1) A Rede Catarinense de Telemedicina (RCTM) fornece acesso a diagnósticos médicos de qualidade para pacientes em localidades remotas por meio de exames de baixa e alta complexidade armazenados e disponibilizados online.
2) A RCTM já realizou 2 milhões de exames em 9 modalidades para 750 mil pacientes em 287 municípios catarinenses.
3) Os desafios de armazenamento incluem a grande variedade de dados clínicos e de imagens, desde dados simples até sé
Rede Catarinense de Telemedicina - Aspectos Organizacionais e Estruturais de Comunicação e Armazenamento de Dados
1. The Cyclops Group
LABTELEMED – UFSC
Rede Catarinense de Telemedicina
Organização e estrutura de
comunicação/armazenamento de dados
Alexandre Savaris
2. Rede Catarinense de Telemedicina
• O que é?
• Iniciativa desenvolvida pela parceria SES/SC e UFSC
(Grupo Cyclops/LABTELEMED)
• Para que serve?
• Viabilizar acesso a diagnósticos médicos de qualidade, em
tempo aceitável, para pacientes que residem em
localidades que não dispõem de especialistas
• Oferecer uma alternativa à chamada ambulancioterapia
• Formação continuada (remota) de profissionais de saúde
<http://www.cyclops.ufsc.br>
3. Perfil da RCTM
• Implantação: maio de 2005
• Piloto executado em Quilombo/SC (eletrocardiograma)
• Em sete anos (aproximadamente):
• 2.000.000 de exames registrados, distribuídos em nove
modalidades
• Modalidades podem funcionar como agrupadoras (por
exemplo: análises clínicas)
• 750.000 pacientes atendidos em 287 municípios
• 98% de cobertura em termos de número de municípios
• 5.800 usuários com diferentes perfis acessando os
serviços regularmente
<http://www.cyclops.ufsc.br>
4. Roteiro
• Arquitetura da RCTM
• Envio de exames, armazenamento online, near-line e
offline, disponibilização de laudos emitidos
• Pontos de armazenamento
• Tecnologia de armazenamento
• Tipos de exame executados
• Baixa complexidade
• Alta complexidade
• Tipos de dados relacionados
<http://www.cyclops.ufsc.br>
5. Roteiro
• Estratégias para armazenamento de dados
• Sistemas de arquivos convencionais
• Bancos de dados relacionais
• Estudo de alternativas para armazenamento
• Sistemas de arquivos distribuídos
• Modelos híbridos de armazenamento
• Expectativas
• Estatísticas de morbidade
• Auxílio diagnóstico
• Relacionamento entre dados esparsos
<http://www.cyclops.ufsc.br>
9. RCTM - Arquitetura
- Sistema de arquivos
convencional
- Banco de dados
relacional
- Sistema de arquivos
convencional
- Banco de dados
relacional
- Banco de dados
relacional
<http://www.cyclops.ufsc.br>
11. Tipos de exames executados
• Baixa complexidade
• Realizados com equipamentos mais simples
• Câmera digital, por exemplo
• Menor custo
• Dados mais simples
• Exemplos
• Eletrocardiograma (± 90kB)
<http://www.cyclops.ufsc.br>
12. Tipos de exames executados
• Baixa complexidade
• Realizados com equipamentos mais simples
• Câmera digital, por exemplo
• Menor custo
• Dados mais simples
• Exemplos
• Dermatologia (± 240kB)
<http://www.cyclops.ufsc.br>
13. Tipos de exames executados
• Alta complexidade
• Realizados com equipamentos mais complexos
• Tomógrafos, por exemplo
• Maior custo
• Espaço físico, pessoal
• Dados complexos
• Séries temporais
• Exemplos
• Tomografia
computadorizada (± 63kB)
<http://www.cyclops.ufsc.br>
14. Tipos de exames executados
• Alta complexidade
• Realizados com equipamentos mais complexos
• Tomógrafos, por exemplo
• Maior custo
• Espaço físico, pessoal
• Dados complexos
• Séries temporais
• Exemplos
• Ressonância
magnética (± 43kB)
<http://www.cyclops.ufsc.br>
16. Tipos de dados relacionados
• Baixa complexidade
• Dados alfanuméricos
• Dados demográficos dos pacientes, dados específicos dos
exames executados (data, requisição, modalidade…)
• Imagens digitais
• Poucas imagens por exame, sem relação temporal
• Diferentes origens, diferentes formatos, diferentes qualidades
• Existem protocolos de exame, mas como guidelines
<http://www.cyclops.ufsc.br>
17. Tipos de dados relacionados
• Baixa complexidade
• Dados convencionais
• Entrada via interfaces web, desktop ou mobile
• Consistência mínima garantida (restrições de intervalo,
subconjuntos de valores válidos, obrigatoriedade, …)
• Dados com menor esparsidade
• Dados não convencionais
• Imagens simples, implicando em um conjunto mais restrito de
