醫學影像結構式報告的現狀和展望

曹敏， 郭小超， 張來運， 王鶴， 王霄英

·影像信息學專題·

醫學影像結構式報告的現狀和展望

曹敏， 郭小超， 張來運， 王鶴， 王霄英

醫學影像結構式報告可以完整、清晰地傳遞影像檢查的信息，提升影像工作的價值。本文綜述了結構式報告的理念、構建方式及應用，并對結構式報告的未來發展方向進行了展望。

醫學影像學； 診斷； 結構式報告； 自由文本式報告； 影像信息學

醫學影像技術的迅速發展，使得醫學影像科的工作模式發生了巨大變化，圖像采集、處理、顯示和存儲等均已實現了數字化，完成了從“模擬”到“數字”的全面轉變。但影像檢查的最終成果(診斷報告)的生成和信息傳遞過程，并未發生實質性改變。在新的技術條件下，為了滿足臨床對醫學影像報告質量的更高要求，結構式報告日益受到關注。

報告質量是衡量影像醫師工作價值的重要指標，早期影像報告包括自由文本及結構式文本兩種形式，在近百年來的影像工作中，自由文本式報告占據了主導地位[1-3]。但隨著技術的發展，影像檢查的適應證得到極大地拓展，影像科醫師處理的圖像數據迅速增長，而臨床上強烈要求報告信息應表述清晰、準確和易讀，基于個人習慣的自由文本式報告已不能完全滿足臨床的需求[4-6]，真正數字化的結構式報告開始得到認可并推廣應用。

結構式報告的定義

結構式報告是使用標準語匯、以標準組織結構生成的報告，其內容也有清晰的規定。結構式報告具有明確的邏輯，信息完整、準確，更易于解讀和回顧對比[7-8]。無論是自由文本式報告還是結構式報告，均應包括以下基本要素：患者基本信息、臨床情況、影像技術及檢查過程、圖像質量、影像表現、診斷結論、比較和建議等[3]，除此之外，結構式報告還具有以下特點[9]。

首先，分段式組織：在報告中基本要素以獨立的段落和標題的形式呈現。例如依解剖結構將一份胸片的影像發現按順序分為肺及胸膜腔、心影、肺門區及氣管、胸廓骨性結構和上腹等幾個獨立的條目，以便對需要觀察的圖像內容進行總結、歸納，從而避免重要項目的遺漏，提高報告的完整性[7]。

其次，標準化語言：使用明確定義的標準語匯。在傳統的自由文本報告中，影像描述用語帶有很強的影像醫師的個人色彩，不同影像科醫師(甚至同一位影像科醫生在不同時期)對同一征象的描述可能有差異[10-11]。結構式報告推薦使用標準化的語言來書寫報告，使報告傳遞的信息準確、一致。已有多個國際組織發布了醫學標準化詞典，其中對醫學影像專業最適用的是RSNA組織編寫的RadLex詞典(http://www.rsna.org/RadLex.aspx)。

最后，確定性內容：在明確的檢查適應證下，規定報告要素，無論哪位影像醫師書寫，都能保證影像報告具備臨床所需的全部診斷信息。自由文本式報告的內容常常存在很大差異[12-14]，而結構式報告可以規定必須書寫的診斷信息。這里的診斷信息不僅包括基本的解剖部位，還包括臨床醫師比較關注的疾病細節，如乳腺鉬靶報告中鈣化的形態特點、直腸癌報告中病灶與直腸周圍筋膜的最短距離、前列腺報告中PI-RADS評分等[15-17]。對報告內容的要求，多數來自于各種指南、共識，也可來自機構內部醫學專家的共識。RSNA發布了大量結構式報告模板(Radiology Reporting Initiative,ww.rsna.org/ reporting_ initiative.aspx)，其內容是本領域的專家共識，可為各單位制定結構式報告提供參考。

目前的結構式報告均依托于放射信息管理系統(radiology information system, RIS)/影像歸檔和通信系統(picture archiving and communication system，PACS)，除了表面顯示的影像專業信息，均有背后的計算機軟件系統支撐其運行。結構式報告的信息存儲于數據庫中，可以進行查詢、統計。

結構式報告構建

ACR和RSNA通過發布一系列報告質量相關指南[1,18]，鼓勵構建結構式報告，提高影像報告的質量，并為進一步的數據挖掘和研究提供結構式信息。近年來，各種結構式報告陸續上線，在臨床應用中得到驗證。總結前人經驗和本單位實際工作體會，構建結構式報告通常需要經過如下幾個階段：內容設計、推廣試行和反饋修改[19]。

