业务资讯
您现在的位置:
首页
/
/
/
影像学决策支持-下一个十年影像信息化的基础设施

影像学决策支持-下一个十年影像信息化的基础设施

  • 分类:业务背景知识
  • 作者:
  • 来源:
  • 发布时间:2020-03-06 14:22
  • 访问量:

【概要描述】影像的数据量以每年20%-30%的速度增长,而影像领域医技护的供给增长速度只有3%-4%。人口老龄化、健康检查的普及化,影像学检查的普及化,以及影像设备分辨率的提高是主要原因。影像诊断领域的人力资源供给根本赶不上业务量的增长。头部的医疗机构尚可以依赖学术地位、成长机会与待遇差别获取足够的人力资源,对于基层医疗机构来讲,缺少足够的人力资源是长期的困扰。

影像学决策支持-下一个十年影像信息化的基础设施

【概要描述】影像的数据量以每年20%-30%的速度增长,而影像领域医技护的供给增长速度只有3%-4%。人口老龄化、健康检查的普及化,影像学检查的普及化,以及影像设备分辨率的提高是主要原因。影像诊断领域的人力资源供给根本赶不上业务量的增长。头部的医疗机构尚可以依赖学术地位、成长机会与待遇差别获取足够的人力资源,对于基层医疗机构来讲,缺少足够的人力资源是长期的困扰。

  • 分类:业务背景知识
  • 作者:
  • 来源:
  • 发布时间:2020-03-06 14:22
  • 访问量:
详情

 

2020年开启的新十年当中,影像诊断业务面临的形势与过去不同。

1 影像数据量的增长远超人员的供给的增长

影像的数据量以每年20%-30%的速度增长,而影像领域医技护的供给增长速度只有3%-4%。人口老龄化、健康检查的普及化,影像学检查的普及化,以及影像设备分辨率的提高是主要原因。影像诊断领域的人力资源供给根本赶不上业务量的增长。头部的医疗机构尚可以依赖学术地位、成长机会与待遇差别获取足够的人力资源,对于基层医疗机构来讲,缺少足够的人力资源是长期的困扰。

2 影像知识的半衰期不断缩短

另外一方面影像诊断相关知识的半衰期从10年下降到5年。这就意味着5年之间有一半的影像学相关知识过时了。随着依托大数据的知识发现不断取得进展,影像学知识的半衰期将有可能下降到3年。在日常繁重的工作压力之下,如何能提升影像领域新知识学习的效率就变得比较紧迫了。很明显,传统的书本学习、外院进修、网课学习,还是直接阅读文献,都不是正解。
以诊断业务为例,单病种的诊断专家共识每隔2-3年就更新一次。每次更新都会添加新的影像表现和新的诊断逻辑。当一个单病种的诊断信息维度的复杂性和逻辑的复杂性到一定程度的时候,会超越诊断医生的记忆能力。面对多种多样的影像学表现,我们或者停下来翻书,牺牲效率,给出相对精准的诊断报告;或者忽略细节,给出自己不担责、但对临床也不见得有用的诊断报告。即便如此,我们还是担心忙中出错,所以才希望信息化手段能提供自动化的危急值报告、自动化的差错纠正功能。

3 影像学决策支持系统(CDSS)将成为基础设施

对比一下现在和未来:现在影像科室聘任30名诊断医生,支付30个人的费用,干30个人的工作量;未来仍然是聘任30名诊断医生,依赖于决策支持系统,要支付40个人的费用,但干得是50个人的工作量。未来必定是在人力资源增加不多的情况下,依赖影像决策支持系统CDSS,大幅降低单个业务的成本,不仅完成更加大量的日常工作,而且满足医疗逐步个性化的需求。如果没有临床决策支持系统的帮助,这种愿景根本不可能实现。

4 影像决策支持系统的建设是系统性工程

在影像信息化领域,目前并不存在不降低效率,还能提升质量的通用技术手段。质量和效率存在着明显的冲突。这不是说我们的理想是错的,而是因为我们的决策支持系统还远远没有聪明到能这样帮助我们的地步。我们只能先从局部开始,在确保质量的情况下尽量提升效率,再扩展到其他疾病或者领域,最终覆盖到影像的全领域、全流程。这个过程注定需要较长的时间。

从单个疾病的诊断领域来看,我们需要依赖影像学结构化报告来承载专家共识的数据维度和诊断逻辑,通过与影像后处理/影像AI的读片信息整合,通过HIS/EMR系统的整合提取实验室信息和病理信息,以及通过解剖导航图等工具,加速诊断依据的自动化获取程度,并依赖专家共识的逻辑部分自动化地进行推理,给出诊断医生的参考意见。这样才有可能保证质量/效率双丰收。

