大數(shù)據(jù)環(huán)境下腫瘤放療的數(shù)據(jù)解析

,,, ,

放射治療是當(dāng)今醫(yī)學(xué)界治療惡性腫瘤的三大主要手段之一。隨著計(jì)算機(jī)數(shù)字化技術(shù)在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用，放療設(shè)備及信息管理自動(dòng)化程度不斷提高，現(xiàn)代放射治療技術(shù)正朝著精確定位、精確計(jì)劃、精確治療方向發(fā)展[1]。傳統(tǒng)醫(yī)療服務(wù)模式更趨于數(shù)字化，數(shù)據(jù)已成為推動(dòng)臨床治療及科研活動(dòng)創(chuàng)新不可或缺的資料。自2015年起，美國(guó)國(guó)家衛(wèi)生研究院、美國(guó)放射腫瘤學(xué)會(huì)、美國(guó)國(guó)家癌癥研究所和美國(guó)醫(yī)學(xué)物理學(xué)家協(xié)會(huì)召開(kāi)的學(xué)術(shù)年會(huì)，都在持續(xù)關(guān)注放射腫瘤學(xué)在大數(shù)據(jù)時(shí)代的發(fā)展與機(jī)遇。國(guó)務(wù)院辦公廳《關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(jiàn)》中提出推動(dòng)健康醫(yī)療大數(shù)據(jù)資源共享開(kāi)放，鼓勵(lì)各類(lèi)醫(yī)療衛(wèi)生機(jī)構(gòu)推進(jìn)健康醫(yī)療大數(shù)據(jù)采集、存儲(chǔ)，加強(qiáng)應(yīng)用支撐和運(yùn)維技術(shù)保障，打通數(shù)據(jù)資源共享通道。國(guó)內(nèi)外的發(fā)展戰(zhàn)略和研究目標(biāo)，體現(xiàn)了各個(gè)層面對(duì)放療大數(shù)據(jù)基礎(chǔ)建設(shè)工作的重視，高效、合理地將各類(lèi)數(shù)據(jù)進(jìn)行有效整合，實(shí)現(xiàn)數(shù)據(jù)的高度集成，是大數(shù)據(jù)應(yīng)用建立的關(guān)鍵，而數(shù)據(jù)解析則是實(shí)現(xiàn)數(shù)據(jù)整合的重要方法和手段。

1 放療數(shù)據(jù)解析需求

在放射治療過(guò)程中，數(shù)據(jù)主要通過(guò)3種途徑產(chǎn)生：一是通過(guò)醫(yī)院信息系統(tǒng)，如醫(yī)院信息管理系統(tǒng)(HIS)、電子健康記錄(HER)、個(gè)人健康記錄(PHR)等產(chǎn)生的常規(guī)數(shù)據(jù)；二是通過(guò)放射治療計(jì)劃管理系統(tǒng)(Radiotherapy Treatment Planning System，TPS)，如Eclipse，Pinnacle，GammaPod等計(jì)劃系統(tǒng)產(chǎn)生的治療計(jì)劃數(shù)據(jù)；三是通過(guò)影像學(xué)檢查設(shè)備，如磁共振成像設(shè)備(MRI，CT，PET)等產(chǎn)生、存儲(chǔ)于影像歸檔和通信系統(tǒng)(PACS)中的影像數(shù)據(jù)。患者的信息數(shù)據(jù)除了包括性別、年齡、病癥等常規(guī)信息之外，還包括放射影像、治療計(jì)劃、治療方法、治療規(guī)程、放射劑量、治療方劑等非常規(guī)數(shù)據(jù)。數(shù)據(jù)形式多樣，結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)同時(shí)存在，從而構(gòu)成了大量的多源異構(gòu)數(shù)據(jù)[2]。一方面，大量患者診斷治療數(shù)據(jù)的產(chǎn)生，為臨床醫(yī)生的臨床治療以及科研工作的開(kāi)展提供了有利的數(shù)據(jù)積累；另一方面，由于放療臨床數(shù)據(jù)的復(fù)雜性以及醫(yī)院內(nèi)部各種系統(tǒng)的多樣性，加之各類(lèi)廠商對(duì)自己治療計(jì)劃系統(tǒng)和設(shè)備的技術(shù)保護(hù)，不可避免地造成數(shù)據(jù)的多源性、異構(gòu)性，勢(shì)必會(huì)造成各類(lèi)數(shù)據(jù)一定程度上的相互孤立，導(dǎo)致臨床醫(yī)生及研究人員難以全面地掌握和分析數(shù)據(jù)，對(duì)科研及臨床治療方法的進(jìn)一步研究帶來(lái)阻礙，也會(huì)造成臨床數(shù)據(jù)分析的片面性[3]。

