Sistema Cloud de gestión de imagen médica

1
317

Resumen

Uno de los principales retos de la gestión de la imagen médica digital es la gestión de los servicios alrededor de la información. Para ello, los modelos cloud de gestión TIC dan una serie de servicios que permite tener un sistema centralizado de la gestión de la información disponiendo por otro lado de una gestión de servicios distribuida. Prácticamente todas las tecnologías e-Health (telemedicina) en sus diferentes modalidades de teleconsulta, telediagnóstico, teleasistencia, telecirugía, etc, han de apoyarse en la imagen digital, con lo que su gestión es crítica y cada vez más exigente con los medios tecnológicos de los centros asistenciales, servidores, redes de comunicación, sistema de almacenamiento han de aumentar sus especificaciones para satisfacer la demanda de una sanidad cada vez más compleja y que demanda más datos y más accesos. Pero guardar y ofrecer imagen no es suficiente, podemos dar un salto cualitativo a nivel asistencial al poder ofrecer el procesamiento de esta imagen a estudios, scores y sistemas automatizados de alerta temprana. Potentes programas de inteligencia artificial solo necesitan alcanzar una masa crítica de datos para poder convertirlos en conocimiento.

Carlos Gallego

Responsable Sistema Imagen Médica Digital de Catalunya. Departament de Salut. Generalitat de Catalunya.

Carlos Gallego es Responsable Sistema Imagen Médica Digital de Catalunya (Departament de Salut. Generalitat de Catalunya). Informático, con más de 20 años de experiencia en el sector de las TIC y salud, actualmente dirige el sistema de imagen médica digital  de Catalunya del departament de salut de la generalitat  y es responsable del área de interoperabilidad de la coordinación general de las TIC del departament de Salut de la generalitat de Catalunya.  Es también responsable de servicios de HL7 Spain, miembro de la Junta Directiva de IHE España,  miembro de la Junta Directiva de HL7 Spain, asesor en el Comité Técnico, ISO-AENOR CTN 139, miembro de la Junta Directiva de SEIS (Sociedad Española de Informática de la Salud). Ha dirigido proyectos transversales de salud como la historia clínica compartida de Catalunya, la plataforma de interoperabilidad IS3 y el portal del ciudadano LMS. También ha dirigido la Oficina de Estándares e interoperabilidad de la Fundación TicSalut , ha participado en proyectos como EPSOS y ha sido Presidente y Director Técnico de HL7 Spain.

Salvador Torrijo

Healthcare Project Manager Sistema Imagen Médica de Catalunya. Departament de Salut Generalitat de Catalunya.

Salvador Torrijo es Ingeniero informático de sistemas dedicado a proyectos del Departamento de Salud adscritos al Sistema de Imagen de Catalunya, con amplia experiencia en la gestión de soluciones TIC hospitalarias, gestionando aplicativos de gestión de servicios principalmente del área del corazón, participando en estudios de ámbito nacional de cálculo de scores de riesgo y de viabilidad de dispositivos, estadísticas de mejora de servicio y satisfacción del paciente. Dentro del sector privado ha realizado implantaciones de sistemas HIS con gran integración en los sistemas sanitarios nacionales. A nivel internacional, responsable durante 10 años de la adecuación de nueva tecnología sanitaria al modelo español (dispensación automática, telemedicina robótica, intervencionismo mínimamente invasivo remoto, dispensaciones oncológicas no asistidas).

1. El Cloud como gestión de información clínica

La gestión de la información ha pasado a la nube [4]. Es la evolución del concepto de utilización de los recursos informáticos a través de una red de ordenadores que lleva existiendo desde la viabilidad de internet como estructura de conexión. Con este nuevo modelo pierde peso la estructura física en los nodos de trabajo locales, que ya no son responsables de subministrar los recursos necesarios para nuestro negocio, solo de ofrecer el conocimiento. Los recursos demandados serán tanto redes, servidores, almacenamiento como aplicaciones y servicios, y con una rápida disponibilidad tanto en su aprovisionamiento como en su liberación, facilitando al usuario auto regular su potencia y por descontado, su consumo. Cloud computing es entender la tecnología como un catálogo de servicios que cubrirán nuestras necesidades de negocio, pero la definición intrínseca de servicio como medio de añadir valor a las operaciones de nuestros clientes nos obliga a ofrecer no solo un cambio si no un salto adelante en el manejo de recursos y en la retorno de beneficios.

