背景 Investigation of Misfiled Cases in the PACS Environment and a Solution to Prevent Filing Errors for Chest Radiographs B06R101F 風間 清子 ミスファイル 主な原因 human error IDの入力ミス（これは危険） 名前の入力ミス ミスファイルの頻度は多くないが しかし，間違った画像の読影は 深刻な医療事故につながる • 病院で大量のデジタル画像が発生しているため PACSはますます重要となる • 患者情報は，正しくPACSに保存されるはずが 入力ミスなどにより，間違った患者情報が 保存されることがある→ミスファイル • HL7とDICOMの採用によりミスファイルを 保存する頻度を少なくすることができる • しかし，human errorを全て無くすことはできない ミスファイルを防ぐには？ ひとつの提案として • 画像がPACSに転送されたらすぐに ミスファイルを発見する • 放射線科のスタッフに自動的に警告する ↓ ミスファイルを防がなければ!! システムの開発が望まれる 目的 方法1 • 大阪大学病院での 各モダリティでのミスファイルの調査 • 産業医科大学病院での PA方向胸部X線写真の患者自動認識の 有用性 大阪大学病院 期間：2000年3月から2002年3月の25ヶ月間 対象：一般撮影室，CT, MRI，透視室， 血管撮影室，超音波検査，シンチグラフィ， オペ室，ただしマンモグラフィは除く これらは院内ネットワークとRISにつながっている • 各モダリティでのミスファイルの件数を集計 • 病院スタッフの報告書をもとにミスファイルの 原因を調査 1 方法2 使用機器1 大阪大学病院 RIS PC-RIS version 1.0 Teijin System Technology株式会社 HIS PC-ORDERING’97 [R1.7] MegaOak NEMR [R4.1.12.2] CR PACS NEC株式会社 Fujiフイルム株式会社 MegaOak Media Navigator version 3.0 NEC株式会社 使用機器2 産業医科大学病院（福岡） • CR 産業医科大学病院（福岡） 期間：2001年6月から2002年10月の17ヶ月間 対象：CRで撮影されたPA方向の胸部X線写真 • テンプレートマッチングに基づき 現在と過去の写真の類似度の相関値により 同一患者もしくは異なる患者（ミスファイル）を 識別する 患者自動認識のフローチャート オリジナル画像 Selection of current and previous chest radiographs from a patient’s folder 1760×1760 matrix size を bilinear interpolation法により 64×64 matrix sizeに Determine the correlation value between a current and 縮小した画像を利用 OD-F613 Fujiフイルム株式会社 Is the correlation value obtained from without edgeenhanced image smaller than a threshold value (0.85)? • Image server for temporal subtraction system Trudia a previous chest radiograph without and with edge enhancement No Yes Yes Is the correlation value obtained from without edgeenhanced image smaller than a threshold value (0.51)? Different patient Mitsubishi Space Software株式会社 No Same patient Provide a warning sign on a monitor Provide a message on a monitor Confirmation by radiologists 結果1 患者自動認識 1. 縮小した画像をエッジ強調なしで相関値を 比較する．0.85より小さい値→異なる患者 2． 0.85より大きい値のとき，Sobelフィルタによる エッジ強調ありで比較する． 相関値0.51より小さい値→異なる患者 0.51より大きい値→同一患者 3. 異なる患者→モニターに警告を表示 同一患者→モニターに同一患者と表示 4. 放射線科医により確認 Modalities Radiography 大阪大学病院 Number of Total number misfiled cases of cases in in 25 months 25 months 139(0.075%) 186,521 Radiography of emergency room 52(0.429%) 12,125 Ultrasound 50(0.669%) 7,469 29(0.89%） 32,665 Computed tomography Magnetic resonance imaging Scintigraphy 22(0.159%) 13,823 9(0.075%) 12,029 Radiography in operating rooms 9(0.485%) 1,856 Angiography 8(0.277%) 2,886 Gastrointestinal examination 5(0.081%) 6,181 Fluoroscopy 4(0.109%) 3,667 327(0.117%) 279,222 Total 2 結果2 Same patients 産業医科大学病院 結果3 Correctly recognized misfiled case No warning Warning 1,656(98.5%) 25(1.5%) 3(13.6%) 19(86.4%) 22(100%) 1,659(97.4%) 44(2.6%) 1,703(100%) 産業医科大学病院 Incorrectly recognized as the same patient for actual misfiled case Total 1,681(100%) Different patients (misfiled cases) Total • 同一患者を認識できなかった25件（1.5% 25/1,681件）の主な 原因は，手術後・胸水・肋骨骨折・横隔膜の位置の違いであった． しかし，これらは放射線科医は容易に同一患者と認識していた • 正しく，異なる患者（ミスファイル）を認識して警告できたのは 19件(86.4% 19/22件） 考察1 大阪大学病院のミスファイルの主な原因 ・患者IDおよび氏名の入力間違い 間違った手入力がミスファイルを引き起こす 特にRISに繋がってない救急・ベッドサイドで の検査のときはミスファイルが生じる 産業医科大学病院のミスファイルの原因 ・IDカードの間違った取り扱い Incorrectly recognized as different patient (false warning) 0.78 0.71 Previous: 0.93 (without edge enhancement) Current: 0.76 (with edge enhancement) Correlation value 考察2 今回行なった患者自動認識の方法は， ミスファイルを発見する完璧な方法ではなかった． しかし，異なる患者を正しく異なる患者と認識する 割合は86.4%（19/22件）と高く，患者自動認識は ミスファイルを防ぐ方法として有用性を示す． まとめ 本研究は，患者自動認識に対し 高い性能を示すが、 将来的に未知の事例を数多く使用するには さらに性能を向上させる必要がある 3
© Copyright 2024 Paperzz
