用于病理学报告与放射学报告的相关联的系统和方法

摘要

一种用于将患者放射学报告与患者病理学报告相关联以跟踪放射学诊断与病理学诊断之间的不一致的系统，所述系统包括自然语言处理器引擎，所述自然语言处理器引擎用于提取放射学信息和病理学信息。关联模块将特定时间段中的所述放射学信息与所述病理学信息相关联。可视化图形用户接口指示患者历史中的放射学信息与病理学信息的关联性。跟踪模块跟踪误诊案例。

说明书

技术领域

本申请总体上涉及将病理学报告与放射学报告相关联。本申请尤其与迅速向用户呈现用户能够从其查看放射学报告发现与病理学报告发现之间的一致和不一致的图形信息结合应用，并且尤其参考其进行描述。然而，应当理解，本申请还应用于其他使用情形而不必限于前述应用。

背景技术

在检查患者和患者的临床历史之后，放射科医师必须常常进行关于患者的状况的知识推理。为了验证诊断，患者常常被转交到其他医生以进行病理学检查或者外科手术检查。一旦患者已经转到这些检查，放射科医师和医院管理者常常想要关于放射科医师的初始推理的准确性的更多信息，然而，在更详细和丰富的历史的情况下，对于放射科医师和管理者而言，快速捕获患者的医学历史的详细视图已经变得更加困难。此外，一旦完整患者医学历史被形成，就难以将单个患者医学历史与患者医学历史的数据库进行比较以确定多少放射学报告与它们的对应放射学报告一致或者不一致。对该信息进行映射是耗时且没有足够的关联性，难以确定误诊在哪种情况下发生、什么导致误诊以及医院的误诊率是否遵循接受的标准，因此，放射科医师之后能够调节他们的工作流程。

越来越多的放射科医师已经预见到放射学工作流程的改进中的下一待开发领域并不在于对挂片协议的增强、更快的处理器或者改进的图形用户接口。相反地，他们预见下一待开发领域是用于图形地示出复杂信息并且迅速向放射科医师提供信息的智能方式。例如，放射科医师需要具有在放射学世界与病理学世界之间的截面，并且查看多少放射学报告与病理学报告一致或者不一致。

例如，在图1中，女性患者于7/20/2010(例如)被发现在她的中央左侧乳房中具有疑似钙化，并且当日被建议进行活检。将近一个半月之后，活检完成，并且被诊断患有“乳腺导管内原位癌”，其是癌症。另一个月之后，她进行了乳房肿瘤切除术，并且最终的外科手术结果也证实它的恶性。放射科医师需要工具来将该信息迅速相关联以避免浪费时间来搜索这样的信息。诸如肿瘤医师和全科医师的其他临床医师可能具有类似的需要。

此外，健康护理提供者，诸如放射学部门的管理者和主管人员需要质量控制系统来监测健康护理质量。但是，对于丰富的患者历史，他们难以获得对患者历史的清晰视图。例如，他们想要通过将病理学结果与放射科医师的解释诊断结果相关联来获知放射科医师的诊断能力，并且发现他们的不一致率。期望具有用于图形地示出该复杂信息的智能方式。存在针对不仅提供额外的临床洞察而且也增强放射科医师的生产率的工具的需要。

发明内容

本申请提供了用于根据病理学报告与放射学报告的关联性来跟踪不一致案例并且得到洞察的系统和方法。本申请也提供了克服上述问题和其他问题的经改进的方法和系统。

根据一个方面，提供了一种用于将患者放射学报告与患者病理学报告相关联以跟踪放射学诊断与病理学诊断之间的不一致的系统。所述系统包括：自然语言处理器引擎，其提取放射学信息和病理学信息。关联模块根据指南和/或用户的需要将在特定时间段中的所述放射学信息与所述病理学信息相关联。可视化图形用户接口指示患者历史中的放射学信息与病理学信息的关联性。跟踪模块监测关联性数据、计算诊断性能并且跟踪误诊案例。

根据另一方面，提供了一种用于将患者放射学报告与患者病理学报告相关联的方法。所述方法包括：提取放射学信息和病理学信息；将在特定时间段中的所述放射学信息与所述病理学信息相关联；指示患者历史中的放射学信息与病理学信息的关联性；并且监测关联性数据以计算诊断性能并跟踪误诊案例。

