MEDICAL DATA RESEARCH
医疗健康数据要素如何从“有数据”走向可复核交付:多源治理、可信协作与四类场景的方法
面向医疗AI研发与数据采购,拆解专病数据集、真实世界研究、保险辅助接口和眼身跨域协作的任务单位、标签治理、隐私审查、外部验证与交付验收,明确数据可用与临床责任边界。
医疗人工智能研发中,一个常被低估的问题是:同一位受试者的门诊记录、检验结果、影像检查、用药变化和随访结局,能否在不暴露原始身份的前提下被正确地连成一条可核对的临床时间线?如果这条链路断裂,专病数据集可能只是字段堆积,真实世界研究可能只是一次性抽取,保险接口可能只能返回无法解释的分数,跨域眼科与慢病研究也难以判断输入究竟是否属于同一观察对象。医疗数据开发的难点因此不只是“收集更多”,而是把临床问题、数据颗粒度、合规边界、专家判断和模型验收写成一套可以复现的工程规格。
先把宏观方案还原成可执行的临床任务
面向省域或区域的医疗健康数据开发,通常同时出现四类任务。第一类是高质量专病数据集与模型训练。它需要把电子病历、临床文书、检验检查、医学影像、病理资料、治疗记录和随访信息,围绕一个病种或一个临床问题组织起来。输出不应只是一批脱敏文件,而应包括患者级纵向索引、就诊或检查级关联、诊断和结局标签、必要的标准术语映射,以及能够被训练或评测环境读取的版本化数据包。对于影像任务,还要预先约定影像序列、检查条件、报告或病理依据与标注对象之间的关系;对于病历任务,则要说明是抽取、分类、关系识别、风险预测还是问答评测,不能把不同任务混在一个“专病数据集”名称下。
第二类是真实世界研究和药品上市后评价。这里的临床任务不是让模型泛泛地“理解病历”,而是按照研究方案定义人群、暴露、对照、时间零点、终点和随访窗口,再输出可审计的队列、统计分析数据集和研究报告。输入通常横跨诊断、用药、检验、影像、手术、随访和结局事件。每个字段都要能追溯到来源系统、原始时间和转换规则。美国食品药品监督管理局将真实世界数据定义为日常收集的患者健康状态或医疗服务数据,并将由其分析得到、用于判断医疗产品获益或风险的临床证据称为真实世界证据。3 这一区分提示研发团队:数据资源、研究分析和监管或临床结论不是同一层交付物,数据集本身不能替代研究设计与证据评价。
第三类是医疗健康保险数智化服务。它的输入可能较窄,集中在就诊信息、诊疗规范和与业务规则有关的结构化字段;输出则可能是核保查询、风险分层、核赔辅助或结算流程中的接口响应。此类任务尤其需要明确“辅助”边界:接口可以返回字段完整性、规则命中、证据片段和风险提示,不能把未经验证的模型分数包装成自动拒付或最终医学判断。对异常、缺失和规则冲突,应设计拒答、转人工和补充材料路径。否则,模型的离线指标即使看起来良好,也无法解释现实业务中的误差责任。
第四类是眼部数据与全身疾病数据的跨域关联。它通常需要眼底照片、OCT或其他眼科检查与慢病管理、诊断、用药和随访记录建立可控关联,研究目标可能是风险分层、筛查优先级、转诊提示或区域趋势分析。眼科影像的采集设备、拍摄质量、视野和阅片标准,与全身疾病数据的编码和时间窗并不天然一致。因而,输出应拆成融合数据集、风险接口、辅助筛查模型和聚合看板四种不同产品,并分别设定标签依据和评价终点。对于基层筛查,模型只能作为分诊和复核工具,不能脱离专业人员承担诊断责任。
这四类任务的共同点是“多源数据进入、可核验产品输出”,但样本单位并不相同。专病训练集的基本单位可以是患者—就诊—检查三级关系;真实世界研究的基本单位往往是患者—暴露—结局及其观察时间;保险接口的单位是一次授权查询或一次业务事件;跨域眼科研究则还要处理机构、设备和人群层级的差异。采购或研发说明书应在项目启动时写明这些单位,避免用病例数、文件数或调用次数替代临床任务定义。
图1 技术示意:不同医疗任务需要不同的数据颗粒度与验收输出;图示不代表真实患者、已完成实验或可直接交付的现货。
数据设计的核心是纵向关联、语义一致与可追溯
