KR20220038017A - 임상 워크플로 결정을 자동화하고 우선 순위 판독 표시자를 생성하기 위한 시스템 및 방법 - Google Patents

임상 워크플로 결정을 자동화하고 우선 순위 판독 표시자를 생성하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20220038017A
KR20220038017A KR1020217033687A KR20217033687A KR20220038017A KR 20220038017 A KR20220038017 A KR 20220038017A KR 1020217033687 A KR1020217033687 A KR 1020217033687A KR 20217033687 A KR20217033687 A KR 20217033687A KR 20220038017 A KR20220038017 A KR 20220038017A
Authority
KR
South Korea
Prior art keywords
patient
output
health care
data
image data
Prior art date
Application number
KR1020217033687A
Other languages
English (en)
Inventor
비아오 첸
전쉐 징
아쉬위니 크쉬르사가
니콜라오스 카나치오스
하이리 추이
Original Assignee
홀로직, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 홀로직, 인크. filed Critical 홀로직, 인크.
Publication of KR20220038017A publication Critical patent/KR20220038017A/ko

Links

Images

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/025—Tomosynthesis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/502—Clinical applications involving diagnosis of breast, i.e. mammography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioethics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Dentistry (AREA)

Abstract

본 개시내용의 예는 임상 워크플로 결정을 자동화하기 위한 시스템 및 방법을 설명한다. 양태에서, 환자 데이터는 환자 기록, 영상 데이터 등과 같은 여러 데이터 소스로부터 수집될 수 있다. 환자 데이터는 인공 지능(AI) 구성요소를 사용하여 처리될 수 있다. AI 구성요소의 출력은 건강 관리 전문가가 환자에 대한 건강 관리 결정을 알리는 데 사용될 수 있다. AI 구성요소의 출력 및 건강 관리 결정 및 건강 관리 경로와 관련된 추가 정보는 결정 분석 구성요소에 대한 입력으로서 제공될 수 있다. 결정 분석 구성요소는 입력을 처리하고 건강 관리 전문가의 건강 관리 결정을 추가로 알리기 위해 사용될 수 있는 자동화된 건강 관리 권장을 출력할 수 있다. 일부 양태에서, 결정 분석 구성요소의 출력은 환자 건강 관리와 관련된 하나 이상의 동작을 수행하기 위한 우선 순위 또는 타임라인을 결정하는 데 사용될 수 있다.

