הקדמה: הקונפורמציה של אימגינציה וגנומיקים בבריאות המודרנית

הנוף הבריאותי המודרני מוגדר על ידי פיצוץ חסר תקדים של נתונים.דמיית רפואית לבדה מייצרת זעירות של מידע מדי שנה ממודולים כגון MRI, CT, PET ופתולוגיה דיגיטלית. Simultanely, העלות של ריצוף גנטי מתפתח נתונים חנקן חזק, המאפשר איסוף שגרתי של מערכות הדמיה שלמות ותיקור עבור מחקר וטיפול קליני.

האבולוציה של PACS: מארכיון ועד לפלטפורמת אינטגרציה

PACS המסורתית נועדו לפתור בעיה מסוימת: החלפת הסרט עם אחסון דיגיטלי ומאפשר לרדיולוגים להציג תמונות ממודולים מרובים על יצירות.במשך עשרות שנים, אדריכלות הליבה התבגרה סביב DICOM (Digital Imaging and Communications ב- Medicine) סטנדרטי, אשר מגדירה כיצד, דוחות מובנים ואובייקטים אחרים נתונים מתואמים ומחליפים אותם.

אפשרויות טכניות עיקריות לשילוב Big Data

  • (FLT:0) אחסון הניתן להחלפה: 1FLT:1 ואילך אחסון במהירות הופך להיות בעל ערך מוסף.ספקי PACS המובילים מציעים כעת ארכיטקטורות ענן היברידיות שיכולות להגיע למאות קטנביטים, תמיכה בנפח הנתונים הגולמי של ריצוף גנום שלם (בדרך כלל 100-200 GB לגנום).
  • (FLT:0) מודלים מטא-נתונים סלקטיביים: 1) תגי DICOM אינם מספיקים עבור metadata גנטי. PACS חייבת לתמוך ב- metadata schemas , לעתים קרובות באמצעות אינטגרציה עם אגמים נתונים שאינדקס הן DICOM והן אובייקטים שאינם DICOM באמצעות מזהה ייחודי כגון MRN או מחקר מזהה מחקר.
  • (FLT:0)Query and Retrieval Performance:BuildFLT:1 Correlating a Speculation Find (למשל, תכונה מרקם של גידול) עם מוטציה גנטית דורש שיפור מהיר של הצלב.מודרני PACS שימוש באינדקסים המופנמים, מסדי נתונים NoSQL, ו repositoriessitories כגון אלסטיאליסטור כדי לאפשר שאילתות של שניות על פני מיליארדי רשומות.

יכולות אלה מהוות את הבסיס שעליו ניתן לבנות מתאם גנומי-אייג'ינג. בלעדיהם, המאמץ המשולב בנתונים נותר מפורש ונשבר.

אתגרים גדולים בנתונים ב-Genomic-Imaging Correlation

הגדלת נתונים גנטיים עם נתוני הדמיה אינה רק פעילות טכנית; היא כוללת להתגבר על ארבעה אתגרים גדולים קלאסיים: נפח, מהירות, מגוון ומציאות.

נפח

מחקר אחד של סרטן genomics עשוי לכלול רצפים של אלפי חולים, כל אחד יחד עם מחקרים הדמיה לטווח ארוך. terabytes גולמי להפוך במהירות לחטואוואט כאשר גורם בקבצי רצף גולמי, מיושר קורא (BAM / CRAM), ותבנית קריאה נגזרת (VCF) קבצים. PACS חייב להיות מתוכנן לטפל בקנה מידה זה ללא דירוג ביצועים עבור קרינת רדיולוגיה.

Velocity

בסביבה קלינית, זמן הפוך הוא קריטי. a רדיולוג המזהה עול חשוד צריך להיות מסוגל לשאול את פרופיל הגנומי של המטופל בתוך שניות.זה דורש קיצור של נתונים תוך זמן קצר בזמן אמת ואינדקס, אשר מורשת רבים PACS אינה ארכיטקטורת לתמוך פתרונות מתעוררים להשתמש בסטרימינג אוטובוסים אירועים (למשל, Apache) כדי להפיץ עדכונים ממחיקת שכבת נתונים לשכבת הנתונים לרשות הרש"פ.