características observáveis
<http://www.cyclops.ufsc.br>
18. Tipos de dados relacionados
• Alta complexidade
• Padrão DICOM (Digital Imaging and Communications in
Medicine)
• Define normas para aquisição, tratamento, armazenamento e
transmissão de imagens médicas
• Concebido na década de 80, evolui com a adoção de novas
versões ou complementos
• Organiza hierarquicamente metadados e imagens
<http://www.cyclops.ufsc.br>
19. Tipos de dados relacionados
• Alta complexidade
• Hierarquia DICOM
Metadados Patient
Metadados Study Study
Metadados Series Series Series
Metadados +
imagens
Image Image Image Image
<http://www.cyclops.ufsc.br>
22. DICOM = Imagens + Metadados
• Correlação entre imagens
• Janelamento
• Reconstrução 3D
23. Tipos de dados relacionados
• Alta complexidade
• Dados convencionais (metadados)
• Entrada via console dos equipamentos ou interface com
outros sistemas de informação usados pela instituição de
saúde
• O padrão define consistências em nível de tipo de dado e
domínio, mas não define obrigatoriedade
• Dados com maior esparsidade
• Dados não convencionais (imagens)
• Imagens complexas (normalmente em tons de cinza), com 12
bits representativos
<http://www.cyclops.ufsc.br>
24. Tipos de dados relacionados
• Alta complexidade
• Discrepâncias entre o padrão DICOM e estruturas de
armazenamento normalizadas
• Metadados redundantes (replicados em cada arquivo)
• O conceito de transação não existe (natureza assíncrona da
transmissão de dados)
• Risco de exames incompletos ou com imagens indevidas
(provenientes de outros exames)
<http://www.cyclops.ufsc.br>
25. Estratégias para armazenamento de dados
• Sistemas de arquivos convencionais
• Mapeiam os níveis no modelo DICOM para diretórios e subdiretórios
• Possibilidade de manter os arquivos .dcm originais
• Backup via cópia de arquivos/diretórios
• Buscas ineficientes (navegação em árvores de diretórios)
• Bancos de dados relacionais
• Normalização dos metadados (eliminação de redundância)
• Armazenamento de imagens como LOBs/BLOBs
• Backup unificado (metadados + imagens)
• Buscas eficientes (indexação)
• Alterações estruturais de esquema
• Novas tags DICOM utilizadas
<http://www.cyclops.ufsc.br>
26. Alternativas para armazenamento de dados
• Sistemas de arquivos distribuídos
• HDF5 (Hierarchical Data Format)
• Mapeamento da hierarquia DICOM
• Buscas por níveis
• Modelos híbridos de armazenamento
• Integração do modelo relacional com modelos alternativos (XML, HDF5,
NoSQL, …)
• Separação entre metadados e dados não convencionais
• Buscas eficientes por metadados no modelo relacional + escalabilidade
dos modelos alternativos para dados não convencionais
<http://www.cyclops.ufsc.br>
27. Expectativas
• Estatísticas de morbidade
• Relação entre problemas de saúde e população estudada
• Estrategicamente importantes para tomada de decisão
• Na RCTM, atualmente, são calculáveis efetivamente para
exames de baixa complexidade (eletrocardiograma)
• Dados menos esparsos
• Uso de vocabulários controlados (DeCS, CID10,
descritores da SBC – Sociedade Brasileira de
Cardiologia)
• Demais tipos de exame: busca textual
• Possibilidade: busca híbrida (texto + imagens)
<http://www.cyclops.ufsc.br>
28. Expectativas
• Auxílio diagnóstico
• Prover informações complementares ao médico para a
tomada de decisão
• Busca de casos similares para comparação
• Dados de indicação clínica similares
• Laudos similares
• Imagens com catacterísticas similares
• Possibilidade: busca histórica híbrida (texto + imagens)
<http://www.cyclops.ufsc.br>
29. Expectativas
• Relacionamento entre dados esparsos
• Prontuário Eletrônico do Paciente (PEP): histórico de exames
realizados em diferentes instituições de saúde
• Importante para conhecimento da evolução do paciente com
relação ao tempo
• Problema 1: como identificar unicamente um paciente?
• Problema 2: como integrar fontes de dados heterogêneas?
• Problema 3: como prover acesso ubíquo aos dados consolidados?
• Possibilidade: adoção de identificação única (cartão SUS) com
posterior integração de dados históricos por similaridade de
outros atributos (nome da mãe, data de nascimento, local de
nascimento, …)
<http://www.cyclops.ufsc.br>
30. Hora de transformar dados em informação…
Obrigado!
savaris@telemedicina.ufsc.br
<http://www.cyclops.ufsc.br>