자원으로부터 자동으로 획득 또는 평가될 수 있다. 개인에 의해 데이터가 입력되는 경우, 고객화된 인터페이스가, 통합 지식 베이스(12) 및 데이터 자원(18)으로부터 정보를 얻는 연합 인터페이스 층(222)을 통해서와 같이, 전술한 방법으로 제공될 수 있다. 전술한 바와 같이, 그러한 인터페이스는 특정 사용자, 수행된 기능, 제공 또는 평가될 데이터 등에 대해 고객화될 수 있다.
제공된 정보에 근거하여, 단계(542)에 나타낸 바와 같이, 평가가 수행된다. 일반적으로, 그러한 평가는 상태, 상황, 또는 평가되는 다른 문제에 근거하여 널리 변화될 것이다. 현재 고려되는 구현에서, 평가로부터 스코어가 결정되고, 단계(544)에서 스코어에 근거하여 비교가 수행된다. 그 후, 비교는 또다른 동작을 위한 추천의 기초이며, 평가의 보고된 결과에 대한 기초로서 간단히 기능할 수 있다. 더욱이, 원하는 경우, 사람 전문가로부터의 입력을 포함하는 처리의 결과가, 단계(546)에 나타낸 바와 같이, 잠재적인 대립 또는 판단이 적절한 경우에, 선택사양적으로 조정될 수 있다.
사업 모델 구현
전술한 기법들은 광범위한 방법으로 구현할 수 있도록 한다. 예를 들어, 반복적으로 주지되는 바와 같이, 데이터의 이용 및 데이터와 모듈 사이의 상호 작용은, 단일의 워크스테이션을 포함하는 매우 작은 스케일에 대해 구현될 수 있다. 보다 높은 레벨의 통합이, 다양한 유형의 자원과 워크스테이션 사이의 링크에 의해, 또한 전술된 바와 같은 네트워크 구성 요소들 사이의 다양한 레벨에서 제공될 수 있다. 본 기법은 산업 또는 산업의 일부분내의 전체 사업 모델로서 구현될 수 있음을 알아야 한다.
본 기법에 대한 사업 모델 구현은 디스크, 하드 드라이브, 플래쉬 메모리 등과 같은 하나 이상의 메모리 장치 또는 기계 판독가능 매체상에 설치된 소프트웨어를 포함할 수 있다. 그 후, 사용자는 기법들을 개별적으로, 또는 네크워크를 통해 특정 사이트, 링크, 서비스, 데이터베이스 등에 대한 액세스에 의해 이용할 수 있다. 유사하게, 기법들에 근거한 사업 모델이, 그러한 기법이 이용에 대한 지불, 신청, 또는 임의의 다른 적절한 것을 기반으로 제공되도록, 개발될 수 있다.
그러한 사업 모델은 전술한 임의의 또는 모든 기법에 대해 이용될 수 있으며, "모듈" 기반으로 제공될 수 있다. 예로써, 기관들이 환자 집단의 평가, 서비스 및 자원의 스케줄링, 환자 상태의 예측을 위한 모델의 개발, 훈련 목적 등을 위한 서비스를 신청 또는 주문할 수 있다. 개인 또는 기관은 개별적인 환자 기록의 유지, 기록들의 통합 등을 위한 유사한 서비스를 신청 또는 구매할 수 있다. 소정의 기법은 촬상 시스템, 워크스테이션, 관리 네트워크 등과 같은 다른 자산 또는 서비스와 함께 제공될 수 있다.
당업자라면 이해할 수 있듯이, 전술한 기법에 대해 형성된 비지니스 모델은 전술한 데이터베이스, 처리 자원, 데이터 및 제어가능/규정가능 자원과의 상호 작용을 허용하거나 용이하게 하는, 서버, 드라이버, 트랜스레이터 등을 포함하는 광범위한 지원 소프트웨어 및 하드웨어를 이용할 수 있다. 데이터의 보안, 입증, 인터페이싱 및 동기화를 제공하는 지원 구성 요소는 그러한 시스템내에 통합되거나, 또는 시스템과 다양한 사용자 또는 클라이언트 사이에 분포될 수 있다. 서비스에 대한 트랙킹 및 인보이싱을 허용하는 모듈을 포함하는 재정 지원 모듈이 유사한 방법으로 통합될 수 있다.
소정의 전술한 기법이 섹터 전체의 또는 산업 전체의 방법으로 구현될 수 있음이 마찬가지로 고려된다. 따라서, 액세스, 교환, 업로딩, 다운로딩, 변형, 처리 등을 위해 데이터를 적절하게 표준화 또는 태깅함으로써, 높은 레벨의 통합이 가능해질 수 있다.
본 발명은 다양한 변형 및 대안적인 형태가 가능하지만, 도면 및 본 명세서에서는 특정의 실시예가 예로서 도시 및 기술되었다. 그러나, 본 발명은 개시된 특정 형태에 한정되지 않음을 이해해야 한다. 그보다는, 본 발명은 이하의 첨부된 특허 청구 범위에 의해 정의된 바와 같은 본 발명의 정신 및 영역내에 속하는 모든 변형, 등가물 및 대안을 커버하는 것이다.
Claims (18)
- 의료 데이터 처리 방법에 있어서,제 1 유형(98, 100, 102)의 제어가능 및 규정가능 데이터 자원(40)에 대한 데이터를 자동으로 액세스하는 단계와,상기 제 1 유형과는 상이한 제 2 유형(98, 100, 102)의 제어가능 및 규정가능 데이터 자원(40)에 대해, 자동화된 컴퓨터 보조 데이터 동작 알고리즘(22, 462-478)을 액세스하는 단계와,상기 액세스된 데이터에 근거하여 상기 컴퓨터 보조 데이터 동작 알고리즘을 변형(496)하는 단계를 포함하는의료 데이터 처리 방법.
- 제 1 항에 있어서,상기 데이터는 적어도 상기 제 1 및 제 2 유형의 복수의 제어가능 및 규정가능 데이터 자원(40)으로부터 도출된 데이터를 포함하는 통합 지식 베이스(12)로부터 액세스되는 의료 데이터 처리 방법.
- 제 1 항에 있어서,제 3 유형의 제어가능 및 규정가능 의료 데이터 자원(40)에 대한 데이터를 액세스하는 단계를 더 포함하되, 상기 컴퓨터 보조 데이터 동작 알고리즘은, 상기 제 1 및 제 3 유형의 자원에 대한 상기 액세스된 데이터에 근거하여 변형(496)되는 의료 데이터 처리 방법.
- 제 1 항에 있어서,상기 데이터 동작 알고리즘은 컴퓨터 보조 검출 알고리즘(CAD), 컴퓨터 보조 진단 알고리즘(CADx), 컴퓨터 보조 결정 지원 알고리즘(CADs), 컴퓨터 보조 획득 알고리즘(CAA), 컴퓨터 보조 분석 알고리즘(CAAn), 컴퓨터 보조 처리 알고리즘(CAP), 컴퓨터 보조 예상 알고리즘(CAPx), 컴퓨터 보조 치료 알고리즘(CATx), 컴퓨터 보조 규정 알고리즘(CARx) 및 컴퓨터 보조 평가 알고리즘(CAAx)으로 구성된 그룹으로부터 선택되는 의료 데이터 처리 방법.
- 제 1 항에 있어서,상기 변형은 상기 알고리즘에 의해 수행된 특징 검출(474, 476)에 영향을 미치는 의료 데이터 처리 방법.
- 제 1 항에 있어서,상기 변형은 상기 알고리즘에 의해 수행된 특징 세그먼트(474)에 영향을 미치는 의료 데이터 처리 방법.
- 제 1 항에 있어서,상기 변형은 상기 알고리즘에 의해 수행된 특징 분류(478)에 영향을 미치는 의료 데이터 처리 방법.
- 제 1 항에 있어서,상기 변형은 상기 알고리즘에 의해 수행된 데이터의 획득(464)에 영향을 미치는 의료 데이터 처리 방법.