Description

임상 워크플로 결정을 자동화하고 우선 순위 판독 표시자를 생성하기 위한 시스템 및 방법
관련 출원에 대한 상호 참조
본 출원은 2020년 7월 31일자로 PCT 국제 특허 출원으로서 출원되었으며 2019년 7월 31일자로 출원된 "SYSTEMS AND METHODS FOR AUTOMATING CLINICAL WORKFLOW DECISIONS"라는 명칭의 미국 가특허 출원 제62/881,156호; 및 2019년 11월 27일자로 출원된 "SYSTEMS AND METHODS FOR AUTOMATING CLINICAL WORKFLOW DECISIONS AND GENERATING A PRIORITY READ INDICATOR"라는 명칭의 미국 가특허 출원 제62/941,601호에 대한 우선권 및 이익을 주장하고, 이들 출원의 개시내용은 그 전체가 본 명세서에 참조로 포함된다.
현대의 유방 관리에는 환자 이력, 건강 관리 전문가 경험, 이용한 영상 기법 등과 같은 다양하고 복잡한 요인과 데이터 포인트에 대한 분석이 수반된다. 이 분석을 통해 건강 관리 전문가는 유방 관리 품질과 환자 경험을 최적화할 유방 관리 경로를 결정할 수 있다. 그러나, 이러한 결정은 주관적이므로, 건강 관리 전문가마다 상당히 다를 수 있다. 결과적으로, 일부 환자에게는 최적이 아닌 유방 관리 경로가 제공되어, 병원 비용이 증가되고 환자 경험이 감소될 수 있다.
본 명세서에 개시된 양태는 이들 및 기타 일반적인 고려 사항과 관련하여 이루어졌다. 또한, 상대적으로 특정한 문제가 설명될 수 있지만, 예는 본 개시내용의 배경 또는 다른 곳에서 확인된 특정한 문제를 해결하는 것으로 제한되어서는 안 된다는 것을 이해하여야 한다.
본 개시내용의 예는 임상 워크플로 결정을 자동화하기 위한 시스템 및 방법을 설명한다. 양태에서, 환자 데이터는 환자 기록, 건강 관리 전문가 메모/평가, 영상 데이터 등과 같은 여러 데이터 소스로부터 수집될 수 있다. 환자 데이터는 인공 지능(artificial intelligence)(AI) 구성요소를 사용하여 처리될 수 있다. AI 구성요소의 출력은 건강 관리 전문가가 한 명 이상의 환자에 대한 건강 관리 결정을 알리는 데 사용될 수 있다. AI 구성요소의 출력, 건강 관리 전문가의 건강 관리 결정과 관련된 정보, 및/또는 보충 건강 관리 관련 정보는 결정 분석 구성요소에 입력으로서 제공될 수 있다. 결정 분석 구성요소는 입력을 처리하고 건강 관리 전문가의 건강 관리 결정을 추가로 알리기 위해 사용될 수 있는 자동화된 건강 관리 권장을 출력할 수 있다. 일부 양태에서, 결정 분석 구성요소의 출력은 환자 건강 관리와 관련된 하나 이상의 동작을 수행하기 위한 우선 순위 또는 타임라인을 결정하는 데 사용될 수 있다. 예를 들어, 결정 분석 구성요소의 출력은 환자 영상 데이터를 평가하기 위한 우선 순위 또는 중요도 레벨을 나타낼 수 있다.
본 개시내용의 양태는, 적어도 하나의 프로세서; 및 적어도 하나의 프로세서에 결합된 메모리로서, 메모리는, 적어도 하나의 프로세서에 의해 실행될 때, 하나 이상의 데이터 소스로부터 환자 데이터를 수집하는 단계; 환자 데이터를 제1 인공 지능(AI) 알고리즘에 제공하여 환자 데이터의 특징을 분석하는 단계; 제1 AI 알고리즘으로부터 제1 출력을 수신하는 단계; 제1 출력을 제2 AI 알고리즘에 제공하여 환자 관리를 위한 임상 워크플로 결정을 결정하는 단계; 제2 AI 알고리즘으로부터 제2 출력을 수신하는 단계 - 제2 출력은 자동화된 환자 관리 권장을 포함함 -; 및 건강 관리 전문가에게 자동화된 환자 관리 권장을 제공하는 단계를 포함하는 방법을 수행하는 컴퓨터 실행 가능한 명령어를 포함하는, 메모리를 포함하는 시스템을 제공한다.
본 개시내용의 양태는, 하나 이상의 데이터 소스로부터 환자 데이터를 수집하는 단계; 환자 데이터를 제1 인공 지능(AI) 구성요소에 제공하여 환자 데이터의 특징을 분석하는 단계; 제1 AI 구성요소로부터 제1 출력을 수신하는 단계; 제1 출력을 제2 AI 구성요소에 제공하여 환자 관리를 위한 임상 워크플로 결정을 결정하는 단계; 제2 AI 구성요소로부터 제2 출력을 수신하는 단계 - 제2 출력은 자동화된 환자 관리 권장을 포함함 -; 및 건강 관리 전문가에게 자동화된 환자 관리 권장을 제공하는 단계를 포함하는 방법을 추가로 제공한다.
본 개시내용의 양태는, 적어도 하나의 프로세서; 및 적어도 하나의 프로세서에 결합된 메모리로서, 메모리는, 적어도 하나의 프로세서에 의해 실행될 때, 하나 이상의 데이터 소스로부터 이미지 데이터를 수집하는 단계; 이미지 데이터를 평가하여 하나 이상의 특징을 식별하는 단계; 하나 이상의 특징에 기초하여 신뢰도 점수를 계산하는 단계; 신뢰도 점수를 임계값과 비교하는 단계; 및 신뢰도 점수가 임계값을 초과할 때, 이미지 데이터에 높은 평가 우선 순위를 할당하는 단계를 포함하는 방법을 수행하는 컴퓨터 실행 가능한 명령어를 포함하는, 메모리를 포함하는 시스템을 추가로 제공한다.
이 요약은 아래의 상세한 설명에서 추가로 설명되는 일련의 개념을 단순화된 형태로 소개하기 위해 제공된다. 이 요약은 청구된 주제의 핵심 특징 또는 필수 특징을 식별하기 위한 것이 아니며, 청구된 주제의 범위를 제한하는 데 사용되도록 의도되지도 않는다. 예의 추가적인 양태, 특징 및/또는 이점은 이어지는 설명에서 부분적으로 기재될 것이고 부분적으로 설명으로부터 명백할 것이며, 또는 본 개시내용의 실시에 의해 학습될 수 있다.
하기 도면을 참조하여 비제한적이고 총망라하지 않은 예가 설명된다.
도 1은 본 명세서에 설명된 바와 같이, 임상 워크플로 결정을 자동화하기 위한 예시적인 시스템의 개요를 예시한다.
도 2는 본 명세서에 설명된 바와 같이, 임상 워크플로 결정을 자동화하기 위한 예시적인 프로세스 흐름의 도면이다.
도 3은 본 명세서에 설명된 바와 같이, 임상 워크플로 결정을 자동화하기 위한 예시적인 결정 처리 시스템의 개요를 예시한다.
도 4는 본 명세서에 설명된 바와 같이, 임상 워크플로 결정을 자동화하기 위한 예시적인 방법을 예시한다.
도 5는 본 명세서에 설명된 바와 같이, 이미지 판독 우선 순위를 결정하기 위한 예시적인 방법을 예시한다.
도 6a는 본 명세서에 설명된 자동화된 임상 워크플로 결정과 관련된 예시적인 사용자 인터페이스를 예시한다.
도 6b는 도 6a의 예시적인 사용자 인터페이스와 관련된 분석 다이얼로그 인터페이스를 예시한다.
도 7은 본 실시예 중 하나 이상이 구현될 수 있는 적절한 운영 환경의 일 예를 예시한다.
의료 영상은 인체 내에서 암이나 기타 상태와 같은 이상을 식별하고 진단하는 데 널리 사용되는 도구가 되었다. 유방 조영술(mammography) 및 단층 영상 합성(tomosynthesis)과 같은 의료 영상 프로세스는 유방암 또는 유방의 기타 병변을 선별하거나 진단하기 위해 유방을 영상화하는 데 특히 유용한 도구이다. 단층 영상 합성 시스템은 제한된 각도 단층 영상 합성에 기초하여 고해상도 유방 영상을 가능하게 하는 유방 조영술 시스템이다. 단층 영상 합성은 일반적으로 유방의 전체 두께를 통해 유방의 개별 층 또는 슬라이스인 복수의 X선 이미지를 생성한다. 종래의 2차원(2D) 유방 조영술 시스템과 달리, 단층 영상 합성 시스템은 일련의 X선 투영 이미지를 취득하며, 각각의 투영 이미지는 X선 소스가 유방 위에서 원호와 같은 경로를 따라 이동할 때 상이한 각도 변위에서 획득된다. 종래의 컴퓨터 단층 촬영(computed tomography)(CT)과 달리, 단층 영상 합성은 통상적으로 유방 둘레의 X선 소스의 제한된 각도 변위에서 획득된 투영 이미지를 기초로 한다. 단층 영상 합성은 2D 유방 조영술 영상에 존재하는 조직 중첩 및 구조 노이즈에 의해 유발되는 문제를 감소시키거나 제거한다.
현대의 유방 관리 센터에서는, 의료 영상을 사용하여 생성된 이미지를 다양한 건강 관리 전문가가 평가하여 환자를 위한 최적의 유방 관리 경로를 결정한다. 그러나, 이 평가는 영상 데이터 및 시스템, 환자 정보 및 기록, 병원 정보 시스템, 건강 관리 전문가 지식 및 경험, 임상 진료 지침, AI 진단 시스템 및 출력 등의 복잡성을 고려할 때 부담스러울 수 있다. 결과적으로, 평가는 건강 관리 전문가마다 상당히 다른 건강 관리 결정을 내릴 수 있다. 건강 관리 결정의 차이로 인해 일부 건강 관리 전문가는 일부 환자에게 최적이 아닌 건강 관리 경로를 제공할 수 있다. 이러한 최적이 아닌 건강 관리 경로는 환자 경험을 상당히 감소시킬 수 있다.
더욱이, 의료 영상 평가는 통상적으로 다수의 선별 피검자(예를 들어, 수백 명 이상)에 대한 이미지 데이터를 수집하는 일괄 판독 프로세스를 포함한다. 일반적으로, 선별 피검자가 영상 시설을 떠난 후, 유방 조영술 방사선 전문의의 가용성에 따라 수집된 이미지 데이터를 일괄적으로 평가("판독")된다. 실행 가능한(또는 잠재적으로 실행 가능한) 콘텐츠가 일괄 판독 프로세스 동안 평가된 이미지에서 식별되면, 각각의 선별 피검자는 후속 영상 및/또는 생검을 위해 "소환" (예를 들어, 영상 시설로 다시 호출)된다. 일정 계획 및 기타 충돌로 인해, 선별(이미지 취득)과 소환 사이의 시간 지연은 며칠 또는 몇 주가 걸릴 수 있다. 이러한 지연은, 예를 들어 공격적인 암의 경우에 바람직하지 않은 결과를 초래할 수 있다. 지연은 또한 최종적으로 이상이 없는 것으로 결정된 선별 피검자에 대해 과도한 스트레스와 불안을 유발할 수 있다.
최적이 아닌 건강 관리 결정에 관한 이러한 문제를 해결하기 위해, 본 개시내용은 건강 관리 전문가 결정을 지원하기 위해 임상 워크플로 결정을 자동화하기 위한 시스템 및 방법을 설명한다. 양태에서, 한 명 이상의 환자(또는 "선별 피검자")에 대한 환자 데이터는 건강 관리 전문가, 의료 시설, 또는 이와 제휴된 서비스가 액세스할 수 있는 다중 데이터 소스로부터 수집될 수 있다. 본 명세서에 사용되는 바와 같이, 환자 데이터는 환자 이름/식별자, 환자 개인 정보, 의료 이미지, 활력 징후 및 기타 진단 정보, 방문 이력, 이전 치료, 이전에 진단된 상태/장애/질병, 처방된 약물 등과 관련된 정보를 지칭할 수 있다. 데이터 소스의 예는 환자 방문 정보, 환자 전자 의료 기록(patient electronic medical record)(EMR), 병원 정보 시스템(hospital information system)(HIS), 및 의료 영상 시스템을 포함하지만 이에 제한되지 않는다. 예에서, 환자 데이터 수집 프로세스는 수동으로, 자동으로 또는 이들의 일부 조합으로 수행될 수 있다.
환자 데이터를 수집한 후, 환자 데이터는 AI 처리 구성요소에 제공될 수 있다. AI 처리 구성요소는 하나 이상의 규칙 세트, 알고리즘 또는 모델을 이용할 수 있다. 본 명세서에서 사용되는 바와 같이 모델은 하나 이상의 문자 시퀀스, 클래스, 객체, 결과 세트 또는 이벤트에 대한 확률 분포를 결정하고 및/또는 하나 이상의 예측 인자로부터 응답 값을 예측하는 데 사용될 수 있는 예측 또는 통계 유틸리티 또는 프로그램을 지칭할 수 있다. 모델은 하나 이상의 규칙 세트, 기계 학습, 신경망 등을 기초로 하거나 이를 통합할 수 있다. 예에서, AI 처리 구성요소는 환자 데이터를 처리하고 하나 이상의 출력을 제공할 수 있다. 예시적인 출력은 유방 조성/밀도 카테고리 점수, 컴퓨터 지원 검출 마커(예를 들어, 유방에서 검출된 석회화 및 종괴를 위한), 계산된 방사 측정 특징(radiometric feature), 유방암 위험 평가 결과 등을 포함하지만 이에 제한되지 않는다. 본 명세서에 사용된 바와 같이 유방 조성/밀도 카테고리 점수는 섬유 유선 조직(fibroglandular tissue)으로 구성된 유방의 비율을 나타낼 수 있다. 일반적으로, 밀도가 높은 유방에는 정상 세포가 암세포로 변환하는 데에 중요한 인자인 상피 세포, 기질 세포, 콜라겐이 다량 함유되어 있다. 여기서 사용된 바와 같이 컴퓨터 지원 검출 마커는 이미지에 추가된(또는 오버레이되는) 디지털 기하학적 형태(예를 들어, 삼각형, 원, 정사각형 등)을 지칭할 수 있다. 검출 마커는 컴퓨터 지원 검출 소프트웨어 및/또는 기계 학습 알고리즘을 사용하여 병변 또는 진단적으로 흥미로운 객체가 검출된 유방의 영역을 나타낼 수 있다. 본 명세서에 사용되는 바와 같이, 방사 측정 특징은 이미지의 정보 내용을 설명하는 특징을 지칭할 수 있다. 이러한 특성은 유방 밀도, 유방 형상, 유방 체적, 이미지 해상도 등과 관련된 이미지 속성/값을 포함할 수 있다.
