MEDICAL DATA RESEARCH
胃镜视频数据采购如何验收:从完整检查到可复核证据链
面向医疗AI研发与数据采购团队,拆解胃镜完整检查的计数与原始视频分层,说明报告、病理和随访证据如何关联,并给出标注分歧、去标识、独立抽检和批次验收的可复核路径。
一段胃镜视频为什么不能只按“文件数”验收?因为真正决定它能否用于人工智能研究的,不是视频容器里有多少帧,而是这些帧是否来自一次可解释、可追溯、覆盖范围明确的完整检查;视频中的病变提示是否能与正式报告、取材部位和后续证据稳定关联;而所谓阴性是否真的建立在充分观察和可评价画面之上。若这些问题没有在数据字典和批次流程中先被定义,模型可能学到设备、剪辑习惯或报告模板,而不是胃黏膜征象。
对医疗人工智能研发团队而言,胃镜视频数据采购更接近一个小型临床研究基础设施项目,而不是购买一批通用素材。需求需要同时描述临床任务、模态、解剖覆盖、病种和征象、记录颗粒度、标注主体、证据等级、质量分层、隐私治理和验收方式。本文不讨论任何患者个案,也不把数据服务商的目录或规划规模当成现货证明,而是围绕一类典型的上消化道内镜数据需求,拆解如何把采购语言改写成可执行的研发规格。
先定义临床任务,而不是先定义数量
胃镜数据可能服务于完全不同的模型:完整检查质量评价、解剖部位识别、退镜过程和观察充分性分析、病灶检测、病灶分类、活检位置提示、结构化报告生成,或者影像与病理之间的跨模态研究。每一种任务对应的输入输出不同。若目标是实时病灶检测,输入通常是按时间顺序排列的白光或增强模式视频,输出可以是帧级或片段级的病灶候选、部位和置信度;若目标是报告结构化,输出则应包含检查范围、可视质量、解剖部位、病灶属性、否定语句和不确定语义;若目标是病理关联研究,视频标签只能作为内镜所见,不能越级写成组织学确诊。
因此,数据字典的最小单位应先写清楚。一条记录代表一次完整胃镜检查,还是一个片段、一个关键帧、一个病灶实例?同一次检查中的白光、窄带或其他光学增强、放大、染色以及活检或治疗片段如何建立父子关系?一个患者的多次检查如何用受控的匿名关联键表达纵向顺序?这些不是数据库实现细节,而是研究结论能否被复现的前提。完整检查、部位片段和病灶实例可以同时存在,但必须有明确的层级和去重规则,不能把派生关键帧重新计为一例。
解剖覆盖也要从“胃镜”这一名称下沉到实际可见范围。需求可以包括进镜、食管、胃的不同区域、幽门、可达的十二指肠范围以及退镜观察,但每一例都应记录实际到达范围、盲区、可视质量和检查完成度。只有确实进入诊断视野且画面支持评价的结构,才适合形成阳性、阴性或疾病标签;局部缺失不能被默认为正常。上消化道内镜质量改进工作已把检查过程、观察质量和病变相关指标放在同一质量框架中1,这说明“完整性”应当成为数据字段和验收证据,而不是文章里的形容词。
原始视频、派生片段与元数据要分层保留
适合研究的数据链路,第一层是设备原始导出:原始分辨率、帧率、编码、色彩或增强模式、时间顺序和设备信息都应保留。第二层是可复现的派生对象,例如用于试验的病灶片段、关键帧或缩略版本;它们应记录生成规则、起止时间、来源检查和处理版本,不能替代第一层。第三层是结构化文本和关系索引,包括正式内镜报告、检查所见、诊断印象、否定和不确定语义,以及报告与视频、片段和病灶的匹配关系。
DICOM现行标准定义了多帧内镜视频信息对象,能够承载内镜视频对象的属性和上下文2。这有助于统一对象、检查、序列与时间关系,但“符合某种文件格式”并不自动等于原始性、完整性或临床可用性。实际采购时仍需核对设备导出的原始层级、序列顺序、关键参数、文件哈希和可读取率;非DICOM原始导出也不能因为暂时无法进入某个影像系统,就被剪成关键帧后冒充完整检查。
