RAD-ORQ; MR görüntüsünün hastaneye ulaşmasından kalite kontrolüne, uygun yapay zekâ analizinin seçilmesinden gerektiğinde görüntü hizalamaya ve sonuçların yeniden hastane sistemine aktarılmasına kadar tüm süreci ortak bir yapıda yönetmek üzere tasarlanmıştır.
RAD-ORQ, farklı MR cihazlarından ve hastane protokollerinden gelen verileri ortak bir akışta ele alır; görüntünün anatomik bölgesini ve çekim türünü belirler, kalitesini değerlendirir, hangi yapay zekâ analizlerinin uygun olduğunu saptar ve sonucu klinik sisteme geri taşır.
Farklı isimlendirmeler, eksik DICOM bilgileri, değişken görüntü kalitesi, parçalı AI çözümleri ve farklı sonuç biçimleri birlikte değerlendirildiğinde çok katmanlı bir entegrasyon ve karar problemi ortaya çıkıyor.
Aynı veya benzer MR çekimleri farklı cihazlarda ve kurumlarda farklı adlarla kaydedilebilir.
Çekimle birlikte gelen bazı alanlar boş, hatalı veya yerel alışkanlıklardan etkilenmiş olabilir.
Her yapay zekâ modeli farklı anatomi, çekim türü ve kalite koşulları isteyebilir.
Hareket, görüntü bozulmaları, çözünürlük ve eksik kapsama AI performansını etkiler.
Beyin, inme, prostat veya kalp çözümleri ayrı entegrasyon ve ayrı işletim yükü doğurabilir.
Farklı seri veya zaman noktaları hasta/organ hareketi nedeniyle tam olarak aynı yeri göstermeyebilir.
Klinik kullanım ile araştırma amacıyla veri hazırlama aynı kurallara sahip değildir.
AI sonucu ayrı bir ekranda kalırsa klinik kullanımı zorlaşır.
RAD-ORQ, her klinik yapay zekâ modelini yeniden geliştirmek zorunda olan kapalı bir sistem olarak değil; kurumda hâlihazırda çalışan ticari yazılımları, proje içinde geliştirilen modelleri, akademik çözümleri ve yeni yerli girişimleri ortak bir iş akışına bağlayabilen genişleyebilir bir platform olarak tasarlanır.
Hastanede zaten çalışan bir çözüm varsa, uygun görüntü o yazılıma otomatik yönlendirilebilir ve sonuç ortak sisteme alınabilir.
Üniversite, araştırma grubu veya girişim tarafından geliştirilen model standart bir entegrasyon profiliyle sisteme eklenebilir.
Farklı çözümler için ayrı kullanıcı deneyimi ve bağlantı mantığı yerine ortak yönlendirme, kayıt ve sonuç yönetimi hedeflenir.
Seri adı tek başına yeterli kabul edilmez; DICOM bilgileri, MR çekim özellikleri, anatomi ve gerektiğinde görüntü içeriği birlikte değerlendirilir.
“Görüntü iyi mi?” yerine “Bu görüntü şu analiz için yeterli mi?” sorusuna yanıt üretilir.
Platform, tanımlı giriş-çıkış koşullarına sahip farklı AI yazılımlarını aynı akışta yönetebilir.
Kurumda çalışan çözümü değiştirmek yerine, doğru görüntünün o yazılıma yönlendirilmesi ve sonucun geri alınması hedeflenir.
Birden fazla seri veya zaman fazı birlikte analiz edilecekse hizalama yalnız ihtiyaç varsa devreye girer.
Yeterli kanıt yoksa zorla karar verilmek yerine manuel inceleme yolu desteklenir.
Farklı AI çözümlerinden gelen ölçüm, işaretleme ve bölütleme sonuçları hastane iş akışına geri taşınabilir.
Kararın hangi veri, kural veya model sürümüne dayandığı sonradan takip edilebilir.
Doğru serilere daha hızlı erişim, uygun AI analizlerinin otomatik devreye alınması ve sonuçların mevcut görüntüleme ortamında görünmesi.
Çekim veya seri sorunlarının daha erken fark edilmesi ve tekrar eden manuel kontrollerin azaltılması.
Birden fazla AI ürününü ayrı ayrı yönetmek yerine ortak entegrasyon, güvenlik, kayıt ve izleme noktası.
Yeni yapay zekâ çözümlerinin daha kontrollü devreye alınması, kaynak kullanımının izlenmesi ve ölçeklenebilirlik.
Geliştirilen modelleri gerçek hastane akışına daha kolay uyarlama, veri hazırlama ve doğrulama altyapısı.
