СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ НА ОСНОВЕ АНАЛИЗА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ Российский патент 2023 года по МПК G16H50/20 

Описание патента на изобретение RU2789260C1

Область техники, к которой относится изобретение

Настоящее изобретение относится к области обработки изображений, и, более конкретно, к системе поддержки принятия врачебных решений на основе анализа медицинских изображений.

Уровень техники

В традиционных способах диагностики патологий органов грудной клетки, которые использовались в медицине на протяжении десятилетий, оператор рентген-установки или врач визуально исследовал рентгеновское изображение, полученное установкой, и делал вывод о наличии или отсутствии той или иной патологии у обследуемого пациента.

Однако высокая распространенность раковых, сердечных, легочных заболеваний, а также вспышка Covid-19, которая привела к существенному увеличению смертности от этих заболеваний, влекут за собой огромные социальные издержки. В медицинских учреждениях, осуществляющих диагностические и терапевтические мероприятия, наблюдается перегруженность и дефицит квалифицированных медицинских специалистов в области радиологических исследований, на оценку и трактовку результатов радиологических исследований оказывает влияние человеческий фактор, отсутствуют необходимые ресурсы для проведения повторных прочтений исследований. Практика осуществления диагностических мероприятий сопряжена с риском пропуска патологий при первичном анализе радиологических исследований.

Данные факторы требуют проведения фундаментальных исследований в этой области с целью разработки новых и более эффективных терапевтических и диагностических инструментов, в том числе для того, чтобы повысить качество врачебных решений и по возможности ускорить процесс принятия врачебных решений.

Все это способствует внедрению в медицину современных цифровых методик обработки данных. Цифровизация здравоохранения сопровождается стремительно растущими объемами оцифрованной медицинской информации о пациентах, клинических баз данных и наборов медицинских данных, которые можно было бы использовать для поддержки принятия врачебных решений. В последние годы для работы над такими задачами все чаще применяются технологии искусственного интеллекта (ИИ).

Например, в известных способах современной ИИ-диагностики, таких как WO 2021/031279 A1 или WO 2021/091661 A1, нейронная сеть, которая была предварительно обучена на размеченном наборе изображений, получает оцифрованное рентгеновское изображение грудной клетки пациента, анализирует его и осуществляет предсказание того, имеется ли у данного пациента патология, помогая тем самым врачу принять оптимальное взвешенное решение.

Производятся попытки применять самые разные архитектуры нейросетей, разные методы обучения и разные методы предварительной обработки изображений, однако точность известных методов такова, что существенная часть медицинского сообщества высказывает мнение, что на текущем уровне развития подобные системы не помогают врачу, а наоборот, мешают, поскольку они могут снижать концентрацию внимания специалиста, полагающегося отчасти на ИИ, и возможны ошибки в принятии решений, что может влиять на качество оказания медицинских услуг. А в силу того, что ответственность за решение лежит именно на человеке, по-прежнему велик человеческий фактор и высоки трудозатраты и требования к квалификации.

В связи с этим в научных и технических публикациях в последнее время стало формироваться мнение, что необходимо использовать какие-либо дополнительные данные о пациенте в придачу к изображениям. Однако на данный момент не существовало конкретных способов и систем, которые бы позволяли бы осуществлять такую обработку с высокой точностью с минимальными требованиями как к самим дополнительным данным, так и к устройствам, обрабатывающим такие данные.

Сущность изобретения

С целью устранения по меньшей мере некоторых из вышеупомянутых недостатков предшествующего уровня техники, настоящее изобретение направлено на повышение эффективности систем поддержки принятия врачебных решений на основе анализа медицинских изображений.

Согласно настоящему изобретению, предложена система поддержки принятия врачебных решений, содержащая:

устройство для получения медицинских изображений, расположенное в медицинской организации и выполненное с возможностью формирования по меньшей мере одного медицинского изображения на основе диагностического исследования по меньшей мере одного органа и/или полости обследуемого пациента и передачи упомянутого по меньшей мере одного медицинского изображения на устройство передачи данных;

устройство передачи данных, расположенное в медицинской организации и выполненное с возможностью формирования подлежащих обработке данных на основе принятого по меньшей мере одного медицинского изображения и передачи подлежащих обработке данных на устройство для определения патологии; и

устройство для определения патологии, выполненное с возможностью извлечения упомянутого по меньшей мере одного медицинского изображения из принятых подлежащих обработке данных и определения, имеется ли в упомянутом по меньшей мере одном органе и/или полости обследуемого пациента на упомянутом по меньшей мере одном медицинском изображении патология,

причем определение патологии выполняется с использованием нейронной сети, предварительно обученной для данного типа диагностического исследования,

причем результат определения патологии предназначен для поддержки принятия врачебного решения о состоянии упомянутого по меньшей мере одного органа и/или полости обследуемого пациента и/или о лечении обследуемого пациента.

В одном из вариантов осуществления система дополнительно содержит средство просмотра, расположенное в медицинской организации и выполненное с возможностью приема результата определения патологии от устройства для определения патологии и предоставления результата определения патологии в виде, пригодном для просмотра человеком.

В одном из вариантов осуществления система дополнительно содержит хранилище, расположенное в медицинской организации и выполненное с возможностью хранения упомянутого по меньшей мере одного медицинского изображения, сформированного устройством для получения медицинских изображений, подлежащих обработке данных, сформированных упомянутым устройством передачи данных, и/или результата определения патологии от устройства для определения патологии.

В одном из вариантов осуществления система дополнительно содержит медицинскую информационную систему, расположенную в медицинской организации, причем хранилище и устройство передачи данных являются частями медицинской информационной системы.

В одном из вариантов осуществления подлежащие обработке данные содержат упомянутое по меньшей мере одно медицинское изображение.

В одном из вариантов осуществления подлежащие обработке данные дополнительно содержат дополнительную целевую информацию, содержащую сведения о пациенте, об исследовании, о медицинской организации и/или о медицинском специалисте, проводившем исследование.

В одном из вариантов осуществления подлежащие обработке данные дополнительно содержат уникальный идентификатор изображения, соответствующий каждому из упомянутого по меньшей мере одного медицинского изображения,

причем результат определения патологии, полученный устройством для определения патологии после обработки упомянутого по меньшей мере одного медицинского изображения, содержит уникальный идентификатор изображения, соответствующий данному изображению.

В одном из вариантов осуществления подлежащие обработке данные являются деперсонализированными.

В одном из вариантов осуществления подлежащие обработке данные представляют собой пакет, содержащий множество медицинских изображений,

причем устройство передачи данных дополнительно выполнено с возможностью передачи упомянутого пакета при достижении предварительно заданных параметров пакета или по времени.

В одном из вариантов осуществления система дополнительно содержит центральную медицинскую информационную систему (ЦМИС), выполненную с возможностью приема подлежащих обработке данных от упомянутого устройства передачи данных медицинской организации и их передачи на устройство для определения патологии.

В одном из вариантов осуществления подлежащие обработке данные, сформированные и переданные устройством передачи данных медицинской организации в ЦМИС, являются недеперсонализированными,

причем ЦМИС дополнительно выполнена с возможностью деперсонализации подлежащих обработке данных.

В одном из вариантов осуществления устройство для определения патологии дополнительно выполнено с возможностью:

визуализации по меньшей мере одной области на изображении, предположительно содержащей патологию, если определено, что в упомянутом по меньшей мере одном органе и/или полости обследуемого пациента на обрабатываемом медицинском изображении имеется патология; и

формирования отчета, содержащего изображение с визуализацией патологии.

В одном из вариантов осуществления визуализация патологии выполняется на изображении, которое является копией соответствующего изображения, на котором определена патология.

В одном из вариантов осуществления устройство для определения патологии дополнительно выполнено с возможностью:

формирования текстового протокола исследования, содержащего по меньшей мере одно из: идентификатора исходного изображения, результата определения патологии в числовом или текстовом формате, времени получения подлежащих обработке данных, времени получения результата определения патологии, времени формирования протокола исследования, информации об ошибках, возникших в ходе работы устройства; и

формирования отчета, содержащего текстовый протокол исследования.

В одном из вариантов осуществления система дополнительно содержит оборудование эксперта, выполненное с возможностью:

приема результата определения патологии от устройства для определения патологии;

предоставления результата определения патологии и соответствующего медицинского изображения пользователю оборудования эксперта;

приема ввода от пользователя для формирования медицинского заключения, содержащего врачебное решение о состоянии упомянутого по меньшей мере одного органа и/или полости обследуемого пациента и/или о лечении обследуемого пациента.

В одном из вариантов осуществления пользователем оборудования эксперта является специалист экспертной организации или внешний врач-рентгенолог, производящий медицинские заключения с использованием результатов работы устройства для определения патологии и/или выполняющий функцию эксперта или консультанта.

В одном из вариантов осуществления система содержит множество экземпляров оборудования эксперта, пользователями которых является множество специалистов экспертных организаций или внешних врачей-рентгенологов,

причем разные специалисты экспертных организаций или внешние врачи-рентгенологи выполняют интерпретацию разных типов исследований.

В одном из вариантов осуществления система содержит множество медицинских организаций и множество устройств для определения патологии,

причем одна или более медицинских организаций обслуживаются одним или более разными устройствами для определения патологии.

В одном из вариантов осуществления одно и то же медицинское изображение из одной медицинской организации передается на обработку в разные устройства для определения патологии, которые имеют разные принципы работы и/или обучены на разных наборах данных.

В одном из вариантов осуществления медицинские изображения, полученные в результате разных типов исследований, из одной медицинской организации передаются на обработку в разные устройства для определения патологии, предназначенные для обработки соответствующих типов исследований.

В одном из вариантов осуществления система дополнительно содержит ЦМИС, выполненную с возможностью:

приема подлежащих обработке данных от устройства передачи данных медицинской организации;

передачи подлежащих обработке данных на устройство для определения патологии;

приема результата определения патологии от устройства для определения патологии;

передачи результата определения патологии на оборудование эксперта;

получения медицинского заключения, сформированного с использованием оборудования эксперта;

передачи медицинского заключения организации или лицу, запрашивавшему обработку соответствующего медицинского изображения.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью:

хранения медицинских изображений;

хранения персональных данных пациентов;

деперсонализации по меньшей мере части подлежащих обработке данных перед их передачей на устройство для определения патологии; и

регулировки количества и типа персональных данных, к которым предоставляется право осуществлять доступ пользователю ЦМИС, в зависимости от его уровня доступа.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью:

приема запроса на составление заключения в отношении результата определения патологии; и

передачи результата определения патологии на оборудование эксперта в ответ на прием запроса на составление заключения,

причем запрос на составление заключения содержит задачу по интерпретации медицинского изображения и/или результата определения патологии, которую допускается выполнять по собственной инициативе любому одному или более экспертам, имеющим соответствующий уровень доступа к ЦМИС, или которую должен выполнить конкретный один или более экспертов;

и/или

приема запроса на обработку изображения в отношении медицинского изображения; и

передачи подлежащих обработке данных, содержащих данное медицинское изображение, на устройство для определения патологии в ответ на прием запроса на обработку изображения,

причем запрос на обработку изображения содержит задачу по определению патологии на соответствующем медицинском изображении, которую допускается выполнять по собственной инициативе любому одному или более устройствам для определения патологии, способным обрабатывать медицинские изображения соответствующего типа, или которую должно выполнить конкретное одно или более устройств для определения патологии.

В одном из вариантов осуществления запрос на составление заключения или запрос на обработку изображения исходит от медицинской организации, получившей соответствующее медицинское изображение, от медицинской организации или лица, запросившего обработку изображения, от самой ЦМИС, от устройства для определения патологии или от эксперта.

В одном из вариантов осуществления ЦМИС выполнена с возможностью формирования запросов на составление заключения с учетом одного или более из:

- рабочего времени эксперта или временного интервала, в течение которого эксперт готов принимать запросы;

- числа запросов, которые уже выданы эксперту, но еще не обработаны;

- минимального количества запросов, которые одновременно готов принимать эксперт;

- суммарного количества запросов, уже обработанных экспертом, и запросов, которые назначены данному эксперту, за рабочее время;

- количества заключений, выданных экспертом за последний период времени.

В одном из вариантов осуществления ЦМИС выполнена с возможностью формирования запросов на обработку изображения с учетом одного или более из:

- временного интервала, в течение которого допускается передавать запросы тому или иному устройству для определения патологии;

- числа запросов, которые уже выданы устройству для определения патологии, но еще не обработаны;

- минимального количества запросов, которые одновременно способно обрабатывать устройство для определения патологии;

- суммарного количества запросов, уже обработанных устройством для определения патологии, и запросов, которые назначены данному устройству для определения патологии, за предварительно определенный период времени;

- количества результатов, выданных данным устройством для определения патологии за последний предварительно определенный период времени.

В одном из вариантов осуществления ЦМИС выполнена с возможностью организации запросов на составление заключения и/или запросов на обработку изображений в порядке очереди.

В одном из вариантов осуществления запросы на составление заключения и запросы на обработку изображений имеют приоритет, устанавливаемый медицинской организацией, получившей соответствующее медицинское изображение, от медицинской организацией или лицом, запросившим обработку изображения, автоматически самой ЦМИС, автоматизированно или вручную оператором ЦМИС, устройством для определения патологии или экспертом.

В одном из вариантов осуществления приоритет устанавливается с учетом одного или более из:

- особенностей проводимых исследований,

- профиля организации, проводившей исследование,

- состояния пациента,

- требований организации или лица, запрашивавшего обработку изображения или составление заключения,

- крайнего срока оказания медицинской услуги.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью:

группировки изображений, ожидающих обработки, в пакеты для передачи на устройство для определения патологии.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью:

приема, от одного или более устройств передачи данных, одного или более пакетов, содержащих множество подлежащих обработке изображений; и

изменения размера и наполнения пакетов в зависимости от требований и/или возможностей одного или более устройств для определения патологии.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью валидации и/или предобработки подлежащих обработке данных.

В одном из вариантов осуществления валидация содержит одну или более следующих проверок:

- возможно ли извлечение изображения из подлежащих обработке данных;

- соответствуют ли данные, приложенные к запросу на обработку изображения, самому запросу;

- является ли изображение позитивом или негативом;

- имеет ли изображение размер, равный или превышающий предварительно заданный минимальный размер, поддерживаемый по меньшей мере одним из устройств для определения патологии, способных обрабатывать такой тип исследований;

- являются ли подлежащие обработке данные деперсонализированными;

- имеет ли уникальный идентификатор изображения предварительно заданный формат.