图1|技术示意:胃镜数据从完整检查、派生片段到报告与证据层的关系;不代表真实患者、实验结果或临床诊断。
一个可操作的交付索引,应至少能回答五个问题:这段数据来自哪一次匿名检查;它覆盖了哪些结构和协议;原始文件与派生对象如何对应;正式报告中的结论和不确定语义是否原样保留;数据经过何种脱敏、转换、质检和版本变更。索引中的相对路径、对象标识、文件大小、摘要、原始/派生状态和工具版本,目的不是增加文档负担,而是让接收方可以从机器可读清单重算数量、发现重复并定位整改对象。
把“病变标签”拆成观察、判断和证据
胃镜任务常见的错误,是把内镜医师的观察、报告中的诊断印象和病理结果压缩成一个“阳性”字段。更稳妥的做法是建立分层标签。第一层记录可直接从视频或图像观察的内容:解剖部位、颜色和表面、大小和形态、边界、出血、狭窄、黏膜破损、血管或增强模式等。第二层记录报告级判断:明确阳性、阴性、不确定、疑似、考虑、不能除外、治疗后改变和无法评价。第三层记录证据来源:影像报告、病理、检验、手术或随访,并保存相应的时间和关联标识。
在疾病和征象覆盖上,可按任务需要组织慢性胃炎、萎缩或肠化生、胃或十二指肠溃疡、胃息肉、早期胃癌或高级别上皮内瘤变、进展期胃癌、食管炎或Barrett食管、食管癌、静脉曲张、上消化道出血、治疗或术后改变以及正常完整检查等组别。重要的不是把病种清单写得越长越好,而是为每一组规定所需的部位、大小、形态、增强模式、出血或治疗状态,以及什么证据才能支持更高层级的结论。例如,内镜所见可以标记“疑似早期胃癌”,组织学类型仍需病理;内镜可记录腔内肿块和狭窄,不能仅凭视频完成分期;术后瘢痕和残留或复发也不应被强行归并。
阴性样本必须有资格条件。只有到达约定范围、观察充分、画面可评价且没有明确病变的完整检查,才适合作为正常对照;不完整、污染严重、反光或焦点不足的检查应进入质量受限或无法评价组。疑似与确诊分开保留,避免模型在训练阶段把临床不确定性误学成确定标签。跨模态关联同样要分清粒度:检查级关联不能冒充病灶级或像素级标注,病理报告的存在也不代表每一帧都获得了病理证据。
多中心、设备和时间分布决定外推边界
大样本并不自动带来代表性。胃镜视频中的设备厂商、型号、软件版本、光源、增强模式、操作者习惯、清洁程度、患者构成和报告模板,都可能成为模型的隐性线索。数据设计应按中心、年份、人群、设备和协议统计分布,并记录未知字段比例。若项目以优质大型机构为主体,也要明确这会怎样影响对基层场景、不同设备和不同操作风格的外推,而不能把来源集中度当成“高质量”的同义词。
模型开发与评价应在患者或检查层面划分,不能把同一患者的不同时间点、同一视频的相邻帧或同一病灶的派生关键帧随机分散到训练和测试集。纵向数据尤其要提前冻结时间顺序和划分单位。对视频模型,还需要考虑从完整视频截取片段时产生的选择偏差:病灶最清晰的数秒可能适合验证局部识别,却不能代表完整检查中的漏检、遮挡和时间稳定性。
2026年一项胃镜人工智能双中心研究采用两个中心的数据,并将完整视频中清晰显示病灶的短片段与代表性静态图分别构成不同数据集,同时对病理确诊肿瘤和部分非肿瘤病变设置了不同参考标准4。这类设计提醒采购方:全长视频、裁剪片段和单帧图片可以互相支撑,但不能互相替代。另一项跨卫生系统外部验证研究使用来自视频的去标识静态图,与专科和非专科内镜医师进行比较,结果显示AI并非在所有类别都优于医生,高级别病变亚组的差异也不能直接推广到其他任务5。因此,验收应要求冻结的独立评估集,并在报告中说明样本来源、纳排规则、参考标准和适用范围。
专家标注的核心是分歧可追溯
胃镜视频的专家工作不应被简化为“看过一遍并给出标签”。项目启动前需先用小批样本试标,明确解剖部位命名、病灶边界、时间段起止、质量分级、阴性资格和不确定语义。对不同成像模式,需规定是分别标注后关联,还是只在同一病灶的层级上合并。对模糊、黏液、反光、器械遮挡和治疗后改变,应预先定义无法评价或需复核的条件。