- 제 1 항에 있어서,상기 제 1 및 제 2 유형은 전기적 자원(62), 촬상 자원(64), 실험실 자원, 조직 자원, 재정 자원 및 인구 통계 데이터 자원으로 구성되는 그룹으로부터 선택되는 의료 데이터 처리 방법.
- 제 1 항에 있어서,상기 컴퓨터 보조 데이터 동작 알고리즘은, 상기 알고리즘이 특정 환자에 대한 데이터에 대해서만 동작하는 방법을 변경하기 위해, 환자 특정적 기반으로 변형되는 의료 데이터 처리 방법.
- 데이터 처리 시스템에 있어서,제 1 유형의 제어가능 및 규정가능 데이터 자원(62, 64, 66, 68, 70, 72, 74)의 데이터를 저장하는 저장소(12)와,상기 제 1 유형과는 상이한 제 2 유형의 제어가능 및 규정가능 데이터 자원에 대한 자동화된 컴퓨터 보조 데이터(62, 64, 66, 68, 70, 72, 74) 동작 알고리즘(22, 462-478)를 액세스하고, 상기 액세스된 데이터에 근거하여 상기 컴퓨터 보조 데이터 동작 알고리즘을 변형(496)하도록 구성된 처리 회로(10)를 포함하는데이터 처리 시스템.
- 제 11 항에 있어서,상기 저장소(12)는 복수의 자원 유형(40)으로부터의 데이터를 포함하는 통합 지식 베이스의 일부를 형성하는 데이터 처리 시스템.
- 제 11 항에 있어서,상기 제 1 및 제 2 유형은 전기적 자원(62), 촬상 자원(64), 실험실 자원(66), 조직 자원(68), 재정 자원(72) 및 인구 통계 데이터 자원(74)으로 구성되는 그룹으로부터 선택되는 데이터 처리 시스템.
- 제 11 항에 있어서,상기 데이터 동작 알고리즘은 컴퓨터 보조 검출 알고리즘(CAD), 컴퓨터 보조 진단 알고리즘(CADx), 컴퓨터 보조 결정 지원 알고리즘(CADs), 컴퓨터 보조 획득 알고리즘(CAA), 컴퓨터 보조 분석 알고리즘(CAAn), 컴퓨터 보조 처리 알고리즘(CAP), 컴퓨터 보조 예상 알고리즘(CAPx), 컴퓨터 보조 치료 알고리즘(CATx), 컴퓨터 보조 규정 알고리즘(CARx) 및 컴퓨터 보조 평가 알고리즘(CAAx)으로 구성된 그룹으로부터 선택되는 데이터 처리 시스템.
- 제 11 항에 있어서,상기 변형은 상기 알고리즘에 의해 수행된 특징 검출(474, 476)에 영향을 미치는 데이터 처리 시스템.
- 제 11 항에 있어서,상기 변형은 상기 알고리즘에 의해 수행된 특징 세그먼트(474)에 영향을 미치는 데이터 처리 시스템.
- 제 11 항에 있어서,상기 변형은 상기 알고리즘에 의해 수행된 특징 분류(478)에 영향을 미치는 데이터 처리 시스템.
- 제 11 항에 있어서,상기 변형은 상기 알고리즘에 의해 수행된 데이터의 획득(464)에 영향을 미치는 데이터 처리 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/324,046 | 2002-12-18 | ||
| US10/324,046 US20040122787A1 (en) | 2002-12-18 | 2002-12-18 | Enhanced computer-assisted medical data processing system and method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20050085778A true KR20050085778A (ko) | 2005-08-29 |
Family
ID=32593338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020057011375A KR20050085778A (ko) | 2002-12-18 | 2003-11-20 | 의료 데이터 처리 방법 및 데이터 처리 시스템 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20040122787A1 (ko) |
| EP (1) | EP1576523A2 (ko) |
| JP (1) | JP2006511882A (ko) |
| KR (1) | KR20050085778A (ko) |
| CN (1) | CN1748217A (ko) |
| AU (1) | AU2003295699A1 (ko) |
| WO (1) | WO2004061744A2 (ko) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008055020A1 (en) * | 2006-11-02 | 2008-05-08 | Microsoft Corporation | Tools for health and wellness |
| WO2008127627A1 (en) * | 2007-04-12 | 2008-10-23 | Warren Pamela A | Psychological disability evaluation software, methods and systems |
| KR100886371B1 (ko) * | 2007-04-10 | 2009-03-04 | 한국전기연구원 | 직업별 개인 노출자계 추정 방법 |
| WO2009149126A2 (en) * | 2008-06-02 | 2009-12-10 | New York University | Method, system, and computer-accessible medium for classification of at least one ictal state |
| US7814035B2 (en) | 2005-11-04 | 2010-10-12 | Microsoft Corporation | Large-scale information collection and mining |
| WO2012100052A3 (en) * | 2011-01-19 | 2012-11-01 | Clawson Jeffrey J | Meningitis diagnostic and intervention tool for emergency dispatch |
| KR101412369B1 (ko) * | 2013-02-01 | 2014-07-02 | 고려대학교 산학협력단 | 영상의 객체 검출 방법 및 장치 |
| US8873719B2 (en) | 2013-01-31 | 2014-10-28 | Jeffrey J. Clawson | Active assailant protocol for emergency dispatch |
| KR101463476B1 (ko) * | 2007-09-11 | 2014-11-24 | (주) 임픽스 | 검사 결과를 통합하여 관리하는 방법 및 그 시스템 |
| US8971501B2 (en) | 2009-04-13 | 2015-03-03 | Priority Dispatch Corporation | Methods and systems to identify code hierarchy bias in medical priority dispatch systems |
| US9319859B2 (en) | 2013-01-31 | 2016-04-19 | Jeffrey J. Clawson | System and method for text messaging for emergency response |
| KR101629144B1 (ko) * | 2015-03-12 | 2016-06-09 | 한양대학교 에리카산학협력단 | 실시간 생체 데이터 모니터링을 위한 hl7 메시지 간소화 장치 및 방법 |
| KR20160097903A (ko) | 2015-02-10 | 2016-08-18 | 가천대학교 산학협력단 | 네트워크 기반의 약제 효능 평가 장치 및 방법 |
| US9516166B1 (en) | 2015-05-28 | 2016-12-06 | Jeffrey J. Clawson | Chemical suicide protocol for emergency response |
| US9877171B2 (en) | 2016-04-08 | 2018-01-23 | Jeffrey J. Clawson | Picture/video messaging protocol for emergency response |
| WO2019098777A1 (ko) * | 2017-11-16 | 2019-05-23 | 경희대학교 산학협력단 | 치매 환자 관리 방법 및 그 시스템 |
| KR20190073330A (ko) * | 2019-06-14 | 2019-06-26 | 주식회사 아이메디신 | 심층신경망을 이용한 자동 뇌파 잡음 제거 방법 및 장치 |
| US10657614B2 (en) | 2015-12-23 | 2020-05-19 | Jeffrey J. Clawson | Locator diagnostic system for emergency dispatch |
| US10699548B2 (en) | 2018-04-19 | 2020-06-30 | Jeffrey J. Clawson | Expedited dispatch protocol system and method |
| KR102136207B1 (ko) * | 2019-12-31 | 2020-07-21 | 주식회사 클리노믹스 | 유전자 정보 개인 맞춤형 소셜 컨텐츠 정보 제공 시스템 및 그 방법 |
| KR20220039046A (ko) * | 2020-09-21 | 2022-03-29 | 가톨릭대학교 산학협력단 | 전립선 암 재발 예측 장치, 방법 및 이를 이용한 애플리케이션 |
| KR20220143402A (ko) * | 2021-04-16 | 2022-10-25 | 오성민 | 의약품 개발을 위한 데이터 분석 방법 및 시스템 |
| US11910471B2 (en) | 2021-04-23 | 2024-02-20 | Priority Dispatch Corp. | System and method for emergency dispatch |
| US11937160B2 (en) | 2021-04-23 | 2024-03-19 | Priority Dispatch Corporation | System and method for emergency dispatch |
Families Citing this family (207)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7734656B2 (en) | 1998-02-24 | 2010-06-08 | Luc Bessette | System and method for electronically managing medical data files in order to facilitate genetic research |
| US7333894B2 (en) * | 2002-01-31 | 2008-02-19 | Sigma-Tau Pharmaceuticals, Inc. | Methods for the diagnosis of hemodialysis patients and utilization of such methods to improve the administration of intravenous levocarnitine treatments to hemodialysis patients |
| US6850788B2 (en) | 2002-03-25 | 2005-02-01 | Masimo Corporation | Physiological measurement communications adapter |
| US7259906B1 (en) | 2002-09-03 | 2007-08-21 | Cheetah Omni, Llc | System and method for voice control of medical devices |
| US20040133393A1 (en) * | 2003-01-04 | 2004-07-08 | Enovus Inc. | Prediction system based on weighted expert opinions using prior success measures |
| US7415710B1 (en) * | 2003-07-07 | 2008-08-19 | Hewlett-Packard Development Company, L.P. | Method and system for maintaining a module type definition table |
| CN1871610A (zh) * | 2003-11-12 | 2006-11-29 | 德雷格医疗系统股份有限公司 | 健康护理处理装置和显示系统 |
| US20050209882A1 (en) * | 2004-03-22 | 2005-09-22 | Jacobsen Jeffry B | Clinical data processing system |
| US20050222509A1 (en) * | 2004-04-02 | 2005-10-06 | General Electric Company | Electrophysiology system and method |
| EP1774448A2 (en) * | 2004-07-26 | 2007-04-18 | Koninklijke Philips Electronics N.V. | System and method for exchanging patient data with decision support systems for executable guideline |
| US20080097791A1 (en) * | 2004-07-26 | 2008-04-24 | Koninklijke Philips Electronics, N.V. | System and Method for Coupling Patient Data with Executable Guideline Decision Support System |
| US7787672B2 (en) | 2004-11-04 | 2010-08-31 | Dr Systems, Inc. | Systems and methods for matching, naming, and displaying medical images |
