跳至正文
朗慧科技

MEDICAL DATA RESEARCH

同一份胸部CT如何做多病种机会性筛查:从并行模型到可审计验收

面向医疗AI研发与数据采购,拆解同一胸部CT上的肺结节、肺实质、冠脉钙化、骨量与体成分任务,说明异构输出、专家参考、外部验证与可审计验收的设计边界。

医疗数据研究AI辅助整理 · 研发交流

一次胸部CT检查,除了最初的肺部问题,往往还包含肺气肿、冠状动脉钙化、椎体骨量、肌肉与脂肪分布以及椎体形态等信息。真正困难的不是再叠加几个模型,而是让这些任务在同一个受试者、同一次检查和同一套影像元数据上被正确触发、分别输出、互不污染,并且让医生能够区分“发现了什么”“测量是否可靠”和“下一步是否需要人工复核”。这正是“一检多筛”从产品概念变成医学AI工程问题的关键。

本文把这类需求抽象为胸部CT机会性筛查:不增加一次检查的辐射采集,而是对已有影像中的可复用信息进行结构化分析。已有多中心研究曾将肺部、代谢、心血管和肌骨相关任务放入同步处理流程,并以结构化报告汇总结果;这说明“并行分析—统一汇总”可以作为研究架构讨论,但不等于不同场景已经完成临床验证。7 它不是对某个具体机构、合同或现成系统的介绍,也不构成对患者的诊断建议。对于研发和数据采购团队,重点应放在任务定义、数据颗粒度、专家参考标准、独立验证以及可追溯的交付验收上。

一、先把“一检多筛”拆成临床任务

“一检多筛”不是一个单一的分类标签,而是一组输入相同、输出不同、参考标准不同的医学影像任务。第一层通常是肺部任务,包括肺野分割、肺结节检测、结节测量和形态或密度分类;第二层是肺实质定量,例如低衰减区比例、肺容积及可能的气肿表型;第三层是心血管相关测量,例如冠状动脉钙化的定位、血管归属和分数或等级;第四层是骨骼任务,包括胸椎定位、椎体压缩或楔形改变的提示以及椎体骨量测量;第五层是体成分任务,包括指定层面的骨骼肌、皮下脂肪或其他组织的面积、体积和CT值。若加入胸部DR肺部感染或结核筛查,它已经是另一种模态,不能把CT模型的验收标准直接移植过去。

因此,输入首先要写成“检查级对象”,而不是“几张切片”。至少要保留患者级匿名键、检查级唯一键、序列或重建级标识、扫描范围、层厚、层间距、重建核、管电压、增强状态、体位、设备与软件版本等字段。患者级键用于防止纵向检查被错误拆散;检查级键用于把一次扫描触发的全部任务结果重新汇合;序列级字段用于判断某项测量是否适用。若模型只接收像素而没有这些上下文,系统可能仍能运行,却无法解释为何一部分病例被测量、另一部分被跳过。

机会性筛查还受到解剖覆盖的限制。胸部低剂量CT常能稳定覆盖从上胸椎到下胸椎,但并不保证包含腰椎、肾上腺或完整的腹部。近期胸部CT机会性筛查综述特别强调,应把可重复评估的解剖层面与“偶尔被扫到”的区域分开;否则同一项骨密度或体成分任务会在不同检查上产生不可比的缺失。系统应在入库时先判断覆盖范围,再给每个模块返回“可分析、覆盖不足、协议不匹配或质量受限”,而不是强行填充数值。1

这里还要区分任务颗粒度。肺结节检测的主键是病灶实例,输出可以是三维坐标、体积、最大径、密度类别和候选置信度;肺气肿分析的主键更接近检查或肺叶,输出是区域分布和定量指标;冠脉钙化既有血管级结果,也有患者或检查级总分;椎体骨量是椎体级测量,椎体骨折提示则是病变级分类;肌肉和脂肪分析是层面或器官区域级分割与量化。把这些不同层级硬塞进一个“阳性/阴性”字段,会使后续报告、训练和审计都失去语义。

二、数据设计要围绕“同源输入、异构输出”

数据集应先建立影像血缘,再建立标签血缘。影像血缘要记录原始DICOM对象、去标识化动作、导入时间、重建信息和处理版本;标签血缘要记录任务名称、规范版本、标注者角色、审核状态、仲裁结论及导出格式。对于同一检查并行运行的多个模型,推荐以“检查主表—任务结果表—病灶或区域明细表”的方式组织,而不是把所有结果平铺在一张宽表里。这样既能允许某一模块因覆盖不足而缺失,也能保留同一结节、同一椎体或同一血管的细粒度记录。