根据另一方面，提供了一种用于将患者放射学报告与患者病理学报告相关联的系统。所述系统包括一个或多个处理器，所述一个或多个处理器被编程为：提取放射学信息和病理学信息；将在特定时间段中的所述放射学信息与所述病理学信息相关联；指示患者历史中的放射学信息与病理学信息的关联性；并且监测关联性数据以计算诊断性能并跟踪误诊案例。

一个优点在于，由放射科医师或者其他医学专业人员花费在生成针对患者的全面临床历史中的时间的减少。

另一优点在于，图形地将放射学解释与病理学发现相关联和比较。

另一优点在于跟踪不一致患者案例。

另一优点在于改进的临床工作流程。

另一优点在于改进的患者护理。

本领域普通技术人员在阅读和理解了以下详细描述后将认识到本发明的更多优点。

附图说明

本发明可以采取各种部件和部件布置以及各种步骤和各步骤安排的形式。附图仅仅是为了图示优选实施例而不应当被解释为限制本发明。

图1图示了根据本申请的各方面的放射学报告、活检和外科手术结果的关联性工作流程。

图2图示了根据本申请的各方面的医学机构的IT基础架构的方框图。

图3图示了根据本申请的各方面的临床支持系统的操作的流程图。

图4图示了由根据本申请的各方面的临床支持系统所生成的评分卡可视化的示范性实施例。

图5图示了由根据本申请的各方面的临床支持系统所生成的用户接口的示范性实施例。

图6图示了由根据本申请的各方面的临床支持系统所生成的用户接口的另一示范性实施例。

图7图示了根据本申请的各方面的自然语言处理引擎的操作的示范性流程图。

图8图示了根据本申请的各方面的用于将病理学报告与放射学报告相关联的方法的流程图。

具体实施方式

本申请涉及借助于病理学报告与放射学报告的自动相关联来评估放射科医师的诊断准确性。放射科医师和医院管理者能够通过对阳性和阴性诊断结果的图形诊断分析来监测患者护理和健康护理质量。本申请通过以下来利用该分析：提取放射学诊断结果和病理学结果，根据指南基于特定时间段将放射科医师的放射学研究与病理学报告相关联，在用户接口中可视地组织信息，并提供跟踪信息以监测数据的趋势和误诊。

参考图2，方框图图示了诸如医院的医学机构的IT基础架构10的一个实施例。IT基础架构10适当地包括：经由通信网络20互连的临床信息系统12、临床支持系统14、临床接口系统16等。想到了通信网络20包括互联网、内联网、局域网、广域网、无线网络、有线网络、蜂窝网络、数据总线等中的一个或多个。也应该认识到，IT基础架构的部件被定位在中心位置或多个远程位置处。

临床信息系统12将包括放射学报告、病理学报告、实验室报告等的临床文档存储在临床信息数据库22中。临床文档可以包括具有与诸如患者的实体有关的信息的文档。临床文档中的一些可以是自由文本文档，而其他文档可以是结构化文档。这种结构化文档可以是由计算机程序基于用户通过以电子形式填入提供的数据而生成的文档。例如，结构化文档可以是XML文档。结构化文档可以包括自由文本部分。这样的自由文本部分可以被视为封装在结构化文档内的自由文本文档。因此，结构化文档的自由文本部分可以由系统作为自由文本文档进行处置。临床文档中的每个包含信息项的列表。信息项的列表包括自由文本的字符串，诸如短语、句子、段落、词语等。临床文档的信息项能够被自动地和/或手动地生成。例如，各种临床系统从之前的临床文档、谈话的笔录等自动生成信息项。对于后者，能够采用用户输入设备24。在一些实施例中，临床信息系统12包括显示设备26，所述显示设备向用户提供用户接口以在所述用户接口内手动输入信息项，和/或用于显示临床文档。在一个实施例中，临床文档被本地地存储在临床信息数据库22中。在另一实施例中，临床文档被全国性地或者区域性地存储在临床信息数据库22中。患者信息系统的范例包括，但不限于，电子医学记录系统、部门系统等。

