石鎮(zhèn)維，劉再毅

廣東省醫(yī)學(xué)科學(xué)院 廣東省人民醫(yī)院放射科， 廣州 510080

近年來(lái)，隨著醫(yī)療條件的不斷改善以及醫(yī)院信息化程度的不斷提高，醫(yī)學(xué)影像數(shù)據(jù)呈現(xiàn)暴發(fā)式增長(zhǎng)。據(jù)《2018年醫(yī)療人工智能技術(shù)與應(yīng)用白皮書》[1]統(tǒng)計(jì)，目前我國(guó)醫(yī)療數(shù)據(jù)的年增長(zhǎng)率約為30%。 互聯(lián)網(wǎng)數(shù)據(jù)中心(Internet Data Center,IDC)的統(tǒng)計(jì)數(shù)據(jù)顯示，2020年全球醫(yī)療數(shù)據(jù)量已達(dá)到2010年的40倍，其中醫(yī)學(xué)影像數(shù)據(jù)(包括X線、超聲、CT、MRI、PET、病理圖像等)約占80%[2- 3]。目前，醫(yī)療影像數(shù)據(jù)具有大規(guī)模(volume)、高增速(velocity)、多種類(variety)、高價(jià)值(value)和真實(shí)準(zhǔn)確(veracity)五大特點(diǎn)，符合當(dāng)代大數(shù)據(jù)5V特征，因此促進(jìn)了醫(yī)學(xué)影像人工智能(artificial intelligence，AI)的發(fā)展[4]。醫(yī)學(xué)影像大數(shù)據(jù)在為醫(yī)學(xué)影像AI帶來(lái)良好發(fā)展前景和機(jī)遇的同時(shí)，亦面臨著數(shù)據(jù)方面的巨大挑戰(zhàn)。

1 醫(yī)學(xué)影像AI面臨數(shù)據(jù)方面的挑戰(zhàn)

隨著全球?qū)W者在醫(yī)學(xué)影像AI領(lǐng)域的積累，醫(yī)學(xué)圖像智能分析與處理算法愈發(fā)成熟，醫(yī)學(xué)影像因此也成為AI在醫(yī)療行業(yè)中最有潛力落地的領(lǐng)域。然而，在醫(yī)學(xué)影像AI科學(xué)研究中，數(shù)據(jù)是首要難題。首先，目前普遍缺乏高質(zhì)量的訓(xùn)練數(shù)據(jù)，雖然國(guó)際上有很多高質(zhì)量的公開數(shù)據(jù)庫(kù)，但數(shù)據(jù)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(yè)統(tǒng)一標(biāo)準(zhǔn)，數(shù)據(jù)采集標(biāo)準(zhǔn)多樣，系統(tǒng)誤差較大，缺乏對(duì)醫(yī)學(xué)圖像和疾病征象的統(tǒng)一認(rèn)識(shí)；最后，整個(gè)行業(yè)缺乏對(duì)醫(yī)療數(shù)據(jù)使用標(biāo)準(zhǔn)的判斷依據(jù)和監(jiān)管，且由于存在法律和倫理問題，很大一部分醫(yī)學(xué)影像數(shù)據(jù)未能發(fā)揮最大價(jià)值，導(dǎo)致醫(yī)學(xué)影像AI發(fā)展受阻。

