了解信息的快速方法之一就是通過視覺。“我們在識別模式方面要快得多，”多倫多大學博士計算機科學系及其動態圖形項目實驗室的學生Sultanum博士說。
“如果它是一個數字表與圖表，你可以更快地找到數據的分布圖。當使用文本時，事情變得有點復雜，因為不知怎的，你必須將文本翻譯成計算機可以的東西。理解，這是文本可視化的很大挑戰之一。“Sultanum的開發檢查了臨床使用的文本可視化，最近在柏林的IEEE VIS會議上提出了“基于策劃的臨床文本可視化方法” 。

她的合著者包括Devin Singh博士，病童醫院（SickKids）的急診室醫生，以及她的計算機科學研究生聯合主管，Michael Brudno教授和助理教授Fanny Chevalier。Brudno是計算醫學專家，Chevalier專注于數據可視化。
Singh在SickKids完成了他的兒科住院醫師培訓和兩年的兒科急診室獎學金，他非常了解醫學中對文本可視化工具的需求。
“我是這樣一個工具的最終用戶，這給了我一個獨特的視角，”。他的研究興趣包括實施臨床實踐的機器學習，這使他與Brudno合作，Brudno也是SickKids計算醫學中心的主任。Brudno正在監督Singh在U of T對計算機科學碩士學位的追求。
“我的想法是讓我了解醫學上的細微差別，向尼科爾這樣的專家學習，并建立彌合差距的解決方案，以加強患者護理，”辛格說。
考慮到家庭醫生的時間限制，Sultanum說。他們通常會與患者會面15分鐘，患者之間可能不超過15分鐘來檢查文件。但是，如果病史較長的患者會遇到一位醫生而另一位醫生，那么軟件開發人員認為，兩位醫生都會花費大量時間閱讀整個患者病史，這是不可能的。
“如果你的患者病史很長，那么醫生會問患者的亮點是什么。不能保證患者能夠準確，完整地描述他們的病情。他們可能不記得了 - 但是這是在記錄中;她說。
Sultanum觀察并采訪了多倫多診所的一些醫生。他們的數據集包括每位患者超過300頁的醫療圖表說明。整個醫學圖表中提到的條件可視化為蒸汽圖，帶有液滴的帶狀圖，隨著術語的重復而擴展。例如，高血壓周圍較大的液滴意味著它對患者來說是一個問題。每種情況都標有不同的顏色。
“能夠快速查看單個屏幕，向我顯示一個可視化的患者病歷的準確總結，這是非常有價值的，”辛格說。“然后，我可以迅速從評估不適的病人到自信地做出我的臨床決定。
Singh說，Doccurate與其他醫學可視化工具的獨特之處在于能夠定制。例如，血凝塊可能與任何數量的疾病相關，但他說他可以對其進行分類，以便將最終的可視化繪制到正確的醫療狀況。
“它以可視方式傳達給我，這有助于將醫生的心理模型聯系在一起，通過可視化創建一個整體護理團隊。
Sultanum說她的研究的下一階段將是提供關于患者如何隨時間進化的敘述和進展的視覺感受。她將在Inria Saclay進行為期四個月的開發訪問時使用自然語言處理數據集開始探索這個想法，Inria Saclay是法國眾多計算機科學軟件開發機構之一。
從概念證據到進一步的臨床試驗獲得Doccurate是另一個挑戰，但Singh認為時機是正確的。就在去年夏天，SickKids推出了一個新的電子健康信息系統Epic。隨著越來越多的醫院推進其電子健康信息系統，Doccurate將有更多的臨床使用機會。
“人們已經準備好問'我們如何采用這種電子病歷系統并找到其他增值？
“我們可以在醫學和計算機科學之間架起一座橋梁，以便實施這些類型的解決方案，以提高患者的安全性和我們提供的護理質量。