站在新的一年回望過去，不管是在基礎(chǔ)設(shè)施、AI醫(yī)療場景成熟度、資本注入等環(huán)節(jié)，以醫(yī)學(xué)影像AI產(chǎn)品為代表的醫(yī)療AI，終于迎來了一次集體綻放。

據(jù)雷鋒網(wǎng)統(tǒng)計，前后已經(jīng)有八款產(chǎn)品獲批。事實上，醫(yī)療AI的商業(yè)化從來不是靠一己之力就能完成的任務(wù)：行業(yè)標準的形成、審批層面的規(guī)范、數(shù)據(jù)質(zhì)量的提升、產(chǎn)業(yè)資源的整合，每一個環(huán)節(jié)都至關(guān)重要。

醫(yī)療AI發(fā)展的過程中，最重要的是做好頂層設(shè)計。

此前，中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟理事長、大會主席劉士遠主任曾向《醫(yī)健AI掘金志》表示，“現(xiàn)在行業(yè)缺少的就是標準，每個環(huán)節(jié)都是。雖然已經(jīng)有企業(yè)拿到三類證，但是這僅僅是一個開端。進入臨床以前，任何一個醫(yī)療產(chǎn)品都要有效果考核體系，要考核有效性、安全性、穩(wěn)定性。”

作為醫(yī)學(xué)影像人工智能建設(shè)的要素之一，我國數(shù)據(jù)庫建設(shè)仍然缺乏。目前可公開的數(shù)據(jù)庫不多，數(shù)據(jù)的標注標準也不統(tǒng)一。

而在2020年第二屆醫(yī)學(xué)影像AI大會上，醫(yī)學(xué)圖像數(shù)據(jù)庫放射影像數(shù)據(jù)庫建設(shè)項目正式啟動，建成后也將成為國內(nèi)首個醫(yī)學(xué)影像的標準化數(shù)據(jù)庫。

醫(yī)療AI，每一步都走在持久但正確的道路上。

今天介紹的文章主題正是圍繞“醫(yī)學(xué)影像數(shù)據(jù)庫”，由浙江大學(xué)應(yīng)用數(shù)學(xué)研究所的孔德興教授在第二屆醫(yī)學(xué)影像AI大會上發(fā)表。

孔德興教授是浙江大學(xué)特聘教授，博士生導(dǎo)師，應(yīng)用數(shù)學(xué)研究所長，研究方向是醫(yī)學(xué)圖像處理與醫(yī)學(xué)人工智能。發(fā)表了將近70篇SCI文章，擁有已授權(quán)發(fā)明專利7項。作為AI技術(shù)的前沿觀察者與參與者，孔德興教授在醫(yī)療數(shù)據(jù)庫的建設(shè)方面具有許多獨到的心得。

以下為孔德興教授的演講內(nèi)容：
孔德興：非常高興能在大會上介紹我們團隊在數(shù)據(jù)庫建設(shè)方面的一些工作和探索，今天主要匯報數(shù)據(jù)庫的建設(shè)情況。

大數(shù)據(jù)是必須要做的，有以下三點：一是現(xiàn)在的發(fā)展階段面臨大數(shù)據(jù)的支持；二是國家的重大戰(zhàn)略；三是大數(shù)據(jù)對科學(xué)研究也提出了一些挑戰(zhàn)性的問題，在工業(yè)、農(nóng)業(yè)、商業(yè)、國防等等有重大的價值。

當今時代是大數(shù)據(jù)的時代，在這里我用廣義相對論表述一下對大數(shù)據(jù)的理解，有以下幾點，

第一點：協(xié)變性，任何一個數(shù)據(jù)都是對客觀對象的描述，如同用不同的坐標系描述物理規(guī)律，譬如CT和超聲是對客觀對象不同模態(tài)的描述與刻畫。

第二點：從量變到質(zhì)變過程中，人工智能學(xué)習(xí)或訓(xùn)練的數(shù)據(jù)樣本量沒有一個準確的數(shù)量，然而訓(xùn)練結(jié)果的準確率對臨床診斷的精準性是重要的，這關(guān)系到醫(yī)療人工智能產(chǎn)品的準確率。

第三點：醫(yī)學(xué)大數(shù)據(jù)有一個關(guān)聯(lián)聚合性原理。簡單來說，把每家醫(yī)院不共享的數(shù)據(jù)整合應(yīng)用，就會產(chǎn)生匯聚數(shù)據(jù)。各大醫(yī)院匯聚的是不同分布式的中心數(shù)據(jù)，用一些分布式架構(gòu)匯聚起來。通過技術(shù)手段可以破解數(shù)據(jù)庫帶來的挑戰(zhàn)。每家數(shù)據(jù)都是描述醫(yī)學(xué)規(guī)律的內(nèi)部本質(zhì)的規(guī)律，只是我們從不同的數(shù)據(jù)點反映側(cè)重點不一樣，匯聚起來產(chǎn)生一個整體的現(xiàn)象。

