用于使临床工作流程决策自动化并生成优先读取指示符的系统和方法

相关应用的交叉引用

本申请于2020年7月31日提交，作为PCT国际专利申请，并要求于2019年7月31日提交的标题为“SYSTEMS AND METHODS FOR AUTOMATING CLINICAL WORKFLOW DECISIONS”的美国临时专利申请序列No.62/881,156；以及于2019年11月27日提交的标题为“SYSTEMSAND METHODS FOR AUTOMATING CLINICAL WORKFLOW DECISIONS AND GENERATING APRIORITY READ INDICATOR”的美国临时专利申请序列No.62/941,601的优先权和权益，其公开内容在此通过引用整体并入本文。

背景技术

现代乳房护理涉及对诸如患者病史、医疗保健专业经验、所使用的成像模式等各种复杂因素和数据点的分析。该分析使医疗保健专业人员能够确定将优化乳房护理质量和患者体验的乳房护理路径。但是，这样的确定是主观的，并且因此可能会因医疗保健专业人员而有很大不同。因此，可能会为一些患者提供次优的乳房护理路径，从而导致医院成本增加和患者体验降低。

本文公开的方面正是针对这些和其它一般考虑做出的。此外，虽然可能讨论了相对具体的问题，但是应该理解的是，示例不应限于解决在背景技术或本公开的其它地方识别出的具体问题。

发明内容

本公开的示例描述了用于使临床工作流程决策自动化的系统和方法。在一些方面，可以从诸如患者记录、医疗保健专业人员笔记/评估、成像数据等多个数据源收集患者数据。可以使用人工智能(AI)组件来处理患者数据。医疗保健专业人员可以使用AI组件的输出来向一个或多个患者通知医疗保健决策。AI组件的输出、与医疗保健专业人员的医疗保健决策相关的信息和/或补充医疗保健相关信息可以作为对决策分析组件的输入提供。决策分析组件可以处理输入并输出可以用于进一步通知医疗保健专业人员医疗保健决策的自动化的医疗保健建议。在一些方面，决策分析组件的输出可以用于确定用于执行与患者医疗保健相关的一个或多个动作的优先级或时间线。例如，决策分析组件的输出可以指示用于评估患者成像数据的优先级或重要性级别。

本公开的方面提供了一种系统，包括：至少一个处理器；以及耦合到该至少一个处理器的存储器，该存储器包括计算机可执行指令，该指令在由该至少一个处理器执行时执行一种方法，该方法包括：从一个或多个数据源收集患者数据；将患者数据提供给第一人工智能(AI)算法用于分析患者数据的特征；从第一AI算法接收第一输出；将第一输出提供给第二AI算法用于确定患者护理的临床工作流程决策；从第二AI算法接收第二输出，其中第二输出包括自动化的患者护理建议；以及向医疗保健专业人员提供自动化的患者护理建议。

本公开的方面还提供了一种方法，包括：从一个或多个数据源收集患者数据；将患者数据提供给第一人工智能(AI)组件用于分析患者数据的特征；从第一AI组件接收第一输出；将第一输出提供给第二AI组件用于确定患者护理的临床工作流程决策；从第二AI组件接收第二输出，其中第二输出包括自动化的患者护理建议；以及向医疗保健专业人员提供自动化的患者护理建议。

本公开的方面还提供了一种系统，包括：至少一个处理器；以及耦合到至少一个处理器的存储器，该存储器包括计算机可执行指令，该指令在由该至少一个处理器执行时执行一种方法，该方法包括：从一个或多个数据源收集图像数据；评估图像数据以识别一个或多个特征；基于一个或多个特征计算置信度分数；将置信度分数与阈值进行比较；以及当置信度分数超过阈值时，为图像数据分配提高的评估优先级。

提供本发明内容以简化形式介绍一些概念，这些概念将在下面的具体实施方式中进一步描述。本发明内容既不旨在识别所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。示例的附加方面、特征和/或优点将在下面的描述中部分地阐述，并且部分地将从描述中变得显而易见，或者可以通过本公开的实践而获知。

附图说明

参考以下各图描述了非限制性和非穷举性示例。

图1图示了如本文所述的用于使临床工作流程决策自动化的示例系统的概览。

图2是如本文所述的用于使临床工作流程决策自动化的示例过程流程的图。

图3图示了如本文所述的用于使临床工作流程决策自动化的示例决策处理系统的概览。

图4图示了如本文所述的用于使临床工作流程决策自动化的示例方法。

图5图示了如本文所述的用于确定图像读取优先级的示例方法。

图6A图示了与本文描述的自动化的临床工作流程决策相关联的示例用户界面。

图6B图示了与图6A的示例用户界面相关联的分析对话界面。

图7图示了其中可以实现本实施例中的一个或多个的合适操作环境的一个示例。

具体实施方式

医学成像已成为一种广泛使用的工具，用于识别和诊断人体内的异常，诸如癌症或其它病症。医学成像过程，诸如乳房X线摄影和断层合成是特别有用的工具，用于对乳房进行成像以筛查或诊断癌症或其它乳房病变。断层合成系统是允许基于有限角度断层合成的高分辨率乳房成像的乳房X线摄影系统。断层合成通常产生多个X射线图像，每个图像都是乳房的离散层或切片，贯穿其整个厚度。与常规的二维(2D)乳腺照相系统相比，断层合成系统获取一系列X射线投影图像，随着X射线源在乳房上方沿着诸如圆弧的路径移动，每个投影图像以不同的角位移获得。与常规的计算机断层扫描(CT)相比，断层合成通常基于在乳房周围X射线源的有限角位移处获得的投影图像。断层合成减少或消除了2D乳房X线摄影成像中存在的组织重叠和结构噪声引起的问题。