| US7920152B2 (en) | 2004-11-04 | 2011-04-05 | Dr Systems, Inc. | Systems and methods for viewing medical 3D imaging volumes |
| US7970625B2 (en) | 2004-11-04 | 2011-06-28 | Dr Systems, Inc. | Systems and methods for retrieval of medical data |
| US7660488B2 (en) | 2004-11-04 | 2010-02-09 | Dr Systems, Inc. | Systems and methods for viewing medical images |
| US8756234B1 (en) * | 2004-11-16 | 2014-06-17 | The General Hospital Corporation | Information theory entropy reduction program |
| US20090148011A1 (en) * | 2004-11-19 | 2009-06-11 | Konnklike Philips Electronics, N.V. | In-situ data collection architecture for computer-aided diagnosis |
| US8208697B2 (en) * | 2004-12-17 | 2012-06-26 | Koninklijke Philips Electronics N.V. | Method and apparatus for automatically developing a high performance classifier for producing medically meaningful descriptors in medical diagnosis imaging |
| RU2007124523A (ru) * | 2004-12-30 | 2009-02-10 | ПРОВЕНТИС, Инк., (US) | Способы, системы и компьютерные программные продукты для разработки и использования прогнозных моделей для прогнозирования большинства медицинских случаев, оценки стратегий вмешательства и для одновременной оценки нерегулярности биологических маркеров |
| US20060242143A1 (en) * | 2005-02-17 | 2006-10-26 | Esham Matthew P | System for processing medical image representative data from multiple clinical imaging devices |
| US20060190419A1 (en) * | 2005-02-22 | 2006-08-24 | Bunn Frank E | Video surveillance data analysis algorithms, with local and network-shared communications for facial, physical condition, and intoxication recognition, fuzzy logic intelligent camera system |
| US8849068B2 (en) * | 2005-04-08 | 2014-09-30 | Canon Kabushiki Kaisha | Image management system, image management method, and program |
| US7657521B2 (en) * | 2005-04-15 | 2010-02-02 | General Electric Company | System and method for parsing medical data |
| US20070066911A1 (en) * | 2005-09-21 | 2007-03-22 | Klaus Klingenbeck-Regn | Integrated electrophysiology lab |
| WO2007034346A2 (en) * | 2005-09-23 | 2007-03-29 | Koninklijke Philips Electronics N.V. | A method, a system and a computer program for image segmentation |
| US20070078678A1 (en) * | 2005-09-30 | 2007-04-05 | Disilvestro Mark R | System and method for performing a computer assisted orthopaedic surgical procedure |
| US20070133851A1 (en) * | 2005-12-12 | 2007-06-14 | General Electric Company | Method and apparatus for selecting computer-assisted algorithms based on protocol and/or parameters of an acquisistion system |
| US7769216B2 (en) * | 2005-12-29 | 2010-08-03 | Hologic, Inc. | Facilitating comparison of medical images |
| US20070162305A1 (en) * | 2006-01-04 | 2007-07-12 | Miller Marc J | Electronic medical information exchange and management system |
| US9339641B2 (en) | 2006-01-17 | 2016-05-17 | Emkinetics, Inc. | Method and apparatus for transdermal stimulation over the palmar and plantar surfaces |
| WO2011053607A1 (en) | 2009-10-26 | 2011-05-05 | Emkinetics, Inc. | Method and apparatus for electromagnetic stimulation of nerve, muscle, and body tissues |
| US20070167990A1 (en) * | 2006-01-17 | 2007-07-19 | Theranova, Llc | Method and apparatus for low frequency induction therapy for the treatment of urinary incontinence and overactive bladder |
| US9610459B2 (en) | 2009-07-24 | 2017-04-04 | Emkinetics, Inc. | Cooling systems and methods for conductive coils |
| US7943328B1 (en) | 2006-03-03 | 2011-05-17 | Prometheus Laboratories Inc. | Method and system for assisting in diagnosing irritable bowel syndrome |
| US8920343B2 (en) | 2006-03-23 | 2014-12-30 | Michael Edward Sabatino | Apparatus for acquiring and processing of physiological auditory signals |
| WO2007120744A2 (en) | 2006-04-14 | 2007-10-25 | William Beaumont Hospital | Scanning slot cone-beam computed tomography and scanning focus spot cone-beam computed tomography |
| US9339243B2 (en) | 2006-04-14 | 2016-05-17 | William Beaumont Hospital | Image guided radiotherapy with dual source and dual detector arrays tetrahedron beam computed tomography |
| US8983024B2 (en) | 2006-04-14 | 2015-03-17 | William Beaumont Hospital | Tetrahedron beam computed tomography with multiple detectors and/or source arrays |
| EP2026698A4 (en) * | 2006-05-25 | 2016-10-05 | Beaumont Hospital William | REAL-TIME, ONLINE AND OFFLINE TREATMENT DOSE TRACKING AND FEEDBACK PROCESS FOR VOLUMETRIC IMAGE-GUIDED ADAPTIVE RADIATION THERAPY |
| US8635082B2 (en) | 2006-05-25 | 2014-01-21 | DePuy Synthes Products, LLC | Method and system for managing inventories of orthopaedic implants |
| WO2008017991A2 (en) * | 2006-08-11 | 2008-02-14 | Koninklijke Philips Electronics, N.V. | Methods and apparatus to integrate systematic data scaling into genetic algorithm-based feature subset selection |
| US20080085524A1 (en) * | 2006-08-15 | 2008-04-10 | Prometheus Laboratories Inc. | Methods for diagnosing irritable bowel syndrome |
| US20100094560A1 (en) * | 2006-08-15 | 2010-04-15 | Prometheus Laboratories Inc. | Methods for diagnosing irritable bowel syndrome |
| US7653609B2 (en) * | 2006-09-07 | 2010-01-26 | International Business Machines Corporation | System and method for managing a chaotic event by optimizing decision subdivisions subject to multidimensional constraints |
| US7584160B2 (en) * | 2006-10-27 | 2009-09-01 | International Business Machines Corporation | System and method for optimizing project subdivision using data and requirements focuses subject to multidimensional constraints |
| US7630948B2 (en) * | 2006-09-07 | 2009-12-08 | International Business Machines Corporation | System and method for managing a chaotic event |
| US7647288B2 (en) * | 2006-09-07 | 2010-01-12 | International Business Machines Corporation | System and method for optimally customizable and adaptive personalized information display for information associated with managing a chaotic event |
| US9202184B2 (en) | 2006-09-07 | 2015-12-01 | International Business Machines Corporation | Optimizing the selection, verification, and deployment of expert resources in a time of chaos |
| US7698246B2 (en) * | 2006-09-07 | 2010-04-13 | International Business Machines Corporation | System and method for optimal and adaptive process unification of decision support functions associated with managing a chaotic event |
| US7647286B2 (en) * | 2006-09-07 | 2010-01-12 | International Business Machines Corporation | System and method for managing a chaotic event by providing optimal and adaptive sequencing of decision sets with supporting data |
| CN101517581A (zh) * | 2006-09-20 | 2009-08-26 | 皇家飞利浦电子股份有限公司 | 分子诊断决策支持系统 |
| US9161696B2 (en) | 2006-09-22 | 2015-10-20 | Masimo Corporation | Modular patient monitor |