在內容設計階段，首先要選取適合以結構式報告來發布診斷結果的疾病。通常檢查目的單一、適應證明確、診斷標準確切的疾病更易于將報告內容結構化，如目前廣泛應用的BI-RADS結構式報告、心臟血管評價報告、下肢血管評價報告等都具備上述特點[20]；而近年來得到廣泛關注的PI-RADS、LI-RADS結構式報告也代表了這一類型結構式報告的主流[16]。也有一些機構根據自身專業特色和診斷專長，選擇與專業相關的檢查進行結構式報告的構建并取得了成功[18]。此外，RSNA提供的結構式報告模板庫亦可作為選擇病種的參考。在選擇好目標疾病后，需根據結構式報告的特點，進行文獻學習、標準用語查詢，并與相關臨床科室磋商，確定臨床需求，進而確定結構式報告的格式、語言和內容。在內容設計階段，要盡可能搜集所有報告相關人員的意見，包括直接書寫報告的一線醫師、審核報告的二線醫師以及相關科室的臨床醫師等，可減少將來推廣和使用該結構式報告時的阻力。報告具體內容應包含報告基本要素和臨床要求的必要陰性征象，以異常發現的描述、診斷為主線，形式簡潔、用語規范。

在報告推廣階段，應向相關人員充分講解結構式報告的優點和潛在價值，并可將結構式報告的推廣融入日常教學當中，以特定疾病的結構式報告為主題進行教學。使用者在學習疾病重要影像征象的同時，了解臨床醫師的關注點，加深對疾病的理解，并提高對結構式報告的認同度。除了學術內容的介紹，還應注意對結構式報告軟件使用方法的培訓，由報告內容的設計者和軟件工程師現場指導、及時答疑。

當結構式報告上線后，要及時分析結構式報告的使用情況，根據使用者(影像醫師和臨床醫師)的反饋意見，對報告進行調整和完善。這個過程不是循環一次就結束的，而是始終存在，隨著臨床要求的改變、影像技術的進步和信息學方法的提高等不斷優化、完善，在報告的全生命周期中持續改進。

結構式報告的臨床應用

結構式報告的使用提高了影像報告的臨床價值。一份理想的報告，應內容完整、規范、明確，形式簡潔、易讀，結論能清楚地傳遞診斷信息和診斷者的信心，必要時應給出后續的處理建議，并盡量做到快速及時反饋[3]。目前已經有大量研究對不同類型結構式報告的使用效果進行了評價，證明結構式報告對提高報告質量有積極的作用[7,21]。

結構式報告的使用提高了診斷信息的利用度。除了促進報告質量的改善，在影像學科信息化過程中也起到了重要的推動作用。隨著PACS/RIS、醫院信息系統(hospital information system,HIS)和電子健康記錄(electronic health record，EHR)的廣泛應用，越來越多的信息可以在云端儲存、分享，為使用大數據技術挖掘影像信息提供了可能。為了將影像和疾病發生發展的規律、治療方案決策、患者治療效果及生存情況等聯系在一起，必須將醫學圖像信息轉化為可以挖掘的數據來儲存、分享和分析。結構式報告提供的信息具有條目清晰、定義準確的特性，成為圖像信息轉換成數據的理想載體[22]。

結構式報告的使用，提供了醫學影像教學的新模式。結構式報告是理想的教學媒介，其標準化讀片順序，可幫助學習者建立嚴謹的讀片習慣。此外每種結構式報告均代表相應疾病影像診斷思路及臨床處理原則的精華，學習這些基本知識，有助于報告使用者形成對該疾病的影像診斷思路。

