ホーム > 特許ランキング > ＰＡＩＧＥ．ＡＩ， Ｉｎｃ．
知財求人 - 知財ポータルサイト「IP Force」
特表2024-514907柔軟なアルゴリズム処理を用いて電子画像を処理するシステム及び方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-04-03
(54)【発明の名称】柔軟なアルゴリズム処理を用いて電子画像を処理するシステム及び方法
(51)【国際特許分類】
G16H 10/40 20180101AFI20240327BHJP
G16H 50/20 20180101ALI20240327BHJP
【ＦＩ】
G16H10/40
G16H50/20
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023563857
(86)(22)【出願日】2022-04-26
(85)【翻訳文提出日】2023-10-17
(86)【国際出願番号】 US2022026255
(87)【国際公開番号】W WO2022232078
(87)【国際公開日】2022-11-03
(31)【優先権主張番号】63/179,852
(32)【優先日】2021-04-26
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＰＹＴＨＯＮ
(71)【出願人】
【識別番号】518307592
【氏名又は名称】ペイジ．エーアイ インコーポレイテッド
【氏名又は名称原語表記】ＰＡＩＧＥ．ＡＩ， Ｉｎｃ．
(74)【代理人】
【識別番号】100078282
【弁理士】
【氏名又は名称】山本 秀策
(74)【代理人】
【識別番号】100113413
【弁理士】
【氏名又は名称】森下 夏樹
(74)【代理人】
【識別番号】100181674
【弁理士】
【氏名又は名称】飯田 貴敏
(74)【代理人】
【識別番号】100181641
【弁理士】
【氏名又は名称】石川 大輔
(74)【代理人】
【識別番号】230113332
【弁護士】
【氏名又は名称】山本 健策
(72)【発明者】
【氏名】ユーセフィ， ラジク
(72)【発明者】
【氏名】シェフラー， ピーター
(72)【発明者】
【氏名】フレスノー， トーマス
(72)【発明者】
【氏名】ツェマ， アレクサンダー
【テーマコード（参考）】
5L099
【Ｆターム（参考）】
5L099AA03
5L099AA26
(57)【要約】
方法は、患者に関連付けられた医療試料に対応する電子画像を処理し得る。方法は、１つ以上の人工知能（ＡＩ）アルゴリズムの選択を受信することと、患者に関連付けられた医療試料の１つ以上の全スライド画像を受信することと、１つ以上の選択されたＡＩアルゴリズムを使用して、全スライド画像に対するタスクを実施することであって、全スライド画像が、第１のコンテナに記憶され、全スライド画像が、第１のユーザから発信され、タスクが、全スライド画像における医療試料の特性を決定することを含む、実施することと、全スライド画像の特性に基づいて、全スライド画像に関連付けられたメタデータを生成することと、第２のコンテナにメタデータを記憶することと、を含んでもよい。
【選択図】図１
【選択図】図１
【特許請求の範囲】
【請求項1】
患者に関連付けられた医療試料に対応する電子画像を処理するためのコンピュータ実装方法であって、１つ以上の人工知能（ＡＩ）アルゴリズムの選択を受信することと、
患者に関連付けられた医療試料の１つ以上の全スライド画像を受信することと、
前記１つ以上の選択されたＡＩアルゴリズムを使用して、前記全スライド画像に対してタスクを実施することであって、前記全スライド画像が、第１のコンテナに記憶され、前記全スライド画像が、第１のユーザから発信され、前記タスクが、前記全スライド画像における前記医療試料の特性を決定することを含む、前記実施することと、
前記全スライド画像の前記特性に基づいて、前記全スライド画像に関連付けられたメタデータを生成することと、
前記メタデータを第２のコンテナに記憶することと、
を含む、前記方法。
【請求項2】
前記１つ以上の選択されたＡＩアルゴリズムが、クラウドコンピューティング環境において利用可能な複数のＡＩアルゴリズムに含まれる、請求項１に記載の方法。
【請求項3】
前記複数のＡＩアルゴリズムのうちの少なくとも１つが、第２のユーザによって開発されたものであり、前記複数のＡＩアルゴリズムのうちの少なくとも別のＡＩアルゴリズムが、前記第２のユーザとは異なる第３のユーザによって開発されたものである、請求項２に記載の方法。
【請求項4】
前記第２のユーザは、前記第３のユーザとは異なる領域に位置する、請求項３に記載の方法。
【請求項5】
前記複数のＡＩアルゴリズムのうちのＡＩアルゴリズムを、前記１つ以上の選択されたＡＩアルゴリズムとして選択することを更に含む、請求項２に記載の方法。
【請求項6】
前記ＡＩアルゴリズムを選択することは、実施されるタスクのタイプを示す要求、
生成されるメタデータのタイプを示す要求、
特定のＡＩアルゴリズムについてのコマンド、
前記記憶された全スライド画像に関連付けられた追加の情報もしくはメタデータ、
前記第１のユーザによって受信された１つ以上のルールもしくはポリシー、
前記複数のＡＩアルゴリズムのうちの前記ＡＩアルゴリズムに関連付けられた１つ以上のルールもしくはポリシー、及び／または
１人以上のユーザから受信された１つ以上のルールもしくはポリシーであって、前記１人以上のユーザが、前記複数のＡＩアルゴリズムのうちの前記ＡＩアルゴリズムを開発している、前記１つ以上のルールもしくはポリシーに基づく、請求項５に記載の方法。
【請求項7】
前記選択されたＡＩアルゴリズムを適用して前記全スライド画像に対して前記タスクを実施する要求を、第２のユーザから受信することを更に含む、請求項１に記載の方法。
【請求項8】
前記ＡＩアルゴリズムが、前記全スライド画像に関連付けられた補足情報を取り込み、前記補足情報が、全般的な患者プロファイル、患者履歴、関連するスライド画像、放射線データ、分子データ、及び／または臨床データを含む、請求項１に記載の方法。
【請求項9】
前記第２のコンテナに関連付けられた１つ以上のルールを決定することと、前記第２のコンテナに関連付けられた前記１つ以上のルールに基づいて、（ｉ）前記全スライド画像からデータを削除すること、及び／または前記メタデータの少なくともいくつかを削除すること、及び／または（ｉｉ）前記全スライド画像からデータを変更すること、及び／または前記メタデータの少なくともいくつかを変更することを実施することによって、修正された全スライド画像及び／または修正されたメタデータを生成することと、
前記修正された全スライド画像及び／または前記修正されたメタデータを前記ユーザに出力することと、を更に含む、請求項１に記載の方法。
【請求項10】
前記全スライド画像の自動人工知能ベースの取り込みを実施することによって、前記全スライド画像を第１のコンテナに記憶することであって、前記全スライド画像が、前記第１のユーザから受信されている、前記記憶することを更に含む、請求項１に記載の方法。
【請求項11】
デバイスから前記全スライド画像のうちの少なくとも１つのスライド画像についての要求を受信することと、前記デバイスの場所を前記第１のユーザ及び／または患者の場所と比較することと、
前記比較された場所に基づいて、前記要求された少なくとも１つの全スライド画像及び前記メタデータを前記デバイスに送信することがルールによって許可されるかどうかを決定することと、を更に含む、請求項１に記載の方法。
【請求項12】
前記要求された少なくとも１つの全スライド画像及び前記メタデータを前記デバイスに送信することが許可されていることを決定することと、前記要求された少なくとも１つの全スライド画像及び前記メタデータを前記デバイスに提供することと、を更に含む、請求項１１に記載の方法。
【請求項13】
前記要求された少なくとも１つの全スライド画像を前記デバイスに送信することが許可されていることを決定することが、前記デバイスが前記第１のユーザと同じ施設に関連付けられていることを決定することを含む、請求項１２に記載の方法。
【請求項14】
前記タスクを実施するために前記選択された人工知能アルゴリズムを適用することが、前記患者に関連付けられた患者メタデータに基づいて実施される、請求項１に記載の方法。
【請求項15】
メタデータを生成することが、ヒートマップを決定することであって、前記ヒートマップが、前記医療標本における属性の尤度のグラフィカルな予測を含む、前記決定することを更に含む、請求項１に記載の方法。
【請求項16】
患者に関連付けられた医療試料に対応する電子画像を処理するためのシステムであって、命令を記憶する少なくとも１つのメモリと、
前記命令を実行して動作を実施するように構成された少なくとも１つのプロセッサと、を備え、前記動作が、
１つ以上の人工知能（ＡＩ）アルゴリズムの選択を受信することと、
患者に関連付けられた医療試料の１つ以上の全スライド画像を受信することと、
前記１つ以上の選択されたＡＩアルゴリズムを使用して、前記全スライド画像に対してタスクを実施することであって、前記全スライド画像が、第１のコンテナに記憶され、前記全スライド画像が、第１のユーザから発信され、前記タスクが、前記全スライド画像における前記医療試料の特性を決定することを含む、前記実施することと、
前記全スライド画像の前記特性に基づいて、前記全スライド画像に関連付けられたメタデータを生成することと、
前記メタデータを第２のコンテナに記憶することと、
を含む、前記システム。
【請求項17】
前記１つ以上の選択されたＡＩアルゴリズムが、クラウドコンピューティング環境において利用可能な複数のＡＩアルゴリズムに含まれており、前記複数のＡＩアルゴリズムのうちの少なくとも１つが、第２のユーザによって開発されたものであり、前記複数のＡＩアルゴリズムのうちの少なくとも別のＡＩアルゴリズムが、前記第２のユーザとは異なる第３のユーザによって開発されたものである、請求項１６に記載のシステム。
【請求項18】
前記動作が、前記複数のＡＩアルゴリズムのうちのＡＩアルゴリズムを、前記１つ以上の選択されたＡＩアルゴリズムとして選択することを更に含み、前記ＡＩアルゴリズムを選択することが、実施されるタスクのタイプを示す要求、
生成されるメタデータのタイプを示す要求、
特定のＡＩアルゴリズムについてのコマンド、
前記記憶された全スライド画像に関連付けられた追加の情報もしくはメタデータ、
前記第１のユーザによって受信された１つ以上のルールもしくはポリシー、
前記複数のＡＩアルゴリズムのうちの前記ＡＩアルゴリズムに関連付けられた１つ以上のルールもしくはポリシー、及び／または
１人以上のユーザから受信された１つ以上のルールもしくはポリシーであって、前記１人以上のユーザが、前記複数のＡＩアルゴリズムのうちの前記ＡＩアルゴリズムを開発している、前記１つ以上のルールもしくはポリシーに基づく、請求項１６に記載のシステム。
【請求項19】
命令を記憶する非一時的なコンピュータ可読媒体であって、前記命令が、プロセッサによって実行されたとき、前記プロセッサに、患者に関連付けられた医療試料に対応する電子画像を処理するための動作を実施させ、前記動作が、１つ以上の人工知能（ＡＩ）アルゴリズムの選択を受信することと、
患者に関連付けられた医療試料の１つ以上の全スライド画像を受信することと、
前記１つ以上の選択されたＡＩアルゴリズムを使用して、前記全スライド画像に対してタスクを実施することであって、前記全スライド画像が、第１のコンテナに記憶され、前記全スライド画像が、第１のユーザから発信され、前記タスクが、前記全スライド画像における前記医療試料の特性を決定することを含む、前記実施することと、
前記全スライド画像の前記特性に基づいて、前記全スライド画像に関連付けられたメタデータを生成することと、
前記メタデータを第２のコンテナに記憶することと、
を含む、前記非一時的なコンピュータ可読媒体。
【請求項20】
前記１つ以上の選択されたＡＩアルゴリズムが、クラウドコンピューティング環境において利用可能な複数のＡＩアルゴリズムに含まれており、前記複数のＡＩアルゴリズムのうちの少なくとも１つが、第２のユーザによって開発されたものであり、前記複数のＡＩアルゴリズムのうちの少なくとも別のＡＩアルゴリズムが、前記第２のユーザとは異なる第３のユーザによって開発されたものである、請求項１９に記載の非一時的なコンピュータ可読媒体。
【発明の詳細な説明】
【技術分野】
【0001】
関連出願
本出願は、２０２１年４月２６日に出願された米国仮出願第６３／１７９，８５２号の優先権を主張し、その開示全体が参照によりその全体が本明細書に組み込まれる。
本出願は、２０２１年４月２６日に出願された米国仮出願第６３／１７９，８５２号の優先権を主張し、その開示全体が参照によりその全体が本明細書に組み込まれる。
【0002】
本開示の様々な実施形態は、一般に、電子画像を処理するための計算病理ワークフローに関する。より具体的には、本開示の特定の実施形態は、がんの治療のために臨床グレードの製品を使用するワークフローのためのシステム及び方法に関する。
【背景技術】
【0003】
コンピュータを使用して病理医を支援するプロセスは、計算病理学として知られている。計算病理学の分野では、情報セキュリティ及びデータプライバシーは、個人データ及び健康関連情報が保護されることを保証する上で重要な考慮事項である。
【0004】
前述の一般的な説明と以下の詳細な説明は、例示的及び説明的なものに過ぎず、本開示を限定するものではない。本明細書に提供される背景説明は、本開示の文脈を概略的に提示する目的のためのものである。本明細書に別段の指示がない限り、本節に記載されている内容は、本出願の特許請求の範囲の先行技術ではなく、本節に含まれることにより、先行技術または先行技術の示唆であることは認められない。
【発明の概要】
【課題を解決するための手段】