| US8840549B2 (en) | 2006-09-22 | 2014-09-23 | Masimo Corporation | Modular patient monitor |
| US9005102B2 (en) | 2006-10-02 | 2015-04-14 | Emkinetics, Inc. | Method and apparatus for electrical stimulation therapy |
| WO2008042902A2 (en) * | 2006-10-02 | 2008-04-10 | Emkinetics, Inc. | Method and apparatus for magnetic induction therapy |
| US11224742B2 (en) | 2006-10-02 | 2022-01-18 | Emkinetics, Inc. | Methods and devices for performing electrical stimulation to treat various conditions |
| US10786669B2 (en) | 2006-10-02 | 2020-09-29 | Emkinetics, Inc. | Method and apparatus for transdermal stimulation over the palmar and plantar surfaces |
| US7809660B2 (en) * | 2006-10-03 | 2010-10-05 | International Business Machines Corporation | System and method to optimize control cohorts using clustering algorithms |
| US20090287503A1 (en) * | 2008-05-16 | 2009-11-19 | International Business Machines Corporation | Analysis of individual and group healthcare data in order to provide real time healthcare recommendations |
| US7752154B2 (en) * | 2007-02-26 | 2010-07-06 | International Business Machines Corporation | System and method for deriving a hierarchical event based database optimized for analysis of criminal and security information |
| US8145582B2 (en) | 2006-10-03 | 2012-03-27 | International Business Machines Corporation | Synthetic events for real time patient analysis |
| US8055603B2 (en) * | 2006-10-03 | 2011-11-08 | International Business Machines Corporation | Automatic generation of new rules for processing synthetic events using computer-based learning processes |
| US7953614B1 (en) | 2006-11-22 | 2011-05-31 | Dr Systems, Inc. | Smart placement rules |
| US8312075B1 (en) * | 2006-11-29 | 2012-11-13 | Mcafee, Inc. | System, method and computer program product for reconstructing data received by a computer in a manner that is independent of the computer |
| US7853611B2 (en) * | 2007-02-26 | 2010-12-14 | International Business Machines Corporation | System and method for deriving a hierarchical event based database having action triggers based on inferred probabilities |
| US7792774B2 (en) * | 2007-02-26 | 2010-09-07 | International Business Machines Corporation | System and method for deriving a hierarchical event based database optimized for analysis of chaotic events |
| US7783586B2 (en) * | 2007-02-26 | 2010-08-24 | International Business Machines Corporation | System and method for deriving a hierarchical event based database optimized for analysis of biological systems |
| US7788202B2 (en) * | 2007-02-26 | 2010-08-31 | International Business Machines Corporation | System and method for deriving a hierarchical event based database optimized for clinical applications |
| US7917478B2 (en) * | 2007-02-26 | 2011-03-29 | International Business Machines Corporation | System and method for quality control in healthcare settings to continuously monitor outcomes and undesirable outcomes such as infections, re-operations, excess mortality, and readmissions |
| US7805390B2 (en) * | 2007-02-26 | 2010-09-28 | International Business Machines Corporation | System and method for deriving a hierarchical event based database optimized for analysis of complex accidents |
| US7805391B2 (en) * | 2007-02-26 | 2010-09-28 | International Business Machines Corporation | Inference of anomalous behavior of members of cohorts and associate actors related to the anomalous behavior |
| US7970759B2 (en) * | 2007-02-26 | 2011-06-28 | International Business Machines Corporation | System and method for deriving a hierarchical event based database optimized for pharmaceutical analysis |
| US7792776B2 (en) * | 2007-02-26 | 2010-09-07 | International Business Machines Corporation | System and method to aid in the identification of individuals and groups with a probability of being distressed or disturbed |
| US7788203B2 (en) * | 2007-02-26 | 2010-08-31 | International Business Machines Corporation | System and method of accident investigation for complex situations involving numerous known and unknown factors along with their probabilistic weightings |
| US7702605B2 (en) * | 2007-02-26 | 2010-04-20 | International Business Machines Corporation | System and method for deriving a hierarchical event based database optimized for privacy and security filtering |
| JP4966051B2 (ja) * | 2007-02-27 | 2012-07-04 | 株式会社東芝 | 超音波診断支援システム、超音波診断装置、及び超音波診断支援プログラム |
| US20080242951A1 (en) * | 2007-03-30 | 2008-10-02 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Effective low-profile health monitoring or the like |
| US20080243547A1 (en) * | 2007-03-30 | 2008-10-02 | David Brett | Creating computer aided medical recommendations |
| US20080294018A1 (en) * | 2007-05-22 | 2008-11-27 | Kurtz Andrew F | Privacy management for well-being monitoring |
| GB0713402D0 (en) * | 2007-07-11 | 2007-08-22 | Cardiff & Vale Nhs Trust | A method of diagnosing a condition using a neural network |
| US7995816B2 (en) * | 2007-09-24 | 2011-08-09 | Baxter International Inc. | Detecting access disconnect by pattern recognition |
| US8265949B2 (en) | 2007-09-27 | 2012-09-11 | Depuy Products, Inc. | Customized patient surgical plan |
| ES2839091T3 (es) | 2007-09-30 | 2021-07-05 | Depuy Products Inc | Sierra de hueso ortopédica con guía integral |
| US7930262B2 (en) | 2007-10-18 | 2011-04-19 | International Business Machines Corporation | System and method for the longitudinal analysis of education outcomes using cohort life cycles, cluster analytics-based cohort analysis, and probabilistic data schemas |
| US20090109798A1 (en) * | 2007-10-29 | 2009-04-30 | Kathryn West | Events recordation device, system and method for caregivers |
| US20090125328A1 (en) * | 2007-11-12 | 2009-05-14 | Air Products And Chemicals, Inc. | Method and System For Active Patient Management |
| US20090163774A1 (en) * | 2007-12-20 | 2009-06-25 | Sudeesh Thatha | Managment and Diagnostic System for Patient Monitoring and Symptom Analysis |
| US7779051B2 (en) * | 2008-01-02 | 2010-08-17 | International Business Machines Corporation | System and method for optimizing federated and ETL'd databases with considerations of specialized data structures within an environment having multidimensional constraints |
| US20090299766A1 (en) * | 2008-05-30 | 2009-12-03 | International Business Machines Corporation | System and method for optimizing medical treatment planning and support in difficult situations subject to multiple constraints and uncertainties |
| US20090326340A1 (en) * | 2008-06-30 | 2009-12-31 | Hui Wang | Patient Monitor Alarm System And Method |
| US20100185457A1 (en) * | 2008-09-10 | 2010-07-22 | Gozani Shai N | Nerve-specific electrode (nse) study pricing model, and method and apparatus for implementing the same |