양태에서, 출력 및/또는 환자 데이터는 하나 이상의 수신자 또는 수신자 디바이스에 제공될 수 있다. 수신자 디바이스의 예는 이미지 검토 워크스테이션, 의료 영상 시스템, 및 기술자 워크스테이션을 포함하지만 이에 제한되지 않는다. 건강 관리 전문가(및/또는 그와 관련된 사람)는 하나 이상의 건강 관리 결정 또는 경로를 알리기 위해 출력 및/또는 환자 데이터를 평가하도록 수신자 디바이스를 사용할 수 있다. 하나의 특정 예로서, 환자의 유방의 X선 이미지 세트 및 AI 처리 구성요소의 출력이 이미지 검토 워크스테이션에 제공될 수 있다. 의사는 이미지 검토 워크스테이션에 제공된 데이터를 평가하여 환자의 초기 또는 1차 유방 관리 경로를 결정할 수 있다. 본 명세서에 사용된 바와 같이 유방 관리 경로(또는 건강 관리 경로)는 질병 또는 상태의 하나 이상의 스테이지에서 진단, 개입, 치료 및/또는 보충 동작을 위한 결정 및 타이밍을 안내하기 위한 계획 또는 전략을 지칭할 수 있다. 일반적으로, 유방 관리 경로는 특정 문제 또는 상태가 있는 환자 집단을 관리(예를 들어, 관리 경로)하거나 특정 문제 또는 상태가 있는 개별 환자를 관리(예를 들어, 관리 계획)하기 위한 전략을 나타낼 수 있다. 다른 예로서, AI 처리 구성요소의 출력은 영상 시스템 또는 취득 공간에 제공될 수 있다. 기술자는 영상 시스템/취득 공간에 제공된 데이터를 평가하여 환자가 현장에 있는 동안 기술자가 진단 절차를 수행할 수 있게 할 수 있다.
양태에서, 권장된 건강 관리 경로를 출력하도록 구성된 결정 분석 구성요소에 다양한 입력이 제공될 수 있다. 결정 분석 구성요소는 AI 처리 구성요소와 관련하여 앞서 설명된 바와 같이 하나 이상의 규칙 세트, 알고리즘 또는 모델을 이용할 수 있다. 결정 분석 구성요소에 대한 예시적인 입력은 환자 데이터, AI 처리 구성요소의 출력, 건강 관리 전문가의 초기/일차 건강 관리 결정 및 진단 평가, 및 임상 전문가 기관의 건강 관리 진료 지침을 포함하지만 이에 제한되지 않는다. 결정 분석 구성요소는 다양한 입력을 처리하고 하나 이상의 출력을 제공할 수 있다. 예시적인 출력은 자동화된 환자 건강 관리 권장, 건강 관리 전문가 결정에 대한 평가, 권장 치료 및 절차, 치료/절차 수행 지침, 진단 및 개입 보고서, 자동 예약 일정 계획, 평가 우선 순위 또는 타임라인을 포함하지만 이에 제한되지 않는다. 예에서, 결정 분석 구성요소의 출력은 한 명 이상의 건강 관리 전문가에게 제공될 수 있다(또는 달리 액세스 가능하게 될 수 있다). 출력은 건강 관리 전문가의 건강 관리 결정을 추가로 알리기 위해 사용될 수 있다.
일부 양태에서, 결정 분석 구성요소 출력은 우선 순위 판독 표시자(priority read indicator)를 포함할 수 있다(또는 달리 나타낼 수 있다). 우선 순위 판독 표시자는 하나 이상의 의료 이미지에 대한 평가("판독") 우선 순위를 나타낼 수 있다. 예에서, 우선 순위 판독 표시자는 의료 이미지의 양태(잠재적으로 실행 가능한 병변의 특징과 같은)를 식별하고, 식별된 양태에 대한 신뢰도 수준을 결정하며, 결정된 신뢰도 수준을 임계값과 비교함으로써 결정될 수 있다. 임계값을 충족 및/또는 초과하는 이들 의료 이미지에는 "우선 순위" 상태 또는 값이 할당될 수 있다. 대안적으로, 의료 이미지에 대응하는 환자에게 "우선 순위" 상태 또는 값이 할당될 수 있다. 우선 순위 상태/값은 의료 이미지의 판독 또는 환자의 추가 평가에 평가 중요성 또는 타임라인을 배치하는 데 사용될 수 있다. 예를 들어, "높은" 우선 순위 상태를 갖는 의료 이미지는 정상 또는 더 낮은 우선 순위 상태의 의료 이미지 위의 판독 대기열에 배치될 수 있다. 의료 이미지의 "높은" 우선 순위 상태의 결과, 건강 관리 전문가는 의료 이미지를 즉시(또는 신속하게) 통지받을 수 있으며, 선별 피검자가 여전히 선별 시설에 있는 동안 의료 이미지를 평가할 수 있다. 다른 예로서, "높은" 우선 순위 상태를 갖는 환자는 즉시 추가 평가를 받을 수 있다. 예를 들어, 환자의 추가 의료 이미지를 수집할 수 있거나, 의료 전문가가 환자를 즉시 만날 수 있거나(또는 환자에게 할당될 수 있거나), 의료 예약/시술을 예정할 수 있다. 따라서, 우선 순위 판독 표시자는 이상 검출을 개선하고 환자 소환 횟수를 감소시킨다.
따라서, 본 개시내용은, 자동(또는 반자동) 임상 워크플로를 생성하는 것, 유방 관리 분석 및 위험 평가를 자동화하는 것, 자동화된 치료 및 절차 지침을 생성하는 것, 자동화된 진단 및 개입 보고서를 생성하는 것, 환자가 여전히 현장에 있는 동안 "동일 방문" 진단 절차가 수행될 수 있게 하는 것, 건강 관리 결정 마킹을 표준화하는 것, 건강 관리 권장을 최적화하는 것, 의료 이미지 평가 우선 순위를 결정하는 것, 및 특허 방문, 환자 불안, 병원 비용 및 장기간 치료를 감소시켜 환자 경험을 증가시키는 것을 포함하지만 이에 제한되지 않는 복수의 기술적 이점을 제공한다.
도 1은 본 명세서에 설명된 바와 같이 임상 워크플로 결정을 자동화하기 위한 예시적인 시스템의 개요를 예시한다. 제시된 예시적인 시스템(100)은 임상 워크플로 결정을 자동화하기 위한 일체형 시스템을 형성하기 위해 상호 작용하는 상호 의존적 구성요소의 조합이다. 시스템의 구성요소는 하드웨어 구성요소(예를 들어, 운영 체제(operating system)(OS)를 수행/실행하는 데 사용됨) 또는 시스템의 하드웨어 구성요소에서 구현되고, 및/또는 하드웨어 구성요소에 의해 실행되는 소프트웨어 구성요소(예를 들어, 어플리케이션, 어플리케이션 프로그래밍 인터페이스(application programming interface)(API), 모듈, 가상 기계, 런타임 라이브러리 등)일 수 있다. 하나의 예에서, 예시적인 시스템(100)은 소프트웨어 구성요소가 실행되고, 동작을 위해 설정된 제약을 따르고, 시스템(100)의 자원 또는 설비를 이용하기 위한 환경을 제공할 수 있다. 예를 들어, 소프트웨어는 개인용 컴퓨터(personal computer)(PC), 모바일 디바이스(예를 들어, 스마트 디바이스, 이동 전화, 태블릿, 랩톱, 개인용 정보 단말(personal digital assistant)(PDA) 등), 및/또는 임의의 다른 전자 디바이스와 같은 처리 디바이스에서 실행될 수 있다. 처리 디바이스 운영 환경의 예로서, 도 7에 도시된 예시적인 운영 환경을 참조한다. 다른 예에서, 본 명세서에 개시된 시스템의 구성요소는 다수의 디바이스에 걸쳐 분산될 수 있다. 예를 들어, 입력은 클라이언트 디바이스에 입력될 수 있고 정보는 하나 이상의 서버 디바이스와 같은 네트워크의 다른 디바이스를 사용하여 처리되거나 액세스될 수 있다.
하나의 예로서, 시스템(100)은 컴퓨팅 디바이스(102, 104, 106), 처리 시스템(108), 결정 시스템(110), 및 네트워크(112)를 포함할 수 있다. 본 기술 분야의 숙련자는 시스템(100)과 같은 시스템의 규모가 달라질 수 있고 도 1에 설명된 것보다 많거나 적은 구성요소를 포함할 수 있음을 이해할 것이다. 예를 들어, 일부 예에서, 처리 시스템(108) 및 결정 시스템(110)의 기능 및 구성요소는 단일 처리 시스템에 일체화될 수 있다. 대안적으로, 처리 시스템(108) 및/또는 결정 시스템(110)의 기능 및 구성요소는 다수의 시스템 및 디바이스에 걸쳐 분산될 수 있다.
컴퓨팅 디바이스(102, 104, 106)는 환자(114)와 같은 건강 관리 환자에 대한 환자 데이터를 수신하도록 구성될 수 있다. 컴퓨팅 디바이스(102, 104, 106)의 예는 의료 영상 시스템/디바이스(예를 들어, X선, 초음파 및/또는 자기 공명 영상(magnetic resonance imaging)(MRI) 디바이스), 의료 워크스테이션(예를 들어, EMR 디바이스, 이미지 검토 워크스테이션 등), 모바일 의료 디바이스, 환자 컴퓨팅 디바이스(예를 들어, 웨어러블 디바이스, 이동 전화 등), 및 유사한 처리 시스템 및 디바이스를 포함한다. 컴퓨팅 디바이스(102, 104, 106)는 건강 관리 시설 또는 관련 시설, 환자, 건강 관리 전문가 등에 위치할 수 있다. 예에서, 환자 데이터는 수동 또는 자동 프로세스를 사용하여 컴퓨팅 디바이스(102, 104, 106)에 제공될 수 있다. 예를 들어, 건강 관리 전문가는 수동으로 환자 데이터를 컴퓨팅 디바이스에 입력할 수 있다. 대안적으로, 환자의 디바이스는 하나 이상의 기준에 기초하여 의료 디바이스에 환자 데이터를 자동으로 업로드할 수 있다.
처리 시스템(108)은 환자 데이터를 처리하도록 구성될 수 있다. 양태에서, 처리 시스템(108)은 네트워크(112)를 통해 컴퓨팅 디바이스(102, 104, 106)와 같은 환자 데이터의 하나 이상의 소스에 액세스할 수 있다. 환자 데이터의 적어도 일부는 처리 시스템(108)에 대한 입력으로서 제공될 수 있다. 처리 시스템(108)은 하나 이상의 AI 처리 기술을 사용하여 입력을 처리할 수 있다. 처리된 입력에 기초하여, 처리 시스템(108)은 유방 조성 평가, 검출 마커, 방사 측정 특징 등과 같은 하나 이상의 출력을 생성할 수 있다. 출력은 컴퓨팅 디바이스(102, 104, 106)와 같은 시스템(100)의 다른 구성요소에 제공될(또는 액세스 가능하게 될) 수 있다. 예에서, 출력은 하나 이상의 건강 관리 전문가에 의해 평가되어 환자에 대한 건강 관리 경로를 결정할 수 있다. 예를 들어, 의사는 컴퓨팅 디바이스(106)를 사용하여 영상 시스템으로부터 수집된 X선 이미지 및 처리 시스템(108)로부터 수집된 검출 마커 결과를 평가할 수 있다. 평가에 기초하여, 의사는 환자에 대한 건강 관리 결정/계획을 결정할 수 있다.
결정 시스템(110)은 권장된 건강 관리 경로를 제공하도록 구성될 수 있다. 양태에서, 결정 시스템(110)은 환자 데이터의 하나 이상의 소스, 처리 시스템(108)으로부터의 출력, 진단 평가 및 메모, 건강 관리 진료 지침 등에 액세스할 수 있다. 이 데이터의 적어도 일부는 결정 시스템(110)에 대한 입력으로서 제공될 수 있다. 결정 시스템(110)은 하나 이상의 AI 처리 기술 또는 모델을 사용하여 입력을 처리할 수 있다. 예를 들어, 결정 시스템(110)은 인공 신경망, 지원 벡터 기계(support vector machine)(SVM), 선형 보강 모델, 랜덤 결정 포레스트(random decision forest), 또는 유사한 기계 학습 기술을 구현할 수 있다. 적어도 하나의 예에서, 결정 시스템(110)에 의해 수행되는 AI 처리 기술은 처리 시스템(108)에 의해 수행되는 것과 동일(또는 유사)할 수 있다. 이러한 예에서, 결정 시스템(110) 및 처리 시스템(108)의 기능은 단일 처리 시스템 또는 구성요소로 조합될 수 있다. 처리된 입력에 기초하여, 결정 시스템(110)은 자동화된 진단, 환자 관리 권장, 건강 관리 전문가 결정의 평가, 단계별 절차 지침 등과 같은 하나 이상의 출력을 생성할 수 있다. 양태에서, 출력(들)은 건강 관리 전문가의 건강 관리 결정을 추가로 알리기 위해 사용될 수 있다. 예를 들어, 의사는 결정 시스템(110)의 건강 관리 결정을 의사 자신의 건강 관리 결정과 비교하여 환자를 위한 최적의 건강 관리 경로를 결정할 수 있다.