【0005】
本開示の特定の態様によれば、患者に関連付けられた医療試料に対応する電子画像を処理するため、及び／またはＡＩモジュールを選択するためのシステム及び方法が開示される。
【0006】
患者に関連付けられた医療試料に対応する電子画像を処理するための方法は、１つ以上の人工知能（ＡＩ）アルゴリズムの選択を受信することと、患者に関連付けられた医療試料の１つ以上の全スライド画像を受信することと、１つ以上の選択されたＡＩアルゴリズムを使用して、全スライド画像に対してタスクを実施することであって、全スライド画像が、第１のコンテナに記憶され、全スライド画像が、第１のユーザから発信され、タスクが、全スライド画像における医療試料の特性を決定することを含む、実施することと、全スライド画像の特性に基づいて、全スライド画像に関連付けられたメタデータを生成することと、メタデータを第２のコンテナに記憶することと、を含み得る。
【0007】
１つ以上の選択されるＡＩアルゴリズムは、クラウドコンピューティング環境で利用可能な複数のＡＩアルゴリズムに含まれていてもよい。
【0008】
複数のＡＩアルゴリズムのうちの少なくとも１つは、第２のユーザによって開発されていてもよく、複数のＡＩアルゴリズムのうちの少なくとも別のＡＩアルゴリズムは、第２のユーザとは異なる第３のユーザによって開発されていてもよい。第２のユーザは、第３のユーザとは異なる領域に位置してもよい。
【0009】
方法は、複数のＡＩアルゴリズムのうちのＡＩアルゴリズムを１つ以上の選択されたＡＩアルゴリズムとして選択することを含み得る。ＡＩアルゴリズムを選択することは、実施されるタスクのタイプを示す要求、生成されるメタデータのタイプを示す要求、特定のＡＩアルゴリズムのためのコマンド、記憶された全スライド画像に関連付けられた追加の情報またはメタデータ、第１のユーザによって受信される１つ以上のルールまたはポリシー、複数のＡＩアルゴリズムのうちのＡＩアルゴリズムに関連付けられた１つ以上のルールまたはポリシー、及び／または複数のＡＩアルゴリズムのうちのＡＩアルゴリズムを開発した１人以上のユーザから受信される１つ以上のルールまたはポリシーに基づいてもよい。
【0010】
方法は、選択されたＡＩアルゴリズムを適用して全スライド画像に対してタスクを実施する要求を第２のユーザから受信することを更に含み得る。
【0011】
ＡＩアルゴリズムは、全スライド画像に関連付けられた補足情報を取り込むことができる。補足情報は、全般的な患者プロファイル、患者履歴、関連するスライド画像、放射線データ、分子データ、及び／または臨床データを含み得る。
【0012】
方法は、第２のコンテナに関連付けられた１つ以上のルールを決定することと、第２のコンテナに関連付けられた１つ以上のルールに基づいて、（ｉ）全スライド画像からデータを削除すること、及び／またはメタデータの少なくともいくつかを削除すること、及び／または（ｉｉ）全スライド画像からデータを変更すること、及び／またはメタデータの少なくともいくつかを変更すること、及び修正された全スライド画像及び／または修正されたメタデータをユーザに出力することを実施することによって、修正された全スライド画像及び／または修正されたメタデータを生成することと、を含む、方法。
【0013】
方法は、全スライド画像の自動人工知能に基づく取り込みを実施することによって、全スライド画像を第１のコンテナに記憶することを含んでもよい。全スライド画像は、第１のユーザから受信されていてもよい。
【0014】
方法は、デバイスから全スライド画像のうちの少なくとも１つの要求を受信することと、デバイスの場所を第１のユーザ及び／または患者の場所と比較することと、比較された場所に基づいて、要求された少なくとも１つの全スライド画像及びメタデータをデバイスに送信することがルールによって許可されているかどうかを決定することと、を含み得る。
【0015】
方法は、要求された少なくとも１つの全スライド画像及びメタデータをデバイスに送信することが許可されていることを決定し、要求された少なくとも１つの全スライド画像及びメタデータをデバイスに提供することを含み得る。
【0016】
要求された少なくとも１つの全スライド画像をデバイスに送信することが許可されていることを決定することは、デバイスが第１のユーザと同じ施設に関連付けられていることを決定することを含み得る。選択された人工知能アルゴリズムを適用してタスクを実施することは、患者に関連付けられた患者メタデータに基づいて実施され得る。
【0017】
メタデータを生成することは、ヒートマップを決定することを更に含み得る。ヒートマップは、医療標本における属性の尤度のグラフィカルな予測を含んでもよい。
【0018】
患者に関連付けられた医療試料に対応する電子画像を処理するためのシステムは、命令を記憶する少なくとも１つのメモリと、命令を実行して動作を実施するように構成された少なくとも１つのプロセッサとを含み得る。動作は、１つ以上の人工知能（ＡＩ）アルゴリズムの選択を受信することと、患者に関連付けられた医療試料の１つ以上の全スライド画像を受信することと、１つ以上の選択されたＡＩアルゴリズムを使用して、全スライド画像に対してタスクを実施することであって、全スライド画像が、第１のコンテナに記憶され、全スライド画像が、第１のユーザから発信され、タスクが、全スライド画像における医療試料の特性を決定することを含む、実施することと、全スライド画像の特性に基づいて、全スライド画像に関連付けられたメタデータを生成することと、第２のコンテナにメタデータを記憶することと、を含み得る。
【0019】
１つ以上の選択されるＡＩアルゴリズムは、クラウドコンピューティング環境で利用可能な複数のＡＩアルゴリズムに含まれていてもよい。複数のＡＩアルゴリズムのうちの少なくとも１つは、第２のユーザによって開発されていてもよく、複数のＡＩアルゴリズムのうちの少なくとも別のＡＩアルゴリズムは、第２のユーザとは異なる第３のユーザによって開発されていてもよい。
【0020】
動作は、複数のＡＩアルゴリズムのうちのＡＩアルゴリズムを、１つ以上の選択されたＡＩアルゴリズムとして選択することを含み得る。ＡＩアルゴリズムを選択することは、実施されるタスクのタイプを示す要求、生成されるメタデータのタイプを示す要求、特定のＡＩアルゴリズムのためのコマンド、記憶された全スライド画像に関連付けられた追加の情報もしくはメタデータ、第１のユーザによって受信される１つ以上のルールもしくはポリシー、複数のＡＩアルゴリズムのうちのＡＩアルゴリズムに関連付けられた１つ以上のルールもしくはポリシー、及び／または複数のＡＩアルゴリズムのうちのＡＩアルゴリズムを開発した１人以上のユーザから受信される１つ以上のルールもしくはポリシーに基づいてもよい。
【0021】
非一時的なコンピュータ可読媒体は、プロセッサによって実行されたとき、プロセッサに、患者に関連付けられた医療試料に対応する電子画像を処理するための動作を実施させる命令を記憶し得、動作は、１つ以上の人工知能（ＡＩ）アルゴリズムの選択を受信することと、患者に関連付けられた医療試料の１つ以上の全スライド画像を受信することと、１つ以上の選択されたＡＩアルゴリズムを使用して、全スライド画像に対するタスクを実施することであって、全スライド画像が、第１のコンテナに記憶され、全スライド画像が、第１のユーザから発信され、タスクが、全スライド画像における医療試料の特性を決定することを含む、実施することと、全スライド画像の特性に基づいて、全スライド画像に関連付けられたメタデータを生成することと、メタデータを第２のコンテナに記憶することと、を含む。
【0022】
１つ以上の選択されるＡＩアルゴリズムは、クラウドコンピューティング環境で利用可能な複数のＡＩアルゴリズムに含まれていてもよい。複数のＡＩアルゴリズムのうちの少なくとも１つは、第２のユーザによって開発されていてもよく、複数のＡＩアルゴリズムのうちの少なくとも別のＡＩアルゴリズムは、第２のユーザとは異なる第３のユーザによって開発されていてもよい。
【0023】
上述の概略的な説明と以下の詳細な説明はともに、例示で単に説明をしているものであり、特許請求されている通りに、開示の実施形態を限定するものではないという旨を理解すべきである。
【0024】
添付の図面は、この明細書の一部に組み込まれ、これを構成し、種々の例示の実施形態を図示しており、この説明と併せて、開示している実施形態の原理を説明する役目を果たしている。
【図面の簡単な説明】
【0025】
【図1】例示的な実施形態による、デジタルスライドを処理するためのプラットフォームの例示的なグローバルアーキテクチャである。
【0026】
【図2】例示的な実施形態による、人工知能（ＡＩ）出力を有するプラットフォームの使用のための例示的な方法を示すワークフローである。
【0027】
【0028】
【0029】
【0030】
【図6】例示的な実施形態による、スライドビューアの例示的なアーキテクチャである。
【0031】
【0032】
【図8-1】本明細書で開示されるワークフロー及びプラットフォームアーキテクチャとともに使用するための例示的な推論アーキテクチャである。
【図8-2】本明細書で開示されるワークフロー及びプラットフォームアーキテクチャとともに使用するための例示的な推論アーキテクチャである。
【0033】
【図9】本明細書に提示された技術を実行し得る例示的なシステムを示す。
【0034】
【発明を実施するための形態】
【0035】
これから本開示の例示的な実施形態について詳細に言及するが、それらの例は添付の図面に示されている。可能な場合は必ず、図面全体を通して、同じまたは類似の部分を示すために、同じ参照番号が使用される。
【0036】
本明細書で開示されるシステム、デバイス、及び方法は、がんの診断及び治療を変えることができる臨床グレードの製品とともに使用されるように構成された計算病理プロセス及びワークフローを提供する。本明細書に記載される計算病理ワークフローは、診断精度、信頼性、効率、及びアクセシビリティを改善し得る。例えば、デバイスのワークフローは、スライドにがんの疑いがあることを検出してもよく、病理医が最終診断を下す前に最初の評価を確認することを可能にしてもよい。本開示の計算病理プロセス及びワークフローは、ウェブブラウザを介したデジタル病理画像の取り込み、処理、及び閲覧を可能にする統合されたプラットフォームを使用してもよく、一方で、臨床検査情報システム（ＬＩＳ）、顧客ベースの診断ツール、または任意の他のソフトウェア開発キット（ＳＤＫ）アプリケーションと統合されてもよい。
【0037】
本明細書で開示されるシステム、デバイス、及び方法は、実施例によって、及び図を参照して詳細に説明される。本明細書で説明される実施例は、単なる例であり、本明細書で説明される装置、デバイス、システム、及び方法の説明を補助するために提供される。図面に示されているか、または以下で説明されている機能またはコンポーネントはいずれも、特に必須と指定されていない限り、これらのデバイス、システム、または方法のいずれかの特定の実施態様において必須とみなされるべきではない。
【0038】
また、記載された任意の方法について、方法がフロー図と併せて記載されているかどうかにかかわらず、別途指定されない限り、または文脈によって要求されない限り、方法の実行で実施されるステップの任意の明示的または暗黙的な順序付けは、それらのステップが提示された順序で実施されなければならないことを意味するのではなく、代わりに、異なる順序でまたは並行して実施され得ることを理解されたい。
【0039】
本明細書で使用される場合、「例示的」という用語は、「理想」ではなく「実施例」の意味で使用される。更に、本明細書における「ａ」及び「ａｎ」という用語は、量の制限を意味するのではなく、むしろ言及された項目のうちの１つ以上が存在していることを意味する。
【0040】
病理学は、疾患を診断するために使用される試験及び分析を実施することなどの疾患の研究を指す。例えば、組織試料は、組織試料を分析して何らかの異常が存在するかどうかを決定する病理医または医師によって顕微鏡下で見るためにスライド上に置かれる場合がある。病理標本は、病理医が検査しかつ診断を行うために複数の切片または切断レベルに切断またはスライスされ、スライドとして調製及び／またはスライド上に配置され、染色される場合がある。
【0041】
スライド上の診断所見が不確かな場合、病理医は、組織からより多くの情報を収集するために、追加の切断レベル、染色、または他の検査を指示する場合がある。その後、技術者（複数可）は、病理医が診断を行う際に使用する追加情報を含んでもよい新しいスライド（複数可）を作成する場合がある。追加のスライドを作成するこのプロセスは、組織のブロックを取り出し、それを切断して新しいスライドを作成し、次にスライドを染色することを伴う可能性があるだけでなく、複数の指示についてバッチ処理され得るため、時間がかかる場合がある。このプロセスは、病理医が下す最終診断を著しく遅らせる可能性がある。更に、遅延の後でさえ、病理医は、新しいスライド（複数可）が診断を下すのに十分な情報を有するかどうかまだ確信が持てない場合がある。
【0042】
病理医は、がん及び他の疾患スライドを単独で評価し得る。本明細書で開示されるシステム、デバイス、及び方法は、がん及び他の疾患の診断を改善するためのプラットフォームを提供する。プラットフォームは、例えば、スライド評価、タスク、画像分析、人工知能（ＡＩ）（例えば、がん検出ＡＩ）、アノテーション、コンサルテーション、及びレコメンデーションを１つのワークステーションに統合し得る。プラットフォームでは、様々な例示的なユーザインターフェースが利用可能であり、病理医の作業を迅速化及び改善するためにプラットフォームに統合され得るＡＩツールも利用可能であり得る。
【0043】