在现代乳房护理中心，使用医学成像产生的图像由各种医疗保健专业人员进行评估，以确定患者的最佳乳房护理路径。但是，鉴于成像数据和系统、患者信息和记录、医院信息系统、医疗保健专业知识和经验、临床实践指南、AI诊断系统和输出等的复杂性，这种评估可能令人生畏。因此，评估可能会产生因医疗保健专业人员而有很大不同的医疗保健决策。医疗保健决策的差异可能导致一些医疗保健专业人员为一些患者提供次优的医疗保健路径。这些次优的医疗保健路径可能会显著降低患者体验。

此外，医学成像评估通常包括批量读取过程，为此收集大量筛查受试者(例如，数百个或更多)的图像数据。一般而言，在筛查受试者离开成像设施之后，根据乳房X光检查放射科医师的可用性分批评估(“读取”)收集到的图像数据。当在批读取过程期间评估的图像中识别出可操作(或潜在地可操作)的内容时，相应的筛查受试者被“召回”(例如，召回到成像设施)以进行后续成像和/或活检。由于日程安排和其它冲突，筛查(图像获取)和召回之间的时间延迟可能是几天或几周。在例如侵袭性癌症的情况下，这种延迟可能导致非期望的结果。对于最终确定没有异常的筛查受试者，延迟还可能造成过度的压力和焦虑。

为了解决此类与次优医疗决策相关的问题，本公开描述了用于使临床工作流程决策自动化以支持医疗保健专业确定的系统和方法。在一些方面，一个或多个患者(或“筛查受试者”)的患者数据可以从医疗保健专业人员、医疗设施或附属于其的服务可访问的多个数据源收集。如本文所使用的，患者数据可以指与患者姓名/标识符、患者个人信息、医学图像、生命体征和其它诊断信息、就诊历史、先前治疗、先前诊断的病症/失调/疾病、处方药等相关的信息。数据源的示例包括但不限于患者就诊信息、患者电子医疗记录(EMR)、医院信息系统(HIS)和医学成像系统。在示例中，患者数据收集过程可以手动、自动或其某种组合来执行。

在收集患者数据之后，可以向AI处理组件证明患者数据。AI处理组件可以利用一个或多个规则集、算法或模型。如本文所使用的，模型可以指可以用于确定一个或多个字符序列、类别、对象、结果集或事件的概率分布和/或预测来自一个或多个预测器(predictor)的响应值的预测或统计实用工具(utility)或程序。模型可以基于或结合一个或多个规则集、机器学习、神经网络等。在示例中，AI处理组件可以处理患者数据并提供一个或多个输出。示例输出包括但不限于乳房成分/密度类别分数、计算机辅助的检测标记(例如，用于乳房中检测到的钙化和肿块)、计算出的辐射特征、乳腺癌风险评估结果等。如本文所使用的，乳房成分/密度类别分数可以指示由纤维腺体组织组成的乳房的比例。一般而言，高密度的乳房含有较大量的上皮细胞、基质细胞和胶原蛋白，它们是正常细胞向癌细胞转化的重要因素。如这里所使用的，计算机辅助的检测标记可以指添加到(或覆盖)图像的数字几何形式(例如，三角形、圆形、正方形等)。检测标记可以指示使用计算机辅助的检测软件和/或机器学习算法检测到病变或诊断上关注的对象的乳房区域。如这里所使用的，辐射特征可以指描述图像中的信息内容的特性。此类特征可以包括与乳房密度、乳房形状、乳房体积、图像分辨率等相关的图像属性/值。

在一些方面，输出和/或患者数据可以被提供给一个或多个接收者或接收者设备。接收者设备的示例包括但不限于图像审查工作站、医学成像系统和技术人员工作站。医疗保健专业人员(和/或与其相关联的人)可以使用接收者设备来评估输出和/或患者数据，以便通知一个或多个医疗保健决策或路径。作为一个特定示例，可以将一组患者乳房的X射线图像和AI处理组件的输出提供给图像审查工作站。医生可以评估提供给图像审查工作站的数据以确定患者的初始或主要乳房护理路径。如本文所使用的，乳房护理路径(或保健路径)可以指用于在疾病或病症的一个或多个阶段指导诊断、干预、治疗和/或补充动作的决策和时序的计划或策略。一般而言，乳房护理路径可以表示用于管理具有特定问题或病症的患者群体(例如，护理路径)或管理具有特定问题或病症的个体患者(例如，护理计划)的策略。作为另一个示例，AI处理组件的输出可以提供给成像系统或采集室。技术人员可以评估提供给成像系统/采集室的数据，以使技术人员能够在患者在现场时执行诊断程序。