도 2는 본 명세서에 설명된 바와 같이, 임상 워크플로 결정을 자동화하기 위한 예시적인 프로세스 흐름의 도면이다. 제시된 바와 같이, 예시적인 프로세스 흐름(200)은 환자 정보 기록(202), X선 영상 시스템(204), 이미지 검토 스테이션(206), AI 처리 구성요소(208), 결정 지원 장치(210), 진료 지침(212), 진단 보고서(214), 생검 권장(216), 방사선 권장(218), 수술 권장(220), 화학 요법 권장(222), 우선 순위 판독 표시자(223), 및 추가 영상 시스템(들)(224)을 포함한다. 본 기술 분야의 숙련자는 시스템(200)과 같은 시스템의 규모가 달라질 수 있고 도 2에 설명된 것보다 많거나 적은 구성요소를 포함할 수 있음을 이해할 것이다.
도 2에 예시된 바와 같이, 환자 데이터는 환자로부터 수집될 수 있다. 일부 양태에서, 환자 데이터는 건강 관리 시설을 방문하는 동안 환자로부터 수집될 수 있다. 다른 예에서, 환자가 건강 관리 시설을 방문하지 않는 동안 환자 데이터가 건강 관리 시설에 제공될 수 있다. 예를 들어, 환자 데이터는 환자 디바이스로부터 원격으로 하나 이상의 HIS 디바이스에 업로드될 수 있다. 프로세스 흐름(200)에서, 환자 정보 기록(202)은 이름 또는 식별자, 연락처 정보, 개인 정보, 진단 이력, 활력 징후 정보, 처방된 약물 등과 같은 환자 정보를 저장할 수 있다. X선 영상 시스템(204)은, 예를 들어 환자의 X선 유방 이미지를 생성 및/또는 저장할 수 있다. 추가 영상 시스템(들)(224)은, 예를 들어 환자의 초음파 유방 이미지 및/또는 MRI 유방 이미지를 생성 및/또는 저장할 수 있다.
양태에서, 환자 정보 기록(202)에 기록된 정보 및 X선 영상 시스템(204) 및 추가 영상 시스템(들)(224)을 사용하여 생성된 이미지(집합적으로 "환자 데이터"로 지칭됨)가 AI 처리 구성요소(208)에 제공될 수 있다. 예에서, AI 처리 구성요소(208)는 입력으로서 수신된 유방 이미지 데이터에 기초하여 환자의 유방의 하나 이상의 특성을 평가하도록 구성될 수 있다. 평가는 영상화된 유방 텍스처/조직의 분석 및 유방 이미지에서 하나 이상의 패턴의 식별을 포함할 수 있다. 제공된 환자 데이터에 기초하여, AI 처리 구성요소(208)는 유방 조성/밀도 카테고리 점수, 컴퓨터 지원 검출 마커(예를 들어, 유방에서 검출된 석회화 및 종괴를 위한), 계산된 방사 측정 특징, 및 유방암 위험 평가 결과와 같은 유방 평가 데이터를 생성할 수 있다. 유방 평가 데이터는 X선 영상 시스템(204) 및/또는 추가 영상 시스템(들)(224)에 제공될 수 있다. 기술자는, 예를 들어 환자에 대해 추가 영상을 수행할 지의 여부를 결정하기 위해 X선 영상 시스템(204) 및/또는 추가 영상 시스템(들)(224)에 제공되는 유방 평가 데이터를 평가할 수 있다. 유방 평가 데이터 및/또는 환자 데이터는 또한 이미지 검토 스테이션(206)에 제공될 수 있다. 의사는 이미지 검토 스테이션(206)에 제공된 정보, 뿐만 아니라 진료 지침(212)을 평가하여, 환자에 대한 진단 정보 및/또는 건강 관리 결정(집합적으로 "진단 보고서"라고 지칭됨)을 생성할 수 있다.
양태에서, 유방 평가 데이터, 환자 데이터, 및/또는 진단 보고서는 결정 지원 장치(210)에 제공될 수 있다. 제공된 정보 및/또는 진료 지침(212)에 기초하여, 결정 지원 장치(210)는 환자 건강 관리 권장, 건강 관리 전문가 결정의 평가, 권장 영상 절차, 권장 치료 및 절차, 치료/절차 수행 지침, 치료/절차의 우선 순위 및/또는 타임라인, 및 진단 보고서(214)와 같은 결정 정보를 자동으로 생성할 수 있다. 권장 치료 및 절차의 예는 생검 권장(216), 방사선 권장(218), 수술 권장(220), 및 화학 요법 권장(222)을 포함한다. 치료 및 절차 우선 순위/타임라인의 예는 우선 순위 판독 표시자(223)를 포함한다. 우선 순위 판독 표시자(223)는 의료 이미지를 평가하기 위한 상태, 값, 또는 날짜/시간을 포함하거나 이를 나타낼 수 있다. 일부 양태에서, 결정 정보는 하나 이상의 건강 관리 전문가(또는 이와 관련된 컴퓨팅 디바이스)에 액세스 가능하게 될 수 있다. 예를 들어, 프로세스 흐름(200)은 진단 보고서를 생성한 의사에게 제공되는 결정 정보를 도시한다. 다른 보다 구체적인 예로서, 프로세스 흐름(200)은 기술자, X선 영상 시스템(204), 및 이미지 검토 스테이션(206)에 제공되는 우선 순위 판독 표시자(223)를 도시한다.
도 3은 본 명세서에 설명된 바와 같이, 임상 워크플로 결정을 자동화하기 위한 예시적인 결정 처리 시스템(300)의 개요를 예시한다. 입력 결정 시스템(300)에 의해 구현되는 자동화된 임상 워크플로 기술은 도 1의 시스템에 설명된 자동화된 임상 워크플로 기술 및 데이터를 포함할 수 있다. 일부 예에서, 입력 결정 시스템(300)의 하나 이상의 구성요소(또는 그 기능)는 다수의 디바이스 및/또는 시스템에 걸쳐 분산될 수 있다. 다른 예에서, 단일 디바이스(적어도 프로세서 및/또는 메모리를 포함함)는 입력 결정 시스템(300)의 구성요소를 포함할 수 있다.
도 3과 관련하여, 입력 결정 시스템(300)은 데이터 수집 엔진(302), 결정 엔진(304), 및 출력 생성 엔진(306)을 포함할 수 있다. 데이터 수집 엔진(302)은 데이터 세트에 액세스하도록 구성될 수 있다. 양태에서, 데이터 수집 엔진(302)은 하나 이상의 환자에 관한 정보에 액세스할 수 있다. 정보는 환자 데이터(예를 들어, 환자 식별, 환자 의료 이미지, 환자 진단 정보 등), 유방 조성 평가, 검출 마커, 방사 측정 특징, 진단 평가 및 메모, 건강 관리 진료 지침 등을 포함할 수 있다. 일부 양태에서, 정보의 적어도 일부는 테스트 데이터 또는 훈련 데이터일 수 있다. 테스트/훈련 데이터는 하나 이상의 AI 모델 또는 알고리즘을 훈련하는 데 사용되는 라벨이 지정된 데이터 및 이미지를 포함할 수 있다.
결정 엔진(304)은 수신된 정보를 처리하도록 구성될 수 있다. 양태에서, 수신된 정보는 결정 엔진(304)에 제공될 수 있다. 결정 엔진(304)은 하나 이상의 AI 처리 알고리즘 또는 모델을 수신된 정보에 적용할 수 있다. 예를 들어, 결정 엔진(304)은 AI 기반 융합 알고리즘을 수신된 정보에 적용할 수 있다. AI 처리 알고리즘/모델은 수신된 정보를 평가하여 AI 처리 알고리즘/모델을 훈련하는 데 사용되는 훈련 데이터와 수신된 정보 사이의 상관 관계를 결정할 수 있다. 평가에 기초하여, 결정 엔진(304)은 환자 데이터와 관련된 하나 이상의 환자에 대한 최적의 건강 관리 경로 또는 권장을 식별하거나 결정할 수 있다. 일부 양태에서, 결정 엔진(304)은 이미지 판독 우선 순위를 추가로 식별하고 제공할 수 있다. 예를 들어, 결정 엔진(304)은 수신된 정보의 이미지에 "우선 순위" 상태를 할당할 수 있다.
출력 생성 엔진(306)은 수신된 정보에 대한 하나 이상의 출력을 생성하도록 구성될 수 있다. 양태에서, 출력 생성 엔진(306)은 결정 엔진(304)의 식별 또는 결정을 사용하여 하나 이상의 출력을 생성할 수 있다. 일 예로서, 출력 생성 엔진(306)은 콘트라스트 보강 MRI, 고급 초음파 영상(예를 들어, 전단 파동 영상, 콘트라스트 영상, 3D 영상 등), 및 양전자 방출 단층 촬영(positron emission tomography)(PET) 영상과 같은 하나 이상의 추가 영상 기법의 사용을 권장할 수 있다. 다른 예로서, 출력 생성 엔진(306)은 진단 정보 및 생검 절차, 화학 요법, 외과적 개입, 또는 방사선 요법에 대한 권장을 포함하는 종합 보고서를 생성할 수 있다. 권장은 자세한 절차 지침과 데이터 포인트와 의료 이미지 사이의 상관 관계를 포함할 수 있다. 특정 예로서, 생검 절차에 대해, 출력 생성 엔진(306)은 상관된 생검 이미지 및 X선, 초음파, 및 MRI 영상 시스템으로부터의 이전 진단 이미지와 함께 단계별 생검 지침을 제공할 수 있다.
본 명세서에 개시된 양태에 의해 채용될 수 있는 다양한 시스템을 설명하였지만, 본 개시내용은 이제 본 개시내용의 다양한 양태에 의해 수행될 수 있는 하나 이상의 방법을 설명할 것이다. 양태에서, 방법(400 및 500)은 도 1의 시스템(100) 또는 도 3의 결정 처리 시스템(300)과 같은 예시적인 시스템에 의해 실행될 수 있다. 예에서, 방법(400 및 500)은 동작, 프로그램 또는 명령어를 저장하고 실행하도록 구성된 적어도 하나의 프로세서를 포함하는 디바이스에서 실행될 수 있다. 그러나, 방법(400 및 500)은 이러한 예에 제한되지 않는다. 다른 예에서, 방법(400 및 500)은 임상 워크플로 결정을 자동화하기 위한 애플리케이션 또는 서비스에서 수행될 수 있다. 적어도 하나의 예에서, 방법(400 및 500)은 웹 서비스/분산 네트워크 서비스(예를 들어, 클라우드 서비스)와 같은 분산 네트워크의 하나 이상의 구성요소에 의해 실행(예를 들어, 컴퓨터 구현 동작)될 수 있다.
도 4는 본 명세서에 설명된 바와 같이 임상 워크플로 결정을 자동화하기 위한 예시적인 방법(400)을 예시한다. 예시적인 방법(400)은 환자 데이터가 하나 이상의 데이터 소스로부터 수집되는 동작(402)에서 시작한다. 양태에서, 데이터 수집 엔진(202)과 같은 데이터 수집 구성요소는 하나 이상의 데이터 소스로부터 환자 데이터를 수집할 수 있다. 예시적인 데이터 소스는 환자 방문 정보, 환자 EMR, 의료 시설 HIS 기록, 및 의료 영상 시스템을 포함한다. 예를 들어, 환자가 건강 관리 시설을 방문하는 동안, 건강 관리 시설에 의해 저장된(또는 액세스 가능한) 환자 정보 기록을 사용하여 환자 연령, 진단 이력, 라이프스타일 정보 등과 같은 환자의 개인 정보를 수집하거나 액세스할 수 있다. 환자 방문 동안, X선 영상 시스템을 사용하여 환자의 유방(들)에 대한 하나 이상의 2D 및/또는 3D X선 이미지를 생성할 수 있다. X선 이미지는 개인 정보와 조합(또는 달리 상관)될 수 있고 및/또는 하나 이상의 의료 기록 또는 건강 관리 시설의 의료 시스템에 저장될 수 있다.
양태에서, 데이터 수집 프로세스는 수동 및/또는 자동으로 시작될 수 있다. 예를 들어, 건강 관리 전문가는 환자로부터 환자 정보를 요청하고, 요청된 환자 정보를 환자 정보 기록에 입력함으로써 데이터 수집 프로세스를 수동으로 시작할 수 있다. 대안적으로, 데이터 수집 프로세스는 하나 이상의 기준이 충족되면 자동으로 시작될 수 있다. 예시적인 기준은 환자 체크인 이벤트, 진단 정보 또는 환자 건강 관리 경로를 HIS에 입력하는 것, 또는 이미지 검토 워크스테이션을 통해 디지털 유방 조영술 이미지를 평가하는 것을 포함할 수 있다. 예를 들어, 건강 관리 시설에서 환자 체크인 이벤트를 검출하는 것에 응답하여, 건강 관리 시설의 전자 시스템/서비스는 환자의 의료 기록 중 하나 이상으로부터 환자 정보를 자동으로 수집할 수 있다. 수집된 데이터는 현재 환자 방문에 대한 활성 작업 파일로 집계될 수 있다.
