La osteoporosis es una enfermedad ósea que se manifiesta con una menor densidad ósea y el deterioro de la arquitectura del hueso esponjoso. Ambos factores aumentan la fragilidad ósea y el riesgo de sufrir fracturas óseas, especialmente en mujeres, donde existe una alta prevalencia. El diagnóstico actual de la osteoporosis se basa en la cuantificación de la densidad mineral ósea (DMO) mediante la técnica de absorciometría dual de rayos X (DXA). Sin embargo, la DMO no puede considerarse de manera aislada para la evaluación del riesgo de fractura o los efectos terapéuticos. Existen otros factores, tales como la disposición microestructural de las trabéculas y sus características que es necesario tener en cuenta para determinar la calidad del hueso y evaluar de manera más directa el riesgo de fractura. Los avances técnicos de las modalidades de imagen médica, como la tomografía computarizada multidetector (MDCT), la tomografía computarizada periférica cuantitativa (HR-pQCT) y la resonancia magnética (RM) han permitido la adquisición in vivo con resoluciones espaciales elevadas. La estructura del hueso trabecular puede observarse con un buen detalle empleando estas técnicas. En particular, el uso de los equipos de RM de 3 Teslas (T) ha permitido la adquisición con resoluciones espaciales muy altas. Además, el buen contraste entre hueso y médula que proporcionan las imágenes de RM, así como la utilización de radiaciones no ionizantes sitúan a la RM como una técnica muy adecuada para la caracterización in vivo de hueso trabecular en la enfermedad de la osteoporosis. En la presente tesis se proponen nuevos desarrollos metodológicos para la caracterización morfométrica y mecánica del hueso trabecular en tres dimensiones (3D) y se aplican a adquisiciones de RM de 3T con alta resolución espacial. El análisis morfométrico está compuesto por diferentes algoritmos diseñados para cuantificar la morfología, la complejidad, la topología y los parámetros de anisotropía del tejido trabecular. En cuanto a la caracterización mecánica, se desarrollaron nuevos métodos que permiten la simulación automatizada de la estructura del hueso trabecular en condiciones de compresión y el cálculo del módulo de elasticidad. La metodología desarrollada se ha aplicado a una población de sujetos sanos con el fin de obtener los valores de normalidad del hueso esponjoso. Los algoritmos se han aplicado también a una población de pacientes con osteoporosis con el fin de cuantificar las variaciones de los parámetros en la enfermedad y evaluar las diferencias con los resultados obtenidos en un grupo de sujetos sanos con edad similar.Los desarrollos metodológicos propuestos y las aplicaciones clínicas proporcionan resultados satisfactorios, presentando los parámetros una alta sensibilidad a variaciones de la estructura trabecular principalmente influenciadas por el sexo y el estado de enfermedad. Por otra parte, los métodos presentan elevada reproducibilidad y precisión en la cuantificación de los valores morfométricos y mecánicos. Estos resultados refuerzan el uso de los parámetros presentados como posibles biomarcadores de imagen en la enfermedad de la osteoporosis. / Alberich Bayarri, Á. (2010). In vivo morphometric and mechanical characterization of trabecular bone from high resolution magnetic resonance imaging [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/8981

La implementació de les Tecnologies de la informació i la Comunicació (TIC) i la digitalització de la imatge medica ha suposat un canvi en tot el progres clínic assistencial per part de radiòlegs i metges nuclears encarregats de realitzar l'informe diagnòstic i les intervencions radiològiques. Actualment, els sistemes d'informació coneguts com Picture Archiving and Communication System (PACS), Radiology Information System (RIS), i Hospital Information System (HIS) permeten el maneig dels estudis adquirits, el seu informat i el seguiment dels processos de gestió associats als fluxos de l'activitat assistencial. Propiciat per aquest profund canvi han nascut noves oportunitats i necessitats que, desafortunadament, no han sigut resoltes i integrades en la majoria dels entorns hospitalaris. Per exemple, gracies a la digitalització de la imatge i als avanços en investigació, és possible obtindré dades quantitatives de l'exploració adquirida que reflecteixen l'estat d'una malaltia o de l'efecte d'un fàrmac sobre aquesta. Aquestes mesures es coneixen com biomarcadors d'imatge. Per altra part, actualment els informes realitzats pels metges especialistes no tenen una estructura que impedisca una variabilitat en el contingut i en conseqüència l'absència potencial d'informació rellevant pel metge peticionari de l'exploració. El disseny i desenvolupament dels informes estructurats mitjançant l'ús de lèxics normalitzats i plantilles es factible amb les TIC. Aquests informes deuen establir-se per malalties i lesions