釋放醫學影像數據價值的靈魂“三問”（附視頻）

來源：HIT專家網      作者：姜浩

人們常把醫學影像數據資源比作石油，以彰顯其蘊含的巨大價值。那么，醫院如何將“原油”（譬如原始醫學影像數據）提煉為“可用油”（能夠為臨床、科研所用的標準數據）？如何將“好數據”（譬如經過篩選標注后的數據）匯聚成“大數據”？如何在實踐中發掘出“大數據”的價值？

2022年6月30日，在由HIT專家網主辦、GE醫療協辦的“釋放醫學影像數據價值”在線論壇上，中國醫院協會信息專業委員會（CHIMA）主任委員王才有拋出了上述三道思考題，多位醫療信息專家和臨床專家就如何釋放醫學影像數據價值的靈魂“三問”共同進行了深入探討。

醫院需要建立統一管理的醫學影像數據中心

“管理好‘原油’，建立起‘原油庫’，也就是醫學影像數據中心，是發掘、利用醫學影像數據價值的前提。”會上，解放軍總醫院醫學大數據研究中心原主任、CHIMA副主任薛萬國對醫院PACS發展過程中始終存在的醫學影像數據管理與應用難點進行了分析。

首先，PACS系統的專科化帶來了醫學影像數據分散化問題。專科化異構系統造成影像存儲的分散化，為影像數據的統一管理帶來障礙，也給醫生統一調閱多模態影像造成困難。

其次，影像數據量與存儲容量間始終存在矛盾。影像的生命周期管理問題如影隨形，醫院在升級存儲設備、更換PACS系統時不得不面對數據遷移難題，部分遷移工作需耗時幾個月甚至更長時間。

第三，面向AI研發的影像集篩選、標注、管理及影像分析特征管理需求未得到有力支撐。傳統PACS系統只能管理原始的醫學影像數據，缺乏對影像數據研究的支持，需手工管理研究數據集，不便于醫學影像數據的二次利用。

第四，醫聯體間多機構影像診斷流程存在統一問題。醫院既有的PACS系統不支持多中心管理模式，需要使用兩套系統進行工作。薛萬國認為，應將外來影像數據納入本院的PACS系統進行統一管理，以保持本院診斷與外來診斷工作流程的一致性。

針對上述問題和需求，薛萬國表示，醫院需建立統一管理的影像數據中心，匯集影像數據及影像報告特征數據，分別建立影像庫及特征庫，繼而實現對醫學影像數據的利用。

“醫學影像數據中心的基礎設施平臺是制約醫學影像應用的核心要素。”復旦大學附屬腫瘤醫院信息中心主任王奕分享了在建設影像數據中心方面的心得。目前，該醫院所建的醫學影像數據中心涵蓋放射、超聲、內鏡、病理、心電等多種影像數據。在數據存儲方面，數據中心采用SAN存儲、NAS存儲及對象存儲等方式；在數據采集方面，實現院內及緊密合作單位內不同類型醫學影像數據的采集與共享；在數據歸檔方面，已建立了統一的數據標準；在數據應用方面，醫學影像數據中心能夠支持的應用包括但不限于患者360視圖、遠程診斷/會診、影像AI、科研支持及云膠片等。

標準影像數據是實現影像組學研究的基礎

影像組學研究是計算機和醫學的交叉研究方向，是從標準醫學影像圖像中高通量挖掘定量圖像特征，實現分割、特征提取與個性化模型建立，從而為個性化的精準診療提供可能。中國醫科大學第一附屬醫院放射科主任范國光認為，影像組學研究要做到多模態、多體部、定量化、智能化及可視化。