針對(duì)腫瘤放療數(shù)據(jù)建設(shè)中的此類(lèi)問(wèn)題，數(shù)據(jù)解析工作就顯得尤為重要。所謂數(shù)據(jù)解析，就是針對(duì)目標(biāo)數(shù)據(jù)的結(jié)構(gòu)特征，結(jié)合適當(dāng)?shù)姆治龇椒?，?duì)數(shù)據(jù)進(jìn)行詳細(xì)研究并提取有效信息的過(guò)程。借助數(shù)據(jù)解析方法，可實(shí)現(xiàn)分散的臨床數(shù)據(jù)整體化，實(shí)現(xiàn)不同系統(tǒng)、不同類(lèi)型事實(shí)數(shù)據(jù)之間的快速轉(zhuǎn)換及整合，有助于放療臨床試驗(yàn)數(shù)據(jù)的高效管理，以及臨床科研及臨床數(shù)據(jù)挖掘等活動(dòng)的開(kāi)展。

2 放療數(shù)據(jù)結(jié)構(gòu)

國(guó)際上通用的醫(yī)學(xué)領(lǐng)域數(shù)字傳輸標(biāo)準(zhǔn)是DICOM(Digital Imaging and Communications in Medicine)標(biāo)準(zhǔn)，在放療領(lǐng)域的數(shù)字存儲(chǔ)傳輸標(biāo)準(zhǔn)是DICOM RT(Radiotherapy Objects)標(biāo)準(zhǔn)。作為DICOM標(biāo)準(zhǔn)的擴(kuò)展，該標(biāo)準(zhǔn)定義了放療領(lǐng)域的相關(guān)概念、流程和應(yīng)用場(chǎng)景。DICOM RT 定義的信息對(duì)象主要包括RT Image(放療影像)、RT Dose(放療劑量)、RT Structure Set(放療結(jié)構(gòu)集合)、RT Plan(放療計(jì)劃)和RT Treatment Record(放療治療記錄)5部分[4]。DICOM RT數(shù)據(jù)結(jié)構(gòu)層次模型見(jiàn)圖1。

圖1 DICOM RT數(shù)據(jù)結(jié)構(gòu)層次

RT Image是放療圖像以及圖像相關(guān)的數(shù)據(jù)信息集合，包括CT/MRI/PET產(chǎn)生的圖像以及數(shù)字重建圖像、模擬機(jī)圖像、射野圖像等；RT Dose主要用于傳輸治療計(jì)劃系統(tǒng)所計(jì)算的劑量數(shù)據(jù)集合，劑量的分布可以通過(guò)二維、三維的網(wǎng)格、等劑量線、劑量體積直方圖(DVH)等表示；RT Structure Set定義一個(gè)特殊區(qū)域的數(shù)據(jù)結(jié)構(gòu)集，每個(gè)區(qū)域結(jié)構(gòu)可以和一個(gè)或多個(gè)圖像對(duì)象相聯(lián)系，包括一些感興趣區(qū)域(ROI、VOI)的定義、感興趣點(diǎn)的選擇(如劑量參考點(diǎn))等[5]；RT Plan是手工生成的計(jì)劃報(bào)告、治療計(jì)劃系統(tǒng)及其他方式產(chǎn)生的計(jì)劃報(bào)告數(shù)據(jù)集，包括外照射治療、近距離治療計(jì)劃、分形、耐受性表、體位關(guān)系、控制點(diǎn)概念等；RT Treatment Record是實(shí)際放療過(guò)程中得到的記錄數(shù)據(jù)集，包括記錄信息的概要、所有治療參數(shù)的記錄、劑量計(jì)算、劑量測(cè)量記錄等。

