跳至正文
朗慧科技

MEDICAL DATA RESEARCH

脊柱侧弯X光数据交付:如何把一次Study变成可复核的AI研究资产

面向医疗AI研发团队,拆解脊柱侧弯X光数据如何以Study为计数边界,保留DICOM与报告证据、Cobb角及术前术后标签,并通过去标识、专家复核、独立验证和版本化验收形成可追溯交付。

X光与乳腺影像AI辅助整理 · 研发交流

脊柱侧弯人工智能项目最容易被低估的,不是模型能否把一张片子分成“有病”或“没病”,而是研究团队能否确认:这张片子究竟代表哪一次检查,包含哪些投照视图,报告里的“考虑”“不能除外”是否被错误改成了明确阳性,术前和术后数据是否被混在一起,以及训练集和测试集之间是否存在同一患者的隐性重叠。对全脊柱X光而言,数据交付如果只按图片文件计数,后续的测量、分型、随访和外部验证都会失去清晰的边界。

因此,一份面向AI研发的数据规格,不能只写“收集脊柱侧弯X光并标注Cobb角”。它需要同时规定临床任务、影像输入、文本证据、Study级计数、标签粒度、纵向关联、标注主体、质量门控和发布版本。下文将这些要求拆成可以被数据工程、临床专家和算法团队共同执行的环节。文中讨论的是医学影像研究数据建设,不构成对任何个体的诊断、筛查或治疗建议;研究论文中的模型表现也不等同于临床应用效果。

一、先定义Study,再谈“多少张片子”

全脊柱检查通常不是孤立的一张图。一次检查可能包含站立位正位或后前位、站立位侧位、牵引位或侧弯位,也可能包含同一投照的多序列、重复导出和拼接结果。如果把每个文件、每个视图甚至每个重复导出都算作一个样本,数据规模会被人为放大;如果把所有视图压成一张没有来源说明的图片,又会丢掉体位、投照和拼接关系。更稳妥的做法是把一次全脊柱检查或Study设为计数边界,在Study之下保留Series和Instance层级,再把报告、测量和派生标签逐例挂接。

这一区分对算法研发有直接影响。模型可能只接受站立位PA/AP作为输入,却需要知道该Study是否同时存在侧位;测量任务可能要求保留像素间距和图像尺寸,报告任务则需要保留检查所见、诊断印象和报告状态。一个Study可以提供多个合法输入,但不应在统计量、训练划分和验收结算中被重复计入。患者匿名ID、Study ID、Series ID、Instance ID和报告ID应形成稳定的关系图,而不是由文件名或文件夹位置临时推断。

DICOM的Digital X-Ray Image信息对象强调,DX图像应对应单次X射线曝光,使解剖方向和相关属性能够被合理解释;它还区分用于直接显示的对象和用于进一步处理的对象。2 这并不意味着所有项目都必须采用同一种文件格式,而是提醒数据采购和工程团队:投照、处理状态、方向和图像来源属于研究语义的一部分,不能在转换成普通图片时悄悄丢失。

Study级多模态数据结构技术示意查看完整技术图(可放大)

图1:Study级多模态数据结构技术示意。图示把原生X光、报告语义、关联键和研究输出分开表达,不含真实患者影像,也不表示已完成实验或固定数据库存量。

二、输入层要保留影像条件,也要保留文本证据

脊柱侧弯数据的主体模态是全脊柱数字X光,但“全脊柱”不能只靠检查名称判断。索引需要记录实际进入诊断视野的结构、全脊柱是否完整、骨盆是否可见、是否存在拼接、图像是否可读,以及正位、后前位、侧位、牵引位等实际视图。体位和投照方式必须与原始文件及项目字典一致;不能因为报告写了“全脊柱”就推断图像一定覆盖了从颈椎到骶骨,也不能用部分覆盖的图像形成范围外的阴性结论。ACR–SPR–SSR的儿童脊柱侧弯X光实践参数也将检查规格、文档、影像分析和质量改进作为独立环节。1

原生文件或设备无损数字影像还应尽量保留像素间距、曝光参数、设备和软件信息、原始或处理状态,以及拼接前后的关系。设备差异会改变对比度、噪声、边界清晰度和金属伪影的表现。如果这些变量在入库时全部被抹平,研究者将很难判断模型误差来自病变形态、采集条件还是后处理流程。对于不能取得的字段,应明确编码为未知或不可得,而不是填入一个看似完整的默认值。

结构化文本是第二条证据链。逐例索引至少应区分检查名称、检查所见、诊断结论或印象、主要诊断、细分标签、否定语义和不确定语义。报告中的“疑似”“考虑”“不能除外”“治疗后改变”和明确确诊,不能为了提高阳性率而归并成同一类别。文本标签与影像可见征象也不应混为一谈:报告可以提示病因,但单张X光未必能证明病因;影像可见旋转、曲度或平衡异常,也不等于已经获得病理或手术层面的确证。

