从DICOM影像数据库中提取信息用于审计与研究:成功经验与挑战
本文为叙述性综述,基于作者从多种系统安全提取数据的个人经验与文献检索,讨论从PACS提取DICOM元数据用于乳腺筛查等审计与研究的价值、挑战与已实施的解决方案,指出元数据多未被充分利用且提取受限于搜索工具、治理与匿名化。
要点
- DICOM元数据与像素数据同存,多数PACS只能逐幅查看且可检索字段有限,批量提取困难。
- 元数据可用于 workflow、压迫力、剂量与癌症检出等审计,但需先解决匿名化与治理审批。
- 已在用的解决方案包括直接查询PACS、前瞻性提取、结构化报告与可信研究环境。
核心结论
- PACS中存储的数据目前未被充分利用,对审计和改善影像与放射实践有很大益处。
- 最终通过在PACS采购阶段纳入相关要求,可使数据获取过程变得更简便。
- 审计PACS数据可用于改善影像质量与工作流程,从而给患者带来临床益处。
研究设计与样本
- 叙述性综述,基于作者从多种系统安全提取数据的个人经验及使用多种来源的文献检索。
- 重点讨论乳腺筛查,但所述问题与解决方案适用于其他放射学模态。
- 文中汇总了已发表的数据提取分析研究示例(见表1)。
诊断标准与关键数值
- DICOM标准(第4部分)仅规定少量必须可检索的数据标签,且未规定元数据可单独获取。
- DICOM标准(第15部分及补充142)定义了需去标识的元数据属性清单。
- DICOM标准(第3部分第8章)包含编码条目数据选项,但相关标签常仍为自由文本字段。
临床应用与阅片要点
- 直接查询PACS、前瞻性提取、使用结构化报告与可信研究环境是已成功实施的提取方案。
- 剂量审计可简单使用DICOM头中的剂量值,但这些值可能不准确,理想应提取完整放射学数据与压迫乳腺厚度并计算剂量。
- 作者指出,可信研究环境将研究者分析工具带到数据处而非分发数据副本,可在获取数据的同时降低去标识风险。
局限性
- 原文为叙述性综述,基于作者个人经验与文献检索,未报告系统检索范围与纳入文献数量。
- 作者推测严格的白名单政策可能促使使用非官方设备和网络工具,从而增加数据与网络安全风险。
全文中译23 节 · 点击展开
引言
自从实现全面数字化以来,影像中心的实践和技术不断发展,系统质量得到提升,1 新的图像处理技术2,3以及额外的成像模式。4 要评估和优化这些发展的影响,需要便捷地获取临床和影像数据。来自影像中心的轶事证据表明,员工甚至在进行简单审计时往往也无法随时获得信息。限制可能源于影像归档和通信系统(PACS)的设置或管理员施加的访问限制。然而,获取PACS上大量数据具有许多潜在益处。5–8 英国政府认可9 NHS临床数据用于研究和改善患者护理的用途:用于个体的直接护理。
通过主动针对服务对象来改善人群健康。
用于服务的规划和改进。
用于将推动新医学治疗的研究和创新。
数字信息可存储于一系列放射学系统中:医院信息系统(HIS)和放射学信息系统(RIS)包含患者和诊断/治疗信息。使用国际标准10(如HL7和DICOM(医学数字成像和通信))分别传输临床数据和图像数据,已使数据获取更加便捷。然而,放射学系统制造商对这些标准的解读和实施方式各不相同,尤其是在断层合成等新兴技术中,增加了数据提取的复杂性。
DICOM主要是图像传输标准,其中图像数据和文件头一起存储。文件头包含“元数据”,即关于患者、图像采集和图像显示参数的信息。11 尽管每幅图像的元数据通常仅占总文件大小的极小比例,但一般无法在没有相应图像像素数据的情况下检索,这大大增加了检索时间。DICOM标准(第4部分)10仅规定了少量需要搜索的数据标签,并未规定元数据可单独获取。
本综述旨在讨论利用这些丰富信息的潜在益处,并审视当前从PACS提取图像元数据所面临的挑战。本叙述性综述基于作者从各种系统中安全提取数据的个人经验以及使用多种来源的文献检索。目的是考虑数据及数据获取在放射摄影实践的本地和国家审计以及研究中的应用。尽管我们聚焦于乳腺筛查,但本文涉及的许多问题和解决方案适用于其他放射学模态。
工作流程优化
审查DICOM数据能够对工作流程进行详细检查。筛查访视的时长很重要;在英国,目标是将访视时长控制在短短5分钟以内,因为任何延长都可能导致服务出现问题。DICOM头文件中包含显示图像采集日期和时间的时间戳。这些时间戳可用于追踪检查之间的时间间隔,或考察各类检查的通量。24-26 当然,这种方法存在局限性,因为它无法给出预约时间较长、受检者迟到或缺席的原因,也未考虑疑难病例的情况。