| EP2344982A4 (en) * | 2008-10-10 | 2012-09-19 | Sti Medical Systems Llc | METHODS FOR CLASSIFYING TISSUE IN UTERUS COLLAR IMAGING |
| US8380533B2 (en) | 2008-11-19 | 2013-02-19 | DR Systems Inc. | System and method of providing dynamic and customizable medical examination forms |
| EP2199956A1 (en) * | 2008-12-18 | 2010-06-23 | Siemens Aktiengesellschaft | Method and system for managing results of an analysis process on objects handled along a technical process line |
| WO2010088672A1 (en) * | 2009-02-02 | 2010-08-05 | Rutgers, The State University Of New Jersey | Image-based risk score-a prognostic predictor of survival and outcome from digital histopathology |
| US20100257214A1 (en) * | 2009-03-18 | 2010-10-07 | Luc Bessette | Medical records system with dynamic avatar generator and avatar viewer |
| US9396308B1 (en) * | 2009-04-22 | 2016-07-19 | Humana Inc. | Physiological imagery generator system and method |
| US8786873B2 (en) | 2009-07-20 | 2014-07-22 | General Electric Company | Application server for use with a modular imaging system |
| US8712120B1 (en) | 2009-09-28 | 2014-04-29 | Dr Systems, Inc. | Rules-based approach to transferring and/or viewing medical images |
| WO2011036585A1 (en) * | 2009-09-28 | 2011-03-31 | Koninklijke Philips Electronics N.V. | Medical information system with report validator and report augmenter |
| US20110082867A1 (en) * | 2009-10-06 | 2011-04-07 | NeX Step, Inc. | System, method, and computer program product for analyzing drug interactions |
| CA2775921C (en) | 2009-10-08 | 2017-11-21 | The Regents Of The University Of Michigan | Real-time visual alert display |
| US8936555B2 (en) | 2009-10-08 | 2015-01-20 | The Regents Of The University Of Michigan | Real time clinical decision support system having linked references |
| SG10201502531SA (en) | 2009-10-19 | 2015-05-28 | Theranos Inc | Integrated Health Data Capture And Analysis System |
| US9153112B1 (en) | 2009-12-21 | 2015-10-06 | Masimo Corporation | Modular patient monitor |
| CN102686277B (zh) | 2010-01-05 | 2016-10-12 | 威廉博蒙特医院 | 采用连续的躺椅旋转/移位和同时进行的锥形射束成像的调强电弧治疗 |
| US9483622B1 (en) | 2010-01-11 | 2016-11-01 | Humana Inc. | Pain visualization system and method |
| WO2011106364A2 (en) * | 2010-02-23 | 2011-09-01 | Farmacia Electronica, Inc. | Method and system for consumer-specific communication based on cultural normalization techniques |
| EP2550613A1 (de) * | 2010-03-25 | 2013-01-30 | Normamed S.A. | Verfahren und erfassungsmaschine zur erfassung von gesundheitsbezogenen informationen |
| EP2552308A1 (en) * | 2010-03-29 | 2013-02-06 | Medtronic, Inc | Method and apparatus for monitoring tissue fluid content for use in an implantable cardiac device |
| US8243882B2 (en) | 2010-05-07 | 2012-08-14 | General Electric Company | System and method for indicating association between autonomous detector and imaging subsystem |
| US8588884B2 (en) | 2010-05-28 | 2013-11-19 | Emkinetics, Inc. | Microneedle electrode |
| US8560365B2 (en) | 2010-06-08 | 2013-10-15 | International Business Machines Corporation | Probabilistic optimization of resource discovery, reservation and assignment |
| US20120215560A1 (en) | 2010-07-21 | 2012-08-23 | dbMotion Ltd. | System and methods for facilitating computerized interactions with emrs |
| US9646271B2 (en) | 2010-08-06 | 2017-05-09 | International Business Machines Corporation | Generating candidate inclusion/exclusion cohorts for a multiply constrained group |
| US8968197B2 (en) | 2010-09-03 | 2015-03-03 | International Business Machines Corporation | Directing a user to a medical resource |
| US9292577B2 (en) | 2010-09-17 | 2016-03-22 | International Business Machines Corporation | User accessibility to data analytics |
| US9443211B2 (en) | 2010-10-13 | 2016-09-13 | International Business Machines Corporation | Describing a paradigmatic member of a task directed community in a complex heterogeneous environment based on non-linear attributes |
| US8429182B2 (en) | 2010-10-13 | 2013-04-23 | International Business Machines Corporation | Populating a task directed community in a complex heterogeneous environment based on non-linear attributes of a paradigmatic cohort member |
| US10318877B2 (en) | 2010-10-19 | 2019-06-11 | International Business Machines Corporation | Cohort-based prediction of a future event |
| CN103649959B (zh) | 2011-03-10 | 2019-11-19 | 美迪生健康有限公司 | 改善医疗保健的系统 |
| US8900126B2 (en) | 2011-03-23 | 2014-12-02 | United Sciences, Llc | Optical scanning device |
| US8775218B2 (en) * | 2011-05-18 | 2014-07-08 | Rga Reinsurance Company | Transforming data for rendering an insurability decision |
| US8788222B2 (en) | 2011-07-25 | 2014-07-22 | International Business Machines Corporation | Detection of pipeline contaminants |
| US8990033B2 (en) | 2011-07-27 | 2015-03-24 | International Business Machines Corporation | Monitoring operational conditions of a cargo ship through use of sensor grid on intermodal containers |
| US8706325B2 (en) | 2011-07-27 | 2014-04-22 | International Business Machines Corporation | Evaluating airport runway conditions in real time |
| US8538667B2 (en) | 2011-07-28 | 2013-09-17 | International Business Machines Corporation | Evaluating road conditions using a mobile vehicle |
| US9075899B1 (en) | 2011-08-11 | 2015-07-07 | D.R. Systems, Inc. | Automated display settings for categories of items |
| US10726088B1 (en) | 2011-08-12 | 2020-07-28 | Allscripts Software, Llc | Computing system for presenting supplemental content in context |
| US9146112B2 (en) | 2011-10-04 | 2015-09-29 | International Business Machines Corporation | Mobility route optimization |
| US9322657B2 (en) | 2011-10-04 | 2016-04-26 | International Business Machines Corporation | Mobility route optimization |
| US9207089B2 (en) | 2011-10-04 | 2015-12-08 | International Business Machines Corporation | Mobility route optimization |
| US9943269B2 (en) | 2011-10-13 | 2018-04-17 | Masimo Corporation | System for displaying medical monitoring data |
| JP6104920B2 (ja) | 2011-10-13 | 2017-03-29 | マシモ・コーポレイション | 医療用監視ハブ |
| WO2013110025A2 (en) * | 2012-01-22 | 2013-07-25 | I22, Llc | Graphical system for collecting, presenting and using medical data and the automated generation of surgical reports |
| US10149616B2 (en) | 2012-02-09 | 2018-12-11 | Masimo Corporation | Wireless patient monitoring device |
| US10307111B2 (en) | 2012-02-09 | 2019-06-04 | Masimo Corporation | Patient position detection system |
| US8900125B2 (en) | 2012-03-12 | 2014-12-02 | United Sciences, Llc | Otoscanning with 3D modeling |
| US9449380B2 (en) | 2012-03-20 | 2016-09-20 | Siemens Medical Solutions Usa, Inc. | Medical image quality monitoring and improvement system |
| US9002769B2 (en) * | 2012-07-03 | 2015-04-07 | Siemens Aktiengesellschaft | Method and system for supporting a clinical diagnosis |