去标识化要覆盖文件头和像素本身。DICOM PS3.15明确指出,属性保密配置文件并不保证信息对象已经完成去标识化,像素内烧录文字、私有属性、文件元数据和跨实例引用仍需单独处理;对于相关实例,替换后的UID和引用关系还要保持一致。3 因而,数据字典应同时记录去标识工具及版本、UID重映射规则、像素检查结果、保留字段和风险处置,而不是只保留一个“已脱敏”的布尔值。

三、标签设计应围绕临床任务分层

脊柱侧弯项目往往同时包含筛查、测量、分型、术前评估和术后随访。它们看似都使用全脊柱X光,实际上需要不同的输入输出。筛查任务关注是否存在可疑曲度以及是否需要进一步人工复核;测量任务需要端椎、测量线、Cobb角和图像质量;分型任务需要区分青少年特发性、先天性、神经肌肉性和成人退变性等人群或病因层级;术前任务还可能涉及主弯和次弯、柔韧性、骨盆关系与矢状面参数;术后任务则要单独表达矫形、内固定、融合、断裂、松动或邻近节段变化。

这些标签不宜被压缩成一个病例级的“脊柱侧弯阳性”。病例级标签可以作为检索入口,但椎体级、曲线级、测量级和证据级信息必须分开。一个Study可能有主弯和代偿弯;一张片子可以同时记录冠状面和矢状面参数;一个术后病例可能存在金属遮挡导致部分区域无法评价。若所有信息都被折叠成一个类别,模型即使在表面分类任务上得到较好分数,也很难支持误差定位、随访比较或临床专家复核。

Cobb角不是脱离测量过程的单个数值。数据应保留测量椎或端椎、顶椎、测量线、角度单位、测量方法和版本。对于冠状或矢状平衡,也应保存参数定义、参考点、单位和适用的影像范围;如果图像没有完整骨盆或相应解剖结构,就应标记不适用、无法评价或未知,而不从其他检查推断。Risser征、Sanders骨成熟度和椎体旋转等字段同样需要保留原文、分级体系和证据来源,避免在不同指南或项目版本之间发生静默替换。

阴性与不确定标签尤其需要谨慎。正常或轻微对照对筛查模型很重要,但“没有发现明确侧弯”“报告未提及”和“图像质量不足以评价”是三种不同情形。前两者不能简单互换,第三者更不能作为可靠阴性。对疑似、不能除外和治疗后改变的保留,能够让研究者在训练时设置软标签、排除集或敏感性分析,也能避免把临床语义的不确定性错误地变成模型的绝对答案。

四、算法路线应拆成可解释的任务链

一条可实施的算法路线,通常不是直接从整张X光回归一个角度。第一步是输入和质量控制,识别体位、视图、完整性、拼接状态、曝光或处理异常,以及是否存在植入物和遮挡。第二步是定位脊柱或椎体区域,可采用检测、实例分割或关键点定位,为后续测量提供结构化中间结果。第三步是对椎体进行编号、确定端椎和终板方向,再依据明确的几何定义计算Cobb角。第四步是把测量结果与曲线方向、严重度、平衡参数、骨成熟和术前术后状态关联起来。第五步才是围绕报告或研究问题进行分类、检索或结构化输出。

一项系统综述和Meta分析纳入了自动Cobb角估计研究,并报告了较高的研究间异质性;其结果提示,基于分割的方法在该汇总数据中可能优于仅依赖标志点的方法,但这类汇总结果不能直接转化为跨设备、跨中心的固定阈值。4 这对数据建设的启示是:应保留分割、关键点、端椎选择和测量线等中间对象,让研究者能够区分“模型没有找到脊柱”“椎体编号错误”“端椎选择不同”还是“几何计算出现偏差”。

术后数据还需要专门的分支。金属内固定会改变局部纹理,可能遮挡椎体或制造高对比边缘;如果训练集只有术前清晰影像,模型在术后场景中失败并不意外。2026年一项多机构研究使用多个机构和国家的脊柱侧弯X光,分别评估了脊柱对齐测量和植入物检测,并指出冠状面术前测量的外部验证范围较广,而矢状面和术后测量的外部验证站点仍然有限。7 因此,数据规格应把术前、术后、植入物有无、金属遮挡和可评价范围作为显式分层,而不是把它们混成一个总测试集。

算法输出也要与医生最终值分开存储。自动测量可以作为派生结果、候选标注或复核提示,但不能覆盖医生原始测量和报告语义。研究团队需要同时保留模型版本、输入预处理、置信度或拒答状态、人工修改记录和最终采用的参考标准。这样做既便于误差分析,也避免在数据迭代时把一次模型输出误写成新的金标准。