在一些方面，各种输入可以被提供给被配置为输出建议的医疗保健路径的决策分析组件。决策分析组件可以利用一个或多个规则集、算法或模型，如上文关于AI处理组件所描述的。决策分析组件的示例输入包括但不限于患者数据、AI处理组件的输出、医疗保健专业人员的初始/主要医疗保健决策和诊断评估，以及来自临床专业机构的医疗保健实践指南。决策分析组件可以处理各种输入并提供一个或多个输出。示例输出包括但不限于自动化的患者医疗保健建议、医疗保健专业决策的评估、建议的治疗和程序、执行治疗/程序的说明、诊断和干预报告、自动预约安排以及评估优先级或时间表。在示例中，可以将决策分析组件的输出提供给一个或多个医疗保健专业人员(或以其它方式使一个或多个医疗保健专业人员可访问)。输出可以用于进一步通知医疗保健专业人员的医疗保健决策。

在一些方面，决策分析组件输出可以包括(或以其它方式指示)优先读取指示符。优先读取指示符可以指示对一个或多个医学图像的评估(“读取”)优先级。在示例中，可以通过识别医学图像的方面(诸如，潜在可操作病变的特征)、确定识别出的方面的置信水平以及将所确定的置信水平与阈值进行比较来确定优先读取指示符。那些满足和/或超过阈值的医学图像可以被分配“优先级”状态或值。替代地，可以将“优先级”状态或值分配给与医学图像对应的患者。优先级状态/值可以用于将评估重要性或时间线置于医学图像的读取或患者的进一步评估上。例如，具有“高”优先级状态的医学图像可以被放置在正常或较低优先级状态的医学图像之上的读取队列中。由于医学图像的“高”优先级状态，医疗保健专业人员可以立即(或快速)被通知医学图像并且可以在筛查受试者仍在筛查设施时评估医学图像。作为另一个示例，具有“高”优先级状态的患者可以立即接受进一步评估。例如，可以收集患者的附加医学图像，医学专家可以立即会见(或被分配给)患者，或者可以安排医疗预约/程序。因此，优先读取指示符改进了异常的检测并减少了患者召回的数量。

因此，本公开提供了多个技术益处，包括但不限于：生成自动(或半自动)临床工作流程、使乳房护理分析和风险评估自动化、生成自动化的治疗和程序指令、生成自动诊断和干预报告、使得能够当患者仍在现场时执行“同次就诊”诊断程序、规范医疗保健决策、优化医疗保健建议、确定医学图像评估优先级，以及通过减少患者就诊、患者焦虑、医院费用和长期治疗来增加患者体验。

图1图示了如本文所述的用于使临床工作流程决策自动化的示例系统的概览。如所呈现的示例系统100是相互交互以形成用于使临床工作流程决策自动化的集成系统的相互依赖组件的组合。系统的组件可以是硬件组件(例如，用于执行/运行操作系统(OS))或在系统的硬件组件上实现和/或由系统的硬件组件执行的软件组件(例如，应用、应用编程接口(API)、模块、虚拟机、运行时库等)。在一个示例中，示例系统100可以为软件组件提供环境以运行、遵守为操作设置的约束以及利用系统100的资源或设施。例如，软件可以在诸如个人计算机(PC)、移动设备(例如，智能设备、移动电话、平板电脑、膝上型电脑、个人数字助理(PDA)等)和/或任何其它电子设备的处理设备上运行。作为处理设备操作环境的示例，参考图7中描绘的示例操作环境。在其它示例中，本文公开的系统的组件可以分布在多个设备上。例如，输入可以在客户端设备上输入，并且可以使用网络中的其它设备(诸如一个或多个服务器设备)来处理或访问信息。

作为一个示例，系统100可以包括计算设备102、104和106、处理系统108、决策系统110和网络112。本领域技术人员将认识到的是，诸如系统100之类的系统的规模可以变化并且可以包括比图1中描述的那些更多或更少的组件。例如，在一些示例中，处理系统108和决策系统110的功能和组件可以被集成到单个处理系统中。替代地，处理系统108和/或决策系统110的功能和组件可以分布在多个系统和设备上。

计算设备102、104和106可以被配置为接收诸如患者114之类的医疗保健患者的患者数据。计算设备102、104和106的示例包括医学成像系统/设备(例如，X射线、超声和/或磁共振成像(MRI)设备)、医学工作站(例如，EMR设备、图像审查工作站等)、移动医疗设备、患者计算设备(例如，可穿戴设备、移动电话等)以及类似的处理系统和设备。计算设备102、104和106可以位于医疗保健设施或相关联的设施中、患者身上、医疗保健专业人员身上等。在示例中，患者数据可以使用手动或自动过程提供给计算设备102、104和106。例如，医疗保健专业人员可以手动将患者数据输入到计算设备中。替代地，患者的设备可以基于一个或多个标准自动将患者数据上传到医疗设备。

处理系统108可以被配置为处理患者数据。在一些方面，处理系统108可以经由网络112访问一个或多个患者数据源，诸如计算设备102、104和106。患者数据的至少一部分可以作为输入提供给处理系统108。处理系统108可以使用一种或多种AI处理技术来处理输入。基于处理后的输入，处理系统108可以生成一个或多个输出，诸如乳房成分评估、检测标记、辐射特征等。可以向系统100的诸如计算设备102、104和106之类的其它组件提供输出(或使输出可访问)。在示例中，输出可以由一个或多个医疗保健专业人员评估以确定患者的医疗保健路径。例如，医生可以使用计算设备106来评估从成像系统收集的X射线图像和从处理系统108收集的检测标记结果。基于评估，医生可以为患者确定医疗保健决策/计划。