동작(404)에서, 환자 데이터는 처리 구성요소에 제공된다. 양태에서, 환자 데이터 중 하나 이상의 부분은 AI 처리 구성요소(208)와 같은 처리 구성요소에 제공될 수 있다. 처리 구성요소는 하나 이상의 규칙 세트, 알고리즘 또는 예측 모델일 수 있거나, 이를 포함할 수 있거나, 이에 대한 액세스를 가질 수 있다. 처리 구성요소는 AI 알고리즘 세트를 사용하여 정보를 처리하고 출력 그룹을 생성할 수 있다. 예를 들어, 위의 예에서 계속해서, 조합된 데이터(예를 들어, 환자의 개인 정보 및 X선 이미지)는 건강 관리 시설에 액세스할 수 있는 AI 시스템에 입력으로서 제공될 수 있다. AI 시스템은 단일 디바이스(예를 들어, 건강 관리 시설의 단일 워크스테이션)에서 구현되거나, 분산 컴퓨팅 환경의 다수의 디바이스에 걸쳐 다수의 디바이스에 분산 서비스/시스템으로서 제공될 수 있다. AI 시스템은 각각의 환자의 유방 속성(예를 들어, 패턴, 텍스처 등)을 분석하는 기계 학습 알고리즘을 사용하여 유방 평가를 수행하도록 구성될 수 있다. AI 시스템은 단일 디바이스(예를 들어, 건강 관리 시설의 단일 워크스테이션)에서 구현되거나, 분산 컴퓨팅 환경의 다수의 디바이스에 걸쳐 다수의 디바이스에 분산 서비스/시스템으로서 제공될 수 있다. 기계 학습 알고리즘을 조합된 데이터에 적용함으로써, AI 시스템은 영상화된 유방이 이질적으로 조밀함을 나타내는 X선 이미지의 하나 이상의 양태를 식별할 수 있다. 이러한 밀도 분류는, 예를 들어, 미국 영상 의학과(American College of Radiology)(ACR) 유방 영상 보고 및 데이터 시스템(Breast Imaging Reporting and Data System)(BI-RADS) 유방 조영 밀도(mammographic density)(MD) 평가 카테고리에 기초할 수 있다. AI 시스템은 X선 이미지에서 검출된 하나 이상의 석회화 또는 종괴를 나타내기 위해 X선 이미지에 검출 마커를 더 추가할 수 있다.
동작(406)에서, 처리 구성요소로부터 출력이 수신된다. 양태에서, 처리 구성요소는 환자 데이터로부터 하나 이상의 출력을 생성할 수 있다. 예시적인 출력은 유방 조성 카테고리 점수, 유방 밀도 평가, 컴퓨터 지원 검출 마커, 계산된 방사 측정 특징, 유방암 위험 평가 결과 등을 포함한다. 출력의 적어도 일부는 한 명 이상의 건강 관리 전문가 및/또는 건강 관리 시스템/디바이스에 제공될 수 있다. 예를 들어, 위의 예로부터 계속하여, AI 시스템은 영상화된 유방의 밀도 분류(예를 들어, 이질적으로 조밀함) 및/또는 대응 X선 이미지 데이터(예를 들어, 원본 X선 이미지, 검출 마커가 있는 X선 이미지 업데이트, 및/또는 석회화 또는 종괴 데이터 등)를 출력할 수 있다. AI 시스템 출력은 환자의 방사선 전문의 및/또는 의료 영상 기술자의 하나 이상의 컴퓨팅 디바이스(예를 들어, 워크스테이션, 모바일 디바이스 등)에 제공될 수 있다. AI 시스템 출력에 대한 방사선 전문의의 평가에 기초하여, 방사선 전문의는 환자의 유방에 대한 초음파 영상 수행을 권장할 수 있다. 권장에 응답하여, 의료 영상 기술자는 환자가 현장에 있는 동안(예를 들어, 현재 환자가 방문해 있는 동안) 권장 진단 절차(예를 들어, 확대/접촉 진단 검토 영상) 및/또는 보충 선별 절차(예를 들어, 초음파 영상)를 수행할 수 있다. 환자가 여전히 현장에 있는 동안 이들 절차를 수행하면 추가 의료 시설 방문을 피할 수 있고 일정 조정 예약과 관련된 의료 비용을 감소시킬 수 있다.
동작(408)에서, 처리 구성요소의 출력이 결정 구성요소에 제공된다. 양태에서, 처리 구성요소의 출력, 건강 관리 전문가 권장, X선 이미지 데이터, 진단/선별 절차로부터의 보충 데이터, 및 기타 환자 관련 정보는 결정 엔진(304)과 같은 결정 구성요소에 제공될 수 있다. 결정 구성요소는 하나 이상의 규칙 세트, 알고리즘 또는 예측 모델일 수 있거나, 이를 포함할 수 있거나, 이에 대한 액세스를 가질 수 있다. 결정 구성요소는 하나 이상의 AI 알고리즘을 사용하여 정보를 처리하고 출력 그룹을 생성할 수 있다. 예를 들어, 위의 예로부터 계속하여, 환자 데이터, AI 시스템 출력, X선 이미지 데이터, 초음파 이미지 데이터(방사선 전문의에 의해 권장됨), 방사선 전문의의 권장 데이터, 및 하나 이상의 임상 전문 기관(예를 들어, 미국 영상 의학과(ACR), 미국 종합 암 네트워크(National Comprehensive Cancer Network)(NCCN 등)으로부터의 진료 지침이 AI 기반 융합 알고리즘에 입력으로서 제공될 수 있다. AI 기반 융합 알고리즘은 한 명 이상의 환자에게 최적의 건강 관리 경로 또는 권장을 제공하도록 구성될 수 있다. 제공된 입력에 기초하여, AI 기반 융합 알고리즘은 외과적 개입이 환자에게 최적의 관리 계획이라고 결정할 수 있다.
동작(410)에서, 결정 구성요소로부터 출력이 수신된다. 양태에서, 결정 구성요소는 수신된 입력으로부터 하나 이상의 출력을 생성할 수 있다. 예시적인 출력은 자동화된 환자 건강 관리 권장, 건강 관리 전문가 결정에 대한 평가, 권장 치료 및 절차, 치료/절차 수행 지침, 진단 및 개입 보고서, 및 자동 예약 일정 계획을 포함한다. 예를 들어, 위의 예로부터 계속해서, AI 기반 융합 알고리즘에 제공된 입력에 기초하여, AI 기반 융합 알고리즘은 환자에 대한 진단 정보 및 환자에 대한 외과적 개입의 권장을 포함하는 종합 보고서를 출력할 수 있다. 외과적 개입에 대한 권장은 권장된 수술 절차를 수행하기 위한 특정 지침이 수반될 수 있다. 지침은 수술 이미지, 단계별 수술 지침, 컴퓨터 지원 검출 마커, 권장 약물, 회복 절차 등을 포함할 수 있다.
동작(412)에서, 자동화된 환자 건강 관리 권장이 건강 관리 전문가에게 제공된다. 양태에서, 결정 구성요소(또는 그 부분들)로부터의 출력은 하나 이상의 타겟에 제공될 수 있다. 예시적인 타겟은 건강 관리 전문 디바이스, 의료 시설 디바이스, 환자 디바이스, 데이터 아카이브, 하나 이상의 처리 시스템 등을 포함한다. 타겟은 자동화된 환자 건강 관리 권장을 평가하여 타겟 자신의 환자 건강 관리 권장을 알리거나 평가할 수 있다. 예를 들어, 위의 예로부터 계속하여, 외과적 개입에 대한 종합 보고서 및 권장이 환자의 방사선 전문의의 하나 이상의 컴퓨팅 디바이스에 제공될 수 있다. 종합 보고서에 따르면, 방사선 전문의의 93%가 환자와 유사한 환자 데이터 및 환자의 출력과 유사한 AI 시스템 출력을 갖는 환자에 대해 외과적 개입을 권장했음이 나타날 수 있다. 종합 보고서 및 권장에 기초하여, 방사선 전문의는 외과적 개입에 대한 권장을 생성하거나 승인할 수 있다. 적어도 하나의 예에서, 방사선 전문의는 결정 구성요소에 의해 제공되는 권장과 일치하도록 방사선 전문의에 의해 생성된 이전 건강 관리 권장을 수정할 수 있다.
도 5는 본 명세서에 설명된 바와 같이, 이미지 판독 우선 순위를 결정하기 위한 예시적인 방법(500)을 예시한다. 양태에서, 예시적인 방법(500)은 X선 영상 시스템(204)과 같은 X선 영상 시스템 또는 디바이스에서 (전체적으로 또는 부분적으로) 수행될 수 있다. 예시적인 방법(500)은 이미지 데이터가 하나 이상의 데이터 소스로부터 수집되는 동작(502)에서 시작한다. 양태에서, 데이터 수집 엔진(302)과 같은 데이터 수집 구성요소는 하나 이상의 데이터 소스로부터 이미지 데이터를 수집할 수 있다. 예시적인 데이터 소스는 환자 EMR, 건강 관리 시설 HIS 기록, 및 의료 영상 시스템을 포함한다. 예를 들어, 영상 시설을 방문하는 동안, X선 영상 시스템(204)은 환자의 유방(들)의 하나 이상의 2D 및/또는 단층 영상 합성 X선 이미지를 생성하는 데 사용될 수 있다. X선 이미지는 환자의 개인 정보와 조합(또는 달리 상관)될 수 있고 및/또는 건강 관리 시설의 하나 이상의 의료 기록 또는 의료 시스템에 저장될 수 있다.
동작(504)에서, 이미지 데이터의 특징이 식별될 수 있다. 양태에서, 이미지 데이터(또는 그 일부들)는 AI 처리 구성요소(208) 및/또는 결정 지원 장치(210)와 같은 입력 처리 구성요소에 제공될 수 있다. 적어도 하나의 예에서, 입력 처리 구성요소는 예시적인 방법(500)이 수행되는 X선 영상 시스템 또는 디바이스에 통합될 수 있다. 이미지 데이터는 이미지 데이터가 수집될 때(예를 들어, 실시간으로), 이미지 데이터가 수집된 직후, 또는 이미지 데이터가 수집된 후 임의의 다른 시간에 입력 처리 구성요소에 제공될 수 있다. 입력 처리 구성요소는 하나 이상의 규칙 세트, 알고리즘 또는 예측 모델일 수 있거나, 이를 포함할 수 있거나, 이에 대한 액세스를 가질 수 있다. 입력 처리 구성요소는 이미지 데이터의 하나 이상의 특징을 식별하기 위해 이미지 데이터를 평가할 수 있다. 이미지 특징은 형상 에지 또는 경계, 관심 지점, 및 블롭을 포함될 수 있지만 이에 제한되지 않는다. 특징을 식별하는 것은 특징 검출 및/또는 특징 추출 기술의 사용을 포함할 수 있다. 특징 값은 ML 처리, 표준화 연산, 비닝 연산, 및/또는 벡터화 연산과 같은 하나 이상의 특징화 기술을 사용하여 각각의 특징에 대해 계산 및/또는 할당될 수 있다. 특징 값은 특징의 수치 표현, 병합된 데이터의 특징과 쌍을 이루는 값, 특징에 대한 하나 이상의 조건 상태의 표시 등일 수 있다.
동작(506)에서, 이미지 특징에 대한 신뢰도 점수가 계산될 수 있다. 양태에서, 입력 처리 구성요소(또는 이와 관련된 구성요소)는 식별된 이미지 특징에 대해 계산된 특징 값을 사용하여 신뢰도 점수를 생성할 수 있다. 신뢰도 점수는 특정 특징이 미리 정의된 특징 또는 특징 카테고리/분류와 일치할 확률을 나타낼 수 있다. 신뢰도 점수를 생성하는 것은 이미지 데이터의 특징 및/또는 특징 값을 라벨이 지정된, 알려진, 또는 미리 정의된 특징 및/또는 특징 값의 세트와 비교하는 것을 포함할 수 있다. 예를 들어, 수신된 이미지에 대해, 4개의 관심 지점이 식별되고 각각의 특징 값 세트가 할당될 수 있다. 각각의 특징 값 세트는 알려진 이미지로부터 저장된 특징 데이터와 각각 비교될 수 있다. 저장된 특징 데이터는 다양한 특징 값을 포함할 수 있고 특징 또는 이미지를 분류하기 위해 라벨이 지정될 수 있다. 예를 들어, 특징 데이터 세트는 다양한 유방 이상 및/또는 유방 촬영 사진 결과에 대해 나열될 수 있다. 신뢰도 점수는 수신된 이미지에 대한 특징 값과 저장된 특징 값 사이의 일치 또는 유사성에 기초하여 생성될 수 있다. 양태에서, 신뢰도 점수는 수치 값, 비수치(또는 부분적으로 수치) 값, 또는 라벨일 수 있다. 예를 들어, 신뢰도 값은 1에서 10 등급까지의 수치 값으로 나타낼 수 있는데, "1"은 낮은 일치 신뢰도를 나타내고 "10"은 높은 일치 신뢰도를 나타낸다. 이러한 예에서, 더 높은 신뢰도 값은 수신된 이미지에 대한 특징 값과 저장된 특징 값 사이의 많은 수(또는 백분율)의 일치 또는 유사성을 나타낼 수 있다.
결정 동작(508)에서, 신뢰도 점수는 임계값과 비교될 수 있다. 양태에서, 입력 처리 구성요소(또는 이와 관련된 구성요소)는 신뢰도 점수를 구성 가능한 신뢰도 임계값과 비교할 수 있다. 신뢰도 임계값은 이미지(또는 이미지 데이터)에 우선 순위 판독 상태가 할당되기 전에 충족되거나 초과되어야 하는 신뢰도 수준을 나타낼 수 있다. 신뢰도 임계값은 양성 선별 케이스(예를 들어, 암이 확인된 케이스)와 음성 선별 케이스(예를 들어, 암이 발견되지 않은 케이스) 사이의 원하는 균형에 기초하여 선택될 수 있다. 예를 들어, 특정 예에서, 선택된 신뢰도 임계값은 케이스의 70%가 양성 선별 케이스이고, 케이스의 20%가 비-암성 이상을 나타내며, 케이스의 10%가 음성 선별 케이스인 1,000개의 케이스 세트를 식별할 수 있다. 각각의 양성 선별 케이스는 우선 순위 판독 상태가 할당될 수 있다. 선택된 신뢰도 임계값을 증가시킴으로써, 감소된 케이스 세트가 선택될 수 있다. 예를 들어, 케이스의 80%는 양성 선별 케이스이고, 케이스의 15%는 비-암성 이상을 나타내며, 케이스의 5%는 음성 선별 케이스인 750개의 케이스 세트가 식별될 수 있다. 대안적으로, 선택된 임계값을 감소시킴으로써, 증가된 케이스 세트가 선택될 수 있다. 예를 들어, 케이스의 60%는 양성 선별 케이스이고, 케이스의 25%는 비-암성 이상을 나타내며, 케이스의 15%는 음성 선별 케이스인 1,250개의 케이스 세트가 식별될 수 있다.