結構式報告的發展方向

雖然結構式報告已經獲得了較高的評價，但仍有不足之處，最主要的是“科學”與“藝術”之爭[19]：有些影像科醫師認為影像報告的書寫是個性化的創作過程，是自我意識的體現，是一種“藝術”，而遵循報告給定的閱片順序、機械完成報告要求的內容，缺乏自主性，不能體現影像醫師的個人價值。另外還有一些經驗豐富的影像科醫師認為個人的診斷經驗優于結構式報告的診斷思路，不能認同結構式報告的診斷標準。這些問題的解決需在構建結構式報告的過程中逐步解決[23]，包括以下方面：①在構建報告之前，應選擇恰當的報告種類。在適應證明確時，圖像數量大、問題簡單、以定量信息為主要內容的報告，或有明確、公認診斷思路的報告，適于采用結構式報告的形式。而適應證不明確、報告內容有較多討論含義的，則選用自由文本式報告更妥當。②在構建報告過程中，應廣泛邀請影像科醫師積極參與，整合眾多參與者的思路和經驗。③利用自然語言處理(natural language processing，NLP)技術來分析已獲得公認的、在臨床長期使用的既往報告，發現其中的高頻要素，以之為基礎構建結構式報告，也較易獲得臨床一線工作人員的認可[24]。④即使是完全自由本文式報告，也可以在生成報告之后，利用NLP等技術進行結構化分析和存儲[25]。最終，絕大多數臨床情況下，結構式和自由文本式的報告形式并不是單獨使用，而是根據實際需求將兩種形式整合在一起[26]，成為“科學”與“藝術”的綜合體現。

結構式報告的另一個問題是效率的相對低下。目前在結構式報告的信息提取過程中，醫師讀片、做出決定，然后填寫(或點擊)報告中的結構化信息，其整體效率低于自由文本式報告，這也是結構式報告推廣不利的主要原因[22]。這個問題的解決還有待于通過改善報告信息提取和診斷分析流程來解決。在報告信息提取過程中，應把DICOM圖像中的定量信息(如在圖像中測量的數值)直接、自動發送到報告中[27]，醫師讀片時不需要重復錄入這些信息，有助于提高效率、減少差錯[28]。另外，當前臨床工作中執行的很多診斷標準[如TNM分期、實體腫瘤的療效評價標準(response evaluation criteria in solid tumors,RECIST)等]，其內在學術邏輯可以設定在結構式報告的軟件邏輯中，在錄入足夠的信息后，可自動做出判斷，也有助于提高效率[29]。

隨著技術的進步，結構式報告將對整個醫療全流程提供信息支持。未來基于知識庫的結構式報告系統，應可利用人工智能方法自動提取圖形信息，生成診斷[30]，發現危急值并及時通知相關人員進行處理[23]，給出進一步診斷的推薦意見，把相關的影像和文字信息直接推送給后續診斷路徑中的設備和醫務工作者[31]。與此同時，在臨床工作中生成的結構式報告數據信息，可供教學和科研使用，為改進臨床流程、提高臨床效率和制定醫療決策等大數據研究提供數據源[32]。

雖然目前結構式報告的構建及推廣使用的主流思路是以信息學工具適應專家意見的過程，但隨著技術的發展，相信醫學影像專家的工作模式也會自覺或不自覺地發生轉變。影像工作者應積極學習IT和大數據相關知識，了解影像信息學工具的優勢，主動創造并適應新的技術背景下的工作模式，在度過最初的磨合期之后，工作質量、效率和價值將會得到明顯的提升。

[1] Dunnick NR，Langlotz CP.The radiology report of the future:a summary of the 2007 intersociety conference[J].J Am Coll Radiol，2008，5(5):626-629.

[2] Armas RR.Qualities of a good radiology report[J].AJR，1998，170(4):1101-1110.

[3] Reiner BI.The challenges，opportunities，and imperative of structured reporting in medical imaging[J].J Digit Imaging，2009，22(6):562-568.

[4] Dogan N，Varlibas ZN，Erpolat OP，et al.Radiological report:expectations of clinicians[J].Diagn Interv Radiol，2010，16(3):179-185.

[5] Sobel JL，Pearson ML，Gross K，et al.Information content and clarity of radiologists' reports for chest radiography[J].Acad Radiol，1996，3(9):709-717.

[6] Kong A，Barnett GO，Mosteller F，et al.How medical professionals evaluate expressions of probability[J].N Engl J Med，1986，315(12):740-744.

[7] Marcovici PA，Taylor GA.Journal Club:structured radiology reports are more complete and more effective than unstructured reports[J].J Am Coll Radiol，2014，203(6):1265-1271.

[8] Rothman M.Malpractice issues in radiology:radiology reports[J].J Am Coll Radiol，1998，170(4):1108-1109.

[9] Sistrom CL，Langlotz CP.A framework for improving radiology reporting[J].J Am Coll Radiol，2005，2(2):159-167.

[10] Robinson PJ.Radiology's achilles' heel:error and variation in the inter-pretation of the roentgen image[J].Br J Radiol，1997，70(839):1085-1098.