Talati等25指出,通常从RIS系统获取这些信息更为容易,但记录在DICOM头数据中的时间戳能提供更准确的结果。基于这些数据,他们能够显示,经验更丰富的放射技师的平均MRI检查时间更短。对放射技师工作量的审核可以反映筛查之间以及单幅图像之间的时间间隔,并可能有助于优化流程。Kathiravelu等26描述了一种直接从DICOM采集数据的方法,其优于RIS之处在于避免了因传输至另一系统而产生的错误。
临床实践审核
数据还可用于临床审核,以确保工作人员之间临床实践的一致性,并保证设备正常运行。Mercer等14和Waade等15分别在英格兰和挪威进行了压迫力审核。两项审核均发现了变异性,发现筛查中心之间的差异大于乳腺摄影系统之间的差异。理解这一点很有用,因为压迫力同时影响图像质量和癌症检出的可能性;例如,Holland等12和Hill等13检查了压迫压力。他们指出,基于间期癌发生率的敏感度在最低压力时最低。对乳腺断层合成进行的一项类似审核显示,癌症检出与压迫力之间的关系较弱。16
人工智能中元数据的使用
人工智能在乳腺摄影中的应用已有长足发展,包括图像阅片,并扩展至分诊、风险预测和临床审核等。27 基于广泛数据点进行查询的能力对于确保训练、测试和验证数据集能够代表人群至关重要,或有助于支持构建富集数据集。
对于图像阅片,人工智能可能使用额外的临床数据或来自图像元数据的信息以及图像本身。所使用的数据点数量和种类存在差异,尽管大多数人工智能模型仅依赖对图像本身的解读。然而,元数据中显然存在有用的信息。Litchfield等28表明,图像外观与某些元数据字段之间存在关系;他们还表明,合并信息有助于识别同一受检者在不同日期采集的检查。
有趣的是,Zufiria等29指出,在模型训练期间使用元数据需要谨慎,因为它可能引入额外偏倚,例如,如果某一特定系统在某个评估单位中使用更为普遍,那么人工智能模型可能会学到该类系统与更多癌症相关。
临床结局审核
通过使用影像元数据进行临床结局审核也是可行的,尽管更具挑战性。审核可以考察技术和阅片者经验对临床结局(如癌症检出率和召回率)的影响。研究阅片者效能主要有两种方法,即使用富含癌症病例的富集测试集和临床审核。有一些证据表明临床结局与测试集表现之间存在关系30;然而,使用有限的测试集并不能说明全部情况。大规模多中心研究中临床结局的数据分析已报告了不同技术之间癌症检出率的差异。17–21这些研究显示了计算机X线摄影在现实中的局限性,并证实应使用全视野数字乳腺X线摄影。更大规模的国家数据集可能有助于识别这些研究中所见之外的差异;然而,人群差异、影像阅片者变异性以及所使用的成像系统和设置等混杂因素使这一工作具有挑战性。尽管如此,研究包括图像处理在内的不同系统之影响的能力可能是一个强大的工具。观察者研究表明图像处理的变化可对癌症检出率产生影响31,32,但这尚未在临床环境中进行评估。要在临床上获得检测此类差异所需的灵敏度,可能需要多中心甚至全国性的数据收集。
剂量审核
数据收集方法 variously 使用了人工收集、小批量图像头数据的自动读取以及完全集成的剂量管理系统。剂量管理系统能够相对轻松地收集大量病例。33,34剂量审核可以简单地使用DICOM头中的剂量值来进行,然而这些值可能不准确,因此理想情况下应提取完整的放射摄影数据和压迫乳腺厚度数据并计算剂量。35
英国已开展了一系列全国性剂量调查。Loveland等22指出,虽然一些筛查单位能够轻松提取大量数据,但对某些单位而言,即使提取相对少量的数据也是繁琐且耗时的。该调查发现,平均乳腺剂量随压迫乳腺厚度的变化与先前英国调查所示非常相似,但注意到内外侧斜位视图的平均压迫乳腺厚度已从1997–1998年的54.3 mm36增加至2016–2019年的62.4 mm。此类数据可用于设定诊断参考水平,例如Weir等23针对不同乳腺厚度所做的工作。
实施数据提取的挑战
