大數據背景下結構式醫學影像診斷報告的臨床應用

[摘要]"醫學影像診斷報告是疾病診斷、臨床治療方法選擇和患者預后評價的重要依據。規范的醫學影像診斷報告能夠客觀、準確地反映患者的醫學影像征象等。醫學影像診斷報告規范化、結構化撰寫是醫療機構，特別是影像相關科室醫生關注的焦點問題之一。結構式醫學影像診斷報告相對于傳統醫學影像診斷報告更為統一和規范。本研究通過分析結構式醫學影像診斷報告的臨床應用現狀，探究其應用優勢和不足之處，為大力推進結構式醫學影像診斷報告提供實踐依據和建議，旨在為臨床提供更為客觀、標準、規范的醫學影像診斷信息。

[關鍵詞]"醫學影像診斷報告；結構式；腫瘤分期；人工智能

[中圖分類號]"R445.4""""""[文獻標識碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2025.01.026

醫學影像診斷報告是對患者進行影像診斷、鑒別診斷的文字描述，可詳細記錄患者的檢查部位及患者的組織器官、病灶形態及病理生化等信息，為疾病診斷、臨床治療和預后評價提供依據[1]。客觀、標準、規范的醫學影像診斷報告對臨床診療及患者預后評價具有重要價值。傳統醫學影像診斷報告由影像診斷醫生基于自身書寫習慣和知識水平撰寫，表達方式存在一定的主觀性，缺少標準化表述；且不同影像診斷醫生的描述存在差異，給后續數據處理分析及統計增加困難。如何將醫學影像診斷報告進行結構化處理、充分利用影像數據提升醫療服務效率和診斷水平是臨床關注的重點問題[2]。結構式醫學影像診斷報告的概念于2000年提出，利用計算機自然語言處理技術將醫學影像診斷報告的內容和格式進行標準化、系統化和層次化處理，按照既定順序羅列各項參數和指標，可降低不同影像診斷醫生出具報告的差異性。

1""結構式醫學影像診斷報告的臨床應用

1.1""疾病檢出及診斷

結構式醫學影像診斷報告強化影像診斷的規范性和準確性，在疾病檢出和診斷方面，融入標準化的影像學表述和診斷術語，融合相關臨床數據，有助于影像診斷自動化功能的實現。Nobel等[3]將結構式報告定義為利用信息技術手段，在醫學影像診斷報告中插入相關格式化醫學內容，由影像診斷醫生填寫事先定義好的報告模板和數據項，實現醫學影像診斷報告的規范化和標準化處理。北美放射學會組織為提高放射學術語標準化水平編寫Radlex詞典，同時在醫學影像診斷報告模板中納入相關專家共識和診療指南，對掃描參數設定、數據后處理和影像標注等具有指導意義[4]。

結構化醫學影像診斷報告在胸部CT肺結節中的應用較早，從肺結節部位、大小、邊緣、密度及分類等方面給予詳細描述，同時依據不同指南共識提出具體的隨訪建議。標準化的報告描述可使臨床醫生更為便捷、準確地了解患者肺結節的相關影像學特征和表現，綜合評估并給予治療措施和隨訪建議。結構化醫學影像診斷報告可記錄肺結節數量及其動態變化情況。謝輝輝等[5]研究顯示肺結節人工智能輔助軟件和自動生成的結構式醫學影像診斷報告可縮短醫生的閱片時間，提高肺結節檢出率。冠狀動脈CT血管成像人工智能后處理技術亦相對成熟，能基于冠狀動脈的形態和結構進行自動分析，在病變部位、病變成分、管腔狹窄長度、狹窄程度、心肌橋等方面實現智能化評估。Garcia等[6]測試人工智能驅動的結構式醫學影像診斷報告系統，結果顯示該系統出具的報告與心臟病學專家出具報告的診斷效能相同。

在肺栓塞影像評估過程中，結構化醫學影像診斷報告可依據標準化的格式和分類系統記錄患者的影像學檢查表現和診斷結果，通過記錄和管理肺栓塞患者的相關信息，合理選擇治療方案，并對患者進行適當的臨床療效評價。Fink等[7]研究顯示基于結構式醫學影像診斷報告的數據挖掘技術可促進肺動脈CT血管造影評分系統的進一步發展，其可提供更為標準化、系統化的影像學信息，臨床實用性較強。胰腺炎影像學結構式醫學影像診斷報告內容涵蓋胰腺體積、胰腺實質及胰腺外壞死、局部并發癥和影像診斷等內容，能夠規范、系統地對胰腺炎診斷、分類和嚴重程度進行表述[8]。結構式醫學影像診斷報告的標準化描述可提高胰腺炎影像數據的收集質量，并將影像技術學、診斷學、臨床和實驗室數據有機結合；且更加便捷地獲取先后多次的結構式醫學影像診斷報告以評估病變組織的數據。

