交换量化计算机断层扫描评估的身体组成数据使用快速医疗互操作性资源作为一个必要的步骤,以实现机会性查在临床实践中的互操作性整合:方法发展研究研究
Yutong Wen1,2, Vin Yeang Choo1,2, Jan Horst Eil2
1Data Integration Center, Central IT Department, University Hospital Essen, Essen, Germany.
Journal of medical Internet research
|May 21, 2025
概括
这项研究将人工智能驱动的成像生物标志物集成到快速医疗互操作资源 (FHIR) 档案中. 这些新的FHIR配置文件使得人工智能衍生测量的标准化存储和交换能够实现个性化医疗.
科学领域:
- 医疗信息学 医疗信息学
- 放射学中的人工智能
- 健康数据标准 卫生数据标准
背景情况:
- 快速医疗互操作性资源 (FHIR) 是健康数据交换的标准.
- 人工智能模型从医学图像 (CT/MRI) 中量化身体结构.
- 将AI测量集成到FHIR中对于个性化医学至关重要.
研究的目的:
- 介绍CT衍生的身体器官和组成测量与FHIR的整合.
- 在FHIR中建立存储基于图像的生物标志物的范式.
主要方法:
- 整合身体和器官分析 (BOA) AI模型的结果变成了FHIR资料.
- 开发了用于身体组成分析 (BCA观察) 和身体结构观察的FHIR配置文件.
- 通过将标签映射到SNOMED CT或RadLex并使用FHIR简体 (FSH) 和SUSHI来确保互操作性.
主要成果:
- 提出了4个BOA FHIR资料:身体组成分析观察,身体结构体积观察,诊断报告和成像研究.
- 这些概况涵盖了104个解剖学地标,8个身体区域和8个组织.
- 实现了对AI细分模型结果的互操作性使用,将图像研究与测量联系起来.
结论:
- BOA 档案为整合人工智能成像生物标志物到 FHIR 提供了一个框架.
- 为临床和研究工作流程提供身体组成和器官测量的结构化,可互操作的表示.
- 可适应其他成像模式和人工智能模型,推进精准医学和数字健康生态系统.