世界卫生组织(WHO)在2016年对欧洲成员国的一项调查中发现,采用大数据促进健康的主要障碍是隐私关切、安全关切以及整合与标准化不足。37 医学数据固有的敏感性还带来了额外的复杂问题;在大多数国家,此类数据的使用受到严格的伦理和法律限制。实际问题可能使数据获取变得困难。大多数PACS限制了可搜索的字段。此外,通常只能一次查看一幅图像的元数据,而且通常没有选项将其检索出来用于进一步分析或处理。38 实际上这些数据是无法获取的,事实上存储在PACS存档中的大部分信息从未被医疗保健提供者再次访问。39
有几种第三方工具可用于访问DICOM元数据。然而,这些工具通常以追踪辐射剂量为营销目的,侧重于放射曝光参数。商业剂量管理软件每家医院每年费用可高达2万英镑,40 并且仍需要大量人员资源用于设置和维护。有免费的开源选项可用,40 但这些通常需要内部高水平技术技能以及与当地IT部门的合作。大多数当地NHS IT部门对IT安全采取严格措施,通常将应用程序列入白名单以尽量减少风险,并不鼓励或禁止使用开源软件。虽然这种白名单政策可以理解,并被一些人视为黄金标准方法,41 我们推测它可能会鼓励使用非官方设备和基于网络的工具,从而增加数据和网络安全漏洞的风险。事实上,一份gov.uk报告提供了关于使用开源软件及其用于服务分析和研究的建议。9,42
DICOM标准持续演进,而制造商有时会以不同方式解读该标准。进一步挑战阻碍了研究、检查和协议名称等描述性字段的标准化。尽管DICOM标准(第3部分,第8章)包含了编码条目数据的选项,10但通常这些标签仍为自由文本字段,即使在同一机构内部也差异很大。随着医院安装新设备以及技术发展,工作流程和扫描协议也在演变。对于许多医院而言,这一过程不太可能以协调一致的方式进行监督。其结果可能是协议名称数量庞大且令人困惑,通常难以与常见临床检查相关联。甚至机构名称等基本信息在不同设备上也可能不同。Santos等39发现同一机构在其PACS系统中以多个不同名称出现。20年前,“检查身体部位”DICOM标签的错误率为15%43,且不太可能有所改善;不合规和不正确的DICOM元数据仍然很常见。DICOM标准本身现在支持结构化报告格式,该格式提供元数据中高度编码信息的子集;这些有助于进一步标准化临床报告和结果的报告与存储。Aiello等44报告了其实施的若干障碍,主要由于对从当前报告方法转变的抵触,但也由于关注点从图像被稀释到报告,可能增加阅读时间和错误风险。
缺乏集中化系统可能导致大量重复工作,许多较小团队不得不开展类似工作以建立其本地系统。即使在同一机构内部,不同类型的数据存储在不同的软件系统上,通常没有直接的方式将它们关联起来。这一问题在国家层面更为突出,许多不同系统以不同格式将名义上相同的输入数据存储在不同信息中。
数据采集流程
从可能非结构化的、关联的临床和影像数据中提取信息需要多个相互关联的阶段,如图1所示流程。该流程包括病例选择、图像/数据检索、匿名化/去标识化、数据清洗、数据管理和最终数据存储。围绕这些阶段的重要问题及建议方法将在下文讨论。
数据访问
PACS客户端提供用户界面,用于基于有限数量的筛选条件手动查询和选择所需的患者数据。然而,根据DICOM标准可搜索的头部数据点集合的限制,严重制约了相关元数据数据集的选择。对于大规模数据集检索,PACS系统可配置为自动转发(“推送”)数据至外部DICOM应用程序,以便进一步提取和存储元数据。此类外部应用程序通常可基于DICOM属性配置选择和提取标准。在两种方法中,数据均使用DICOM存储和通信协议传输,并且如前所述,DICOM组件的互操作性限制仍然存在,尤其是在元数据方面。45
信息治理
个人数据的访问必须是必要且合理的,这一点至关重要,因此在提取过程中数据可进行假名化或匿名化处理。获取和处理临床与影像数据的主要目的为:(i) 作为临床路径的一部分,(ii) 用于临床审计,以及(iii) 用于研究或患者获益。根据访问数据的法律依据及数据包含个人信息的程度,可能需要各种批准。这些可包括来自本地信息治理与研发部门的批准,以及来自本地和国家研究伦理委员会的批准。通常要求患者有权选择退出任何研究数据库。例如,在英国,国家数据退出机制46使患者能够选择退出将其数据用于研究或规划目的。对于研究数据库,通常要求数据最小化和有限的存储保留时间,以及精确指定要收集的数据点。
数据匿名化
DICOM标准(第15部分10及补充142 47)已定义了需要去标识化的元数据属性列表。匿名化的方法可能取决于需求,例如匿名化数据集的目的以及需要访问该数据集的人员角色。已实施高度可配置的工具来执行匿名化48,49,具有多种能力:通过删除或用名义值替换来不可逆地映射数据值