В одном из вариантов осуществления предобработка подлежащих обработке данных содержит одну или более следующих операций:

- преобразование изображения в позитив или негатив;

- обрезку изображения в соответствии с областью интереса, предварительно заданной в параметрах изображения медицинским специалистом, проводившим исследование;

- преобразование яркости или цветности изображения;

- сжатие изображения до требуемого размера;

- деперсонализацию подлежащих обработке данных;

- преобразование уникального идентификатора изображения в предварительно заданный формат, поддерживаемый одним или более устройств для определения патологии.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью:

хранения по меньшей мере одного набора данных, содержащих должным образом размеченные медицинские изображения,

причем разметка содержит указание на наличие или отсутствие патологии.

В одном из вариантов осуществления по меньшей мере один набор данных предназначен для обучения одного или более устройств для определения патологии.

В одном из вариантов осуществления по меньшей мере один набор данных содержит персональные данные пациентов.

В одном из вариантов осуществления персональные данные пациентов содержат пол и возраст пациентов.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью передачи по меньшей мере одного набора данных в устройство для определения патологии для целей обучения без деперсонализации в отношении тех персональных данных, которые необходимы для обучения устройству для определения патологии.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью:

анализа медицинских заключений, составляемых экспертами;

извлечения из медицинских заключений сведений о наличии или отсутствии патологии и о характере патологии, если таковая имеется; и

формирования по меньшей мере одного набора размеченных медицинских изображений на основе извлеченных данных.

В одном из вариантов осуществления ЦМИС дополнительно выполнена с возможностью:

дополнения разметки сформированных размеченных медицинских изображений соответствующими персональными данными пациента, сохраненными в ЦМИС.

В одном из вариантов осуществления анализируются только медицинские заключения, подготовленные экспертами, уровень квалификации или рейтинг которых выше предварительно заданного порога.

В одном из вариантов осуществления по меньшей мере один набор данных содержит для каждого пациента по меньшей мере два медицинских изображения одной и той же области, сделанных в разные периоды времени.

В одном из вариантов осуществления каждые по меньшей мере два медицинских изображения для каждого пациента являются размеченными, и содержащий их набор данных предназначен для обучения одного или более устройств для определения патологии игнорировать индивидуальные особенности пациентов, которые не должны считаться патологией, а также отслеживать изменения, происходящие в организме пациента в динамике.

В одном из вариантов осуществления устройство для определения патологии выполнено с возможностью запрашивать у ЦМИС предыдущие медицинские изображения анализируемой области пациента, изображенного на конкретном анализируемом изображении.

Технический результат

Настоящее изобретение позволяет повысить эффективность систем поддержки принятия врачебных решений на основе анализа медицинских изображений. При этом обеспечивается:

- повышение точности определения патологий;

- отсутствие необходимости обработки и передачи дополнительных данных о пациенте в процессе непосредственной работы системы;

- ускорение обработки данных по сравнению с системами, которые помимо передачи самого медицинского изображения требуют обработки и передачи дополнительных данных о пациенте в процессе непосредственной работы;

- снижение нагрузки на сети передачи данных и на систему поддержки принятия врачебных решений в целом и ее компоненты;

- обеспечение повышенной конфиденциальности исследования, так как по сети передается только деперсонализированное изображение;

- упрощение определения патологий по сравнению с системами, которые требуют обработки и передачи множества видов дополнительных данных о пациенте;

- снижение требований к квалификации медицинского персонала;

- уменьшение влияния человеческого фактора (внимательность, утомляемость, ответственность);

- снижение требований к производительности устройств и соответствующее снижение затрат и энергопотребления, возможность уменьшения размеров устройств;

- снижение требований к устройствам, обрабатывающим дополнительные данные.

Следует понимать, что не каждый из вариантов осуществления может обеспечивать одновременно все указанные преимущества по сравнению со всеми известными решениями из уровня техники. Соответственно, некоторые варианты осуществления могут обладать лишь некоторыми из указанных преимуществ или иными преимуществами относительно некоторых известных решений.

Эти и другие преимущества настоящего изобретения станут понятны при прочтении нижеследующего подробного описания со ссылкой на сопроводительные чертежи.

Краткое описание чертежей

На Фиг. 1 показано схематическое изображение системы поддержки принятия врачебных решений согласно настоящему изобретению.

На Фиг. 2 показан пример изображения, подлежащего обработке в устройстве определения патологии.

На Фиг. 3 и 4 показаны примеры изображений, которые не должны пройти валидацию.

На Фиг. 5 показана блок-схема устройства для определения патологии согласно настоящему изобретению.

На Фиг. 6 и 7 показаны примеры изображений для пациентов в разном возрасте.

На Фиг. 8 приведен пример изображения, на которое области интереса нанесены в виде тепловой карты.

На Фиг. 9 приведен пример изображения, на которое нанесены контуры областей интереса.

Следует понимать, что фигуры могут быть представлены схематично и не в масштабе и предназначены, главным образом, для улучшения понимания настоящего изобретения.

Подробное описание

Общий обзор системы

Далее со ссылкой на Фиг. 1 будет в целом описана система 100 поддержки принятия врачебных решений.

В медицинской организации (МО) 110 содержится устройство 120 для получения медицинских изображений. В качестве медицинских изображений могут использоваться, например, рентгеновские изображения, изображения МРТ (магнитно-резонансной томографии), изображения КТ (компьютерной томографии) и иные изображения, полученные методами радиологической (то есть с помощью излучения) или нерадиологической (например, с помощью камеры) диагностики. Медицинское изображение может также называться диагностическим изображением. Соответственно, устройство 120 может представлять собой устройство для получения рентгеновских изображений (также может взаимозаменяемо называться рентгенографическим диагностическим аппаратом, рентген-аппаратом, рентген-установкой, рентгеном и т.д.), устройство для получения флюорографических изображений, устройство для получения МРТ-изображений, устройство для получения КТ-изображений и т.п. Далее в данном документе исключительно для удобства описания в качестве устройства 120 для получения медицинских изображений может упоминаться рентген-аппарат, однако следует принимать во внимание вышеуказанные сведения и об иных возможных вариантах осуществления настоящего изобретения.

Медицинский специалист с помощью устройства 120 для получения медицинских изображений производит диагностическое исследование органов обследуемого пациента. Далее в данном документе исключительно для удобства описания в качестве примера диагностического исследования может упоминаться рентгенологическое исследование органов грудной клетки, однако следует понимать, что в иных вариантах осуществления настоящего изобретения возможно проведение МРТ-исследования, КТ-исследования и т.п., а органами, подлежащими исследованию, могут быть любые органы и полости, которые можно исследовать с помощью устройства для получения медицинских изображений.

В качестве медицинской организации 110, согласно настоящему изобретению, может выступать клиника, поликлиника, врачебный кабинет, больница, госпиталь, стационар, санаторий, пункт оказания медицинской помощи, аптека, мобильная установка, передвижной флюорографический кабинет или любая иная организация, помещение или установка, оборудованная устройством 120 для получения медицинских изображений.

Результат исследования формируется в виде медицинского изображения, например, в формате DICOM (стандарт цифровых изображений и связи в медицине), NIfTI (Инициатива по технологии нейроизображения в области информатики), Analyze, Minc1, Minc2 или ином пригодном открытом или проприетарном формате. Медицинский специалист при необходимости перед сохранением может применить к изображению фильтры, которые, на его взгляд, могут улучшить восприятие изображения. Кроме того, на изображение могут накладываться в одном из вариантов осуществления какие-либо предустановленные фильтры, характерные для конкретного устройства или для конкретного производителя.

Сформированное изображение сохраняется в локальном хранилище 131 данных, таком как хранилище на основе или в составе PACS (системы архивации и передачи DICOM-изображений), RIS (радиологической информационной системы), МИС (медицинской информационной системы) 130 или иной системы или устройства, пригодного для хранения медицинских данных. При необходимости к сохраняемому изображению может добавляться дополнительная целевая информация, такая как сведения о пациенте, об исследовании, о медицинской организации, о медицинском специалисте и т.д.

МИС 130 (в том числе PACS или RIS) может быть развернута на компьютере или сервере общего назначения, на специализированном оборудовании или на иных аппаратных средствах хранения, обработки и передачи данных, пригодных для воплощения настоящего изобретения и известных специалисту в данной области техники. В иллюстративном неограничивающем примере МИС 130 может представлять собой компьютер, имеющий 4-ядерный процессор, 8 ГБ RAM, дисковое пространство 60 ГБ под операционную систему CentOS 7, дисковое пространство 2 ТБ под данные, дисковое пространство 1 ТБ под базу данных и 2 сетевых адаптера.

Хранилище 131 изображено на Фиг. 1 в составе МИС 130 лишь в качестве примера, и следует понимать, что возможны и иные реализации, в которых хранилище 131 является отдельным от МИС 130, находится в составе устройства 120 для получения медицинских изображений или находится в составе другой внутренней системы хранения медицинской организации. Возможны также реализации, в которых медицинская организация вообще не использует специальные системы хранения и передачи медицинских данных, а использует для этих целей иные доступные средства хранения и передачи, такие как персональный компьютер или ноутбук.

Затем с помощью устройства 132 передачи данных, такого как PACS, RIS, МИС 130 или иная пригодная открытая или проприетарная система, формируются подлежащие обработке данные. Как и в случае с хранилищем 131, несмотря на то, что устройство 132 передачи данных изображено на Фиг. 1 в составе МИС 130, оно также может быть отдельным от МИС 130 или находиться в составе другой внутренней системы хранения медицинской организации.

В одном из вариантов осуществления при формировании подлежащих обработке данных в устройстве 132 передачи данных может производиться деперсонализация (анонимизация, де-идентификация, обезличивание) медицинского изображения органов обследуемого пациента. Для этого производится замена сведений о пациенте, которые так или иначе можно считать персональными, на обезличенные данные, по которым третья сторона не сможет восстановить первоначальные данные, не имея к ним надлежащего доступа. Например, в случае применения системы PACS анонимизируются поля “PatientName” (имя пациента), “OtherPatientNames” (другие имена пациента), “PatientID” (идентификатор пациента) и при необходимости другие поля, содержащие персональные данные или отнесенные к таковым.

В одном из вариантов осуществления может быть необходимо, чтобы изображение имело некоторый уникальный идентификатор (ID) изображения, не содержащий персональные данные, с тем чтобы впоследствии, получив обратно данные с таким идентификатором, МИС 130 или иная система или устройство, имеющее надлежащий доступ к персональным данным, при необходимости могла бы вновь сопоставить полученные данные с соответствующим пациентом. В иллюстративном неограничивающем примере на Фиг. 2 идентификатор имеет значение «56HJ». Конкретные методы генерации уникальных идентификаторов известны специалистам в данной области техники и не являются предметом настоящего изобретения. При этом в качестве уникального идентификатора может выступать как одно отдельное поле, так и набор из нескольких полей.

Возможные значения деперсонализированных данных и/или формат уникальных идентификаторов могут быть предварительно заданными и известными всем устройствам в системе, только доверенным устройствам или только устройству 160 для определения патологии, с тем чтобы они могли определять, являются ли передаваемые данные деперсонализированными. Например, в вышеуказанном примере на Фиг. 2 идентификатор имеет формат XXYY, где X - это арабская цифра, а Y - это буква латинского алфавита.

Процесс деперсонализации может происходить как полностью автоматически, так и при необходимости часть процесса деперсонализации или весь процесс деперсонализации может выполняться с участием человека, который может удалять или редактировать данные через соответствующий интерфейс устройства 132 передачи данных или медицинской информационной системы 130.

Деперсонализированные подлежащие обработке данные, пример которых показан на Фиг. 2, передаются из медицинской организации 110 напрямую или через центральную медицинскую информационную систему 150 на устройство 160 для определения патологии. При этом в одном из вариантов осуществления деперсонализация может выполняться в центральной медицинской информационной системе 150, и в таком случае из медицинской организации 110 могут сначала передаваться неанонимизированные данные в центральную медицинскую информационную систему 150, а затем из нее на устройство 160 для определения патологии могут передаваться деперсонализированные подлежащие обработке данные. Процесс деперсонализации может происходить как полностью автоматически, так и при необходимости часть процесса деперсонализации или весь процесс деперсонализации может выполняться с участием человека, который может удалять или редактировать данные через соответствующий интерфейс центральной медицинской информационной системы 150.

Устройство 160 для определения патологии, проанализировав на основе методов искусственного интеллекта (ИИ) медицинское изображение, содержащееся в поступивших данных, формирует предсказание, имеется ли на данном изображении патология. Если таковая имеется, то устройство 160 для определения патологии указывает области на изображении, содержащие патологии. Если патологии нет, то изображение не изменяется.

Опционально устройство 160 для определения патологии может формировать отчет (или протокол) о результате работы, содержащий описание результата в виде текстовой информации.

Сформированные данные (одно или более изображений и/или отчет) отправляются обратно (напрямую или опосредованно) от устройства 160 для определения патологии в медицинскую организацию 110, запрашивавшую обработку данных.

Полученные от устройства 160 для определения патологии результаты работы предоставляются ответственному лицу, например, врачу-рентгенологу, лечащему врачу или иному медицинскому специалисту или лицу, имеющему доступ к таким сведениям и ответственному за их прием и обработку в медицинской организации 110, с помощью средства 140 просмотра, и с их использованием он принимает решение о состоянии обследованных органов, а именно о наличии или отсутствии той или иной патологии. При необходимости медицинский специалист с учетом полученных результатов работы устройства 160 для определения патологии может принимать решение о лечении пациента. Средство 140 просмотра на Фиг. 1 упрощенно указано как дисплей 140, однако в предпочтительном варианте оно представляет собой АРМ (автоматизированное рабочее место) врача. В иллюстративном неограничивающем примере АРМ врача может представлять собой компьютер на базе процессора Intel Core i3 или его аналога, имеющий 8 ГБ RAM, свободное дисковое пространство 40 ГБ, устройство чтения компакт-дисков DVD-R/RW, скорость сетевого соединения 5 Мбит/с, монитор с разрешением экрана 1920x1080, а просмотр может выполняться с использованием программ просмотра DICOM изображений или через web-браузер.

Тем самым система 100 способствует повышению точности принятия врачебного решения.

