重視醫學影像人工智能數據庫的標準化建設

石鎮維，劉再毅

廣東省醫學科學院 廣東省人民醫院放射科， 廣州 510080

近年來，隨著醫療條件的不斷改善以及醫院信息化程度的不斷提高，醫學影像數據呈現暴發式增長。據《2018年醫療人工智能技術與應用白皮書》[1]統計，目前我國醫療數據的年增長率約為30%。 互聯網數據中心(Internet Data Center,IDC)的統計數據顯示，2020年全球醫療數據量已達到2010年的40倍，其中醫學影像數據(包括X線、超聲、CT、MRI、PET、病理圖像等)約占80%[2- 3]。目前，醫療影像數據具有大規模(volume)、高增速(velocity)、多種類(variety)、高價值(value)和真實準確(veracity)五大特點，符合當代大數據5V特征，因此促進了醫學影像人工智能(artificial intelligence，AI)的發展[4]。醫學影像大數據在為醫學影像AI帶來良好發展前景和機遇的同時，亦面臨著數據方面的巨大挑戰。

1 醫學影像AI面臨數據方面的挑戰

隨著全球學者在醫學影像AI領域的積累，醫學圖像智能分析與處理算法愈發成熟，醫學影像因此也成為AI在醫療行業中最有潛力落地的領域。然而，在醫學影像AI科學研究中，數據是首要難題。首先，目前普遍缺乏高質量的訓練數據，雖然國際上有很多高質量的公開數據庫，但數據量和多樣性依然十分有限，且存在患者人種差異；其次，缺乏行業統一標準，數據采集標準多樣，系統誤差較大，缺乏對醫學圖像和疾病征象的統一認識；最后，整個行業缺乏對醫療數據使用標準的判斷依據和監管，且由于存在法律和倫理問題，很大一部分醫學影像數據未能發揮最大價值，導致醫學影像AI發展受阻。

目前醫學影像AI在數據方面的困難阻礙了科研人員對數據的有效使用，包括：無法獲取醫學影像數據集信息；缺乏對醫學影像數據準確的描述信息(如本體[5])；無法獲知數據的真實含義而導致錯誤使用；無法獲知使用者的基本權利和義務等。為克服上述困難，需要政策與科學理論相結合，以推動醫學影像AI標準化數據庫的建立。2016年《二十國集團領導人杭州峰會公報》第12條指出：“我們支持采取適當措施促進開放科學，推動在可找尋、可訪問、可交互、可再用的原則下，提高獲取公共財政資助的研究成果的便利性。”2018年我國頒布了《科學數據管理辦法》，目的在于進一步加強和規范科學數據管理，保障科學數據安全，提高開放共享水平，更好地支撐國家科技創新、經濟社會發展和國家安全。但目前，由于相關責任與權利不清晰，導致科研人員(包括醫務人員)參與科學數據使用與管理工作的動力不足；而因對于數據隱私安全及其危害缺乏清晰、明確的定義，導致數據公開以及共享困難；此外，醫學影像數據具有獨特的性質，例如復雜多樣、隱私敏感、長尾突發、類型復雜和分散度高等[6]，因此，亟需建立符合醫學影像數據特點的使用和管理標準與規范，并在此基礎上建立醫學影像AI標準化數據庫，以實現基于標準化醫學影像數據促進醫療AI的發展。

2 建立醫學影像AI標準化數據庫的重要性

在醫學領域，The Cancer Imaging Archive (TCIA)[7]和The Cancer Genome Atlas (TCGA)[8]是兩個被廣泛使用的公開數據庫。前者包含常見腫瘤的醫學影像數據與相應的臨床信息；后者則包含腫瘤的病理圖像數據與基因信息。TCIA與TCGA對數據審查十分嚴格，具有數據質量高、對疾病描述準確、數據來源清晰、使用條件規范等特點，為全球醫學影像AI的發展作出了巨大貢獻。使用公開數據集進行醫學影像AI模型的訓練與驗證已經成為一種發展趨勢。

除此之外，TCIA為部分影像數據提供了符合FAIR[findable(可查詢)，accessible(可訪問)， interoperable(可交互)，reusable(可再用)]數據管理準則的DICOM-SEGMENTATION文件，實現對影像標注數據的FAIR化與結構化，進而提升了醫學影像數據與AI技術之間的交互性，更有益于AI模型之間的比較與泛化。2016年國際組織FORCE11正式提出了FAIR數據科學管理準則，目的在于對數據進行科學管理。FAIR數據準則詳細描述了如何通過科學的方法進行數據管理[9- 11]。首先，提升數據的交互性有助于打破數據與AI算法之間的交互壁壘，對于機器學習至關重要；其次，FAIR數據準則著重強調數據結構化，進而提升數據的可再用性。該準則被提出以來，受到科學數據管理領域的廣泛認可。在構建醫學影像標準化數據庫方面，FAIR數據準則通過對醫學影像數據的采集、處理、使用以及管理等方面進行標準化描述，可為醫學影像AI科研提供標準化數據保障。因此，FAIR數據準則為長久以來醫學影像領域標準化提供了新的機遇。

3 小結與展望

過去10年,我國臨床所產生的醫學影像數據呈現暴發式增長，但真正規范且可被用于臨床科學研究的醫學影像數據卻極度匱乏，導致很大一部分科學研究仍然依賴于國際醫學影像數據庫，尤其是一些公開數據庫。因此，構建符合我國國情、法律/法規以及科研人員使用習慣的標準化醫學影像數據庫勢在必行。通過建立標準化醫學影像AI數據庫，可提升醫學影像數據質量、實現科學數據價值的最大化、促進醫學影像AI的發展。FAIR數據準則所倡導的科學使用和管理原則恰好符合上述目標。若基于該準則構建我國醫學影像AI標準化數據庫：首先，需要建立完備的醫學影像數據行業標準,并為科研人員提供便捷的標準醫學影像數據信息平臺和服務；其次，需要清晰描述醫學影像數據產生、處理、使用、管理以及發布等各個環節,明確各方的權利、責任以及義務；再次，需要科研人員和醫務人員在數據采集、數據庫構建及醫學影像數據術語描述等方面達成共識(可參照國際標準構建符合中國國情的醫學本體語義庫)；最后，計算、存儲等硬件設備與軟件對構建醫學影像AI數據庫同樣重要，亟需開發相應的計算機軟件以實現醫學影像數據的實時轉化及存儲，并最終實現醫學影像AI標準化數據庫的建設，促進醫療AI的發展。

作者貢獻：石鎮維負責查閱文獻、撰寫初稿及文章修訂；劉再毅提出修改意見并審校文章。

利益沖突：無