多源医疗数据首先要建立数据字典。字典至少应说明字段名称、临床含义、允许值、单位、时间语义、缺失编码、来源系统、变换规则和使用限制。诊断、操作、药品、检验和疾病分期等术语需要有明确的版本和映射关系;同一个词在不同机构可能代表不同的业务流程,不能仅凭字符串相同就认定为同义。影像和病理等大文件则要把文件标识、检查标识、报告标识和患者级伪名索引分开保存,并记录转换、压缩、裁剪和重采样过程。
纵向数据的关联键应尽量基于受控的伪名和事件标识,而不是把直接身份信息带入研究环境。患者级索引只用于在授权范围内恢复时间线;交付给模型或研究人员的视图应按最小必要原则限制字段与粒度。除去姓名、联系方式等显性身份信息后,还要检查自由文本、影像像素、文件名、设备序列号、日期组合和罕见事件是否仍能形成可识别线索。脱敏并不是一次性动作,数据更新、跨表关联和新产品开发都可能重新产生识别风险。
时间设计决定了许多模型是否会发生标签泄漏。用于预测的特征必须在预先定义的时间点之前可获得,结局标签则要在规定的观察窗口内形成。随访缺失、转院、死亡、重复就诊和检查取消不能简单地当成阴性。对于一个“是否发生某结局”的任务,阴性应有足够的观察机会;对于治疗效果研究,治疗前后数据的时间顺序、暴露持续时间和停药原因都要写入分析规格。训练、调参和独立测试应按患者划分,必要时还要按机构、设备或时间划分,以避免同一患者的近重复检查跨集合泄漏。
数据质量也不能只用总体缺失率表达。应分别报告关键字段缺失、结构化表与文书不一致、影像与报告错配、时间戳异常、重复记录、极端值和编码漂移。阳性、阴性和不确定样本应在标签规则中分别定义;无法判定的样本可以作为不确定类别、排除并记录原因,或交给专家复核,但不能为了提高表面一致性被强行归类。对不同机构、年龄层、性别、病程阶段、设备和就诊渠道的分布,应进行分层统计。数据越复杂,越需要把“未观察到”与“明确没有”区分开。
真实世界研究还需要把数据质量和研究问题绑定。欧洲药品监管网络的质量框架把可靠性拆为准确性、精确性和可追溯性,把与研究问题的相关性进一步联系到数据的充分性、整体一致性和时效性,并明确不主张一套固定阈值适用于所有研究。4 国内对医疗标准和规范的综述也指出,安全和提取方面的要求相对清晰,而清洗、转换、传输、存储和质量控制的实施路径仍需细化。2 因此,验收标准应由研究终点倒推,而不是先规定一个脱离任务的“合格率”。
可信协作不是把原始数据简单搬到中心
跨机构开发可以采用可信数据空间、院内连接器或其他受控计算环境,但技术名称不等于治理完成。更稳妥的流程是:先登记场景和用途,再完成数据探查与字段映射;随后分别进行安全、隐私和伦理审查;通过后才在隔离环境中执行关联、统计或模型训练;最后对可导出的结果进行敏感性检查、审计和版本登记。每一步都要有责任主体、审批状态、操作日志和撤销条件。
“原始数据不出域”可以降低集中化传输风险,却不意味着不存在隐私泄露、成员推断、梯度泄露、重识别或用途漂移。联邦学习适合在多个数据持有方之间共享模型更新或统计结果,但仍需配置参与方认证、最小权限、更新审计、输出控制和异常检测。关于医疗联邦学习治理的综述显示,伦理、同意、利益相关者参与、信任与责任机制,即使在数据不直接离域的条件下仍然不可省略。5 因此,隐私计算应与数据目录、授权范围、伦理决定和结果审查一起设计,而不能被单独宣传为“自动合规”。
对真实世界研究,平台还要保存研究方案版本、纳排条件、队列构建脚本、字段转换、缺失处理、分析代码和结果快照。若同一队列因口径调整而更新,旧版本不能被静默覆盖。对保险服务,日志应保留请求目的、授权范围、输入字段版本、规则或模型版本、返回内容、人工复核结果和申诉处理状态。对跨域眼科项目,模型训练过程还应记录各机构数据的覆盖范围、设备类型和标签来源,使研究者能够解释模型是在什么样的分布上学习的。
算法路线要服从任务,而不是反过来包装任务
专病数据集的算法路线可以拆成三层。第一层是队列和质量计算,用规则、查询或轻量模型确认纳排条件、时间关系和字段完整性。第二层是任务模型:影像分类、病灶分割、报告结构化、风险预测和多模态问答分别采用适合的目标函数和标签。第三层是评测与部署层,负责校准、阈值、拒答、证据引用和版本切换。多模态模型可以共享表征,但不能因此省略各模态的单独基线和缺失模态测试。