第四點：數(shù)據(jù)的重整化，我們可以復(fù)制、標注、加工利用數(shù)據(jù)，使其不停完善，量變產(chǎn)生質(zhì)變，匯聚產(chǎn)生價值。數(shù)據(jù)是一種新型的資源，而處理數(shù)據(jù)的算法是一種資產(chǎn)，有了這些資源就有了算法。

好的數(shù)據(jù)是一種資源，是人工智能發(fā)展的基石，需要真實性、準確性、完整性、可溯性等等。隨著研究和企業(yè)產(chǎn)業(yè)化的深入，當務(wù)之急是建立一些高質(zhì)量高標準的數(shù)據(jù)庫。從量變到質(zhì)變，從臨床醫(yī)學(xué)模式到循證醫(yī)學(xué)模式，從靜態(tài)處理到動態(tài)處理，從單科影像到多模塊交叉，建立好的人工智能算法。所有的一切都是建立在好的數(shù)據(jù)基礎(chǔ)上。

從建立數(shù)據(jù)庫時間關(guān)系，我簡單按四點給大家分享一下，首先醫(yī)學(xué)影像人工智能對數(shù)據(jù)的要求，建立數(shù)據(jù)庫的規(guī)范，數(shù)據(jù)庫標準的規(guī)范化，最后是建立數(shù)據(jù)庫面臨的問題。

首先，我們要提幾個概念，第一個是數(shù)據(jù)治理，一個好的數(shù)據(jù)庫離不開數(shù)據(jù)治理。總的來講，數(shù)據(jù)治理是數(shù)據(jù)資產(chǎn)管理形成前的一個集成活動，包括建庫的計劃和監(jiān)督執(zhí)行的要求。

另外一點，數(shù)據(jù)治理有基本概念，是希望從零散的數(shù)據(jù)變成統(tǒng)一數(shù)據(jù)，從很少沒有組織的流程到全方位的綜合治理，從零散的變成一個有計劃、有執(zhí)行、有治理的活動。

數(shù)據(jù)治理有以下幾個特征：第一，因為多模態(tài)多維度動態(tài)化的特點，數(shù)據(jù)采集難度大。第二，現(xiàn)階段方法手段較少。第三，數(shù)據(jù)關(guān)聯(lián)度高，關(guān)聯(lián)性復(fù)雜。正如前面所說的，雖然超聲CT模態(tài)和表面形態(tài)不一樣，但是都是描述某一個人的肝癌信息。最后一點是，時間周期長。

我們希望，數(shù)據(jù)庫能做到這三個層面，第一是目前階段，數(shù)據(jù)庫把數(shù)據(jù)歸集起來變成一個有特殊結(jié)構(gòu)的數(shù)據(jù)；第二是把數(shù)據(jù)庫變成一個專家?guī)欤袛?shù)據(jù)入駐要求和標準，數(shù)據(jù)質(zhì)控標準，治療方法等；第三，希望數(shù)據(jù)庫能做到動態(tài)，比如肝癌，醫(yī)生通過隨訪肝癌高發(fā)原因，給政府提建議，共享疾病的現(xiàn)狀，從現(xiàn)在的被動治療到疾病預(yù)防，這是至關(guān)重要的。

所以，我們的數(shù)據(jù)庫是有三個：傳統(tǒng)數(shù)據(jù)庫，專家數(shù)據(jù)庫，然后到國家的數(shù)據(jù)庫。

數(shù)據(jù)管理和數(shù)據(jù)治理有不同之處。

數(shù)據(jù)治理是很大的框架，而數(shù)據(jù)管理是數(shù)據(jù)治理的一部分，同時數(shù)據(jù)治理對數(shù)據(jù)管理有指導(dǎo)和評估的作用。

數(shù)據(jù)治理的體系是需要從全局范圍描述大數(shù)據(jù)治理的主要內(nèi)容，包括保障機制，核心領(lǐng)域，實施評估等等。數(shù)據(jù)治理不是一個虛的東西，是一個系統(tǒng)的選擇，難度很大。

我希望從不同模態(tài)數(shù)據(jù)整理出不同醫(yī)院的數(shù)據(jù)，抽象出一個數(shù)據(jù)治理指導(dǎo)性原則，現(xiàn)在這個目標對我們來說很有挑戰(zhàn)性，我們在數(shù)據(jù)治理做了大量的調(diào)研工作，今年年底能出來一個框架，可以進行參考。

我們有一個數(shù)據(jù)的管理體系，管理體系的落實和指導(dǎo)有相對應(yīng)的管理工作機制，還有一個支撐數(shù)據(jù)管理的系統(tǒng)。