La computación en la nube se basa en una tecnología dinámica de utilización /coste, pero para complementar las tres B, (bueno, bonito y barato) hemos de ofrecer un modelo de servicio con un claro compromiso en la calidad, que integre mecanismos transversales entre todos los elementos, un modelo ITIL.

Nuestra administración contemplará los siguientes procesos [2]:

  • Evaluación: Valoración de los servicios ofrecidos, revisando las necesidades de los clientes y con gran interacción con su output. Nuestras herramientas han de ser las ofrecidas por nuestra tecnología: chats, faq, herramientas de machine learning aplicadas al uso. Implica una exploración continua de los proveedores tecnológicos de nuevos desarrollos y cómo no, los servicios ofrecidos por otras plataformas.
  • Definición: El paso anterior nos permitirá detectar nuevas herramientas que ofrecer en nuestra cartera o mejorar las actuales. Integraremos dentro de nuestra estructura de desarrollo de componentes la planificación de estos nuevos valores añadidos.
  • Actualización: Modificar nuestra oferta de servicios de modo que refleje los conocimientos adquiridos en las etapas anteriores.
  • Planificación: Definir, iniciar y controlar los programas y mecanismos requeridos para implantar nuestra estrategia de administración.

Integrar en nuestro modelo de servicio todo el mecanismo, de forma que sea transparente al cliente pero cuantificable su impacto, es el gran desafío de la nueva administración de servicios cloud.

Estos son los principios sobre los que se desarrolla el Sistema de Imagen Digital de Catalunya (SIMDCAT), proyecto generado por el nuevo del Plan Director para la Imagen médica del Departamento de Salud.

La imagen médica digital es una prestación transversal que alcanza a todos los ámbitos de la salud, desde la prevención y la atención sanitaria, hasta la investigación o la innovación, y su uso adecuado y compartido supone una mayor seguridad para los pacientes y una mejora para los profesionales y para el conjunto del sistema sanitario.

Integrar en nuestro modelo de servicio todo el mecanismo, de forma que sea transparente al cliente pero cuantificable su impacto, es el gran desafío de la nueva administración de servicios cloud.

La organización fundamental de la imagen digital es el PACS [4], sistema computarizado que archiva digitalmente las imágenes, o más correctamente los estudios generados por servicios como medicina nuclear, tomografía computada, ecografía computada, etc. y permite su transmisión a estaciones de visualización propias del centro generador o a través de una red global.

Actualmente cada centro guarda sus imágenes en PACS propios y diferenciados. La propuesta del Departamento de Salud es implantar un PACS único en la nube, que almacene toda la información contenida en los actuales PACS locales de cada proveedor y ofrecer una cartera de servicios que aproveche el potencial que ofrece el modelo ITIL.

En definitiva el Sistema de imagen médica de Catalunya supone un cambio de paradigma en el uso de ésta, centrada en la prestación de servicios y no sólo en la consulta para facilitar el desarrollo de nuevas funcionalidades, dirigidas a dar respuesta a los nuevos retos clínicos, de formación y de investigación, a partir de la información disponible y de la potencialidad que ofrecen las nuevas tecnologías y con una gestión centralizada y liderada por el Departamento de Salud, respetando la autonomía de cada proveedor.

Tecnológicamente SIMDCAT se basa en el aplicativo RAIM Cloud, última iteración del software de gestión de imagen de Centro de Imagen digital del Hospital Universitario Parc Taulí Sabadell.

RAIM Cloud utiliza una arquitectura cliente/servidor lo que permite tener claramente diferenciados los consumidores de los proveedores del servicio, posibilitando el uso de diferentes patrones de diseño y gestión.

La parte cliente sólo es necesaria para los proveedores de imágenes y consiste en el proceso Cloud Sync. Es la pasarela entre el PACS local y el componente servidor en la nube, sincronizando la información generada localmente con la guardada en la nube, gestionando el acceso desde el entorno local a toda la información en el Cloud, tratando la imagen local como una caché. La solución no es propietaria, es decir, puede trabajar con versiones de PACS no propias o incluso sin PACS local.