例えば、コンピュータは、組織試料の画像を分析して、特定の組織試料について追加の情報が必要とされ得るかどうかを迅速に識別し、及び／または病理医によりよく見るべきエリアを強調表示し得る。したがって、追加の染色されたスライド及び検査を得るプロセスは、病理医によって検討される前に自動的に行われてもよい。自動スライドセグメント化及び染色機と組み合わせると、完全に自動化されたスライド調製パイプラインが提供され得る。この自動化は、（１）スライドが診断を行うのに不十分であると判断する際に病理医が無駄にする時間を最小限に抑えるか、もしくは短縮すること、（２）追加の検査が指示されてから作成されるまでの追加の時間を回避または短縮することによって、標本取得から診断までの（平均合計）時間を最小限に抑えるか、もしくは短縮すること、（３）組織ブロック（例えば、病理標本）がカッティングデスクに入っている間に再切断を行うことを可能にすることによって、再切断当たりの時間及び無駄になる材料の量を削減するか、もしくは最小限に抑えること、（４）スライド調製中に無駄になる／廃棄される組織材料の量を削減するか、または最小限に抑えること、（５）手順を部分的または完全に自動化することによってスライド調製のコストを削減するか、または最小限に抑えること、（６）試料からより代表的で有益なスライドが得られるスライドの自動的なカスタマイズされた切断及び／または染色を可能にすること、（７）組織ブロックごとにより多くのスライドを生成することを可能にし、病理医の追加検査を要求するオーバーヘッドを削減することによって、より情報に基づいた及び／または正確な診断に貢献すること、及び／または（８）デジタル病理画像などの正しい特性（例えば、標本タイプに関連する特性）を識別もしくは検証する。
【0044】
計算病理学に使用される計算方法には、統計分析、自律学習または機械学習、及びＡＩが含まれ得るが、これらに限定されない。ＡＩは、ディープラーニング、ニューラルネットワーク、分類、クラスタリング、及び回帰アルゴリズムを含み得るが、これらに限定されない。計算病理学は、病理医が診断の正確性、信頼性、効率、及びアクセシビリティを向上させるのを助けることによって、命を救うのに役立つ可能性がある。例えば、計算病理学は、がんの疑いのあるスライドの検出を支援するために使用されてもよく、それによって、病理医は、最終診断を下す前に、病理医の初期評価を確認して確定することを可能にする。
【0045】
病理組織学とは、スライド上に置かれた標本の研究を指す。例えば、デジタル病理画像は、標本（例えば、スミア）を含む顕微鏡スライドのデジタル化された画像から構成されてもよい。病理医がスライド上の画像を分析するために使用し得る１つの方法は、核を識別し、核が正常（すなわち、良性）であるか、または異常（すなわち、悪性）であるかを分類することである。病理医が核を識別及び分類するのを支援するために、組織学的染色を使用して、細胞を可視化し得る。過ヨウ素酸シッフ反応、マッソンのトリクローム、ニスル及びメチレンブルー、ならびにヘマトキシリン及びエオシン（Ｈ＆Ｅ）を含む多くの染料ベースの染色システムが開発されている。医学的診断のために、Ｈ＆Ｅは、広く使用されている染料ベースの方法であり、ヘマトキシリンは、染色細胞核を青く染色し、エオシンは、細胞質及び細胞外マトリックスをピンクに染色し、他の組織領域は、これらの色の同種の色を帯びる。
【0046】
しかしながら、多くの場合、Ｈ＆Ｅ染色された組織学的調製物は、病理医が診断を助けるか、または治療を導くことができるバイオマーカーを視覚的に識別するのに十分な情報を提供しない。この状況では、免疫組織化学（ＩＨＣ）、免疫蛍光、ｉｎ ｓｉｔｕハイブリダイゼーション（ＩＳＨ）、または蛍光ｉｎ ｓｉｔｕハイブリダイゼーション（ＦＩＳＨ）などの技術が使用され得る。ＩＨＣ及び免疫蛍光は、例えば、組織内の特定の抗原に結合する抗体を使用して、対象となる特定のタンパク質を発現する細胞を視覚的に検出することを可能にすることを含み、これにより、Ｈ＆Ｅ染色スライドを使用して確実に識別することができないバイオマーカーを明らかにすることができる。ＩＳＨ及びＦＩＳＨは、用いられるプローブの種類に応じて（例えば、遺伝子コピー数のためのＤＮＡプローブ及びＲＮＡ発現の評価のためのＲＮＡプローブ）遺伝子の多数のコピーまたは特定のＲＮＡ分子の存在量を評価するために用いられてもよい。これらの方法が、いくつかのバイオマーカーを検出するのに十分な情報を提供することができない場合、組織の遺伝子検査を使用して、バイオマーカーが存在するかどうかを確認してもよい（例えば、腫瘍における特定のタンパク質または遺伝子産物の過剰発現、がんにおける所与の遺伝子の増幅）。
【0047】
デジタル化された画像は、染色された顕微鏡スライドを示すように準備されてもよく、これにより、病理医は、スライド上の画像を手動で表示し、画像中の染色された異常な細胞の数を推定することができ得る。ただし、このプロセスは時間がかかる可能性があり、いくつかの異常を検出することが困難であるため、異常を識別する際のエラーにつながる可能性がある。計算プロセス及びデバイスは、他の場合には検出することが困難であり得る異常を検出することにおいて病理医を支援するために使用されてもよい。
【0048】
例えば、ＡＩを使用して、Ｈ＆Ｅ及び他の染料ベースの方法を使用して染色された組織のデジタル画像内の顕著な領域からバイオマーカー（タンパク質及び／または遺伝子産物の過剰発現、増幅、特定の遺伝子の突然変異など）を予測してもよい。別の例として、ＡＩを使用して、準備された組織試料のデジタル画像内の個々の領域からフローター（異常の一種）の存在を予測してもよい。組織の画像は、全スライド画像（ＷＳＩ）、またはマイクロアレイ内の組織コアの画像、または組織切片内の選択された対象となるエリアであり得る。Ｈ＆Ｅのような染色方法を使用する場合、これらのバイオマーカーは、追加の検査の助けなしにヒトが視覚的に検出または定量化することが困難でありことがある。ＡＩを使用して組織のデジタル画像からこれらのバイオマーカーを推測すると、患者のケアが改善され、一方、処理がより高速になり、コストが安くなる可能性がある。
【0049】
本明細書で開示される計算病理プロセス及びデバイスは、ウェブブラウザまたは他のユーザインターフェースを介したデジタル病理画像のデータ取り込み、処理、及び表示を含む完全に自動化されたプロセスを可能にする統合されたプラットフォームを提供し、一方、臨床検査情報システム（ＬＩＳ）と統合し得る。更に、臨床情報は、患者データのクラウドベースのデータ分析を使用して集約し得る。データは、病院、診療所、現場研究者などから得てもよく、データを機械学習、コンピュータビジョン、自然言語処理、及び／または統計アルゴリズムによって分析して、複数の地理的特異性レベルでの健康パターンのリアルタイムモニタリング及び予測を実施してもよい。
【0050】
上記のデジタル病理画像は、標本の特性またはデジタル病理画像の画像に関連するタグ及び／またはラベルとともに記憶されることがあり、そのようなタグ／ラベルは不正確または不完全である場合がある。したがって、本明細書で開示されるシステム、デバイス、及び方法は、デジタル病理画像の正しい特性（例えば、標本タイプに関連する特性）を識別及び／または検証し得る。本明細書で開示されるシステム、デバイス、及び方法は、記憶されたタグ／ラベルに頼ることなく、デジタル病理画像の標本または画像特性を自動的に予測し得る。更に、本明細書で開示されるシステム、デバイス、及び方法は、必ずしもＬＩＳまたは類似の情報データベースにアクセスすることなく、デジタル病理画像の標本タイプ、またはデジタル病理画像に関連する任意の情報を迅速かつ正確に識別及び／または検証し得る。
【0051】
一例では、システムは、以前のデジタル病理画像のデータセットに基づいて、デジタル病理画像の様々な特性を識別するように訓練されてもよい。訓練されたシステムは、デジタル病理画像に示される標本の分類を提供してもよい。分類は、標本に関連付けられた患者の治療または診断予測（複数可）を提供するのに役立ち得る。
【0052】
本明細書で開示されるシステム、デバイス、及び方法は、標本分類ツールの１つ以上の例を提供してもよい。ツールへの入力は、デジタル病理画像及び任意の関連する追加の入力を含んでもよい。ツールの出力は、標本に関するグローバル及び／またはローカル情報を含んでもよい。標本は、生検または外科的切除標本を含んでもよい。
【0053】
開示されたワークフロー（複数可）の例示的なグローバル出力は、標本タイプ、標本の切り出しの全体的な品質、ガラス病理スライド自体の全体的な品質、及び／または組織形態特性など、画像全体に関する情報を含んでもよい。例示的な局所出力は、画像の特定の領域における情報を示してもよく、例えば、特定の画像領域は、スライド内にぼけまたはクラックを有するものとして分類されてもよい。本明細書で開示されるシステム、方法、及びデバイスは、以下で更に詳細に説明されるように、開示される標本分類ツール（複数可）を使用してもよい。
【0054】
加えて、本明細書で開示されるシステム、方法、及びデバイスは、計算病理サービス及び製品の開発及び配信において、機密性が高く、法的に保護された情報を保護し得る。更に、本明細書で開示されるシステム、方法、及びデバイスは、設計アプローチによるセキュリティ及びプライバシー、ならびに医療行為、患者、及び／または顧客に属するデータを含む全てのデータに対する生産システム保護を提供し得る。
【0055】
本明細書で開示される技術的態様は、デジタル病理スライドを病理医及び科学者の広大なコミュニティに利用可能にし得、臨床現場または施設がデータ共有ポリシーをより良く制御し、データがセキュアに記憶され、匿名化されることを確実にすることを可能にする。その結果、臨床現場や施設は、世界中の研究者とよりうまく共同研究を行って、病理学及び最終的には患者に利益をもたらすＡＩソリューションを開発し得る。ユーザが研究グループまたは大学の一部である場合、本明細書で開示される技術的態様は、臨床パートナーのデータへのより簡単なアクセスを可能にし、既存のインフラストラクチャを活用して、ソフトウェア開発キット（ＳＤＫ）を使用してカスタムアルゴリズムを構築し得る。
【0056】
統合コンピューティングプラットフォームを使用するワークフローは、（ｉ）ＡＩネイティブデジタル病理スライドビューア、（ｉｉ）ＡＩ製品のスイート、及び／または（ｉｉｉ）データ取り込みアプライアンスを提供し得る。ＡＩネイティブデジタル病理スライドビューアは、インタラクティブユーザインターフェースまたは通知ダッシュボードを含み得る。ビューアは、スライド画像の共同研究及び共有を更にサポートしてもよい。ＡＩ製品のスイートは、身体の異なる部位（例えば、前立腺）のために設計された製品を含み得、これらの製品は、異なるワークフローステップに導入され、特定の診断目的またはタイプのがんのためにユーザカスタマイズされ得る。デジタル病理スライドの転送を容易にするためのデータ取り込みアプライアンスである。
【0057】
図１は、病院または臨床環境１、外部グループ研究施設または大学２、クラウドコンピューティングエコシステム３、及び別のまたは二次的な病院または臨床環境４の例示的な概略図を示す。病院または臨床環境１は、統合されたスキャナアプライアンス及びプラットフォーム１ａを含んでもよい。プラットフォーム１ａは、クラウドコンピューティングエコシステム３（例えば、アマゾンウェブサービスクラウド（ＡＷＳ））と通信してもよい。クラウドコンピューティングエコシステム３は、外部グループ研究施設または大学２と通信し得る。更に、クラウドコンピューティングエコシステム３は、発信元の病院または臨床環境の外側の別の病院または臨床環境４と通信し得る。更に、外部グループ研究施設または大学２は、クラウドコンピューティングエコシステム３と通信してもよい。
【0058】
例示的なワークフローでは、病院の場所１に全スライド画像（ＷＳＩ）のデータセットを持つ病理医が、外部研究グループまたは大学２の科学者及び研究者と研究プロジェクトで共同研究を行いたい場合がある。研究者グループは、プロジェクトで共同研究を行うために、病理医の匿名化されたデータセットにアクセスすることが必要になることがある。スケーラブルで信頼性が高く、セキュアなクラウドストレージ３ｅは、準拠及びセキュリティを維持しながら、制御されたデータ共有を可能にし得る。このストレージ３ｅが所定の位置に配置されると、研究者グループは、特定の研究課題または特定のタイプのＷＳＩ（例えば、前立腺癌スライドなど）にカスタマイズされた１つ以上のＡＩモジュールまたはソフトウェア開発キット（ＳＤＫ）３ａ、３ｂ、３ｃ、３ｄを開発してもよい。１つ以上のＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、３ｄ、または他のサービスの形態の様々なＡＩソリューションは、クラウドストレージ３ｅと同じセキュアクラウドコンピューティングエコシステム３に展開され得る。更に、１つ以上のＡＩモジュールもしくはＳＤＫ３ａ、３ｂ、３ｃ、３ｄは、プラットフォーム１ａ、大学２、及び／または二次病院設定４に利用可能にされてもよく、及び／またはそれらと通信してもよい。１つのクラウドストレージ３ｅが示されているが、複数のクラウドストレージ３ｅがあってもよく、各クラウドストレージ３ｅは、単一の施設（例えば、外部研究グループもしくは大学２、または別の外部グループ、病院、研究大学など）に対応し、及び／または専用であってもよく、施設間及び／または顧客間の漏洩を防ぐ。
【0059】