Также возможен вариант осуществления, в котором сформированные устройством 160 для определения патологии данные отправляются не напрямую в медицинскую организацию 110, запрашивавшую обработку данных, а сначала (напрямую или через центральную медицинскую информационную систему 150) в специализированную экспертную организацию 170, производящую медицинские заключения с использованием результатов работы устройства 160 для определения патологии, или к внешнему врачу-рентгенологу 180, выполняющему функцию эксперта или консультанта. В таком случае медицинская организация 110 в ответ на отправленное медицинское изображение может получать от экспертной организации 170 или от внешнего врача-рентгенолога 180 (опять-таки, напрямую или через центральную медицинскую информационную систему 150) сразу готовое заключение или же предварительное заключение, которое может использоваться для принятия врачебного решения. Это позволяет снизить требования к квалификации и к рабочей нагрузке персонала медицинской организации 110 вплоть до возможности вообще не иметь в штате врача-рентгенолога, что обеспечивает существенное расширение географии возможного использования системы и позволяет получать высококвалифицированные медицинские услуги в тех местоположениях, где раньше они не были доступны из-за отсутствия персонала с надлежащей квалификацией, и с другой стороны, позволяет врачам-рентгенологам подключаться к системе из различных удаленных местоположений без привязки к конкретной медицинской организации.

Следует понимать, что в данном документе блоки 170 и 180 упрощенно упоминаются как «экспертная организация 170» и «внешний врач-рентгенолог 180», однако технически с точки зрения системы эти блоки представляют собой оборудование/устройства для приема, просмотра, редактирования и передачи данных, которыми управляет/владеет/пользуется экспертная организация 170 и внешний врач-рентгенолог 180.

Согласно настоящему изобретению, термин “внешний” применительно к врачу-рентгенологу означает, что этот врач не состоит в штате медицинской организации 110, проводившей рентгенологическое исследование и запросившей обработку полученного снимка, и/или не находится физически в этой организации и/или не имеет доступа к МИС 130 этой организации. Кроме того, следует понимать, что термин “рентгенолог” (radiologist) в контексте настоящего изобретения приводится в расширительном толковании, то есть подразумевается, что это медицинский специалист, который обладает подтвержденной квалификацией (знаниями, умениями, навыками и опытом) по анализу (интерпретации) медицинских (диагностических) изображений, то есть по одному или более из следующего: анализ результатов рентгенологического исследования, анализ результатов КТ, анализ результатов МРТ и т.п.

Экспертная организация 170 может представлять собой медицинскую или иную организацию, наделенную функциями по анализу медицинских изображений и составлению заключений и обладающую одним или более специалистами соответствующего профиля и надлежащей квалификации по анализу (интерпретации) медицинских (диагностических) изображений, то есть по одному или более из следующего: анализ результатов рентгенологического исследования, анализ результатов КТ, анализ результатов МРТ и т.п.

Специалисты экспертной организации 170 и внешние врачи-рентгенологи 180 могут осуществлять доступ к данным со специализированного рабочего места (АРМ врача) или с использованием иного подходящего устройства, такого как компьютер, ноутбук, смартфон, планшет, VR-шлем (шлем виртуальной реальности), VR-очки и т.д.

На Фиг. 1 для простоты изображена одна медицинская организация 110, одно устройство 160 для определения патологии, одна экспертная организация 170 и один внешний врач-рентгенолог 180, однако следует понимать, что возможны и другие варианты осуществления. Например, в одном из вариантов осуществления система 100 поддержки принятия врачебных решений может содержать множество медицинских организаций 110, обслуживаемых одним устройством 160 для определения патологии. В общем случае одна или более медицинских организаций 110 могут обслуживаться одним или более разными устройствами 160 для определения патологии.

При этом медицинская организация 110 может отправлять одно и то же изображение в разные устройства 160 для определения патологии, если они имеют разные принципы работы и/или обучены на разных наборах данных, и тогда медицинская организация 110 может иметь несколько результатов обработки (отчетов, протоколов, предварительных заключений), что является некоторым аналогом консилиума и может повысить точность принятия врачебного решения.

Кроме того, медицинская организация 110 может отправлять разные изображения в разные устройства 160 для определения патологии. В частности, это может быть удобно, если они специализируются на разных типах исследований. Например, одно устройство 160 для определения патологии предназначено для выявления патологий органов грудной полости, а другое - для выявления патологий позвоночника. Это обеспечивает расширение функционала системы поддержки принятия врачебных решений и возможность медицинской организации получать полный спектр услуг по обработке и анализу диагностических исследований в рамках единой системы поддержки принятия врачебных решений без необходимости интеграции со множеством разных систем с целью получения услуг по разным направлениям исследований. Кроме того, разработчики и поставщики устройств 160 для определения патологии могут не стремиться охватить все возможные типы исследований в попытке удовлетворить все требования системы 100 поддержки принятия врачебных решений, а сконцентрироваться именно на тех типах исследований, в которых они имеют наибольшие компетенции, что с точки зрения системы обеспечивает повышение точности и качества оказания услуг по каждому из отдельных типов исследований.

Аналогичным образом, разные экспертные организации 170 и разные внешние врачи-рентгенологи 180 могут специализироваться именно на тех типах исследований, в которых они имеют наибольшие компетенции, что с точки зрения системы обеспечивает повышение точности и качества оказания услуг по каждому из отдельных типов исследований.

Центральная медицинская информационная система 150, указанная на Фиг. 1, экспертная организация 170 или внешний врач-рентгенолог 180 не являются обязательными элементами предложенной системы 100 поддержки принятия врачебных решений. Соответственно, в одном из вариантов осуществления медицинская организация 110 может осуществлять непосредственный обмен данными с устройством 160 для определения патологии. Это обеспечивает упрощение реализации системы 100 поддержки принятия врачебных решений. Такая реализация может быть удобна, например, для случаев, когда число медицинских организаций 110, обслуживаемых устройством 160 для определения патологии, относительно невелико, а экспертные организации 170 или внешние врачи-рентгенологи 180 вообще не привлекаются или их число также относительно невелико.

В другом варианте осуществления, когда в систему 100 поддержки принятия врачебных решений входит множество медицинских организаций 110 и/или множество устройств 160 для определения патологии, а также экспертные организации 170 или внешние врачи-рентгенологи 180, целесообразно применять центральную медицинскую информационную систему 150. Необходимо отметить, что термин “центральная” в данном случае указывает в первую очередь не на то, что это некий один-единственный центральный сервер, который замыкает на себе все возможные связи, а на то, что центральная медицинская информационная система 150 занимает место посередине, в центре между остальными участниками системы 100 поддержки принятия врачебных решений, выполняя роль промежуточной системы сбора, хранения и перераспределения данных. При этом в зависимости от требований конкретного применения центральная медицинская информационная система 150 может быть как сосредоточенной (централизованной), так и распределенной, в том числе реализованной в облаке.

Центральная медицинская информационная система 150 может содержать множество устройств хранения и обработки данных. В одном из вариантов осуществления владельцем всей центральной медицинской информационной системы 150 в целом может быть государственная структура, муниципальная структура, уполномоченный орган или оператор или иная государственная или негосударственная коммерческая или некоммерческая структура или организация. В другом варианте осуществления отдельные устройства в рамках центральной медицинской информационной системы 150 могут принадлежать разным владельцам - например, в разных городах разные организации (местные операторы) могут предоставлять свое серверное оборудование для использования в качестве устройств хранения и обработки данных, а общий оператор может осуществлять функции надзора и регулирования. При необходимости участникам центральной медицинской информационной системы 150 может требоваться получение лицензии на право работы в рамках этой системы и/или на право доступа к персональным данным и их хранения и обработки.

Выше описывалось, что результат работы устройства 160 для определения патологии может пересылаться в экспертную организацию 170 или к внешнему врачу-рентгенологу 180, однако возможен также и другой вариант осуществления, в котором такой результат лишь отправляется в центральную медицинскую информационную систему 150, сохраняется в ней и помечается как предварительный результат, требующий заключения профильного медицинского специалиста. В дальнейшем по собственной инициативе (например, по мере возможности, при наличии свободного времени, при необходимости получения опыта и практики и т.д.) или по запросу экспертные организации 170 или внешние врачи-рентгенологи 180, имеющие соответствующие права доступа, осуществляют доступ к центральной медицинской информационной системе 150, загружают предварительные результаты, требующие заключения, на свои устройства, выполняют анализ, составляют заключение и отправляют заключение в центральную медицинскую информационную систему 150, или же, не загружая, просматривают такие предварительные результаты через свои устройства прямо в пользовательском интерфейсе центральной медицинской информационной системы 150 и составляют заключения непосредственно в этом интерфейсе. Под загрузкой результатов здесь подразумевается сохранение соответствующих файлов в постоянной памяти устройства на стороне экспертной организации 170 или внешнего врача-рентгенолога 180 для дальнейшего открытия этих файлов из постоянной памяти.

Термин “запрос” согласно настоящему изобретению охватывает как задачу, которую допускается выполнять по собственной инициативе любому врачу или экспертной организации, имеющим соответствующий уровень доступа, так и задачу, которую должна выполнить конкретная экспертная организация 170 или конкретный внешний врач-рентгенолог 180.

Далее в настоящем документе в некоторых случаях для простоты описания экспертная организация или внешний врач-рентгенолог могут быть заменены одним термином “эксперт”. Соответственно, оборудование/устройства для приема, просмотра, редактирования, обработки и передачи данных, которыми управляет/владеет/пользуется экспертная организация 170 или внешний врач-рентгенолог 180, может называться оборудованием/устройством эксперта.

Запрос на составление заключения может исходить, например, от медицинской организации 110, изначально запросившей обработку изображения, от самой центральной медицинской информационной системы 150 или от устройства 160 для определения патологии. В одном из вариантов осуществления запрашивать обработку данных и/или составление заключения может не та медицинская организация, в которой выполнялось диагностическое исследование, а некоторая иная организация или лицо. Это может быть применимо, например, для случая, когда пользователем или владельцем устройства 120 для получения медицинских изображений является одна медицинская организация, а заключения по получаемым этим устройством изображениям составляет экспертная организация 170 или внешний врач-рентгенолог 180 и отправляет напрямую заказчику. Это позволяет снизить требования к квалификации медицинских специалистов, пользующихся устройствами 120 для получения медицинских изображений, и увеличить географию применения таких устройств, что обеспечивает повышение доступности качественных медицинских услуг.

Кроме того, если один эксперт испытывает затруднения в составлении заключения или сомневается в его точности, то он может вновь пометить текущий результат как предварительный результат, требующий заключения, и/или направить запрос к другому эксперту. Такой подход позволяет получать консолидированное мнение по сложным случаям, что повышает точность принятия врачебных решений и качество оказания медицинских услуг.

Момент выдачи запроса на составление заключения может быть различным. Как указывалось выше, запрос может формироваться сразу при формировании результата работы устройства 160 для определения патологии, требующего заключения. Такой подход может повысить скорость обработки предварительных результатов и получения заключений и тем самым повысить качество оказания медицинских услуг.

В другом варианте осуществления может приниматься во внимание тот факт, что запросы на анализ каждого отдельного предварительного результата, приходящие множеству экспертов нерегулярно в течение дня, могут вызывать неудобство, беспокойство и переутомление, а также могут оказывать негативное влияние на иные работы, выполняемые этим экспертом. Во избежание этих недостатков при формировании запросов в адрес того или иного эксперта может учитываться его рабочее время или временной интервал, в течение которого этот эксперт готов принимать запросы. Кроме того, может учитываться текущая загрузка, то есть число запросов, которые уже выданы данному эксперту, но еще не обработаны. Если порог текущих запросов для данного эксперта достигнут или превышен, новые запросы ему могут не выдаваться. Также может учитываться, какое минимальное количество запросов одновременно готов принимать эксперт. Для этого предварительные результаты, требующие заключения, могут накапливаться, и при достижении порога одновременных запросов для данного эксперта они могут отправляться данному эксперту сразу пакетом. Помимо того, может учитываться общая загрузка эксперта, то есть суммарное количество запросов, уже обработанных данным экспертом, и запросов, которые назначены данному эксперту, за рабочее время. Если порог общей загрузки для данного эксперта достигнут или превышен, новые запросы ему могут не выдаваться, чтобы снизить вероятность ошибки из-за анализа изображения уставшим экспертом. Кроме того, может учитываться текущая производительность эксперта, то есть количество заключений, выданных данным экспертом за последний период времени, и при достижении порога производительности во избежание снижения концентрации новые запросы ему могут не выдаваться до тех пор, пока в последующий момент времени при очередном пересчете производительности она вновь не окажется ниже порога. Все эти меры позволяют обеспечить то, что эксперт будет выполнять анализ изображения и составлять заключение с должным вниманием и ответственностью и без утомления, а также обеспечить гибкость системы и возможность участия в ней множества заказчиков и исполнителей.

Запросы на составление заключения могут храниться в центральной медицинской информационной системе 150, например, в порядке очереди, такой как FIFO (первым пришел - первым обслужен), очередь с приоритетом или очередь с иным принципом обработки.

Когда экспертная организация 170 или внешний врач-рентгенолог 180 принимает в работу один или более запросов, соответствующие запросы могут извлекаться (удаляться) из очереди во избежание дублирования и выполнения одной и той же работы разными экспертами. В другом варианте осуществления один или более предварительных результатов могут изначально быть предназначенными для анализа предварительно заданным числом из двух или более экспертов, и тогда соответствующий запрос в очереди может содержать счетчик, отражающий, сколько экспертов приняли в работу данный запрос. Когда счетчик достигает требуемого предварительно заданного числа, соответствующий запрос удаляется из очереди.

Соответственно, по мере добавления запросов в очередь, по мере удаления запросов из очереди, по мере принятия запросов в работу конкретным экспертом, с определенной периодичностью, в комбинации вышеуказанного или каким-либо иным подходящим образом может выполняться пересчет вышеупомянутых параметров загрузки для отдельного эксперта или для всех экспертов.

В одном из вариантов осуществления приоритет запросов на составление заключения может устанавливаться самой медицинской организацией 110, запрашивающей обработку изображения. В другом варианте осуществления приоритет запросов на составление заключения может устанавливаться автоматически центральной медицинской информационной системой 150 в соответствии с профилем медицинской организации 110, запрашивающей обработку изображения. Еще в одном варианте осуществления приоритет запросов на составление заключения может устанавливаться вручную пользователем, выполняющим функцию оператора центральной медицинской информационной системы 150. Например, если предположительно здоровый пациент проходит ежегодное флюорографическое исследование, приоритет такого запроса может быть изначально самым низким, число экспертов, от которых требуется получить заключение по такому исследованию, может быть равно 1, а требуемая квалификация эксперта может быть самой низкой. В противоположном случае, если исследование проводится в срочном режиме и стоит вопрос жизни и смерти пациента, а врачу, который произвел исследование, требуется немедленная помощь от коллег, такому запросу может быть назначен наивысший приоритет, число экспертов, от которых требуется получить заключение по такому исследованию, может составлять 2 и более, а требуемая квалификация экспертов может быть самой высокой. Разумеется, возможны и иные, промежуточные варианты в зависимости от особенностей проводимых исследований, профиля организации и состояния пациента. Описывать все возможные варианты нецелесообразно, так как они должны быть понятны специалисту исходя из принципов настоящего изобретения. Таким образом, обеспечивается повышение качества оказания медицинских услуг.