La parte servidor o RAIM Cloud Platform incluye el resto de módulos.

Figura 1. Arquitectura Raim Cloud.

RAIM Cloud Core: componente que realiza la mayor parte de las funcionalidades, entre ellas todas las espeadadas de un PACS, está diseñado pensando en la modularidad con lo que se despliega en n Nodos con sistema de balanceado activo-activo, basando su actividad en el modelo de dato Patient-Study-Series.

RAIM Cloud Store Node: n nodos que almacenarán objetos médicos de todos los proveedores integrados en la solución.

RAIM Viewer: visor integrado de objetos médicos, junto con su elemento caché que permite la elección de tener PACS local o no. El aplicativo permite el uso de cualquier visor que cumpla el estándar DICOM.

Este tipo de arquitectura y el propio “peso” de la imagen médica generan una carga sensible sobre los servidores web. Está contemplando la utilización de una infraestructura de dos CPDs de alto rendimiento y una distribución eficiente del flujo de datos con técnicas de balanceo de carga, que ira repartiendo las solicitudes de datos entre los diferentes CPDs en caso de incidencias o carga de trabajo.

Gestión de servicios

La gestión de la cartera de servicios está vertebrada en la segmentación del almacenaje de objetos médicos, de forma transparente al formato local del proveedor, que puede utilizar nuestro PACS, el de terceros o directamente consumir datos, y los servicios que SIMDCAT administrará, ofreciendo diferentes perfiles de forma totalmente transversal, y habilitando una plataforma compatible para cualquier servicio de terceros mediante la utilización de APIS de conexión.

Figura 2. Actores y distribución de servicios.

Cada actor de la solución tiene definido un perfil de servicio redactando su ámbito de responsabilidad y conexión con el resto de elementos, conformando entre todos el circuito de actualización/definición/actualización/planificación (figura 2).

El proveedor local será responsable del mantenimiento de la infraestructura propia, la gestión (si es el modelo elegido) del PACS local y de canalizar todas incidencias en un único CAU dotado de la formación necesaria para realizar un escalaje correcto.

Sobre el proveedor de comunicaciones recae la correcta conexión entre el elemento local y RAIM Cloud. De la misma forma, las infraestructuras físicas (CPDs, NAS, backups) son competencia de su suministrador, entre ellos elementos de compartición de información, retroalimentación (faqs, equipos mixtos, auditorías, sondas de rendimiento) aseguran la idoneidad de los recursos tecnológicos a la situación actual (picos de carga, contingencias.)

SIMDCAT se responsabiliza de la sincronización de todos los actores y procesos de gestión del cambio, de la adecuación de la capacidad, coordinación en los procesos de incorporación de nuevos centros, y de la gestión de la plataforma de conexión para servicios de terceros, basada en APIS y servicios web de transformación de datos.

3. Aplicaciones prácticas

3.1 Tomosíntesis digital

Uno de los primeros usos prácticos de este sistema de gestión será potenciar el uso de la tomosíntesis en oncología mamaria. Actualmente la mamografía es la herramienta más importante que tienen los médicos, no solamente para detectar el cáncer de mama sino también para diagnosticar, evaluar y llevar un seguimiento de las personas que han sufrido esta enfermedad. La mamografía es una fotografía radiográfica de la mama, y es un estudio seguro y bastante preciso Las mamografías son un buen sistema de diagnóstico, pero presentan ciertas limitaciones importantes (compresión de la mama, poca resolución). La tomosíntesis digital es un nuevo tipo de análisis que intenta superar estos obstáculos. Lo que se hace es tomar varias radiografías de cada mama desde diferentes ángulos. La mama se sitúa de la misma forma que en una mamografía convencional, pero solamente se le aplica un poco de presión, bastante como para mantenerla firme durante el procedimiento. El tubo de rayos X se desplaza a través de un arco alrededor de la mama y obtiene 11 imágenes en un lapso de 7 segundos. Después, la información se envía a una computadora, donde se reconstruye para generar imágenes tridimensionales de alta definición de toda la mama, es la diferencia entre registrar un círculo a una pelota. Los resultados preliminares de la tomosíntesis digital son prometedores, los investigadores consideran que esta nueva técnica de diagnóstico por imágenes facilitará la detección del cáncer de mama en tejidos mamarios densos y hará que la revisión mamaria sea más cómoda. En los estudios en los que se comparó la validez o precisión de la mamografía digital, el rendimiento global es significativamente mejor con tomosíntesis y mamografía combinadas que con la mamografía sola.