病院の場所１にいる病理医は、適切なツールを活用して１つ以上のサードパーティＡＩモジュール３ａ、３ｂ、３ｃ、３ｄの結果及び画像を表示してもよい。大学２の研究者は、貴重なフィードバックを収集してもよく、及び／またはクラウドコンピューティングエコシステム３からの他のサービスを使用してもよい。共同研究者は一緒に、セキュリティ及びプライバシーを維持しながら、１つ以上のサードパーティＡＩモジュール３ａ、３ｂ、３ｃ、３ｄを他の施設及び場所（例えば、二次病院４）に利用可能にし、様々な他の情報及びデータをワークフローに組み込むかどうかを決定し得る。共同研究者は、更に、自分の１つ以上のＡＩモジュール３ａ、３ｂ、３ｃ、及び３ｄを更新し、それらの更新をクラウドコンピューティングエコシステム３で利用可能にすることを決定し得る。病院の場所１にいる病理医、大学２にいる研究者、及び／またはアクセス権を持つ他の人などの異なるユーザは、異なるユーザ（例えば、異なる大学または他の第三者）によって開発された複数のＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、及び３ｄから選択、取得、及び／またはダウンロードすることができ、これらのＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、及び３ｄは、他のものと簡単に交換及び／または更新されてもよい。
【0060】
１つ以上のＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、３ｄは、単純であってもよく、使用可能であってもよく、技術的に健全であってもよい。１つ以上のＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、３ｄは、特定の使用事例についてのカスタマイズに必要な労力を少なくすることができ、自己完結型であってもよく、ローカルで起動することができてもよく、公開されるコードを削減または最小化してもよい。１つ以上のＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、３ｄは、容易に学習し得、開発者のワークフローに容易に統合し得、十分に文書化され得るが、文書化することなく使用することを可能にし得、例を提供し得、必要とするサポートを少なくし得る。１つ以上のＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、３ｄは、安定していてもよく、徹底的に検査されていてもよく、セキュアであってもよく、後方互換性があり、十分にパッケージ化されていてもよく、バージョン管理されていてもよい。１つ以上のＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、３ｄは、ユーザ（例えば、病理医、研究者など）の所望に応じて、及び１つ以上のＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、３ｄの所望される機能に応じて、いくつかの場所でプラットフォームアーキテクチャに導入されてもよい。
【0061】
本明細書で開示されるプラットフォーム１ａ及びワークフローは、ユーザ間の共同研究を強化し得る。共同研究は、施設（例えば、病院１）内のプラットフォーム１ａのユーザと、同じ施設内のユーザ、別の施設（プラットフォーム１ａへのアクセス権を有する）のユーザ、プラットフォーム１ａへのアクセス権を有しない別の施設（例えば、二次病院４）の人、または外部の個人（例えば、外部の施設２にいる個人）との間で行われてもよい。プラットフォーム１ａのユーザは、同じスライド及びケースを同時に開いて見ることができ得る。ユーザは更に、ケース及びスライドのリンクを送信してもよい。この場合、ケースとスライドは識別され、識別解除され、匿名化され、または公開または非公開でコメント及び注釈を付され得る。会議や会議のような環境では、グループは、同じケース及びスライドを検討することができ、リードユーザがスライドをナビゲートし、グループの残りのメンバーが個人の画面でスライドを見ることができ得る（マルチヘッド顕微鏡と同様）。他の環境では、ケース及びスライドのリンクは、施設のダウンロード制限（例えば、大学の学生）に基づいて受信及び／またはダウンロードされ得る。ＡＩの結果は、共有オプションに含まれる場合がある。
【0062】
図２は、デジタルスライドを処理するためのプラットフォームの例示的なグローバルアーキテクチャ１００を示す。このアーキテクチャは、図１で上述したように、１つ以上のＳＤＫまたはサードパーティのＡＩモジュール３ａ、３ｂ、３ｃ、３ｄとともに使用されてもよい。１つまたは複数の実施形態は、サービスとしてのインフラストラクチャ（ＩａａＳ）及びサービスとしてのプラットフォーム（ＰａａＳ）プロバイダなどのクラウドプロバイダを使用して、スケーラブルで信頼性が高く、セキュアで、利用可能なサービスを世界規模で顧客に提供し得る。例示的なグローバルアーキテクチャ１００は、領域１０１内のプロバイダによる使用を含んでもよく、デジタルスライド及び画像を欧州連合または米国などの他の領域に送信してもよい。領域は、異なるサイズ及び特性を有する場所を指し得る。例えば、領域は、国、都市、及び／または病院などに対応し得る。患者に関連する任意のメタデータもまた、暗号化され、その領域に記憶されてもよい。グローバルアーキテクチャ１００は、任意の領域にわたってコンプライアンス、信頼性、セキュリティ、及びプライバシーを考慮して開発されてもよい。グローバルアーキテクチャ１００は、メタデータが記憶されるデフォルトの領域が存在しないように構成されてもよい（例えば、患者が特定の領域１０１に住んでいるときのように、許可されない限り、メタデータが米国のような特定の領域１０１に自動的に記憶されないように）。
【0063】
領域または場所１０１におけるプロバイダ内で、グローバルアーキテクチャ１００は、全スライド画像（ＷＳＩ）システム１０２を含んでもよく、ＷＳＩはデジタル化され、ストレージ１０３にローカルに記憶されてもよい。ＷＳＩは、スライドスキャナ１０４によってスキャンされ得、スライドスキャナ１０４からスライドマネージャ１０５に送信され得る。デジタル化された画像は、ＷＳＩシステム１０２からデータ取り込みアプライアンス１０６または臨床検査情報システム（ＬＩＳ）１０７のいずれかに送信されてもよい。画像がＬＩＳ１０７に送信される場合、ユーザは、画像がビューア１０８上で閲覧可能であることをＪａｖａＳｃｒｉｐｔ（登録商標）オブジェクト表記（ＪＳＯＮ）通知によって通知されてもよい。ビューア１０８は、従来の光学顕微鏡法による手動視覚化に適切であろうデジタル化された病理スライドの表示及びナビゲーションを容易にするウェブベースのソフトウェア製品であってもよい。ビューア１０８は、ｉｎ ｖｉｔｒｏ診断使用のために構成されてもよい。
【0064】
画像が代わりにデータ取り込みアプライアンス１０６に送信される場合、画像は、更に、スライドの発信元領域１０１の外部に位置するウェブサービス１１２に、ウェブアプリケーションファイアウォール（ＷＡＦ）１１０を介して送信されてもよい。画像は、ウェブサービス１１２からウェブサービスコンソール１１３に送信され、次いで、認証プロバイダ１０９による追加の処理、レビュー、または認証のために元の領域１０１に戻されてもよい。画像はまた、ＷＡＦ１１０を介して、領域１０１内のプロバイダの外部のビューア１０８に送信されてもよい。
【0065】
代替として、画像は、データ取り込みアプライアンス１０６から一意の暗号化Ｓ３バケット１１１に送信されてもよい。暗号化Ｓ３バケット１１１は、例えば、欧州連合（ＥＵ）（ロンドンまたはフランクフルトなど）、ブラジル（サンパウロなど）、または米国（北バージニアなど）のいくつかの異なる領域またはプライバシー管轄区域に物理的に位置し得る。上述したように、領域は、異なるサイズ及び特性を有する場所を指し得る。プライバシー管轄区域とは、同じまたは類似のプライバシー法またはポリシーに従うエリア（ＥＵまたは米国など）を指す場合がある。領域は、同じ情報にアクセスすることを許可されたエリアまたは場所（例えば、病院）であり得る。画像またはスライドのいずれかに関連付けられた保護された健康情報（ＰＨＩ）は、異なる領域に位置する暗号化Ｓ３バケット１１１間を移動することを許可されてはならない。暗号化Ｓ３バケット１１１が米国内に位置する場合、画像は、ウェブサービス１１２との間で送受信されてもよく、ウェブサービス１１２は、更に、匿名の結果を保持するために、画像を別の暗号化Ｓ３バケット１１４に送信してもよい。これらの匿名化された結果は、前立腺などの身体の特定のエリアを対象とした診断ツールを含む他の製品１１５で使用されてもよい。
【0066】
画像（例えば、全スライド画像またはＷＳＩ）は、ＷＳＩスキャナ１０４によって自動的にスキャンされ、ＷＳＩスキャナ１０４によって自動的かつセキュアに取り込まれ、ローカルストレージ１０３に蓄積されてもよい。これらの画像は、セキュアなクラウドストレージに自動的にコピーされ得る（例えば、完全に自動化されたプロセス）。画像が受信されると、グローバルアーキテクチャ１００は、クラウドコンピューティングの最新の進歩を活用して、大規模にＡＩ計算を自動的に実施してもよい。グローバルアーキテクチャ１００は、ＡＩ製品によって生成されたアップロードされた画像及び予測を閲覧する最先端の経験を提供してもよい。
【0067】
グローバルアーキテクチャ１００は、患者情報がその発信元の地理を離れるのを防止することを含む、ＰＨＩの規制要件の厳格な実施を維持し得る。グローバルアーキテクチャ１００及び／または製品アーキテクチャは、ＰＨＩが発信元領域に保持されるように、コンプライアンス、信頼性、セキュリティ、及びプライバシーを考慮して開発され得る。グローバルアーキテクチャ１００は、アップロードされた画像及び／またはメタデータが特定の施設に専用のストレージに記憶され得るように構成され得る。
【0068】
図２に示すように、識別可能な患者情報は、診療が配置されている領域に保持され得る。全てのスキャンされた画像は、領域のうちのいずれかに物理的に位置する暗号化Ｓ３バケット１１１内に維持されてもよい。異なる施設からの病理データは、異なる施設からのデータを異なるバケットに記憶することによって互いに分離され得る。
【0069】
グローバルアーキテクチャ１００は、データ取り込みのための適切に定義されたアプリケーションプログラミングインターフェース（ＡＰＩ）エンドポイントを提供し得る。機密データの露出を低減または最小化するために、特定のエンドポイント（例えば、領域ＡＰＩエンドポイント）及び一意のＳ３バケット１１１を提供して、作成されるべきファイアウォールルールの数を限定してもよい。このエンドポイントは、サービス中断のリスクを低減させるように安定し得る。
【0070】
グローバルアーキテクチャ１００は、認証プロバイダ（複数可）を活用してもよい。グローバルアーキテクチャ１００は、情報技術（ＩＴ）部門が許可されたアカウントの認証情報及びアクセスを管理することを可能にするプロトコル（例えば、セキュリティアサーションマークアップ言語（ＳＡＭＬ）２．０プロトコル）を使用して認証プロバイダと統合し得る。
【0071】
グローバルアーキテクチャ１００は、顧客の分別管理を提供するか、または可能にしてもよい。アップロードされた画像を施設専用のクラウドストレージに保存して、顧客間のデータ漏洩を防いでもよい。他のデータは、マルチテナントであってもよく、必ずしも他の顧客のデータからセグメント化されていなくてもよい。グローバルアーキテクチャ１００は、定期的に顧客データのバックアップを実施し、所定の期間（例えば、６年間）記録を保持して、災害復旧機能を提供してもよい。所定の期間は、契約上の合意、ルール、ポリシーなどに基づいていてもよい。
【0072】
顧客は、自分のデータの所有者であり続けることができる。顧客のデータは、製品を改善し、プラットフォーム及び関連する製品及びサービスを更に開発するために使用される場合がある。
【0073】
一貫したデータ損失防止（ＤＬＰ）ソリューションを展開して、潜在的なデータ侵害または漏洩を検出し、データフローを監視し、機密情報（例えば、顧客データや知的財産）を保護してもよい。セキュリティ基準は、選択された基準（例えば、ＨＩＰＡＡ＜ＩＳＯ２７００１、ＧＤＰＲ、ＨＩＴＲＵＳＴ）と一致してもよい。
【0074】
グローバルアーキテクチャ１００は、キーカード管理システムを含んでもよく、物理的なオフィスへのアクセスは、キーカード管理システムによって制御されてもよい。キーカードへのアクセスも、制限されたオフィスエリアへの入場を制御する場合がある。キーカードシステムのログが、監視、アラート、及びイベント相関に使用されるセキュアなログ管理ツールに維持されてもよい。物理的なオフィスはまた、全ての物理的な出入口にビデオモニタリングを有する。
【0075】
グローバルアーキテクチャ１００は、従業員の認証を必要とし、監査を可能にするバージョン管理システムを含んでもよく、ソースコードは、バージョン管理システムにセキュアに記憶されてもよい。コードの変更は、品質及び潜在的なセキュリティの問題についてピアレビューされてもよい。更に、コンポーネント及び製品のバージョン管理により、完全な追跡を可能にし得る。
【0076】
従来の検査及び／または正しさ、回帰、安定性、及び妥当性のための検査に加えて、グローバルアーキテクチャ１００は、最終製品を形成する全てのコンポーネントについて、静的アプリケーションセキュリティ検査（ＳＡＳＴ）及び動的アプリケーションセキュリティ検査（ＤＡＳＴ）を実施し得るかまたは実施を可能にし得る。最大限の効率を上げるために、これらのツールは、ソフトウェア開発ライフサイクル（ＳＤＬＣ）内及び継続的統合プラットフォーム内に統合され得る。構想から納入まで、ＳＤＬＣ全体を通して、標準的な業界慣行を使用してもよい。ソースコードなどは、従業員認証を必要とし、監査可能にするバージョン管理システムにセキュアに保存されてもよい。全てのコード変更は、品質及び潜在的なセキュリティの問題についてピアレビューされてもよい。グローバルアーキテクチャは、完全な追跡を可能にし得る。
【0077】
