Un caso de éxito sobre la integración de formularios e imágenes
Visión general
El tratamiento y el diagnóstico de las enfermedades fetales y obstétricas dependen en gran medida del procesamiento y el análisis de la imagen clínica.
Elisenda Bonet-Carne
/ Directora científica – Fetal Medicine Research Center
BCNatal ofrece a las mujeres una atención integral y de vanguardia en el ámbito de la obstetricia y las enfermedades fetales. Es también la maternidad número uno de Cataluña en número de partos, con 6.300 partos al año. El BCNatal Fetal Medicine Research Center pertenece al Hospital Sant Joan de Déu y al Hospital Clínic de Barcelona, en la Universidad de Barcelona. Son uno de los grupos con mayor producción científica internacional en su campo. En los últimos 10 años han publicado más de 450 artículos de investigación y han desarrollado con éxito estudios de investigación de gran presupuesto, incluidos proyectos europeos e internacionales.
Requisitos
Nuestra solución
Existe la necesidad de disponer de una plataforma para almacenar todas las imágenes médicas de BCNatal (más de 200.000) que permita reutilizarlas y crear nuevos estudios clínicos a partir de un subconjunto de esas imágenes.
SCollect es, en sí mismo, una solución multiestudio, de modo que las organizaciones pueden tener usuarios con acceso a determinados estudios y con distintos roles en cada uno. Adaptamos esta visión para permitir a BCNatal crear estudios seleccionando un subconjunto de imágenes de su repositorio (por ejemplo, filtrando las imágenes con la etiqueta «Tórax» para crear un estudio relacionado con el tórax).
Almacenar en local (on-premise) todas las imágenes clínicas digitales relacionadas con todos los pacientes de la institución.
Todos los datos de imagen se almacenan localmente en los servidores de BCNatal, mientras que la aplicación está alojada en la nube y accede tanto a las bases de datos como al repositorio de imágenes a través de un túnel IP seguro.
Conexión y comunicación con pipelines de machine learning que procesan las imágenes y extraen resultados.
BCNatal ya cuenta con un equipo de científicos de datos que diseña y ejecuta algoritmos de machine learning sobre las imágenes de sus pacientes, así que solo tuvimos que automatizar su comunicación, creando en SCollect un usuario no humano que descarga las imágenes, las procesa para realizar algunos cálculos y sube los resultados a la plataforma.
Resultados:
BCNatal acaba disponiendo de una plataforma lista para la investigación a largo plazo, en la que se pueden crear múltiples estudios.
Soporte de SCollect como plataforma multiestudio; de cara al futuro tenemos previsto añadir funcionalidades a la web de gestión para que los gestores puedan cruzar datos de distintos estudios.
La plataforma está configurada para el uso de dos centros en el momento de redactar esto, pero podría ampliarse fácilmente a más centros en el futuro.
Todas las imágenes se almacenan en los servidores de BCNatal.
Todas las comunicaciones están protegidas de extremo a extremo mediante cifrado SSL.
Los usuarios pueden etiquetar imágenes. Al abrir una imagen para etiquetarla dentro de la plataforma, se muestra un visor DICOM para que el usuario pueda etiquetar la imagen adecuadamente. Las etiquetas se configuran por estudio, de modo que distintos estudios pueden tener etiquetas diferentes.
Las imágenes de cada estudio tienen formularios asociados, de modo que, en función de las etiquetas de la imagen, se solicita a los usuarios que rellenen ciertos campos del formulario. Se muestra un visor DICOM para que el usuario pueda realizar las mediciones necesarias y los resultados se escriben automáticamente en el campo correspondiente.
La plataforma permite el etiquetado y la medición automáticos de imágenes, de modo que los algoritmos de machine learning de BCNatal pueden ejecutarse sobre las imágenes de la plataforma y subir los resultados a SCollect.