Pero el uso combinado de ambas técnicas fuerza a los sistemas de imágenes (PACS) a tratar con especificaciones que superan sus posibilidades:

  • 2.7 Gb por estudio (mama 2D + mama 3D).
  • Adecuar las estaciones de trabajo tanto al formato mamografía (muchas imágenes de poco tamaño), como al formato tomosíntesis (pocas imágenes pero de gran tamaño).
  • Acceso de forma recurrente al histórico de exploraciones del paciente, muchas veces realizadas en diferente centros de diagnóstico.

Los resultados preliminares de la tomosíntesis digital son prometedores, los investigadores consideran que esta nueva técnica de diagnóstico por imágenes facilitará la detección del cáncer de mama […]

El modelo en la nube permite a Raim Viewer trabajar bajo estas necesidades y añadir otras funcionales como:

  • Interpretación de KINS para optimizar las descargas. Permite la descarga parcial de las imágenes del estudio para optimizar el rendimiento.
  • Detección de la velocidad de la red para determinar el mejor mecanismo de descarga de los objetos. Se diferencia el acceso WADO, compresión propietaria y Streaming.
  • Acceso WADO para la descarga de los objetos almacenados en un PAC, permitiendo las compresiones estándar de imagen basadas en el estándar JPEG.
  • Capacidad de descargar objetos en una compresión propietaria desarrollada por CIMD que ofrece calidad sin pérdidas y un ratio de compresión 1:2.
  • Es posible disponer de una base de datos de estudios locales que hayan sido descargados de un servidor o importados de un directorio o CD.

3.2 Estudio digital del ICTUS, ASPECTS

ASPECTS, acrónimo de sistema de puntuación para el programa de alerta temprana de  ICTUS, valora 10 variables obtenidas durante una exploración de tomografía computerizada (CT) topográfica cuantitativa. ASPECTS fue desarrollado para ofrecer la fiabilidad y utilidad de un examen estándar CT con un sistema de clasificación reproducible para evaluar los cambios isquémicos precoz en los estudios de TC de pretratamiento en pacientes con accidente cerebrovascular isquémico agudo de la circulación anterior [1]. Actualmente este score lo genera el especialista mediante las imágenes generadas y añadiéndolo posteriormente como dato al historial del paciente.

Una vez el sistema sea confirmado como confiable podrá ofrecer a sus usuarios un procesamiento mecanizado del estudio con alertas de posible riesgo de ICTUS a pie de consulta

Actualmente se está trabajando en un sistema IA que pueda generarlo automáticamente sin intervención del profesional, dicho sistema necesita el procesamiento de millones de estudios anonimizados para poder “aprender” qué debe evaluar en cada imagen.

Raim Cloud subministrará la capacidad de recoger de múltiples fuentes, estudios y sus informes, desvincularlos de los datos identificativos y de las herramientas de proceso que permitan añadir inteligencia a la exploración. Una vez el sistema sea confirmado como confiable podrá ofrecer a sus usuarios un procesamiento mecanizado del estudio con alertas de posible riesgo de ICTUS a pie de consulta.

Referencias

[1] A. Micheau. “ASPECTS Score in acute stroke”. IMAIOS. <https://www.imaios.com/en/e-Cases/Channels/Radiology/Radiological-classifications-commonly-used-in-medical-imaging/ASPECTS-Score-in-acute-stroke>. Último acceso: 8 de febrero de 2018.

[2] Wiki. “ITIL Gestion del Portafolio de Servicios”. <https://wiki.es.it-processmaps.com/index.php/ITIL_Gestion_del_Portafolio_de_Servicios>. Último acceso: 8 de febrero de 2018.

[3] Wikipedia. “Computación en la nube”. <https://es.wikipedia.org/wiki/Computaci%C3%B3n_en_la_nube>. Último acceso: 8 febrero de 2018.

 [4] Wikipedia. “Picture Archiving and communication System”. <https://es.wikipedia.org/wiki/Picture_Archiving_and_Communication_System>. Último acceso: 8 de febrero de 2018.