对数据值进行泛化和聚合以保留有用信息,例如将邮政编码转换为局部区域以用于贫困指数,用可唯一识别病例的值对敏感信息进行假名化
对研究数据库执行双重假名化以便与第三方共享,以降低患者再识别的风险
加密数据值以使具有适当授权级别的人员能够再识别数据。这允许更新病例。
匿名化或假名化的实施因某些制造商对DICOM标签的不一致使用而变得复杂,例如自由文本字段或私有标签可能意外包含患者可识别信息。如果还使用图像数据,则需要注意个人信息已被烧录到图像像素中的情况。存在用于去除此类烧录数据的软件。50
数据链接、存储与共享
通过PACS客户端可访问的数据仅限于图像及其相关元数据。为了提取相关的临床数据,必须将PACS数据与其他医院系统(如临床系统和研究数据库)进行关联。这通常需要手动或至多半自动化的集成来选择客户端并提取关联数据。PACS系统使用多种患者标识符(如医院ID和NHS号码),导致需要定制化的关联,有时还需要使用额外字段(如患者全名)。
提取的数据可存储在本地或云端。对于本地存储,可能需要与医院IT部门合作来配置和支持必要的基础设施。对于云端存储,由于数据将被传输至当地医院之外,因此需要额外的数据验证。
共享数据需要平台和流程。在这种情况下,需要云工程专业知识来支持适当的细粒度身份和访问管理控制。一些常用访问数据库的列表可在文献中找到。51,52
影响与结果的讨论
医院站点和筛查中心的常见模式是将影像及相关临床数据存储在本地。数据通常存储于独立的、互不连接的系统中,就影像数据而言,由PACS提供商管理。存在多种用例可为未来医院影像系统的实施和部署需求提供参考,如表1所示。需要特别考虑的问题包括:实现跨数据集和跨位置的数据关联。
提供采集纵向数据(既往检查)的能力。
保持数据的信息丰富度;例如,保留纵向数据集的时间间隔。
支持患者队列的选择。
简化围绕数据所有权、知情同意、选择退出等监管环境所要求的治理和伦理审批流程。
将标准化扩展至新的数据流(如HL7数据集),并改进现有数据协议的标准化(如DICOM)。
存储数据
集中式存储
集中式系统的一个关键优势,除了可挖掘更大量的数据外,还在于医院数据存储的标准化和索引化。然而,大规模IT解决方案的实施众所周知地困难,例如英国2002年NHS IT计划在提供单一中央患者记录系统方面的昂贵失败。53 因此,对于大型国家项目应谨慎对待并仔细考量。
将DICOM标头与图像分开存储
如果将DICOM标头信息与图像分开存储,查询会更加容易。这更多是研究人员将定制的、经过高度策划的数据集摘录下载到其本地环境中的传统做法(如NCCID,48 OPTIMAM54)。该方法可用于选定病例,或作为所有病例的自动化流程。
从PACS查询和检索DICOM数据
查询DICOM数据的方法因需求而异,即用于本地审计还是大规模研究。如前所述,绝大多数图像及相关元数据以DICOM兼容格式存储在PACS中,这可能给数据提取带来困难。从此类PACS中查询和检索图像数据可通过多种方式进行。
直接在PACS上查询
可通过PACS客户端手动在PACS上进行查询。或者,可使用定制软件或剂量管理系统来查询PACS,并将部分元数据存储于一个独立的数据库中。然而,这些方法均采用标准DICOM工作流和消息格式,这可能不适合数据提取。根据DICOM标准查询/检索信息模型(DICOM第4部分,C.3节10)的定义,可查询和/或返回的DICOM元数据标签列表是有限的,其目的在于满足日常工作流而非审计或研究。查询和检索不易批量进行,并且为了检索某个数据集的所有DICOM标签,通常必须检索包括像素数据在内的整个图像,这使得该过程无法规模化。38
DICOM结构化报告
实现影像元数据标签检索的一种解决方案是通过DICOM结构化报告,此类报告可包含用于特定目的的元数据。报告种类繁多,然而在影像领域常用的只有DICOM放射结构化剂量报告(RSDR)。RSDR的优点在于包含与曝光相关的附加信息而不含任何图像数据,因此可实现更快速的传输。然而,它们不一定包含原始图像中所有感兴趣的DICOM元数据,并且可能需要对PACS和影像设备进行额外配置。