3 放療數(shù)據(jù)解析過(guò)程

DICOM RT數(shù)據(jù)是在實(shí)際的放射治療過(guò)程中生成的。TPS產(chǎn)生和涉及的數(shù)據(jù)信息量最為豐富全面，涵蓋病人信息、圖像信息、計(jì)劃治療信息等。因此進(jìn)行TPS系統(tǒng)的數(shù)據(jù)解析，是解決腫瘤放療數(shù)據(jù)整合問(wèn)題的有效途徑。目前較為常見(jiàn)的數(shù)據(jù)解析方案是直接對(duì)DICOM文件進(jìn)行操作，如利用C語(yǔ)言結(jié)合醫(yī)學(xué)圖像處理開(kāi)源庫(kù)(DCMTK)實(shí)現(xiàn)直接讀取DICOM文件，獲取相應(yīng)的數(shù)據(jù)信息，或者通過(guò)MATLAB編寫(xiě)代碼對(duì)DICOM文件進(jìn)行預(yù)處理，再結(jié)合C語(yǔ)言聯(lián)合開(kāi)發(fā)直接對(duì)DICOM文件進(jìn)行數(shù)據(jù)操作，實(shí)現(xiàn)文件的分類(lèi)。兩者的共同點(diǎn)都是對(duì)DICOM文件進(jìn)行數(shù)據(jù)操作，僅適用于對(duì)原始DICOM數(shù)據(jù)的讀取和處理。現(xiàn)實(shí)情況是多數(shù)治療計(jì)劃數(shù)據(jù)是由各廠商提供的TPS系統(tǒng)產(chǎn)生，基于數(shù)據(jù)和技術(shù)保護(hù)的考慮，各廠商會(huì)采用自定義的數(shù)據(jù)封裝格式將原始數(shù)據(jù)進(jìn)行打包傳輸，而這種經(jīng)過(guò)封裝的數(shù)據(jù)大多是封閉的，難以直接應(yīng)用，給數(shù)據(jù)的二次利用帶來(lái)了很大的困難。以上兩種方案均無(wú)法對(duì)TPS系統(tǒng)生成的數(shù)據(jù)文件進(jìn)行直接處理，也無(wú)法實(shí)現(xiàn)TPS數(shù)據(jù)文件的傳輸、拆包、解析、存儲(chǔ)入庫(kù)等操作。針對(duì)此類(lèi)數(shù)據(jù)處理的難點(diǎn)，筆者利用數(shù)據(jù)解析方法針對(duì)文件的結(jié)構(gòu)特點(diǎn)設(shè)定解析規(guī)則[6]，采用C++語(yǔ)言編寫(xiě)了TPS數(shù)據(jù)文件轉(zhuǎn)換軟件。該軟件可對(duì)TPS數(shù)據(jù)進(jìn)行底層處理，把封裝的數(shù)據(jù)還原成原始數(shù)據(jù)，可用于二次解析的結(jié)構(gòu)化數(shù)據(jù)，實(shí)現(xiàn)了TPS數(shù)據(jù)的自動(dòng)化解析，解析后的數(shù)據(jù)存儲(chǔ)在目標(biāo)數(shù)據(jù)庫(kù)中。圖2是TPS數(shù)據(jù)解析后的部分?jǐn)?shù)據(jù)包，包含了病人治療計(jì)劃的部分?jǐn)?shù)據(jù)信息。

