Greenhouse gas emissions due to long-term data storage of CT with reformats and strategies for mitigation
Notice bibliographique
Résumé
Abstract Objectives Medical image data storage and associated greenhouse gas (GHG) emissions are increasing. We aimed to measure non-essential storage and model mitigation strategies. Materials and methods The proportion of stored post-processed series (reformats and reconstructions) was retrospectively recorded in 183 baseline staging CT chest–abdomen–pelvis studies (CT-CAP) for endometrial cancer in a UK referral centre between 2013 and 2016 (Cohort A). File size (megabytes, MB) of each series was recorded for 30 studies (Cohort B) and compared with 100 Canadian studies (Cohort C), contextualised by a survey of protocols across 17 global centres (including Cohort C). Storage-associated GHG emissions were modelled over 20 years for various mitigation strategies. Results Post-processed series were stored in 179/183 (97%) of cohort A, 29/30 (97%) of cohort B and 16/17 (94%) of global centres. Median file size was 787 MB (IQR 460, 1257) for the entire CT study (all stored series) and 290 MB (224, 355) for the acquired axial series alone. On-premises storage of all series for new UK endometrial cancer baseline studies 2020–2040 is estimated to generate 381 metric tons CO 2 equivalent (MTCO 2 e). Over this period, modelled mitigation strategies achieved emission reductions of 69% by storing only acquired axial series (117MTCO 2 e), 82% combining axial-only with cloud storage (70MTCO 2 e), 81% combining axial-only with an 8-year data retention policy (72MTCO 2 e), and 89% combining all three strategies (43MTCO 2 e). Conclusion CT data storage has a large environmental cost, necessitating global action. Various mitigation strategies are achievable in reducing storage-related emissions by up to 89%. Key Points Question Storage of non-essential post-processed CT image series contributes significantly to the accumulating image data storage-associated GHG emissions burden . Findings Modelling predicts emission savings of 69% by avoiding non-essential series storage in staging CTs of UK endometrial cancer patients, with comparable savings globally, based on current practice . Clinical relevance GHG emissions can be substantially reduced by not storing non-essential CT reformats, a mitigation that can be implemented immediately by radiologists. Further GHG mitigation is achievable using cloud storage and data-retention policies . Graphical Abstract
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».