В одном из вариантов осуществления может учитываться крайний срок оказания медицинской услуги, и по мере приближения к этому сроку приоритет соответствующего запроса на составление заключения может повышаться. Тем не менее, учитывая важность некоторых типов исследований и услуг, каждое исследование может иметь соответствующий предел приоритета в зависимости от особенностей проводимых исследований, профиля организации и состояния пациента. Например, даже просроченная флюорография здорового человека не может быть важнее, чем снимок человека, лежащего на больничной койке, которому через полчаса предстоит операция. При этом приоритеты могут быть реализованы, в частности, в виде весовых коэффициентов - например, весовой коэффициент 1 может соответствовать самому высокому приоритету, а изначально самый низкоприоритетный запрос может иметь весовой коэффициент, варьирующийся в пределах от 0 до 0,5, и т.д. Это позволяет повысить своевременность оказания медицинских услуг при сохранении их высокого качества.

Кроме того, при добавлении новых требующих обработки исследований в центральную медицинскую информационную систему 150 приоритет, изначально установленный медицинской организацией 110, запрашивающей обработку, может корректироваться самой системой 150 автоматически или ее оператором вручную в соответствии с особенностями проводимых исследований, профиля организации, состояния пациента, датой проведения исследования и крайнего срока оказания медицинской услуги. Таким образом, если исследование не является срочным, то устраняется необходимость как можно быстрее после получения изображения отправлять его в центральную медицинскую информационную систему 150 в попытке занять место в очереди пораньше, чтобы пораньше получить заключение, а вместо этого обеспечивается возможность загружать исследования единовременно пакетами - например, раз в час или в конце рабочего дня. Это позволяет регулировать и планировать трафик и количество одновременных подключений к центральной медицинской информационной системе 150, что повышает рациональность использования ресурсов времени, трафика и ресурсов производительности центральной медицинской информационной системы 150 и иных устройств в системе 100 поддержки принятия врачебных решений при поддержании высокой своевременности и качества оказываемых медицинских услуг.

Подобно тому, как запросы на составление заключения применительно к предварительным результатам от устройств 160 для определения патологии формируются, организуются в очередь и обрабатываются центральной медицинской информационной системой 150, экспертными организациями 170 и внешними врачами-рентгенологами 180, могут формироваться и организовываться в очередь запросы к устройствам 160 для определения патологии на обработку изображений, поступающих от медицинских организаций 110. Устройства 160 для определения патологии могут выполнять обработку изображений по конкретному запросу или же опрашивать центральную медицинскую информационную систему 150 на предмет наличия необработанных запросов на обработку изображений, которые способно обработать данное устройство. Кроме того, в зависимости от загрузки устройств 160 для определения патологии и от их требований центральная медицинская информационная система 150 может регулировать число и время отправки запросов на обработку изображений. Также запросам на обработку изображений могут присваиваться различные приоритеты, подобному тому, как это описывалось выше в отношении запросов на составление заключения, в тех случаях, когда это применимо к устройствам 160 для определения патологии.

Изображения, ожидающие обработки, могут группироваться в пакеты (серии) для пересылки на устройство 160 для определения патологии. Соответственно, устройство 160 для определения патологии может выполнять пакетную обработку принятых изображений. Группировка в пакеты может выполняться как в медицинской организации 110, так и в центральной медицинской информационной системе 150. Центральная медицинская информационная система 150 может изменять размер и наполнение пакетов, полученных от медицинских организаций 110 - например, сортировать снимки по их разрешению в пикселях, по приоритету или иным параметрам и формировать новые пакеты, причем при необходимости в один и тот же пакет могут быть добавлены снимки от разных медицинских организаций 110.

В одном из вариантов осуществления центральная медицинская информационная система 150 может выполнять первичную валидацию или предобработку изображений. Также первичная валидация или предобработка возможна на стороне медицинской организации 110.

В частности, из подлежащих обработке данных может выполняться попытка извлечь изображение. Если попытка терпит неудачу, то делается вывод, что файл изображения поврежден или не может быть прочитан. Причиной этому могут быть такие факторы, как отсутствие изображения в данных, невозможность считывания метаданных, присутствие каких-либо аномальных и не учтенных значений тегов и т.д. В таком случае данные не передаются на обработку, и по ним создается соответствующее указание.

Может выполняться проверка, соответствуют ли данные, приложенные к запросу на обработку изображения, самому запросу. Например, если в запросе указано, что требуется обработать рентгеновский снимок органов грудной клетки в прямой проекции, может выполняться проверка, содержат ли приложенные данные рентгеновский снимок органов грудной клетки в прямой проекции. Различные варианты реализации такой проверки известны специалистам в данной области техники и могут включать в себя, например, предварительно обученную нейронную сеть (нейросеть), производящую соответствующую классификацию, или иные методы компьютерного зрения. Если проверка терпит неудачу, то такие данные не передаются на обработку, и по ним создается соответствующее указание. Примеры подобных ошибок, когда исследование заявлено как рентгенограмма органов грудной клетки в прямой проекции, а на самом деле таковым не является и не может быть обработано, приводятся на Фиг. 3 и 4.

Кроме того, может выполняться проверка, является ли изображение позитивом или негативом. Различные варианты реализации такой проверки известны специалистам в данной области техники и могут включать в себя, например, предварительно обученную нейронную сеть (нейросеть), производящую соответствующую классификацию, или иные методы компьютерного зрения. Если в результате проверки выявляется, что изображение не соответствует входным требованиям устройства 160 для определения патологии, может выполняться надлежащее преобразование изображения в негатив или позитив.

Если медицинским специалистом, проводившим исследование, в параметрах изображения предварительно задана область интереса (VOI), то может выполняться соответствующая обрезка изображения (VOI LUT) для получения изображения, содержащего только область интереса. Например, если медицинский специалист, проводивший рентгенологическое исследование органов грудной клетки, указал область интереса, то согласно параметрам, вшитым в изображение, применяется обрезка, в результате которой на изображении остается только область легких.

Также может производиться проверка, имеет ли изображение размер (разрешение в пикселях), равный или превышающий предварительно заданный минимальный размер, поддерживаемый по меньшей мере одним из устройств 160 для определения патологии, способных обрабатывать такой тип исследований. Например, полученное исходное рентгеновское изображение органов грудной клетки, требующее обработки, имеет размер 800х800 пикселей, а система 100 поддержки принятия врачебных решений содержит три устройства 160 для определения патологии, способных обрабатывать такой тип исследований, из них два устройства поддерживают минимальный размер входного изображения, равный 1024×1024 пикселя, и третье устройство поддерживает минимальный размер 512×512 пикселей. Соответственно, запрос на обработку полученного изображения будет отправлен только третьему устройству 160 для определения патологии. Если же исходное изображение имеет размер меньше минимально поддерживаемого хотя бы одним из устройств 160 для определения патологии, то такое изображение не передается на обработку, и по нему создается соответствующее указание. Это позволяет повысить точность обработки изображений и снизить вероятность ошибок и необходимость повторного анализа некоторых изображений разными устройствами 160 для определения патологии, и тем самым повысить качество оказания медицинских услуг.

Если устройство 160 для определения патологии, которое принимает в работу запрос на обработку изображений, требует определенных параметров входного изображения, то центральная медицинская информационная система 150 или сама медицинская организация 110 (например, когда система 100 поддержки принятия врачебных решений не содержит систему 150 или если система 100 содержит только одно устройство 160 для определения патологии, способное обработать такой тип исследований) может выполнить предобработку изображений. В частности, в одном из вариантов осуществления может выполняться преобразование яркости и цветности исходного изображения. Например, глубина цвета исходного изображения может составлять 12-16 бит, а в результате преобразования может быть получено изображение с глубиной цвета 8 бит. В другом варианте осуществления может выполняться сжатие изображения до требуемого размера. Применимы различные методы сжатия, известные специалистам в данной области техники, поэтому подробное описание процесса сжатия здесь не приводится.

Вышеуказанные функции первичной валидации и предобработки позволяют повысить гибкость и адаптируемость системы поддержки принятия врачебных решений к различным техническим возможностям участников системы, что обеспечивает высокую степень масштабируемости и возможность участия в системе как можно большего числа участников, что повышает доступность высококачественных медицинских услуг.

Помимо того, в центральной медицинской информационной системе 150 может производиться проверка, являются ли подлежащие обработке данные деперсонализированными. Для этого проверяется, содержат ли поля, которые относятся к персональным данным, какие-либо значения, и если содержат, то являются ли эти значения деперсонализированными. Например, если поле “PatientName” пустое или содержит предварительно заданное значение “0” или “Аноним”, как указано на Фиг. 2 и Фиг. 4, то считается, что это поле деперсонализировано, а поле со значением «Венера Милосская», указанное на Фиг. 3, не является деперсонализированным. Данные, не прошедшие проверку, могут деперсонализироваться центральной медицинской информационной системой 150 перед формированием запроса на обработку данных или запроса на составление заключения.

В случае использования уникальных идентификаторов может также производиться проверка, имеет ли уникальный идентификатор изображения предварительно заданный формат. Например, если идентификатор изображения должен строго иметь формат XXYY, то идентификатор изображения с Фиг. 2, имеющий значение «56HJ», пройдет проверку, а идентификаторы изображения с Фиг. 3 и 4 со значениями «0» и «C3PO» не пройдут проверку. Идентификаторы, формат которых не удовлетворяет требованиям, могут быть преобразованы центральной медицинской информационной системой 150 перед формированием запроса на обработку данных или запроса на составление заключения, либо соответствующие данные не передаются на обработку и по ним создается указание о невозможности обработки.

Следует отметить, что устройство 160 для определения патологии или устройства экспертов, составляющих заключения, могут поддерживать несколько разных допустимых значений деперсонализированных данных и форматов уникальных идентификаторов, и в таком случае в центральной медицинской информационной системе 150 может производиться проверка, соответствуют ли значения полей в принятых данных и формат идентификатора принятого изображения хотя бы одному из соответствующих поддерживаемых значений и форматов данного устройства 160 для определения патологии или устройства эксперта, готового и способного принять запрос в работу. Если значение не соответствует предварительно заданному допустимому значению или идентификатор изображения имеет неверный формат, то в центральной медицинской информационной системе 150 может выполняться приведение данных к тем требованиям деперсонализации, которые поддерживаются данным устройством 160 для определения патологии или устройством эксперта.

Вышеуказанные функции деперсонализации позволяют повысить гибкость и адаптируемость системы поддержки принятия врачебных решений к различным техническим возможностям участников системы и существенно снизить требования к участникам системы, связанные с обработкой персональных данных, что обеспечивает высокую степень масштабируемости и возможность участия в системе как можно большего числа участников, что повышает доступность высококачественных медицинских услуг.

В одном из вариантов осуществления настоящего изобретения центральная медицинская информационная система 150 может хранить не только те медицинские изображения, по которым требуется анализ и составление заключения, но и обучающие наборы данных, содержащие должным образом размеченные медицинские изображения, которые предназначены, в числе прочего, для обучения одного или более устройств 160 для определения патологии, а именно для обучения встроенных в них нейронных сетей и/или алгоритмов компьютерного зрения. Таким образом, существует единый архив обучающих наборов данных, к которому может обращаться каждое из множества устройств 160 для определения патологии, входящих в систему 100 поддержки принятия врачебных решений, при этом самим устройствам 160 для определения патологии нет необходимости отдельно хранить, поддерживать, обновлять и пополнять свои обучающие наборы данных, а также искать иные сторонние источники обучающих данных. Тем самым снижаются требования к участникам системы, что обеспечивает высокую степень масштабируемости и возможность участия в системе как можно большего числа участников, что повышает доступность высококачественных медицинских услуг.

Более того, к этому же единому архиву обучающих наборов данных могут при необходимости осуществлять доступ медицинские специалисты, научные сотрудники и обучающиеся из любого местоположения, например, в целях обучения, проведения научных исследований, поиска снимков с похожей патологией и т.д. Тем самым повышается качество и доступность образования, качество оказания медицинских услуг и доступность высококачественных медицинских услуг.

Еще в одном из вариантов осуществления настоящего изобретения центральная медицинская информационная система 150 может хранить обучающие наборы данных, в которых разметка медицинских изображений содержит персональные данные пациента, такие как имя, пол, возраст и т.д. Каждый человек, устройство или система, осуществляющие доступ к системе, имеют назначенный им уровень доступа, и в зависимости от уровня доступа конкретного пользователя центральная медицинская информационная система 150 регулирует количество данных, которые может просматривать этот пользователь. Например, пользователь, имеющий низкий уровень доступа, может просматривать сами снимки, а из их описания (разметки) имеет доступ только к описанию патологии, если таковая имеется. Научный сотрудник, например, для проведения исследования может получить доступ к полу, возрасту и информации о сопутствующих заболеваниях пациентов, если таковая имеется, но ему не требуется знать имя пациента, поэтому центральная медицинская информационная система 150 не показывает ему имена пациентов. В то же время, лечащий врач или эксперт, готовящий заключение, получив высокий уровень доступа, может производить в архиве поиск предыдущих снимков конкретного пациента, вводя, например, его имя или номер медицинского полиса, и центральная медицинская информационная система 150 предоставляет в ответ на такой поиск все имеющиеся в архиве снимки данного пациента. Также возможна реализация, в которой центральная медицинская информационная система 150 предоставляет все имеющиеся в архиве снимки данного пациента без использования персональных данных, а просто в ответ на запрос предоставления предыдущих снимков пациента, изображенного на конкретном анализируемом или просматриваемом пользователем снимке. Тем самым, повышается качество и доступность образования, качество оказания медицинских услуг и доступность высококачественных медицинских услуг.

Более того, одно или более устройств 160 для определения патологии могут также получать доступ ко всем или к части персональных данных, содержащихся в разметке. Если такие данные необходимы устройству 160 для определения патологии только в целях обучения его нейронных сетей и/или алгоритмов компьютерного зрения, то они используются только в процессе обучения и не сохраняются. За счет этого значительно повышается точность обучения и предсказания патологии, что приводит к повышению качества оказания медицинских услуг, при этом снижаются требования к участникам системы (например, в части обработки и хранения персональных данных), что обеспечивает высокую степень масштабируемости и возможность участия в системе как можно большего числа участников, что повышает доступность высококачественных медицинских услуг.