参考图2和图3，临床支持系统14处理临床文档以检测临床文档中的信息项，并且检测相关临床发现和信息的预定义列表。临床支持系统14还由它们的对应文档类型来表征临床文档，并且从临床文档提取与临床文档的各个标题有关的信息项。在对信息项的提取之后，临床支持系统14确定当前临床文档是否建议任何后续流程，诸如活检、后续成像、实验室测试、外科手术等，并且提取病理学报告中与诊断有关的信息项。临床支持系统14还将包括匹配准则的临床文档相关联，所述匹配准则然后被用于生成允许用户查看在放射学研究与病理学报告之间的关联性的用户接口。临床支持系统14包括用于显示信息项和用户接口的显示器28(诸如CRT显示器、液晶显示器、发光二极管显示器)以及供临床医师输入和/或修改所提供的信息项的用户输入设备30(诸如键盘和鼠标)。

具体而言，临床支持系统也包括自然语言处理引擎32，所述自然语言处理器引擎处理临床文档以检测临床文档中的信息项并且检测相关临床发现和信息的预定义列表。为了实现这一目的，自然语言处理引擎32将临床文档分割成包括片断、段落、句子等的信息项。通常，除了临床历史、技术、比较、发现、印象片断标头等之外，临床文档包含具有协议信息的带时间戳记的标头。能够容易地使用片断标头和文本匹配技术的预定义列表来检测片断的内容。备选地，能够使用第三方软件方法，诸如MedLEE。例如，如果给出了预定义项的列表，则能够使用字符串匹配技术来检测各项中的一个是否存在于给定的信息项中。该字符串匹配技术还能够被增强以考虑形态和词法变体以及分布在信息项上的术语。如果术语的预定义列表包含本体ID，能够使用概念提取方法来从给定的信息项中提取概念。所述ID涉及背景本体中的概念，诸如SNOMED或RadLex。对于概念提取，能够利用第三方解决方案，诸如MetaMap。此外，自然语言处理技术在本领域中本身是已知的。能够应用诸如模板匹配的技术和在本体中定义的概念实例的识别以及概念实例之间的关系来建立如由自由文本表达的语义概念的实例及其关系的网络。

自然语言处理器引擎32还由临床文档的对应文档类型来表征所述临床文档。通过分析相关临床信息，自然语言处理器引擎32确定临床文档和信息术语是否与放射学研究或病理学报告有关。例如，针对每种类型的文档的预定义术语的列表由自然语言处理器引擎32利用以检测术语中的一个或多个是否存在于放射学研究或病理学报告中。自然语言处理器引擎32还在各种研究类型之间进行区分。具体而言，自然语言处理器引擎32包括放射学研究归类引擎34和病理学报告归类引擎36。自然语言处理器引擎32利用放射学研究归类引擎34来确定被包括在放射学研究内的各种研究类型。例如，放射学研究归类引擎34确定当前放射学研究是否为筛查检查、诊断检查或者介入(成像引导的活检)流程等。类似地，病理学报告归类引擎36确定被包括在病理学报告中的各种研究类型。例如，病理学报告归类引擎36确定当前病理学报告是否为细针吸入、核心活检、外科手术等。在一个实施例中，放射学研究归类引擎34和病理学报告归类引擎36利用具有在放射学报告或病理学报告中的提取的关键字的输入的分类器来确定放射学报告或病理学报告的研究的类型。

自然语言处理器引擎32还从临床文档提取与临床文档的各个标题有关的信息项。为了实现这一目的，自然语言处理器引擎32包括放射学研究片断检测引擎38和病理学报告片断检测引擎40。自然语言处理器引擎32利用放射学报告检测引擎38来提取放射学研究的各个片断。例如，放射学研究片断检测引擎38提取放射学研究的临床信息、发现、印象等片断。同样地，自然语言处理器引擎32利用病理学报告片断检测引擎40来提取病理学报告的各个片断。例如，病理学报告片断检测引擎40从病理学报告提取临床历史、接收的样品、最终病理学诊断等片断。在一个实施例中，放射学研究片断检测引擎38和病理学报告片断检测引擎40利用标头匹配算法来提取临床文档的各个片断。在另一实施例中，放射学研究片断检测引擎38和病理学报告片断检测引擎40利用已经存在的自然语言处理算法(如MedLEE或MateMap)来提取临床文档片断。另外，放射学研究片断检测引擎38和病理学报告片断检测引擎40能够利用用户定义的规则来提取可以出现在文档中的特定类型的片断。在一些情况下，可以存在针对一个特定片断的许多标头表达。为了考虑这一情况，放射学研究片断检测引擎38和病理学报告片断检测引擎40利用标头表达的列表以便检测每个片断。例如，以“印象”、“各印象”、“结论”、“各结论”、“选项”、“总结”开始的报告的片段是印象片断的全部实例。