המונחים

נתונים של Imaging הם בעיקר לא מובנה (pixel ⁇ s), בעוד הנתונים genomic בנוי כמו וריאציות תלויות התייחסות, סטיות, ביטוי matrices.בנוסף, נתונים קליניים מ- EHRs מוסיף שכבה נוספת של מגוון. A PACS שיכול לשלב סוגים אלה של disparate חייב לתמוך מודלים נתונים מרובים - DICOM עבור תמונות, HL7 FHIR עבור נתונים קליניים, דומיין-דומיינים כגון פורמטים ספציפיים ל-FIR.

ורה

איכות נתונים היא דאגה מתמדת. Imaging פריטים, מחיקת שגיאות, ו חוסר עקביות של אנטנות יכול להוביל לתומים כוזבים. PACS יכול לעזור על ידי אכיפת חוקי ממשל נתונים בשלב של אי-gestion - למשל, הדורשים מדדים איכותיים עבור כל קובץ genomic ודגל תמונות עם סטיית רכישה ידועה.

כיצד PACS Facilitates Genomic-Imaging Data Correlation

עם האתגרים המתוארים, המנגנונים הספציפיים שבאמצעותם PACS יכול לאפשר לקשור להיות ברור.הגישות הבאות מייצגות את שני התרגילים הטובים ביותר הנוכחיים ואת עיצובים צופה קדימה.

טיפול בחולי-Centric באמצעות Persistent Identifiers

הצעד הבסיסי ביותר הוא להבטיח שכל מחקר הדמיה וכל מצגת נתונים גנטית קשורה לאותו מזהה המטופל. בסביבה מחקרית, זה לעתים קרובות אומר שימוש בזיהוי נתונים נתונים נתונים נתונים נתונים נתונים נתונים נתונים נתונים נתונים נתונים נתונים נתונים על פני מודלים. PACS יכול לאחסן מזהה זה תכונות DICOM שמורות (למשל, רזולוציה של 1.520) מטופלים) ומדד נפרד שקשרים ל- genomic חיצוני, מאפשר שימוש יעיל ב-MRIN.

שילוב DICOM Structured Reports for Genomic Annotations

(ד) דו"חות מבנה (SR) נועדו במקור להעביר מדידות ותצפיות ממחקרי הדמיה.הם יכולים להיות מורחבים לכלול ממצאים גנטיים.לדוגמה, תבנית של DICOM עבור דו"ח פתולוגי סרטן יכולה לכלול שדות בשם גן, סוג וריאנט, תדירות אלקלית, וגידול מוטציות מוטציות.

שילוב FHIR עבור Real-Time Data Exchange

תקן HL7 FHIR מספק גישה מודרנית, מבוססת אינטרנט כדי לשנות את נתוני הבריאות.PACS כי יישום נקודות קצה FHIR יכול לשמש metadata הדמיה כמו FHIR ImagingStudy משאבים, בעוד נתונים גנומיים מיוצגים באמצעות FHIR Genomics פרופילים (למשל, משאב מולקולרית של הדמיה) המאפשר פלטפורמה ניתוחית למשוך הדמיה ו- Genomic של נתונים סטנדרטיים (DFD) באופן ספציפי, שימוש ב-GramFDNSFDNSFDNSFDNSFDNSFDECT CRAD.

Cloud-based Data Lakes ו- Analytics Pipelines

מוסדות בריאות רבים נעים את PACS שלהם בענן לאחסון אובייקטים מקיפים (למשל, אמזון S3, Google Cloud Storage) ושירותי ניתוח חזקים.באדריכלות זו, הרש"פ פועלת כקטלוג נתונים: היא מאחסנת את התמונות ומספקת פריך מהיר, בעוד שהנתונים הגנטיים עדיין קשורים באגם נתונים מקבילים.