目前醫(yī)學(xué)影像AI在數(shù)據(jù)方面的困難阻礙了科研人員對(duì)數(shù)據(jù)的有效使用，包括：無(wú)法獲取醫(yī)學(xué)影像數(shù)據(jù)集信息；缺乏對(duì)醫(yī)學(xué)影像數(shù)據(jù)準(zhǔn)確的描述信息(如本體[5])；無(wú)法獲知數(shù)據(jù)的真實(shí)含義而導(dǎo)致錯(cuò)誤使用；無(wú)法獲知使用者的基本權(quán)利和義務(wù)等。為克服上述困難，需要政策與科學(xué)理論相結(jié)合，以推動(dòng)醫(yī)學(xué)影像AI標(biāo)準(zhǔn)化數(shù)據(jù)庫(kù)的建立。2016年《二十國(guó)集團(tuán)領(lǐng)導(dǎo)人杭州峰會(huì)公報(bào)》第12條指出：“我們支持采取適當(dāng)措施促進(jìn)開放科學(xué)，推動(dòng)在可找尋、可訪問、可交互、可再用的原則下，提高獲取公共財(cái)政資助的研究成果的便利性。”2018年我國(guó)頒布了《科學(xué)數(shù)據(jù)管理辦法》，目的在于進(jìn)一步加強(qiáng)和規(guī)范科學(xué)數(shù)據(jù)管理，保障科學(xué)數(shù)據(jù)安全，提高開放共享水平，更好地支撐國(guó)家科技創(chuàng)新、經(jīng)濟(jì)社會(huì)發(fā)展和國(guó)家安全。但目前，由于相關(guān)責(zé)任與權(quán)利不清晰，導(dǎo)致科研人員(包括醫(yī)務(wù)人員)參與科學(xué)數(shù)據(jù)使用與管理工作的動(dòng)力不足；而因?qū)τ跀?shù)據(jù)隱私安全及其危害缺乏清晰、明確的定義，導(dǎo)致數(shù)據(jù)公開以及共享困難；此外，醫(yī)學(xué)影像數(shù)據(jù)具有獨(dú)特的性質(zhì)，例如復(fù)雜多樣、隱私敏感、長(zhǎng)尾突發(fā)、類型復(fù)雜和分散度高等[6]，因此，亟需建立符合醫(yī)學(xué)影像數(shù)據(jù)特點(diǎn)的使用和管理標(biāo)準(zhǔn)與規(guī)范，并在此基礎(chǔ)上建立醫(yī)學(xué)影像AI標(biāo)準(zhǔn)化數(shù)據(jù)庫(kù)，以實(shí)現(xiàn)基于標(biāo)準(zhǔn)化醫(yī)學(xué)影像數(shù)據(jù)促進(jìn)醫(yī)療AI的發(fā)展。

2 建立醫(yī)學(xué)影像AI標(biāo)準(zhǔn)化數(shù)據(jù)庫(kù)的重要性

在醫(yī)學(xué)領(lǐng)域，The Cancer Imaging Archive (TCIA)[7]和The Cancer Genome Atlas (TCGA)[8]是兩個(gè)被廣泛使用的公開數(shù)據(jù)庫(kù)。前者包含常見腫瘤的醫(yī)學(xué)影像數(shù)據(jù)與相應(yīng)的臨床信息；后者則包含腫瘤的病理圖像數(shù)據(jù)與基因信息。TCIA與TCGA對(duì)數(shù)據(jù)審查十分嚴(yán)格，具有數(shù)據(jù)質(zhì)量高、對(duì)疾病描述準(zhǔn)確、數(shù)據(jù)來(lái)源清晰、使用條件規(guī)范等特點(diǎn)，為全球醫(yī)學(xué)影像AI的發(fā)展作出了巨大貢獻(xiàn)。使用公開數(shù)據(jù)集進(jìn)行醫(yī)學(xué)影像AI模型的訓(xùn)練與驗(yàn)證已經(jīng)成為一種發(fā)展趨勢(shì)。

除此之外，TCIA為部分影像數(shù)據(jù)提供了符合FAIR[findable(可查詢)，accessible(可訪問)， interoperable(可交互)，reusable(可再用)]數(shù)據(jù)管理準(zhǔn)則的DICOM-SEGMENTATION文件，實(shí)現(xiàn)對(duì)影像標(biāo)注數(shù)據(jù)的FAIR化與結(jié)構(gòu)化，進(jìn)而提升了醫(yī)學(xué)影像數(shù)據(jù)與AI技術(shù)之間的交互性，更有益于AI模型之間的比較與泛化。2016年國(guó)際組織FORCE11正式提出了FAIR數(shù)據(jù)科學(xué)管理準(zhǔn)則，目的在于對(duì)數(shù)據(jù)進(jìn)行科學(xué)管理。FAIR數(shù)據(jù)準(zhǔn)則詳細(xì)描述了如何通過科學(xué)的方法進(jìn)行數(shù)據(jù)管理[9- 11]。首先，提升數(shù)據(jù)的交互性有助于打破數(shù)據(jù)與AI算法之間的交互壁壘，對(duì)于機(jī)器學(xué)習(xí)至關(guān)重要；其次，F(xiàn)AIR數(shù)據(jù)準(zhǔn)則著重強(qiáng)調(diào)數(shù)據(jù)結(jié)構(gòu)化，進(jìn)而提升數(shù)據(jù)的可再用性。該準(zhǔn)則被提出以來(lái)，受到科學(xué)數(shù)據(jù)管理領(lǐng)域的廣泛認(rèn)可。在構(gòu)建醫(yī)學(xué)影像標(biāo)準(zhǔn)化數(shù)據(jù)庫(kù)方面，F(xiàn)AIR數(shù)據(jù)準(zhǔn)則通過對(duì)醫(yī)學(xué)影像數(shù)據(jù)的采集、處理、使用以及管理等方面進(jìn)行標(biāo)準(zhǔn)化描述，可為醫(yī)學(xué)影像AI科研提供標(biāo)準(zhǔn)化數(shù)據(jù)保障。因此，F(xiàn)AIR數(shù)據(jù)準(zhǔn)則為長(zhǎng)久以來(lái)醫(yī)學(xué)影像領(lǐng)域標(biāo)準(zhǔn)化提供了新的機(jī)遇。