concretes, i deuen estar consensuats entre els metges especialistes de la imatge i els metges peticionaris. Degut al volum de dades generades pels sistemes d'informació citats anteriorment, es crea contínuament una font de coneixement de dades que no son explotades. L'extracció d'aquest coneixement a través d'indicadors deu de permetre visualitzar l'estat actual dels serveis de radiologia i de medicina nuclear, de tal manera que es possibilite corregir els colls de botella i realitzar accions correctores oportunes front a una situació critica. El proposit final és promoure un funcionament òptim dels serveis i facilitar la presa de decisions fonamentades a les dades d'activitat que millor s'ajusten per a una millor atenció al pacient. Aquesta Tesi Doctoral té per objectiu l'integració eficient dels biomarcadors d'imatge, els informes estructurats, i els indicadors d'activitat en la pràctica assistencial dels serveis de radiologia i de medicina nuclear. Per aconseguir aquest objectiu s'utilitzaren estàndards d'imatge medica com el Digital Imaging and Communication in Medicine (DICOM) i altres com eXtensible Language Market (XML). Mitjançant la tecnologia JAVA es desenvolupà una plataforma per a la integració dels biomarcadors d'imatge. Mitjançant l'utilització de lèxics com el Systematized Nomenclature of Medicine - Clinical Terms (SNOMED-CT) i Radiology Lexicon (RADLEX), més l'estàndard DICOM i l'estàndard HML5, es va implantar una aplicació que permet l'integració de l'informe estructurat. D'aquesta manera es poden realitzar estudis poblacionals, així com analitzar la relació de determinats factors en una malaltia especifica. Per últim, de l'informació obtinguda del RIS i del PACS, es va construir una plataforma d'indicadors amb tecnologia JAVA per a permetre visualitzar l'estat dels serveis respecte a l'activitat assistencial; activitat d'innovació; i activitat d'investigació i docent. Per tant, la present Tesi Doctoral aporta als servicis de radiologia i de medicina nuclear una ferramenta d'innovació amb tres camps fonamentals per a oferir un millor diagnòstic, una millor cura i atenció al pacient. A través de la quantificació dels biomarcadors d'imatge i l'informe estructurat per a una medicina personalitzada, i amb els indicadors d'activitat per a una presa de decisions i d'accions basades en l'evidència. / La implantación de las Tecnologías de la Información y la Comunicación (TIC) y la digitalización de la imagen médica supuso un cambio en todo el proceso clínico asistencial por parte de los radiólogos y médicos nucleares encargados de realizar el informe diagnóstico y las intervenciones radiológicas. Actualmente, los sistemas de información conocidos como Picture Archiving and Communication System (PACS), Radiology Information System (RIS), y Hospital Information System (HIS) permiten el manejo de los estudios adquiridos, su informado y el seguimiento de los procesos de gestión asociados a los flujos de la actividad asistencial. A raíz de este profundo cambio han nacido nuevas oportunidades y necesidades que, desafortunadamente, no han sido resueltas e integradas en la mayoría de los entornos hospitalarios. Por ejemplo, gracias a la digitalización de la imagen y a los avances en investigación, es posible obtener datos cuantitativos de la exploración adquirida que reflejen el estado de una enfermedad o el efecto de un fármaco sobre ella. Estas medidas se conocen como biomarcadores de imagen. Por otra parte, actualmente los informes realizados por los médicos especialistas carecen de un esqueleto que impida la variabilidad de contenido y en consecuencia la ausencia potencial de información relevante para el médico peticionario de la exploración. El diseño y desarrollo de los informes estructurados mediante el uso de léxicos normalizados y plantillas es factible con el uso de las TIC. Estos informes deben establecerse para enfermedades y lesiones concretas, y deben estar consensuados entre los médicos especialistas en la imagen y los médicos peticionarios. Debido a los volúmenes de datos generados por los sistemas de información citados anteriormente, se crea continuamente una fuente de conocimiento con datos no explotados. La extracción de este conocimiento a través de indicadores debe permitir visualizar el estado actual de los servicios de radiología y medicina nuclear, de tal forma que se posibilite corregir los cuellos de botella y realizar las acciones correctoras oportunas ante una situación crítica. El propósito final es promover un funcionamiento óptimo de los servicios y facilitar la toma de decisiones en base a los datos de actividad que mejor se ajusten para una mejor atención al paciente. Esta Tesis Doctoral tiene por justificación la integración eficiente de los biomarcadores de imagen, los informes estructurados, y los indicadores de actividad en la práctica asistencial de los servicios de radiología y medicina