[Lei Fengnet'in Notu: Tıbbi bilgi sistemi fakir ve zengin ülkeler arasında dengeli değildir. Resim Kenya'daki hastaneleri ve gezici klinikleri göstermektedir. Resim kaynağı: hospitalrun.io sahibi: hospitalrun
Tıbbi sistemde, özellikle radyoloji bölümünde, en yaygın iş, X-ışınları, manyetik rezonans görüntüleme (MRI), BT taramaları vb. Dahil olmak üzere fotoğraflar çekmektir.
Ancak bu filmlerin kullanımı ve izlenmesi pahalıdır. Söylemeye gerek yok, filmi basmak, bir bilgisayarda izlemek için bile pahalı iş istasyonları ve özel yazılım gerektirir. Amerika Birleşik Devletleri'ndeki bir California hastanesine göre, yılda 20 milyon ABD doları harcıyorlar ki bu da film başına ortalama 1 ABD doları. .
Bu film izleme yazılımları genellikle Philips ve Samsung gibi büyük şirketler tarafından üretilir ve birçok fakir ülke bunu karşılayamaz.
Ayrıca filmdeki dijital dosyalar genellikle bir hastanenin bilgi sisteminde paylaşılmaktadır. Hasta hastaneye nakledilmek isterse, bu dijital dosyalar genellikle verimsiz ve kopyalanması kolay olan CD-ROM ile kopyalanır. Kullanılan yazılım ve dosya formatı farklıysa, sorun daha da büyük olacaktır.
Küresel COVID-19 salgını, teletıp işbirliğini ve tıbbi yazılımın kapsayıcı açık kaynağını da teşvik ediyor.
OHIF Vakfı açık kaynak okuyucuyu başlattı
Açık Sağlık Görüntüleme Vakfı (OHIF) kısa süre önce en son açık kaynak projesini yayınladı: OHIF Medical Imaging Viewer (OHIF Medical Imaging Viewer), doktorların tıbbi görüntüleri tamamen bir Web tarayıcısına dayalı olarak görüntülemesine ve GitHub'a koymasına olanak tanıyor. Açık kaynak, şu anda 940 yıldız ve 669 çatala sahip.
[Leifeng'den not: Resim kaynağı: ohif.org Sahibi: OHIF]
Projeye şu anda, Harvard Tıp Okulunda radyoloji profesörü, 3D görüntüleme hizmetleri direktörü ve Massachusetts Genel Hastanesi Radyoloji Bilgisayar Destekli Tanı Laboratuvarı direktörü olan Dr. Gordon J. Harris ev sahipliği yapıyor.
[Lei Feng Net Notu: Resim kaynağı: advancedimaginglabs.com Sahibi: advancedimaginglabs]
Dr. Harris, 100'den fazla bilimsel makale yayınladı ve tıbbi görüntülerin bilgisayar analizini teşhis, tedavi planlaması ve klinik araştırmalara uygulayan yazılım ve hizmetler geliştirdi. Başlıca araştırma alanları arasında alkolizm ve felç dahil olmak üzere zihinsel ve nörolojik hastalıklar için yapısal ve işlevsel beyin görüntüleme çalışmaları ve klinik bakım ve klinik araştırmalar için kantitatif tümör takibi yer almaktadır.
Bu açık kaynak projesinin, temel olarak Ulusal Sağlık Enstitüleri, Ulusal Kanser Enstitüsü ve Kanser Araştırma Bilgi Teknolojisi Programı'ndan (ITCR) belirli mali desteği vardır.
Mevcut fon tahsisi Ağustos ayına kadar kullanılabilir, iki tam zamanlı geliştiriciye fon sağlayabilir ve gelecek beş yıllık fon yenileme için başvuruda bulunmuştur.
Spesifik geliştirme çalışması, Boston'daki Radical Imaging adlı bir şirket tarafından yapılır. GitHub'da, şirketin kıdemli geliştiricisi Danny Brown (Danny Brown) ana koda katkıda bulundu.
Okuyucu ne yapabilir
OHIF Görüntüleyici, çoğu kaynaktan ve formattan görüntüleri alıp yükleyebilen, bunları 2D veya 3D olarak işleyebilen ve gözlemlerin manipülasyonuna, açıklamasına ve serileştirilmesine olanak tanıyan; uluslararasılaştırma, OpenID, çevrimdışı kullanım, kısayol tuşları desteği Ve daha fazla özellik.