1.2""腫瘤病變分期及評價

結構式醫學影像診斷報告較多地應用于良惡性腫瘤的診斷及鑒別中，可對惡性腫瘤進行分期。美國放射學會的報告和數據系統不僅能避免影像診斷醫生在診斷結論中使用主觀性語言，還能利用評分系統提升醫學影像診斷報告的一致性和可重復性。統一醫學影像診斷報告中的征象描述可提升低年資影像醫生的診斷水平，使其快速、系統地掌握新知識。同時，將其與疾病臨床診療指南和/或專家共識相結合可提升醫學影像診斷報告的總體質量。

腫瘤準確分期對臨床治療方案的選擇及患者預后評估至關重要。結構式醫學影像診斷報告可明確腫瘤部位、累及范圍、局部浸潤程度、淋巴結轉移及遠處侵犯等詳細信息，提高醫學影像診斷報告對腫瘤分期判斷的完整性和客觀性。結構式醫學影像診斷報告可促使腫瘤病變的系統性評價更具體和準確，這不僅包括腫瘤病灶的形態、侵犯程度、強化方式、組織代謝等表現，還包括腫瘤組織與鄰近組織器官的毗鄰關系及具體定量參數等[9]。歐洲腹部放射學會建議直腸癌的醫學影像診斷報告采用結構化模板，特別是在直腸癌分期方面，通過廣泛采集直腸癌影像數據并進行綜合評估，不僅能提高直腸癌分期準確性，還有助于臨床醫生個體化治療方案的制定，提高工作效率和總體綜合診療水平[10]。

1.3""與人工智能技術聯合應用

近年來，人工智能技術飛速發展。通過融合影像組學，人工智能技術逐步應用于各類疾病的影像學診斷中。通過機器學習技術，利用自然語言處理可從醫學影像診斷報告中提取相關影像信息和數據，結構式醫學影像診斷報告可為機器訓練提供影像數據支持，量化具體參數和病灶信息用于數據挖掘方面的研究和教學，為臨床診療工作提供幫助。結構化后的影像診斷可協助醫生快速檢索信息，且支持計算機結構化數據的儲存和導出，為人工智能的廣泛應用提供數據支持[11]。基于人工智能算法自動生成的結構式醫學影像診斷報告能提高影像診斷醫生的工作效率，通過提取和對比患者既往檢查結果，自動插入報告，將數據信息和參數進行對比分析，提出更為科學的診斷和建議。朱麗娜等[12]研究顯示在大數據醫療背景下，結構式醫學影像診斷報告與人工智能輔助診斷系統融合應用后，可顯著提高低年資診斷醫生的工作效能。

2""結構式醫學影像診斷報告的不足之處

結構式醫學影像診斷報告具有良好的應用前景，但在臨床推廣過程中亦面臨諸多問題和不足，包括報告去個性化、復雜病變表述不足等。結構式醫學影像診斷報告的開發和設計需要開展大量的前期調研工作，模板建立需要一定的時間和精力，其邏輯設定亦較為復雜。在模板設計和終端執行方面，結構式醫學影像診斷報告的模版更適用于相對簡單的影像診斷，并不適合較復雜的病例影像診斷。因模版可能存在欠缺、未能包括所有影像細節等不足，使得較多影像診斷醫生對結構式醫學影像診斷報告持否定或觀望態度。結構式醫學影像診斷報告還具有一定的限制和僵化特點。在腫瘤病變分期方面，往往篇幅相對較長，極易分散診斷醫生的注意力，限制復雜病變及意外病變檢出的描述和診斷，仍需在報告模板的末尾進行適當的補充和修改；或因影像診斷醫生過多的關注結構式報告模板而非圖像，導致一些影像征象的遺漏。這也要求模版設計及使用者需要不間斷的完善和維護，通過動態跟蹤專家共識、指南及臨床實際需求，對結構式報告的出具提出優化建議[13]。近年來，醫學影像專業及相關學科陸續推出和公布較多單病種醫學影像診斷報告書寫的具體規范和建議[14-15]，并出臺報告質量控制和評價標準，但全國性的專家共識尚未制定[16]。結構式醫學影像診斷報告的主要功能需求包括：影像診斷質量、數據后處理和信息可訪問性[17]。對墨守成規、習慣個人報告風格的診斷醫生，結構式醫學影像診斷報告的推廣應用仍需要階段性過程。