| US11107582B2 (en) * | 2012-09-06 | 2021-08-31 | Koninklijke Philips N.V. | Guideline-based decision support |
| US9749232B2 (en) | 2012-09-20 | 2017-08-29 | Masimo Corporation | Intelligent medical network edge router |
| US9495604B1 (en) * | 2013-01-09 | 2016-11-15 | D.R. Systems, Inc. | Intelligent management of computerized advanced processing |
| EP2775412A1 (en) * | 2013-03-07 | 2014-09-10 | Medesso GmbH | Method of generating a medical suggestion as a support in medical decision making |
| US20140257045A1 (en) * | 2013-03-08 | 2014-09-11 | International Business Machines Corporation | Hierarchical exploration of longitudinal medical events |
| US9064304B2 (en) | 2013-03-18 | 2015-06-23 | General Electric Company | Image quality assessment of microscopy images |
| DE102013205502A1 (de) * | 2013-03-27 | 2014-10-02 | Siemens Aktiengesellschaft | Verfahren und Anordnung zur optimierten Einstellung von medizintechnischen Systemen |
| US10832818B2 (en) | 2013-10-11 | 2020-11-10 | Masimo Corporation | Alarm notification system |
| WO2015071847A2 (en) * | 2013-11-13 | 2015-05-21 | Koninklijke Philips N.V. | Clinical decision support system based triage decision making |
| US9552517B2 (en) | 2013-12-06 | 2017-01-24 | International Business Machines Corporation | Tracking eye recovery |
| CN103990212B (zh) * | 2014-06-11 | 2016-04-13 | 北京怡和嘉业医疗科技有限公司 | 正压通气治疗设备、治疗支持信息的传输方法和系统 |
| 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 |
| US20170039321A1 (en) | 2015-04-30 | 2017-02-09 | D.R. Systems, Inc. | Database systems and interactive user interfaces for dynamic interaction with, and sorting of, digital medical image data |
| US10971250B2 (en) | 2015-05-19 | 2021-04-06 | International Business Machines Corporation | Dynamic and accretive composition of patient engagement instruments for personalized plan generation |
| CN104897709A (zh) * | 2015-06-15 | 2015-09-09 | 江苏大学 | 一种基于x-射线荧光分析的农产品元素定量检测模型构建方法 |
| CN108348162B (zh) | 2015-08-31 | 2021-07-23 | 梅西莫股份有限公司 | 无线式病人监护系统和方法 |
| CN205322314U (zh) * | 2015-09-17 | 2016-06-22 | 山东中弘信息科技有限公司 | 一种智能心率心律心电血压计 |
| US20170172493A1 (en) * | 2015-12-17 | 2017-06-22 | Microsoft Technology Licensing, Llc | Wearable system for predicting about-to-eat moments |
| CA3014761C (en) | 2016-02-17 | 2022-07-19 | The Cleveland Clinic Foundation | Systems and methods for remote monitoring of non-critically ill hospitalized patients |
| 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 |
| US10617302B2 (en) | 2016-07-07 | 2020-04-14 | Masimo Corporation | Wearable pulse oximeter and respiration monitor |
| US11076777B2 (en) | 2016-10-13 | 2021-08-03 | Masimo Corporation | Systems and methods for monitoring orientation to reduce pressure ulcer formation |
| US9987502B1 (en) * | 2016-12-06 | 2018-06-05 | International Business Machines Corporation | Radiation therapy treatment planning using regression |
| JP6544697B2 (ja) * | 2017-05-24 | 2019-07-17 | 株式会社Eyes, JAPAN | 生体情報評価システム |
| 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 |
| US20190015080A1 (en) * | 2017-07-14 | 2019-01-17 | Imorgon Medical LLC | Medical Diagnostic Ultrasound Imaging System and Method for Receiving Information from a Server During An Examination of a Patient to Improve Workflow |
| EP3684463A4 (en) | 2017-09-19 | 2021-06-23 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION PROCESS AND APPARATUS |
| WO2019070375A1 (en) * | 2017-10-03 | 2019-04-11 | National Cardiac, Inc. | COMPUTER SYSTEMS AND METHODS FOR MONITORING THE CARDIAC MUSCLE OF A PATIENT USING CONTEXTUAL CONTROL |
| US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
| US11273283B2 (en) | 2017-12-31 | 2022-03-15 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
| EP3782165A1 (en) | 2018-04-19 | 2021-02-24 | Masimo Corporation | Mobile patient alarm display |
| US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
| CN110235172B (zh) * | 2018-06-07 | 2021-07-20 | 深圳迈瑞生物医疗电子股份有限公司 | 基于超声影像设备的图像分析方法及超声影像设备 |
| CN109009222A (zh) * | 2018-06-19 | 2018-12-18 | 杨成伟 | 面向心脏病类型和严重程度的智能评估诊断方法及系统 |
| US11051829B2 (en) | 2018-06-26 | 2021-07-06 | DePuy Synthes Products, Inc. | Customized patient-specific orthopaedic surgical instrument |
| EP3841594A1 (en) | 2018-08-21 | 2021-06-30 | The Cleveland Clinic Foundation | Advanced cardiac waveform analytics |
| US11452839B2 (en) | 2018-09-14 | 2022-09-27 | Neuroenhancement Lab, LLC | System and method of improving sleep |
| US10646206B1 (en) | 2019-01-10 | 2020-05-12 | Imorgon Medical LLC | Medical diagnostic ultrasound imaging system and method for communicating with a server during an examination of a patient using two communication channels |
| JP6621092B1 (ja) * | 2019-02-07 | 2019-12-18 | Ａｓｓｅｓｔ株式会社 | 危険度判別プログラム及びシステム |
| CN109949271B (zh) * | 2019-02-14 | 2021-03-16 | 腾讯科技（深圳）有限公司 | 一种基于医学图像的检测方法、模型训练的方法及装置 |
| WO2020163970A1 (en) * | 2019-02-15 | 2020-08-20 | Surgical Safety Technologies Inc. | System and method for adverse event detection or severity estimation from surgical data |
| US10910100B2 (en) * | 2019-03-14 | 2021-02-02 | Fuji Xerox Co., Ltd. | System and method for generating descriptions of abnormalities in medical images |
| US11154240B2 (en) | 2019-04-02 | 2021-10-26 | Kpn Innovations Llc | Methods and systems for utilizing diagnostics for informed vibrant constitutional guidance |
| TWI701640B (zh) * | 2019-04-26 | 2020-08-11 | 林渝宸 | 基於唾液結晶的排卵預測方法 |
| EP4272644A3 (en) * | 2019-05-02 | 2024-01-24 | XII Medical, Inc. | Implantable stimulation power receiver and systems |
| US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
| CN110956266B (zh) * | 2019-06-06 | 2023-08-15 | 国网辽宁省电力有限公司 | 基于层次分析法的多电源电力系统多目标优化调度方法 |
| CN110327591A (zh) * | 2019-06-12 | 2019-10-15 | 广州医科大学附属第一医院（广州呼吸中心） | 一种膝关节康复训练的指导和评估方法及系统 |
| US11720817B2 (en) | 2019-07-01 | 2023-08-08 | Medical Informatics Corp. | Waveform annotator |
| US11521724B2 (en) | 2019-10-04 | 2022-12-06 | International Business Machines Corporation | Personalized patient engagement in care management using explainable behavioral phenotypes |
| EP4045134A1 (en) | 2019-10-15 | 2022-08-24 | XII Medical, Inc. | Biased neuromodulation lead and method of using same |
| US20210125695A1 (en) * | 2019-10-28 | 2021-04-29 | MediSafe Project LTD. | Medication adherence management |
| US11954850B2 (en) | 2020-02-28 | 2024-04-09 | Canon Medical Systems Corporation | Medical information processing system and medical information processing method |
| WO2021189007A1 (en) | 2020-03-20 | 2021-09-23 | Masimo Corporation | Remote patient management and monitoring systems and methods |
| DE102020205034A1 (de) * | 2020-04-21 | 2021-10-21 | Siemens Healthcare Gmbh | Verfahren zu einem Einstellen von zumindest einem Messparameter für ein Messprotokoll einer Magnetresonanzuntersuchung |