[Leifeng'den not: Resim kaynağı: ohif.org Sahibi: OHIF]
Bu veri dosyalarının formatı, dünyadaki en yaygın kullanılan sağlık hizmetleri bilgi standartlarından biri olan DICOM standardına uygundur. Şu anda klinik tedavi için kullanılan yüz milyonlarca DICOM görüntüsü vardır.
Basitçe söylemek gerekirse, DICOM bilgileri veri kümelerine ayırır. Bir göğüs röntgeni dosyasında, görüntüye etiket ve açıklama eklemeye eşdeğer olan hastanın kimliği ve diğer bilgileri de içerir. Aynı zamanda çok boyutlu ve çok çerçeveli bir görüntü olabilir ve aynı gri tonlamalı görüntünün farklı ekranlarda görüntülenmesini sağlamak için gri tonlamalı bir görüntüleme standardıyla birlikte gelir.
Okuyucu demoları ve ayrıntılı dağıtım belgeleri GitHub'da mevcuttur. Okuyucuyu herhangi bir web sayfasına veya web programına kolayca yerleştirmek için doğrudan görüntüleyebilir veya birkaç dahil etme etiketi kullanabilir ve ardından veri kaynağına bağlanabilirsiniz. Masaüstü bilgisayarlar, dizüstü bilgisayarlar, tabletler, mobil cihazlar ve hatta Raspberry Pi dahil olmak üzere herhangi bir platformda kullanılabilir.
Açık kaynağın faydaları
Açık kaynağın faydaları da açıktır, maliyetleri büyük ölçüde azaltabilir ve işbirliğini teşvik edebilir.
Önceki görüntü analiz platformu, her bilgisayara yüklenmesi ve güncellenmesi gereken iş istasyonlarına dayanıyordu ve hastanenin kurulum maliyeti yüksekti. Görüntü analizi işlevini Web tabanlı bir açık kaynak platformuna ayarlamak, daha fazla hastanenin yaygın kullanımını teşvik etmeye yardımcı olacaktır.
Platform aynı zamanda araştırmacıların, görüntü yazılım geliştiricilerin, klinisyenlerin ve hastaların klinik deneme görüntülerine ücretsiz olarak erişilebilen ve herkes tarafından ölçeklendirilebilen bir ortamda erişmesine olanak tanıyarak, doktorlar arasında uzaktan görüntü görüntüleme ve işbirliğine dayalı görüntü konsültasyonlarını kolaylaştıracak.
Açık standartlar ve okuyucuların elektronik tıbbi kayıtlar (EHR) ve hastane bilgi sistemleri (HIS) dahil olmak üzere hastane bilgi sistemlerine entegre edilmesi de kolaydır. Örneğin, HosipalRun, gezegenin en uzak bölgelerindeki kliniklerde konuşlandırılabilen açık kaynaklı bir hastane bilgi sistemidir.
[Lei Feng Net Not: Resmin kaynağı: hospitalrun.io sahibi: hospitalrun]
Ek olarak, büyük miktarda tıbbi görüntüleme verisi de bulut medikal API ve depolamayı destekler. Örneğin, Google, Google Cloud Healthcare'in API hizmetlerini sağlar. Bu, tıbbi görüntüleme büyük verinin gelecekte yapay zekanın gücüyle daha entegre olması için uygun olan geleneksel tıbbi görüntü arşiv sisteminden (PACS) farklıdır.
Yorumlar
Netizen shpidoodle, bu fikri çok sevdiğimi, bir hemşireyim ve bir hastaneden diğerine geçmek için video CD'sini çıkarmak gerçekten yorucu olduğunu söyledi. Doktor, CD'nin sisteme yüklenmesini beklemek zorundadır. Bir şey ters giderse, hastanın tekrar kontrol edilmesi gerekir.
Netizen codeVerine, beş yıl önce benzer bir şey yapmak için ebrain.js kullandığımı ve prensip hakkında kesin bir anlayışa sahip olduğumu söyledi. Gücüme katkıda bulunmayı umuyorum.
Referans kaynağı:
https://github.com/OHIF/Viewers
https://github.com/HospitalRun/
https://www.reddit.com/r/reactjs/comments/fj76zf/do_something_to_lower_worlds_healthcare_cost/