數(shù)據(jù)治理是一個全生命周期的管理過程，首先有一個數(shù)據(jù)采集，形成原始數(shù)據(jù)庫，數(shù)據(jù)歸集成為數(shù)據(jù)集；再做數(shù)據(jù)預(yù)處理，清洗成基礎(chǔ)的數(shù)據(jù)庫；通過醫(yī)學(xué)專家制定的標準指南來定義標注。

其中，我們對標注做了大量研究，發(fā)現(xiàn)各個研究機構(gòu)包括不同的學(xué)會、不同的企業(yè)和醫(yī)院標準不一樣，同樣的數(shù)據(jù)讓不同的研究機構(gòu)標注，結(jié)果都不相同。

我們一旦建成標準數(shù)據(jù)庫，就進行數(shù)據(jù)算法的訓(xùn)練和調(diào)用。算法的測試可以在醫(yī)院進行，這對于整個數(shù)據(jù)庫的建設(shè)非常重要。因為醫(yī)院數(shù)據(jù)的維度不同，包括來源地域不一樣，方法不一樣。

比如，用上海同濟醫(yī)院數(shù)據(jù)研發(fā)做出的人工智能產(chǎn)品，而沒有其他醫(yī)院的數(shù)據(jù)，這個產(chǎn)品可能只適合同濟醫(yī)院。經(jīng)過藥監(jiān)局的批準也只能適用同濟醫(yī)院。

在數(shù)據(jù)質(zhì)量管理體系中，對于數(shù)據(jù)的采集包括標注的房間光線都有要求。在這樣的要求下，才能做到高質(zhì)量的數(shù)據(jù)結(jié)果。

隱私安全是建立數(shù)據(jù)庫的重中之重。國家衛(wèi)健委啟動國家數(shù)據(jù)庫的建立，首要就是隱私保護，包括在倫理方面都有很大的要求。

醫(yī)學(xué)影像人工智能發(fā)展對數(shù)據(jù)的要求，首先是符合建庫要求，具有科學(xué)性、權(quán)威性、先進性，而且是動態(tài)的，能根據(jù)發(fā)展去更新數(shù)據(jù)，具體情況具體分析。

規(guī)范化構(gòu)建數(shù)據(jù)庫，目的是建立一個安全合規(guī)數(shù)據(jù)共享的數(shù)據(jù)庫。其組織形式是需要專家隊伍制定數(shù)據(jù)標準和質(zhì)量評估標準，然后討論實施。標準建立以后每一個環(huán)節(jié)都需要一個規(guī)范化的執(zhí)行操作過程。我們建庫的出發(fā)點是需求的驅(qū)動，以患者為中心建立一個長效全景的數(shù)據(jù)庫。

國家衛(wèi)生健康委牽頭聯(lián)合浙江求是數(shù)理醫(yī)學(xué)研究院、清華大學(xué)長庚醫(yī)院等單位正在建設(shè)超聲、CT肺影像數(shù)據(jù)庫以及肝臟臨床數(shù)據(jù)庫，以及糖網(wǎng)病眼底數(shù)據(jù)庫和檢測數(shù)據(jù)庫。

浙江數(shù)理醫(yī)學(xué)學(xué)會等機構(gòu)也都在建立不同器官、不同模態(tài)的數(shù)據(jù)庫。最重要的是需要建立統(tǒng)一的數(shù)據(jù)標準和規(guī)范。

數(shù)據(jù)庫建立基本原則是臨床和科研的需求，需要把臨床、科研和企業(yè)產(chǎn)業(yè)化的標準統(tǒng)一起來，是在質(zhì)量控制體系下高效成本低的建庫標準。這是幾個基本原則。

數(shù)據(jù)的標注也要規(guī)范化。標準和專家共識是至關(guān)重要的。我們要做一個標準流程讓醫(yī)生勾畫，人工做的和智能做的在標準的軟件中進行。

數(shù)據(jù)標注有以下難點：首先，專家共識很難達成一致。比如如何合理組織專家隊伍，環(huán)境標準，使用工具的可信度，不同人有不同的理解。

到現(xiàn)在為止，我們面臨的挑戰(zhàn)很多。

第一，社會資源投入不夠。建庫是一個規(guī)范的事情，是一個長城工程，需要大量的社會投入，需要我們政府、企業(yè)和研究機構(gòu)三方協(xié)同。

第二，數(shù)據(jù)庫建設(shè)滯后。第三是數(shù)據(jù)類型比例不均，有的數(shù)據(jù)樣本量少，還有的數(shù)據(jù)更新比較快。

面對挑戰(zhàn)，我們希望加快建設(shè)，希望政府企業(yè)各方面一起投入，一起組建高質(zhì)量的專家組進行數(shù)據(jù)標準的制定。我們需要衛(wèi)健委統(tǒng)一國家數(shù)據(jù)資源，開放共享，不能讓勞動白白付出。

這是一個國家工程，需要各個方面的投入，是一個功蓋千秋的工程，需要大家關(guān)注的一件事情。