五、专家标注的核心是规则、盲审和争议留痕

标注主体应与任务风险匹配。椎体识别、端椎选择、测量线和曲线方向需要经过相应培训的影像或脊柱专业人员;报告语义结构化需要能够理解否定、不确定和治疗后改变的专业审核;病因、手术状态和随访信息则必须以来源记录为依据。数据工程人员可以执行字段校验和一致性检查,但不应在缺少证据时替专家补写诊断或病因。

正式批量标注之前,先使用小批样本验证标签字典。试标应暴露这些问题:全脊柱边界如何定义,拼接影像是否整体测量,牵引位与站立位是否分开,端椎存在多个合理选择时如何记录,术后金属遮挡如何编码,报告中的模糊表达是否需要单独类别。只有这些规则在试标中得到讨论和冻结,后续的一致性统计才有意义。

复核流程至少应保留初标、独立复核、分歧字段、争议依据、裁决结果和版本号。对于关键测量,可以采用盲法或交叉审核,避免复核者被前一轮结果锚定;对于报告语义,应同时查看影像和授权范围内的原始报告,但不能把后续病理或手术结论倒灌到原始X光标签。若某个字段无法可靠判断,记录无法评价或未知往往比强行给出类别更有研究价值。

一项采用多设备的全脊柱X光研究,把专家独立测量、椎体编号一致、端椎选择和曲线方向作为参考标准建立的不同环节,并在质量筛查后再进行模型比较。5 这说明“专家标签”本身也需要质量定义。专家之间的分歧不是应被静默删除的噪声,而是能够帮助研究者识别边界模糊、测量体系差异和任务难度的质量信号。对于连续角度,可以报告误差分布和一致性;对于分类型标签,应按类别、中心、设备和图像质量分层,而不是只公布一个总准确率。

六、从来源治理到外部验证,质量要分层验收

质量检查首先从来源开始。项目应能说明数据来自何种合规路径、允许什么研究用途、是否允许衍生标注、授权范围是否覆盖文本和影像,以及撤回或更正时如何影响已交付数据。来源信息不应在脱敏后完全消失,因为中心、设备、年份和检查条件是偏差分析所必需的元数据。公开研究数据、内部派生数据和新采集数据也要分别标记,避免把不同许可和不同证据强度的对象混为一谈。

其次是对象完整性和图文配对。全量影像需要通过可解码、层级、方向、像素间距、视图和范围检查;报告和结构化标签要逐例关联;同一患者的全部时间点和模态应在划分前成组。重复导出、重复哈希、同一Study的多视图重复计数、错误报告关联和公开数据混入,属于会直接改变研究结论的缺陷。质量报告应列出送检、通过、整改、排除和待核验对象,而不只给出一个合格百分比。

再者是分布与偏差。年龄、性别、病因、严重度、术前术后、正常或轻微对照、体位、视图、设备、软件版本、检查年份和中心都可能成为模型的捷径。若重度病例集中在某一设备,模型可能学习设备纹理而不是曲度;若术后病例只来自少数中心,植入物检测的结果就不应外推到其他场景;若测试集包含训练患者的随访片,模型性能会被高估。研究划分必须以患者或Study关系为基础,并在中心、设备和时间上设置独立检验。

一项儿童脊柱X光研究明确区分了患者、Study和图像,在训练与验证中避免患者重叠,并使用之后的新患者形成测试集;同时,它排除了不完整、遮挡或含脊柱内固定的影像。6 这样的纳排条件有助于形成清晰的任务基线,但也意味着结果只适用于被纳入的影像范围。对于真实交付,不能把“可标注质量”默认为全量数据属性,而要把低质量、术后金属、部分覆盖和不可评价情况作为真实分布的一部分单独报告。

脊柱侧弯X光质量验收闸门技术示意查看完整技术图(可放大)

图2:脊柱侧弯X光质量验收闸门技术示意。图示强调来源隐私、对象分布、标签复核和独立验证的连续关系,不含真实患者影像,也不表示任一项目已完成验收或达到特定性能。

七、验收不只是抽几张图,而是冻结可复核的交付边界

面向研发团队的验收可以按质量档次组织,但每一档都要有可验证的定义。基础档关注原始影像、正式报告、可读性、去标识和逐例配对;标准档增加设备、协议、人群元数据和结构化标签;临床研究档增加详细所见、主要诊断、病史与证据来源;完整档关注序列、视图、时间点和纵向关系;多模态档再增加手术、随访、MRI或其他临床对象的关联。若规格把侧弯、平衡异常、术前评估、术后随访和正常或轻微对照列为不同核心条目,验收还应逐条检查其实际证据、分层和可评价范围,而不能以一个“阳性率”或总样本数替代。档次的价值在于说明研究者得到了什么,不在于给同一对象重复计数或用模糊词汇抬高质量等级。