可以采用初标、独立复核和分歧仲裁的角色分离,但具体资质、抽样比例和一致性指标应由临床任务、试标结果和书面方案确定,而不是套用一个公司统一阈值。复核者是否能看到前一位判断、仲裁者能否修改原始标注、原始判断是否保留,都要进入审计记录。对于报告级标签,可统计类别一致性;对于时间区间或病灶区域,则需在方案中说明匹配规则、容差和评价单位。任何自动预标、模型草稿或关键帧选择都只能作为待审核对象,不能直接进入金标准。
这套分工也能帮助算法团队区分“标签不一致”和“临床本来就存在不确定性”。如果疑似、不能除外和病理确诊被压成二分类,模型的表面指标可能变得好看,但研究问题已经被改写。更合理的输出可以是多任务结构:一条支路判断画面和检查质量,一条支路识别解剖部位,一条支路检测病灶候选,另一条支路预测报告属性;对病理或纵向结局则单独建模,并把证据来源作为输入条件或分层评价因素。
验收要从“能打开”推进到“可重算”
质量验收最好分成数据准入、文件完整性、临床语义、专家抽检和独立评价五层。准入层核对授权范围、伦理或研究基础、去标识方案和处理角色;文件层核对原始性、层级、顺序、编码、解码、哈希和重复;语义层核对报告与视频是否逐例稳定对应,否定与不确定语义是否被保留;专家层按中心、协议、部位、病种和质量档分层抽检;独立评价层则使用不进入常规交付清单的冻结样本,直接阅片或阅视频,避免供应方只展示最容易通过的样例。
可将交付分成由低到高的质量档:基础档包含可读取的原始视频和正式报告;标准档增加结构化报告、设备与协议元数据和核心标签;临床档增加所见、主要诊断、亚型、主诉或病史等来源明确的字段;完整档增加完整序列、视图、期相或纵向关联;多模态档再增加病理、检验、治疗或其他模态的关系。每一例最终只按实际达到的一个档次计数,避免用同一例在多个层级重复结算。未做、未知、不适用、阴性和无法评价也应有不同取值。
验收脚本应由接收方实际运行,而不是只看功能清单。至少要验证:多序列是否按一次完整检查去重;原始视频是否全量可读取;设备和协议是否与文件头或导出记录一致;报告、标签和关联对象能否由匿名主键稳定命中;抽检能否发现错配、漏序列和像素内身份信息;整改后能否重新全量检查并保留新旧版本。身份信息泄漏、错患者或错报告关联、授权无法核验、伪造或静默替换文件,都应是阻断批次的关键缺陷,而不是在总体通过率里被平均掉。
图2|技术示意:从准入治理、文件核验到专家复核和独立评价的验收链;不表示真实项目已完成或具有临床效果。
文件完整性摘要只能证明比特是否变化,不能证明授权、标注正确或临床结论可靠。版本记录则应说明版本号、日期、修订内容、原因、受影响对象和对既有批次的影响;更正不得静默覆盖旧文件,撤回也要评估已交付数据和派生对象。对于模型研究,TRIPOD+AI强调开发或验证研究应完整、准确、透明地报告数据来源、模型和验证范围,并关注关键亚组与开放科学信息8。把这些信息在数据交接时留下,比在论文投稿阶段再追溯更稳妥。
去标识不是把合规交给一个工具
胃镜视频存在像素内文字、设备叠加信息、检查时间、报告文本和跨模态关联键等多重风险。DICOM保密配置文件要求对受保护属性删除或替换,并关注多个相关对象之间替换值的一致性;标准同时提醒,烧录在像素中的身份信息需要额外清理,不能只检查头部字段3。因此,项目应把头部属性、私有标签、像素叠加、自由文本、文件名和目录结构列入同一套检查,明确哪些匿名键用于稳定关联,谁能够保留映射表,以及映射表如何隔离和审计。