היתרונות של נתונים הקשורים Cor הקשור לטיפול קליני ומחקר

שילוב של נתוני גנומי והדמיה באמצעות PACS מניב יתרונות מוחשיים על פני תחומים מרובים.

תכנון טיפול אישי

Oncology הוא המקרה המתקדם ביותר לשימוש. Tumors עם שינויים גנטיים ספציפיים להגיב באופן שונה לטיפולים.על ידי תיקון סממנים ביולוגיים הדמיה כגון גודל גידול, מרקם, או תכונות היתוך עם נהגים genomic, רופאים יכולים לבחור טיפולים ממוקדים עם אמון גדול יותר.למשל, חולה סרטן ריאות לא קטן עם מוטציות EGFR המוצגות על ניתוח genomic ו- CT עשוי להיות מועמד לתצוגה קוגניטיבית של ramic.

שיפור התיאום האבחון

פנוטיפים הדמיה מסוימים קשורים מאוד עם תסמונת גנטית מסוימת. A PACS כי חוצה את ממצאי ההדמיה של המטופל עם מסד נתונים גנומי יכול להזהיר את הרדיולוג למצב תורשתי אפשרי, כגון זיהוי פוליפים קולורקניים מרובים על הדבקה ודגל מוטציה APC ידועה.זה סוג של מתאם אוטומטי יכול לנהוג אבחון מוקדם יותר של תנאים כמו amilial aomatdenic פוליסת פוליאמורה או נוירופיוזיס.

מחקר רדיוגנימיקס

מחקרים בקנה מידה גדול, כגון סרטן Genome Atlas (TCGA) ו-Biobank בבריטניה, כבר מספקים נתונים דימות מקושרים ו- genomic. עם זאת, רוב PACS המוסדית אינה מחוברת למאגרי מידע אלה.על ידי מתן מתאם מקומי, PACS יכול להקל על מחקר רדיוגנימיקס פנימי כגון: מחלקת רדיולוגיה של בית חולים יכולה לגלות תכונות הדמיה כי לחזות גנטיקה מסוימת, לאחר מכן, לאחר מכן, ניתן לאמת את הממצאים החיצוניים של IFcers: 1.

חידוש בדיקות Redundant

כאשר נתונים הדמיה וגנומיים משולבים, רופאים יכולים להימנע ממתן בדיקות נוספות שכבר זמינות.אם פרופיל הגנומי של המטופל כבר מאוחסן ומקושר ל-PACS, האונקולוג לא צריך לחזור על ביופסיה כדי לקבל את אותו מידע גנטי.זה חוסך זמן, מקטין עלויות, ומחסוך את המטופל מהליכים פולשניים מיותרים.

דרישות ליישום עבור ארגונים רפואיים

אימוץ PACS שיכול להתמודד עם שילוב נתונים גדול דורש תכנון זהיר על פני כמה ממדים.

מידע על ממשל וביטחון

נתונים Genomic נחשבים רגישים מאוד, מסווג לעתים קרובות כמידע בריאות מוגן (PHI) גם לאחר זיהוי עקב הסיכון של זיהוי מחדש. PACS חייב לאכוף בקרת גישה חזקה, הצפנה במנוחה ובמעבר, וביקורת על גישה מבוססת על רול יכול להבטיח שרק רופאים מורשים וחוקרים יכולים להציג את הנתונים המשולבים.

סטנדרט והתאמה

ללא תקני נתונים משותפים, אינטגרציה נותרה נקודת-נקודה ו-Surttle. ארגונים צריכים להעדיף את PACS התומכים ב- DICOM, HL7 FHIR, וסטנדרטים מתעוררים כמו FHIR Genomics.הם צריכים להשתתף גם ביוזמות כגון IHE (התמריץ את מערכת הבריאות) מפרטים המגדירים זרמי עבודה עבור מתאם הדמיה-omics.