グローバルアーキテクチャ１００は、パッチ管理を含んでもよく、定期的なパッチ適用手順及びスケジュールを維持してもよい。グローバルアーキテクチャ１００は、全ての管理システムに対して毎月オペレーティングシステムのパッチ適用を実施してもよい。グローバルアーキテクチャ１００は、製品の開発全体にわたって製品及びサードパーティソフトウェアのパッチ適用を管理し、各リリースとともに展開してもよい。本明細書で開示されるグローバルアーキテクチャ１００及び／またはプロセスは、品質管理システムを含み得る。品質管理システムは、適用可能な規格（ＩＳＯ１３４８５：２０１６など）及び規制に準拠して維持されてもよい。品質管理システムは、グローバルアーキテクチャ１００に関連して実行されるプロセス、これらのプロセスのインタラクション、リスクアプローチを用いて評価される（例えば、ＩＳＯ１４９７１規格を満たす）品質管理システム及び製品品質に対するこれらのプロセスのリスク、これらのプロセスをサポート及び監視するためのリソース割り振り、プロセスに関連する測定及び分析活動の有効性、及びプロセスの継続的改善に関連するメカニズムを監視及び／または分析してもよい。
【0078】
グローバルアーキテクチャ１００は、脆弱性管理を含んでもよい。グローバルアーキテクチャ１００は、セキュリティツールを使用して、製品及び本番環境のアクティブなセキュリティ及び脆弱性スキャンを実施してもよい。グローバルアーキテクチャ１００は、識別された問題を記録し、リスク評価を実施してもよい。セキュリティチームは、環境の定期的な評価、レビュー、監査を実施してもよい。更に、チームは脆弱性の問題を追跡して修復してもよい。
【0079】
グローバルアーキテクチャ１００は、マルウェア防止を含み得、マルウェア防止は、ウイルス対策及びマルウェア検出ツールの使用を含み得る。グローバルアーキテクチャ１００は、ネットワークトラフィックを制御及び監視するためのファイアウォールを含んでもよい。
【0080】
図３Ａ及び図３Ｂは、例示的な実施形態による、ＡＩアルゴリズムを有するプラットフォームの使用のための例示的な方法を示すワークフローである。例えば、ＡＩは、自動的に、またはユーザによる要求に応答して、プラットフォームによって使用される完全なワークフローの多くの態様に適用され得る。図３Ａは、方法３００として説明されるメタデータを生成するワークフローの一部分を示し、図３Ｂは、方法３５０として説明される図３Ａからの、ＷＳＩ、ＷＳＩに関連付けられた補足情報、及び／またはＷＳＩから生成されたメタデータを送信するワークフローの一部分を示す。いくつかの実施例では、方法３００及び３５０は、単一の方法に組み合わせることができる。
【0081】
図３Ａを参照すると、ＡＩ出力を有するプラットフォーム（例えば、図１のプラットフォーム１ａ）を使用するための例示的な方法３００は、以下のステップのうちの１つ以上を含んでもよい。ステップ３０２では、方法３００は、クラウドコンピューティング環境（例えば、図１のクラウドコンピューティングエコシステム３）において、第１の場所または領域（例えば、図１の病院１）における第１のユーザから、及び／または第１の場所及び／または領域における第１の患者に関連付けられた第１のユーザから、１つまたは複数の全スライド画像（ＷＳＩ）を受信することを含んでもよい。ＷＳＩは、患者に関連付けられた医療試料を示し得る。スライドは、図２に上述されるように、スライドスキャナ１０４によってスキャンされ、ＷＳＩシステム１０２に記憶され得る。１つ以上のＷＳＩを受信するステップ３０２はまた、ＷＳＩ、医療試料、及び／または患者に関連付けられた追加情報もしくは補足情報を受信することを含んでもよい。
【0082】
ステップ３０４では、方法３００は、全スライド画像を第１の領域における第１のコンテナに記憶することを含んでもよい。コンテナは、単純記憶サービス暗号化バケット（例えば、図２の暗号化Ｓ３バケット１１１）などの任意のデータ記憶サービスであってもよい。受信した全スライド画像を記憶することは、受信した全スライド画像の自動ＡＩベースの取り込みを実施することを含んでもよい。
【0083】
ステップ３０６では、方法３００は、１つ以上のＷＳＩ上でタスクを実施するために、ユーザ開発またはカスタマイズされた人工知能（ＡＩ）モデルまたはアルゴリズム（例えば、図１のサードパーティＡＩモジュール３ａ、３ｂ、３ｃ、３ｄ）を適用することを含んでもよい。タスクは、ＷＳＩ内の医療試料の特性を決定する少なくとも１つのステップを含んでもよい。ＡＩは、スライド自体だけでなく、受信した遺伝子プロファイル、患者履歴、他の関連するスライド、放射線データ、分子データ、臨床データなどの関連する患者データも組み込んでもよい。
【0084】
ユーザが開発したＡＩモデルまたはアルゴリズムは、第２の場所または領域における第１のユーザ及び／または第２のユーザ（例えば、図１の施設２の研究者）によって開発され、受信されてもよい。このように、方法３００は、ユーザが開発したＡＩモデルまたはアルゴリズムをクラウドコンピューティング環境（例えば、図１のクラウドコンピューティングエコシステム３）に受信するステップを含んでもよい。ユーザが開発したＡＩモデルまたはアルゴリズムは、クラウドコンピューティング環境に記憶された複数のユーザが開発したＡＩモデルまたはアルゴリズムに含まれてもよい。複数のＡＩモデルまたはアルゴリズムの各々は、病院１、施設２、追加の病院４、または病院１の外部の別の施設、組織、または病院など、異なる場所及び／または領域（例えば、第３、第４などの領域）における異なるユーザ（例えば、第３、第４などのユーザ）によって開発され得る。
【0085】
ユーザが開発したＡＩモデルまたはアルゴリズムを開発する際に、第２のユーザは、第１のユーザから匿名化されたスライドまたは関連付けられたデータ（例えば、スライドに関連付けられたメタデータ）を受信していてもよい。１つ以上の全スライド画像を受信するステップ３０２は、１つ以上の匿名化された全スライド画像を受信することを含んでもよく、及び／または方法３００は、スライドもしくは関連データを匿名化するステップ、及び／または匿名化されたスライドもしくは関連データを第２のユーザに送信するステップを含んでもよい。
【0086】
ユーザが開発したＡＩモデルまたはアルゴリズムを適用するステップ３０６は、クラウドコンピューティング環境に記憶された複数のユーザが開発したＡＩモデルまたはアルゴリズムの中から１人以上のユーザが開発したＡＩモデルまたはアルゴリズムを選択することを含み得る。この選択は、受信された要求の種類（例えば、所望されるメタデータまたは情報）、特定のユーザが開発したＡＩモデル（複数可）についてのコマンド、ＷＳＩに既に関連付けられており、及び／またはステップ３０６の前に追加で受信された追加または補足情報もしくはメタデータ、第１のユーザによって受信されたルールもしくはポリシー、及び／または第２のユーザ及び／またはユーザが開発したＡＩモードをクラウドコンピューティング環境に提出したユーザによって受信されたルールもしくはポリシーに基づいてもよい（例えば、特定のユーザまたは施設は、ライセンス契約に基づいて他のユーザまたは施設がそれらのＡＩモデルを使用することを禁止することを望む場合がある）。例えば、方法３００は、全スライド画像を分析するための要求、及び／またはユーザが開発したＡＩモデルまたはアルゴリズムを全スライド画像に適用するための要求を受信するステップを含んでもよい。
【0087】
ステップ３０８では、方法３００は、１つ以上のＷＳＩの決定された特性に基づいて、ＷＳＩに関連付けられたメタデータを生成することを含んでもよい。メタデータ出力は、スライドから生成され得る。メタデータは、受信された要求及び／または選択されたユーザ開発のＡＩモデルまたはアルゴリズムに従って生成され得る。
【0088】
メタデータ出力は、ユーザ（例えば、要求者）の希望または好みに従ってカスタマイズ可能であってもよく、（ｉ）症例の割り当て、（ｉｉ）症例のワークリスト、（ｉｉｉ）症例の準備、（ｉｖ）スライドトレイ、（ｖ）スライドビューア、及び／または（ｖｉ）病理レポートを含んでもよいが、これらに限定されない。症例割り当てメタデータを使用して、症例は、ＡＩ出力に基づいて専門の病理医に割り当てられてもよく、症例について病理医に自動的に通知し、及び／または症例を複数の病理医に割り当ててもよい。症例ワークリストメタデータを用いて、症例がワークリストに送信され、緊急度に応じて症例を整理または優先順位付けし、重要度に応じて症例を視覚化し、及び／または望ましい結果によって症例を検索し得る。
【0089】
症例準備メタデータを用いて、症例は、患者に必要な特別な染色を注文し、患者の臨床試験を提案し、及び／または例えば、不良なスライド品質に基づいて、スライドの再スキャンをトリガするように準備されることがある。スライドトレイメタデータを用いて、スライドを緊急度または重大度に従って症例内で整理し、スライドを重要度に従って視覚化し、及び／または検出された結果によって症例を検索してもよい。スライドビューアメタデータを用いて、スライドをグラフィカルなＡＩ結果のオーバーレイとともに表示して、ＡＩ結果をテキストで要約し、及び／またはフォローアップ研究を提案またはトリガしてもよい。病理レポートメタデータを用いて、病理レポートにワークフローのＡＩ結果が事前に入力されてもよい。
【0090】
メタデータは、図７を参照してより詳細に説明されるように、ヒートマップとして出力されてもよい。ヒートマップは、医療標本における属性の尤度のグラフィカルな予測を含んでもよい。ＡＩ及び／またはメタデータ出力は、プラットフォームと併せて使用されるユーザ開発のＡＩモデルまたはアルゴリズム（例えば、ＡＩモジュールまたは図１のＳＤＫ３ａ、３ｂ、３ｃ、及び／または３ｄ）に更に依存し得る。
【0091】
ステップ３１０では、方法３００は、メタデータを第２のコンテナに記憶することを含んでもよい。第２のコンテナは、第１のコンテナとは異なってもよい。第２のコンテナは、第１の場所もしくは領域と同じであるか、あるいは代替的に、第２の場所もしくは領域及び／または第３の場所もしくは領域などの第１の場所もしくは領域とは異なる場所もしくは領域における単純記憶暗号化バケット（例えば、図２の追加の暗号化Ｓ３バケット１１１）などの任意のデータ記憶サービスであってもよい。いくつかの例では、ユーザが開発したＡＩモデルまたはアルゴリズムは、生成されたメタデータ及び／またはクラウドコンピューティング環境（例えば、図１のクラウドエコシステム３及び／またはストレージ３ｅ）に受信された任意の追加情報（例えば、長期結果）に基づいて修正及び／または改良され得、ユーザが開発したＡＩモデルまたはアルゴリズムの精度及び効率が改善され得る。いくつかの実施例では、各施設、場所、領域などは、生成されたメタデータのための独自のコンテナまたはバケットを有し得る。
【0092】
図３Ｂを参照すると、方法３５０は、デバイス（例えば、コンピュータまたは他のモバイルデバイス、病院の画像システムなど）から１つ以上の全スライド画像の要求を受信するステップ３１２を含んでもよい。方法３５０は、デバイスの物理的な位置に基づいて、デバイスが全スライド画像、全スライド画像に関連付けられた補足情報、及び／または全スライド画像に関連付けられた生成されたメタデータを受信またはアクセスすることを許可されているかどうかを決定するステップ３１４を含んでもよい。ステップ３１４は、例えば、デバイスが、第１のコンテナ、第２のコンテナ、第１のユーザ（すなわち、クラウドコンピューティング環境への最初の全スライド画像の送信者）、及び／または患者の同じまたは異なる場所（例えば、病院）、領域（例えば、都市またはローカル病院システム）、及び／またはプライバシー管轄区域（例えば、米国）に位置するかどうかを決定することを含んでもよい。ステップ３１４は、デバイス及び／またはユーザが第１のコンテナ及び／または第２のコンテナ内の情報にアクセスすることを許可されているかどうかを決定することを含んでもよい。
【0093】
ステップ３１４はまた、要求者またはデバイスの識別情報及び／または認証情報に基づいて、及び／または任意のポリシー、許可、またはルールに基づいて、デバイスが認可されているかどうかを決定してもよい。ポリシー、許可、またはルールは、（ｉ）第１のユーザ（例えば、図１の病院１）、（ｉｉ）メタデータを生成するために使用されるユーザが開発したＡＩモデルまたはアルゴリズムを作成した第２のユーザ、（ｉｉｉ）第２のコンテナ、及び／または（ｉｉｉ）プライバシー管轄区域内（例えば、患者、病院、及び／または第１もしくは第２のコンテナがＥＵ内に位置する場合のＧＤＰＲ）の外部ルール、規制、法律、またはポリシーに関連付けられてもよく、またはこれらから受信されてもよい。方法３５０は、上記のポリシー、許可、またはルールを受信、記憶、及び／または決定するステップを含んでもよい。代替として、またはそれに加えて、ステップ３１４は、許可を決定するために使用される上記の要因のいずれかに基づいて、全スライド画像、補足情報、及び／または生成されたメタデータを修正する必要があるかどうかを決定することを含んでもよい。
【0094】
方法３５０は、ステップ３１４において、デバイスが全スライド画像にアクセスすることが許可されたと決定された場合、ステップ３１６において、要求された全スライド画像をデバイスに送信または出力することを含んでもよい。例として、ＷＳＩは、第１のコンテナから送信されてもよい。代替として、またはそれに加えて、ステップ３１６は、ステップ３１４で決定された任意の修正に基づいて、全スライド画像を修正すること、及び／または新しい全スライド画像を生成することを含んでもよい。
【0095】
方法３５０は、ステップ３１４において、デバイスが任意のそのような補足情報にアクセスすることを許可されたと判断された場合、ステップ３１８において、デバイスにＷＳＩに関連付けられた任意の補足情報を送信または出力することを含んでもよい。ステップ３１４は、補足情報のうちで認可された部分またはタイプ及び認可されていない部分またはタイプを決定することを含んでもよく、ステップ３１８は、補足情報のうちでそれらの認可された部分またはタイプのみを送信することを含んでもよい。補足情報は、第１のコンテナ及び／または保管から送信されてもよい。代替として、またはそれに加えて、ステップ３１８は、ステップ３１４で決定された任意の修正に基づいて、補足情報を修正すること、及び／または新しい補足情報を生成することを含んでもよい。
