Projekt DICOM-Router: Effizientere Nutzung medizinischer Bilddaten
Medizinische Einrichtungen nutzen für den Austausch ihrer medizinischen Bildinformationen den Datenstandard DICOM. Bislang können ärztliche Fachpersonen die Daten jedoch nicht zielgerichtet und effizient aufrufen. Mit einer von ZHAW-Forschenden entwickelten Plattform soll genau dies ermöglicht werden.
In Spitälern und Arztpraxen wird der offene Daten-Standard DICOM (Digital Imaging and Communications in Medicine) verwendet, um radiologische Bilddaten unterschiedlicher Systeme wie Computertomographie (CT), Magnetresonanztomographie (MRT) oder Positronenemissionstomographie (PET) untereinander auszutauschen und zu speichern. Die Bilddaten werden dazu zentral in einem PACS-Server (Picture Archiving and Communication System) gespeichert, von wo sie von verschiedenen Arbeitsplätzen abrufbar sind und zu Diagnosezwecken verwendet werden können. Bislang sind die Daten von ärztlichen Fachpersonen jedoch nur manuell abrufbar und können nicht unter zuvor festgelegten Regeln effizient genutzt werden. Für diesen Zweck entwickelt die ZHAW und die Universität Zürich eine modulare Open Source Plattform, die die zielgerichtete Datenauswertung mittels eines dynamischen Regelwerks für die DICOM-Informationen effizienter gestalten will. «Die DICOM-Informationen, auch DICOM-Tags genannt, bezeichnen unter anderem Patient:inneninformationen, Modalität, Bildinformationen oder Studienbeschreibungen. So kann beispielsweise eine Ärztin gezielt nach Patient:innen aus einer Studie suchen, die der Altersgruppe zwischen 65 und 75 angehören», erklärt Steven Häsler, Wissenschaftler Assistent am ZHAW-Institut für angewandte Informationstechnologie (InIT) und Projektleiter. Zudem können weitere Suchparameter hinzugefügt werden.
Integration von Künstlicher Intelligenz in DICOM
Ein weiterer Vorteil der Plattform ist ihre Technologieoffenheit, das bedeutet, dass sich Technologien wie Machine Learning und Künstliche Intelligenz durch die Plattform in den DICOM-Standard integrieren lassen, so können beispielsweise Befunde mit verdächtigen Lungenknoten automatisch durch eine künstliche Intelligenz markiert werden. Zudem lassen sich die Daten gezielt und effizient steuern, wie etwa durch automatische Weiterleitungen an einen bestimmten Arbeitsplatz im Falle eines positiven Befunds oder durch eine automatische E-Mail über markierte Befunde an eine bestimmte ärztliche Fachperson.
Durch die quelloffene Plattform soll so medizinischen Einrichtungen eine technologieoffene Struktur bereitgestellt werden, womit die grosse Anzahl an medizinischen Bilddaten wirkungsvoll genutzt und durch integrierbare Technologien vielfältig analysiert werden kann.