אינטגרציה

כדי שהקורא יהיה שימושי בפרקטיקה קלינית, זה חייב להיות מוטבע בזרימת העבודה של הרדיוולוג והאינדיקטור.הצופה PACS צריך להציג סיכום של ממצאים גנטיים רלוונטיים מבלי לדרוש את המשתמש להשיק יישום נפרד. כמה ספקים מציעים "פאנלים גנטיים" המופיעים כפאנל צד בצופה, מעודכנים בזמן אמת ממקור הנתונים הגיאונמי.

עלויות ותכנון משאבים

הובלת מטבוליזם של הדמיה ונתונים גנומיים בענן עולה משמעותית.ארגונים חייבים להעריך את העלות הכוללת של מודלים בעלות (TCO) כולל חיובים אגנומיים אם הנתונים מועברים לעתים קרובות. אסטרטגיית אחסון עניבה יכול לעזור: אחסון חם עבור תמונות גישה פעיל קבצים genomic, אחסון קר עבור נתונים היסטוריים, וקשתיתק עבור מחקרים לא צפוי להיות מנוצל מחדש.

כיוונים עתידיים: AI, Multi-Omics, ו- Real-Time Correlation

השילוב של הדמיה ו-genomics הוא רק ההתחלה.הגל הבא יהיה כרוך ב- fusing שכבות omics נוספות - proteomics, metabolomics, microbiomics - עם נתוני הדמיה. PACS תצטרך להתמודד עם סוגים חדשים אלה של נתונים, אולי על ידי הרחבת DICOM כדי להתאים אותם או על ידי סמך ארכיטקטורת נתונים מודולרית. A בינה מלאכותית יהיה תפקיד כפול: מודלים עמוקים של למידה אוטומטית כגון GNUMDOL, לדוגמה, כגון תכונות הדמיה, כגון GNUMDIST, כגון GNUMDIST, או הדמיה, כגון GNUMDIST, לדוגמה, לדוגמה, כגון GNUMDS, לדוגמה, או על ידי הדמיה (GIST) או על ידי הדמיה (GIST) כדי מוטציות) כדי מוטציות, לדוגמה, לדוגמה, לדוגמה, לדוגמה, לדוגמה, לדוגמה, לדוגמה, לדוגמה, לדוגמה, תכונות הדמיה של תאים הדמיה של תאים ביולוגיים, כגון הדמיה, כגון הדמיה (Gate) כדי מוטציות, לדוגמה, כגון הדמיה של תאים אלקטרוניים, לדוגמה, לדוגמה, לדוגמה, לדוגמה, לדוגמה, לדוגמה, לדוגמה, או על ידי הדמיה, או על ידי הדמיה (Gate) כדי מוטציות) כדי מוטציות מסוימות, לדוגמה, לדוגמה, לדוגמה,

מתאם בזמן אמת הוא גם באופק.כפי שטכנולוגיות ריצוף הופכות מהר יותר, מידע גנטי של טיפול בשלב מסוים יכול להיות מוזרם ישירות לתוך PACS במהלך מפגש סבלני.זה יאפשר פרוטוקולי הדמיה מותאמים אישית באמת: מטופל הידוע לסיבת תסמונת סרטן תורשתי עשוי להיות מתוכנן באופן אוטומטי עבור בדיקות תכופות יותר או גבוהות יותר, עם ניהול כללי התמיכה של PACS.

מסקנה

PACS הם כבר לא מערכות אחסון פסיבי; הם מתפתחים לפלטפורמות נתונים חכמות שיכולים לגשר על הפער בין הדמיה רפואית וגנים. על ידי אימוץ אחסון מדרגי, מודלים metadata גמישים, ותקני יכולת בינאופרנטיות מודרנית כמו FHIR ו- DICOM SR, PACS יכול להקל על הקשר של הדמיה ונתונים גנטיים בקנה מידה.