圖2 TPS數(shù)據(jù)文檔

在此數(shù)據(jù)集中可以看出，PlanCreateDate，PlanCreator，Stage ID等為根節(jié)點(diǎn)；PatientInfo，TreatmentInfo，PlanInfo則為Stage ID的子節(jié)點(diǎn)；PatientID，PatientName等則為PatientInfo子節(jié)點(diǎn)中的具體數(shù)據(jù)。此類(lèi)數(shù)據(jù)文件可采用xml數(shù)據(jù)解析方法，針對(duì)數(shù)據(jù)文檔的樹(shù)形結(jié)構(gòu)，結(jié)合根、葉節(jié)點(diǎn)的特征編寫(xiě)解析遍歷規(guī)則，即先掃描數(shù)據(jù)集的層結(jié)構(gòu)，依次讀取根節(jié)點(diǎn)信息，當(dāng)遇到子節(jié)點(diǎn)后，繼續(xù)掃描是否存在葉節(jié)點(diǎn)，如果不存在則將子結(jié)點(diǎn)信息存儲(chǔ)到當(dāng)前的根節(jié)點(diǎn)下，如果存在則將葉節(jié)點(diǎn)信息存儲(chǔ)在當(dāng)前的子節(jié)點(diǎn)中，讀取當(dāng)前節(jié)點(diǎn)信息完成后，繼續(xù)掃描下一個(gè)節(jié)點(diǎn)的內(nèi)容，逐層獲得數(shù)據(jù)集中的數(shù)據(jù)，并按對(duì)應(yīng)關(guān)系進(jìn)行存儲(chǔ)[7]。通過(guò)以上方式，可獲得TPS涉及治療計(jì)劃信息的完整的數(shù)據(jù)字段信息，包括患者信息、設(shè)備名稱、DOSE邊界、放射劑量等。通過(guò)以上數(shù)據(jù)解析過(guò)程，可以得到TPS系統(tǒng)中的VOI、DVH等描述文件[8]、DICOM RT的原始圖像文件、Contour數(shù)據(jù)文件等。DICOM RT標(biāo)準(zhǔn)與DICOM標(biāo)準(zhǔn)[9]都采用E.R基本信息模型對(duì)實(shí)體進(jìn)行抽象描述，使用信息對(duì)象定義的形式建立放射治療數(shù)據(jù)模型，并用服務(wù)類(lèi)的方式實(shí)現(xiàn)對(duì)放射治療信息對(duì)象的操作。VOI、DVH等數(shù)據(jù)描述文件，常常對(duì)應(yīng)著大量浮點(diǎn)數(shù)據(jù)，不利于信息的檢索和存檔，因此需要通過(guò)數(shù)據(jù)的標(biāo)準(zhǔn)化建設(shè)[10]、數(shù)據(jù)降維等處理手段，構(gòu)建相應(yīng)的數(shù)據(jù)庫(kù)及表。數(shù)據(jù)庫(kù)設(shè)計(jì)過(guò)程中，由于DICOM RT標(biāo)準(zhǔn)中的圖像是針對(duì)信息對(duì)象定義[11]，信息的存儲(chǔ)或不同設(shè)備間的信息交換都是以IOD實(shí)例[12]來(lái)進(jìn)行，所以數(shù)據(jù)庫(kù)的設(shè)計(jì)盡量保持IOD的完整性，應(yīng)體現(xiàn)IOD之間的關(guān)系[13]，可以按照患者、研究、系列和圖像4個(gè)層次進(jìn)行檢索和管理，保持?jǐn)?shù)據(jù)的完整性。因此，數(shù)據(jù)庫(kù)的邏輯結(jié)構(gòu)應(yīng)與DICOM標(biāo)準(zhǔn)信息模型保持一致，易于體現(xiàn)各數(shù)據(jù)之間的聯(lián)系。采用關(guān)系型數(shù)據(jù)庫(kù)MySQL進(jìn)行設(shè)計(jì)，盡量與DICOM RT標(biāo)準(zhǔn)保持對(duì)應(yīng)，遵循統(tǒng)一的邏輯結(jié)構(gòu)、信息對(duì)象關(guān)系、元素屬性、屬性值的表達(dá)方式等。對(duì)于原始的DICOM文件以及TPS系統(tǒng)生成的DVH文件，可采取掃描文件路徑的形式，對(duì)文件名稱及路徑進(jìn)行遍歷，將文件的完整路徑按照一定的邏輯結(jié)構(gòu)對(duì)應(yīng)地存儲(chǔ)在數(shù)據(jù)庫(kù)中。

4 結(jié)語(yǔ)

數(shù)據(jù)解析在當(dāng)今大數(shù)據(jù)時(shí)代發(fā)揮著日益重要的作用。以腫瘤放療數(shù)據(jù)電子化、高效化管理為目標(biāo)，將數(shù)據(jù)解析應(yīng)用于腫瘤放療大數(shù)據(jù)建設(shè)中，可有效解決多系統(tǒng)腫瘤放療數(shù)據(jù)集成化管理的難題。將醫(yī)學(xué)信息分析理論方法與軟件工程思維相結(jié)合，利用計(jì)算機(jī)編程和數(shù)據(jù)庫(kù)技術(shù)，設(shè)計(jì)開(kāi)發(fā)數(shù)據(jù)解析軟件，符合醫(yī)學(xué)大數(shù)據(jù)建設(shè)的發(fā)展趨勢(shì)，為診斷、影像、治療等多類(lèi)醫(yī)學(xué)數(shù)據(jù)資源的高效集成提供了一定的解決思路，對(duì)加快腫瘤放療大數(shù)據(jù)的建設(shè)進(jìn)程以及開(kāi)展深層次臨床數(shù)據(jù)挖掘等起到了積極的促進(jìn)作用[14-15]。