自然语言处理器引擎32的后续检测和分类引擎42确定临床文档研究是否建议任何后续流程，诸如活检、后续成像、实验室测试、外科手术等。具体而言，后续检测和分类引擎42提取放射学研究中的印象片断，并利用规则表达来找到包含后续流程的建议的信息项。例如，如果乳腺摄影研究中的放射学报告的印象片断中的句子包含诸如“活检”、“fna”、“外科手术会诊”以及“切除”的关键字，并且跟随有诸如“推荐”、“递送”、“考虑”、“与…相关联”、“建议”、“将是选择”、“能够被执行”的关键字，那么后续检测和分类引擎42建议了后续流程。

自然语言处理器引擎32还对匹配类似准则的各个临床文档的信息项进行匹配。为了实现这一目的，自然语言处理器引擎32包括放射学匹配准则提取引擎44和病理学匹配准则提取引擎46。具体而言，放射学匹配准则提取引擎44和病理学匹配准则提取引擎46确定在放射学研究和/或病理学报告中的信息项是否涉及类似准则，诸如解剖结构位置、后续流程、结果等。例如，在乳腺摄影研究的放射学研究中，放射学匹配准则提取引擎44和病理学匹配准则提取引擎46提取放射学报告和病理学报告中的病变的偏侧性、钟点和深度信息。将考虑放射学研究和病理学研究中的多个解剖结构位置。例如，如果放射学报告的印象片断建议左侧乳房中的活检，而右侧乳房表现正常，那么病理学匹配准则提取引擎46对相关联的病理学报告中的左侧乳房相关联，并且放射学匹配准则提取引擎44对相关的放射学报告中的左侧乳房相关联，而非右侧乳房。为了实现这一目的，放射学匹配准则提取引擎44和病理学匹配准则提取引擎46利用匹配准则提取算法，所述匹配准则提取算法包括相关联的预定义术语的列表。然后能够利用字符串匹配技术来检测术语中的一个是否存在于临床文档中的给定信息项中。

自然语言处理器引擎32的病理学诊断提取引擎48提取与病理学报告中的诊断有关的信息项。具体而言，病理学诊断提取引擎48检测病理学结果的恶性，诸如“乳腺导管内原位癌”，其是恶性的，以及“纤维腺瘤”，其是良性病理学诊断结果。为了区分病理学诊断结果，病理学诊断提取引擎48利用包含良性和恶性诊断的病理学结果的所有已知名称的词典。例如，病理学诊断提取引擎48从病理学报告提取诊断，并且将所述诊断与定义的诊断进行匹配以确定其病理学诊断结果的恶性。

自然语言处理引擎32还包括否定检测引擎50，所述否定检测引擎跟踪信息项是否包含否定意义。例如，“在任意乳房中都没有异常增强，尤其是没有与证明中左侧乳房中的DCIS的活检有关的异常增强”并不建议活检，因为“没有”出现在建议活检的信息项模式前面。否定检测引擎50能够利用规则表达模式来检测活检是否为推荐。

临床支持系统14还包括关联引擎52，所述关联引擎将包括匹配准则的临床文档与其他临文档相关联。具体而言，关联引擎52将一个或多个放射学研究中的解释与一个或多个病理学报告中的有关病理学报告相关联。在从放射学报告和病理学报告提取匹配信息项之后，关联引擎52例如通过匹配的解剖结构位置来确定这两个临床文档是否相关联。关联引擎52利用一体化医学语言系统(UMLS)来确定临床文档中出现的解剖结构是否具有相同的SNOMED概念。例如，包括解剖结构“椎骨”和“脊柱”、“肝脏病变”和“肝肿块”的临床文档匹配，因为它们具有相同概念。在乳房癌症研究中，解剖结构位置信息能够包括发现的偏侧性、深度以及钟点位置。