В дополнительном варианте осуществления настоящего изобретения центральная медицинская информационная система 150 может полностью автоматически или автоматизированно с использованием ввода от оператора анализировать медицинские заключения, составляемые экспертами, извлекать из них сведения о наличии или отсутствии патологии и о характере патологии, если она имеется, и создавать на основе извлеченных данных размеченные медицинские изображения. При необходимости разметка может также дополняться соответствующими персональными данными пациента, если центральная медицинская информационная система 150 имеет такие данные. Таким образом, создаются условия для постоянного и широкомасштабного пополнения обучающих наборов данных. За счет этого обеспечивается возможность повышения точности обучения и предсказания патологии, что приводит к повышению качества оказания медицинских услуг, при этом снижаются требования к участникам системы (в частности, нет необходимости самостоятельного пополнения обучающих данных), что обеспечивает высокую степень масштабируемости и возможность участия в системе как можно большего числа участников, что повышает доступность высококачественных медицинских услуг.

Чтобы повысить степень доверия к новым данным, пополняющим обучающие наборы данных, пополнение может производиться только из заключений, сделанных экспертами, уровень квалификации или рейтинг которых выше предварительно заданного порога. По сравнению с предыдущим вариантом осуществления это несколько снижает скорость пополнения обучающих наборов данных, однако существенно снижает вероятность наличия в них ошибок, что позволяет повысить точность обучения и предсказания патологии, а также повысить качество оказания медицинских услуг.

Еще в одном дополнительном варианте осуществления настоящего изобретения может быть создан обучающий набор данных, содержащий для каждого пациента по меньшей мере два размеченных медицинских изображения одной и той же области, сделанных в разные периоды времени. Таким образом, устройство 160 для определения патологии может, обучившись на таком наборе данных, научиться игнорировать индивидуальные особенности пациентов, которые не должны считаться патологией, а также отслеживать изменения, происходящие в организме пациента в динамике. За счет этого может быть повышена точность предсказания патологии, что приводит к повышению качества оказания медицинских услуг.

Кроме того, центральная медицинская информационная система может хранить для каждого пациента историю как размеченных, так и неразмеченных снимков одной и той же области, сделанных в разные периоды времени. При этом с точки зрения объема передаваемых данных и производительности работы может быть нецелесообразно передавать сразу всю историю снимков для каждого пациента, текущий снимок которого необходимо проанализировать. Устройство 160 для определения патологии может при необходимости запрашивать у центральной медицинской информационной системы 150 предыдущие снимки пациента, изображенного на конкретном анализируемом снимке. Например, это может происходить, когда выявленная устройством 160 для определения патологии вероятность наличия патологии по результатам анализа текущего снимка является пограничной (допустим, 35-65%, 40-60% и т.п.), и анализ предыдущих снимков может помочь устройству 160 для определения патологии выполнить более точное предсказание. За счет этого без существенного влияния на производительность и нагрузки на систему может быть повышена точность предсказания патологии, что приводит к повышению качества оказания медицинских услуг.

Структура устройства для определения патологии

Далее со ссылкой на Фиг. 5 будет подробно описано устройство 200 для определения патологии на основе медицинских изображений согласно настоящему изобретению. Следует отметить, что устройство 200 для определения патологии полностью соответствует устройству 160 для определения патологии, изображенному на Фиг. 1, и имеет такие же функции и возможности, если это применимо и не противоречит описанию данного раздела. Далее для удобства описания в качестве обследуемых органов могут упоминаться органы грудной клетки, а в качестве медицинского изображения может упоминаться рентгеновское изображение, однако следует принимать во внимание, что принципы настоящего изобретения применимы и к другим видам исследований, как это указывалось выше в данном документе.

Устройство 200 для определения патологии содержит блок 210 приема данных, блок 220 хранения данных, блок 230 валидации данных, блок 240 подготовки изображений, блок 250 предсказания патологии, блок 260 формирования отчета, блок 270 передачи данных и блок 280 обучения. В зависимости от конкретного применения некоторые из этих блоков могут отсутствовать, как будет более подробно пояснено позднее в данном документе.

Блок 210 приема данных принимает подлежащие обработке данные, содержащие медицинское изображение, такое как рентгеновское изображение грудной клетки обследуемого пациента. Блок 210 приема может представлять собой отдельную микросхему, сетевую плату или иное подходящее средство, способное осуществлять связь с внешними устройствами проводным и/или беспроводным образом, например, по протоколу локальной сети (LAN), Интернет и т.д. с помощью технологий Ethernet, оптоволокна, WiFi, 4G и т.д.

Блок 220 хранения данных хранит данные, принятые блоком 210 приема данных, с тем чтобы другие блоки устройства 200 могли ими воспользоваться в подходящий момент времени. Принятые данные могут сохраняться только на время их обработки и стираться, когда их обработка завершена. Для данных целей в одном из вариантов осуществления используется кратковременное запоминающее устройство, такое как RAM и т.п. В другом варианте осуществления принятые данные при необходимости могут сохраняться на более длительный промежуток времени, превышающий непосредственное время их обработки, и тогда может использоваться долговременное запоминающее устройство, такое как жесткий диск и т.п.

Дополнительно блок 220 хранения данных может хранить кратковременно или долговременно данные и/или файлы, получаемые в результате или в процессе работы других блоков устройства.

Блок 230 валидации данных получает подлежащие обработке данные непосредственно от блока 210 приема данных или извлекает их из блока 220 хранения данных. Затем блок 230 валидации данных проверяет, являются ли принятые данные пригодными для обработки.

Как указывалось выше в разделе описания системы 100 поддержки принятия врачебных решений, часть операций валидации могут выполняться на стороне самой медицинской организации или на стороне центральной медицинской информационной системы 150. В таком случае, если устройству 200 для определения патологии известно, какие именно операции валидации уже произведены в отношении подлежащих обработке данных, блок 230 валидации данных может не выполнять эти операции, что позволяет упростить и ускорить обработку и тем самым повысить производительность. Тем не менее, в другом варианте осуществления устройству 200 для определения патологии может быть неизвестно, какие именно операции валидации уже произведены, или оно может повторно выполнять их в целях дополнительной перепроверки. Это может обеспечить повышение качества обработки.

Конкретные операции валидации описывались выше и не будут упоминаться здесь подробно.

Валидация позволяет отсеять данные, по которым не может быть проведен анализ или же точность обработки будет иметь заведомо низкую точность. Соответственно, снижается нагрузка на самую ресурсоемкую часть анализа и повышается точность предсказания. Кроме того, отсев изображений, которые не являются деперсонализированными, обеспечивает отсутствие обработки персональных данных на стороне устройства 200, что снижает требования к его реализации и сертификации.

Блок 240 подготовки изображений принимает из блока 220 хранения данных и/или из блока 230 валидации данных прошедшее валидацию медицинское изображение и выполняет над ним предварительные преобразования, с тем чтобы подготовить его для непосредственного использования в блоке 250 предсказания патологии.

В частности, выполняемая в блоке 240 подготовка изображений может заключаться в следующем.

Подлежащее обработке медицинское изображение считывается и при необходимости преобразуется в градации серого с предварительно заданной глубиной цвета. Параметры яркости и цветности исходного изображения зависят от параметров, выставленных врачом-рентгенологом при работе с устройством для получения медицинских изображений, и содержатся в метаданных изображения. Например, глубина цвета исходного изображения может составлять 12-16 бит. При этом, например, в результате считывания и преобразования в изображение с глубиной цвета 8 бит может быть получена матрица целочисленных значений пикселей от 0 до 255. Также, как указывалось выше, может выполняться надлежащее преобразование изображения в негатив или позитив.

Исходный размер медицинских изображений может быть относительно большим - например, у рентгеновских снимков он составляет в среднем 2500×2500 пикселей, то есть 2500 пикселей по высоте (по вертикали) и 2500 пикселей по длине (по горизонтали). Изображения в таком размере в общем случае поддаются обработке с применением методов машинного обучения, однако такие модели затрачивают очень много ресурсов.

Кроме того, диапазон размеров входных медицинских изображений может быть достаточно велик, что может вызвать неудобство, если пытаться производить обработку каждого отдельного изображения непосредственно в исходном размере. В частности, становится затруднительно подобрать набор методов обработки, одинаково эффективный для разных размеров.

В связи с этим перед обработкой больших медицинских изображений предпочтительно производить уменьшение их размера. Это позволяет без значимой потери качества значительно сократить затрачиваемые ресурсы: время, вычислительную мощность, энергопотребление. Применимы различные методы уменьшения размера - например, сжатие, кадрирование (обрезка) и т.д. Методы сжатия известны специалистам в данной области техники, поэтому подробное описание процесса сжатия здесь не приводится. Что касается обрезки изображения, она будет описана далее.

Например, в одном из вариантов осуществления, если медицинским специалистом, проводившим исследование, в параметрах изображения предварительно задана область интереса (VOI), то может выполняться соответствующая обрезка изображения (VOI LUT) для получения изображения, содержащего только область интереса. Например, если медицинский специалист, проводивший рентгенологическое исследование органов грудной клетки, указал область интереса, то согласно параметрам, «вшитым» в изображение, применяется обрезка, в результате которой на изображении остается только область легких.

В другом варианте осуществления в дополнение к вышеупомянутой обрезке VOI LUT или вместо нее выполняется поиск области интереса на изображении и кадрирование изображения путем отсечения частей изображения, не входящих в найденную зону интереса. Для целей кадрирования могут быть использованы алгоритмы компьютерного зрения, обученные искать на изображении область интереса, которая включает в себя только область, ограниченную органами или полостями, подлежащими анализу.

Соотношение сторон изображения, полученного в результате кадрирования, зависит от размера и формы органов или полостей, подлежащих анализу. Для дальнейшей обработки требуется привести его к единому формату. Для этого размер изображения изменяется до второго размера. Второй размер изображения является предварительно заданным - например, в виде квадрата 224×224, 320×320 или 512×512 пикселей. Выбранное значение зависит от требований конкретной применяемой далее нейросети.

При необходимости изображение может подвергаться нормализации. В частности, значения пикселей из исходного диапазона (например, [0…255]) приводятся к диапазону, требуемому применяемой далее нейросетью (например, [0…1]). Различные методы нормализации известны специалистам в данной области техники и не раскрываются здесь подробно. В иллюстративном неограничивающем примере может применяться простая нормализация (Х-Хmin)/(Xmax-Xmin), где Х - это значение текущего пикселя, а Хmin и Xmax - это минимальное и максимальное значения пикселей в нормализуемом изображении.

Следует понимать, что возможны варианты осуществления, в которых нормализация изображения может быть выполнена и на более ранней стадии - например, еще до первого сжатия изображения. Тем не менее предпочтительно выполнять ее после приведения кадрированного изображения ко второму размеру, так как это позволяет повысить точность на каждом из предыдущих этапов подготовки (предварительной обработки) изображения, а также несколько снизить объем вычислений, производимых непосредственно при нормализации.

Тем самым создается изображение, подготовленное к дальнейшей обработке.

Блок 250 предсказания патологии принимает из блока 220 хранения данных и/или из блока 240 подготовки изображений подготовленное медицинское изображение, ограниченное областью интереса, и анализирует его. В частности, блок 250 предсказания патологии с использованием предварительно обученной нейронной сети определяет наличие или отсутствие патологии и при ее наличии определяет наиболее вероятные границы, в пределах которых она расположена.

Врач, получивший результат вышеуказанного определения, имеющий определенный опыт, а также при необходимости располагающий дополнительной информацией о пациенте, такой как анамнез, история болезни, жалобы, физическое состояние, результаты анализов и т.д., может иметь более полную картину и сделать более точное заключение. Соответственно, следует отметить, что результат работы предложенного устройства не является клинически значимым медицинским заключением, а применяется для поддержки принятия врачебных решений, при этом клиническое заключение должно приниматься врачом-рентгенологом.

Выполняемая в блоке 250 обработка изображений может заключаться в следующем.

Нейронная сеть интерпретирует полученное изображение с целью выявления признаков патологий, при этом в качестве результата работы выдается вероятность наличия признаков тех или иных патологий.

В процессе исследований ошибок нейронных сетей, которые обучены только на данных о патологиях и анализируют только изображение, авторы обнаружили, что часть ошибок связаны с половыми особенностями пациентов. Например, нейросеть иногда может ошибаться в случаях, когда размер молочных желез у женщины отличается от среднестатистических размеров. Также наличие грудных имплантов у женщин нередко вызывает затруднения у нейросети и может неверно распознаваться как патология. Возможны ситуации, когда на изображении проявлены соски молочной железы, что тоже может приводить к трудностям обработки.

Кроме того, авторы заметили, что традиционные нейросети не учитывают естественные половозрастные изменения анатомии, происходящие в костных структурах и внутренних органах человека. Например, с возрастом у людей могут возникать такие изменения, как фиброз (особенно прикорневой), расширение сердца (часто), удлинение и склероз аорты (часто), уплотнения хрящевой ткани в ребрах, остеопороз в костях, снижение плотности костной структуры (что приводит к увеличению прозрачности костей на снимках), деформирующий остеоартроз в суставах, снижение высоты тел позвонков, развитие субхондрального склероза, наличие листезов, грыжи шилолистный и поммера и т.д. Соответственно, чем старше человек, тем подобных изменений может становиться больше. При этом известно, что в целом могут существовать различия в характере возрастных изменений в организме между мужчинами и женщинами, связанные с образом жизни. Также известны исследования, показывающие, что изменения у мужчин и женщин как минимум в некоторых возрастных интервалах протекают с различной интенсивностью.

Многие из этих изменений проявляются на медицинских изображениях, и та или иная степень изменений может считаться допустимой для определенного возраста, однако традиционные нейросети не принимают это во внимание и могут выводить ошибочное предсказание о том, что пациент болен. Ошибочное указание о наличии патологии на снимке может приводить к усложнению работы медицинского специалиста с таким снимком.

Например, на Фиг. 6 приведен образец рентгеновского изображения для пациента в возрасте менее 65 лет, легкие и позвоночник которого имеют состояние, соответствующее данному возрасту.

На Фиг. 7 приведен образец рентгеновского изображения для пациента в возрасте 72 лет. Со стороны сердечно-сосудистой системы на данном снимке имеет место расширение сердца, расширение верхней полой вены, застойные сосуды преимущественно в нижних отделах, усиленный легочной рисунок; со стороны костной системы - артроз 1 реберно-ключичного сустава с обеих сторон, спондилезные разрастания позвонков в латеральные стороны. Все эти признаки видны на снимке, и несмотря на то, что они в целом приемлемы для человека в таком возрасте, нейросеть, которая не учитывает возраст пациента, может ошибочно посчитать, что он болен, а медицинскому специалисту, получившему такое предварительное заключение, придется потратить дополнительное время на изучение снимка, который на самом деле не требует такого внимания.

