重视医学影像人工智能数据库的标准化建设

石镇维，刘再毅

广东省医学科学院 广东省人民医院放射科， 广州 510080

近年来，随着医疗条件的不断改善以及医院信息化程度的不断提高，医学影像数据呈现暴发式增长。据《2018年医疗人工智能技术与应用白皮书》[1]统计，目前我国医疗数据的年增长率约为30%。 互联网数据中心(Internet Data Center,IDC)的统计数据显示，2020年全球医疗数据量已达到2010年的40倍，其中医学影像数据(包括X线、超声、CT、MRI、PET、病理图像等)约占80%[2- 3]。目前，医疗影像数据具有大规模(volume)、高增速(velocity)、多种类(variety)、高价值(value)和真实准确(veracity)五大特点，符合当代大数据5V特征，因此促进了医学影像人工智能(artificial intelligence，AI)的发展[4]。医学影像大数据在为医学影像AI带来良好发展前景和机遇的同时，亦面临着数据方面的巨大挑战。

1 医学影像AI面临数据方面的挑战

随着全球学者在医学影像AI领域的积累，医学图像智能分析与处理算法愈发成熟，医学影像因此也成为AI在医疗行业中最有潜力落地的领域。然而，在医学影像AI科学研究中，数据是首要难题。首先，目前普遍缺乏高质量的训练数据，虽然国际上有很多高质量的公开数据库，但数据量和多样性依然十分有限，且存在患者人种差异；其次，缺乏行业统一标准，数据采集标准多样，系统误差较大，缺乏对医学图像和疾病征象的统一认识；最后，整个行业缺乏对医疗数据使用标准的判断依据和监管，且由于存在法律和伦理问题，很大一部分医学影像数据未能发挥最大价值，导致医学影像AI发展受阻。

目前医学影像AI在数据方面的困难阻碍了科研人员对数据的有效使用，包括：无法获取医学影像数据集信息；缺乏对医学影像数据准确的描述信息(如本体[5])；无法获知数据的真实含义而导致错误使用；无法获知使用者的基本权利和义务等。为克服上述困难，需要政策与科学理论相结合，以推动医学影像AI标准化数据库的建立。2016年《二十国集团领导人杭州峰会公报》第12条指出：“我们支持采取适当措施促进开放科学，推动在可找寻、可访问、可交互、可再用的原则下，提高获取公共财政资助的研究成果的便利性。”2018年我国颁布了《科学数据管理办法》，目的在于进一步加强和规范科学数据管理，保障科学数据安全，提高开放共享水平，更好地支撑国家科技创新、经济社会发展和国家安全。但目前，由于相关责任与权利不清晰，导致科研人员(包括医务人员)参与科学数据使用与管理工作的动力不足；而因对于数据隐私安全及其危害缺乏清晰、明确的定义，导致数据公开以及共享困难；此外，医学影像数据具有独特的性质，例如复杂多样、隐私敏感、长尾突发、类型复杂和分散度高等[6]，因此，亟需建立符合医学影像数据特点的使用和管理标准与规范，并在此基础上建立医学影像AI标准化数据库，以实现基于标准化医学影像数据促进医疗AI的发展。

2 建立医学影像AI标准化数据库的重要性

在医学领域，The Cancer Imaging Archive (TCIA)[7]和The Cancer Genome Atlas (TCGA)[8]是两个被广泛使用的公开数据库。前者包含常见肿瘤的医学影像数据与相应的临床信息；后者则包含肿瘤的病理图像数据与基因信息。TCIA与TCGA对数据审查十分严格，具有数据质量高、对疾病描述准确、数据来源清晰、使用条件规范等特点，为全球医学影像AI的发展作出了巨大贡献。使用公开数据集进行医学影像AI模型的训练与验证已经成为一种发展趋势。

除此之外，TCIA为部分影像数据提供了符合FAIR[findable(可查询)，accessible(可访问)， interoperable(可交互)，reusable(可再用)]数据管理准则的DICOM-SEGMENTATION文件，实现对影像标注数据的FAIR化与结构化，进而提升了医学影像数据与AI技术之间的交互性，更有益于AI模型之间的比较与泛化。2016年国际组织FORCE11正式提出了FAIR数据科学管理准则，目的在于对数据进行科学管理。FAIR数据准则详细描述了如何通过科学的方法进行数据管理[9- 11]。首先，提升数据的交互性有助于打破数据与AI算法之间的交互壁垒，对于机器学习至关重要；其次，FAIR数据准则着重强调数据结构化，进而提升数据的可再用性。该准则被提出以来，受到科学数据管理领域的广泛认可。在构建医学影像标准化数据库方面，FAIR数据准则通过对医学影像数据的采集、处理、使用以及管理等方面进行标准化描述，可为医学影像AI科研提供标准化数据保障。因此，FAIR数据准则为长久以来医学影像领域标准化提供了新的机遇。

3 小结与展望

过去10年,我国临床所产生的医学影像数据呈现暴发式增长，但真正规范且可被用于临床科学研究的医学影像数据却极度匮乏，导致很大一部分科学研究仍然依赖于国际医学影像数据库，尤其是一些公开数据库。因此，构建符合我国国情、法律/法规以及科研人员使用习惯的标准化医学影像数据库势在必行。通过建立标准化医学影像AI数据库，可提升医学影像数据质量、实现科学数据价值的最大化、促进医学影像AI的发展。FAIR数据准则所倡导的科学使用和管理原则恰好符合上述目标。若基于该准则构建我国医学影像AI标准化数据库：首先，需要建立完备的医学影像数据行业标准,并为科研人员提供便捷的标准医学影像数据信息平台和服务；其次，需要清晰描述医学影像数据产生、处理、使用、管理以及发布等各个环节,明确各方的权利、责任以及义务；再次，需要科研人员和医务人员在数据采集、数据库构建及医学影像数据术语描述等方面达成共识(可参照国际标准构建符合中国国情的医学本体语义库)；最后，计算、存储等硬件设备与软件对构建医学影像AI数据库同样重要，亟需开发相应的计算机软件以实现医学影像数据的实时转化及存储，并最终实现医学影像AI标准化数据库的建设，促进医疗AI的发展。

作者贡献：石镇维负责查阅文献、撰写初稿及文章修订；刘再毅提出修改意见并审校文章。

利益冲突：无