【0096】
方法３５０は、ステップ３１４において、デバイスが生成されたメタデータにアクセスすることを許可されたと決定された場合、ステップ３２０において、ＷＳＩに関連付けられた生成されたメタデータをデバイスに送信または出力することを含んでもよい。ステップ３１６と同様に、ステップ３１４は、生成されたメタデータのうちで許可された部分またはタイプ及び許可されていない部分またはタイプを決定することを含み得、ステップ３２０は、生成されたメタデータのうちでそれらの許可された部分またはタイプのみを送信することを含んでもよい。生成されたメタデータは、第２のコンテナから送信され得る。代替として、またはそれに加えて、ステップ３２０は、ステップ３１４で決定された任意の修正に基づいて、生成されたメタデータを修正すること、及び／または新しいメタデータを生成することを含んでもよい。
【0097】
３１６、３１８、及び３２０のうちのいずれか１つまたは全ては、ステップ３１４でなされた決定に基づいて実施されてもよい。例えば、デバイスは、ステップ３０２においてＷＳＩを受信したのと同じ病院または医師のものであり、次いでステップ３１４は、病院がＷＳＩ及びＷＳＩに関連付けられた全ての情報（補足及び生成メタデータの両方）にアクセスすることを許可されていると決定してもよく、ステップ３１６、３１８、及び３２０の全てが実施されてもよい。デバイスが研究者のものである場合、研究者と病院との間の共同研究契約、共同開発契約、法律などに基づき、研究者が病院によって提出された特定のＷＳＩ（例えば、がんに関連するもの）及び特定の補足データまたは生成されたメタデータにアクセスすることを許容するが、他の情報（例えば、識別情報）へのアクセスを許容しないポリシーがあり得るので、ステップ３１４は、研究者がＷＳＩ及び補足情報及び／または生成されたメタデータの一部または全てにアクセスすることを許可されていると決定し得、ステップ３１６は、それに応じてステップ３１８及び３２０とともに実施され得る。
【0098】
別の例では、デバイスは、ステップ３１４の間の決定に応じて、認識されていないかまたは許可されていない場所、領域、またはユーザのものである場合があり、ステップ３１６、３１８、３２０のいずれも実施されない場合もある。更に別の例では、いくつかのデバイスは、ユーザ識別情報に基づいて、ステップ３１４において、生成されたメタデータにはアクセスするが、ＷＳＩ及び／または補足データにはアクセスすることは許可されていないと決定される場合があり、ステップ３１６は実施されない場合があるが、それに応じてステップ３１８及び３２０は実施され得る。
【0099】
図４Ａ～４Ｃは、例示的な実施形態による、データ取り込みアプライアンスの例示的なアーキテクチャであり、データ取り込みアプライアンスのプラットフォームアーキテクチャへの統合である。データ取り込みアプライアンスの例示的なアーキテクチャは、スライドが画像としてデジタル化されるときに通知を受信することができるデータ取り込みアプライアンスを提供してもよく、次いで、新しい画像をキューに入れてアップロードしてもよい。準備ができたら、取得された画像は暗号化され（例えば、ＴＬＳ１．２＋を使用して）、それらが処理されるセキュアなクラウドストレージに送信されてもよい。
【0100】
データ取り込みアプライアンスは、スライドスキャナ１０４などの１つ以上のスキャナとシームレスに統合し得る。転送中データは、（例えば、業界標準のＨＴＴＰＳを介して、ＡＥＳ－２５６暗号化を用いたＴＬＳ１．２＋を使用して）暗号化されてもよい。データ取り込みアプライアンスは、オープン仮想アプライアンス（ＯＶＡ）ファイルとして配布され得る。
【0101】
図４Ａを参照すると、データ取り込みは、ＷＳＩシステム１０２、臨床検査情報システム（ＬＩＳ）１０７、及びブリッジ１２０を含んでもよい。ＷＳＩシステム１０２は、画像管理システム（ＩＭＳ）またはスライドマネージャ１０５、ストレージ１０３、及びスライドスキャナ１０４を更に備え得、全てのコンポーネントは、互いの間でスライド画像を通信及び送信することができる。
【0102】
ここで、ＬＩＳ１０７とスライドマネージャ１０５との間の統合は、確立され得るか、または事前に存在し得る。このインターフェースは、デジタル化されたスライドをＬＩＳ１０７からアクセス可能にし得る。ブリッジ１２０は、ＷＳＩシステム１０２などのスキャナ１０４から構築されたインターフェースからの全ての情報を消費するように展開され、構成されてもよい。インターフェースは、ヘルスレベル７（ＨＬ７）、Ｆａｓｔ Ｈｅａｌｔｈｃａｒｅ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ Ｒｅｓｏｕｒｃｅｓ（ＦＨＩＲ）、データベース、Ｒｅｐｒｅｓｅｎｔａｔｉｏｎａｌ ｓｔａｔｅ ｔｒａｎｓｆｅｒ（ＲＥＳＴ）アプリケーションプログラミングインターフェース（ＡＰＩ）などにおいて構築され得る。
【0103】
ブリッジ１２０は、スキャナ（複数可）１０４にローカルに、仮想アプライアンスとしてオンプレミスで容易にインストールされるスタンドアロンの製品またはモジュールとして設計されてもよい。ブリッジ１２０は、スライドがデジタル化されると、スライドをアップロードしてもよい。準備ができたら、取得された画像及び関連するメタデータは、処理されるためにセキュアなクラウドストレージ３ｅに送信されてもよい。ブリッジ１２０は、自動化が可能にされた全てのデジタルスライドスキャナ１０４とシームレスに統合するように構築され得る。全ての転送中データは、業界標準のＨＴＴＰＳを介して、ＡＥＳ－２５６暗号化を用いたＴＬＳ１．２＋を使用して暗号化されてもよい。ブリッジ１２０は、オープン仮想アプライアンス（ＯＶＡ）ファイルとして配布され得る。
【0104】
任意の補足情報は、ＬＩＳ１０７から取得されてもよい。画像及び関連する情報は、ブリッジ１２０からクラウド１２１に送信されてもよい。この例は、ブリッジ１２０が新しくデジタル化された画像を通知され、スキャナ１０４及び／またはスライドマネージャ１０５及びＬＩＳ１０７の組み合わせから関連するデータを取り出すことを可能にする。
【0105】
図４Ｂを参照すると、ＷＳＩシステム１０２の任意の部分とＬＩＳ１０７が統合されない場合がある。このオプションでは、ＷＳＩシステム１０２は、スライドマネージャ１０５を含まない。ここで、ブリッジ１２０は、スキャナ１０４及び出力ストレージ１０３からデジタル化された画像を消費するためのメインシステムとして展開及び構成されてもよい。ブリッジ１２０はまた、ＬＩＳ１０７から患者及び症例メタデータを取得するために使用されてもよい。次いで、ブリッジ１２０は、デジタル化された画像に関するこの情報のいずれかをＬＩＳ１０７に送信するか、または画像及び関連情報をクラウド１２１に送信してもよい。この例は、ブリッジ１２０が、ＬＩＳ１０７に新たにデジタル化された画像を通知され、ＬＩＳ１０７との双方向統合を形成して、ＬＩＳ１０７に記憶されたスキャンされた画像と情報を調和させることを可能にする。
【0106】
図４Ｃを参照すると、ここで、ＬＩＳ１０７とＷＳＩシステム１０２のスライドマネージャ１０５との間に統合が確立または事前に存在して、デジタル化されたスライドがＬＩＳ１０７からアクセス可能であることを可能にし得る。このインターフェースを介して、患者、症例、及びスライド情報が利用可能になり得る。ブリッジ１２０は、スキャナ１０４システムに対して構築されたインターフェースからの全ての情報を消費するように展開され、構成されてもよい。画像及び関連する情報は、ブリッジ１２０からクラウド１２１に送信されてもよい。ＬＩＳ１０７とスライド管理システム１０５及び／またはスキャナ１０４との間の既存の統合を用いて、スライド管理システム１０５及び／またはスキャナ１０４から画像及び関連するメタデータを取り出す機構を開発してもよい。
【0107】
図５Ａ～Ｃは、例示的な実施形態による、臨床情報システム（ＬＩＳ）の例示的なアーキテクチャであり、ＬＩＳのプラットフォームアーキテクチャまたは他の病院システムへの統合である。
【0108】
図５Ａを参照すると、ＬＩＳ１０７は、ビューア１０８と一方向で通信してもよい。ビューア１０８が自動的にまたはユーザからの要求に応答して開かれると、ＨＴＴＰなどのプロトコルは、症例及び患者を識別するために全ての情報を転送することを要求してもよい。この情報は、ＬＩＳ１０７によってウェブ製品１１５に検証のために送信されてもよい。情報は、ＳＡＭＬまたは別の標準を使用して認証を交換することによって、病院の認証プロバイダ１０９に認証され得る。認証されると、画像及び任意の関連するＡＩ結果は、ビューア１０８上にストリーミングまたは表示されてもよい。この例は、症例または画像への直接リンクがＬＩＳ１０７に組み込まれることを可能にし得、ビューア１０８が既存のワークフローの一部として開かれることを可能にする。
【0109】
図５Ｂを参照すると、ＬＩＳ１０７は、ビューア１０８と直接通信してもよい。ウェブ製品１１５はまた、ＬＩＳ１０７と直接通信して、ＬＩＳ１０７の双方向統合を確立してもよい。ビューア１０８が自動的にまたはユーザからの要求に応答して開かれると、ＨＴＴＰなどのプロトコルは、症例及び患者を識別するために全ての情報を転送することを要求してもよい。この情報は、ＬＩＳ１０７によってウェブ製品１１５に検証のために送信されてもよい。情報は、ＳＡＭＬまたは別の標準を使用して認証を交換することによって、病院の認証プロバイダ１０９に認証され得る。認証されると、画像及び任意の関連するＡＩ結果は、ビューア１０８上にストリーミングまたは表示されてもよい。この例は、プラットフォーム（例えば、ステータスなど）からデータを取り出すために使用することができるＡＰＩ（例えば、ＲＥＳＴ ＡＰＩ）のセットを可能にし、情報がＬＩＳ１０７または任意の他の既存の医療システムに伝播することを可能にしてもよい。ＬＩＳ１０７は、ウェブ製品１１５が提供するＲＥＳＴ ＡＰＩから情報を取り出すことができる。
【0110】
図５Ｃを参照すると、ＬＩＳ１０７は、ビューア１０８と直接通信してもよい。ウェブ製品１１５はまた、ブリッジ１２０を介してＬＩＳ１０７と通信して、ＬＩＳ１０７の双方向統合を確立してもよい。ビューア１０８が自動的にまたはユーザからの要求に応答して開かれると、ＨＴＴＰなどのプロトコルは、症例及び患者を識別するために全ての情報を転送することを要求してもよい。この情報は、ＬＩＳ１０７によってウェブ製品１１５に検証のために送信されてもよい。情報は、ＳＡＭＬまたは別の標準を使用して認証を交換することによって、病院の認証プロバイダ１０９に認証され得る。認証されると、画像及び任意の関連するＡＩ結果は、ビューア１０８上にストリーミングまたは表示されてもよい。更に、ブリッジ１２０は、任意のプロトコルを介して、ＬＩＳ１０７または電子医療記録（ＥＭＲ）または病院システム１３０などの他のシステムへのより高度な書き込み動作のために使用されてもよい。この例は、ブリッジ１２０を使用して、プラットフォームからデータを取り出すのを可能にし、ＬＩＳ１０７または任意の他の既存の健康システムに情報を伝播させることを可能にし得る。
【0111】
図６は、本開示の例示的な実施形態による、スライドビューアの例示的なアーキテクチャである。ビューアは、病理医が、関連する患者についての保護された健康情報（ＰＨＩ）を含んでもよい、病理標本または症例のデジタル化された画像をレビュー及び解釈するための補助として、体外診断用に使用されてもよい。例えば、ビューアは、スライドのデジタル化された病理画像の視聴及びナビゲーションの改善を容易にするＡＩネイティブのウェブベースのソフトウェア製品を含んでもよい。例示的なアーキテクチャは、ユーザ（例えば、病理医）がデジタル化されたスライド画像または診断症例を見ることを可能にし得る。
【0112】
例示的なアーキテクチャ６００は、ローカル環境におけるいくつかのコンポーネント、ならびにクラウド１４０などのクラウドコンピューティングサービスに基づくいくつかのコンポーネントを含んでもよい。ローカル設定内に、ウェブアプリケーション１３１、ワークリスト１３２、及び対応するユーザ、例えば、病理医、管理者などを有するマネージャ製品１３３などの製品が存在してもよい。ウェブアプリケーション１３１、ワークリスト１３２、及び／またはマネージャ製品１３３のいずれか１つは、スライド加入者１３７を介してスライドキュー１３６にスライドまたは他の情報を送信してもよい。更に、仮想マシン１７１を有する施設Ａには、スライドスキャナ１０４、ファイルシステム１３４、及びデータベース１３８が存在し得る。仮想マシンは、スライドをスライドキュー１３６に送信する前に、ファイルシステム１３４またはデータベース１３８からスライドを取得し得るウォッチャー１３５を含んでもよい。
【0113】
クラウド１４０において、全ての画像がＷＡＦ１１０を介してスクリーニングされることが必要になってもよい。次いで、スライドは、クラウドベースのワークリストアプリケーション１３２、内部アプリケーションロードバランサ（ＡＬＢ）１４６または外部ＡＬＢ１４７、またはウェブフレームワーク１７２に送信されてもよい。
【0114】
画像が内部ＡＬＢ１４６に送信される場合、内部ＡＬＢ１４６は次いで、画像を施設ＡＰＩ１４８に送信してもよい。次いで、施設ＡＰＩ１４８は、画像をＳＱＬインスタンス１４９に送信してもよく、画像は、そこに記憶されてもよい。施設ＡＰＩ１４８はまた、画像を症例加入者１５２に送信してもよい。要求された場合、自動的に、またはユーザからの要求に応答して、症例ＡＰＩ１５２は、メインデータベース１５４及び領域データベース１５５を含んでもよいクラスタ領域１５３に画像を送信する。
