来源:HIT专家网 作者:姜浩 整理
我国大部分医院的肿瘤专科都正面临一个普遍现象:患者就诊量不断提升,医学影像设备不断增加、更新换代,单一检查设备产生的数据量不断提升,成像精准度不断提高,导致影像数据量呈指数级增长。
“这一现象对医院生产系统及网络产生巨大负载,传统的PACS架构已无法支撑医院对医学影像数据的管理及应用需求。”近日,在由HIT专家网主办、GE医疗协办的“释放医学影像数据价值”在线论坛上,复旦大学附属肿瘤医院信息中心主任王奕直言医院医学影像管理所面临的多重挑战。
建设影像数据中心势在必行
以复旦大学附属肿瘤医院为例,放射影像检查量的年均增长率为18%,2021年的整体检查量为58万人次,当年放射影像的新增数据量约80TB,历史数据量达450TB,医学影像数据量已占据医院数据总量的85%以上。
如何才能缓解这一问题?王奕认为:“医院需要打造一个标准的影像数据中心,建立一个标准的影像数据管理模式。”复旦大学附属肿瘤医院在建设影像数据中心方面有着丰富的经验,医院所建的医学影像数据中心涵盖放射、超声、内镜、病理、心电等多种影像数据。
“医学影像数据中心的基础设施平台是制约医学影像应用的核心要素。”王奕详细介绍了医学影像数据中心的建设内容:在数据存储方面,采用SAN存储、NAS存储及对象存储等方式,未来还将探索蓝光存储等方式;在数据采集方面,实现对院内及紧密合作单位内不同类型医学影像数据的采集与共享;在数据归档方面,建立统一的数据标准;在数据应用方面,能够支持的应用包括但不限于患者360视图、远程诊断/会诊、影像AI、科研支持及云胶片等。
支撑医学影像大数据研究与AI应用
王奕进一步介绍了医院基于医学影像数据中心开发的多院区、多场景影像应用。其中,关于“影像大数据+AI”的研究走在行业前沿领域,部分AI工具已实际应用于临床诊疗。
例如:复旦大学附属肿瘤医院打造的“乳腺癌AI辅助诊断工具”,依据最新BI-RADS分类标准对病灶进行综合评估和智能分类,能够一键生成可配置、可编辑的图文报告。王奕介绍说,该工具的敏感性显著高于CAD钙化敏感性,为医生提供了乳腺癌诊断的一站式解决方案。另一款“冠脉狭窄AI分析工具”极大提升了放射科医生的冠脉后处理效率,避免对血管狭窄的漏诊误诊。
在病理学方面,“宫颈癌细胞学AI辅助诊断工具”已进入临床常规使用阶段:每一张宫颈细胞病理数字玻片相当于11.4万张标准CT,通过极速AI运算加速,单个工作站可在40秒内完成辅助诊断,极大提升了病理科的工作效率。
除此以外,复旦大学附属肿瘤医院还正在尝试利用“医学影像数据平台+高级可视化应用”连接放射科与临床科室:首先,放射科技师扫描影像并发送到数据平台;接着,3D后处理技师和放射科医师通过这一应用对影像进行专业的后处理,如组织分割、处理及测量分析等,同时保存处理状态至数据平台;最后,临床医生可直接查看处理过的结果(含测量、分割及分析等),并可进行相关操作。
开展区域协同应用
“复旦大学附属肿瘤医院牵头了多个医联体组织。医联体对于影像数据的需求主要聚焦于远程会诊。”王奕表示,医学影像数据中心能够为医联体内的影像业务提供良好支撑:医联体内的单位可以与医学影像数据平台进行对接,将影像数据汇聚到医学影像数据中心内;当医联体内医院向复旦大学附属肿瘤医院发起会诊请求时,后者可通过远程会诊平台,直接从影像数据中心调阅相应的数据,更便于会诊;同时,这些数据能够持久性归档,方便医生在下次诊断或回顾时使用。
“未来,复旦大学附属肿瘤医院将更多地聚焦于影像业务效率提升,并以此为核心建设智慧影像平台。”在谈及医学影像应用发展时,王奕提出了几点期望:在可视化方面,将三维重建技术更多地推广到临床科室;在AI预处理方面,将AI工具与PACS、RIS进行整合,与日常业务流程进行深度融合,实时为医生展现AI处理结果;在区域协同方面,王奕表示:“数字化转型的核心是打破物理空间和时间的壁垒,打造线上就医空间,而医学影像数据正是线上就医空间的重要组成部分。医院要以此目标,架构未来PACS区域协同网络,助力医院数字化转型。”
【责任编辑:陈曦】
评论前必须登录!
注册