nuclear. Para lograr este objetivo se utilizaron estándares de imagen médica como el Digital Imaging and Communication in Medicine (DICOM) y otros como eXtensible Language Market (XML). A través de tecnología JAVA se desarrolló una plataforma para la integración de los biomarcadores de imagen. Mediante la utilización de léxicos como el Systematized Nomenclature of Medicine - Clinical Terms (SNOMED-CT) y Radiology Lexicon (RADLEX), más el estándar DICOM y el estándar HTML5, se implantó una aplicación que permite la integración del informe estructurado. De este modo se podrán realizar estudios poblacionales así como analizar la relación de determinados factores con una patología determinada. Por último, de la información obtenida del RIS y del PACS, se construyó una plataforma de indicadores con tecnología JAVA para permitir visualizar el estado de los servicios respecto a la actividad asistencial; actividad de innovación; y actividad científico-docente. Por tanto, la presente Tesis Doctoral aporta a los servicios de radiología y de medicina nuclear una herramienta de innovación en tres campos fundamentales para ofrecer un mejor diagnostico, cuidado y atención al paciente. A través de cuantificación de los biomarcadores de imagen y el informe estructurado para una medicina personalizada, y con los indicadores de actividad para una toma de de / The implementation of Information and Communication Technologies (ICT) and the digitization of medical images implies a change in the entire clinical care process for radiologists and nuclear physicians responsible for the diagnostic report and the radiological interventions. Nowadays, information systems such as Picture Archiving and Communication System (PACS), Radiology Information System (RIS) and Hospital Information System (HIS) enable the management of medical imaging studies, their reports and the follow-up of the management processes associated to the workflow of healthcare activities. These changes (use of ICT and digitization in hospitals) have created new opportunities and needs. Unfortunately, they have not been solved and integrated in most hospital settings. For example, thanks to the digitization of the image and research advances, it is possible to obtain quantitative data from the acquired exploration that reflect the state of a disease or the effect of a drug on it. These measures are known as image biomarkers. Reports made by specialist physicians currently lack of a skeleton that reduces the variability of content and consequently there are potential lack of relevant information for the applicant¿s physician. The design and development of structured reports using standard lexicon and templates is feasible with the use of ICT. These reports should be set up for diseases and specific injuries, and should be agreed upon between specialists and applicant¿s physicians. Due to the volume of data generated by the information systems mentioned above, a source of knowledge is continuously growing but data remains unexploited. The extraction of this knowledge through indicators could enable us to improve the processes in radiology and nuclear medicine departments which should help to correct bottlenecks and take corrective actions in critical situations. The final purpose is to promote the optimal functioning of the services departments and to facilitate the decision-making for a better attention to the patient care based on data activity. This Doctoral Thesis aims at integrating efficiently image biomarkers, structured reports and activity indicators into the clinical practice in the radiology and nuclear medicine departments. To achieve this goal, we have used medical imaging standards such as Digital Imaging and Communication in Medicine (DICOM) and eXtensible Language Market (XML). We used JAVA technology to develop a platform for the integration of image biomarkers. An application was implemented using lexicons such as the Systematized Nomenclature of Medicine - Clinical Terms (SNOMED-CT), Radiology Lexicon (RADLEX), the DICOM standard and the HTML5 standard. This application allows the integration of the structured report. In this way, it will be possible to make population studies, as well as to analyze the relation of certain factors with a certain disease. Finally, based on RIS and PACS data, a platform was developed using JAVA technology to provide the visualization of the status of key indicators of the performance of radiology departments; innovation activity; and research & teaching activities. This Doctoral Thesis provides the radiology and nuclear medicine departments with an innovative tool in three fundamental fields, offering a better diagnosis, health-care and attention to the patient. This has been done, using the quantification of image biomarkers and the structured report for a personalized medicine, and selecting those indicators of activity to make decisions based on data evidence. / Ruiz Martínez, E. (2017). Herramienta de gestión integral en innovación en imagen médica [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/90429