决策系统110可以被配置为提供建议的医疗保健路径。在一些方面，决策系统110可以访问一个或多个患者数据源、来自处理系统108的输出、诊断评估和注释、医疗保健实践指南等。该数据的至少一部分可以作为输入提供给决策系统110。决策系统110可以使用一种或多种AI处理技术或模型来处理输入。例如，决策系统110可以实现人工神经网络、支持向量机(SVM)、线性强化模型、随机决策森林或类似的机器学习技术。在至少一个示例中，由决策系统110执行的AI处理技术可以与由处理系统108执行的那些技术相同(或相似)。在这样的示例中，决策系统110和处理系统108的功能可以组合成单个处理系统或组件。基于处理后的输入，决策系统110可以生成一个或多个输出，诸如自动化的诊断、患者护理建议、医疗保健专业决策的评估、逐步程序指令等。在一些方面，(一个或多个)输出可以用于进一步通知医疗保健专业人员的医疗保健决策。例如，医生可以将决策系统110的医疗保健决策与医生自己的医疗保健决策进行比较，以确定患者的最佳医疗保健路径。

图2是如本文所述的用于使临床工作流程决策自动化的示例过程流程的图。如所呈现的示例过程流程200包括患者信息记录202、X射线成像系统204、图像审查站206、AI处理组件208、决策支持器210、实践指南212、诊断报告214、活检建议216、放射建议218、手术建议220、化疗建议222、优先读取指示符223和(一个或多个)附加成像系统224。本领域技术人员将认识到的是，诸如系统200之类的系统的规模可以变化并且可以包括比图2中描述的那些更多或更少的组件。

如图2中所示，可以从患者收集患者数据。在一些方面，可以在访问医疗保健设施期间从患者收集患者数据。在其它示例中，患者数据可以在患者未访问医疗保健设施时提供给医疗保健设施。例如，患者数据可以从患者设备远程上传到一个或多个HIS设备。在过程流程200中，患者信息记录202可以存储患者信息，诸如姓名或标识符、联系信息、个人信息、诊断历史、生命体征信息、处方药等。X射线成像系统204可以生成和/或存储，例如，患者的X射线乳房图像。(一个或多个)附加成像系统224可以生成和/或存储例如患者的超声乳房图像和/或MRI乳房图像。

在一些方面，记录在患者信息记录202中的信息和使用X射线成像系统204和(一个或多个)附加成像系统224生成的图像(统称为“患者数据”)可以提供给AI处理组件208。在示例中，AI处理组件208可以被配置为基于作为输入接收到的乳房图像数据来评估患者乳房的一个或多个特性。评估可以包括对成像的乳房纹理/组织的分析以及对乳房图像中的一个或多个图案的识别。基于所提供的患者数据，AI处理组件208可以生成乳房评估数据，诸如乳房成分/密度类别分数、计算机辅助的检测标记(例如，用于乳房中检测到的钙化和肿块)、计算出的辐射测量特征和乳腺癌风险评估结果。乳房评估数据可以提供给X射线成像系统204和/或(一个或多个)附加成像系统224。技术人员可以评估提供给X射线成像系统204和/或(一个或多个)附加成像系统224的乳房评估数据以确定例如是否为患者执行附加成像。乳房评估数据和/或患者数据也可以提供给图像审查站206。医生可以评估提供给图像审查站206的信息以及实践指南212，以为患者创建诊断信息和/或医疗保健决策(统称为“诊断报告”)。

在一些方面，乳房评估数据、患者数据和/或诊断报告可以被提供给决策支持器210。基于所提供的信息和/或实践指南212，决策支持器210可以自动生成决策信息，诸如患者医疗保健建议、医疗保健专业决策的评估、建议的成像程序、建议的治疗和程序、执行治疗/程序的说明、治疗/程序的优先级和/或时间表，以及诊断报告214。建议的治疗和程序的示例包括活检建议216、放射建议218、手术建议220和化疗建议222。治疗和程序优先级/时间表的示例包括优先读取指示符223。优先读取指示符223可以包括或表示用于评估医学图像的状态、值或日期/时间。在一些方面，可以使决策信息被一个或多个医疗保健专业人员(或与其相关联的计算设备)访问。例如，过程流程200描绘了提供给创建诊断报告的医生的决策信息。作为另一个更具体的示例，过程流程200描绘了被提供给技术人员、X射线成像系统204和图像审查站206的优先读取指示符223。

图3图示了如本文所述的用于使临床工作流程决策自动化的示例决策处理系统300的概览。由输入决策系统300实现的自动化的临床工作流程技术可以包括图1的系统中描述的自动化的临床工作流程技术和数据。在一些示例中，输入决策系统300的一个或多个组件(或其功能)可以分布在多个设备和/或系统上。在其它示例中，单个设备(至少包括处理器和/或存储器)可以包括输入决策系统300的组件。