Her hastane için entegrasyonu sıfırdan kurmak yerine tanımlı bir model/yazılım bağlantı profili üzerinden sisteme dahil olabilme.
Aşağıdaki adımlara tıklayarak her bileşenin sistem içindeki görevini görebilirsiniz.
Sisteme dahil edilen her yapay zekâ çözümü için hangi görüntüyü istediği, hangi kalite koşullarını kabul ettiği, nerede çalıştığı ve sonucunu nasıl döndürdüğü tanımlanır.
Model platformun kendi çalışma ortamında yürütülür. GPU ve işlem kaynakları merkezi olarak planlanır; model sürümü, giriş gereksinimi ve sonuç yapısı kayıt altındadır.
RAD-ORQ uygun görüntüyü mevcut yazılıma yönlendirir, işlemin durumunu izler ve sonucu ortak iş akışına geri alır. Böylece çalışan çözümü değiştirmeden merkezi yönlendirme yapılabilir.
Standart bir çalışma paketi ve giriş-çıkış tanımıyla sisteme eklenebilir. Bu yapı, akademik modellerin hastane ortamına geçişini ve çok merkezli doğrulamayı kolaylaştırmayı hedefler.
Kurumun veri güvenliği ve hukuki şartları uygun olduğunda harici analiz servisiyle izlenebilir, sınırları tanımlı ve denetlenebilir bir bağlantı kurulabilir.
Modelin hangi anatomik bölgeyle çalıştığı.
T1, FLAIR, DWI, ADC gibi hangi seri veya seri grubuna ihtiyaç duyduğu.
Hareket, kapsama ve çözünürlük gibi kabul sınırları.
Birden fazla görüntü varsa aynı anatomik uzaya getirilmesinin gerekip gerekmediği.
Bu yaklaşım, sistemin farklı bölümlerinde tekrar eden kod ve kural oluşmasını azaltır; yeni bir model veya hastane entegrasyonu eklendiğinde değişikliklerin daha kontrollü yapılmasını sağlar.
DICOM alanlarını ve gelişmiş MR dosyalarındaki gerekli bilgileri tek noktadan okur; klinik yorum yapmaz.
Piksel verisine ve görüntü dilimlerine kontrollü ve ortak erişim sağlar.
Araştırma ve dışa aktarım senaryolarında kişisel alanların nasıl işleneceğini yönetir.
Farklı üretici ve kurum terimlerini ortak anatomi ve MR çekim adlarıyla eşleştirir.
Kalite, yönlendirme ve model kabul koşullarını sürümlü biçimde tutar.
Bir sonucun hangi veri, kural veya model sürümüne dayandığını kaydeder.
Kim, ne zaman, hangi veriye erişti; hangi model çalıştı; hangi hata oluştu gibi olayları tutar.
Radyolog, teknisyen, yönetici, araştırmacı ve servis hesaplarının yetkilerini ayırır.
Belirsiz veya başarısız durumların uzman tarafından incelenmesini ve gerekirse düzeltilmesini sağlar.
MR görüntüsü hastane sisteminden alınır ve teknik olarak kontrol edilir.
Anatomik bölge ve MR çekim türü belirlenir.
Hareket, kapsama, çözünürlük ve diğer kalite koşulları değerlendirilir.
Uygun AI modeli veya mevcut yazılım seçilir; gerekirse görüntüler hizalanır.
AI sonucu ortaklaştırılır ve hastane sistemine geri gönderilir.
FLAIR serisi beyaz cevher lezyon analizi için, DWI + ADC serileri inme analizi için, yüksek çözünürlüklü 3D T1 serisi ise hacim analizi için uygun bulunabilir. Bu analizlerin her biri farklı bir dahili model veya hastanede mevcut farklı bir yazılım tarafından gerçekleştirilebilir.
Klinik kullanım, araştırma ve dışa aktarım için farklı veri işleme politikaları tanımlanır.
Gerektiğinde kimlik alanları kaldırılır veya kontrollü bir kodla değiştirilir; eşleştirme ayrı korumalı alanda tutulabilir.
Kullanıcıların yalnız ihtiyaç duydukları verilere ve işlevlere erişmesi hedeflenir.
Verinin ağ üzerinden taşınırken ve depolanırken korunması tasarımın parçasıdır.
Kritik erişimler ve işlemler kayıt altına alınır; geriye dönük izlenebilirlik sağlanır.
Saklama süresi, arşivleme ve güvenli silme politikaları kurum gereksinimlerine göre tanımlanır.
