重視醫(yī)學影像人工智能數(shù)據(jù)庫的標準化建設(shè)

石鎮(zhèn)維，劉再毅

廣東省醫(yī)學科學院 廣東省人民醫(yī)院放射科， 廣州 510080

近年來，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)學影像數(shù)據(jù)呈現(xiàn)暴發(fā)式增長。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，目前我國醫(yī)療數(shù)據(jù)的年增長率約為30%。 互聯(lián)網(wǎng)數(shù)據(jù)中心(Internet Data Center,IDC)的統(tǒng)計數(shù)據(jù)顯示，2020年全球醫(yī)療數(shù)據(jù)量已達到2010年的40倍，其中醫(yī)學影像數(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)、高價值(value)和真實準確(veracity)五大特點，符合當代大數(shù)據(jù)5V特征，因此促進了醫(yī)學影像人工智能(artificial intelligence，AI)的發(fā)展[4]。醫(yī)學影像大數(shù)據(jù)在為醫(yī)學影像AI帶來良好發(fā)展前景和機遇的同時，亦面臨著數(shù)據(jù)方面的巨大挑戰(zhàn)。

1 醫(yī)學影像AI面臨數(shù)據(jù)方面的挑戰(zhàn)

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

目前醫(yī)學影像AI在數(shù)據(jù)方面的困難阻礙了科研人員對數(shù)據(jù)的有效使用，包括：無法獲取醫(yī)學影像數(shù)據(jù)集信息；缺乏對醫(yī)學影像數(shù)據(jù)準確的描述信息(如本體[5])；無法獲知數(shù)據(jù)的真實含義而導致錯誤使用；無法獲知使用者的基本權(quán)利和義務(wù)等。為克服上述困難，需要政策與科學理論相結(jié)合，以推動醫(yī)學影像AI標準化數(shù)據(jù)庫的建立。2016年《二十國集團領(lǐng)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?！?018年我國頒布了《科學數(shù)據(jù)管理辦法》，目的在于進一步加強和規(guī)范科學數(shù)據(jù)管理，保障科學數(shù)據(jù)安全，提高開放共享水平，更好地支撐國家科技創(chuàng)新、經(jīng)濟社會發(fā)展和國家安全。但目前，由于相關(guān)責任與權(quán)利不清晰，導致科研人員(包括醫(yī)務(wù)人員)參與科學數(shù)據(jù)使用與管理工作的動力不足；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，導致數(shù)據(jù)公開以及共享困難；此外，醫(yī)學影像數(shù)據(jù)具有獨特的性質(zhì)，例如復雜多樣、隱私敏感、長尾突發(fā)、類型復雜和分散度高等[6]，因此，亟需建立符合醫(yī)學影像數(shù)據(jù)特點的使用和管理標準與規(guī)范，并在此基礎(chǔ)上建立醫(yī)學影像AI標準化數(shù)據(jù)庫，以實現(xiàn)基于標準化醫(yī)學影像數(shù)據(jù)促進醫(yī)療AI的發(fā)展。

2 建立醫(yī)學影像AI標準化數(shù)據(jù)庫的重要性

在醫(yī)學領(lǐng)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(shù)據(jù)庫。前者包含常見腫瘤的醫(yī)學影像數(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對數(shù)據(jù)審查十分嚴格，具有數(shù)據(jù)質(zhì)量高、對疾病描述準確、數(shù)據(jù)來源清晰、使用條件規(guī)范等特點，為全球醫(yī)學影像AI的發(fā)展作出了巨大貢獻。使用公開數(shù)據(jù)集進行醫(yī)學影像AI模型的訓練與驗證已經(jīng)成為一種發(fā)展趨勢。

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)管理準則的DICOM-SEGMENTATION文件，實現(xiàn)對影像標注數(shù)據(jù)的FAIR化與結(jié)構(gòu)化，進而提升了醫(yī)學影像數(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年國際組織FORCE11正式提出了FAIR數(shù)據(jù)科學管理準則，目的在于對數(shù)據(jù)進行科學管理。FAIR數(shù)據(jù)準則詳細描述了如何通過科學的方法進行數(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，對于機器學習至關(guān)重要；其次，F(xiàn)AIR數(shù)據(jù)準則著重強調(diào)數(shù)據(jù)結(jié)構(gòu)化，進而提升數(shù)據(jù)的可再用性。該準則被提出以來，受到科學數(shù)據(jù)管理領(lǐng)域的廣泛認可。在構(gòu)建醫(yī)學影像標準化數(shù)據(jù)庫方面，F(xiàn)AIR數(shù)據(jù)準則通過對醫(yī)學影像數(shù)據(jù)的采集、處理、使用以及管理等方面進行標準化描述，可為醫(yī)學影像AI科研提供標準化數(shù)據(jù)保障。因此，F(xiàn)AIR數(shù)據(jù)準則為長久以來醫(yī)學影像領(lǐng)域標準化提供了新的機遇。

3 小結(jié)與展望

過去10年,我國臨床所產(chǎn)生的醫(yī)學影像數(shù)據(jù)呈現(xiàn)暴發(fā)式增長，但真正規(guī)范且可被用于臨床科學研究的醫(yī)學影像數(shù)據(jù)卻極度匱乏，導致很大一部分科學研究仍然依賴于國際醫(yī)學影像數(shù)據(jù)庫，尤其是一些公開數(shù)據(jù)庫。因此，構(gòu)建符合我國國情、法律/法規(guī)以及科研人員使用習慣的標準化醫(yī)學影像數(shù)據(jù)庫勢在必行。通過建立標準化醫(yī)學影像AI數(shù)據(jù)庫，可提升醫(yī)學影像數(shù)據(jù)質(zhì)量、實現(xiàn)科學數(shù)據(jù)價值的最大化、促進醫(yī)學影像AI的發(fā)展。FAIR數(shù)據(jù)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(gòu)建我國醫(yī)學影像AI標準化數(shù)據(jù)庫：首先，需要建立完備的醫(yī)學影像數(shù)據(jù)行業(yè)標準,并為科研人員提供便捷的標準醫(yī)學影像數(shù)據(jù)信息平臺和服務(wù)；其次，需要清晰描述醫(yī)學影像數(shù)據(jù)產(chǎn)生、處理、使用、管理以及發(fā)布等各個環(huán)節(jié),明確各方的權(quán)利、責任以及義務(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)庫構(gòu)建及醫(yī)學影像數(shù)據(jù)術(shù)語描述等方面達成共識(可參照國際標準構(gòu)建符合中國國情的醫(yī)學本體語義庫)；最后，計算、存儲等硬件設(shè)備與軟件對構(gòu)建醫(yī)學影像AI數(shù)據(jù)庫同樣重要，亟需開發(fā)相應(yīng)的計算機軟件以實現(xiàn)醫(yī)學影像數(shù)據(jù)的實時轉(zhuǎn)化及存儲，并最終實現(xiàn)醫(yī)學影像AI標準化數(shù)據(jù)庫的建設(shè)，促進醫(yī)療AI的發(fā)展。

作者貢獻：石鎮(zhèn)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