影像學大數據的核心是診斷報告的標簽
- 分類:業務背景知識
- 作者:
- 來源:
- 發布時間:2019-08-11 14:39
- 訪問量:
【概要描述】影像數據占據了醫療機構95%以上的數據量。相比臨床診療過程中的其他信息,不僅信息量大,而且整齊劃一,術語一致,是容易通過大數據挖掘進行持續改進的醫學細分領域。
影像學大數據的核心是診斷報告的標簽
【概要描述】影像數據占據了醫療機構95%以上的數據量。相比臨床診療過程中的其他信息,不僅信息量大,而且整齊劃一,術語一致,是容易通過大數據挖掘進行持續改進的醫學細分領域。
- 分類:業務背景知識
- 作者:
- 來源:
- 發布時間:2019-08-11 14:39
- 訪問量:
影像數據占據了醫療機構95%以上的數據量。相比臨床診療過程中的其他信息,不僅信息量大,而且整齊劃一,術語一致,是容易通過大數據挖掘進行持續改進的醫學細分領域。
一組大數據能否進行挖掘發現規律,分析的對象是有語義學含義的標簽,并非原始數據本身。越是原始數據其數據量越大,越是語義學含義的標簽數據其數據量越小。
影像學數據的標簽來自兩部分,一部分是對影像分析得出的發現,一部分是影像學文本報告當中由醫生附加的診斷信息。很多技術人員認為這兩部分加起來是影像大數據的核心數據,將其標簽化就得到了影像大數據的核心標簽。
在影像診斷領域,大多數的檢查,不能通過單純的影像分析得出診療結論。除了影像分析的Feature之外,還需參考電子病歷、個人健康檔案、可穿戴設備、醫??芍Ц兜闹委煼桨?、用藥史/藥物禁忌癥知識、甚至基因的分析等資料來做出綜合判斷。這些資料可能通過問診獲取,也可能通過跨系統瀏覽獲取,還可能通過閱讀紙質資料獲取。
如果將各種信息系統之間的網絡打通,讓機器自己去學習這些資料,是否就能取得與放射科醫生相同的診療效果呢?結論是不能。美國人做了一些臨床試驗,證實了放射科醫生參與的檢查,診斷準確率要超過單純的機器診斷準確率。
這個結論是顯而易見的,機器要超越人還有很長的路要走,背后的原因也不難分析。首先,當前的影像AI功能比較窄,分析的信息維度較少;而放射科醫生閱讀圖像基本是一次性將所有可能的維度都閱讀齊;其次,放射科醫生閱讀這些影像發現的時候,背后運用了參考診斷/鑒別診斷邏輯,能區分輕重緩急,前因后果;而機器可能看不到這些細節,也可能并列這些發現,還不能進行推理分析;第三,周邊的信息系統中的數據仍然是自然語言,NLP技術結合機器學習,在提取規律方面很強,但針對單個患者的定向挖掘不夠準確,尤其在時間/空間的分辨上有難度;而人理解這些資料是很容易的。
放射科醫生分析、獲取了這些信息之后能放在哪里呢?其實除了影像學報告,他們并沒有第二個電子文書可以存儲這些信息。注意,影像學報告的信息量其實是大體涵蓋了影像分析當中有價值的部分。到了2017年的RSNA,基本上確立了以影像學報告的標簽為影像大數據的核心標簽概念。影像學報告包含了放射科醫生的主觀認識,再加上周邊信息系統的信息分析,再拿去做分類,并將新患者的數據進行匹配,進而做出各種預測是更加合理的大數據業務思路。
掃二維碼用手機看
北京賽邁特銳醫療科技有限公司
京公網安備11010202008737號
藥品醫療器械網絡信息服務備案:(京)網藥械信息備字(2022)第00555號