智慧影像标准化，我国已开启国家级医学影像数据库体系化建设
作者：医健未来&动脉网小编 时间：2022-08-24
我国是人口大国，更是医学数据大国，在海量医学数据中，医疗影像占据了80%-90%的份额，然而大量数据停留在纸质化的阶段，超过80%的数据为非结构化数据，不仅为数据的归纳调取带来了不便，更是基于这些数据的医学研究和创新的巨大壁垒（出自医健未来小编）。
为解决这一困境，建设放射影像数据库刻不容缓。建立规模化、标准化、结构化的放射影像数据库，不仅可以树立标准，打通医院间的数据共享渠道，还能将成熟的数据库应用于医学教育、科研，培养相关人才，迎来精准医疗的新一轮革新（出自医健未来小编）。
2022年7月5日，国家卫生健康委能力建设和继续教育中心（以下简称“继续教育中心”）发布《关于放射影像数据库建设项目课题立项评审结果公示的通知》，正式拉开影像数据库体系化建设的序幕。放射影像数据库建设项目以国家卫生健康委能力建设和继续教育中心为主办单位，全面主导和统筹数据库的体系化建设，计划开展数据采集、数据处理、质量控制、科学研究、产品研发、技术转化、医学数据标准培训等关键数据库建设工作。
文件内容显示，第一批放射影像数据库建设项总计13项，包括心脑血管影像数据库、慢性肝病及原发性肝癌影像数据库、缺血性心脏病核医学多模态影像数据库、胃肠道疾病影像数据库、急诊影像数据库、慢性阻塞性肺疾病数据库等严重影响我国居民生命健康的重大疾病数据库，还有8项建设意向被列入储备库，有望在后续批次纳入建设之中。
本次影像数据库体系化建设对于病种的划分颗粒度更细腻，从数据库建设立项，到后续影像数据收集、标准、质控等环节中所涉及的各类标准也进行了明确的计划和要求。同时，在此次数据库建设中，项目组非常注重工科团队的融合作用。国家卫生健康委能力建设和继续教育中心委托上海某医学影像研究院协助组建了医工交叉团队，从基础到整个路径进行了筹备，包括多源异构数据纳入，多中心安全收集的技术保障，分布式架构的数据收集系统、通用和定制化标注平台的开发、专病数据库的技术路线，以及涉及到的安全等保、电子病历数据标准、openEHR标准体系等，让技术为数据库铺路。此外，国内原创AI算法也会适时融合到建设过程中，服务于数据整理、图像提取、病灶重建、科研方向快速验证等场景。因此，整个进程会加速数据库技术和AI技术在放射影像领域的应用与突破。
然而，厘清放射影像数据库的价值简单，实际建起来却非常困难。
数据多样化是第一个难点。据刘士远教授介绍，要建立标准化的影像数据库，会遇到数据来源的多样性以及非同质化的问题，如何将这些“不同”纳入统一的规范或者标准，是难题之一。此外，多模态的数据，比如CT、钼靶、核磁等影像，临床病史、实验室检查等重要文档，如何整合成为便于归类、提取、协同使用的数据系统，也是数据收集需要考虑的重要问题。
其次是规范化的数据标注。“对于影像中的不同征象，我们必须在定量识别的方法、分割的方法、分类的方法上形成共识，在共识基础上进行培训，然后进行标注。标注环节则需要满足数据溯源的条件，且要能通过三级质量控制，通过仲裁审核才能入库。保证标准过程的准确性。”
最后是数据库的管理与更新。“数据库必须维持动态，不断增加数据数量，不断更新它的数据组成，并在整个过程保证数据的安全，同样需要我们持续投入精力。”中心化和去中心化的设计、相关伦理推进也是数据库建设的重要探索方向。
刘士远教授认为：“只有通过政、企、研三方的通力合作，避免散、乱、差和重复建设，才能最快、最有效地将放射影像数据库建设起来，”
