數據庫的建設是醫學影像人工智能建設的要素之一。目前可公開的數據庫很少，數據的標注標準也不統一。上海長征醫院影像與核醫學科主任、中華醫學會放射學分會候任主任委員劉士遠對記者表示：“放射影像數據庫相當于是行業發展的戰略資源，建成后能夠便于行業上下游來使用這個平臺。”

規范化使用和收集數據是關鍵

劉士遠向記者介紹道，該平臺是由國家衛健委立項，中華放射學會承建，全國的十個學組，將有350家至400家醫院參與。“醫院是主體，因為數據在醫院；政府監管，負責標準的制定。”劉士遠表示。

復旦大學附屬華東醫院放射科副主任、上海醫學會放射學分會青年委員會副主委、人工智能學組副組長李銘對記者表示：“依托該數據庫平臺，將建立人工智能軟件測試和訓練的平臺，這也將成為一個科研的高質量數據庫，出發點非常好。”

他同時指出未來數據庫建設面臨的挑戰。“首先是規范化使用和收集數據是最重要的，因為不是所有的數據都是高質量的數據，其次是數據如何出醫院，以及如何保障數據的安全性，這需要國家進行有效的監管。”李銘對記者表示。

多位業內人士告訴經記者，如何打破醫院的“數據圍墻”是醫學數據庫能否建成的關鍵。“因為按照目前的技術，一旦數據出了醫院，那么醫院就對數據失去了控制權，所以數據收集后如何規范化地使用這批高質量的數據非常重要，才有可能發揮該數據庫最大的作用。”李銘告訴記者。

但業內已經達成共識，認為數據共享將成為未來醫療行業的發展方向。承擔了上海醫療大數據“訓練場”的上海申康醫院發展中心副主任朱同玉對記者表示：“經過脫敏的數據可以把患者的隱私數據轉化為可以流動共享的公共數據，從而打破醫院的邊界。”

劉士遠表示，數據庫建設是一個門檻很高的領域，需要行業學會的權威專家制定權威標準和規范，對圖像進行分割、標注，在這個基礎上建庫，繼而形成訓練、檢測等用途。由于缺少財力和人力的支持，數據加工成本較高，導致數據庫建設不足、進程緩慢。

智慧醫療不僅僅是“醫院的事”

浙江大學醫學院附屬第二醫院放射科主任張敏鳴教授表示，目前的AI仍然存在包括“研究對象”、“預測因子”、“臨床結局”以及“數據分析”等多個方面不同程度的偏倚風險。她說道：“由于研究樣本量較少，導致了數據過度使用的風險增加，特別是在使用復雜建模策略的情況下。”

張敏鳴建議，在開發新的預測模型時，可以在參考文獻或者咨詢專家意見的基礎上選擇預測因素，而不是以純屬數據驅動的方式選擇預測因素；此外，未來的研究應該更加集中于驗證、比較、改進和更新有前景的現有預測模型。

智慧醫療不僅僅是“醫院的事情”。劉士遠對記者表示，歡迎企業參與到放射影像數據庫的建設中。目前包括GE醫療、西門子醫療和飛利浦等在內的國外醫療影像巨頭以及國內的聯影等公司都在積極開發AI數字化醫療平臺。

GE醫療中國總裁兼CEO張軼昊對記者表示：“標準化且可預測的數據將是醫療發展的剛需，因為醫療AI有更嚴苛的要求，要求從源頭就是準確的。”

張軼昊進一步向記者解釋道，準確有兩層含義，一是數據和圖像質量的標準化，二是對疾病判斷的標準化。“設備本身的標準化數據，可以幫助醫院進行有效的資產管理和設備管理，以此提升整個醫院的運營效率；病患掃描數據和分析的標準化，可以有效地指導臨床。同時，也能在轉診、基層醫療中幫助醫院和病患節省巨大的時間。”張軼昊表示。

業內人士對記者表示，目前AI醫療的推廣以及產品都尚未成熟，而隨著影像AI的發展，企業有望在基層醫院推廣針對重大疾病的AI技術，補足基層醫院的能力。

西門子醫療大中華區總裁王皓表示：“中國在數字化和智慧醫療的發展中有其特點，我們針對這種使用環境，搭建數字化醫療的平臺，把醫院和醫院、醫生和患者聯系起來，加速互聯網醫院的建設。”