EPI-CT Datainnsamling fra RIS og PACS

Transkript

1 EPI-CT Datainnsamling fra RIS og PACS Novembermøtet 2012 Gardermoen Tore Sivert Istad, W. Ali, E.G. Friberg, K. Kjærheim, H.M. Olerud, J. Turner

2 Introduksjon

3 Metode i EPI-CT-studien Samle individuelle data om CT-undersøkelser fra sykehusenes RIS og PACS Nøyaktige individuelle organdose-beregninger basert på lagrede scan-parametre fra DICOM-header i PACS (kv, ma, pitch, FOV osv.) Automatisk gjenkjenning av hvilke organer som ble scannet fra CT-bildene gir mer nøyaktig estimat av organdoser i og utenfor volum Doseberegninger med state-of-the-art Monte Carlo-simuleringer på mer enn 100 hybride matematiske kroppslike fantomer (hybdride splines-fantomer) Følge pasientene over tid, samle data om kreftforekomst, dødelighet, confounders (feks. sosioøkonomiske faktorer)

4 REK-godkjenning ( ) «Komiteen mener studien søker å belyse et viktig medisinsk og samfunnsmessig spørsmål, som til nå har vært gjenstand for lite forskning» «REK har besluttet å gi dispensasjon fra taushetsplikt. Helseopplysninger kan gis fra helsepersonell uten hinder av taushetsplikt (jf. helseforskningslovens 35)» «REK er enige i at det ikke trengs å innhente samtykke» «REK finner etter en samlet vurdering å kunne godkjenne de ovennevnte registerkoblingene, og sammenstilling av forskningsfilen (jf helseforskningsloven 33)»

5 Datainnsamlingen skjer i to steg 1. Datainnsamling fra RIS 2. Datainnsamling fra PACS

6 Datainnsamling fra RIS Søk i RIS etter de pasientene som ønskes inkludert i studien Inklusjonskriterium: alle pasienter som har fått en CTundersøkelse mens de var i alderen 0-20 år Henter ut en rekke variable, inkludert personidentifiserende data Fra RIS-søket lages også en ren tekst-fil med pasient-ider denne brukes senere til datauthenting fra PACS

7 Datainnsamling fra PACS Fra PACS henter vi ut alle data som finnes i DICOM-header, bortsett fra identifiserende info Identifiserende info blir istedet mappet til et pasient-unikt pseudonym I tillegg konturer fra bildene for bestemmelse av hvilke organer som ble eksponert for strålefeltet Automatisert bildesegmentering og organ-gjenkjenning

8 Programvaren PerMoS

9 PerMoS Data Collector Programvare for automatisk datauthenting fra PACS Ideen bak PerMoS: bruke DICOM-standarden som basis for et generisk verktøy mot PACS Virker som en DICOM-node i sykehusets PACS-nettverk (Query/Retrieve) Utviklet av Centre de Recherche Henri Tudor, Luxembourg Java-basert Installeres på en vanlig PC som kobles til PACS-nettverket

10

11 Datasikkerhet og driftssikkerhet EPI-CT-prosjektet gir høyeste prioritet til: datasikkerhet for sykehuset konfidensialitet for pasientdata at PACS-drift og klinisk virksomhet ikke på noen måte påvirkes

12 Løsninger for sikkerhet PerMoS kjøres på innsiden av sikkert nettverk, ingen kommunikasjon ut av sykehuset IT-admin og PACS-admin har full kontroll på programvaren og på data som forlater sykehuset* Velutprøvd programvare som bruker DICOM-standarden Avidentifisering av data så tidlig som mulig Radiologisk avdeling bestemmer riktige tidspunkter med lav trafikk Radiologisk avdeling bestemmer riktig query-frekvens Testkjøring først med konservative innstillinger La PerMoS jobbe «sakte men sikkert» over tid *Eksporterte filer lesbare i vanlig tekst-editor

13 Testing og operasjonell erfaring med PerMoS Testing/pilotprosjekt på to tyske sykehus i 2010/ pasienter, 8300 undersøkelser, serier I operasjonell bruk fra 2011 på sykehus i Tyskland, Nederland, Frankrike, Spania Ingen tilfeller av at PACS-drift er blitt forstyrret

14 Erfaringer og resultater så langt i Norge

15 Respons fra norske helseforetak Vi har fått svært positiv respons fra norske helseforetak 13 av 20 norske HF har svart posititvt til deltagelse til nå Alle fire RHF representert

16 Resultater RIS datainnhenting Til nå har vi mottatt RIS-data fra: Helse Midt-Norge RHF Universitetssykehuset Nord-Norge UNN HF Stavanger Universitetssykehus HF Sørlandet sykehus HF RIS-data på gang: Ullevål Radiumhospitalet Rikshospitalet flere vil følge Utfordringer vi har møtt: «Ingen RIS er like», forskjellige felter og feltnavn, inkonsistente data, feil i import av gamle HIS-data, NORAKOkoding