| US11443845B2 (en) | 2020-05-26 | 2022-09-13 | Fujifilm Medical Systems U.S.A., Inc. | Systems and methods for storing compressed images |
| US11289206B2 (en) | 2020-06-02 | 2022-03-29 | Kpn Innovations, Llc. | Artificial intelligence methods and systems for constitutional analysis using objective functions |
| USD974193S1 (en) | 2020-07-27 | 2023-01-03 | Masimo Corporation | Wearable temperature measurement device |
| USD980091S1 (en) | 2020-07-27 | 2023-03-07 | Masimo Corporation | Wearable temperature measurement device |
| US11211158B1 (en) | 2020-08-31 | 2021-12-28 | Kpn Innovations, Llc. | System and method for representing an arranged list of provider aliment possibilities |
| WO2022098068A1 (en) * | 2020-11-03 | 2022-05-12 | Seegene, Inc. | Server and method for predicting infection risk level of pathogen in target area using molecular diagnostic test data, and non-transitory computer-readable storage medium |
| GB2606028A (en) * | 2021-04-23 | 2022-10-26 | Jiva Ai Ltd | Model fusion system |
| USD1000975S1 (en) | 2021-09-22 | 2023-10-10 | Masimo Corporation | Wearable temperature measurement device |
| KR102345009B1 (ko) * | 2021-10-08 | 2021-12-30 | 주식회사 에이티센스 | 심전도 데이터 처리 서버, 심전도의 분석에 필요한 예상분석시간을 산출하는 방법 및 컴퓨터 프로그램 |
| KR102392759B1 (ko) * | 2021-10-08 | 2022-05-02 | 주식회사 에이티센스 | 심전도 데이터 처리 서버, 분석 조건에 해당하는 신호 구간에 대한 분석 작업을 처리하는 방법 및 컴퓨터 프로그램 |
| KR102345010B1 (ko) * | 2021-10-13 | 2021-12-30 | 주식회사 에이티센스 | 심전도 데이터 처리 서버, 대상체의 심전도 신호에 대한 분석 데이터를 생성하여 처리하는 방법 및 컴퓨터 프로그램 |
| CN116797494B (zh) * | 2023-08-17 | 2023-11-21 | 中南大学湘雅医院 | 一种基于图像处理的产科手术监测方法、系统及相关设备 |
Family Cites Families (94)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4835690A (en) * | 1985-11-19 | 1989-05-30 | Picker International, Inc. | Integrated expert system for medical imaging scan, set-up, and scheduling |
| 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 |
| DE69131681T2 (de) * | 1990-11-22 | 2000-06-08 | Toshiba Kawasaki Kk | Rechnergestütztes System zur Diagnose für medizinischen Gebrauch |
| 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 |
| US20030212579A1 (en) * | 2002-05-08 | 2003-11-13 | Brown Stephen J. | Remote health management system |
| US5359513A (en) * | 1992-11-25 | 1994-10-25 | Arch Development Corporation | Method and system for detection of interval change in temporally sequential chest images |
| EP0973116A1 (en) * | 1993-03-01 | 2000-01-19 | 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 |
| US6725209B1 (en) * | 1993-12-29 | 2004-04-20 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system and method including mental status examination |
| US6022315A (en) * | 1993-12-29 | 2000-02-08 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including network access |
| US6206829B1 (en) * | 1996-07-12 | 2001-03-27 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including network access |
| US5935060A (en) * | 1996-07-12 | 1999-08-10 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including list based processing |
| 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 |
| WO1996012187A1 (en) * | 1994-10-13 | 1996-04-25 | 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 |
| US7384410B2 (en) * | 1995-03-13 | 2008-06-10 | Cardinal Health 303, Inc. | System and method for managing patient care |
| 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 |
| US6039688A (en) * | 1996-11-01 | 2000-03-21 | Salus Media Inc. | Therapeutic behavior modification program, compliance monitoring and feedback system |
| US20010041884A1 (en) * | 1996-11-25 | 2001-11-15 | Frey Rudolph W. | Method for determining and correcting vision |
| US5987345A (en) * | 1996-11-29 | 1999-11-16 | Arch Development Corporation | Method and system for displaying medical images |
| US6236706B1 (en) * | 1996-12-12 | 2001-05-22 | General Electric Company | Methods and apparatus for predicting contrast agent uptake in a computed tomography system |
| 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 |
| CA2284168A1 (en) * | 1997-03-13 | 1998-09-17 | First Opinion Corporation | Disease management system |
| 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 |
| AU5460299A (en) * | 1998-07-24 | 2000-02-14 | Jarg Corporation | Distributed computer database system and method for performing object search |
| US6338713B1 (en) * | 1998-08-18 | 2002-01-15 | Aspect Medical Systems, Inc. | System and method for facilitating clinical decision making |
| 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 |
| US7593952B2 (en) * | 1999-04-09 | 2009-09-22 | Soll Andrew H | Enhanced medical treatment system |
| 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 |
| CN1378677A (zh) * | 1999-08-09 | 2002-11-06 | 韦克森林大学 | 生成电子多媒体报告的一种方法和计算机实现程序 |
| 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 |
| US6980958B1 (en) * | 2000-01-11 | 2005-12-27 | Zycare, Inc. | Apparatus and methods for monitoring and modifying anticoagulation therapy of remotely located patients |
| WO2001059687A1 (en) * | 2000-02-09 | 2001-08-16 | Patientpower.Com, Llc | 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 |
| US6823213B1 (en) * | 2000-04-28 | 2004-11-23 | Medtronic, Inc. | Implantable medical device and method using integrated T-wave alternans analyzer |
| US20030036683A1 (en) * | 2000-05-01 | 2003-02-20 | Kehr Bruce A. | Method, system and computer program product for internet-enabled, patient monitoring system |
| 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 |
| US20020082865A1 (en) * | 2000-06-20 | 2002-06-27 | Bianco Peter T. | Electronic patient healthcare system and method |
| US6678703B2 (en) * | 2000-06-22 | 2004-01-13 | Radvault, Inc. | Medical image management system and method |
| US20020016718A1 (en) * | 2000-06-22 | 2002-02-07 | Rothschild Peter A. | Medical image management system and method |
| AUPQ842800A0 (en) * | 2000-06-28 | 2000-07-20 | Aivision Pty Ltd | Flat screen vision testing |
| WO2002005702A2 (en) * | 2000-07-18 | 2002-01-24 | Healthetech, Inc. | Closed loop glycemic index system |
| US7698154B2 (en) * | 2000-07-20 | 2010-04-13 | Marfly 1, LP | 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 |
| US7024398B2 (en) * | 2000-11-02 | 2006-04-04 | Scientific Learning Corporation | Computer-implemented methods and apparatus for alleviating abnormal behaviors |
| US7556602B2 (en) * | 2000-11-24 | 2009-07-07 | U-Systems, Inc. | Breast cancer screening with adjunctive ultrasound mammography |
| US7103205B2 (en) * | 2000-11-24 | 2006-09-05 | U-Systems, Inc. | Breast cancer screening with ultrasound image overlays |
| US20020127578A1 (en) * | 2000-11-27 | 2002-09-12 | Susana Salceda | 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 |
