Publicité

Medasys ProxyPacs: des images directement intégrées dans le dossier patient

16/12/2013
De Théma Radiologie
Illustration Medasys ProxyPacs: des images directement intégrées dans le dossier patient

  Medasys, acteur majeur des éditeurs de systèmes d'information de santé, particulièrement dans le secteur de l'imagerie, étend sa gamme en faveur des unités de radiologie des établissements de santé. Après l'outil de plannification DXCare Planning-DR, il propose la solution ProxyPacs pour l'intégration des images dans le dossier patient.  

 

Les images sélectionnées par le radiologue directement accessibles aux cliniciens

Proxypacs est destiné, au sein d'un établissement, à intégrer les images médicales générées en radiologie dans le dossier patient DxCare. Aujourd'hui, seul le compte-rendu d'imagerie, ainsi qu'un lien vers les images du PACS, sont présents dans le dossier patient. Medasys propose maintenant de faire figurer, directement dans celui-ci, les images importantes sélectionnées par le radiologue, en même temps que le compte-rendu. Cela n'empêche d'ailleurs pas les cliniciens d'accéder aux images du PACS et, si besoin, de tagger eux-mêmes des images qui leur sembleraient importantes.

Un outil intégrable nativement au dossier patient DXCare

ProxyPacs est un outil à destination des utilisateurs de DxCare, puisque c'est un composant optionnel de ce dernier. Il se caractérise par des fonctionnalités permettant d’enrichir les possibilités de visualisation des résultats d’imagerie médicale, d'une part par l’affichage des images clés d'un examen dans l’interface du dossier patient DxCare, mais aussi par l’intégration, dans celui-ci, d’un viewer Dicom disposant du marquage CE. Il s'agit d'un outil simple à déployer, car il s'y intègre nativement. Il peut, de plus, être connecté à n’importe quel PACS répondant aux standards d’intégration tels DICOM 3.0 ou le profil IHE Key Image Nore (KIN).

 

SUR LE MÊME THÈME

IA & Données
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Abonné(e)

Les comptes rendus radiologiques ne sont pas près de passer par GPT-4

Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...

21/07/2025 -

IA & Données
Un nouvel outil d'extraction de données spécialisé en radiologie

Un nouvel outil d'extraction de données spécialisé en radiologie

Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...

15/07/2025 -

IA & Données
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Abonné(e)

Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning

Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...

23/06/2025 -

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie

Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...

13/06/2025 -

IA & Données
Abonné(e)

Des LLM affinés pour aider à la relecture des comptes rendus

Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.

23/05/2025 -

IA & Données
Abonné(e)

Agir sur la vulnérabilité des grands modèles de langage en radiologie

Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...

21/05/2025 -

IA & Données
Abonné(e)

Une feuille de route pour atténuer les biais de l'IA

Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...

20/05/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.