关于图3，输入决策系统300可以包括数据收集引擎302、决策引擎304和输出创建引擎306。数据收集引擎302可以被配置为访问一组数据。在一些方面，数据收集引擎302可以访问与一个或多个患者相关的信息。信息可以包括患者数据(例如，患者身份、患者医学图像、患者诊断信息等)、乳房成分评估、检测标记、辐射特征、诊断评估和注释、医疗保健实践指南等。在一些方面，信息的至少一部分可以是测试数据或训练数据。测试/训练数据可以包括用于训练一个或多个AI模型或算法的标记数据和图像。

决策引擎304可以被配置为处理接收到的信息。在一些方面，接收到的信息可以被提供给决策引擎304。决策引擎304可以将一种或多种AI处理算法或模型应用于接收到的信息。例如，决策引擎304可以将基于AI的融合算法应用于接收到的信息。AI处理算法/模型可以评估接收到的信息以确定接收到的信息与用于训练AI处理算法/模型的训练数据之间的相关性。基于评估，决策引擎304可以为与患者数据相关联的一个或多个患者识别或确定最佳医疗保健路径或建议。在一些方面，决策引擎304还可以识别并提供图像读取优先级。例如，决策引擎304可以将“优先级”状态分配给接收到的信息中的图像。

输出创建引擎306可以被配置为为接收的信息创建一个或多个输出。在一些方面，输出创建引擎306可以使用决策引擎304的识别或确定来创建一个或多个输出。作为一个示例，输出创建引擎306可以建议使用一种或多种附加成像模态，诸如对比增强MRI、高级超声成像(例如，剪切波成像、对比成像、3D成像等)和正电子发射断层扫描(PET)成像。作为另一个示例，输出创建引擎306可以生成包括诊断信息和活检程序、化学疗法、手术干预或放射疗法的建议的综合报告。建议可以包括详细的程序说明以及数据点和医学图像之间的相关性。作为具体示例，对于活检程序，输出创建引擎306可以提供具有相关活检图像和来自X射线、超声和MRI成像系统的先前诊断图像的逐步活检说明。

已经描述了可以由本文公开的方面采用的各种系统，本公开现在将描述可以由本公开的各个方面执行的一个或多个方法。在一些方面，方法400和500可以由示例系统执行，诸如图1的系统100或图3的决策处理系统300。在示例中，方法400和500可以在包括被配置为存储和执行操作、程序或指令的至少一个处理器的设备上执行。但是，方法400和500不限于这样的示例。在其它示例中，方法400和500可以在用于使临床工作流程决策自动化的应用或服务上执行。在至少一个示例中，方法400和500可以由分布式网络的一个或多个组件，诸如web服务/分布式网络服务(例如，云服务)执行(例如，计算机实现的操作)。

图4图示了如本文所述的用于使临床工作流程决策自动化的示例方法400。示例方法400开始于操作402，其中从一个或多个数据源收集患者数据。在一些方面，数据收集组件，诸如数据收集引擎202，可以从一个或多个数据源收集患者数据。示例数据源包括患者就诊信息、患者EMR、医疗设施HIS记录和医学成像系统。例如，在患者访问医疗保健设施期间，由医疗保健设施存储的(或可访问的)患者信息记录可以用于收集或访问患者的个人信息，诸如患者年龄、诊断历史、生活方式信息等。在患者就诊期间，X射线成像系统可以用于生成患者的(一个或多个)乳房的一个或多个2D和/或3D X射线图像。X射线图像可以与个人信息组合(或以其它方式关联)和/或存储在医疗保健设施的一个或多个医疗记录或医疗系统中。

在一些方面，数据收集过程可以手动和/或自动发起。例如，医疗保健专业人员可以通过向患者征求患者信息并将所征求的患者信息输入到患者信息记录中来手动发起数据收集过程。替代地，可以在满足一个或多个标准时自动发起数据收集过程。示例标准可以包括患者登记事件、将诊断信息或患者医疗保健路径输入到HIS中，或经由图像审查工作站评估数字乳房X光检查图像。例如，响应于在医疗保健设施处检测到患者登记事件，医疗保健设施的电子系统/服务可以从患者的一个或多个医疗记录中自动收集患者信息。收集到的数据可以汇总到当前患者就诊的活动工作文件中。

在操作404处，患者数据被提供给处理组件。在一些方面，患者数据的一个或多个部分可以被提供给处理组件，诸如AI处理组件208。处理组件可以是、包括或有权访问一个或多个规则集、算法或预测模型。处理组件可以使用一组AI算法来处理信息并创建一组输出。例如，从以上示例继续，组合数据(例如，患者的个人信息和X射线图像)可以作为输入提供给医疗保健设施可访问的AI系统。AI系统可以在单个设备(诸如医疗保健设施的单个工作站)上实现，或者作为分布式服务/系统提供给分布式计算环境中跨多个设备的多个设备。AI系统可以被配置为使用机器学习算法执行乳房评估，该算法分析每个患者的乳房属性(诸如图案、纹理等)。AI系统可以在单个设备(诸如医疗保健设施的单个工作站)上实现，或者作为分布式服务/系统提供给分布式计算环境中跨多个设备的多个设备。通过将机器学习算法应用于组合数据，AI系统可以识别X射线图像的一个或多个方面，这些方面指示成像的乳房是异质致密的。该密度分类可以基于例如美国放射学会(ACR)乳房成像报告和数据系统(BI-RADS)乳房X线摄影密度(MD)评估类别。AI系统还可以向X射线图像添加检测标记以指示在X射线图像中检测到的一个或多个钙化或肿块。