Соответственно, в одном из вариантов осуществления нейронная сеть может быть предварительно обучена учитывать дополнительные данные о пациенте, такие как пол и возраст, чтобы повысить точность предсказания патологий.

Конкретная конфигурация нейронной сети для определения патологии не является предметом настоящего изобретения, поэтому не раскрывается здесь подробно.

Предварительное обучение нейронной сети может выполняться с использованием разных методов обучения. Например, оно может производиться по методу обучения с учителем на основе множества медицинских изображений, которые были заранее обработаны и размечены медицинскими специалистами, обладающими достаточной квалификацией - например, врачами-рентгенологами. В частности, в результате визуального изучения изображений врач указывает, имеется ли на представленном изображении патология. Кроме того, для каждого изображения из обучающих данных может указываться пол и возраст пациента. Это делает либо врач вручную, либо считывание производится автоматически из данных о пациенте, сохраненных в медицинской информационной системе 130 медицинской организации 110 или в центральной медицинской информационной системе 150, либо из метаданных изображения, если они содержат эти сведения, и т.д.

Процессом обучения нейронной сети управляет блок 280 обучения посредством применения алгоритма обучения к обучаемой нейронной сети с использованием обучающих данных. Указания (разметка) от врача используются обучаемой нейронной сетью в качестве истинных данных (ground truth). Например, в одном варианте осуществления разметка может представлять собой 3 числа: «1» (болен), «1» (женский) и «0» (номер диапазона, указывающий, что снимок принадлежит пациенту в возрасте 0-10 лет).

В иллюстративном варианте осуществления 70% взятых для обучения изображений могут использоваться непосредственно для обучения, а 30% для тестирования модели. В другом варианте осуществления может использоваться иное соотношение, более подходящее для целей обучения конкретной нейросети. Например, для обучения нейросети изображения могут быть разделены на обучающую, валидационную и тестовую выборки. Размер обучающей выборки может составлять 70%, размер валидационной выборки может составлять 15%, и размер тестовой выборки может составлять 15% от изображений, поданных на обучение. Конкретные соотношения зависят от количества обучающих снимков и предназначены для проверки обобщаемой модели - происходит проверка, в какой мере результаты исследования применимы к новым данным, перед использованием модели в рабочем режиме в медицинской организации.

В процессе обучения изображения подготавливаются аналогично тому, как было описано выше применительно к блоку 240, и подаются на вход нейросети, при этом используются изображения как с наличием, так и с отсутствием патологий. На каждом шаге обучения нейронная сеть рассчитывает предсказания для одного или более изображений. Эти предсказания сравниваются с указанием истинного наличия/отсутствия патологии, а также при необходимости с указанием истинного пола и возраста пациента, и рассчитывается значение функции потерь (насколько сильно нейронная сеть ошиблась в выявлении наличия патологии, в определении пола и возраста пациента). Далее, с помощью метода градиентного спуска и алгоритма обратного распространения ошибки (backpropagation) все веса (весовые коэффициенты) нейронной сети изменяются в соответствии с выбранным параметром скорости обучения в направлении, обратном вычисленному градиенту, для того чтобы минимизировать ошибку на текущем(их) изображении(ях). Этот шаг повторяется многократно, и в результате процесса обучения веса нейронной сети сходятся к оптимальным. В дальнейшем эти веса используются сетью в процессе работы устройства для выявления патологий на входных изображениях, которые не подвергались разметке.

В одном из вариантов осуществления выходные данные блока 250 предсказания патологии, то есть указание вероятности наличия патологии, являются конечным результатом работы устройства 200 и используются далее другими устройствами - например, сохраняются в блоке 220 хранения данных, откуда в дальнейшем могут извлекаться по запросу от других устройств, и/или отправляются в блок 270 передачи данных, который передает этот результат в другое устройство - например, в центральную медицинскую информационную систему 150 или в медицинскую организацию 110, запрашивавшую обработку данных.

В другом варианте осуществления выходные данные блока 250 предсказания патологии также передаются в блок 260 формирования отчета, который формирует отчет об исследовании, проведенном в устройстве 200. Отчет об исследовании может содержать по меньшей мере одно из следующего: а) изображение с визуализацией патологии; б) текстовый протокол исследования.

Изображение с визуализацией патологии может формироваться для тех изображений, для которых в результате анализа была выявлена вероятность наличия патологии, превышающая предварительно заданную пороговую вероятность наличия патологии, что указывает на то, что врачу-рентгенологу следует обратить внимание на такой снимок. Пороговая вероятность наличия патологии в общем случае составляет 0,5 (или 50%), но в зависимости от показателей точности конкретной обученной модели и от степени доверия к ней может варьироваться при практическом применении как в меньшую, так и в большую сторону. Например, медицинская организация может специализироваться на лечении таких заболеваний, раннее выявление которых является критически важным с точки зрения прогноза лечения, поэтому может запрашивать визуализированные изображения, если устройством выявлена вероятность наличия патологии всего 10% и более. В другом примере медицинская организация может быть прикреплена к предприятию, и основной контингент ее пациентов может иметь профессиональные хронические заболевания органов грудной клетки, и некоторые изменения на снимках у таких пациентов могут считаться допустимыми, поэтому визуализация может запрашиваться только для случаев, когда устройством выявлена вероятность наличия патологии 60% и более. Следует отметить, что возможно множество иных ситуаций, которые не перечислены в данном документе, но входят в объем данного изобретения. Возможность выбора пороговой вероятности наличия патологии позволяет адаптировать результаты работы предложенного устройства 200 к различным конкретным применениям, например, чтобы снизить нагрузку на медицинский персонал и при этом обеспечить раннее выявление патологий с необходимой точностью.

Изображение с визуализацией патологии представляет собой копию проанализированного изображения, на которое наложено указание найденных признаков патологий. Например, в случае использования формата DICOM оно может быть сформировано в виде DICOM Secondary Capture (вторичный снимок DICOM).

Возможны различные варианты визуализации. В одном из вариантов осуществления визуализация может выполняться в виде тепловой карты, на которой выполняется более интенсивное выделение тех точек и/или областей, которые представляют больший интерес с точки зрения наличия патологий, менее интенсивное выделение тех точек и/или областей, которые представляют меньший интерес, а те области, которые, предположительно, не содержат патологии, не выделяются. Принцип выделения может быть различным - так, выделение может выполняться с помощью градиента одного и того же цвета (например, оттенки красного или оранжевого), с помощью градиентного перехода от одних цветов к другим цветам (например, от желтого к красному), с помощью точного указания цвета (например, голубой - меньшая вероятность, синий - большая вероятность), с помощью размера точки (например, чем меньше вероятность, тем меньше точка) и т.д. Применимы различные методы построения тепловых карт. Пример тепловой карты изображен на Фиг. 8.

Тепловые карты позволяют регулировать степень внимания, которую медицинскому специалисту следует обратить при изучении той или иной области на снимке, избавляя от необходимости детального визуального осмотра всего изображения. Таким образом, обеспечивается снижение нагрузки на медицинский персонал.

Тем не менее возможны ситуации, когда тепловая карта является недостаточно точной, и в таком случае врачу, наоборот, приходится тратить время на изучение такой области, которая не представляет интереса. Также выяснилось, что в некоторых реализациях тепловые карты загромождают собой изображение, вследствие чего специалисту приходится тратить время на то, чтобы просматривать одновременно два изображения: как исходное изображение, так и изображение с нанесенной на него тепловой картой.

Соответственно, в другом варианте осуществления настоящего изобретения визуализация может выполняться в виде очертания границ (или контуров), охватывающих одну или более областей на изображении, на которой имеется вероятность наличия патологии, или иными словами, на которой блоком 250 предсказания патологии обнаружены признаки патологии. Для реализации такого подхода могут использоваться разные методы компьютерного зрения. Пример изображения с нанесенными на него контурами возможной патологии показан на Фиг. 9.

Изображение с нанесенными на него очертаниями границ возможных патологий, по-прежнему, позволяет снизить нагрузку на медицинский персонал, при этом достаточно изучать только его, не обращаясь к исходному изображению. Кроме того, такой подход позволяет сгладить неточности в определении областей интереса.

Также при необходимости изображение с визуализацией патологии может содержать в текстовом виде указание вероятности наличия патологии, полученное в результате работы первой нейросети блока 250 предсказания патологии. Тем самым, устраняется необходимость изучать какие-либо иные изображения или файлы, в том числе исходное изображение и/или файл с текстовым протоколом исследования.

Обращаясь теперь к текстовому протоколу исследования, можно отметить, что он может как дополнять вышеописанное изображение с визуализацией патологии, так и заменять его. Текстовый протокол исследования содержит результаты работы и описание работы устройства 200 в виде текстовой информации, например, в формате CSV. В случае использования формата DICOM протокол может быть сформирован в виде DICOM Structured Report (структурированный отчет DICOM).

В частности, текстовый протокол исследования может содержать:

1) Наименование исходного изображения (ссылку на него в виде соответствующего идентификатора - например, StudyInstanceID).

2) Рекомендацию (или иными словами, предсказание). Как указывалось выше, данная рекомендация может иметь двоичное значение (например, 0 / 1), может быть числом в некотором диапазоне, указывающем вероятность наличия патологии (например, от 0 до 1), или может иметь текстовый формат (например, «вероятно, болен» / «вероятно, здоров»).

3) Временные метки - время получения исследования, время формирования отчета.

4) Информацию об ошибках работы устройства в ходе анализа, если таковые были.

Полученный в результате работы блока 260 отчет об исследовании, содержащий изображение с визуализацией патологии и/или текстовый протокол исследования, сохраняется в блоке 220 хранения данных, откуда в дальнейшем может извлекаться по запросу от других устройств, и/или отправляется в блок 270 передачи данных, который передает этот отчет в другое устройство - например, в центральную медицинскую информационную систему 150 или в медицинскую организацию 110, запрашивавшую обработку данных.

В одном из вариантов осуществления результаты обработки, полученные устройством 200, могут при необходимости храниться в устройстве в течение предварительно заданного времени (например, семи дней) и далее удаляться. Это может выполняться, например, с целью резервного копирования, чтобы результат анализа можно было запросить и передать повторно без необходимости полноценного повторного анализа.

Таким образом, обеспечивается устройство для определения патологии, способное с повышенной точностью автоматически определять вероятность патологии. Это позволяет снизить требования к квалификации медицинского персонала и уменьшить влияние человеческого фактора (внимательность, утомляемость, ответственность). Также обеспечивается возможность использования для обучения большого числа разрозненных наборов данных. Кроме того, результат исследования обеспечивает исчерпывающий набор сведений, необходимый для принятия корректного врачебного решения с повышенной скоростью и точностью.

В иллюстративном неограничивающем примере для целей настоящего изобретения устройство 200 определения патологии может быть реализовано в виде облачного сервера, имеющего 24 вычислительных ядра, 64 ГБ RAM, дисковое пространство 300 ГБ под операционную систему CentOS 7, дисковое пространство 12 ТБ под данные, дисковое пространство 1,5 ТБ под базу данных и 2 сетевых адаптера.

Применение

Системы, устройства и способы согласно настоящему изобретению можно использовать для обработки диагностических медицинских изображений органов и/или полостей с целью выявления в них признаков патологий.

Дополнительные особенности реализации

Хотя приведенное выше описание относится к системам и устройствам, следует понимать, что оно полностью может быть описано в виде способов, содержащих этапы, в которых реализуются соответствующие операции и функции устройств и блоков, содержащихся в системах и устройствах. Конкретное описание способов по существу повторяет приведенное выше описание, поэтому отдельно не раскрывается в данном документе.

Несмотря на то, что в данном документе может быть указано, что данные передаются/отправляются или принимаются/получаются человеком (например, медицинским специалистом, врачом, экспертом), специалист в данной области техники должен понимать, что такое указание используется исключительно в целях упрощения описания, тогда как на самом деле подразумевается, что данные передаются/отправляются или принимаются/получаются соответствующим устройством, которым пользуется и/или управляет этот человек.

Один или более описанных в настоящем документе блоков или устройств передачи (передатчиков) и один или более блоков или устройств приема (приемников) физически могут быть реализованы в одном и том же блоке или устройстве приемопередачи или в разных блоках или устройствах.

Устройством или блоком передачи в данном документе для упрощения описания может называться устройство или блок, имеющий функции не только передачи, но и приема данных, информации и/или сигналов. Аналогичным образом, устройство или блок приема может также заключать в себе функции передачи данных, информации и/или сигналов.

Различные иллюстративные блоки и модули, описанные в связи с раскрытием сущности в данном документе, могут реализовываться или выполняться с помощью процессора общего назначения, процессора цифровых сигналов (DSP), специализированной интегральной схемы (ASIC), программируемой пользователем вентильной матрицы (FPGA) или другого программируемого логического устройства (PLD), дискретного логического элемента или транзисторной логики, дискретных аппаратных компонентов либо любой комбинации вышеозначенного, предназначенной для того, чтобы выполнять описанные в данном документе функции. Процессор общего назначения может представлять собой микропроцессор, но в альтернативном варианте, процессор может представлять собой любой традиционный процессор, контроллер, микроконтроллер или конечный автомат. Процессор также может реализовываться как комбинация вычислительных устройств (к примеру, комбинация DSP и микропроцессора, несколько микропроцессоров, один или более микропроцессоров вместе с DSP-ядром либо любая другая подобная конфигурация).

Некоторые блоки по отдельности или вместе могут представлять собой, например, компьютер, и включать в себя процессор, который сконфигурирован для вызова и выполнения компьютерных программ из памяти для выполнения этапов способа или функций блоков в соответствии с вариантами осуществления настоящего изобретения. Согласно вариантам осуществления, устройство может дополнительно включать в себя память. Процессор может вызывать и выполнять компьютерные программы из памяти для выполнения способа. Память может быть отдельным устройством, независимым от процессора, или может быть интегрирована в процессор. Память может хранить код, инструкции, команды и/или данные для исполнения на наборе из одного или более процессоров описанного устройства. Коды, инструкции, команды могут предписывать процессору выполнять этапы способа или функции устройства.

Функции, описанные в данном документе, могут реализовываться в аппаратном обеспечении, программном обеспечении, выполняемом посредством одного или более процессоров, микропрограммном обеспечении или в любой комбинации вышеозначенного. Аппаратные и программные средства, реализующие функции, также могут физически находиться в различных позициях, в том числе согласно такому распределению, что части функций реализуются в различных физических местоположениях, то есть может выполняться распределенная обработка или распределенные вычисления.