[ES] La Esclerosis Múltiple (EM) es una enfermedad inflamatoria y autoinmune del sistema nervioso central (SNC) con rasgos de desmielinización y degeneración axonal en el tiempo, y caracterizada por ser muy heterogénea en los síntomas y en el curso de la enfermedad. La Imagen de Resonancia Magnética (RM) es una de las herramientas clínicas más sensibles para la evaluación de los procesos inflamatorios y neurodegenerativos. En los últimos años, la evaluación de la médula espinal ha tenido un creciente interés clínico para mejorar el diagnóstico y el fenotipado de la enfermedad, aunque, a diferencia del cerebro, en médula espinal cervical no existen algoritmos de inteligencia artificial (IA) desarrollados y certificados para práctica clínica. Es por ello, que nuestro objetivo se centra en investigar y desarrollar un método automático de segmentación de médula cervical en RM, facilitando así una evaluación automática y mejorada de la atrofia de la médula espinal, pues esta puede proporcionar información valiosa sobre la progresión de la enfermedad y sus consecuencias clínicas. El algoritmo se desarrolló mediante datos del mundo real (real-world data) recogidos de manera retrospectiva en 121 pacientes de EM. Se utilizaron 96 de ellos para el entrenamiento del modelo, 25 para test y 13 para la validación del modelo. Durante la tesis se trabajaron secuencias de RM adquiridas en un equipo de 3T (SignaHD, GEHC), de tipo 3D axiales potenciadas en T1, dada su mejor resolución y contraste para identificar pequeñas estructuras anatómicas como la médula espinal. El etiquetado manual de los datos fue realizado bajo el consejo y supervisión de dos radiólogos experimentados, obteniendo finalmente el ground-truth. Varias fueron las arquitecturas, hiperparámetros y formas de preprocesado aplicados al dataset en busca de la solución óptima. Dada su conocida importancia en la segmentación de imagen médica, la arquitectura U-Net fue el punto de partida. Tras la ausencia de buenos resultados y una mayor investigación en el campo, se dio con la problemática del desbalanceo de datos. Finalmente, para obtener la segmentación deseada, se implementó y entrenó una red neuronal convolucional 2D compuesta por un mecanismo de atención residual y conexiones basadas en la arquitectura U-Net. El mecanismo de atención permitió que el modelo se centrara en aquellas localizaciones de la imagen que son importantes para la tarea de clasificación de los vóxeles correspondientes a la médula cervical, a la vez que retenía la información del resto de estructuras anatómicas, mientras que los bloques residuales nos permitieron solventar problemas de desvanecimiento de gradiente comunes en redes neuronales profundas. El entrenamiento se diseñó con una función de pérdidas local, basada en el índice de Tversky con el fin de controlar el problema de desbalanceo de datos de imagen médica, y un buscador automático de tasa de aprendizaje óptima que nos permitió mejorar la convergencia y rendimiento del modelo. Finalmente, nuestro método proporcionó una segmentación con una elevada tasa de acierto, obteniendo un valor de 0.95 como MCC en la métrica de entrenamiento y consiguiendo en validación un coeficiente DICE de 0.904±0.101 tomando como referencia la segmentación manual. Además de obtener una herramienta para la segmentación automática de la médula, también creamos un módulo para el cálculo de sus dimensiones, actuando como biomarcador de imagen, lo que será útil y eficaz para la valoración de la atrofia. De esta forma, los clínicos pueden evaluar el grado de daño neurológico y seguir su evolución a lo largo del tiempo. Como biomarcadores de imagen, calculamos las dimensiones de las médulas de nuestros pacientes en forma de volumen (mm3) y sección media (mm2) y estudiamos la relación entre sección media de la médula espinal cervical con la distribución de las distintas formas clínicas y los niveles en Escala de Discapacidad Extendida de Kurtzke (EDSS) de los pacientes. / [CA] L'Esclerosi Múltiple (EM), és una malaltia inflamatòria i autoimmune del sistema nerviós central (SNC) amb trets de desmielinització i degeneració axonal en el el temps. Es caracteritza per ser molt heterogènia amb els símptomes i curs de la malaltia. La Imatge de Ressonància Magnètica (RM) és una de les eines més sensibles per a l'avaluació dels processos inflamatoris i neurodegeneratius. Als darrers anys, l'evolució de la medul·la espinal ha tingut un creixent interés clínic per tal de millorar el diagnòstic i el fenotipatge de la malaltia, encara que, a diferència del cervell, en medul·la espinal cervical no existeixen algoritmes d'intel·ligència artificial (IA) desenvolupats i certificats. Aquest fet motiva el present estudi, que se