為實現高質量的影像組學實驗，符合樣本要求的標準影像數據是關鍵。換言之，只有將“原油”提煉為“可用油”，才能讓影像數據真正為科研所用。一個典型的影像組學實驗的設計流程包括：首先是確定課題，科研人員在參閱大量文獻、咨詢臨床專家后，針對臨床難點提出課題；其次是數據收集，科研人員從PACS系統中收集相關數據，利用相關軟件進行數據篩選，以確定數據來源、確保數據均衡；第三步是制定數據處理方案，科研人員可咨詢統計專家，根據不同樣本需求采用不同的統計學方法進行處理。

作為一名“影像人”，范國光呼喚一款更強大的影像科研數據管理平臺，能夠實現多模態、薄層數據的長期存儲、歸檔和全生命周期管理，滿足影像科研病例的檢索、脫敏和提取需求，篩選出“好數據”，匯集成“大數據”，為科研項目匹配符合樣本需求的標準影像數據，同時支持搭建科研專病數據庫及AI模型的訓練和測試。

影像AI應用于輔助診療，臨床開展三維后處理個性化應用

借助醫學影像數據中心，復旦大學附屬腫瘤醫院在影像數據應用方面進行了深入探索，其中“影像大數據+AI”的研究走在前沿領域，部分AI工具已實際應用于臨床診療。

例如：復旦大學附屬腫瘤醫院打造的“乳腺癌AI輔助診斷工具”，依據最新BI-RADS分類標準對病灶進行綜合評估和智能分類，能夠一鍵生成可配置、可編輯的圖文報告。王奕介紹說，該工具的敏感性顯著高于CAD鈣化敏感性，為醫生提供了乳腺癌診斷的一站式解決方案。另一款“冠脈狹窄AI分析工具”，極大提升了放射科醫生的冠脈后處理效率，避免對血管狹窄的漏診誤診。

在病理學方面，“宮頸癌細胞學AI輔助診斷工具”已進入臨床使用階段，通過極速AI運算加速，每一張宮頸細胞病理數字玻片相當于11.4萬張標準CT，在單個工作站可在40秒內完成輔助診斷，極大提升了病理科的工作效率。

“建設有用的信息系統，為臨床精準醫療提供有力的技術支持，是醫信人義不容辭的責任。”青島大學附屬醫院信息管理部主任辛海燕介紹了如何通過高級三維后處理系統滿足臨床醫生的定制化三維圖像的重建需求。該系統采用獨立服務架構，與PACS系統集成，可從PACS存儲中讀取影像數據，在日常應用中能夠全面覆蓋臨床醫生的需求，包括疾病評估、手術規劃、術前訪談、術后隨訪、臨床教學等方面。

據辛海燕分享，心內科某醫生曾向信息管理部提出訴求：放射科CT報告雖然提供了主動脈脈瓣病變的描述與診斷結論，但其提供的三維處理影像是按常規套餐式的角度建立的，缺乏主動脈瓣膜評估的內容。在使用高級三維后處理系統后，醫生可以按需生成主動脈瓣的3D圖像。系統提供的全自動徑線測量功能，讓手術耗材及人工瓣膜的選取更加準確，幫助心內科醫生實現了精準診療。

在為臨床提供醫學影像智能應用的同時，青島大學附屬醫院也非常注重通過培訓工作，幫助臨床醫生“用好”工具。從2019年開始，信息管理部定期對臨床醫生進行初、中、高階一對一培訓，歷時8個月，共培訓了16個臨床科室、45名臨床醫生。之后，這些臨床醫生再在科室內開展內部培訓，帶領科室成員共同探索如何在各自專業領域中將三維后處理技術和臨床病例進行更深入的結合與實踐。

在最后的研討環節中，HIT專家網總編輯朱小兵總結：過去醫院的信息系統、醫療設備多為生產業務所用，積攢了海量的醫療影像數據，尚未得到開發利用。近些年來，醫院加快數據治理和數據應用步伐，并逐步反哺臨床業務的數據需求，進而推動臨床業務流程再造。從生產系統到數據系統，二者相互疊加作用，激發出了一個創新的時代。

點擊此處，觀看視頻回放。

【責任編輯：秦勉】