일부 예에서, 신뢰도 임계값은 수동으로 결정되고 구성될 수 있다. 예를 들어, 사용자는 입력 처리 구성요소의 사용자 인터페이스를 사용하여 신뢰도 임계값을 선택하거나 수정할 수 있다. 신뢰도 임계값의 선택은 다양한 요인에 기초할 수 있다. 예를 들어, 충분한 양의 방사선 전문의가 의료 시설과 관련되어 있는 지 또는 방사선 전문의가 얼마나 빨리 우선 순위 판독 상태의 케이스를 검토할 수 있는 지에 기초하여, 특정 의료 시설과 관련된 X선 영상 시스템의 적어도 일부에 대해 신뢰도 임계값이 선택될 수 있다. 다른 예에서, 신뢰도 임계값은 입력 처리 구성요소에 의해 자동으로 및/또는 동적으로 결정될 수 있다. 예를 들어, 시스템(200)의 하나 이상의 엔티티 또는 구성요소로부터의 제안된 건강 관리 경로, 이미지 판독 우선 순위 등에 관한 피드백 또는 출력은 입력 처리 구성요소에 액세스 가능할 수 있다. 피드백/출력은 기술자, 의사 또는 방사선 전문의로부터의 정확도 등급 또는 의견을 포함할 수 있다. 피드백/출력은 치료 보고서, 환자 메모 등을 추가로 포함할 수 있다. 피드백/출력에 기초하여, 입력 처리 구성요소는 식별된 양성 및/또는 음성 선별 케이스의 수를 증가 또는 감소시키도록 임계값을 수정할 수 있다.
양태에서, 신뢰도 점수가 신뢰도 임계값 미만인 것으로 결정되면, 유동은 동작(510)으로 진행한다. 동작(510)에서, 수신된 이미지 데이터는 표준 우선 순위 레벨(예를 들어, 표준 우선 순위 레벨, 낮은 우선 순위 레벨, 또는 우선 순위 없음 레벨)이 할당될 수 있다. 표준 우선 순위 레벨은 수신된 이미지 데이터가 관련 건강 관리 전문가의 정상적인 가용성 및/또는 작업 부하에 따라 평가됨을 나타낼 수 있다. 예를 들어, 이미지 데이터에 표준 우선 순위 레벨이 할당되면, 이미지 데이터가 이미지 판독 대기열에 추가될 수 있다. 대기열에서 이미지 데이터의 위치(예를 들어, 이미지 데이터가 대기열에 추가된 순서)는 이미지 데이터의 평가 순서를 지정할 수 있다. 특정 예로서, 선입선출(first-in first-out)(FIFO) 대기열에서, 수신된 이미지 데이터 이전에 대기열에 추가된 임의의 표준 우선 순위 데이터 항목은 수신된 이미지 데이터보다 먼저 평가된다. 이러한 예에서, 선별 피검자가 여전히 선별 시설의 현장에 있는 동안에는 이미지 데이터가 평가되지 않을 수 있다.
그러나, 신뢰도 점수가 신뢰도 임계값을 충족하거나 초과하는 것으로 결정되면, 유동은 동작(512)으로 진행한다. 동작(512)에서, 수신된 이미지 데이터에 높은 우선 순위 레벨이 할당될 수 있다. 높은 우선 순위 레벨을 할당하는 것은, 예를 들어 이미지 데이터에 대한 의료용 디지털 영상 및 통신(Digital Imaging and Communications in Medicine)(DICOM) 헤더와 같은 메타데이터 및/또는 이미지 데이터에 하나 이상의 표시자를 추가하는 것을 포함할 수 있다. 예시적인 표시자는 라벨(예를 들어, "높은 우선 순위", "우선 순위" 등), 수치 값, 강조 표시, 화살표 또는 포인터, 글꼴 또는 스타일 수정, 날짜/시간 값 등을 포함할 수 있다. 양태에서, 높은 우선 순위 레벨은 수신된 이미지 데이터가 우선 순위 평가를 수신할 것임을 나타낼 수 있다. 일 예로서, 이미지 데이터에 높은 우선 순위 레벨이 할당되면, 이미지 데이터가 이미지 판독 대기열에 추가될 수 있다. 높은 우선 순위 레벨에 기초하여, 이미지 데이터는 더 낮은 우선 순위 레벨 및/또는 이후의 대기열 진입 시간/날짜를 갖는 대기열의 다른 데이터 항목보다 먼저 평가될 수 있다. 다른 예로서, 높은 우선 순위 레벨이 할당된 이미지 데이터에 대한 우선 순위 표시자는 하나 이상의 건강 관리 전문가에게 제공될 수 있다. 예를 들어, 이미지 데이터에 높은 우선 순위 레벨이 할당되면, 우선 순위 표시자 및/또는 이미지 데이터는 X선 영상 시스템 또는 디바이스의 사용자 인터페이스를 사용하여 기술자에게 제공될 수 있다. 적어도 하나의 경우에, 기술자가 (예를 들어, 실시간으로) 이미지 데이터를 수집하는 동안 우선 순위 표시자 및/또는 이미지가 기술자에게 제공될 수 있다. 또 다른 예로서, 이미지 데이터에 높은 우선 순위 레벨이 할당될 때, 이미지 데이터(또는 그 표시)는 하나 이상의 목적지로 전송될 수 있다. 예를 들어, 방사선 전문의는 이미지 데이터의 사전 할당에 관한 메시지(예를 들어, 이메일, 문자, 음성 통화 등)를 수신할 수 있다. 메시지는 환자의 현재 상태 또는 위치, 이미지 데이터에 대한 판독 우선 순위, 환자에 대한 현재 및/또는 과거 의료 기록 등과 같은 정보를 포함할 수 있다. 특정 예로서, 우선 순위 판독 표시자를 포함하는 이미지 데이터는 환자가 현재 의료 시설에 있고 이미지 데이터의 판독을 기다리고 있다는 표시와 함께 방사선 전문의의 이미지 검토 워크스테이션으로 전송될 수 있다. 대안적으로, 이미지 데이터는 방사선 전문의 워크플로를 관리하는 데 사용되는 소프트웨어 애플리케이션 또는 서비스로 전송될 수 있다. 소프트웨어 애플리케이션/서비스는 즉각적인 평가가 필요한 케이스의 작업 목록을 생성 및/또는 할당하도록 구성될 수 있다. 이러한 예에서, 높은 우선 순위 판독 표시는 선별 피검자가 여전히 선별 시설에서 현장에 있는 동안 후속 영상 및 기타 동작이 수행되게 할 수 있다.
도 6a는 본 명세서에 설명된 자동화된 임상 워크플로 결정과 관련된 예시적인 사용자 인터페이스(600)를 예시한다. 예에서, 사용자 인터페이스(600)는 기술자가 유방 조영술 취득 워크스테이션에서 사용하는 소프트웨어를 나타낸다. 소프트웨어는 X선 영상 시스템(204)과 같은 X선 영상 시스템으로부터 유방 선별 검사 동안 이미지를 수집하고 및/또는 유방 선별 검사 중에 수집된 이미지를 검토하는 데 사용될 수 있다. 사용자 인터페이스(600)는 선택될 때 "분석" 다이얼로그를 활성화하는 버튼(602)을 포함한다.
도 6b는 도 6a의 버튼(602)이 선택될 때 디스플레이되는 분석 다이얼로그(610)를 예시한다. 분석 다이얼로그(610)는 버튼(612), 분석 결과 섹션(614), 및 판독 우선 순위 표시(616)를 포함한다. 양태에서, 버튼(612)이 선택되면, 이미지 평가 소프트웨어가 시작되고 하나 이상의 수집된 이미지가 도 3 및 도 4에 설명된 기술을 사용하여 분석된다. 분석의 결과로서, 분석 결과 섹션(614)에는 판독 우선 순위 표시(616)와 같은 데이터가 적어도 부분적으로 덧붙여진다. 도 6b에서, 판독 우선 순위 표시(616)는 분석된 이미지(들)에 대한 판독 우선 순위가 "높음"임을 나타낸다. "높음" 판독 우선 순위에 기초하여, 기술자는 방사선 전문의가 수집된 이미지(들)를 검토하는 동안 선별 피검자에게 현장에 남아 있도록 요청할 수 있다. 방사선 전문의에 의한 이러한 즉각적인 검토(예를 들어, 선별 피검자가 현장에 있는 동안)는 후속 예약을 위해 선별 피검자를 소환할 필요성을 경감하거나 제거할 수 있다.
도 7은 도 1에 설명된 자동화 임상 워크플로 결정 기술에 적절한 예시적인 운영 환경을 예시한다. 가장 기본적인 구성에서, 운영 환경(700)은 통상적으로 적어도 하나의 처리 유닛(702) 및 메모리(704)를 포함한다. 컴퓨팅 디바이스의 정확한 구성 및 유형에 따라, 메모리(704)(본 명세서에 개시된 기술을 수행하기 위한 명령어를 저장)는 휘발성(예를 들어, RAM), 비휘발성(예를 들어, ROM, 플래시 메모리 등), 또는 이들 둘의 일부 조합일 수 있다. 이 가장 기본적인 구성은 도 7에 점선(706)으로 예시되어 있다. 또한, 환경(700)은 자기 또는 광학 디스크 또는 테이프를 포함하지만 이에 제한되지 않는 저장 디바이스(이동식(708) 및/또는 비이동식(710))를 포함할 수도 있다. 유사하게, 환경(700)은 또한 키보드, 마우스, 펜, 음성 입력 등과 같은 입력 디바이스(들)(714) 및/또는 디스플레이, 스피커, 프린터 등과 같은 출력 디바이스(들)(716)를 가질 수 있다. 또한, LAN, WAN, 점대점(point to point) 등과 같은 하나 이상의 통신 연결(712)이 환경에 포함될 수 있다. 실시예에서, 연결은 점대점 통신, 연결 지향 통신, 비연결 통신 등을 설비하도록 작동 가능할 수 있다.
운영 환경(700)은 통상적으로 적어도 일부 형태의 컴퓨터 판독 가능 매체를 포함한다. 컴퓨터 판독 가능 매체는 처리 유닛(702) 또는 운영 환경을 포함하는 다른 디바이스에 의해 액세스될 수 있는 임의의 이용 가능한 매체일 수 있다. 제한이 아닌 예로서, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 통신 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, 디지털 다용도 디스크(digital versatile disk)(DVD) 또는 기타 광학 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 디바이스, 또는 원하는 정보를 저장하는 데 사용될 수 있는 임의의 다른 비일시적 매체를 포함한다. 컴퓨터 저장 매체는 통신 매체를 포함하지 않는다.
통신 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파 또는 기타 전송 메커니즘과 같은 변조된 데이터 신호의 기타 데이터를 구현하고 임의의 정보 전달 매체를 포함한다. "변조된 데이터 신호"라는 용어는 신호의 정보를 인코딩하는 방식으로 설정되거나 변경된 특성 중 하나 이상을 갖는 신호를 의미한다. 제한이 아닌 예로서, 통신 매체는 유선 네트워크 또는 직접 유선 연결과 같은 유선 매체, 및 음향, RF, 적외선, 마이크로파, 및 기타 무선 매체와 같은 무선 매체를 포함한다. 위의 것 중 임의의 조합도 컴퓨터 판독 가능 매체의 범위 내에 포함되어야 한다.
운영 환경(700)은 하나 이상의 원격 컴퓨터에 대한 논리적 연결을 사용하여 네트워크 환경에서 작동하는 단일 컴퓨터일 수 있다. 원격 컴퓨터는 개인용 컴퓨터, 서버, 라우터, 네트워크 PC, 피어 디바이스 또는 기타 공통 네트워크 노드일 수 있으며 통상적으로 앞서 설명한 요소의 대부분 또는 모두 뿐만 아니라 언급되지 않은 요소를 포함한다. 논리적 연결은 이용 가능한 통신 매체에 의해 지원되는 임의의 방법을 포함할 수 있다. 이러한 네트워킹 환경은 사무실, 전사적 컴퓨터 네트워크, 인트라넷 및 인터넷에서 보편적이다.
본 명세서에 설명된 실시예는 본 명세서에 개시된 시스템 및 방법을 구현하고 수행하기 위해 소프트웨어, 하드웨어, 또는 소프트웨어와 하드웨어의 조합을 사용하여 채용될 수 있다. 특정 디바이스가 특정 기능을 수행하는 것으로 본 개시내용 전반에 걸쳐 언급되었지만, 본 기술 분야의 숙련자는 이들 디바이스가 예시 목적으로 제공되고, 다른 디바이스가 본 개시내용의 범위를 벗어나지 않고 본 명세서에 개시된 기능을 수행하기 위해 채용될 수 있음을 이해할 것이다.
본 개시내용은 첨부 도면을 참조하여 본 기술의 일부 실시예를 설명하는 데, 도면에는 가능한 실시예의 일부만이 도시되어 있다. 그러나, 다른 양태는 많은 상이한 형태로 구현될 수 있으며 본 명세서에 기재된 실시예에 제한되는 것으로 해석되어서는 안 된다. 오히려, 이들 실시예는 본 개시내용이 철저하고 완전하며 가능한 실시예의 범위가 본 기술 분야의 숙련자에게 충분히 전달되도록 제공되었다.
특정 실시예가 본 명세서에 설명되어 있지만, 기술의 범위는 이들 특정 실시예로 제한되지 않는다. 본 기술 분야의 숙련자는 본 기술의 범위 및 사상 내에 있는 다른 실시예 또는 개선을 인식할 것이다. 따라서, 특정 구조, 행위 또는 매체는 예시적인 실시예로서만 개시된다. 기술의 범위는 다음 청구범위 및 그 안의 임의의 등가물에 의해 한정된다.