centra en la recerca i desenvolupament d'un mètode automàtic de segmentació de medul·la cervical en RM. L'automatització i millora del procés d'avaluació de l'atròfia de la medul·la espinal podrà proporcionar valuosa informació sobre la progressió de la malaltia i les seves conseqüències clíniques. L'algoritme proposat al present treball va ser desenvolupat mitjançant dades del món real (real-world data) recollides de manera retrospectiva en 121 pacients d'EM. D'aquestes mostres, 96 foren utilitzades per a l'entrenament del model d'IA, 13 per a la validació durant l'entrenament i les 25 restants com a conjunt d'avaluació. Les seqüències d'imatges de RM fetes servir foren adquirides amb un equip 3T de tipus 3D axials potenciats en T1, donada la seua millor resolució i contrast alhora identificar petites estructures anatòmiques com la medul·la espinal. L'etiquetatge de les dades fou realitzat sota la supervisió i consell de dos experimentats radiòlegs. El resultat final fou un conjunt d'imatges RM de referència (ground truth dataset) amb les corresponents màscares de segmentació de la medul·la espinal cervical definides pels radiòlegs. Diverses van ser les arquitectures, hiperparàmetres i tècniques de preprocessat aplicades al conjunt de dades en cerca de la solució òptima. Donada la seua coneguda importància en la segmentació d'imatge mèdica, l'arquitectura U-Net fou el punt de partida. Un altre punt d'inflexió fou resoldre la problemàtica de la desproporció de representativitat al conjunt de dades utilitzat (dataset imbalancement). Finalment, per obtindre la segmentació desitjada, es va implementar i entrenar una xarxa neuronal convolucional 2D composta per un mecanisme d'atenció residual i connexions basades en l'arquitectura U-Net. El mecanisme d'atenció va permetre que el model se centrara en aquelles localitzacions de la imatge més importants per a la tasca de classificació dels corresponents vòxels a la medul·la cervical, a la volta que retenia la informació de la resta d'estructures anatòmiques. Alhora, els blocs residuals, van permetre resoldre els problemes d'esvaïment de gradient, comuns a l'entrenament de xarxes neuronals profundes. L'entrenament es va dissenyar amb una funció de cost local, basada en l'índex Tversky, amb el fi de controlar la problemàtica del dataset imbalancement i, un buscador automàtic de la taxa d'aprenentatge òptima que permetia una millor convergència i rendiment del model. Els resultats proporcionats pel nostre mètode de segmentació automàtica, presentaren una elevada taxa d'encert, obtinguen un valor de 0.95 com coeficient de correlació de Matthew en la mètrica d'entrenament i aconseguint en validació un coeficient DICE de 0.904±0.101 prenent com a referència la segmentació manual. A més de l'eina de segmentació automàtica, també hem desenvolupat un mòdul per al càlcul de les seues dimensions, el que serà útil per a una eficaç valoració de l'atròfia. Com biomarcadors d'imatge, calcularem les dimensions de les medul·les dels nostres pacients en forma de volum (mm³) i secció mitjana (mm²) i estudiarem la relació entre secció mitjana de la medul·la espinal cervical amb la distribució de les distintes formes clíniques i l'escala de discapacitat estesa de Kurtzke / [EN] Multiple Sclerosis (MS) is an inflammatory and autoimmune disease of the central nervous system (CNS) with features of demyelination and axonal degeneration over time, and characterised by being very heterogeneous in symptoms, disease course and outcome. Magnetic Resonance Imaging (MRI) is one of the most sensitive clinical tools for the evaluation of inflammatory and neurodegenerative processes. In recent years, the evaluation of the spinal cord has been of increasing clinical interest to improve the diagnosis and phenotyping of the disease, although, unlike the brain, in the cervical spinal cord there are no artificial intelligence (AI) algorithms developed and certified for clinical practice. Therefore, our aim is to investigate and develop an automatic method of cervical cord segmentation in MRI, thus facilitating an automatic and improved assessment of spinal cord atrophy, which can provide valuable information on the progression of the disease and its clinical consequences. The algorithm was developed using real-world data collected retrospectively from 121 MS patients. Of these, 96 were used for model training, 25 for testing and 13 for validation of the proposed model. During the thesis, 3D axial T1-weighted MRI sequences acquired in 3T equipment (SignaHD, GEHC) were used, given their better resolution and contrast to identify small anatomical structures such as the spinal cord. Manual labelling of the data was performed under the advice and supervision of two experienced radiologists, between whom possible discrepancies were resolved with a third radiologist, resulting in a set of cervical spinal cord masks as ground-truth. Several