2019-02-15 17:11:36 來源:中國數(shù)字醫(yī)學(xué)
近年來,公共醫(yī)療成為大數(shù)據(jù)快速發(fā)展的行業(yè),針對(duì)海量的診斷報(bào)告、病理數(shù)據(jù)、藥物清單和治療方案,借助大數(shù)據(jù)平臺(tái)可以建立基于病例特征的疾病數(shù)據(jù)庫,醫(yī)生可以根據(jù)患者信息制定有效的治療方案。
方法
通過谷歌引擎搜索正式發(fā)表的中英文科研論文,由于這是一門新興學(xué)科,所以將查詢時(shí)間設(shè)置為2012年至2017年,查詢關(guān)鍵字為“大數(shù)據(jù)圖像信息學(xué)”和“大數(shù)據(jù)放射信息學(xué)”及各自對(duì)應(yīng)的英文。鑒于目前通用的科研論文均采用.pdf格式,所以對(duì)查詢類型用“filetype:pdf”子句進(jìn)行限定。最后對(duì)查詢結(jié)果進(jìn)行抽樣分類,并對(duì)各分類主題進(jìn)行探討。
結(jié)果
檢索結(jié)果主要由兩大類構(gòu)成,第一類從廣義上討論與大數(shù)據(jù)相關(guān)的基本概念及其在醫(yī)學(xué)影像信息學(xué)中所發(fā)揮的作用。第二類則使用大數(shù)據(jù)和醫(yī)學(xué)影像信息學(xué)技術(shù)解決醫(yī)療實(shí)踐中的具體問題。
由于綜述研究的廣泛性和復(fù)雜性,本文并不對(duì)具體文獻(xiàn)作全面的分析和總結(jié)。將重點(diǎn)關(guān)注大數(shù)據(jù)的基本概念及其在影像信息學(xué)中的應(yīng)用。討論的應(yīng)用范疇主要涵蓋診斷和治療、教育和科研,成本控制和效率提升及輻射劑量監(jiān)測幾方面。
影像大數(shù)據(jù) 影像大數(shù)據(jù)是由DR、CT、MR等醫(yī)學(xué)影像設(shè)備所產(chǎn)生并存儲(chǔ)于PACS系統(tǒng)內(nèi)的大規(guī)模、高增速、多結(jié)構(gòu)、高價(jià)值和真實(shí)準(zhǔn)確的影像數(shù)據(jù)集合。胎心監(jiān)測、免疫分析、DNA篩查數(shù)據(jù)均可用于影像大數(shù)據(jù)應(yīng)用方案。
雖然醫(yī)學(xué)影像數(shù)據(jù)相當(dāng)豐富,但用常規(guī)方法從中提取的有用信息卻相對(duì)較少。放射圖像不但數(shù)據(jù)量龐大,而且針對(duì)性極強(qiáng),常用于解決具體的臨床問題。例如,X光片主要用于檢查肺部及支氣管炎癥,這就容易導(dǎo)致放射數(shù)據(jù)的觀測力貧瘠現(xiàn)象,而臨床記錄則包含了所有與患者診斷、治療過程相關(guān)的信息,因此更富有觀測力。
影像信息學(xué) 影像信息學(xué)的主要目標(biāo)是將傳統(tǒng)意義下的成像、后處理、PACS等內(nèi)容有機(jī)結(jié)合,提供更有針對(duì)性、信息含量更豐富且更準(zhǔn)確的圖像解譯,獲得更有價(jià)值的圖像信息,以便完成人類能力難以勝任的工作。
數(shù)據(jù)挖掘是將屬性相似的某類對(duì)象聚類,從聚類數(shù)據(jù)中提取有用信息并將其轉(zhuǎn)化為可理解對(duì)象的過程,如今該過程可用人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等方法實(shí)現(xiàn)。由于這些方法能處理的數(shù)據(jù)量更多,過程更加穩(wěn)定,結(jié)果也更加有效,可彌補(bǔ)因持續(xù)工作而造成的關(guān)鍵性結(jié)果缺失或疲勞性降速。
影像大數(shù)據(jù)的具體應(yīng)用
診斷和治療流程的合理化 計(jì)算機(jī)輔助診斷(Computer Aided Diagnosis,CAD)和臨床決策系統(tǒng)(Clinical Decision Support,CDS)是影像大數(shù)據(jù)應(yīng)用的重要組成部分。
CAD提供了各型數(shù)據(jù)融合的接口,既包括影像資料,也可以是病理報(bào)告,還可以是電子病歷(Electronic Medical Records,EMR)。文獻(xiàn)將影像數(shù)據(jù)和組織切片數(shù)據(jù)相結(jié)合,通過CAD系統(tǒng)建立了疾病診斷模型、選擇最優(yōu)藥物劑量和放射療法并制定了最佳器官移植時(shí)間。規(guī)劃制定是CDS大數(shù)據(jù)應(yīng)用的一個(gè)重要用途,在制定成像檢查規(guī)劃前,可以通過EMR全面收集關(guān)于患者的各類信息,如年齡、癥狀、病史、遺傳史、耐藥性、身體狀況及歷史健康等數(shù)據(jù)[7]。該過程可解讀為對(duì)某項(xiàng)檢查進(jìn)行的驅(qū)動(dòng)力分析,并據(jù)之選擇最適宜的成像手段。