*本文摘自网络文，其内容不代表我司观点。如有版权问题，请联系我司媒体与公关部协商，感谢支持！
为解决这一困境，建设放射影像数据库刻不容缓。建立规模化、标准化、结构化的放射影像数据库，不仅可以树立标准，打通医院间的数据共享渠道，还能将成熟的数据库应用于医学教育、科研，培养相关人才，迎来精准医疗的新一轮革新（出自医健未来小编）。
2022年7月5日，国家卫生健康委能力建设和继续教育中心（以下简称“继续教育中心”）发布《关于放射影像数据库建设项目课题立项评审结果公示的通知》，正式拉开影像数据库体系化建设的序幕。放射影像数据库建设项目以国家卫生健康委能力建设和继续教育中心为主办单位，全面主导和统筹数据库的体系化建设，计划开展数据采集、数据处理、质量控制、科学研究、产品研发、技术转化、医学数据标准培训等关键数据库建设工作。
文件内容显示，第一批放射影像数据库建设项总计13项，包括心脑血管影像数据库、慢性肝病及原发性肝癌影像数据库、缺血性心脏病核医学多模态影像数据库、胃肠道疾病影像数据库、急诊影像数据库、慢性阻塞性肺疾病数据库等严重影响我国居民生命健康的重大疾病数据库，还有8项建设意向被列入储备库，有望在后续批次纳入建设之中。
(2022年度放射影像数据库立项课题名单)
本次影像数据库体系化建设对于病种的划分颗粒度更细腻，从数据库建设立项，到后续影像数据收集、标准、质控等环节中所涉及的各类标准也进行了明确的计划和要求。同时，在此次数据库建设中，项目组非常注重工科团队的融合作用。国家卫生健康委能力建设和继续教育中心委托上海某医学影像研究院协助组建了医工交叉团队，从基础到整个路径进行了筹备，包括多源异构数据纳入，多中心安全收集的技术保障，分布式架构的数据收集系统、通用和定制化标注平台的开发、专病数据库的技术路线，以及涉及到的安全等保、电子病历数据标准、openEHR标准体系等，让技术为数据库铺路。此外，国内原创AI算法也会适时融合到建设过程中，服务于数据整理、图像提取、病灶重建、科研方向快速验证等场景。因此，整个进程会加速数据库技术和AI技术在放射影像领域的应用与突破。
(放射影像数据库储备课题名单)
然而，厘清放射影像数据库的价值简单，实际建起来却非常困难。
数据多样化是第一个难点。据刘士远教授介绍，要建立标准化的影像数据库，会遇到数据来源的多样性以及非同质化的问题，如何将这些“不同”纳入统一的规范或者标准，是难题之一。此外，多模态的数据，比如CT、钼靶、核磁等影像，临床病史、实验室检查等重要文档，如何整合成为便于归类、提取、协同使用的数据系统，也是数据收集需要考虑的重要问题。
其次是规范化的数据标注。“对于影像中的不同征象，我们必须在定量识别的方法、分割的方法、分类的方法上形成共识，在共识基础上进行培训，然后进行标注。标注环节则需要满足数据溯源的条件，且要能通过三级质量控制，通过仲裁审核才能入库。保证标准过程的准确性。”
最后是数据库的管理与更新。“数据库必须维持动态，不断增加数据数量，不断更新它的数据组成，并在整个过程保证数据的安全，同样需要我们持续投入精力。”中心化和去中心化的设计、相关伦理推进也是数据库建设的重要探索方向。
刘士远教授认为：“只有通过政、企、研三方的通力合作，避免散、乱、差和重复建设，才能最快、最有效地将放射影像数据库建设起来，”
*本文摘自网络文，其内容不代表我司观点。如有版权问题，请联系我司媒体与公关部协商，感谢支持！
上一篇：无
下一篇：基层医学影像的春天，终于来临！