architectures, hyperparameters and forms of pre-processing were applied to the dataset in search of the optimal solution. Given its known importance in medical image segmentation, the U-Net architecture was the starting point. After the absence of good results and further research in the field, the problem of data imbalance was identified. Finally, to obtain the desired segmentation, a 2D convolutional neural network (CNN) composed of a residual attention mechanism and connections based on the U-Net architecture was implemented and trained. The attention mechanism allowed the model to focus on those image locations that are important for the classification task of the voxels corresponding to the cervical cord, while retaining the information of the rest of the anatomical structures. Residual blocks allowed us to solve common gradient fading problems in deep neural networks. Training was designed with a local loss function, based on the Tversky index in order to control the medical image data imbalance problem, and an automatic optimal learning rate finder that allowed us to improve the convergence and performance of the model. Finally, our method provided a segmentation with a high success rate, obtaining a value of 0.95 as MCC in the training metric and obtaining in validation a DICE coefficient of 0.904±0.101 taking manual segmentation as a reference. In addition to obtaining a tool for the automatic segmentation of the spinal cord, we also created a module for the calculation of its dimensions, which will be useful and effective for the assessment of atrophy. Atrophy is a direct indicator of neuronal damage and tissue loss in both the brain and spinal cord, and is a key risk factor for disability in MS. By accurately calculating atrophy, clinicians can assess the degree of neurological damage and follow its evolution over time. In our study, we calculated the dimensions of our patients' cords, as possible imaging biomarkers, in terms of volume (mm3) and mean section (mm2), and studied the relationship between the mean section of the cervical spinal cord with the distribution of the different clinical forms and the Kurtzke Expanded Disability Status Scale (EDSS) levels in our study group. / Bueno Gómez, A. (2024). Investigación y desarrollo de metodología avanzada de segmentación de la médula espinal cervical a partir de imágenes RM para la ayuda al diagnóstico y seguimiento de pacientes de esclerosis múltiple [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/205742

[ES] La explotación de datos de salud ha demostrado ser de creciente interés en la comunidad científica, especialmente para la creación y uso de sistemas de ayuda a la decisión clínica (SADC). Para abordar este problema, tradicionalmente se ha investigado por separado en materia de modelos de información, modelos de dominio y SADC. En lo que se refiere a modelos de información, las propuestas presentan limitaciones semánticas y no tienen en cuenta la interacción con los modelos de dominio, que pretenden proporcionar una comprensión formal y compartida del conocimiento clínico, ni con los SADC, cuya finalidad es proporcionar apoyo a la toma de decisión clínica a partir de la historia clínica electrónica (HCE). La finalidad de esta tesis se enmarca dentro del objetivo general de enriquecer sistemas de HCE con resultados de SADC y modelos de dominio representados mediante datos enlazados abiertos. Para ello, se investiga la combinación y explotación conjunta de las tecnologías más avanzadas para modelos de información, modelos de dominio y SADC. La principal contribución de esta tesis es el desarrollo de metodologías y herramientas para enriquecer la HCE con resultados de SADC y datos enlazados abiertos. Las contribuciones específicas son las siguientes: * Definición conceptual y metodológica de la HCE aumentada con información potencialmente relevante de la web semántica. * Definición conceptual y metodológica del informe radiológico estructurado (IRE), enriquecido con resultados de SADC basados en reglas, visión por computación y modelos de aprendizaje automático. * Caso de uso de HCE aumentada, consistente en enriquecer la HCE resumida del Sistema Nacional de Salud de España con datos enlazados abiertos sobre interacciones farmacológicas y tratamientos recomendados para los episodios activos del paciente. * Sistema de IRE enriquecido con resultados de SADC. Incluye el desarrollo de plantillas de IRE y mecanismos para el enriquecimiento de las mismas con resultados de SADC basados en reglas, cuantificación de imagen médica y redes neuronales. Nuestro objetivo es mejorar el grado de interoperabilidad en las integraciones de sistemas de HCE con SADC y datos enlazados abiertos, mediante estrategias basadas en los tres pilares de la interoperabilidad semántica: modelos de información, de arquetipos y de dominio. Esto tiene el potencial de repercutir positivamente