在操作406处，从处理组件接收输出。在一些方面，处理组件可以从患者数据创建一个或多个输出。示例输出包括乳房成分类别分数、乳房密度评估、计算机辅助的检测标记、计算出的辐射特征、乳腺癌风险评估结果等。输出的至少一部分可以提供给一个或多个医疗保健专业人员和/或医疗保健系统/设备。例如，从上面的示例继续，AI系统可以输出成像乳房的密度分类(例如，异质密度)和/或对应的X射线图像数据(例如，原始X射线图像，具有检测标记的X射线图像更新，和/或钙化或肿块数据等)。AI系统输出可以被提供给患者的放射科医师和/或医学成像技术人员的一个或多个计算设备(例如，工作站、移动设备等)。基于放射科医师对AI系统输出的评估，放射科医师可以建议对患者的乳房进行超声成像。作为对建议的响应，医学成像技术人员可以在患者仍在现场时(例如，在当前患者就诊期间)执行建议的诊断程序(例如，放大/接触诊断视图成像)和/或补充筛查程序(例如，超声成像)。在患者仍在现场时执行这些程序可以避免额外的医疗设施访问并减少与重新安排预约相关联的医疗成本。

在操作408处，处理组件的输出被提供给决策组件。在一些方面，处理组件的输出、医疗保健专业建议、X射线图像数据、来自诊断/筛查程序的补充数据和其它患者相关信息可以被提供给决策组件，诸如决策引擎304。决策组件可以是、包括或有权访问一个或多个规则集、算法或预测模型。决策组件可以使用一个或多个AI算法来处理信息并创建一组输出。例如，从上面的示例继续，患者数据、AI系统输出、X射线图像数据、超声图像数据(放射科医师建议)、放射科医师的建议数据以及来自一个或多个临床专业机构(例如，美国放射学会(ACR)、国家综合癌症网络(NCCN)等)的实践指南可以作为输入提供给基于AI的融合算法。基于AI的融合算法可以被配置为为一个或多个患者提供最佳的医疗保健路径或建议。基于提供的输入，基于AI的融合算法可以确定手术干预是患者的最佳护理计划。

在操作410处，从决策组件接收输出。在一些方面，决策组件可以从接收到的输入创建一个或多个输出。示例输出包括自动化的患者医疗保健建议、医疗保健专业决策的评估、建议的治疗和程序、执行治疗/程序的说明、诊断和干预报告以及自动预约安排。例如，从以上示例继续，基于提供给基于AI的融合算法的输入，基于AI的融合算法可以输出包括患者诊断信息和患者手术干预建议的综合报告。手术干预的建议可以伴有用于执行建议的手术程序的具体指南。说明可以包括手术图像、逐步手术说明、计算机辅助的检测标记、建议的药物、恢复程序等。

在操作412处，自动化的患者医疗保健建议被提供给医疗保健专业人员。在一些方面，来自决策组件(或其部分)的输出可以被提供给一个或多个目标。示例目标包括医疗保健专业设备、医疗设施设备、患者设备、数据档案、一个或多个处理系统等。目标可以评估自动化的患者医疗保健建议，以通知或评估目标自己的患者医疗保健建议。例如，从以上示例继续，可以向患者的放射科医师的一个或多个计算设备提供关于手术干预的综合报告和建议。综合报告可以指示，93％的放射科医生建议对具有对患者的相似患者数据和对患者的相似AI系统输出的患者进行手术干预。基于综合报告和建议，放射科医师可以创建或批准手术干预的建议。在至少一个示例中，放射科医师可以修改由放射科医师创建的先前医疗保健建议以与由决策组件提供的建议一致。

图5图示了如本文所述的用于确定图像读取优先级的示例方法500。在一些方面，示例方法500可以(全部或部分地)在诸如X射线成像系统204之类的X射线成像系统或设备上执行。示例方法500开始于操作502，其中从一个或多个数据源收集图像数据。在一些方面，数据收集组件，诸如数据收集引擎302，可以从一个或多个数据源收集图像数据。示例数据源包括患者EMR、医疗保健设施HIS记录和医学成像系统。例如，在访问成像设施期间，X射线成像系统204可以用于生成患者的(一个或多个)乳房的一个或多个2D和/或断层合成X射线图像。X射线图像可以与患者的个人信息组合(或以其它方式关联)和/或存储在医疗保健设施的一个或多个医疗记录或医疗系统中。

在操作504处，可以识别图像数据的特征。在一些方面，图像数据(或其部分)可以被提供给输入处理组件，诸如AI处理组件208和/或决策支持器210。在至少一个示例中，输入处理组件可以被并入到执行示例方法500的X射线成像系统或设备中。可以在正在收集图像数据时(例如，实时地)、在收集图像数据之后立即或在收集图像数据之后的任何其它时间将图像数据提供给输入处理组件。输入处理组件可以是、包括或有权访问一个或多个规则集、算法或预测模型。输入处理组件可以评估图像数据以识别图像数据的一个或多个特征。图像特征可以包括但不限于形状边缘或边界、兴趣点和斑点。识别特征可以包括使用特征检测和/或特征提取技术。可以使用一种或多种特征化技术，诸如ML处理、归一化操作、分箱操作和/或向量化操作，来为各个特征计算和/或分配特征值。特征值可以是特征的数字表示、与合并数据中的特征配对的值、特征的一个或多个条件状态的指示等。

