MI-共同数据模型:扩展观察医学结果伙伴关系-共同数据模型 (OMOP-CDM) 用于注册医学成像元数据和随后的治愈过程
Varvara Kalokyri1, Haridimos Kondylakis1, Stelios Sfakianakis1
1Institute of Computer Science, Foundation of Research and Technology Hellas, Heraklion, Greece.
JCO clinical cancer informatics
|December 7, 2023
概括
一个新的医学成像通用数据模型 (MI-CDM) 扩展了OMOP-CDM,以整合成像和临床数据. 这种协调通过标准化成像元数据来促进人工智能模型开发和其他数据驱动的研究.
科学领域:
- 医疗信息学 医疗信息学
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 大数据和人工智能的扩散需要协调健康数据.
- 像OMOP-CDM这样的共同数据模型 (CDM) 将临床信息标准化.
- 整合医学成像元数据与临床数据仍然是一个重大挑战.
研究的目的:
- 为医疗成像数据引入OMOP-CDM的新扩展.
- 为了实现成像元数据与临床数据的无整合.
- 支持AI模型开发和其他数据依赖的用例.
主要方法:
- 开发了医学成像通用数据模型 (MI-CDM),作为OMOP-CDM的扩展.
- 与临床和人工智能专家合作,改进建模选择.
- 在ProCAncer-I项目中将MI-CDM应用于前列腺癌的用例.
主要成果:
- 成功实施前列腺癌的MI-CDM,整合成像,治疗和临床数据.
- 通过使用OMOP-CDM及其瘤学扩展,证明了将成像元数据与临床信息联系起来的能力.
- 在现实世界的临床研究环境中验证了MI-CDM的有效性.
结论:
- 拟议的MI-CDM扩展有效地解决了整合医学成像数据的挑战.
- 在MI-CDM中的标准化属性和术语促进了多种成像方式的整合.
- 这种方法使得协调,质量检查和注释成像和临床数据用于先进的研究.
更多相关视频
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
616
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
15.9K