17 Resultater RIS datainnhenting Norsk kohort pr. sep * RHF HF / Hospitals Unique pasients Total CT exams Time period Age range Mean age at exam Helse Midt Levanger, Namsos, Volda ,5 Helse Nord UNN HF / Harstad, Tromsø, Narvik Helse Sør-Øst Sørlandet sykehus HF / Kristiansand, Arendal, Flekkefj ,6 Helse Vest Stavanger Universitetssykeh. HF ,7 Total *) Kohort under oppbygging

18 Antall pasienter Eksempel på ekstraherte RIS-data Aldersdistribusjon norsk kohort pr. sep * Alder ved første CT-undersøkelse *) Kohort under oppbygging, første 4 HF: Nord-Trøndelag, UNN, SUS, SSHF

19 Antall undersøkelser Eksempel på ekstraherte RIS-data Fordeling av undersøkelser norsk kohort pr. sep * *) Kohort under oppbygging, første 4 HF: Nord-Trøndelag, UNN, SUS, SSHF, pasientens første undersøkelse

20 Erfaringer PACS datainnhenting Første installasjon av PerMoS er under testkjøring i Helse Midt-Norge Til selve installasjonen og oppstart medgått ca. 5 arbeidstimer fra medhjelpere på sykehuset Testkjøring med konservativ Query/Retrieve-frekvens CT-undersøkelser overføres vellykket fra PACS Sakte men sikker strøm av data Ingen merkbar påvirkning på PACS-drift eller nettverksytelse Kun noen uker med testkjøring foreløpig

21 Spin-off for radiologisk avdeling

22 What s in it for radiologisk avdeling? Tilgang til ny programvare med brukerstøtte Tilgang til state-of-the-art individuelle CT-doseberegninger med vesentlig bedre nøyaktighet enn eksisterende programvare Tilgang til lokalt / regionalt datamateriale for egne studier Et verktøy for dosemonitorering / optimalisering Nye retningslinjer for optimalisering i pediatrisk CT

23 Den norske prosjektgruppen Warsame Ali 1 Eva Godske Friberg 2 Tore Sivert Istad 2 Kristina Kjærheim 1 Astrid Liland 2 Hilde Merete Olerud 2 Benthe Toft 3 Jonathan Turner 2 Tore Tynes 4 Tamara Zhanussova 2 1. Kreftregisteret 2. Statens strålevern 3. Høgskolen i Gjøvik 4. Statens arbeidsmiljøinsititutt

24 WP3/WP4 Data collection & Dosimetry working groups I. Thierry-Chef 1, C. Lee 2, A. Jahnen 3, J. Dabin 4, E.G. Friberg 5, J. Hermen 3, T.S. Istad 5, L. Krille 6, C. Maccia 7, A. Nordenskjöld 8, H. Olerud 5, J.-L. Rehel 9, L. Struelens 4 and A. Kesminiene 1 1. International Agency for Research on Cancer, France 2. Division of Cancer Epidemiology and Genetics, National Cancer Institute, National Institutes of Health, US 3. Centre de Recherche Public Henri Tudor, Luxembourg 4. Studiecentrum voor Kernenergie Centre d Etude de l Energie Nucléaire, Belgium 5. Norwegian Radiation Protection Authority, Norway 6. Universitätsmedizin derjohannes Gutenberg-Universität, Germany 7. Centre d Assurance de qualité des Applications Technologiques dans le domaine de la Santé, France 8. Karolinska Institutet Karolinska Univeristy Hospital, Stockholm, Sweden 9. Institut de Radioprotection et Sûreté Nucléaire, France

25 En spesiell takk til Mari Gårseth, Helse Nord-Trøndelag HF Bjørn Kothe Næss, Helse Nord-Trøndelag HF Steinar Tveiten, Sørlandet sykehus HF... og medhjelpere på SUS, UNN, OUS

26 Konklusjon

27 Konklusjon CT er et uvurderlig diagnostisk verktøy, men kunnskapen om risikoen fra strålingseksponeringen ved CT er mangelfull EPI-CT-prosjektet vil gi et nytt datasett med en nøyaktighet i doseestimater og en kohort-størrelse som langt overgår tidligere studier EPI-CT vil kunne gi bedre kunnskap om sammenhengen mellom CT-undersøkelser og kreftrisiko Viktig for at CT skal kunne brukes videre på en berettiget og optimalisert måte Vi er godt igang med RIS-datainnsamling i den norske delen av prosjektet PACS-datainnsamling i startgropen