| CN1554025A (zh) * | 2001-03-12 | 2004-12-08 | Īŵ���ɷ�����˾ | 患病状态的细胞为基础的检测和鉴别 |
| 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 |
| US20030077576A1 (en) * | 2001-03-20 | 2003-04-24 | Joann Trial | 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 |
| WO2003001983A2 (en) * | 2001-06-28 | 2003-01-09 | Mount Sinai School Of Medicine Of New York University | 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 |
| US6741730B2 (en) * | 2001-08-10 | 2004-05-25 | Visiongate, Inc. | Method and apparatus for three-dimensional imaging in the fourier domain |
| 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 |
-
2002
- 2002-12-18 US US10/324,046 patent/US20040122787A1/en not_active Abandoned
-
2003
- 2003-11-20 AU AU2003295699A patent/AU2003295699A1/en not_active Abandoned
- 2003-11-20 JP JP2004565052A patent/JP2006511882A/ja not_active Withdrawn
- 2003-11-20 EP EP03786900A patent/EP1576523A2/en not_active Withdrawn
- 2003-11-20 WO PCT/US2003/037102 patent/WO2004061744A2/en active Application Filing
- 2003-11-20 KR KR1020057011375A patent/KR20050085778A/ko not_active Application Discontinuation
- 2003-11-20 CN CNA2003801097184A patent/CN1748217A/zh active Pending
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7814035B2 (en) | 2005-11-04 | 2010-10-12 | Microsoft Corporation | Large-scale information collection and mining |
| US7647285B2 (en) | 2005-11-04 | 2010-01-12 | Microsoft Corporation | Tools for health and wellness |
| WO2008055020A1 (en) * | 2006-11-02 | 2008-05-08 | Microsoft Corporation | Tools for health and wellness |
| KR100886371B1 (ko) * | 2007-04-10 | 2009-03-04 | 한국전기연구원 | 직업별 개인 노출자계 추정 방법 |
| WO2008127627A1 (en) * | 2007-04-12 | 2008-10-23 | Warren Pamela A | Psychological disability evaluation software, methods and systems |
| KR101463476B1 (ko) * | 2007-09-11 | 2014-11-24 | (주) 임픽스 | 검사 결과를 통합하여 관리하는 방법 및 그 시스템 |
| WO2009149126A2 (en) * | 2008-06-02 | 2009-12-10 | New York University | Method, system, and computer-accessible medium for classification of at least one ictal state |
| WO2009149126A3 (en) * | 2008-06-02 | 2010-03-04 | New York University | Method, system, and computer-accessible medium for classification of at least one ictal state |
| US8971501B2 (en) | 2009-04-13 | 2015-03-03 | Priority Dispatch Corporation | Methods and systems to identify code hierarchy bias in medical priority dispatch systems |
| WO2012100052A3 (en) * | 2011-01-19 | 2012-11-01 | Clawson Jeffrey J | Meningitis diagnostic and intervention tool for emergency dispatch |
| US8873719B2 (en) | 2013-01-31 | 2014-10-28 | Jeffrey J. Clawson | Active assailant protocol for emergency dispatch |
| US9319859B2 (en) | 2013-01-31 | 2016-04-19 | Jeffrey J. Clawson | System and method for text messaging for emergency response |
| US9491605B2 (en) | 2013-01-31 | 2016-11-08 | Jeffrey J. Clawson | Text messaging for emergency response |
| KR101412369B1 (ko) * | 2013-02-01 | 2014-07-02 | 고려대학교 산학협력단 | 영상의 객체 검출 방법 및 장치 |
| KR20160097903A (ko) | 2015-02-10 | 2016-08-18 | 가천대학교 산학협력단 | 네트워크 기반의 약제 효능 평가 장치 및 방법 |
| KR101629144B1 (ko) * | 2015-03-12 | 2016-06-09 | 한양대학교 에리카산학협력단 | 실시간 생체 데이터 모니터링을 위한 hl7 메시지 간소화 장치 및 방법 |
| US9516166B1 (en) | 2015-05-28 | 2016-12-06 | Jeffrey J. Clawson | Chemical suicide protocol for emergency response |
| US10657614B2 (en) | 2015-12-23 | 2020-05-19 | Jeffrey J. Clawson | Locator diagnostic system for emergency dispatch |
| US9877171B2 (en) | 2016-04-08 | 2018-01-23 | Jeffrey J. Clawson | Picture/video messaging protocol for emergency response |
| WO2019098777A1 (ko) * | 2017-11-16 | 2019-05-23 | 경희대학교 산학협력단 | 치매 환자 관리 방법 및 그 시스템 |
| US10699548B2 (en) | 2018-04-19 | 2020-06-30 | Jeffrey J. Clawson | Expedited dispatch protocol system and method |
| KR20190073330A (ko) * | 2019-06-14 | 2019-06-26 | 주식회사 아이메디신 | 심층신경망을 이용한 자동 뇌파 잡음 제거 방법 및 장치 |
| KR102136207B1 (ko) * | 2019-12-31 | 2020-07-21 | 주식회사 클리노믹스 | 유전자 정보 개인 맞춤형 소셜 컨텐츠 정보 제공 시스템 및 그 방법 |
| WO2021137539A1 (ko) * | 2019-12-31 | 2021-07-08 | 주식회사 클리노믹스 | 유전자 정보 개인 맞춤형 소셜 컨텐츠 정보 제공 시스템 및 그 방법 |
| KR20220039046A (ko) * | 2020-09-21 | 2022-03-29 | 가톨릭대학교 산학협력단 | 전립선 암 재발 예측 장치, 방법 및 이를 이용한 애플리케이션 |
| KR20220143402A (ko) * | 2021-04-16 | 2022-10-25 | 오성민 | 의약품 개발을 위한 데이터 분석 방법 및 시스템 |
| US11910471B2 (en) | 2021-04-23 | 2024-02-20 | Priority Dispatch Corp. | System and method for emergency dispatch |
| US11937160B2 (en) | 2021-04-23 | 2024-03-19 | Priority Dispatch Corporation | System and method for emergency dispatch |
Also Published As
| Publication number | Publication date |
|---|---|
| US20040122787A1 (en) | 2004-06-24 |
| AU2003295699A1 (en) | 2004-07-29 |
| WO2004061744A3 (en) | 2005-06-09 |
| WO2004061744A2 (en) | 2004-07-22 |
| JP2006511882A (ja) | 2006-04-06 |
| EP1576523A2 (en) | 2005-09-21 |
| CN1748217A (zh) | 2006-03-15 |
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 | |
| KR20050085778A (ko) | 의료 데이터 처리 방법 및 데이터 처리 시스템 | |
| KR20050084394A (ko) | 컴퓨터 보조 방법 | |
| US20040122709A1 (en) | Medical procedure prioritization system and method utilizing integrated knowledge base | |
| US20040122704A1 (en) | Integrated medical knowledge base interface system and method | |
| US20040122703A1 (en) | Medical data operating model development system and method | |
| US20040122719A1 (en) | Medical resource processing system and method utilizing multiple resource type data | |
| US20040122707A1 (en) | Patient-driven medical data processing system and method | |
| US20040122705A1 (en) | Multilevel integrated medical knowledge base 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 | |
| US11037070B2 (en) | Diagnostic test planning using machine learning techniques | |
| US20190051420A1 (en) | Evolving contextual clinical data engine for medical data processing | |
| CN108028077A (zh) | 用于整合临床护理的信息学平台 | |
| KR20100096224A (ko) | 효과적인 영상을 위한 시스템 및 방법 | |
| WO2008109815A1 (en) | Medical information management system | |
| 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 | |
| Borovska et al. | Internet of medical imaging Things and analytics in support of precision medicine for early diagnostics of thyroid cancer | |
| US20090024413A1 (en) | Method and system to manage cross institutional mamma carcinoma care plans | |
| Yazdanian | Oncology information system: A qualitative study to identify cancer patient care workflows | |
| Nowak et al. | Development of image-based decision support systems utilizing information extracted from radiological free-text report databases with text-based transformers | |
| Haldorai et al. | Biomedical informatics and computation in urban e-health | |
| Chaudhary et al. | Artificial Intelligence (AI) in Healthcare: Issues, Applications, and Future |
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 |