sobre la salud y el cuidado del paciente, especialmente en el paradigma de la medicina personalizada. / [CA] L'explotació de dades de salut ha demostrat ser de creixent interés en la comunitat científica, especialment per a la creació i ús de sistemes d'ajuda a la decisió clínica (SADC). Per a abordar aquest problema, tradicionalment s'ha investigat per separat en matèria de models d'informació, models de domini i SADC. Pel que fa a models d'informació, les propostes presenten limitacions semàntiques i no tenen en compte la interacció amb els models de domini, que pretenen proporcionar una comprensió formal i compartida del coneixement clínic, ni amb els SADC, la finalitat dels quals és proporcionar suport a la presa de decisió clínica partint de la història clínica electrònica (HCE). La finalitat d'aquesta tesi s'emmarca dins de l'objectiu general d'enriquir sistemes de HCE amb resultats de SADC i models de domini representats mitjançant dades enllaçades obertes. Per a això, s'investiga la combinació i explotació conjunta de les tecnologies més avançades per a models d'informació, models de domini i SADC. La principal contribució d'aquesta tesi és el desenvolupament de metodologies i eines per a enriquir la HCE amb resultats de SADC i dades enllaçades obertes. Les contribucions específiques són les següents: * Definició conceptual i metodològica de la HCE augmentada amb informació potencialment rellevant de la web semàntica. * Definició conceptual i metodològica de l'informe radiològic estructurat (IRE), enriquit amb resultats de SADC basats en regles, visió per computació i models d'aprenentatge automàtic. * Cas d'ús de HCE augmentada, consistent a enriquir la HCE resumida del Sistema Nacional de Salut d'Espanya amb dades enllaçades obertes sobre interaccions farmacològiques i tractaments recomanats per als episodis actius del pacient. * Sistema de IRE enriquit amb resultats de SADC. Inclou el desenvolupament de plantilles de IRE i mecanismes per a l'enriquiment de les mateixes amb resultats de SADC basats en regles, quantificació d'imatge mèdica i xarxes neuronals. El nostre objectiu és millorar el grau d'interoperabilitat en les integracions de sistemes de HCE amb SADC i dades enllaçades obertes, mitjançant estratègies basades en els tres pilars de la interoperabilitat semàntica: models d'informació, d'arquetips i de domini. Això té el potencial de repercutir positivament sobre la salut i la cura del pacient, especialment en el paradigma de la medicina personalitzada. / [EN] The exploitation of health data has proven to be of increasing interest in the scientific community, especially for the creation and use of clinical decision support systems (CDSS). To address this problem, separate research has traditionally been done on information models, domain models and CDSS. Regarding information models, the proposals present semantic limitations and do not consider the interaction with domain models, which aim to provide a formal and shared understanding of clinical knowledge, nor with CDSS, whose purpose is to provide clinical decision support from the electronic health record (EHR). The aim of this thesis is framed within the general goal of enriching EHR systems with SADC results and domain models represented by open linked data. For this purpose, the combination and joint exploitation of state-of-the-art technologies for information models, domain models and SADC is investigated. The main contribution of this thesis is the development of methodologies and tools to enrich EHR with SADC results and open linked data. Specific contributions are: * Conceptual and methodological definition of EHR augmented with potentially relevant information from the semantic web. * Conceptual and methodological definition of the structured radiology report (SRR), enriched with CDSS results based on logical rules, computer vision and machine learning models. * Augmented EHR use case, consisting of enriching the summarized EHR of the Spanish National Health System with linked open data on pharmacological interactions and recommended treatments for active patient episodes. * SRR system enriched with CDSS results. Includes the development of SRR templates and mechanisms for enriching them with SADC results based on logical rules, medical image quantification and neural networks. Our goal is to improve the degree of interoperability in EHR system integrations with CDSS results and linked open data, through strategies based on the three pillars of semantic interoperability: information, archetype and domain models. This has the potential to positively impact health and patient care, especially in the personalized medicine paradigm. / Mañas García, A. (2022). Enriquecimiento de la historia clínica electrónica con información de sistemas de ayuda a la decisión clínica y datos enlazados abiertos [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/187730