数据纳排应在训练前冻结。可纳入条件包括DICOM标签可读、体位和解剖范围符合任务要求、关键序列完整、像素间距和层厚落在约定范围内;排除或隔离条件包括严重运动伪影、截断、金属伪影、缺失切片、异常重建或关键区域未覆盖。对低剂量、增强、普通平扫和不同重建核,不能用一个笼统的“胸部CT”标签代替协议分层。因为冠脉钙化、肺密度、结节体积和骨量对扫描参数的敏感性并不相同,同一项技术指标在不同协议下的测量误差也不相同。

纵向数据必须按患者而不是按影像张数划分训练、验证和测试集。一个患者的基线检查和复查如果分别进入训练集和测试集,模型可能借助解剖结构、设备习惯或报告模板“认出”患者,得到虚高结果。外部验证还要刻意覆盖未参与开发的设备、重建协议、年龄和性别结构,以及任务阳性率不同的队列。CLAIM 2024更新要求明确说明划分比例、划分互斥层级、参考标准来源、测试集标注过程、外部数据和失败分析;这套清单尤其适合约束多模块项目中容易被忽略的记录缺口。2

并行模型的训练数据不必完全相同,但必须说明哪些样本共享、哪些任务独立。肺结节需要病灶检测与测量参考,骨密度需要椎体及松质骨区域参考,冠脉钙化需要血管分区和定量分数参考,体成分需要组织边界或标准层面参考。一个“胸部CT多病种数据集”如果只提供检查级诊断结论,不能自动满足所有分割、检测和定量任务。采购时应逐项核对原始影像、标签层级、标签缺失原因、可回溯的修改记录,以及是否允许研究用途和再训练用途。

胸部CT多病种并行分析的数据关系示意:同一检查先经过适用性判断,再进入不同任务模块,最后按检查和病灶层级汇总。技术示意,不表示真实患者、已完成实验或临床诊断。查看完整技术图(可放大)

图1|胸部CT多病种并行分析的数据关系示意。 同源输入不等于同一标签;每个模块都需要独立的适用性、输出粒度和审核状态。

三、算法路线应当是“共享底座、任务分头、结果回合”

工程上可以采用共享的影像预处理和解剖定位底座,再为检测、分割、分类和定量任务设置独立头部。共享部分负责方向统一、体素间距处理、肺野或椎体等大结构定位、质量筛查和协议识别;任务头部分别输出结节候选、肺低衰减区、冠脉钙化区域、椎体分割或组织区域。这样做的价值不是追求一个更大的模型,而是把错误隔离在可诊断的范围内:肺结节头失败时,不应静默覆盖骨密度结果;骨密度覆盖不足时,也不应让报告生成一个看似完整的数值。

肺结节模块通常是检测、分割、测量和风险分层的组合。检测阶段要保留候选框或候选体素,分割阶段要明确边界与血管旁、胸膜旁、磨玻璃等困难情形,测量阶段要规定最大径、体积、平均密度及随访配对的计算方式。若系统输出良恶性概率,必须把它定义为研究模型的风险分数或辅助分层,而不能直接写成病理诊断。随访对照还要验证同一患者、同一病灶的匹配是否正确,不能仅凭检查日期或空间邻近进行粗略关联。

肺气肿和肺密度任务关注的是连续量与空间分布,而非简单的有无。算法需要记录肺野分割失败、低衰减阈值、体素重采样和排除气道或血管的规则。不同重建核、吸气程度和扫描剂量会影响衰减分布;因此,研发阶段应把协议分层纳入敏感性分析,并对输出的可比性设定适用条件。验收不能只看一个总体相关系数,还要观察分位数、区域分布、失败病例和跨设备偏差。

冠脉钙化是一个典型的“可从常规胸部CT获得线索、但不能随意等同于专用心脏CT”的任务。Eng等人的研究使用配对的冠脉CT作为参考,在四个外部地点验证了非门控胸部CT上的自动钙化评分;研究结果支持机会性筛查的可行性,但作者也指出配对检查时间间隔、采集参数和异常冠脉解剖会影响外推。3 这意味着项目应同时验收血管定位、钙化区域、分数分箱和不确定性,并在报告中写清扫描类型与参考标准,而不是把非门控结果包装成专用检查的等价替代。

骨量和椎体形态模块需要在解剖定位与测量学之间建立连接。AutoBMD研究使用不同层厚的心脏和肺部CT,结合人工测量参考验证自动骨密度;其研究设计说明,模型不仅要找到椎体,还要定位椎间盘、避开皮质骨并在松质骨区域取值。4 实际数据设计应把椎体级分割、测量区域、扫描协议和校准条件分开记录。骨量提示可以成为转诊或进一步检查的线索,但不能把一次机会性估计直接当成DXA结论。