При необходимости (например, в случае если велик объем данных и/или вычислений, которые необходимо выполнить в отношении этих данных), может производиться многопоточная обработка данных, которая в простом представлении может выражаться в том, что все множество подлежащих обработке данных разделяется на набор подмножеств, и каждое ядро процессора выполняет обработку в отношении назначенного для него подмножества данных.

Вышеупомянутая память может быть энергозависимой или энергонезависимой памятью или может включать в себя как энергозависимую, так и энергонезависимую память. Специалисту в области техники должно быть также понятно, что, когда речь идет о памяти и о хранении данных, программ, кодов, инструкций, команд и т.п., подразумевается наличие машиночитаемого (или компьютерно-читаемого, процессорно-читаемого) запоминающего носителя. Машиночитаемые носители данных включают в себя как некратковременные компьютерные носители хранения данных, так и среду связи, включающую в себя любую передающую среду, которая упрощает перемещение компьютерной программы или ее части из одного места в другое. Некратковременный машиночитаемый запоминающий носитель может представлять собой любой доступный носитель, который может использоваться для того, чтобы переносить или сохранять требуемое средство программного кода в форме инструкций или структур данных, и к которому можно осуществлять доступ посредством компьютера, процессора или иного устройства обработки общего назначения или специального назначения.

В качестве примера, а не ограничения, машиночитаемые носители могут содержать постоянное запоминающее устройство (ROM), программируемое постоянное запоминающее устройство (PROM), стираемое программируемое постоянное запоминающее устройство (EPROM), электронно-стираемое программируемое постоянное запоминающее устройство (EEPROM), флэш-память, оперативную память (RAM), статическую память с произвольным доступом (SRAM), динамическую память с произвольным доступом (DRAM), синхронную динамическую память с произвольным доступом (SDRAM), синхронную динамическую память с произвольной выборкой с двойной скоростью передачи данных (DDR SDRAM), синхронную динамическую память с произвольной выборкой с повышенной скоростью (ESDRAM), DRAM с синхронной линией связи (SLDRAM) и оперативную память с шиной прямого доступа (DR RAM), регистр, кэш-память, полупроводниковые запоминающие устройства, магнитные носители, такие как внутренние жесткие диски и съемные диски, магнитооптические носители и оптические носители, такие как диски CD-ROM и цифровые универсальные диски (DVD), а также любые другие известные в уровне техники носители данных.

Информация и сигналы, описанные в данном документе, могут представляться с помощью любой из множества различных технологий. Например, данные, инструкции, команды, информация, сигналы, биты, символы и элементарные сигналы, которые могут приводиться в качестве примера в вышеприведенном описании, могут представляться посредством напряжений, токов, электромагнитных волн, магнитных полей или частиц, оптических полей или частиц либо любой комбинации вышеозначенного, если это применимо к настоящему изобретению.

По меньшей мере один из этапов в способе или блоков в устройстве может использовать модель искусственного интеллекта (AI) для выполнения соответствующих операций. Функция, связанная с AI, может выполняться через процессор и энергонезависимую и/или энергозависимую память.

Процессор может включать в себя один или более процессоров. В то же время, один или более процессоров могут быть процессором общего назначения, например центральным процессором (CPU), прикладным процессором (AP) и т.п., блоком обработки только графики, таким как графический процессор (GPU), визуальный процессор (VPU), и/или специализированным процессором AI, таким как нейронный процессор (NPU).

Один или более процессоров управляют обработкой входных данных в соответствии с предварительно определенным правилом работы или моделью искусственного интеллекта (AI), хранящейся в энергонезависимой памяти и/или энергозависимой памяти. Предварительно определенное правило работы или модель искусственного интеллекта могут быть получены путем обучения. При этом процессор может выполнять операцию предварительной обработки данных для преобразования в форму, подходящую для использования в качестве входных данных для модели искусственного интеллекта.

«Получены путем обучения» означает, что посредством применения алгоритма обучения к обучаемой модели искусственного интеллекта с использованием множества обучающих данных создается предварительно определенное правило работы или модель AI с желаемой характеристикой. Обучение может выполняться на самом устройстве, в котором выполняется AI согласно варианту осуществления, и/или может быть реализовано через отдельный сервер/систему.

Модель искусственного интеллекта может включать в себя множество слоев нейронной сети. Каждый из множества слоев нейронной сети включает в себя множество весовых значений (коэффициентов) и выполняет рабочую операцию для данного слоя путем вычисления с применением множества весовых значений данного слоя в отношении входных данных или результата вычисления предыдущего слоя.

Примеры нейронных сетей включают, помимо прочего, сверточную нейронную сеть (CNN), глубокую нейронную сеть (DNN), рекуррентную нейронную сеть (RNN), ограниченную машину Больцмана (RBM), глубокую сеть доверия (DBN), двунаправленную рекуррентную глубокую нейронную сеть (BRDNN), генеративно-состязательные сети (GAN) и глубокие Q-сети.

Алгоритм обучения - это метод обучения предварительно определенного целевого устройства (например, нейронной сети на базе GPU или NPU) с использованием множества обучающих данных, чтобы вызывать, разрешать или управлять целевым устройством для выполнения определения или прогнозирования. Примеры алгоритмов обучения включают, но не ограничиваются ими, обучение с учителем, обучение без учителя, обучение с частичным привлечением учителя или обучение с подкреплением.

Следует понимать, что хотя в настоящем документе для описания различных блоков, модулей, сетей, элементов, компонентов, областей, слоев и/или секций, могут использоваться такие термины, как "первый", "второй", "третий" и т.п., эти блоки, модули, сети, элементы, компоненты, области, слои и/или секции не должны ограничиваться этими терминами. Эти термины используются только для того, чтобы отличить один блок, модуль, сеть, элемент, компонент, область, слой или секцию от другого блока, модуля, сети, элемента, компонента, области, слоя или секции. Так, первый блок, модуль, сеть, элемент, компонент, область, слой или секция может быть назван вторым блоком, модулем, сетью, элементом, компонентом, областью, слоем или секцией без выхода за рамки объема настоящего изобретения. В настоящем описании термин "и/или" включает любые и все комбинации из одной или более из соответствующих перечисленных позиций. Элементы, упомянутые в единственном числе, не исключают множественности элементов, если отдельно не указано иное.

Функциональность элемента, указанного в описании или формуле изобретения как единый элемент, может быть реализована на практике посредством нескольких компонентов устройства, и наоборот, функциональность элементов, указанных в описании или формуле изобретения как несколько отдельных элементов, может быть реализована на практике посредством единого компонента.

В одном из вариантов осуществления некоторые или все элементы/блоки/модули предложенного устройства находятся в общем корпусе, могут быть размещены на одной раме/конструкции/печатной плате/кристалле и связаны друг с другом конструктивно посредством монтажных (сборочных) операций и функционально посредством линий связи. Упомянутые линии или каналы связи, если не указано иное, являются типовыми, известными специалистам линиями связи, материальная реализация которых не требует творческих усилий. Линией связи может быть провод, набор проводов, шина, дорожка, беспроводная линия связи (индуктивная, радиочастотная, инфракрасная, ультразвуковая и т.д.). Протоколы связи по линиям связи известны специалистам и не раскрываются отдельно.

Под функциональной связью элементов следует понимать связь, обеспечивающую корректное взаимодействие этих элементов друг с другом и реализацию той или иной функциональности элементов. Частными примерами функциональной связи может быть связь с возможностью обмена информацией, связь с возможностью передачи электрического тока, связь с возможностью передачи механического движения, связь с возможностью передачи света, звука, электромагнитных или механических колебаний и т.д. Конкретный вид функциональной связи определяется характером взаимодействия упомянутых элементов, и, если не указано иное, обеспечивается широко известными средствами, используя широко известные в технике принципы.

Конструктивное исполнение элементов предложенного устройства является известным для специалистов в данной области техники и не описывается отдельно в данном документе, если не указано иное. Элементы устройства могут быть выполнены из любого подходящего материала. Эти составные части могут быть изготовлены с использованием известных способов, включая, лишь в качестве примера, механическую обработку на станках, литье по выплавляемой модели, наращивание кристаллов. Операции сборки, соединения и иные операции в соответствии с приведенным описанием также соответствуют знаниям специалиста в данной области и, таким образом, более подробно поясняться здесь не будут.

Несмотря на то, что примерные варианты осуществления были подробно описаны и показаны на сопроводительных чертежах, следует понимать, что такие варианты осуществления являются лишь иллюстративными и не предназначены ограничивать настоящее изобретение, и что данное изобретение не должно ограничиваться конкретными показанными и описанными компоновками и конструкциями, поскольку специалисту в данной области техники на основе информации, изложенной в описании, и знаний уровня техники могут быть очевидны различные другие модификации и варианты осуществления изобретения, не выходящие за пределы сущности и объема данного изобретения.

Похожие патенты RU2789260C1

название год авторы номер документа
УСТРОЙСТВО И СПОСОБ ДЛЯ АНАЛИЗА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ 2022
  • Кулеев Рамиль Фуатович
  • Рахматуллина Миляуша Дамировна
  • Монголин Александр Сергеевич
  • Максудов Булат Тимурович
  • Мустафаев Тамерлан Айдын Оглы
RU2806982C1
УСТРОЙСТВО И СПОСОБ ДЛЯ ОПРЕДЕЛЕНИЯ ГРАНИЦ ПАТОЛОГИИ НА МЕДИЦИНСКОМ ИЗОБРАЖЕНИИ 2022
  • Кулеев Рамиль Фуатович
  • Рахматуллина Миляуша Дамировна
  • Монголин Александр Сергеевич
  • Максудов Булат Тимурович
  • Мустафаев Тамерлан Айдын Оглы
RU2813938C1
УСТРОЙСТВО И СПОСОБ ДЛЯ ОПРЕДЕЛЕНИЯ ПАТОЛОГИИ ОРГАНОВ ГРУДНОЙ КЛЕТКИ НА ОСНОВЕ РЕНТГЕНОВСКИХ ИЗОБРАЖЕНИЙ 2021
  • Монголин Александр Сергеевич
  • Мустафаев Тамерлан Айдын Оглы
RU2782518C1
Способ повышения качества медицинской помощи, связанный с электронной информационной системой 2016
  • Гончарова Ольга Викторовна
RU2622498C1
СПОСОБ ВЫЯВЛЕНИЯ ОНКОЗАБОЛЕВАНИЙ В ОРГАНАХ МАЛОГО ТАЗА И СИСТЕМА ДЛЯ РЕАЛИЗАЦИИ СПОСОБА 2023
  • Швейкин Александр Олегович
  • Бондарь Юрий Александрович
  • Буслов Дмитрий Игоревич
  • Тихомиров Дмитрий Владимирович
  • Пузаков Кирилл Борисович
RU2814790C1
СИСТЕМА ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ 2020
  • Гусев Александр Владимирович
  • Новицкий Роман Эдвардович
RU2752792C1
ЦИФРОВАЯ ПЛАТФОРМА ДЛЯ ПОСТАНОВКИ МЕДИЦИНСКИХ ДИАГНОЗОВ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА С ВОЗМОЖНОСТЬЮ ВЕРИФИКАЦИИ ВРАЧОМ 2021
  • Джек Йигал
  • Газиев Артур Ильдарович
  • Попов Алексей Алексеевич
RU2761518C1
СПОСОБ И СИСТЕМА АВТОМАТИЗИРОВАННОЙ ДИАГНОСТИКИ СОСУДИСТЫХ ПАТОЛОГИЙ НА ОСНОВАНИИ ИЗОБРАЖЕНИЯ 2020
  • Федин Максим Владимирович
  • Бутова Ксения Григорьевна
  • Шаяхметов Сергей Булатович
RU2741260C1
ЦИФРОВАЯ КОМПЬЮТЕРНО-РЕАЛИЗУЕМАЯ ПЛАТФОРМА ДЛЯ СОЗДАНИЯ МЕДИЦИНСКИХ ПРИЛОЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И СПОСОБ ЕЁ РАБОТЫ 2020
  • Джек Йигал
RU2742261C1
Способ и система поддержки принятия врачебных решений с использованием математических моделей представления пациентов 2017
  • Дрокин Иван Сергеевич
  • Бухвалов Олег Леонидович
  • Сорокин Сергей Юрьевич
RU2703679C2

Иллюстрации к изобретению RU 2 789 260 C1

Реферат патента 2023 года СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ НА ОСНОВЕ АНАЛИЗА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ

Изобретение относится к области обработки изображений, более конкретно к системе поддержки принятия врачебных решений на основе анализа медицинских изображений. Предложена система поддержки принятия врачебных решений, содержащая: по меньшей мере одно устройство для получения медицинских изображений, расположенное в медицинской организации и выполненное с возможностью формирования по меньшей мере одного медицинского изображения на основе диагностического исследования по меньшей мере одного органа и/или полости обследуемого пациента и передачи упомянутого по меньшей мере одного медицинского изображения на устройство передачи данных; по меньшей мере одно устройство передачи данных, расположенное в медицинской организации и выполненное с возможностью формирования подлежащих обработке данных на основе принятого по меньшей мере одного медицинского изображения и передачи подлежащих обработке данных в центральную медицинскую информационную систему (ЦМИС). Причем подлежащие обработке данные представляют собой пакет, содержащий по меньшей мере два медицинских изображения; ЦМИС, выполненную с возможностью приема по меньшей мере одного пакета по меньшей мере от одного устройства передачи данных, изменения размера и наполнения упомянутого по меньшей мере одного пакета в зависимости от требований и/или возможностей по меньшей мере одного устройства для определения патологии и передачи по меньшей мере одного измененного пакета по меньшей мере на одно устройство для определения патологии; и по меньшей мере одно устройство для определения патологии, выполненное с возможностью извлечения упомянутого по меньшей мере одного медицинского изображения из принятого по меньшей мере одного пакета, определения, имеется ли в упомянутом по меньшей мере одном органе и/или полости обследуемого пациента на упомянутом по меньшей мере одном медицинском изображении патология, формирования отчета, который содержит по меньшей мере один файл, содержащий указание на наличие или отсутствие патологии, и передачи отчета в ЦМИС. Причем определение патологии выполняется с использованием нейронной сети, предварительно обученной для данного типа диагностического исследования. Причем результат определения патологии предназначен для поддержки принятия врачебного решения о состоянии упомянутого по меньшей мере одного органа и/или полости обследуемого пациента и/или о лечении обследуемого пациента. Изобретение обеспечивает возможность принятия врачебного решения с повышенной точностью, повышение доступности и качества оказания медицинских услуг, снижение требований к персоналу медицинских организаций, выполняющих диагностические исследования, и к устройствам, включенным в систему. 41 з.п. ф-лы, 9 ил.