在中国,医疗健康信息属于敏感个人信息,处理应有特定目的、充分必要性和严格保护措施;委托处理、向其他处理者提供以及处理敏感个人信息,还涉及相应的告知、授权和影响评估要求6。涉及人的信息数据开展医学研究时,伦理审查办法要求关注数据来源、研究方案、隐私保护、知情同意或适用的豁免,以及多机构合作中的使用范围和处置责任7。采购方不应把“已经脱敏”当作授权、伦理或商业使用权的同义词,也不应因为数据只用于训练就跳过来源审计。
从数据规格到可实施的业务闭环
一套可落地的胃镜视频项目,可以按“样例评估—小批试标—规范冻结—分批交付—独立抽检—整改复验—版本归档”推进。样例评估阶段先判断目标工具能否读取原始视频、报告和派生对象;试标阶段暴露病种边界、标签歧义和设备差异;冻结后才扩大队列,并把每一批的清单、质量档、核心条目、排除原因和问题回修记录一并交付。订单中约定的数量、子类型、中心分布、质量档和例外口径,应以双方授权代表的书面版本为准,专业指南可以帮助定义术语和适用边界,但不会自动变成合同硬阈值。
算法路线也应与数据层级同步。完整视频可支持时序质量控制、部位识别和病灶检出;关键帧或短片段可支持局部分类,但需说明选择规则;报告文本适合做结构化信息抽取和多模态对齐;病理、检验与随访适合用于证据分层或纵向研究。每种输出都要有独立评价集和明确的参考标准。研究指标可以反映冻结数据上的模型表现,却不等同于真实临床效果,也不能直接替代医生诊疗判断或监管评价。
对于数据服务商,真正可核验的能力应是按项目规格组织采集、处理、标注、质检和交付流程,并能配合样例评估、数据卡和版本记录。目录页面、平台自述或规划规模不能单独证明已有某种胃镜现货、固定专家配置或完成了某个临床项目。采购方应把模态、解剖范围、输出标签、证据关联、脱敏边界、交付格式和验收脚本写入书面规格,再依据样例和记录确认能力是否适配。这样的业务逻辑既减少无效返工,也避免把研究数据包装成未经验证的临床产品。
胃镜视频数据的研发价值,最终不在于堆积更多文件,而在于让每一例都能回答“看到了什么、依据是什么、如何关联、能否复核、适用到哪里”。从一次完整检查开始计数,保留原始时间轴和派生关系,分开观察与诊断证据,按患者和中心防止泄漏,使用专家分歧记录和独立样本完成验收,才能把采购交付转化为可复现的模型研究基础。对于医疗AI团队而言,这种证据链比单一准确率更能决定数据是否值得进入下一轮开发。
参考来源
- Performance Measures for Upper Gastrointestinal Endoscopy: a ESGE Quality Improvement Initiative – Update 2025
- DICOM PS3.3 2026d, A.32.5 Video Endoscopic Image IOD
- DICOM PS3.15 2026d, Basic Application Level Confidentiality Profile
- Lee YH et al. Artificial intelligence assistance improves endoscopist accuracy for gastric cancer dysplasia and intestinal metaplasia. Scientific Reports, 2026
- Quek SXZ et al. Comparing artificial intelligence to humans for endoscopic diagnosis of gastric neoplasia: an external validation study
- 中华人民共和国个人信息保护法
- 涉及人的生命科学和医学研究伦理审查办法
- Collins GS et al. TRIPOD+AI statement. BMJ, 2024