【0115】
画像が外部ＡＬＢ１４７に送信される場合、画像は次いで、データ取り込みアプライアンス１０６及び／または領域トピック１７４に送信されてもよい。画像は、領域トピック１７４から、症例キュー１５０に送信され、次いで症例加入者１５１または症例ＡＰＩ１５２に送信されてもよい。上述したように、症例ＡＰＩ１５２は、メインデータベース１５４及び領域データベース１５５を含むクラスタ領域１５３に画像を送信してもよい。代替として、画像は、外部ＡＬＢ１４７から症例１５２、またはインスタンスマネージャ１４９に直接送信されてもよい。更に、外部ＡＬＢ１４７は、画像を症例キュー１５０に直接送信してもよい。
【0116】
外部ＡＬＢはまた、画像をワークリスト１３２またはサーバ１４１に送信してもよい。サーバ１４１は、ウェブアプリケーションビューア１４２及びファイルシステム１４３を含んでもよい。ファイルシステム１４３は、サーバ１４１上にスライド画像を記憶してもよい。サーバ１４１は、ユーザが認証された後に画像をウェブサービスコンソール１１３上に送信してもよく、次いでウェブサービスコンソール１１３は、クラウド１４０からアクティブディレクトリ１７０に画像を送信してもよい。
【0117】
画像はまた、ウェブアプリケーションビューア１４２から、アプリケーションログとともにプロジェクト及びユーザ情報を記憶するキャッシュ１４４に送信されてもよく、または２つのバケットのうちの一方に送信されてもよい。一方のバケットは、推論結果バケット１４５であってもよく、他方のバケットは、施設Ａ１０１に関連付けられたバケット１１１であってもよい。代替として、ウェブアプリケーションビューアは、画像を内部ＡＬＢ１４６に送り返してもよい。
【0118】
図７Ａ及び図７Ｂに示されるように、１つ以上の実施形態は、計算病理プロセス及びデバイス（例えば、前立腺癌検出）のためのアーキテクチャを提供し得る。アーキテクチャを使用して、身体の部分（複数可）から取られた標本を含むスライドからの画像にＡＩ及び機械学習モデルを適用し、ＡＩ及び機械学習モデルに関連する追加のメタデータ（例えば、ヒートマップ）を生成してもよい。ヒートマップは、計算病理プロセス及びデバイスの１つの可能な戻り値のみであってもよい。ヒートマップは以下に詳細に説明されるが、他の戻り値は、オーバーレイ画像、テキスト、または他の情報を含んでもよい。
【0119】
ヒートマップは、スライドからの画像の各エリアに対してがんの確率を識別する２次元（２Ｄ）画像であってもよい。例えば、画像の各ピクセルは、０～１の値を割り当てられ得、より高い数は、画像のその特定のエリアにおけるがんのより高い確率に対応する。
【0120】
図７Ａを参照すると、開示された計算病理プロセス及びデバイスのアーキテクチャ７００は、クラウドサービスプロバイダ１４０に基づいていてもよい。プロセスは、予測モジュール１６１にメッセージを送信し得るトリガ１６０への応答から開始してもよい。予測モジュール１６１は、予測をビューアヒートマップ１６４に送信してもよく、ビューアヒートマップ１６４は、予測を使用して追加のヒートマップ１６５またはヒートマップ１６６を作成してもよい。ヒートマップ１６６は、圧縮されて結果バケット１６８に送信されてもよく、更に結果バケット１６８からヒートマップをフェッチしてもよい。
【0121】
予測モジュール１６１はまた、アップロードされたスライドを予測分類モジュール１６２に送信してもよい。予測分類モジュール１６２は、スライドを追加の分類キュー１６３または予測分類１６７に送信し得る。アップロードされたヒートマップは、予測分類１６７から結果バケット１６８に送信されてもよい。代替として、予測分類１６７は、スライドバケット１６９から前立腺スライドをフェッチしてもよい。
【0122】
図７Ｂを参照すると、方法７１０は、トリガ（例えば、アップロードまたはスキャンされるファイルなどの図７Ａのトリガ１６０、ユーザ入力など）に応答して、１つ以上のメッセージを受信するステップ７０２を含んでもよい。例えば、１つ以上のメッセージは、エンキューされる通知サービスに受信され得る。方法７１０は、１つ以上のメッセージを処理、送信、及び／または転送するステップ７０４を含んでもよい。例えば、ステップ７０４は、１つ以上のメッセージを処理し、１つ以上のメッセージを分類キューに送信し、１つ以上のメッセージを分類ワーカーサービスに転送することを含んでもよい。エラーが発生し、メッセージを処理できない場合、メッセージは、後で分析されるデッドレターキューに送信されてもよい。
【0123】
方法は、ステップ７０６において、訓練された機械学習モデルをスライドまたは全スライド画像に適用すること、及び／または訓練された機械学習モデルを使用して計算を実施して、関連する組織から対象となる１つ以上のバイオマーカーを識別し、分析から無関係の組織を除外することを含んでもよい。分類ワーカーサービスで受信したメッセージごとに、スライドまたはＷＳＩ（例えば、前立腺スライド）を取得してもよく、計算を実施してもよい。計算は、関連する組織（例えば、がん組織）から対象となるバイオマーカー（複数可）を識別するように訓練された機械学習モデルを使用して実施され得、無関係な組織は分析から除外される。
【0124】
方法７１０は、ステップ７０８において、戻り値を作成または決定することを含んでもよい。戻り値は、画像の任意の部分に疾患（例えば、がん）の可能性を示すヒートマップ（例えば、前立腺ヒートマップ）を含んでもよい。方法７１０は、ステップ７１２において、戻り値を（例えば、ヒートマップとして）電子記憶デバイス（例えば、クラウドコンピューティング環境における図１のストレージ３ｅまたは図１のクラウドコンピューティングエコシステム３）に出力またはアップロードすることを含んでもよい。更に、計算の後、分類ワーカーサービスは、戻り値（例えば、ヒートマップ）が準備されたかどうか、またはプロセスが失敗したかどうかを示す通知を通知サービスにプッシュバックしてもよい。方法７１０は、ＷＡＦ（例えば、図２のＷＡＦ１１０）の背後で実施され得る。方法７１０は、１つ以上の管理リソース及び／または開発リソースから分離され得る。方法７１０は更に、顧客データの集合が、計算を実施する場所、戻り値を作成する場所、戻り値を出力する場所、または方法７１０の他のステップが行われる場所から離れることを禁止することを含んでもよい。
【0125】
更に、通知サービスは、分類ワーカーサービスから受信した通知に基づいて、ビューア戻り値キュー（例えば、ビューアヒートマップキュー）にメッセージを送信し得る。次いで、メッセージは、戻り値キューによって順次または並列に処理され、戻り値ワーカーサービス（例えば、ヒートマップワーカーサービス）に転送されてもよい。エラーが発生し、メッセージが処理できない場合、メッセージは、後で分析されるデッドレターキューに送信されてもよい。
【0126】
戻り値ワーカーサービスで受信したメッセージごとに、戻り値（例えば、ヒートマップ）が結果バケットから取り出され得、計算が実施され得る。例によれば、結果バケットからヒートマップを取り出した後、ヒートマップワーカーサービスは、圧縮されたＢＭＰヒートマップ及びＪＳＯＮメタデータを作成し、結果バケットにプッシュし得る。別の例によれば、ヒートマップワーカーサービスは、圧縮されたＢＭＰヒートマップ及びＪＳＯＮメタデータとともにヒートマップを結果バケットに送信してもよい。
【0127】
本明細書で開示される技術的態様は、以下の特徴のいずれかまたは全てを提供または実施し得る。（ｉ）転送中のデータの暗号化（例えば、ＴＬＳ１．２＋を使用）、（ｉｉ）保存データの記憶、（ｉｉｉ）キー管理システム（ＫＭＳ）に記憶された暗号化キー、及び／または（ｉｖ）フルディスク（プリブート）暗号化。転送中のデータを暗号化することは、データをそのサービスに送信すること、データをエコシステム内で送信すること、及びデータをユーザに送り返すことのいずれか１つまたはいずれかの組み合わせを含んでもよい。保存データを記憶することは、ＰＨＩを記憶すること（例えば、ＡＥＳ－２５６暗号化）を含んでもよい。ＫＭＳは、例えば、ＦＩＰＳ１４０－２規格に構築されたハードウェアモジュールを利用するセキュアでレジリエントなサービスであり得る。フルディスク（プリブート）暗号化を実施することは、顧客のデータが処理され、受信されるいずれかまたは全てのデバイスのフルディスク暗号化を実施することを含んでもよい。
【0128】
計算病理検出プロセス及びデバイスは、ウェブアプリケーションファイアウォール（ＷＡＦ）（例えば、図２のＷＡＦ１１０）の背後にプロビジョニングされてもよく、これによって、着信ＨＴＴＰトラフィックを監視し、許容されていないトラフィックをフィルタリングして、悪意のある攻撃（例えば、インジェクション、ＤＤＯＳなど）から保護してもよい。
【0129】
セキュリティレベルの向上のために、本明細書で開示される技術的態様は、生産リソースを管理及び開発リソースから分離し得る。例えば、細かいアクセス制御を使用して、顧客データがプロダクションエンクレーブを離れることを禁止することができる。
【0130】
図８は、本開示において説明されるワークフロー及びプラットフォームで使用するための例示的な推論アーキテクチャである。推論モジュール内で、臨床スライドは、ＳＮＳプラットフォーム１７６に取り込まれ得る。スライドは、スケジューラキュー（例えば、単純キューサービス（ＳＱＳ））１７７に送信されてもよく、そこで推論が起動されてもよい。推論は、スケジューラ１７８に送信されてもよく、及び／またはスケジューラ１７８から更に受信されてもよい。入力はまた、ＡＩモジュール１８０から送信されてもよく、ＡＩモジュール１８０は、結果コールバックＡＰＩ１８４とともにＧ４ノード１８２上のポッド上に提供されてもよい。ＡＩモジュール１８０は、結果Ｓ３バケット１８６に結果をポストするか、または取り込みＳ３バケット１８８から入力を取得してもよい。
【0131】
スケジューラ１７８は、更に、Ｋ８ジョブＡＰＩ１９０に情報を送信するときに、ジョブを開始し、ジョブステータスを取得し、完了したジョブを削除し得る。Ｋ８ジョブＡＰＩ１９０は、次いで、ＡＩモジュール設計に応じて、この情報をＡＩモジュール１８０に送信してもよい。スケジューラ１７８は、更に、状態を調整及び起動し、対応する情報をスケジューラデータベース１９２に送信してもよい。
【0132】
Ｓ３通知イベントは、結果Ｓ３バケット１８６から、Ｓ３イベントトランスレータキュー１９３（例えば、Ｓ３イベントトランスレータＳＱＳ）に送信されてもよい。通知イベントは、Ｓ３イベントトランスレータ１９４に送信されてもよく、及び／またはＳ３イベントトランスレータ１９４から更に受信されてもよい。イベントトランスレータ１９４は、更に、ＳＮＳプラットフォーム１７６にアップロードされた、アップロードされた推論結果を送信し得る。
【0133】
ＡＩモジュール１８０は、アップロードされた結果コールバックを結果コールバックＡＰＩ１８４及び／または追加のＡＰＩ１９６に更にポストしてもよく、結果コールバックＡＰＩ１８４及び／または追加的なＡＰＩ１９６は、次いで、ＳＮＳプラットフォーム１７６に情報を送信してもよい。追加のＡＰＩ１９６は、ＡＩモジュール１８０、結果Ｓ３バケット１８６、結果データベース１８１、及びＳＮＳプラットフォーム１７６と通信してもよい。
【0134】
ＳＮＳプラットフォーム１７６は、更に、取り込まれた臨床スライドを加入者キュー１７７（例えば、加入者ＳＱＳ）に送信してもよく、加入者キュー１７７は、推論結果を加入者モジュール１８１に送信してもよい。加入者モジュール１８１は、結果インデックス及び下された決定を書き込んでもよく、それらは、結果データベース１８１に送信されてもよい。結果データベース１８１はまた、追加のＡＰＩ１９６から情報を受信してもよく、及び／または追加のＡＰＩ１９６に情報を送信してもよく、追加のＡＰＩ１９６は、結果インデックス及び下された決定を読み取ってもよい。ＡＰＩ１９６はまた、読み取り結果をＳ３結果バケット１８６に送信してもよい。
【0135】
図８に示されるように、ＳＮＳプラットフォーム１７６は、スケジューラキュー１７７及び／またはスケジューラ１７８ならびに加入者キュー１７９及び／または加入者１８１と通信してもよい（例えば、情報を送信してもよい）。ＳＮＳプラットフォーム１７６は、結果コールバックＡＰＩ１８４、スケジューラ１７８、加入者１８１、及びイベントトランスレータ１９４と通信してもよい（例えば、情報を受信してもよい）。
【0136】
図９に示すように、デバイス９００（例えば、スキャナ１０４）は、中央処理ユニット（ＣＰＵ）９２０を含んでもよい。ＣＰＵ９２０は、例えば、任意のタイプの特殊目的の処理デバイスまたは汎用マイクロプロセッサデバイスを含む任意のタイプの処理デバイスであってもよい。関連技術分野の当業者によって理解されるように、ＣＰＵ９２０はまた、マルチコア／マルチプロセッサシステム、単独で動作するそのようなシステム、またはクラスタもしくはサーバファーム内で動作するコンピューティングデバイスのクラスタにおける単一のプロセッサであってもよい。ＣＰＵ９２０は、データ通信インフラストラクチャ９１０、例えば、バス、メッセージキュー、ネットワーク、またはマルチコアメッセージパッシングスキームに接続され得る。
【0137】
