评估患者的医学检查结果的方法、系统、程序和存储介质技术方案

本公开涉及评估患者的医学检查结果的方法、系统、程序和存储介质。医学检查结果包括患者的至少一个图像数据集和以自然语言编写的至少一个检查报告，方法包括以下步骤：提供医学本体，医学本体包括在多个患者的多个图像数据集和多个检查报告中出现的多个医学概念；使用至少一个第一分析算法来分析至少一个图像数据集，以检测医学本体的医学概念并且在参考医学本体的结果数据结构中标记检测到的医学概念，第一分析算法是人工智能算法；使用至少一个第二分析算法来分析至少一个检查报告，以检测医学本体的医学概念并且在结果数据结构中标记检测到的医学概念，第二分析算法是自然语言处理算法；将结果数据结构提供给处理医学概念的至少一个评估应用。

Methods, systems, procedures and storage media for evaluating patients'medical examination results

【技术实现步骤摘要】
评估患者的医学检查结果的方法、系统、程序和存储介质
本专利技术涉及用于评估患者的医学检查结果的方法和评估系统、计算机程序和电子可读存储介质。
技术介绍
医学成像，即放射学，已被证明是诊断和治疗患者的有力工具。不同的模态可以用于不同的医学任务，其中特别地，X射线成像(包括CT)、磁共振成像和超声成像已经被建立为常见的放射学模态。在不同的医学设施中，例如医院或放射科医生的办公室，患者可以进行放射检查，从而产生患者的图像数据集。然而，放射检查报告是放射科医师工作的最终产品。这些报告通常由放射科医师自己来用自然语言编辑和表达。放射检查报告和放射图像数据集包括现今可用的大部分数字医学内容，其可能是临床护理、临床研究、临床管理和其他医学相关过程的有价值的信息源。尽管放射检查报告可以以电子方式存储，例如存储在患者的电子健康记录中，但是它们的自然语言的形式是一个问题，因为它们缺乏已知的结构并且在放射科医师之间是高度可变的。结构的缺乏阻碍了从大量检查报告中提取和可靠地传递信息，从而阻止了大规模的、数据驱动的应用的开发和实现。医学图像也可以以电子方式存储，并且表现出比放射报告高得多的标准化和再现性，因此基于图像数据集可以快速缩放数据驱动的应用。然而，从图像中可靠地提取高级结构化信息是非常复杂的，并且只能由人类或人工协助完成。大规模、结构化放射数据的可用性的缺乏限制了现今可用的数据驱动应用的类型和数目。因此，现今可操作的应用受限于这些应用可以提取的信息的类型(例如，来自图像的CAD检测)，这些应用对于特定的机构/设施是定制的，或者这些应用使用特定的手工特征，并且总体上缺乏鲁棒性。因此，这些评估应用的使用并不普遍，并且现有的评估应用在功能和目的方面最为受限。因此，本专利技术的一个目的是为评估应用的开发和使用提供基础，使这些应用更加稳健并提供更大的适用范围，特别是对于大范围的放射学和医学和/或大量病例。
技术实现思路
为了实现该目的，本专利技术提供根据权利要求1的方法、根据权利要求13的评估系统、根据权利要求14的计算机程序和根据权利要求15的电子可读存储介质。优选实施例由从属权利要求描述。在用于评估患者的医学检查结果的本专利技术方法中，医学检查结果包括患者的至少一个图像数据集和以自然语言编写的至少一个检查报告，以下步骤使用计算设备来执行：-提供一个医学本体，医学本体包括在多个患者的多个图像数据集和多个检查报告中出现的多个医学概念，-使用至少一个第一分析算法来分析至少一个图像数据集，以检测医学本体的医学概念并且在参考医学本体的结果数据结构中标记检测到的医学概念，第一分析算法是人工智能算法，-使用至少一个第二分析算法来分析至少一个检查报告，以检测医学本体的医学概念并且在结果数据结构中标记检测到的医学概念，第二分析算法是自然语言处理算法，-将结果数据结构提供给处理医学概念的至少一个评估应用。医学概念描述了，特别是以自然语言描述了与患者相关的医学状况，特别是患者的医学异常和医学特征，其不一定是疾病本身，但也可以描述患者特有的情况，例如非恶性组织异常等。