Claims (20)

  1. 시스템으로서,
    적어도 하나의 프로세서; 및
    적어도 하나의 프로세서에 결합된 메모리로서, 메모리는, 적어도 하나의 프로세서에 의해 실행될 때,
    하나 이상의 데이터 소스로부터 환자 데이터를 수집하는 단계;
    환자 데이터를 제1 인공 지능(AI) 알고리즘에 제공하여 환자 데이터의 특징을 분석하는 단계;
    제1 AI 알고리즘으로부터 제1 출력을 수신하는 단계;
    제1 출력을 제2 AI 알고리즘에 제공하여 환자 관리를 위한 임상 워크플로 결정을 결정하는 단계;
    제2 AI 알고리즘으로부터 제2 출력을 수신하는 단계 - 제2 출력은 자동화된 환자 관리 권장을 포함함 -; 및
    건강 관리 전문가에게 자동화된 환자 관리 권장을 제공하는 단계를 포함하는 방법을 수행하는 컴퓨터 실행 가능한 명령어를 포함하는, 메모리
    를 포함하는, 시스템.
  2. 제1항에 있어서, 환자 데이터는 디지털 유방 이미지, 환자 개인 정보, 또는 환자 이력 정보 중 적어도 하나를 포함하는, 시스템.
  3. 제1항에 있어서, 하나 이상의 데이터 소스는 환자 방문 정보, 환자 전자 의료 기록(EMR), 병원 정보 시스템(HIS) 기록, 또는 의료 영상 시스템 중 적어도 하나를 포함하는, 시스템.
  4. 제1항에 있어서, 제1 AI 알고리즘은 유방 밀도 평가를 제공하는, 시스템.
  5. 제1항에 있어서, 제1 출력은 유방 조성 카테고리 점수, 컴퓨터 지원 검출 마커 결과, 방사 측정 특징, 또는 유방암 위험 평가 결과 중 적어도 하나를 포함하는, 시스템.
  6. 제1항에 있어서, 방법은:
    건강 관리 전문가에게 제1 출력의 적어도 일부를 제공하는 단계;
    건강 관리 전문가로부터 초기 환자 관리 권장을 수신하는 단계; 및
    자동화된 환자 관리 권장을 사용하여 초기 환자 관리 권장을 보충하는 단계를 더 포함하는, 시스템.
  7. 제1항에 있어서, 방법은:
    제1 방문 동안 환자로부터 하나 이상의 디지털 유방 조영술 이미지를 수집하는 단계;
    하나 이상의 디지털 유방 조영술 이미지를 제1 AI 알고리즘에 제공하여 제1 출력을 생성하는 단계; 및
    건강 관리 전문가에게 제1 출력을 제공하는 단계를 더 포함하고, 제1 출력은 건강 관리 전문가가 제1 방문 동안 환자에 대해 하나 이상의 진단 절차를 수행할 수 있게 하는, 시스템.
  8. 제1항에 있어서, 환자 관리를 위한 임상 워크플로 결정을 결정하기 위해 제2 AI 알고리즘에 상보적인 정보가 추가로 제공되고, 상보적인 정보는 환자 데이터, 진단 보고서, 및 임상 전문가 기관으로부터의 진료 지침 중 적어도 하나를 포함하는, 시스템.
  9. 제1항에 있어서, 자동화된 환자 관리 권장은 진단 정보 및 생검 절차, 화학 요법, 외과적 개입, 방사선 요법, 또는 유방 조영술 영상화 절차 중 적어도 하나에 관한 권장을 포함하는, 시스템.
  10. 임상 워크플로 결정을 자동화하는 방법으로서,
    하나 이상의 데이터 소스로부터 환자 데이터를 수집하는 단계;
    환자 데이터를 제1 인공 지능(AI) 구성요소에 제공하여 환자 데이터의 특징을 분석하는 단계;
    제1 AI 구성요소로부터 제1 출력을 수신하는 단계;
    제1 출력을 제2 AI 구성요소에 제공하여 환자 관리를 위한 임상 워크플로 결정을 결정하는 단계;
    제2 AI 구성요소로부터 제2 출력을 수신하는 단계 - 제2 출력은 자동화된 환자 관리 권장을 포함함 -; 및
    건강 관리 전문가에게 자동화된 환자 관리 권장을 제공하는 단계
    를 포함하는, 방법.
  11. 제10항에 있어서, 환자 데이터는 디지털 유방 조영술 이미지, 환자 개인 정보, 또는 환자 이력 정보 중 적어도 하나를 포함하는, 방법.
  12. 제10항에 있어서, 제1 AI 구성요소는 환자 유방 밀도 평가를 제공하는, 방법.
  13. 제10항에 있어서, 제1 출력은 유방 조성 카테고리 점수, 컴퓨터 지원 검출 마커 결과, 방사 측정 특징, 또는 유방암 위험 평가 결과 중 적어도 하나를 포함하는, 방법.
  14. 제10항에 있어서, 제2 AI 구성요소는 인공 신경망, 지원 벡터 기계(SVM), 선형 보강 모델, 또는 랜덤 결정 포레스트 중 적어도 하나를 구현하는, 방법.
  15. 제10항에 있어서,
    건강 관리 전문가에게 제1 출력의 적어도 일부를 제공하는 단계;
    건강 관리 전문가로부터 초기 환자 관리 권장을 수신하는 단계; 및
    자동화된 환자 관리 권장을 사용하여 초기 환자 관리 권장을 보충하는 단계를 더 포함하는, 방법.
  16. 제10항에 있어서,
    제1 방문 동안 환자로부터 하나 이상의 디지털 유방 조영술 이미지를 수집하는 단계;
    하나 이상의 디지털 유방 조영술 이미지를 제1 AI 알고리즘에 제공하여 제1 출력을 생성하는 단계; 및
    건강 관리 전문가에게 제1 출력을 제공하는 단계를 더 포함하고, 제1 출력은 건강 관리 전문가가 제1 방문 동안 환자에 대해 하나 이상의 진단 절차를 수행할 수 있게 하는, 방법.
  17. 제10항에 있어서, 자동화된 환자 관리 권장은 진단 정보 및 생검 절차, 화학 요법, 외과적 개입, 방사선 요법, 또는 유방 조영술 영상화 절차 중 적어도 하나에 관한 권장을 포함하는, 방법.
  18. 시스템으로서,
    적어도 하나의 프로세서; 및
    적어도 하나의 프로세서에 결합된 메모리로서, 메모리는, 적어도 하나의 프로세서에 의해 실행될 때,
    하나 이상의 데이터 소스로부터 이미지 데이터를 수집하는 단계;
    이미지 데이터를 평가하여 하나 이상의 특징을 식별하는 단계;
    하나 이상의 특징에 기초하여 신뢰도 점수를 계산하는 단계;
    신뢰도 점수를 임계값과 비교하는 단계; 및
    신뢰도 점수가 임계값을 초과할 때, 이미지 데이터에 높은 평가 우선 순위를 할당하는 단계를 포함하는 방법을 수행하는 컴퓨터 실행 가능한 명령어를 포함하는, 메모리
    를 포함하는, 시스템.
  19. 제18항에 있어서, 신뢰도 점수를 계산하는 단계는:
    이미지 데이터를 저장된 데이터 세트와 비교하여 이미지 데이터와 저장된 데이터 세트 사이의 유사성을 식별하는 단계 - 저장된 데이터의 세트는 라벨이 지정된 이미지 데이터를 포함함 -; 및
    이미지 데이터와 저장된 데이터 세트 사이의 식별된 유사성의 양 또는 식별된 유사성 사이의 일치 정도 중 적어도 하나에 기초하여 신뢰도 점수를 계산하는 단계를 포함하는, 시스템.
  20. 제18항에 있어서, 높은 평가 우선 순위는 이전에 수신된 이미지 데이터 세트가 평가되기 전에 이미지 데이터가 평가되게 하며, 이전에 수신된 이미지 데이터 세트는 이미지 데이터보다 낮은 평가 우선 순위를 갖는, 시스템.
KR1020217033687A 2019-07-31 2020-07-31 임상 워크플로 결정을 자동화하고 우선 순위 판독 표시자를 생성하기 위한 시스템 및 방법 KR20220038017A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962881156P 2019-07-31 2019-07-31
US62/881,156 2019-07-31
US201962941601P 2019-11-27 2019-11-27
US62/941,601 2019-11-27
PCT/US2020/044593 WO2021022206A1 (en) 2019-07-31 2020-07-31 Systems and methods for automating clinical workflow decisions and generating a priority read indicator