结构化报告的使用也有望帮助进一步规范临床报告55和结果的记录与存储,但尚未被广泛采用。44这是一个问题,因为在同一机构内,不同的记录存储在不同的软件系统上。通常没有简便的方法将它们关联起来。在全国层面,由于许多不同的系统以不同格式存储同一名义输入数据的不同信息,该问题变得更加突出。
用于研究的数据共享
共享临床数据和影像元数据有多种方法。一篇关于研究健康数据的综述9提出使用标准化、安全且可扩展的可信研究环境(TRE)。这些环境使得能够访问经过策划的去标识化数据集以进行分析和研究,并提供作为开源工具提供的图像采集和策划工具。经批准的研究人员的模型可被带到数据处,TRE本身可整合数据分析工具并以经批准的格式安全导出结果。英格兰的NHS Digital TRE上已存在一系列数据集,然而目前这些数据集中没有一个存储DICOM或DICOM衍生数据。数据提取和数据策划代码的开源获取、供应商中立性以及数据的实时更新是在此类TRE平台中存储DICOM元数据的明显优势。通过将研究人员的分析工具带到数据处而非分发数据副本,TRE使得能够访问数据的同时将去标识化风险降至最低。去标识化可以更加稳健,因为查看披露性数据的障碍和适当的活动日志记录可作为TRE的组成部分加以实施。去标识化中的任何错误可立即纠正而无需召回数据。同样,被发现具有价值的数据属性随后可在TRE上进行去标识化。
为了使本地研究人员和分析人员能够在医院PACS环境之外访问DICOM元数据,或在外部共享研究数据集,必须考虑以下事项:
数据标准化与整理
标准化是使数据更易获取和更有用的关键。56 例如,如前所述,同一临床检查所使用的检查和方案名称范围广泛,可能难以以有用的方式对数据进行分组或分类。一种可能的解决方案是将本地名称和术语映射到标准化词典,如SNOMED。57 尽管这可能需要投入大量初始时间,但很可能提高所收集数据的实用性。
数据整理是一个不太容易解决的问题。在数据集创建过程中,可能出现许多错误并传播,从选择错误的手术名称到患者信息中的排版错误。单一的一套整理方案不太可能解决所有问题。简单的检查可以自动化,例如识别参数的不可用或不可行值,尽管这些可能需要结合领域特定知识进行配置。对于研究数据集,可能仍然需要专门的整理工作,并且定期审计对所有用途都将有益。
实施
有一些软件解决方案可用于前瞻性提取数据。40 对于剂量数据收集,商业软件系统和开源软件(如OPENREM58)均可使用。皇家萨里NHS信托基金通过多中心部署其SMART-box48,59和DoseMonitor软件系统,证明了使用内部开发软件的可行性。这些解决方案提供了一种相对简单的方法,可从PACS中回顾性和前瞻性地提取数据。
这些类型的系统可以设置为收集部分或全部图像元数据以及图像本身。必须谨慎选择要收集的数据点,在合理需求与确保患者保密性之间取得平衡。然而,必须考虑到在此过程中未收集的任何数据日后可能难以收集。
表2总结了提取DICOM元数据的各种模型的显著特征。
结论
使用PACS数据进行审计的能力已得到证明,基于此类审计实施变更将改善影像质量和工作流程。目前,放射科内的临床医生、物理师和技术人员对PACS数据的访问权限有限,检索这些数据可能非常耗时。虽然一些中心已建立自动化流程来提取数据,但这些解决方案要么依赖于昂贵的商业系统,要么需要具备相当计算机技能的人员来部署定制软件。
最终,如果在PACS采购过程中明确指定,数据访问过程将更加容易。然而,本综述中提出的方法,如结构化报告和为研究人员提供的TREs,应有助于数据访问,促进新的审计和影像学研究,从而为患者带来真正的临床获益。
引用
- Mackenzie A, Lewis E, Loveland J, et al. Successes and challenges in extracting information from DICOM image databases for audit and research. Br J Radiol. 2023. PMID: 37698251. doi:10.1259/bjr.20230104
- 全文:PMC10607388(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10607388/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。