医疗影像AI落地难数据应用有三痛

近日，在超声与应用与推广大会上，上海大学附属瑞金医院的詹维伟教授以一个生动的比喻阐述了数据在推动AI临床落地中的重要作用——“AI的‘燃料’是数据”。

詹维伟教授指出，顶级期刊发表的医学影像AI论文大多依赖于大样本（超过10万）数据库的支撑进行训练。海量的数据不仅要数量庞大，还要质量高、标准化，意味着数据必须可用、无污染，并能实现标准化。中国的医学数据虽然看似丰富，但真正可用的部分却并不高，存在着被污染、信息不全、难以标准化等三大难题。

东南大学生物科学与医学工程学院的万遂人教授表示，在多中心数据库建设过程中，即使面对同一医学问题也常常存在不同的说法。他相信，要解决这些问题需要数年的努力，完成行业标准的制定。不同品牌的医疗设备成像机理和标准不同，对于同一病灶输出的影像并不相同，这也给数据库标准化带来了极大的挑战。

针对这些问题，专家们强烈呼吁相关机构进行数据标准化工作。国家卫生健康委员会规划信息司的沈剑锋处长强调，医学人工智能的基础是大数据，而大数据的基础则在于我们是否建立了标准的数据样本库。标准的医学影像数据库不仅要对数据进行标准化，还要对病灶进行清晰标注，并兼顾年龄分布、疾病分类等其他维度的信息。

国家卫生健康委员会已经开始在国家层面进行数据标准库的建立，并发布了相关指导性文件，对包括数据在内的信息进行标准规范。美年大健康集团董事长俞熔也对此表示认同，并承诺未来将加强相关标准化数据的采集、质量控制、数据分析工作，为建立医学影像的专业数据库提供支持。

当天，大数据算法与分析国家工程试验室杭州创新中心、浙江省数理医学学会和美年大健康集团三方达成合作，共同构建超声大数据库。医学影像AI合作开发联盟也正式成立，发出倡议呼吁各方积极推动资源的高效配置，推动医学影像AI技术的实际应用。联盟将通过联合研发，共同开展国家级和省市级重大专项、产业化基金、科技发展基金等项目的立项、申报和执行工作，实现产学研的完美结合，为医学领域的科技进步贡献力量。

随着大数据的深入应用，相信在不久的将来，海量的医学数据将得到更好的利用，为医学研究和临床治疗提供更加精准、个性化的方案，推动医学领域的持续发展和进步。