Desarrollo y validación de un modelo común de datos radiológicos (R-CDM) para la estandarización internacional de datos de imágenes médicas.
A la par del avance tecnológico de la inteligencia artificial (IA), se ha notado que los nuevos algoritmos puedes estar a la par o incluso superar las capacidades humanas en algunas tareas. En la radiología, la inteligencia artificial puede ser utilizada para clasificar las imágenes médicas y ayudar en el proceso de diagnóstico. Las Imágenes Digitales y Comunicaciones en Medicina (DICOM) es el formato específico de archivo utilizado en todo el mundo para la colección, almacenamiento y distribución de las imágenes médicas.
El principal problema para el uso de IA en los datos DICOM es la no estandarización internacional, e incluso entre instituciones de un mismo país, de los archivos. Se utilizó la base de datos del hospital universitario de Ajou para transformar el formato de los datos a un modelo internacional que permita el intercambio estandarizado de las imágenes médicas.
Métodos
Para el estudio se tomaron cerca de 2.8 millones de casos con poco más de 87 millones de imágenes médicas del hospital universitario de Ajou, se utilizaron los glosarios especializados RadLex y Nombres y Códigos de Identificadores de Observación Lógica (LOINC por sus siglas en inglés) para tomar los datos del hospital y clasificarlos de acuerdo con dos tablas diseñadas en el nuevo modelo (R-CDM).
Resultados
El uso de los glosarios permitió que el modelo fuera compatible con estándares internacionales y con la asociación radiológica de norte américa. Los algoritmos utilizados fueron capaces de clasificar y vincular del 81.51% hasta el 99.97% de los datos en las dos tablas sugeridas en el modelo. Con esto, cerca de 41.7 TB de archivos DICOM del hospital universitario de Ajou pudieron integrarse al modelo común de datos propuesto, con estándares internacionales y listo para ser consultado y compartido por todo el mundo con fines en la inteligencia artificial.
Traducido y adaptado de: ChulHyoung Park, Seng Chan You, Hokyun Jeon, Chang Won Jeong, Jin Wook Choi, & Rae Woong Park. (2022). Development and Validation of the Radiology Common Data Model (R-CDM) for the International Standardization of Medical Imaging Data. Yonsei Medical Journal, 63, S74–S83. https://doi-org.udlap.idm.oclc.org/10.3349/ymj.2022.63.S74