关联引擎52还包括差异检查引擎54，所述差异检查引擎针对结果中的差异来检查相关的临床文档。例如，如果存在放射学诊断结果与病理学结果的不匹配，则差异检查引擎54提供描述所述差异的细节。例如，针对乳房患者，放射科医师将放射学报告中出现的患者的BIRADS评分与其病理学结果进行比较。如果放射学研究诊断(诸如，BIRADS：4，疑似发现，阳性发现)与病理学报告结果(例如，纤维腺瘤，良性情况，阴性发现)之间存在冲突，则差异检查引擎54记录被显示给用户的差异。

临床支持系统14还包括跟踪引擎56，所述跟踪引擎监测诊断的趋势并跟踪被误诊的案例。具体而言，跟踪引擎56包括关键性能指标(KPI)计算引擎58和误诊案例跟踪引擎60。KPI计算引擎58累计在临床文档内的匹配诊断，并提供关于诊断的性能的统计(计算所有KPI值)。KPI计算引擎58还生成全部KPI的评分卡，其中KPI的计算值具有在每个领域中接受的标准范围。所述评分卡也将跟踪KPI的计算值和针对被误诊案例的其他细节。

误诊案例跟踪引擎60全体地(医院中的全部放射科医师)或者个体地(每个放射科医师)跟踪放射科医师在特定时间段(例如，一年或者两年)中的临床结果。误诊案例跟踪引擎60还利用数据结构来存储每个相关的信息，包括其放射学报告识别和病理学报告识别，以辅助跟踪具有误诊的案例。利用数据结构，误诊案例跟踪引擎60跟踪真阳性(TP)和假阳性(FP)案例的细节，并且通过阅读尤其是针对FP案例的临床文档的细节来确定针对误诊的原因。具体而言，误诊案例跟踪引擎60对与FP案例有关的临床文档进行匹配，并报告不匹配的信息项中的任何细节。

临床支持系统14还包括临床接口引擎62，所述临床接口引擎生成允许用户查看放射学研究与病理学报告之间的关联性的用户接口。在一个实施例中，临床接口引擎62生成显示临床文档内的诊断的差异和关联性的用户接口。例如，临床接口引擎62生成包括对应于相关联的病理学报告和放射学报告的被突出显示的行的可视化。在另一实施例中，可视化工具能够由临床医师用在常规临床工作流程中以查看患者历史。例如，当用户在用户接口中选择研究时，临床接口引擎62生成在研究中的实际患者的显示，并且将具有一致/不一致结果的报告进行可视化。在另一实施例中，临床接口引擎62生成用户接口，所述用户接口包括其中KPI的计算值具有在每个领域中接受的标准范围的评分卡。例如，黄色条可以指示针对每个KPI的最优范围，并且蓝色的交叉标记可以指示医院中的真实性能值。

临床接口系统16显示用户接口，使得用户可以查看放射学研究与病理学报告之间的关联性。临床接口系统16接收用户接口，并且在显示器64上向护理提供者显示视图。临床接口系统16还包括用户输入设备66，诸如触摸屏或者键盘和鼠标，以供临床医师输入和/或修改用户接口视图。护理提供者接口系统的范例包括，但不限于，个人数字助理(PDA)、蜂窝智能电话、个人计算机等。

IT基础架构10的部件适当地包括运行实现前述功能性的计算机可执行指令的处理器70，其中，所述计算机可执行指令被存储在与处理器70相关联的存储器72上。然而，想到了前述功能性中的至少一些能够在无需使用处理器的情况下被实施在硬件中。例如，能够采用模拟电路。此外，IT基础架构10的部件包括向处理器70提供接口的通信单元74，通过所述接口在通信网络20上进行通信。更重要的是，尽管离散地描述了IT基础架构10的上述部件，但应当认识到，这些部件能够被组合。