Формула изобретения RU 2 789 260 C1

1. Система поддержки принятия врачебных решений, содержащая:

по меньшей мере одно устройство для получения медицинских изображений, расположенное в медицинской организации и выполненное с возможностью формирования по меньшей мере одного медицинского изображения на основе диагностического исследования по меньшей мере одного органа и/или полости обследуемого пациента и передачи упомянутого по меньшей мере одного медицинского изображения на устройство передачи данных;

по меньшей мере одно устройство передачи данных, расположенное в медицинской организации и выполненное с возможностью формирования подлежащих обработке данных на основе принятого по меньшей мере одного медицинского изображения и передачи подлежащих обработке данных в центральную медицинскую информационную систему (ЦМИС), причем подлежащие обработке данные представляют собой пакет, содержащий по меньшей мере два медицинских изображения;

ЦМИС, выполненную с возможностью приема по меньшей мере одного пакета по меньшей мере от одного устройства передачи данных, изменения размера и наполнения упомянутого по меньшей мере одного пакета путем сортировки изображений, содержащихся в упомянутом по меньшей мере одном пакете, по их разрешению или приоритету в зависимости от требований и/или возможностей по меньшей мере одного устройства для определения патологии, и передачи по меньшей мере одного измененного пакета по меньшей мере на одно устройство для определения патологии; и

по меньшей мере одно устройство для определения патологии, выполненное с возможностью извлечения упомянутого по меньшей мере одного медицинского изображения из принятого по меньшей мере одного пакета, определения, имеется ли в упомянутом по меньшей мере одном органе и/или полости обследуемого пациента на упомянутом по меньшей мере одном медицинском изображении патология, формирования отчета, который содержит по меньшей мере один файл, содержащий указание на наличие или отсутствие патологии, и передачи отчета в ЦМИС,

причем определение патологии выполняется автоматически с использованием нейронной сети, содержащейся в устройстве для определения патологии и предварительно обученной для данного типа диагностического исследования,

причем результат определения патологии предназначен для поддержки принятия врачебного решения о состоянии упомянутого по меньшей мере одного органа и/или полости обследуемого пациента и/или о лечении обследуемого пациента.

2. Система по п. 1, дополнительно содержащая средство просмотра, расположенное в медицинской организации и выполненное с возможностью приема результата определения патологии от устройства для определения патологии и предоставления результата определения патологии в виде, пригодном для просмотра человеком.

3. Система по п. 2, дополнительно содержащая хранилище, расположенное в медицинской организации и выполненное с возможностью хранения упомянутого по меньшей мере одного медицинского изображения, сформированного устройством для получения медицинских изображений, подлежащих обработке данных, сформированных упомянутым устройством передачи данных, и/или результата определения патологии от устройства для определения патологии.

4. Система по п. 3, дополнительно содержащая медицинскую информационную систему, расположенную в медицинской организации, причем хранилище и устройство передачи данных являются частями медицинской информационной системы.

5. Система по п. 1, в которой подлежащие обработке данные содержат упомянутое по меньшей мере одно медицинское изображение.

6. Система по п. 5, в которой подлежащие обработке данные дополнительно содержат дополнительную целевую информацию, содержащую сведения о пациенте, об исследовании, о медицинской организации и/или о медицинском специалисте, проводившем исследование.

7. Система по п. 5, в которой подлежащие обработке данные дополнительно содержат уникальный идентификатор изображения, соответствующий каждому из упомянутого по меньшей мере одного медицинского изображения,

причем результат определения патологии, полученный устройством для определения патологии после обработки упомянутого по меньшей мере одного медицинского изображения, содержит уникальный идентификатор изображения, соответствующий данному изображению.

8. Система по любому из пп. 5-7, в которой подлежащие обработке данные являются деперсонализированными.

9. Система по п. 1, в которой устройство передачи данных дополнительно выполнено с возможностью передачи пакета при достижении предварительно заданных параметров пакета или по времени.

10. Система по п. 1, в которой подлежащие обработке данные, сформированные и переданные устройством передачи данных медицинской организации в ЦМИС, являются недеперсонализированными,

причем ЦМИС дополнительно выполнена с возможностью деперсонализации подлежащих обработке данных.

11. Система по п. 1, в которой устройство для определения патологии дополнительно выполнено с возможностью:

визуализации по меньшей мере одной области на изображении, предположительно содержащей патологию, если определено, что в упомянутом по меньшей мере одном органе и/или полости обследуемого пациента на обрабатываемом медицинском изображении имеется патология; и

формирования отчета, содержащего изображение с визуализацией патологии.

12. Система по п. 1, в которой визуализация патологии выполняется на изображении, которое является копией соответствующего изображения, на котором определена патология.

13. Система по п. 1, в которой устройство для определения патологии дополнительно выполнено с возможностью:

формирования текстового протокола исследования, содержащего по меньшей мере одно из: идентификатора исходного изображения, результата определения патологии в числовом или текстовом формате, времени получения подлежащих обработке данных, времени получения результата определения патологии, времени формирования протокола исследования, информации об ошибках, возникших в ходе работы устройства; и

формирования отчета, содержащего текстовый протокол исследования.

14. Система по п. 1, дополнительно содержащая оборудование эксперта, выполненное с возможностью:

приема результата определения патологии от устройства для определения патологии;

предоставления результата определения патологии и соответствующего медицинского изображения пользователю оборудования эксперта;

приема ввода от пользователя для формирования медицинского заключения, содержащего врачебное решение о состоянии упомянутого по меньшей мере одного органа и/или полости обследуемого пациента и/или о лечении обследуемого пациента.

15. Система по п. 14, в которой пользователем оборудования эксперта является специалист экспертной организации или внешний врач-рентгенолог, производящий медицинские заключения с использованием результатов работы устройства для определения патологии и/или выполняющий функцию эксперта или консультанта.

16. Система по п. 15, содержащая по меньшей мере два экземпляра оборудования эксперта, пользователями которых являются, соответственно, по меньшей мере два специалиста экспертных организаций или внешних врача-рентгенолога,

причем разные специалисты экспертных организаций или внешние врачи-рентгенологи выполняют интерпретацию разных типов исследований.

17. Система по п. 1, содержащая по меньшей мере две медицинских организации и по меньшей мере два устройства для определения патологии,

причем одна или более медицинских организаций обслуживаются одним или более разными устройствами для определения патологии.

18. Система по п. 17, в которой одно и то же медицинское изображение из одной медицинской организации передается на обработку в разные устройства для определения патологии, которые имеют разные принципы работы и/или обучены на разных наборах данных.

19. Система по п. 17, в которой медицинские изображения, полученные в результате разных типов исследований, из одной медицинской организации передаются на обработку в разные устройства для определения патологии, предназначенные для обработки соответствующих типов исследований.

20. Система по п. 1, в которой ЦМИС дополнительно выполнена с возможностью:

приема результата определения патологии от устройства для определения патологии;

передачи результата определения патологии на оборудование эксперта;

получения медицинского заключения, сформированного с использованием оборудования эксперта;

передачи медицинского заключения организации или лицу, запрашивавшему обработку соответствующего медицинского изображения.

21. Система по п. 20, в которой ЦМИС дополнительно выполнена с возможностью:

хранения медицинских изображений;

хранения персональных данных пациентов;

деперсонализации по меньшей мере части подлежащих обработке данных перед их передачей на устройство для определения патологии; и

регулировки количества и типа персональных данных, к которым предоставляется право осуществлять доступ пользователю ЦМИС, в зависимости от его уровня доступа.

22. Система по п. 20, в которой ЦМИС дополнительно выполнена с возможностью:

приема запроса на составление заключения в отношении результата определения патологии; и

передачи результата определения патологии на оборудование эксперта в ответ на прием запроса на составление заключения,

причем запрос на составление заключения содержит задачу по интерпретации медицинского изображения и/или результата определения патологии, которую допускается выполнять по собственной инициативе любому одному или более экспертам, имеющим соответствующий уровень доступа к ЦМИС, или которую должен выполнить конкретный один или более экспертов;

и/или

приема запроса на обработку изображения в отношении медицинского изображения; и

передачи подлежащих обработке данных, содержащих данное медицинское изображение, на устройство для определения патологии в ответ на прием запроса на обработку изображения,

причем запрос на обработку изображения содержит задачу по определению патологии на соответствующем медицинском изображении, которую допускается выполнять по собственной инициативе любому одному или более устройствам для определения патологии, способным обрабатывать медицинские изображения соответствующего типа, или которую должно выполнить конкретное одно или более устройств для определения патологии.

23. Система по п. 22, в которой запрос на составление заключения или запрос на обработку изображения исходит от медицинской организации, получившей соответствующее медицинское изображение, от медицинской организации или лица, запросившего обработку изображения, от самой ЦМИС, от устройства для определения патологии или от эксперта.

24. Система по п. 22, в которой ЦМИС выполнена с возможностью формирования запросов на составление заключения с учетом одного или более из:

- рабочего времени эксперта или временного интервала, в течение которого эксперт готов принимать запросы;

- числа запросов, которые уже выданы эксперту, но еще не обработаны;

- минимального количества запросов, которые одновременно готов принимать эксперт;

- суммарного количества запросов, уже обработанных экспертом, и запросов, которые назначены данному эксперту, за рабочее время;

- количества заключений, выданных экспертом за последний период времени.

25. Система по п. 22, в которой ЦМИС выполнена с возможностью формирования запросов на обработку изображения с учетом одного или более из:

- временного интервала, в течение которого допускается передавать запросы тому или иному устройству для определения патологии;

- числа запросов, которые уже выданы устройству для определения патологии, но еще не обработаны;

- минимального количества запросов, которые одновременно способно обрабатывать устройство для определения патологии;

- суммарного количества запросов, уже обработанных устройством для определения патологии, и запросов, которые назначены данному устройству для определения патологии, за предварительно определенный период времени;

- количества результатов, выданных данным устройством для определения патологии за последний предварительно определенный период времени.

26. Система по п. 22, в которой ЦМИС выполнена с возможностью организации запросов на составление заключения и/или запросов на обработку изображений в порядке очереди.

27. Система по п. 26, в которой запросы на составление заключения и запросы на обработку изображений имеют приоритет, устанавливаемый медицинской организацией, получившей соответствующее медицинское изображение, или лицом, запросившим обработку изображения, автоматически самой ЦМИС, автоматизированно или вручную оператором ЦМИС, устройством для определения патологии или экспертом.

28. Система по п. 27, в которой приоритет устанавливается с учетом одного или более из:

- особенностей проводимых исследований,

- профиля организации, проводившей исследование,

- состояния пациента,

- требований организации или лица, запрашивавшего обработку изображения или составление заключения,

- крайнего срока оказания медицинской услуги.

29. Система по п. 20, в которой ЦМИС дополнительно выполнена с возможностью:

группировки изображений, ожидающих обработки, в пакеты для передачи на устройство для определения патологии.

30. Система по п. 1, в которой ЦМИС дополнительно выполнена с возможностью валидации подлежащих обработке данных, причем валидация содержит одну или более следующих проверок:

- возможно ли извлечение изображения из подлежащих обработке данных;

- соответствуют ли данные, приложенные к запросу на обработку изображения, самому запросу;

- является ли изображение позитивом или негативом;

- имеет ли изображение размер, равный или превышающий предварительно заданный минимальный размер, поддерживаемый по меньшей мере одним из устройств для определения патологии, способных обрабатывать такой тип исследований;

- являются ли подлежащие обработке данные деперсонализированными;

- имеет ли уникальный идентификатор изображения предварительно заданный формат.

31. Система по п. 1, в которой ЦМИС дополнительно выполнена с возможностью предобработки подлежащих обработке данных, причем предобработка подлежащих обработке данных содержит одну или более следующих операций:

- преобразование изображения в позитив или негатив;

- обрезку изображения в соответствии с областью интереса, предварительно заданной в параметрах изображения медицинским специалистом, проводившим исследование;

- преобразование яркости или цветности изображения;

- сжатие изображения до требуемого размера;

- деперсонализацию подлежащих обработке данных;

- преобразование уникального идентификатора изображения в предварительно заданный формат, поддерживаемый одним или более устройств для определения патологии.

32. Система по п. 21, в которой ЦМИС дополнительно выполнена с возможностью:

хранения по меньшей мере одного набора данных, содержащих должным образом размеченные медицинские изображения,

причем разметка содержит указание на наличие или отсутствие патологии.

33. Система по п. 32, в которой по меньшей мере один набор данных предназначен для обучения одного или более устройств для определения патологии.

34. Система по п. 33, в которой по меньшей мере один набор данных содержит персональные данные пациентов.

35. Система по п. 34, в которой персональные данные пациентов содержат пол и возраст пациентов.

36. Система по п. 34, в которой ЦМИС дополнительно выполнена с возможностью передачи по меньшей мере одного набора данных в устройство для определения патологии для целей обучения без деперсонализации в отношении тех персональных данных, которые необходимы для обучения устройству для определения патологии.

37. Система по п. 20, в которой ЦМИС дополнительно выполнена с возможностью:

анализа медицинских заключений, составляемых экспертами;

извлечения из медицинских заключений сведений о наличии или отсутствии патологии и о характере патологии, если таковая имеется; и

формирования по меньшей мере одного набора размеченных медицинских изображений на основе извлеченных данных.

38. Система по п. 37, в которой ЦМИС дополнительно выполнена с возможностью:

дополнения разметки сформированных размеченных медицинских изображений соответствующими персональными данными пациента, сохраненными в ЦМИС.

39. Система по п. 37, в которой анализируются только медицинские заключения, подготовленные экспертами, уровень квалификации или рейтинг которых выше предварительно заданного порога.

40. Система по п. 33, в которой по меньшей мере один набор данных содержит для каждого пациента по меньшей мере два медицинских изображения одной и той же области, сделанных в разные периоды времени.

41. Система по п. 40, в которой каждые по меньшей мере два медицинских изображения для каждого пациента являются размеченными, и содержащий их набор данных предназначен для обучения одного или более устройств для определения патологии игнорировать индивидуальные особенности пациентов, которые не должны считаться патологией, а также отслеживать изменения, происходящие в организме пациента в динамике.

42. Система по п. 40, в которой устройство для определения патологии выполнено с возможностью запрашивать у ЦМИС предыдущие медицинские изображения анализируемой области пациента, изображенного на конкретном анализируемом изображении.

Документы, цитированные в отчете о поиске Патент 2023 года RU2789260C1

WO 2020142401 A1, 09.07.2020
WO 2018236497 A1, 27.12.2018
WO 2021031279 A1, 25.02.2021
CN 108876775 A, 23.11.2018.

RU 2 789 260 C1

Авторы

Кулеев Рамиль Фуатович

Оразов Сердар Амангельдыевич

Даты

2023-01-31Публикация

2021-12-20Подача