体成分模块同样需要谨慎解释。基于NLST的研究在低剂量胸部CT上提取骨骼肌和皮下脂肪等测量,并分析其对肺癌死亡、心血管死亡和全因死亡预测的增量;研究发现不同结局的增量并不相同,对肺癌发病率并未显示同样的改善。5 这提醒研发团队不要把“影像定量”直接升级成“临床预后结论”。如果输出被用于研究分层,应明确终点、随访窗口、混杂变量和校准方式;如果只用于报告辅助,则应保留测量来源、适用范围和人工复核入口。

四、专家标注不是给模型“盖章”,而是定义可复现的参考标准

多病种项目的专家工作应按任务拆分。肺结节需要规定病灶是否纳入、结节与血管或瘢痕如何区分、边界画到何处、亚实性成分如何编码;肺气肿需要固定阈值、肺叶或全肺范围及异常组织排除规则;冠脉钙化需要规定钙化阈值、血管分区、分数算法与不可判定情形;骨量需要规定椎体层面、松质骨ROI、校准与测量重复;体成分需要规定层面、组织定义和截断处理。专家资格应按任务记录,而不是在所有标签上笼统写“医学专家”。

推荐采用“初标—独立复核—分歧仲裁”的路径。初标者和复核者应尽可能独立,复核时隐藏前一人的轮廓或结论,避免确认偏差。分歧应保留原始版本、修订版本、分歧类型和仲裁原因;不确定、不可见、协议不适用和质量受限不能被迫归入阴性。对定量测量,除了均值和相关性,还应记录重复测量差异、组内一致性或适合任务的误差界限。对病灶检测,不能只报告分类准确率;应按病灶级和检查级分别定义敏感度、假阳性负担和漏检类型。

参考标准本身可能有误差。冠脉钙化的参考分数可能来自不同时间的配对检查,骨量参考可能受校准和层厚影响,肺结节标签可能受读片者经验和随访信息影响,体成分标签可能受层面选择影响。CLAIM要求说明参考标准的选择理由、标注者数量与资格、测试集标注细节以及观察者间差异;这不是论文格式负担,而是决定验收结果能否解释的基础。2

还要防止标签泄漏。若专家在复核时看到模型候选,模型错误可能反过来塑造金标准;若报告文本被直接用来生成标签,模型可能学习到设备或科室写作习惯,而不是影像征象;若同一患者的纵向标签跨分区,随访结果也可能泄漏。解决方案包括冻结测试集、独立标注、保留原始报告与结构化标签的关系、在数据卡中记录标签来源,并让算法团队在模型定版前无法访问测试集标签。

五、质量验收要从“能跑”升级为“结果可审计”

端到端验收至少分四层。第一层是数据接入:DICOM对象是否完整、去标识化是否同时检查元数据和像素烧录、序列是否去重、方向和层间距是否正确。第二层是任务执行:每个模块是否在适用协议上触发,覆盖不足、质量受限和模块异常是否有明确状态,而非返回空白或默认零值。第三层是医学结果:分割、检测、分类和定量各自使用对应指标与参考标准,报告置信区间、失败病例和按设备或人群分层的偏差。第四层是工作流:结果是否能回到原检查,医生是否能看到定位证据、版本和人工修改,报告是否区分模型建议与最终签发。

验收指标要与任务匹配。分割可使用Dice、IoU、表面距离或体积误差;检测可使用自由响应ROC、病灶级召回和每例假阳性数;分类可使用灵敏度、特异度、AUC、校准和混淆矩阵;连续量可使用偏差、重复性、Bland–Altman界限、ICC或相关性。相同的阈值不能跨模块复用,也不宜只给一个全局“准确率”。对于多任务系统,应同时报告任务级指标和检查级完整性,例如一次检查中有多少模块因协议或质量原因未能输出,人工复核队列是否被正确分流。

验收样本要覆盖边界而不只覆盖平均病例。应包含小结节、血管旁结节、磨玻璃成分、严重伪影、不同层厚和重建核、心脏运动、椎体退变、金属植入、截断和肺野不完整等场景。每个失败案例应有分类:输入问题、解剖覆盖问题、预处理问题、模型错误、参考标准争议或界面呈现问题。验收结论要能追溯到数据版本、模型权重、配置参数和软件版本;否则即使指标通过,也无法判断下一次升级是改进还是重新定义了任务。