每个诊断单病种的落地都是一场硬仗。除了诊断领域之外,申请、扫描、后处理/AI领域都对诊断有着巨大的影响。一个完整的影像CDSS必将包含申请、扫描、处理、诊断这4个环节。在这4个环节当中,每种疾病都需要个性化的解决方案。如果我们要覆盖上百个、几百个场景,那必将是一个庞大的系统性工程。

5 影像决策支持必定是共享模式的

影像决策支持的本质就是影像学知识加上知识对流程的植入。知识主要在医技护的脑海中,这些知识是行业公共的财富,既不能成为专利,也不能进行销售,大多就是像行业协会那样收取会员费和少量维护费。忽略既有的知识,单纯依赖数据生成解决方案的做法理论上可行,但成本极高,而且原理不清晰,并不是AI或者大数据技术在具体行业应用的正解。要想辩证地结合既有的影像学知识与大数据分析,高度依赖于医学知识,而不依赖于高深数据算法。

知识植入流程是一项比较传统的信息化业务。比如结构化报告要整合LIS/PIS的相关信息,需要针对每个数据元素进行个性化的ETL抽取;要从后处理/AI中获取关键图像和测量值,需要诊断每个场景个性化地设置消息格式。申请、扫描、后处理、报告如何融入到原有的RIS/PACS流程也是极为复杂的工程。这种整合没有通用解,只能根据每个业务点去个性化开发、设置,所以流程整合并不是新型的云端服务业务,而是比较痛苦的传统信息化业务。

面对这样一个系统性的工程,没有一家企业、一家医疗机构能全部实现。知识在医生手里边,而且知识本身是共享的;流程整合是传统的苦差事。所以影像决策支持必然带有共享和传统两种胎记。除非我们能利用标签化的数据生产新的知识,否则这就是一个顶着伟大前途的传统业务。

我们将共享什么?共享报告的内容包括:报告模板、报告的标签数据、AI的模型等等。每个组成部分都不难,重复开发将造成巨大的浪费。互补开发、分享交换才是推动影像CDSS进步的合理做法。

扫二维码用手机看

第三届海西影像高峰论坛∣提高质控,结构化报告是认真的

第三届海西影像高峰论坛∣提高质控,结构化报告是认真的

7月22日,由厦门大学附属中山医院、厦门市医学会放射学分会主办的“第三届海西影像高峰论坛 暨能谱CT临床应用学习班 暨厦门市放射质控中心培训会“在厦门市召开。论坛邀请省内外影像科权威专家,围绕影像科质控方向展开热烈讨论和广泛交流。 北京赛迈特锐医疗一直致力于影像质控方向的不断提升,携医学影像结构化报告系统亮相本次会议。   解决影像医生烦恼才是价值所需 众所周知,传统的文本报告模板是一线报告医生的法宝。复制、粘贴,进行适度修改就可以飞快地完成一份报告,可以最大限度地提高报告完成的效率,但由此带来的质量问题却纷纷而来。   牢控质量赋能智慧影像 北京赛迈特锐医疗自主研发的“医学影像结构化报告系统”,对此做出了清晰的回答。医学影像结构化报告系统前瞻性地控制影像学描述的范围、顺序、用词。规范的描述提升科室报告的安全性底线,减少潜在的医患矛盾。内置专家共识/参考诊断/鉴别诊断逻辑,降低医生的记忆量,提高工作效率和质量。适用于影像科室的诊断知识库,有助于提升影像科室诊断业务的规范性和标准化程度。   响应国家政策,勇攀医学高峰 在国家卫生健康委医院管理研究所在22年7月20日发布的《2021年度电子病历系统功能应用水平分级评价高级别医疗机构结果公示的通知》中,北京赛迈特锐医疗助力7家医疗机构成功通过5级评审!北京赛迈特锐医疗将继续发挥强大的技术优势和专业服务能力,重点围绕影像决策支持发展,不断打造智能化结构化报告产品,赋能智慧医疗。
发布时间 : 2022-08-02 点击 : 0

联系方式

北京赛迈特锐医疗科技有限公司

电 话:010-62077532

地 址:北京市昌平区沙河镇昌平路97号8幢B202(昌平示范园)

二维码

官微二维码

二维码

邓白氏编码

北京赛迈特锐医疗科技有限公司

京公网安备11010202008737号

网站建设:中企动力 北京 SEO