Un cas d'èxit sobre la integració de formularis i imatges
Visió general
El tractament i el diagnòstic de les malalties fetals i obstètriques depenen en gran mesura del processament i l'anàlisi de la imatge clínica.
Elisenda Bonet-Carne
/ Directora científica – Fetal Medicine Research Center
BCNatal ofereix a les dones una atenció integral i d'avantguarda en l'àmbit de l'obstetrícia i les malalties fetals. És també la maternitat número u de Catalunya en nombre de parts, amb 6.300 parts l'any. El BCNatal Fetal Medicine Research Center pertany a l'Hospital Sant Joan de Déu i a l'Hospital Clínic de Barcelona, a la Universitat de Barcelona. Són un dels grups amb més producció científica internacional en el seu camp. En els darrers 10 anys han publicat més de 450 articles de recerca i han desenvolupat amb èxit estudis de recerca de gran pressupost, inclosos projectes europeus i internacionals.
Requisits
La nostra solució
Cal disposar d'una plataforma per emmagatzemar totes les imatges mèdiques de BCNatal (més de 200.000) que permeti reutilitzar-les i crear nous estudis clínics a partir d'un subconjunt d'aquestes imatges.
SCollect és, en si mateix, una solució multiestudi, de manera que les organitzacions poden tenir usuaris amb accés a determinats estudis i amb rols diferents en cadascun. Vam adaptar aquesta visió per permetre a BCNatal crear estudis seleccionant un subconjunt d'imatges del seu repositori (per exemple, filtrant les imatges amb l'etiqueta «Tòrax» per crear un estudi relacionat amb el tòrax).
Emmagatzemar en local (on-premise) totes les imatges clíniques digitals relacionades amb tots els pacients de la institució.
Totes les dades d'imatge s'emmagatzemen localment als servidors de BCNatal, mentre que l'aplicació està allotjada al núvol i accedeix tant a les bases de dades com al repositori d'imatges a través d'un túnel IP segur.
Connexió i comunicació amb pipelines de machine learning que processen les imatges i n'extreuen resultats.
BCNatal ja disposa d'un equip de científics de dades que dissenya i executa algoritmes de machine learning sobre les imatges dels seus pacients, així que només vam haver d'automatitzar-ne la comunicació, creant a SCollect un usuari no humà que descarrega les imatges, les processa per fer alguns càlculs i puja els resultats a la plataforma.
Requisits
Cal disposar d'una plataforma per emmagatzemar totes les imatges mèdiques de BCNatal (més de 200.000) que permeti reutilitzar-les i crear nous estudis clínics a partir d'un subconjunt d'aquestes imatges.
Emmagatzemar en local (on-premise) totes les imatges clíniques digitals relacionades amb tots els pacients de la institució.
Connexió i comunicació amb pipelines de machine learning que processen les imatges i n'extreuen resultats.
La nostra solució
SCollect és, en si mateix, una solució multiestudi, de manera que les organitzacions poden tenir usuaris amb accés a determinats estudis i amb rols diferents en cadascun. Vam adaptar aquesta visió per permetre a BCNatal crear estudis seleccionant un subconjunt d'imatges del seu repositori (per exemple, filtrant les imatges amb l'etiqueta «Tòrax» per crear un estudi relacionat amb el tòrax).
Totes les dades d'imatge s'emmagatzemen localment als servidors de BCNatal, mentre que l'aplicació està allotjada al núvol i accedeix tant a les bases de dades com al repositori d'imatges a través d'un túnel IP segur.
BCNatal ja disposa d'un equip de científics de dades que dissenya i executa algoritmes de machine learning sobre les imatges dels seus pacients, així que només vam haver d'automatitzar-ne la comunicació, creant a SCollect un usuari no humà que descarrega les imatges, les processa per fer alguns càlculs i puja els resultats a la plataforma.
Resultats:
BCNatal acaba disposant d'una plataforma preparada per a la recerca a llarg termini, en la qual es poden crear múltiples estudis.
Suport de SCollect com a plataforma multiestudi; de cara al futur tenim previst afegir funcionalitats al web de gestió perquè els gestors puguin creuar dades de diferents estudis.
La plataforma està configurada per a l'ús de dos centres en el moment de redactar això, però es podria ampliar fàcilment a més centres en el futur.
Totes les imatges s'emmagatzemen als servidors de BCNatal.
Totes les comunicacions estan protegides d'extrem a extrem mitjançant xifratge SSL.
Els usuaris poden etiquetar imatges. En obrir una imatge per etiquetar-la dins de la plataforma, es mostra un visor DICOM perquè l'usuari pugui etiquetar la imatge adequadament. Les etiquetes es configuren per estudi, de manera que diferents estudis poden tenir etiquetes diferents.
Les imatges de cada estudi tenen formularis associats, de manera que, en funció de les etiquetes de la imatge, es demana als usuaris que emplenin certs camps del formulari. Es mostra un visor DICOM perquè l'usuari pugui fer els mesuraments necessaris i els resultats s'escriuen automàticament al camp corresponent.
La plataforma permet l'etiquetatge i el mesurament automàtics d'imatges, de manera que els algoritmes de machine learning de BCNatal es poden executar sobre les imatges de la plataforma i pujar els resultats a SCollect.