Publications (1)

Publication Number Publication Date
KR20220038017A true KR20220038017A (ko) 2022-03-25

Family

ID=72179197

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217033687A KR20220038017A (ko) 2019-07-31 2020-07-31 임상 워크플로 결정을 자동화하고 우선 순위 판독 표시자를 생성하기 위한 시스템 및 방법

Country Status (7)

Country Link
US (1) US20210035680A1 (ko)
EP (1) EP3970156A1 (ko)
JP (1) JP2022542209A (ko)
KR (1) KR20220038017A (ko)
CN (1) CN113841171A (ko)
AU (1) AU2020320287A1 (ko)
WO (1) WO2021022206A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11883206B2 (en) 2019-07-29 2024-01-30 Hologic, Inc. Personalized breast imaging system
JP7465342B2 (ja) 2019-09-27 2024-04-10 ホロジック， インコーポレイテッド ２ｄ／３ｄ乳房画像を精査するための読み取り時間および読み取り複雑性を予測するためのａｉシステム
US11481038B2 (en) 2020-03-27 2022-10-25 Hologic, Inc. Gesture recognition in controlling medical hardware or software
WO2023178072A1 (en) * 2022-03-15 2023-09-21 Bayer Healthcare Llc System, method, and computer program product for managing automated healthcare data applications using artificial intelligence
US20230352172A1 (en) * 2022-04-27 2023-11-02 MX Healthcare GmbH System and method for identifying breast cancer
CN116779087B (zh) * 2023-08-18 2023-11-07 江苏臻云技术有限公司 一种基于ai引擎的自动化数据管理系统及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7912528B2 (en) * 2003-06-25 2011-03-22 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
AU2004251359B2 (en) * 2003-06-25 2009-01-22 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for breast imaging
US10410308B2 (en) * 2006-04-14 2019-09-10 Fuzzmed, Inc. System, method, and device for personal medical care, intelligent analysis, and diagnosis
WO2016057960A1 (en) * 2014-10-10 2016-04-14 Radish Medical Solutions, Inc. Apparatus, system and method for cloud based diagnostics and image archiving and retrieval
US10629305B2 (en) * 2017-11-09 2020-04-21 General Electric Company Methods and apparatus for self-learning clinical decision support
US10755412B2 (en) * 2018-11-20 2020-08-25 International Business Machines Corporation Automated patient complexity classification for artificial intelligence tools
US11145059B2 (en) * 2018-11-21 2021-10-12 Enlitic, Inc. Medical scan viewing system with enhanced training and methods for use therewith
US10977796B2 (en) * 2019-03-29 2021-04-13 Fujifilm Medical Systems U.S.A., Inc. Platform for evaluating medical information and method for using the same

Also Published As

Publication number Publication date
EP3970156A1 (en) 2022-03-23
JP2022542209A (ja) 2022-09-30
AU2020320287A1 (en) 2021-10-28
CN113841171A (zh) 2021-12-24
US20210035680A1 (en) 2021-02-04
WO2021022206A1 (en) 2021-02-04

Similar Documents

Publication Publication Date Title
US10311566B2 (en) Methods and systems for automatically determining image characteristics serving as a basis for a diagnosis associated with an image study type
US20210035680A1 (en) Systems and methods for automating clinical workflow decisions and generating a priority read indicator
CN107004043B (zh) 优化检测和标记感兴趣解剖结构的系统和方法
US20190156947A1 (en) Automated information collection and evaluation of clinical data
JP7465342B2 (ja) ２ｄ／３ｄ乳房画像を精査するための読み取り時間および読み取り複雑性を予測するためのａｉシステム
US20230186465A1 (en) Enhancing medical imaging workflows using artificial intelligence
JP2023509976A (ja) リアルタイム放射線医学を行うための方法およびシステム
US20120070811A1 (en) Systems and methods for measuring and manipulating a radiologist's exam sensitivity and specificity in real time
US11869654B2 (en) Processing medical images

Legal Events

Date Code Title Description
A201 Request for examination