Automatisierte Auswertung auf der Modalitäten-Seite: SIEMENS Healthcare

Kurzfassung:

Strukturierte Befundung erlaubt einen hohen Grad der Standardisierung. Und umfassend strukturierte Vorlagen stellen sicher dass der Befund komplett und vollständig in gleichbleibender hoher Qualität erstellt werden kann. Die wachsende Zahl von Richtlinien (BI-RADS, PI-RADS, LUNG-RADS, RECIST etc.) und dadurch immer öfter benötigte Quantifizierungen sind besonders geeignet für strukturierte Befundung, da hier in besonders vorteilhafter Weise Automatismen verwendet werden können um große Teile des Befundes computerunterstützt zeiteffizient zu erstellen. Die enge Anbindung und Datenaustausch von Modalität, Bildbefundung und strukturierter Befunderstellung sowie die Integration klinischer Informationen erlaubt einen hohen Automatisierungsgrad und hat damit auch Potenzial für Zeitersparnis. Akquisitionsinformationen, Messwerte, Ergebnisbilder, Laborwerte usw. können automatisch übernommen werden und helfen einen standardisierten strukturierten Multimediabefund zu erstellen. Alle Informationen im Befund sollten standardisierte und kodierte Terminologien und Ontologien verwenden so dass der Befund von Informationssystemen automatisch interpretiert werden können und Datenbanken für Big Data Anwendungen gefüllt werden können. Eine wachsende Zahl von Standards (MRRT, Radreport usw.) ermöglichen es strukturierte Befundvorlagen auszutauschen und „Best Practice“ Vorlagen zu verwenden. Für die Zukunft wird erwartet dass Befundungssysteme ermöglichen einen großen Teil des Befundes für viele Indikationen automatisiert zu generieren und sicherstellen dass der Befund konsistent ist mit der klinischen Historie des Patienten sowie mit den von der Modalität erstellten Bildinformationen („Clinical Decision Support“).

Lernziele:

– Sinnvolle Möglichkeiten für Automatisierung mit Modalitäts- und Nachverarbeitungsergebnissen und Fallbeispiele
– Synergien mit „Computer Aided Detection“ und „Clinical Decision Support“
– Potenzial der strukturierten Befundung für Qualitätsmanagement und Big Data