Full-Scale Indexing and Semantic Annotation of CT Imaging: Boosting FAIRness

要約

背景: 人工知能の医療への統合により、特に診断と治療計画において大きな進歩が見られました。
ただし、AI モデルの信頼性はトレーニング データの品質に大きく依存します。特に医療画像処理では、患者データの変化と医療知識の進化により、特定のデータセットの精度と一般化が困難になります。
結果: 提案されたアプローチは、臨床コンピューター断層撮影 (CT) 画像シリーズの統合と強化に焦点を当て、検索しやすさ、アクセシビリティ、相互運用性、および再利用性を向上させます。
自動インデックス作成プロセスを通じて、セグメンテーションとその結果として得られる SNOMED CT アノテーション用の TotalSegmentator フレームワークを使用して、CT 画像シリーズが意味的に強化されます。
メタデータは HL7 FHIR リソースで標準化されており、研究プロジェクト間の効率的なデータ認識とデータ交換が可能になります。
結論: この研究は、UKSH MeDIC 内に堅牢なプロセスを統合することに成功し、230,000 を超える CT 画像シリーズと 800 万を超える SNOMED CT アノテーションのセマンティック強化につながりました。
HL7 FHIR リソースを使用した標準化された表現により、発見可能性が向上し、相互運用性が促進され、医療画像データの公平性の基盤が提供されます。
しかし、高度な医療 AI アプリケーション向けの医療画像の大規模な統合とインデックス付けを確実に継続的に進めるためには、臨床データセットの増加に対応できる自動アノテーション手法の開発が依然として課題となっています。

要約(オリジナル)

Background: The integration of artificial intelligence into medicine has led to significant advances, particularly in diagnostics and treatment planning. However, the reliability of AI models is highly dependent on the quality of the training data, especially in medical imaging, where varying patient data and evolving medical knowledge pose a challenge to the accuracy and generalizability of given datasets. Results: The proposed approach focuses on the integration and enhancement of clinical computed tomography (CT) image series for better findability, accessibility, interoperability, and reusability. Through an automated indexing process, CT image series are semantically enhanced using the TotalSegmentator framework for segmentation and resulting SNOMED CT annotations. The metadata is standardized with HL7 FHIR resources to enable efficient data recognition and data exchange between research projects. Conclusions: The study successfully integrates a robust process within the UKSH MeDIC, leading to the semantic enrichment of over 230,000 CT image series and over 8 million SNOMED CT annotations. The standardized representation using HL7 FHIR resources improves discoverability and facilitates interoperability, providing a foundation for the FAIRness of medical imaging data. However, developing automated annotation methods that can keep pace with growing clinical datasets remains a challenge to ensure continued progress in large-scale integration and indexing of medical imaging for advanced healthcare AI applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google