3 小結(jié)與展望

過去10年,我國(guó)臨床所產(chǎn)生的醫(yī)學(xué)影像數(shù)據(jù)呈現(xiàn)暴發(fā)式增長(zhǎng)，但真正規(guī)范且可被用于臨床科學(xué)研究的醫(yī)學(xué)影像數(shù)據(jù)卻極度匱乏，導(dǎo)致很大一部分科學(xué)研究仍然依賴于國(guó)際醫(yī)學(xué)影像數(shù)據(jù)庫(kù)，尤其是一些公開數(shù)據(jù)庫(kù)。因此，構(gòu)建符合我國(guó)國(guó)情、法律/法規(guī)以及科研人員使用習(xí)慣的標(biāo)準(zhǔn)化醫(yī)學(xué)影像數(shù)據(jù)庫(kù)勢(shì)在必行。通過建立標(biāo)準(zhǔn)化醫(yī)學(xué)影像AI數(shù)據(jù)庫(kù)，可提升醫(yī)學(xué)影像數(shù)據(jù)質(zhì)量、實(shí)現(xiàn)科學(xué)數(shù)據(jù)價(jià)值的最大化、促進(jìn)醫(yī)學(xué)影像AI的發(fā)展。FAIR數(shù)據(jù)準(zhǔn)則所倡導(dǎo)的科學(xué)使用和管理原則恰好符合上述目標(biāo)。若基于該準(zhǔn)則構(gòu)建我國(guó)醫(yī)學(xué)影像AI標(biāo)準(zhǔn)化數(shù)據(jù)庫(kù)：首先，需要建立完備的醫(yī)學(xué)影像數(shù)據(jù)行業(yè)標(biāo)準(zhǔn),并為科研人員提供便捷的標(biāo)準(zhǔn)醫(yī)學(xué)影像數(shù)據(jù)信息平臺(tái)和服務(wù)；其次，需要清晰描述醫(yī)學(xué)影像數(shù)據(jù)產(chǎn)生、處理、使用、管理以及發(fā)布等各個(gè)環(huán)節(jié),明確各方的權(quán)利、責(zé)任以及義務(wù)；再次，需要科研人員和醫(yī)務(wù)人員在數(shù)據(jù)采集、數(shù)據(jù)庫(kù)構(gòu)建及醫(yī)學(xué)影像數(shù)據(jù)術(shù)語(yǔ)描述等方面達(dá)成共識(shí)(可參照國(guó)際標(biāo)準(zhǔn)構(gòu)建符合中國(guó)國(guó)情的醫(yī)學(xué)本體語(yǔ)義庫(kù))；最后，計(jì)算、存儲(chǔ)等硬件設(shè)備與軟件對(duì)構(gòu)建醫(yī)學(xué)影像AI數(shù)據(jù)庫(kù)同樣重要，亟需開發(fā)相應(yīng)的計(jì)算機(jī)軟件以實(shí)現(xiàn)醫(yī)學(xué)影像數(shù)據(jù)的實(shí)時(shí)轉(zhuǎn)化及存儲(chǔ)，并最終實(shí)現(xiàn)醫(yī)學(xué)影像AI標(biāo)準(zhǔn)化數(shù)據(jù)庫(kù)的建設(shè)，促進(jìn)醫(yī)療AI的發(fā)展。

作者貢獻(xiàn)：石鎮(zhèn)維負(fù)責(zé)查閱文獻(xiàn)、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(wú)