[11] Sobel JL，Pearson ML，Gross K，et al.Information content and clarity of radiologists' reports for chest radiography[J].Acad Radiol，1996，3(9):709-717.

[12] Siegle RL，Baram EM，Reuter SR.Rates of disagreement in imaging interpretation in a group of community hospitals[J].Acad Radiol，1998，5(3):148-154.

[13] Robinson PJ，Wilson D，Coral A，et al.Variation between expe-rienced observers in the interpretation of accident and emergency radiographs[J].Br J Radiol，1999，72(856):323-330.

[14] Lev MH，Rhea JT，Bramson RT.Avoidance of variability and error in radiology[J].Lancet，1999，354(9175):272-293.

[15] American College of Radiology.Mammography In:Breast Image Reporting and Data System (BI-RADS) atlas.4th ed[D].Reston，American College of Radiology，2003:1-30.

[16] 秦岫波，王蕊，高歌，等.前列腺多參數MRI報告進展：基于第2版前列腺影像報告和數據系統的結構式報告的構建[J].腫瘤影像學，2016，25(2):111-116.

[17] 姚宏偉，劉蔭華，高國璇，等.《NCCN直腸癌臨床實踐指南》外科原則十年變遷及臨床意義[J].中華外科雜志，2015，53(1):68-71.

[18] Larson D，Towbin AJ，Pryor RM，et al.Improving consistency in radiology reporting through the use of department-wide standar-dized structured reporting[J].Radiology，2013，267(1):240-250.

[19] Tran L，Wadhwa A，Mann E.Implementation of structured radiology reports[J].AJR，2015，13(3):296-299.

[20] Langlotz CP.Structured radiology reporting:are we there yet[J].Radiology，2009，253(1):23-25.

[21] Hanna TN，Shekhani H，Maddu K，et al.Structured report compliance:effect on audio dictation time，report length，and total radiologist study time[J].Emerg Radiol，2016，23(5):449-453.

[22] Margolies LR，Pandey G，Horowitz ER，et al.Breast imaging in the era of big data:structured reporting and data mining[J].AJR，2016，206(2):259-264.

[23] Lakhani P，Kim W，Langlotz CP.Automated detection of critical results in radiology reports[J].J Digit Imaging，2012，25(1):30-36.

[24] Rubin D，Wang D，Chambers DA，et al.Natural language proces-sing for lines and devices in portable chest X-rays[J].AMIA Annu Symp Proc，2010，13(2010):692-696.

[25] Cheng LTE，Zheng J，Savova GK，et al.Discerning tumor status from unstructured MRI reports-completeness of information in existing reports and utility of automated natural language processing[J].J Digit Imaging，2010，23(2):119-132.

[26] Huang Y，Lowe HJ.A novel hybrid approach to automated negation detection in clinical radiology reports[J].JAMIA，2007，14(3):304-311.

[27] Oberkampf H，Zillner S，Overton JA，et al.Semantic representation of reported measurements in radiology[J].BMC，2015，16(1):1-12.

[28] Zimmerman SL，Kim W，Boonn WW.Automated structured reporting of imaging findings using the AIM standard and XML[J].RadioGraphics，2011，31(3):881-887

[29] Yadav K，Sarioglu E，Smith M，et al.Automated outcome classification of emergency department computed tomography Imaging reports[J].Acad Emerg Med，2013,20(8):848-854.

[30] Wang S，Summers RM.Machine learning and radiology[J].Med Image Anal，2012，16(5):933-951.

[31] Sippo DA，Warden GI，Andriole KP，et al.Automated extraction of BI-RADS final assessment categories from radiology reports with natural language processing[J].J Digit Imaging，2013，26(5):989-994.

[32] Kaggal VC，Elayavilli RK，Mehrabi S，et al.Toward a learning health-care system-knowledge delivery at the point of care empowered by big data and NLP[J].Biomed Inform Insig，2016，8(Suppl 1):S13-S22.

100034 北京，北京大學第一醫院醫學影像科

曹敏(1989-)，女，山西陽泉人，博士研究生，主要從事影像診斷研究工作。

王霄英，E-mail：cjr.wangxiaoying@vip.163.com

R814.4； R445.2

A

1000-0313(2016)12-1130-03

10.13609/j.cnki.1000-0313.2016.12.005

2016-10-18

2016-11-10)