真实世界研究适合采用可复现的队列构建与统计分析链路。研究者应先定义目标问题,再决定是否需要倾向评分、时间依赖暴露、竞争风险、缺失数据处理或敏感性分析。机器学习可以服务于风险分层和预测终点,但不能把预测关联直接写成治疗因果结论。FDA强调真实世界证据需要由真实世界数据的分析产生,并要求根据用途判断其是否适合支持监管决策。3 这意味着系统交付应包含分析限制、适用人群和未观测混杂等说明。
保险场景可将规则引擎、信息抽取、检索和风险模型组合起来。对每次输出,系统应尽量返回命中的规范、关键字段和待补材料,而不是只有一个不可解释的分数。置信度不足、输入超出训练范围或规则冲突时,应主动转人工。若后续评估显示某一机构或人群的校准明显偏移,应调整阈值或进行本地更新,并保留更新前后的比较记录。任何模型输出都不能绕过保险合同、医学审核和申诉机制。
眼部与全身疾病关联任务需要先解决跨域表征,再谈预测。眼科图像可提取结构和病变特征,慢病数据则常以诊断、检验、用药和随访事件表达。工程上可以采用时间对齐、统一编码、缺失模态掩码和联邦建模,但模型应分别评估单模态、双模态和全模态表现。若某机构缺少OCT或某类慢病记录,系统应给出可用性提示,不应把缺失信息当成低风险证据。模型输出宜是筛查优先级和转诊建议,最终解释仍需由专业人员完成。
专家标注要成为可审计的临床判断链
医学标签的第一步不是让标注员直接打开平台,而是由临床专家把概念写成可执行的标签指南。指南应解释阳性、阴性、不确定、不可见、技术质量不合格和信息缺失的区别,说明何时使用检查结果、病理结果、随访结局或多学科共识作为依据。对病灶轮廓、关键点、分期、治疗反应和风险事件,均需约定空间范围、时间窗口、单位和允许误差。指南还应列出边界案例,避免标注者依靠个人经验填补规则空白。
生产流程可以采用经过培训的初标、独立复核和争议仲裁,但每个角色的职责要分开记录。初标结果应保留原始版本,专家修订不能覆盖修改前内容。盲审或交叉审核可以估计观察者间一致性;对于连续测量可采用适合的重复性指标,对于分类标签可按类别和分层报告一致性。低一致性不是单纯的“人员问题”,可能提示病种定义模糊、影像质量不足、标签依据不一致或临床终点本身难以观察。此时应先修订指南或改变任务粒度,再扩大生产。
专家还应参与数据抽样、阴性样本设计、外部测试集冻结、错误分析和高风险输出的审查。世界卫生组织关于健康人工智能伦理与治理的指导强调,人工智能的设计、部署和使用应把伦理与人权置于核心,并让公共和私人参与方对依赖系统的医务人员以及受影响的个人和社区承担可追责责任。1 对研发团队而言,这意味着专家不只是“给标签的人”,还要参与决定哪些标签可以被模型学习、哪些结果必须由人工复核,以及哪些场景不应自动化。
图2 技术示意:来源、审查、标注、建模和外部验证构成闭环;图示不代表真实项目已完成或某一系统已获临床批准。
质量验收必须包含外部验证和偏差审计
内部随机划分只能回答“模型在类似数据上是否可运行”,不能回答“换到另一家机构、另一台设备或下一年度是否仍然可靠”。验收方案至少应预留时间外验证、机构外验证和必要的设备或人群分层。分类任务要同时看区分度、灵敏度、特异度、阳性和阴性预测值、校准以及阈值下的临床净获益;分割任务要报告重叠、边界误差、极小病灶和失败案例;生成或问答任务则要核对事实、证据、遗漏、危险建议和拒答行为。指标不能脱离患病率、样本构成和临床用途解释。
一项2025年发表的多中心研究在开发队列之外使用两个不同医院队列进行验证,并报告了输入变量、缺失情况、结局发生率和外部性能,说明“外部验证”需要独立来源与清楚的队列边界,而不是把同一机构的随机切分改名。8 另一项多中心研究显示,患者构成、结局发生率、治疗路径和数据采集方式的差异会形成域偏移;在本地数据上更新模型后,区分度、校准和临床效用得到改善,因此不应把未经本地验证的模型当作可以直接复制的成品。6
公平性审计应在设计阶段写入数据规格。需要检查不同年龄、性别、地区、疾病阶段、设备和就诊渠道的样本覆盖,以及每个子组的缺失、标签质量、阈值和校准。近期关于临床人工智能公平性的综述指出,许多领域仍缺少标准化的公平性基准,临床人员参与评估、验证和监督是改进路径的重要组成部分。7 对稀疏子组,不能仅因样本少就给出精确结论,应报告不确定性并考虑补采、分层建模或限制适用范围。