在操作506处，可以计算图像特征的置信度分数。在一些方面，输入处理组件(或与其相关联的组件)可以使用为识别出的图像特征计算的特征值来生成置信度分数。置信度分数可以表示特定特征匹配预定义特征或特征类别/分类的概率。生成置信度分数可以包括将图像数据的特征和/或特征值与标记的、已知的或预定义的特征和/或特征值集合进行比较。例如，对于接收到的图像，可以识别四个关注点并为其分配相应的特征值集合。各个特征值集合可以各自与来自已知图像的存储特征数据进行比较。存储的特征数据可以包括各种特征值并且可以被标记以对特征或图像进行分类。例如，可以针对各种乳房异常和/或乳房X光检查结果列出特征数据集合。可以基于接收到的图像的特征值与存储的特征值之间的匹配或相似性来生成置信度分数。在一些方面，置信度分数可以是数字值、非数字(或部分数字)值或标签。例如，置信度值可以用从1到10的标度上的数字值来表示，其中“1”表示匹配的低置信度，并且“10”表示匹配的高置信度。在这样的示例中，较高的置信度值可以指示接收到的图像的特征值与存储的特征值之间的大量(或百分比)的匹配或相似性。

在决策操作508处，可以将置信度分数与阈值进行比较。在一些方面，输入处理组件(或与其相关联的组件)可以将置信分数与可配置置信阈值进行比较。置信阈值可以表示在为图像(或图像数据)分配优先读取状态之前必须达到或超过的置信水平。置信阈值可以基于阳性筛查病例(例如，确诊的癌症病例)和阴性筛查病例(例如，未发现癌症的病例)之间的期望平衡来选择。例如，在特定示例中，所选择的置信阈值可能导致识别1,000个病例的集合，其中70％的病例是阳性筛查病例，20％的病例指示非癌性异常，并且10％的病例是阴性筛查病例。可以为每个阳性筛查病例分配优先读取状态。通过增加所选择的置信阈值，可以选择减少的病例集合。例如，可以识别750个病例的集合，其中80％的病例为阳性筛查病例，15％的病例指示非癌性异常，并且5％的病例为阴性筛查病例。替代地，通过降低所选择的阈值，可以选择增加的病例集合。例如，可以识别1,250个病例的集合，其中60％的病例为阳性筛查病例，25％的病例指示非癌性异常，并且15％的病例为阴性筛查病例。

在一些示例中，可以手动确定和配置置信阈值。例如，用户可以使用输入处理组件的用户界面来选择或修改置信阈值。置信阈值的选择可以基于各种因素。例如，可以基于是否有足够数量的放射科医师与医疗设施相关联、或者放射科医师能够多快地为具有优先读取状态的病例进行审查来为与特定医疗设施相关联的X射线成像系统的至少一部分选择置信阈值。在其它示例中，置信阈值可以由输入处理组件自动和/或动态地确定。例如，来自系统200的一个或多个实体或组件的与建议的医疗保健路径、图像读取优先级等相关的反馈或输出可以被输入处理组件访问。反馈/输出可以包括来自技术专家、医师或放射科医师的准确度评级或评论。反馈/输出可以附加地包括治疗报告、患者笔记等。基于反馈/输出，输入处理组件可以修改阈值以增加或减少识别出的阳性和/或阴性筛查病例的数量。

在一些方面，如果确定置信分数低于置信阈值，那么流程进行到操作510。在操作510处，接收到的图像数据可以被分配标准优先级别(例如，标准优先级别、低优先级别或无优先级别)。标准优先级别可以指示接收到的图像数据将根据相关医疗保健专业人员的正常可用性和/或工作量进行评估。例如，当图像数据被分配标准优先级别时，图像数据可以被添加到图像读取队列中。图像数据在队列中的位置(例如，图像数据被添加到队列中的顺序)可以规定图像数据的评估顺序。作为特定示例，在先进先出(FIFO)队列中，在接收到的图像数据之前添加到队列的任何标准优先级数据项将在接收到的图像数据之前被评估。在这样的示例中，当筛查受试者仍在筛查设施的现场时，图像数据可能没有被评估。

但是，如果确定置信分数满足或超过置信阈值，那么流程进行到操作512。在操作512处，接收到的图像数据可以被分配高优先级别。分配高优先级别可以包括，例如，向图像数据和/或元数据添加一个或多个指示符，诸如用于图像数据的医学数字成像和通信(DICOM)首部。示例指示符可以包括标签(例如，“高优先级”、“优先级”等)、数字值、突出显示、箭头或指针、字体或样式修改、日期/时间值等。在一些方面，高优先级别可以指示接收到的图像数据要接收优先化的评估。作为一个示例，当图像数据被分配高优先级别时，可以将图像数据添加到图像读取队列中。基于高优先级别，可以在队列中具有较低优先级别和/或较晚的队列进入时间/日期的其它数据项之前评估图像数据。作为另一个示例，被分配高优先级别的图像数据的优先级指示符可以被呈现给一个或多个医疗保健专业人员。例如，在为图像数据分配高优先级别时，可以使用X射线成像系统或设备的用户界面将优先级指示符和/或图像数据呈现给技术人员。在至少一种情况下，优先级指示符和/或图像可以在技术专家正在收集图像数据的同时(例如，实时)呈现给技术专家。作为又一个示例，当图像数据被分配高优先级别时，图像数据(或其指示)可以被发送到一个或多个目的地。例如，放射科医师可以接收关于图像数据的先前分配的消息(例如，电子邮件、文本、语音呼叫等)。消息可以包括诸如患者的当前状态或位置、图像数据的读取优先级、患者的当前和/或过去的医疗记录等的信息。作为具体示例，包括优先读取指示符的图像数据可以连同患者当前在医疗设施中并等待读取图像数据的指示一起被发送到放射科医师的图像审查工作站。替代地，可以将图像数据发送到用于管理放射科医师工作流程的软件应用或服务。软件应用/服务可以被配置为创建和/或分配需要立即评估的病例的工作列表。在这样的示例中，高优先读取指示可以使得能够在筛查受试者仍在筛查设施现场时执行后续成像和其它动作。