针对医学概念的示例包括：血管系统疾病，肺结节和骨质疏松症或其他缺陷，或在更广泛的范围内，某些器官的检查和/或发现，例如肺、心脏、肝脏等。通过使用医学图像数据集，即放射图像，该方法的主要应用是放射学，从而医学本体也可以被称为放射学概念本体。因此提出了一种计算机实现的评估方法和系统，其使用分析算法来从放射检查报告以及放射图像数据集提取结构化信息(即结果数据结构)，分析算法特别地至少部分基于机器学习。结构化信息在医学本体内被表示，医学本体也可以称为放射学概念本体，其优选地覆盖受放射学影响的所有或至少大多数医学领域。随后可以使用结果数据结构来启动多个评估应用，特别是处理大量数据(在该情况下例如是结果数据结构的数据库)的数据驱动的评估应用。如下面将进一步详述的，应用可以包括：放射性病例解释辅助，计费，编码，合规和法律责任，临床试验和登记，临床管理和放射报告生成/后处理。评估方法/系统的输入包括非结构化文本和图像数据集二者，非结构化文本是放射检查报告的形式(包括/可扩展到：电子健康记录，历史记录，其他记录，如病理学、实验室报告等)，图像数据集是放射图像的形式(这包括任何图像形态，特别是X射线，MR和/或超声，历史采集，多模态图像，病理图像，侵入图像等)。特别地，可以使用患者的(电子地)可用的完整病史，特别是电子健康记录(EHR，通常也被称为EMR-电子病历)，作为用于评价的输入数据。优选地，然而，检查结果至少包括图像数据集及其相关联的检查报告，其中在实施例中，还可以考虑历史采集。根据本专利技术的标记可以包括：对在图像数据集和/或检查报告中检测到的医学概念的二元激活。特别地，结果数据结构可以包括：针对本体中的每个医学概念的位。使用二进制激活，评价方法/系统的输出由来自医学本体的预定义医学概念的二元激活列表来表示。总体上，结果数据结构可以被视为被标记的医学概念模式。该输出可以很容易地用于启动可以基于医学本体独立开发的大量应用。因此，医学本体可以被看作为利用检查结果来工作的应用提供接口。由于结果数据结构和医学本体被明确定义，因此这些应用的稳健性得到改善。特别地，具有处理器和存储器的评估系统或其计算设备可以包括：用于从图像数据集中提取结构化信息的第一概念检测单元或子系统，用于从文本(即检查报告)中提取结构化信息的第二概念检测单元或子系统，用于数据表示的输出单元或子系统(数据表示的形式为与医学本体有关的结果数据结构)，以及用于特定评估应用的多个应用单元/子系统。在特别优选的实施例中，医学本体是层级结构的，其中至少部分地遵循层级结构来使用多个第一分析算法和/或多个第二分析算法，使得在使用较高层级的第一分析算法或第二分析算法检测到更高层级级别的医学概念时，使用下一个更低层级的至少一个分析算法(如果存在的话)来检测该下一个更低层级的医学概念。使用层级结构的本体允许分析算法的相应检测器的层级运行。这继而使得能够进行有效且灵活的处理。特别地，可以减少处理步骤的数目，因为基于物理依赖性的层级结构允许：在作为先决条件的更高级别医学概念不存在的情况下跳过对子概念的检测。此外，医学本体的层级结构允许：关于后续评估应用的灵活性，以及根据需要来定制分析过程。优选地，层级结构至少部分地在使用解剖学特征来区分医学概念的至少一个层级级别中。例如，放射检查可以根据身体部分和器官而被结构化。更高级别的胸部检查可以包括心脏检查、肺部检查等，作为层级上后续的医学概念。优选地，医学本体基于至少一个预定义的已知本体和/或至少一个预定义的表示标准，和/或从医学本体到至少一个预定义的已知本体和/或至少一个预定义的表示标准的映射被提供。因此，虽然原则上医学本体可以已经使用这些已知的本体和/或标准，但是至少也可以提供到这些预先已知的实体的映射。这允许评估应用在某种结构基础上工作，例如通过将信息和/或事件分配给被包含在预定义的已知本体或表示标准(通常也称为“词典”)中的某些医学概念，以通过合适的方式来利用数据结构的信息。这些已知的预定义本体/表示标准的示例包括：RadLex作为特定于放射学的本体、SNOMED(系统化医学命名法)、Gamuts、国家癌症研究所概念词库本文档来自技高网...