参考图4，图示了由临床支持系统生成的评分卡可视化100的示范性实施例。评分卡可视化100显示具有KPI及其针对每个领域的接受范围的统计。评分卡可视化100包括表示KPI值的垂直轴和表示被误诊案例的各种类型的水平轴。评分卡可视化包括针对每个KPI 106的最优范围和特定医学机构108的性能值。例如，针对阳性预测值(PPV2)的标准接受值在25％-40％的范围中，而其在所述医学机构中的真实性能值为约45.58％。评分卡可视化100还使得用户能够检查每个KPI值以跟踪被误诊案例110的细节。

参考图5，图示了由临床支持系统生成的用户接口200的示范性实施例。用户接口200跟踪各个放射科医师的临床结果。具体而言，用户接口200使得用户能够选择特定研究并且跟踪研究的结果。用户接口200包括包含真阳性202和假阳性204的各自百分比的可视化。用户接口200还使得用户能够跟踪真阳性和假阳性案例的细节并且显示各自的临床文档206，使得用户能够阅读和确定针对误诊的原因。

参考图6，图示了由临床支持系统生成的用户接口300的另一示范性实施例。用户接口300包括针对特定患者的研究的关联性的可视化。用户接口包括对应于一个或多个患者304的临床文档302的列表，以及由用户选择的临床文档的视图306。用户接口300能够对相关的临床文档的行308进行突出显示。用户接口300能够由临床医师用在常规临床工作流程中，以查看患者历史并且跟踪质量保证。

参考图7，图示了自然语言处理引擎的操作的示范性流程图400。尽管以逻辑顺序依次描述了图中的方框中的每个方框，但是并不假定系统以任何特定的顺序或安排来处理所描述的信息。在步骤402中，检索的放射学报告被归类。在步骤404中，放射学报告的片断被提取。在步骤406中，确定是否已经推荐了后续。如果尚未推荐后续，则在步骤408中检索更多放射学报告。如果已经推荐了后续，则执行各种后续，包括在步骤410中执行后续成像，在步骤412中执行后续活检，或者在步骤414中执行其他后续。如果执行后续活检，则在步骤416中从病理学报告提取信息。在步骤418中，确定病理学报告是否匹配。如果病理学报告不匹配，则在步骤420中检索另一病理学报告。在步骤422中，对所检索的病理学报告进行归类。在步骤424中，提取来自病理学报告的信息。在步骤418中，确定所检索的病理学报告是否匹配。在步骤426中，确定病理学报告的诊断结果。在步骤428中，利用病理学结果的词典以在步骤430中确定活检结果。在步骤432中，确定病理学诊断和活检结果是否匹配。如果病理学诊断和活检结果匹配，则结果在步骤434中被提供到累计器，并且然后在步骤436中被提供为统计。

参考图8，图示了用于将病理学报告与放射学报告相关联的方法的流程图500。尽管以逻辑顺序依次描述了图中的方框中的每个方框，但是并不假定系统以任何特定的顺序或安排来处理所描述的信息。在步骤502中，从至少一个放射学报告和病理学报告提取放射学信息和病理学信息。在步骤504中，在特定时间段中将放射学信息与病理学信息相关联。在步骤506中，经由用户接口来指示患者历史中的放射学信息与病理学信息的关联性。在步骤508中，监测关联性数据，以跟踪被误诊的案例。

如本文所使用的，存储器包括以下各项中的一个或多个：非瞬态计算机可读介质；磁盘或其他磁性存储介质；光盘或其他光学存储介质；随机存取存储器(RAM)、只读存储器(ROM)或其他电子存储器设备或芯片或一组操作性互连的芯片；互联网/内联网服务器，可以从其中经由互联网/内联网或局域网检索所存储的指令；等。此外，如本文所使用的，处理器包括以下各项中的一个或多个：微处理器、微控制器、图形处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、个人数字助理(PDA)、蜂窝智能电话、移动手表、计算眼镜以及类似的身体配戴、植入或携带的可移动用具；用户输入设备包括以下各项中的一个或多个：鼠标、键盘、触摸屏显示器、一个或多个按钮、一个或多个开关、一个或多个触发器等等；并且显示设备包括以下各项中的一个或多个：LCD显示器、LED显示器、等离子体显示器、投影显示器、触摸屏显示器等。

已经参考优选实施例描述了本发明。其他人在阅读和理解了以上详细描述后可以想到各种修改和变化。本发明旨在被解读为包括所有这样的修改和变化，只要它们落入权利要求或其等价方案的范围内。