3""小結與展望

結構式醫學影像診斷報告的應用可提升醫學影像診斷的規范性和準確性，通過融入標準化的影像表述和診斷術語，將其他臨床數據一并整合和共享，有助于實現診斷自動化。然而，結構式醫學影像診斷報告的臨床推廣亦面臨諸多問題，包括報告的去個性化、復雜病變表述不足等。目前，較多醫療機構已將人工智能輔助診斷系統與結構式醫學影像診斷報告聯合應用于骨折、肺結節、心腦血管病等方面，同步生成診斷報告。同時，基于各級醫院間的數據共享，可提升醫療服務的連續性和便捷性；結構式影像報告未來的發展前景令人振奮，可為患者提供更加準確、規范和高效的醫療服務。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] PERCHA"B."Modern"clinical"text"mining："A"guide"and"review[J]."Annu"Rev"Biomed"Data"Sci，"2021，"4："165–187.

[2] LIN"M，"WYNNE"J"F，nbsp;ZHOU"B，"et"al."Artificial"intelligence"in"tumor"subregion"analysis"based"on"medical"imaging："A"review[J]."J"Appl"Clin"Med"Phys，"2021，"22（7）："10–26.

[3] NOBEL"J"M，"KOK"E"M，"ROBBEN"S"G"F."Redefining"the"structure"of"structured"reporting"in"radiology[J]."Insights"Imaging，"2020，"11（1）："10.

[4] 張翼，"王光彬，"王衛鵬."應用結構化報告推動醫學影像學精準化[J]."中國研究型醫院，"2020，"7（6）："4–7.

[5] 謝輝輝，"王霄英，"林祥濤，"等."人工智能軟件對胸部CT肺結節檢出的輔助效果初探[J]."醫學影像學雜志，"2022，"32（6）："944–948.

[6] GARCIA"E"V，"KLEIN"J"L，"MONCAYO"V，"et"al."Diagnostic"performance"of"an"artificial"intelligence-driven"cardiac-structured"reporting"system"for"myocardial"perfusion"SPECT"imaging[J]."J"Nucl"Cardiol，"2020，"27（5）："1652–1664.

[7] FINK"M"A，"MAYER"V"L，"SCHNEIDER"T，"等."從肺栓塞結構化報告數據挖掘的CTA血栓負荷評分[J]."國際醫學放射學雜志，nbsp;2022，nbsp;45（2）："231.

[8] 王鐵功，"郭逸飛，"邊云."急性胰腺炎影像學評估規范及影像學結構化報告[J]."中國實用外科雜志，"2024，"44（5）："588–593.

[9] 劉剛，"崔磊."醫學影像結構式診斷報告在腫瘤診斷中的臨床應用及思考[J]."放射學實踐，"2022，"37（2）："270–273.

[10] 高遠翔，"安景皎，"聶佩，"等."直腸癌MRI檢查結構化報告完整性與規范化研究[J]."實用放射學雜志，"2017，"33（11）："1765–1768.

[11] 盛羽，"胡慧榮，"王聰聰，"等."醫學影像診斷報告的結構化研究[J]."數據分析與知識發現，"2022，"6（10）："46–56.

[12] 朱麗娜，"高歌，"劉義，"等."CAD整合入前列腺多參數MRI結構化報告："低經驗讀片者診斷效能研究[J]."放射學實踐，"2020，"35（10）："1282–1287.

[13] 李文娟，"袁慧書."影像診斷結構化報告的研究進展[J]."臨床放射學雜志，"2020，"39（10）："2124–2126.

[14] 國家心血管病專業質控中心心血管影像質控專家工作組，"中華醫學會放射學分會心胸學組."冠狀動脈CT血管成像的適用標準及診斷報告書寫規范[J]."中華放射學雜志，"2020，"54（11）："1044–1055.

[15] 中華醫學會核醫學分會."PET/MR診斷報告規范化書寫專家共識（2020版）[J]."中華核醫學與分子影像雜志，"2020，"40（12）："743–746.

[16] 楊正漢，"聶芳，"楊吉剛，"等."《住院醫師規范化培訓影像診斷報告書寫指導教學指南（2022年版）》解讀[J]."中國畢業后醫學教育，"2022，"6（5）："430–434.

[17] 朱小忠，"包衛兵，"王聞奇."醫學影像結構化報告研究進展及其臨床應用[J]."影像研究與醫學應用，"2024，"8（7）："1–3.

（收稿日期：2024–09–20）

（修回日期：2024–12–16）