交付清单应以机器可读manifest为核心,列出批次和版本、相对路径、对象ID、文件大小、格式、原始或派生状态、中心和设备字段、去标识与质检工具版本,以及用于完整性复算的摘要。摘要可以证明文件比特未被意外改变,但不能证明授权有效、标签正确或临床结论成立。每个异常还应有原因、处置状态、责任角色、复验日期和影响对象;整改前的对象不能被计入最终合格量。

抽检要覆盖中心、协议、部位、病种、质量档和术前术后状态。独立质量基准样本应与常规交付清单保持患者级隔离,由指定专业人员直接阅片或阅图;抽检结果需要记录使用的字典版本、测量方法和审核意见。对图文错配、直接身份泄漏、来源授权无法核验、伪造或静默替换文件等关键缺陷,应设置批次阻断,而不是以总体通过率掩盖风险。

版本控制是长期研究可复现性的基础。任何标签字典、纳排规则、阳性状态、协议解释、测量方法或计数口径的改变,都应记录修订前后定义、影响字段、受影响批次和回滚方式。已经交付的文件不能被静默覆盖;更正、撤回或删除应形成新的版本或差分清单,并评估训练集、独立测试集和派生标签受到的影响。这样,算法团队才能回答“模型使用的究竟是哪一版数据”,质量团队也才能复现一次验收决定。

八、把数据服务能力放在可验证的边界内

对医疗AI数据基础设施服务商而言,真正可交付的价值不是把需求规格改写成库存宣传,而是把临床问题转成数据字典、标注规范、质量记录和可复核的批次流程。朗慧科技公开定位聚焦AI数据基础设施和流程服务,覆盖采集、处理、标注、质检与数据交付;在医疗项目中,这种定位适合用于需求梳理、样例评估、字段设计、标注协作和质量门控的项目化支持,但不应被解释为已经拥有某个固定规模的现成数据集、某项临床模型或某种监管结论。

项目启动时,研发方应先明确研究问题和最小可用输入,再由数据团队与专业审核人员共同冻结Study边界、标签字典、证据层级、缺失编码、标注角色和验收规则。执行阶段按批次处理并保留问题闭环;如果试标暴露出端椎选择、术后金属或报告不确定语义的规则歧义,应先修订版本,再回溯受影响对象。交付阶段同步提供数据文件、字段字典、质量报告、争议清单、版本记录和必要的转换日志,而不是只交一批图片。

这种工作方式也让业务逻辑更清楚。需要筛查模型的团队,可能优先要求完整的正常、轻微和不同严重度分布;需要自动测量的团队,更关心关键点、端椎、测量线和像素尺度;需要术后随访的团队,则必须把植入物、遮挡和纵向比较纳入需求;需要跨模态研究的团队,还要验证影像、报告、手术和随访之间的关联证据。相同的“脊柱侧弯X光”主题,并不代表相同的数据产品,采购规模、授权范围、专家配置和交付周期也应以书面项目方案为准。

结语:让每个数字都带着证据和边界

脊柱侧弯X光数据的研发价值,不只来自Cobb角这个结果变量,而来自围绕它建立的证据链:一次Study是否被正确计数,投照与拼接是否可解释,报告的不确定性是否被保留,测量椎和方法是否可复核,术前术后是否分层,标签是否经过独立审核,以及外部验证是否真正隔离了患者、中心和设备。只有这些关系被结构化保留下来,模型的错误才有机会被定位,研究结论才不会被数据组织方式悄悄放大。

自动测量、分割、报告结构化和术后植入物检测都可以成为研究任务,但它们需要不同的标签和验收口径。将研究论文中的表现限定在相应的样本、设备、中心和任务范围内,将公司的能力限定在已核验的项目化数据基础设施边界内,反而能让数据交付更适合长期复用。对医疗AI团队来说,最值得验收的不是一张漂亮的汇总表,而是从原始对象到最终标签的每一步都能被重新检查。

参考来源

  1. ACR–SPR–SSR Practice Parameter for the Performance of Radiography for Scoliosis in Children
  2. DICOM PS3.3 Digital X-Ray Image IOD
  3. DICOM PS3.15 Attribute Confidentiality Profiles
  4. Deep learning in Cobb angle automated measurement on X-rays
  5. Fully Automated Measurement of Cobb Angles in Coronal Plane Spine Radiographs
  6. Deep learning automates Cobb angle measurement compared with multi-expert readers
  7. Deep learning–based automatic measurement of spinal alignment and implant detection in scoliosis radiographs