验收还应关注数据血缘和使用边界。一个合格交付包至少应包括数据字典、版本号、来源和授权说明、脱敏记录、样本抽查结果、标签指南、审核及返工记录、训练测试划分说明、外部验证报告、已知局限和变更日志。若交付的是API或训练环境,还要测试权限、响应字段、异常码、审计日志、并发边界和模型回滚。若交付的是研究报告,则应同时提供队列脚本、分析参数、敏感性分析和可重跑的结果摘要。验收应区分“数据内容正确”“技术格式可用”“研究结论成立”和“业务流程可部署”,不能用一个总分掩盖某一类关键缺陷。
业务闭环应以可复核产品而不是数据库存为中心
医疗数据开发可以形成数据集、API、研究报告、模型或受控训练环境等产品,但每种产品都需要相应的责任边界。数据集的价值在于可检索、可关联、可解释、可复现;API的价值在于授权后稳定返回、可审计和可转人工;研究报告的价值在于研究问题、方法和限制清楚;模型的价值在于在适用范围内可验证、可监测和可更新。产品上架、服务调用或模型部署之前,应分别经过来源核验、隐私与伦理审查、质量验收和用途确认。
从业务组织看,可以采用“场景备案—数据探查—治理与审查—试运行—版本交付”的分阶段方式。先以少量脱敏样例确认字段、标签和链路,再进行小规模试标或试运行;在拒收、返工、争议升级和版本冻结规则明确后,才扩大范围。对数据提供方、运营方、技术开发方、研究需求方和使用方,要书面划清安全责任、数据责任、模型责任和临床责任。收益或服务费用可以按数据贡献、技术加工、平台运营和持续服务分别核算,但具体价格、授权期限和使用范围必须以项目书面约定为准,不能由一篇技术文章替代。
基于已核验的公司定位,朗慧可在这类项目的需求评估阶段,围绕数据规格、采集处理、专业标注、审核质检、版本化交付和模型评测衔接提供流程服务;其自研LangData平台覆盖采集、处理、标注、质检和数据交付等环节。这里表达的是能力适配方向,不代表某一病种数据已经现货可用,也不代表某一模型已经完成临床验证或取得监管批准。实际项目仍需由数据来源、授权范围、伦理要求、样例评估和双方书面规格共同确定。
真正可持续的医疗数据产品,不是把敏感数据集中起来再寻找用途,而是从临床问题出发,把每一次关联、标注、训练、评测和导出都变成可以追溯的证据。只有当数据字典能解释字段、专家能解释标签、平台能解释权限、模型能解释适用范围、验证能解释外推限制,医疗健康数据才可能从“资源规模”转化为可复核、可迭代、可承担责任的研发基础设施。本文讨论的是医疗AI研发与数据采购的方法,不构成对任何个人的诊断、治疗、用药或保险理赔建议。
参考来源
- Ethics and governance of artificial intelligence for health
- 我国医疗标准及规范中真实世界数据治理要求及技术要点
- Real-World Evidence
- Real-world evidence
- A scoping review of the governance of federated learning in healthcare
- Development and validation of artificial intelligence models for early detection of postoperative infections (PERISCOPE): a multicentre study using electronic health record data
- A scoping review and evidence gap analysis of clinical AI fairness
- Multicenter validation of a scalable, interpretable, multitask prediction model for multiple clinical outcomes