デバイス９００はまた、メインメモリ９４０、例えば、ランダムアクセスメモリ（ＲＡＭ）を含み得、セカンダリメモリ９３０も含んでもよい。セカンダリメモリ９３０、例えば、読み取り専用メモリ（ＲＯＭ）は、例えば、ハードディスクドライブまたはリムーバブルストレージドライブであり得る。そのようなリムーバブルストレージドライブは、例えば、フロッピー（登録商標）ディスクドライブ、磁気テープドライブ、光ディスクドライブ、フラッシュメモリなどを含んでもよい。この例のリムーバブルストレージドライブは、周知の方法でリムーバブルストレージユニットから読み取り、及び／またはリムーバブルストレージユニットに書き込む。リムーバブルストレージは、リムーバブルストレージドライブによって読み取られ、リムーバブルストレージドライブによって書き込まれるフロッピー（登録商標）ディスク、磁気テープ、光ディスクなどを含んでもよい。関連技術分野の当業者によって理解されるように、そのようなリムーバブルストレージユニットは、一般に、その中にコンピュータソフトウェア及び／またはデータを記憶したコンピュータ使用可能記憶媒体を含む。
【0138】
代替の実装形態では、セカンダリメモリ９３０は、コンピュータプログラムまたは他の命令をデバイス９００にロードすることを可能にするための同様の手段を含んでもよい。そのような手段の例は、プログラムカートリッジ及びカートリッジインターフェース（ビデオゲームデバイスに見られるものなど）、リムーバブルメモリチップ（ＥＰＲＯＭまたはＰＲＯＭなど）及び関連するソケット、ならびに他のリムーバブルストレージユニット及びインターフェースを含んでもよく、これらは、ソフトウェア及びデータをリムーバブルストレージユニットからデバイス９００に転送することを可能にする。
【0139】
デバイス９００はまた、通信インターフェース（「ＣＯＭ」）１０６０を含んでもよい。通信インターフェース９６０は、ソフトウェア及びデータがデバイス９００と外部デバイスとの間で転送されることを可能にする。通信インターフェース９６０は、モデル、ネットワークインターフェース（イーサネット（登録商標）カードなど）、通信、ＰＣＭＣＩＡスロット及びカードなどを含んでもよい。通信インターフェース９６０を介して転送されるソフトウェア及びデータは、信号の形態であってもよく、このような信号は、通信インターフェース９６０によって受信されることができる電子、電磁、光、または他の信号であってもよい。これらの信号は、デバイス９００の通信経路を介して通信インターフェース９６０に提供されてもよく、通信経路は、例えば、ワイヤまたはケーブル、光ファイバー、電話回線、携帯電話リンク、ＲＦリンクまたは他の通信チャネルを使用して実装されてもよい。
【0140】
かかる機器のハードウェア要素、オペレーティングシステム、及びプログラミング言語は、本質的に従来のものであり、当業者は、それに十分に精通していると想定される。デバイス９００はまた、キーボード、マウス、タッチスクリーン、モニタ、ディスプレイ等の入出力デバイスと接続するための入出力ポート６５０を含んでもよい。当然ながら、様々なサーバ機能は、いくつかの類似したプラットフォーム上に分散されるように実装され、処理負荷を分散させてもよい。代替として、サーバは、１つのコンピュータハードウェアプラットフォームの適切なプログラミングによって実装されてもよい。
【0141】
図１～９を参照すると、本明細書で開示されるデバイス、システム、及び方法は、組織病理スライドのデジタル画像上でがんの疑いのある病巣を特定し得る。疑わしい形態が検出されると、本明細書で開示されるデバイス、システム、及び方法は、がんの疑いのある病巣に病理医の注意を引くことができる。本明細書で開示されるシステムは、例えば、Ｍｅｍｏｒｉａｌ Ｓｌｏａｎ Ｋｅｔｔｅｒｉｎｇ Ｃａｎｃｅｒ Ｃｅｎｔｅｒ（ＭＳＫＣＣ）において見られ診断されるデジタル化されたヘマトキシリン＆エオシン（Ｈ＆Ｅ）スライドを用いて訓練された決定論的ディープラーニングモデルを提供し得る。
【0142】
前立腺癌の文脈では、本明細書で開示されるデバイス、システム、及び方法（例えば、グローバルアーキテクチャ１００、ＡＩモジュール、もしくはＳＤＫ３ａ、３ｂ、３ｃ、３ｄ）は、病理医のレビューのためにがんの疑いのあるデジタル化されたＨ＆Ｅ前立腺針生検画像、もしくはその領域を識別、決定、もしくはフラグ付けしてもよい。
【0143】
例えば、ＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、または３ｄは、前立腺癌検出モジュール３ｂを含んでもよい。前立腺癌検出モジュール３ｂは、前立腺組織または周囲エリアのデジタル画像（例えば、全側画像またはデジタル化されたＨ＆Ｅ前立腺生検及び／または切除画像を含むＷＳＩ）を分析してもよい。前立腺癌検出モジュール３ｂは、受信された画像ががんの疑いがあるかどうか（及び／または受信された画像のうちのどの画像にがんの疑いがあるか）を識別または決定し、近くの組織ががんの疑いが最も高い対象となる点の場所を決定及び／または提供し、グレードまたはスコア（例えば、Ｇｌｅａｓｏｎスコア）決定または計算して、例えば、ＷＳＩの全腫瘍範囲及び割合など、ＷＳＩを定量化してもよい。前立腺癌検出モジュール３ｂは、対象となる点の場所及び／またはスコアに基づいてパターンを更に決定する。前立腺癌検出モジュール３ｂは、対象となる点の識別、決定、スコア、及び／または場所のいずれかを出力してもよい。前立腺癌検出モジュール３ｂは、がんの予測される尤度及び組織全体にわたって検出された各パターンを含む追加の画像を生成及び／または出力し得る。図１０Ａは、対象となるエリア（複数可）を示す出力を例示し、図１０Ｂは、例示的な定量化の出力を例示する。
【0144】
別の例として、ＡＩモジュールまたはＳＤＫ３ａ、３ｂ、３ｃ、または３ｄは、乳癌検出モジュール３ｃを含んでもよい。乳癌検出モジュール３ｃは、乳房組織または周囲エリアのデジタル画像（例えば、デジタル化されたＨ＆Ｅ乳房生検及び切除画像を含む全スライド画像またはＷＳＩ）を分析し得る。乳癌検出モジュール３ｃは、受信された画像にがんの疑いがあるかどうか（及び／または受信された画像のうちのどの画像にがんの疑いがあるか）を識別または決定し、近くの組織ががんの疑いが最も高い対象となる点の場所を決定及び／または提供し、グレードまたはスコア（例えば、Ｇｌｅａｓｏｎスコア）を決定または計算してＷＳＩの全腫瘍範囲及び割合など、ＷＳＩを定量化してもよい。乳癌検出モジュール３ｃは、対象となる点の場所及び／またはスコアに基づいてパターンを更に決定してもよい。乳癌検出モジュール３ｃは、対象となる点の識別、決定、スコア、及び／または場所のいずれかを出力してもよい。乳癌検出モジュール３ｃは、がんの予測される尤度及び組織全体にわたって検出された各パターンを含む追加の画像を生成及び／または出力し得る。図１０Ｃは、ヒートマップの形態の出力を例示する。
【0145】
本明細書で開示される態様は、強力なソフトウェア開発キット（ＳＤＫ）の開発、迅速な研究を可能にするツールの開発、ＡＩソリューションの容易な試作及び納入、ＡＩネイティブビューイングエコシステム、グローバル流通能力、様々な臨床パートナー及び他の当事者からの匿名化されたデジタル病理スライド画像の膨大なリポジトリ、スケーラブルでセキュアなストレージ、及びコンピューティングインフラストラクチャを可能にし、及び／または強化し得る。
【0146】
本明細書で開示される態様は、データ記憶及びアーカイブ、ＡＩ開発、視覚化及びアノテーション、ならびに共有及び共同研究を強化するためのＡＩネイティブ開発エコシステムを提供してもよい。
【0147】
本明細書で開示される態様は、流通、市場、分析、及び課金を提供し得る。本明細書で開示される技術的態様は、自動化された製品分析、使用及び消費に関するレポート、課金レポートの生成、世界中の製品の流通、ならびに研究のためのデータへのアクセス及び／または入手を提供または強化し得る。
【0148】
本明細書で開示される態様は、安定性、可用性及びサポート、セキュリティ及びコンプライアンス、大規模な推論、ならびにワークフロー及び相互運用性を強化することによって、製品化及び納入を強化し得る。
【0149】
本明細書で開示される態様は、全スライド画像（ＷＳＩ）における匿名化及びＰＨＩ除去、データアクセス及び論理制御の管理、カスタムデータセットの作成及び広範な検索機能、アップロード及びダウンロード量の監視、ならびに外部の個人または研究グループとの間のデータの共有及び共同研究を提供することによって、データ記憶を強化し得る。
【0150】
本明細書で開示される態様は、様々なパートナー及び／または当事者が独自のアルゴリズムを設計及び開発することを可能にし、開発、検査、及び検証を可能にし、ローカルでの開発を可能にして大規模なディープラーニングの力を活用し、最先端のフレームワーク及びライブラリへのアクセスを提供または許容し、かつ最新のＧＰＵハードウェアを利用することによって、ＡＩ開発を強化し得る。
【0151】
本明細書で開示される態様は、修正、視覚化、及びアノテーションを強化し得る。本明細書で開示される態様は、ＷＳＩをレビューまたは分析するときにインサイトを使用し得るか、または他者がインサイトを得ることを可能にし得る。インサイトは、ユーザと一緒に設計及び構築され、ＡＩネイティブである可能性があり、より豊かな体験及びＡＩ結果の簡単な表示を可能にする。本明細書で開示される技術的態様は、病理医に高度なアノテーション機能を提供するインサイトを提供し得る。本明細書で開示される技術的態様は、ワークフローの様々な段階で統合され得るＡＩソリューションを提供し得る。
【0152】
本明細書で開示される態様は、世界中の他の研究者及び科学者からのフィードバックの収集を強化し、様々なパートナー及び／または当事者が臨床施設と共同研究を行ってして病理医と解決策を共有し、改善のためのフィードバックを収集することを可能にすることによって、共有及び共同研究を強化し得る。
【0153】
本明細書で開示される態様は、スキャナ及び画像に依存しないエコシステムを提供することによって、ワークフロー及び／または相互運用性を強化し得る。データは、手動による介入なしにプラットフォームに自動的に取り込まれてもよい。ＬＩＳシステムとのサポート統合は、ＡＰＩのＲＥＳＴｆｕｌセットを介して行われてもよい。
【0154】
本明細書で開示される態様は、医療デバイスの製品化に関する深い専門知識を提供または可能にし、誰がＡＩソリューションにアクセスするかについて細かい制御を提供することによって、当事者が世界中の様々な施設でソリューションを検証できるようにするグローバルクラウドフットプリントを提供することによって、大規模に推論を強化し得る。
【0155】
本明細書で開示される態様は、全ての転送中データ及び全ての保存データを暗号化することによって、セキュリティ及びコンプライアンスを強化し得る。画像は、顧客及び／または施設ごとに異なるバケットまたはコンテナに記憶され得る。本明細書で開示される技術的態様は、継続的なセキュリティ検査を提供し得、ＨＩＰＡＡ、ＨＩＴＲＵＳＴ、ＧＤＰＲ、ＳＯＣ２、ＳＯＣ３、及びＩＳＯ２７００１準拠に向けて積極的に取り組み得る。
【0156】
本明細書で開示される態様は、高い稼働時間を有する安定した信頼性の高いインフラストラクチャを提供することによって、安定性及びサポートを強化し得る。
【0157】
本明細書で開示される態様は、ソフトウェア開発キット（ＳＤＫ）の開発及び訓練、ならびに独自のアルゴリズム、カスタマイズされたアルゴリズム、及び／またはユーザ設計もしくはサードパーティアルゴリズムの開発及び実行を強化し得る。
【0158】
本明細書で開示される態様は、Ｐｙｔｈｏｎでの開発をサポートし得るＳＤＫをサポート及び／または提供し得るが、本明細書で開示される態様は、プログラミング言語に限定されない。本明細書で開示される態様は、ＰｙＴｏｒｃｈライブラリを使用した機械学習及びディープラーニング開発を提供し得る。本明細書で開示される態様は、訓練のために高度なハードウェアを利用し得る。
【0159】
本明細書で開示される態様は、大規模な展開及び推論、Ｄｏｃｋｅｒコンテナ内のコンテナ化されたソリューション、ならびに推論のためにＷＳＩを提供され、結果を表示することをサポートするコンテナを強化し得る。本明細書で開示される態様は、クラウドのエラスティシティを活用して、全世界の全てのユーザをサポートし得る。
【0160】
本開示を通して、コンポーネントまたはモジュールへの言及は、一般的に、機能または関連する機能のグループを実施するために論理的に一緒にグループ化することができるアイテムを指す。同じ参照番号は、一般に、同じまたは同様のコンポーネントを指すことを意図されている。コンポーネント及びモジュールは、ソフトウェア、ハードウェア、またはソフトウェア及びハードウェアの組み合わせで実装されてもよい。
【0161】
上記のツール、モジュール、及び機能は、１つ以上のプロセッサによって実施され得る。「ストレージ」タイプの媒体は、コンピュータ、プロセッサなどの有形メモリのいずれかもしくは全て、または様々な半導体メモリ、テープドライブ、ディスクドライブなどの関連するモジュールを含んでもよく、ソフトウェアプログラミングのためにいつでも非一時的なストレージを提供してもよい。
【0162】
ソフトウェアは、インターネット、クラウドサービスプロバイダ、または他の通信ネットワークを介して通信され得る。例えば、通信は、あるコンピュータまたはプロセッサから別のコンピュータまたはプロセッサにソフトウェアをロードすることを可能にし得る。本明細書で使用する場合、非一時的で有形の「記憶」媒体に限定されていなければ、コンピュータまたは機械「可読媒体」などの用語は、実施のためにプロセッサに命令を与えることに関与する任意の媒体を示している。
【0163】
前述の一般的な説明は、単に例示的かつ説明的なものであり、本開示を限定するものではない。本発明の他の実施形態は、本明細書の考慮及び本明細書で開示される実践から、当業者に明らかとなろう。本明細書及び実施例は、単に例示的なものとみなされることが意図される。
【図1】
【図2】
【図3A】
【図3B】
【図4A】
【図4B】
【図4C】
【図5A】
【図5B】
【図5C】
【図6】
【図7A】
【図7B】
【図8-1】
【図8-2】
【図9】
【図10A】
【図10B】
【図10C】
【国際調査報告】