图6A图示了与本文描述的自动化的临床工作流程决策相关联的示例用户界面600。在示例中，用户界面600表示技术专家在乳房X线摄影采集工作站上使用的软件。该软件可以用于在乳房筛查检查期间从X射线成像系统(诸如X射线成像系统204)收集图像，和/或在乳房筛查检查期间审查收集到的图像。用户界面600包括按钮602，其在被选择时激活“分析”对话框。

图6B图示了分析对话框610，其在图6A的按钮602被选择时被显示。分析对话框610包括按钮612、分析结果部分614和读取优先级指示616。在一些方面，当选择按钮612时，启动图像评估软件，并使用图3和图4中描述的技术分析一个或多个收集到的图像。作为分析的结果，分析结果部分614至少部分地填充有数据，诸如读取优先级指示616。在图6B中，读取优先级指示616指示所分析的(一个或多个)图像的读取优先级为“高”。基于“高”读取优先级，技术专家可以要求筛查受试者留在现场，同时放射科医师审查收集到的(一个或多个)图像。放射科医师的这种立即审查(例如，当筛查受试者在现场时)可以减轻或消除召回筛查受试者进行后续预约的需要。

图7图示了用于图1中描述的使临床工作流程决策自动化技术的示例性合适的操作环境。在其最基本的配置中，操作环境700通常包括至少一个处理单元702和存储器704。取决于计算设备的确切配置和类型，存储器704(存储，用于执行本文公开的技术的指令)可以是易失性的(诸如RAM)、非易失性的(诸如ROM、闪存等)，或两者的某种组合。这种最基本的配置在图7中用虚线706示出。此外，环境700还可以包括存储设备(可移除，708，和/或不可移除，710)，包括但不限于磁或光盘或带。类似地，环境700还可以具有(一个或多个)输入设备714，诸如键盘、鼠标、笔、语音输入等，和/或(一个或多个)输出设备716，诸如显示器、扬声器、打印机等。环境中还可以包括的是一个或多个通信连接712，诸如LAN、WAN、点对点连接等。在实施例中，这些连接可以是可操作的，以促进点对点通信、定向连接通信、无连接通信等。

操作环境700通常包括至少某种形式的计算机可读介质。计算机可读介质可以是可由处理单元702或包括操作环境的其它设备访问的任何可用介质。作为示例而非限制，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术实现的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光存储装置、磁盒、磁带、磁盘存储装置或其它磁存储设备、或任何其它可以用于存储期望信息的非暂态介质。计算机存储介质不包括通信介质。

通信介质在诸如载波的调制数据信号或其它传输机制中实施计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。术语“调制数据信号”是指具有以将信息编码为信号的方式来设置或改变其一个或多个特性的信号。作为示例而非限制，通信介质包括诸如有线网络或直接有线连接之类的有线介质，以及诸如声学、RF、红外、微波和其它无线介质之类的无线介质。以上任何内容的组合也应包括在计算机可读介质的范围内。

操作环境700可以是使用到一个或多个远程计算机的逻辑连接在联网环境中操作的单个计算机。远程计算机可以是个人计算机、服务器、路由器、网络PC、对等设备或其它公共网络节点，并且通常包括上述许多或所有元素以及未提及的其它元素。逻辑连接可以包括可用通信媒体支持的任何方法。这种联网环境在办公室、企业范围的计算机网络、内部网和互联网中是常见的。

可以使用软件、硬件或软件和硬件的组合来采用本文描述的实施例，以实现和执行本文公开的系统和方法。虽然在整个公开中已经将特定设备描述为执行特定功能，但是本领域技术人员将认识到的是，提供这些设备是为了说明性目的，并且在不脱离本公开的范围的情况下，可以采用其它设备来执行本文所公开的功能。

本公开参考附图描述了本技术的一些实施例，在附图中仅图示了一些可能的实施例。但是，其它方面可以以许多不同的形式实施，并且不应被解释为限于本文阐述的实施例。相反，提供这些实施例是为了使本公开彻底和完整，并将可能的实施例的范围充分传达给本领域技术人员。

虽然本文描述了特定的实施例，但是技术的范围不限于那些特定的实施例。本领域技术人员将认识到在本技术的范围和精神内的其它实施例或改进。因此，仅作为说明性实施例公开了特定的结构、动作或介质。本技术的范围由所附权利要求及其中的任何等同形式限定。