外部验证不是把内部测试集换一批样本。至少要说明外部队列来源类型、扫描协议、设备分布、人群构成、阳性率、参考标准和缺失处理。机会性筛查特别依赖参考范围:年龄、性别、种族、体型、吸气程度和解剖覆盖都会影响测量解释。胸部CT综述指出,影像采集和重建参数会改变生物标志物测量;因此部署前应做协议漂移监测和定期抽样复核。1 研究效果也不能直接称为临床效果,只有在前瞻性工作流、患者管理和结局研究中得到验证,才可以进一步讨论临床获益。

多病种胸部CT项目的质量与验收链路示意:从数据治理到专家参考、独立验证和工作流回放逐层闭环。技术示意,不表示真实患者、实验完成或临床诊断。查看完整技术图(可放大)

图2|多病种胸部CT项目的质量与验收链路示意。 每层都保留版本、失败原因和责任边界,不能用单一模型分数替代全链路验收。

六、把“系统能力”与“项目交付”分开写

在实际采购或研发协作中,系统、算力、接口、标注人力和安全运维经常被写成一个“整体能力”,这会掩盖关键责任。平台能力应单独说明支持哪些模态、数据对象、标注工具、审核状态、导出格式和日志;算法能力要按任务列出模型输入、输出、适用协议和版本;基础设施要说明部署位置、GPU或CPU、存储、并发、备份和故障恢复;接口则要区分DICOM推送、查询取回、报告回写和身份匹配。每一项都应有样例、验收脚本和退出时的数据交还方式。

安全也不能用“数据不出院”一句话替代。DICOM标准提供加密传输等机制,但官方说明强调,安全和隐私取决于具体实现与部署;传统DIMSE传输可使用TLS,DICOM Web可使用HTTPS,PACS远程访问还需要组织级风险评估、权限管理和日志审计。6 项目应明确去标识化规则、密钥或证书管理、最小权限、远程维护审批、异常告警、备份恢复和介质扫描。像素中烧录的姓名、检查号和截图水印,不能仅靠删除DICOM字段解决。

对于已核验的数据基础设施与流程服务能力,适配价值主要在于把需求规格、数据卡、样例、标注规范、质量记录和版本化交付组织起来,并据此评估模态、任务和审核范围。这种能力可以支持多病种项目的前期拆解与数据交付治理,但不能推导出某个“一检多筛”成品已经现货、某个算法已在临床运行,或某项结果已获得监管批准。实际项目仍需以书面规格、脱敏样例、试点记录和双方签字的验收条件为准。

七、一个可实施的研发与采购顺序

第一步是写临床任务矩阵:逐项列出模态、解剖部位、目标病种或影像标志物、输入协议、输出颗粒度、专家角色、参考标准、评价指标和不可适用条件。第二步是用一小组脱敏样例跑通入库、去重、协议识别、模块触发和报告回溯,不要一开始就承诺大规模交付。第三步是冻结标签规范和分区规则,按患者隔离纵向数据,建立独立的测试集和外部验证计划。第四步是对每个模块分别完成专家试标和分歧仲裁,再把结果汇总为检查级报告。第五步才是评估并行推理、接口回写和部署容量。

试点的通过条件应包括:所有输入对象可追溯;每项输出都有任务级语义;不适用病例不会被伪装成阴性;专家能定位并修改结果;模型和标签版本可回放;内部与外部验证分开报告;失败样本有分类和责任人;报告能区分研究性指标、模型建议和医生最终判断。若采购还包含标注服务,应另列标注者资格、复核轮次、争议处理和交付格式,不要把平台许可等同于标注已经完成。

最终交付的价值不在于一张“多病种报告”看起来项目齐全,而在于每一个数字都能回答四个问题:它来自哪一次检查和哪一层影像;对应什么解剖对象和标签定义;经过哪种参考标准和质量门槛;出现异常时由谁复核、如何回退。只有这样,一次扫描中的额外信息才可能从研究设想变成可重复、可审计、可逐步验证的医学AI工作流。

参考来源

  1. Opportunistic Screening on Chest CT, From the AJR Special Series on Screening
  2. Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update
  3. Automated coronary calcium scoring using deep learning with multicenter external validation
  4. Opportunistic AI-enabled automated bone mineral density measurements in lung cancer screening and coronary calcium scoring CT scans are equivalent
  5. AI Body Composition in Lung Cancer Screening: Added Value Beyond Lung Cancer Detection
  6. Security - DICOM Standard
  7. AI-supported comprehensive detection and quantification of biomarkers of subclinical widespread diseases at chest CT for preventive medicine