MR, BT ve diğer tıbbi görüntülerin saklandığı ve hekimlerin eriştiği görüntü arşivleme ve iletişim sistemidir. RAD-ORQ görüntüleri buradan alabilir ve sonuçları buraya geri gönderebilir.
Radyoloji iş akışı, randevu ve raporlama bilgilerinin yönetildiği sistemdir. Gerekli senaryolarda tetkik bağlamı ve süreç entegrasyonu için kullanılabilir.
Tıbbi görüntülerin ve ilişkili bilgilerin standart biçimde saklanmasını ve aktarılmasını sağlar. Uygun altyapılarda web tabanlı DICOM servisleri de kullanılabilir.
Hasta, tetkik, rapor ve klinik süreç bilgilerinin sistemler arasında taşınmasında kullanılan sağlık bilişimi standartlarıdır.
Aynı anda çok sayıda tetkik geldiğinde kontrollü kuyruk yönetimi; acil veya zaman kritik analizlerde kurum tanımlı öncelik.
İşlem gücü ve bellek modeller arasında paylaşılır; kullanılmayan modeller gereksiz kaynak tüketmez.
Bir model veya entegrasyon başarısız olduğunda diğer işlemlerin mümkün olduğunca etkilenmemesi hedeflenir.
Geçici ağ veya servis hatalarında kontrollü tekrar deneme ve işin kaldığı yerden devam edebilmesi.
Hastane, kurum veya veri merkezi sayısı arttığında mimarinin büyüyebilmesi.
İşlem süresi, kuyruk uzunluğu, hata oranı ve kaynak kullanımının sürekli izlenmesi.
Uçtan uca sistem; görüntüyü doğru anlama, kaliteyi doğru değerlendirme, doğru modele yönlendirme, görüntü hizalama, işlem süresi ve entegrasyon güvenilirliği açısından ayrı ayrı ölçülmelidir.
Tek bir alana bağımlı karar verilmez; birden fazla bilgi kaynağı ve gerektiğinde görüntü doğrulaması kullanılır.
Bilinmeyen veri zorla mevcut sınıfa atanmaz; manuel inceleme ve sözlük/model güncelleme süreci devreye alınır.
Analiz öncesi kalite ve kapsama kontrolü yapılır; uygun olmayan veri ilgili modele gönderilmez.
Her model için sürümlü giriş gereksinimi profili kullanılır ve yönlendirme kararı kayıt altına alınır.
Rigid, affine ve gerektiğinde deformasyonlu hizalama kontrollü kullanılır; nihai kalite kontrolü başarısızsa manuel inceleme yolu açılır.
Bağlantı sağlık kontrolü, zaman aşımı, tekrar deneme ve model bazlı hata yalıtımı uygulanır.
Kuyruk, önceliklendirme, model yükleme/boşaltma ve kapasite izleme mekanizmaları kullanılır.
Yetki ayrımı, güvenli veri aktarımı, denetim kaydı, kimliksizleştirme ve kurum güvenlik politikalarıyla uyum esas alınır.
DICOM kabulü, veri bütünlüğü, ortak DICOM bilgi okuma servisi, güvenlik temeli, veri modeli ve ilk entegrasyon altyapısı.
Anatomi belirleme, MR çekim türü tanıma, farklı üretici adlarının ortaklaştırılması, kalite güvence ve manuel inceleme akışları.
AI model kataloğu, uygunluk profili, dahili/harici adaptörler, kuyruk, öncelik ve GPU kaynak yönetimi.
Rigid, affine ve gerektiğinde deformasyonlu hizalama; dinamik zaman fazları ve çoklu seri senaryoları; kalite kontrolü.
DICOM sonuç dönüştürme, PACS/RIS geri besleme, kullanıcı arayüzleri, çok merkezli pilot ve teknik/klinik doğrulama.
Dokümantasyon, kalite yönetimi, siber güvenlik doğrulamaları, tıbbi cihaz mevzuatı değerlendirmesi, ölçekleme ve ticarileştirme hazırlıkları.
Farklı cihaz ve protokollerden gelen görüntüleri ortak biçimde anlayabilen yapı.
Görüntünün belirli bir analiz için yeterli olup olmadığını değerlendiren kalite güvence mekanizması.
Hangi görüntünün hangi AI modeli veya yazılımı için uygun olduğunu belirleyen karar katmanı.
Kurumda hâlihazırda çalışan AI yazılımlarını ortak iş akışına bağlayabilme.
Yeni modellerin daha düşük entegrasyon maliyetiyle hastane ortamına alınabilmesi.
AI sonuçlarını hastane görüntüleme ve raporlama sistemlerine geri taşıyan ortak sonuç katmanı.