【技术保护点】
1.一种用于评估患者的医学检查结果的方法，所述医学检查结果包括所述患者的至少一个图像数据集(1)和以自然语言编写的至少一个检查报告(2)，其中所述方法包括使用计算设备执行的以下步骤：‑提供一个医学本体(4)，所述医学本体(4)包括在多个患者的多个图像数据集(1)和多个检查报告(2)中出现的多个医学概念(5)，‑使用至少一个第一分析算法来分析所述至少一个图像数据集(1)，以检测所述医学本体(4)的医学概念(5)并且在参考所述医学本体(4)的结果数据结构(3)中标记检测到的医学概念(5)，所述第一分析算法是人工智能算法，‑使用至少一个第二分析算法来分析所述至少一个检查报告(2)，以检测所述医学本体(4)的医学概念(5)并且在所述结果数据结构(3)中标记检测到的医学概念(5)，所述第二分析算法是自然语言处理算法，‑将所述结果数据结构(3)提供给处理医学概念(5)的至少一个评估应用(6)。

【技术特征摘要】
2018.01.12 EP 18151452.21.一种用于评估患者的医学检查结果的方法，所述医学检查结果包括所述患者的至少一个图像数据集(1)和以自然语言编写的至少一个检查报告(2)，其中所述方法包括使用计算设备执行的以下步骤：-提供一个医学本体(4)，所述医学本体(4)包括在多个患者的多个图像数据集(1)和多个检查报告(2)中出现的多个医学概念(5)，-使用至少一个第一分析算法来分析所述至少一个图像数据集(1)，以检测所述医学本体(4)的医学概念(5)并且在参考所述医学本体(4)的结果数据结构(3)中标记检测到的医学概念(5)，所述第一分析算法是人工智能算法，-使用至少一个第二分析算法来分析所述至少一个检查报告(2)，以检测所述医学本体(4)的医学概念(5)并且在所述结果数据结构(3)中标记检测到的医学概念(5)，所述第二分析算法是自然语言处理算法，-将所述结果数据结构(3)提供给处理医学概念(5)的至少一个评估应用(6)。2.根据权利要求1所述的方法，其特征在于，所述医学本体(4)是层级结构的，其中至少部分地遵循所述层级结构来使用多个第一分析算法和/或多个第二分析算法。3.根据权利要求1或2所述的方法，其特征在于，所述医学本体(4)基于至少一个预定义的已知本体和/或至少一个预定义的表示标准，和/或从所述医学本体(4)到至少一个预定义的已知本体和/或至少一个预定义的表示标准的映射被提供。4.根据前述权利要求中任一项所述的方法，其特征在于，卷积神经网络被用作所述至少一个第一分析算法，特别地，所述至少一个第一分析算法使用深度学习技术来训练。5.根据前述权利要求中任一项所述的方法，其特征在于，针对层级结构的所述医学本体(4)的个体医学概念(5)和/或医学概念(5)的组来提供第一分析算法，其中当训练所述第一分析算法时，针对下一个层级更高的医学概念(5)的训练结果至少部分地被用作训练针对层级更低的医学概念(5)的所述至少一个第一分析算法的起点，和/或其特征在于，通过将所述至少一个第二分析算法应用于与训练图像数据集相关联的训练检查报告来确定训练数据集，其中所述第二分析算法的结果至少部分地形成针对所述训练图像数据...

【专利技术属性】
技术研发人员：R·欧纳赛克，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：德国,DE