教育和科研水平的改善 用大數(shù)據(jù)相關(guān)性分析代替?zhèn)鹘y(tǒng)的假說驅(qū)動(dòng)研究有比較優(yōu)勢。病例選擇、離群效應(yīng)分隔標(biāo)準(zhǔn)及變量說明等過程常常是既耗時(shí)又缺乏統(tǒng)計(jì)意義。使用實(shí)際數(shù)據(jù)意味著研究人員可以方便地辨識(shí)相關(guān)人群,并確定哪些患者可能會(huì)對(duì)特定治療方案產(chǎn)生反應(yīng)。運(yùn)用大數(shù)據(jù)分析則能夠以較為自然的方式展示醫(yī)療條件的變化過程,以便跟蹤總體發(fā)展趨勢。
使用數(shù)據(jù)挖掘技術(shù)可對(duì)放射技師或醫(yī)生做教育評(píng)分。例如,使用評(píng)級(jí)系統(tǒng)對(duì)歷史影像解讀意見進(jìn)行調(diào)閱并評(píng)分,分析各評(píng)定誤差的臨床學(xué)意義,而這種自我評(píng)價(jià)或同行評(píng)價(jià)的方式不但可以作為操作技能的質(zhì)控標(biāo)準(zhǔn),還可成為提升醫(yī)療服務(wù)質(zhì)量的教學(xué)工具。
成本控制和效率提升 合理利用大數(shù)據(jù)可有效降低醫(yī)療成本,病人醫(yī)療成本主要是由檢查費(fèi)用、藥品耗材及護(hù)理費(fèi)用構(gòu)成,通過大數(shù)據(jù)對(duì)不同病種的預(yù)期成本和預(yù)期收益進(jìn)行預(yù)測和控制,不但可以減少不必要的檢查項(xiàng)目,還可以合理調(diào)配醫(yī)療資源。
提取病人EMR大數(shù)據(jù)可以建立某些疾病的早期預(yù)測模型,能夠有效降低死亡率。一項(xiàng)最新的機(jī)器學(xué)習(xí)研究項(xiàng)目表明,提取確診病例和健康病例的特征,通過分類決策模型進(jìn)行深度學(xué)習(xí),能夠大幅提高充血性心力衰竭的確診能力。
輻射劑量監(jiān)測 影像大數(shù)據(jù)應(yīng)用方案的另一個(gè)領(lǐng)域是輻射安全控制,具體地講即是如何減少患者的輻射劑量。目前,與CT輻射劑量相關(guān)的主要參數(shù)主要有CT劑量指數(shù)和劑量長度積,采用傳統(tǒng)指數(shù)估計(jì)患者劑量既不全面也不準(zhǔn)確。
現(xiàn)在,已經(jīng)可以通過大數(shù)據(jù)方式來減少患者遭受的檢查輻射,華盛頓大學(xué)采用了劑量跟蹤技術(shù)從多個(gè)CT成像設(shè)備中獲取掃描數(shù)據(jù),建立了受檢者體徑與CT劑量間的相關(guān)模型,不僅可以精準(zhǔn)定位病灶,而且有助于驗(yàn)證其成像效果并控制放射劑量。
發(fā)展方向 大數(shù)據(jù)及其在放射學(xué)中的應(yīng)用研究是一門新興課題,在一些領(lǐng)域取得了初步成果,整體研究并不成熟。利用PACS或轉(zhuǎn)化醫(yī)學(xué)整合生化、病理、分子和影像數(shù)據(jù)建立綜合數(shù)據(jù)中心,通過標(biāo)記物的鑒別準(zhǔn)確定位病灶的醫(yī)療模式是影像大數(shù)據(jù)的發(fā)展方向。隨著病例樣本的積累,算法的不斷發(fā)展,將在更為廣闊的范圍內(nèi)涌現(xiàn)出越來越多的醫(yī)學(xué)影像大數(shù)據(jù)解決方案,影像信息學(xué)也必將迎來更深層次的機(jī)遇和挑戰(zhàn)。
免責(zé)聲明:本網(wǎng)站(http://www.www.gypb.net/)內(nèi)容主要來自原創(chuàng)、合作媒體供稿和第三方投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。
本網(wǎng)站刊載的所有內(nèi)容(包括但不僅限文字、圖片、LOGO、音頻、視頻、軟件、程序等)版權(quán)歸原作者所有。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),請(qǐng)及時(shí)通知本站,予以刪除。
