跳至正文
朗慧科技

MEDICAL DATA RESEARCH

胆胰管镜视频数据建设:把完整检查、证据链与跨模态验收写进数据字典

面向医疗AI研发与数据采购团队,拆解胆胰管镜完整检查主键、直视视频与透视分模态、镜下征象与病理证据分层、专家复核、数据泄漏控制及可复核验收闸门。

内镜与手术视频AI辅助整理 · 研发交流

胆胰管镜人工智能真正难的不是把一段视频切成许多帧,而是回答一个更基础的问题:模型看到的某个帧、某个病灶片段和某个“阳性”结论,究竟来自哪一次完整检查、覆盖了哪一段胆道或胰管,又由什么证据支持?如果这些关系没有在数据层面固定,模型可能学到设备纹理、操作顺序或重复导出,而不是病变本身;采购方也难以判断交付的究竟是可研究的数据,还是一批无法复核的媒体文件。

胆胰管镜数据集因此应被视为一个临床证据组织问题,而不只是内窥镜视频标注项目。下文围绕一种可匿名复用的项目需求,讨论如何把临床任务、输入输出、标签主体、证据层级、质量控制和验收逻辑拆开。文中只讨论数据建设和模型研究方法,不对任何患者作出诊断或治疗建议,也不把建设目标表述为既有库存、临床效果或监管批准。

一、先把临床问题写成可验收的任务

胆胰管镜可服务于多类问题:发现胆管或胰管内结石,描述狭窄的部位和范围,区分良性改变与恶性可疑征象,观察吻合口或术后改变,评估支架和引流管状态,记录活检、刷检、碎石等操作片段,以及在完整可见范围内建立正常或无明确腔内病变的对照。它们看似都能用“视频分类”概括,实际上对应不同的输出颗粒度。

若任务是检查级分类,输出可能是一次完整检查的阳性、阴性、不确定或无法评价状态;若任务是病变检测,输出应包括病灶所在的胆管或胰管段、时间片段、帧范围或区域;若任务是征象分析,则需要把不规则狭窄、结节样或乳头状黏膜、异常血管、黏液、脓性分泌物、结石、肉芽和器械相关改变拆成相互独立的字段。若任务涉及取材质量或靶向活检,视频中可见的取材点、操作步骤和标本关联又是另一层对象,不能用一个病种标签替代。

因此,项目启动时至少要冻结四件事。第一,模型是对完整检查、选定片段、单帧还是病灶级对象作出输出。第二,输出是分类、检测、定位、时序分段、报告结构化,还是多任务组合。第三,阴性、疑似、考虑、不能除外、治疗后改变和明确确诊是否分别编码。第四,哪些结论只允许作为镜下观察,哪些结论必须有病理、细胞学、其他影像、检验或随访支持。任务没有这些边界,后续的标注一致性和性能指标就没有稳定含义。

已有研究可以说明这种拆解的必要性。一项2025年发表的三中心研究纳入164次数字胆胰管镜检查,并从检查视频中得到96,020帧静态图像,用于恶性胆道狭窄及若干形态征象的卷积神经网络开发与验证。1 这类工作对算法开发有启发,但不能把帧数量当作独立病例数量,也不能把研究中的实验性能直接外推为临床效果。数据采购应反过来追问:病例或检查的主键是什么,视频如何切片,切片是否共享同一患者,形态征象与最终证据如何对应。

二、以一次完整检查为主键,而不是以文件数计量

胆胰管镜数据的基本计数单位宜定义为一次完整的胆道或胰管内镜检查。一次检查内的多段视频、多种增强模式、多视图、多期相、关键帧和重复导出,均应挂在同一检查主键下,而不能为了满足数量而拆成多例。这个规则同时服务于采购验收和机器学习划分:前者避免重复计数,后者避免相邻帧或同一操作过程跨越训练集与测试集。

完整检查的“完整”不能只表示文件存在。数据字典应记录进入路径、实际到达的胆管或胰管段、是否到达目标结构、是否存在中断、视野是否支持评价,以及视频中是否包含造影、透视、取材、碎石、支架置入或更换等操作。若检查只覆盖了部分结构,标签应明确为部分覆盖或待核验,不能因为某段没有看到病灶就写成整个胆道系统阴性。专业质量文件对胆胰管镜的记录、视觉评估、取材和操作边界提出了专门要求,这也说明内镜视频不能套用静态影像的单张截图逻辑。2

原始文件应与派生文件分层保存。原始导出的完整视频需要尽量保留分辨率、帧率、编码、色彩或增强模式、时间顺序及设备信息;关键帧、剪辑片段和压缩预览可以服务检索与复核,但不应替代约定的原始视频。DICOM标准中的Video Endoscopic Image IOD专门描述多帧内窥镜视频对象,提示视频的帧序、时间属性和对象层级本身就是数据内容的一部分,而不是导出后的附属说明。3

如项目同时需要ERCP透视或其他影像,应把它们作为独立模态交付。直视视频回答的是腔内所见和操作过程,透视影像可能提供充盈缺损、导管形态或器械位置等不同证据;两者可以通过匿名患者级或检查级关联键相连,但不能把“有关联”写成像素级配准、病灶级对应或病理确证。关联字段应说明关系的来源、粒度、可信状态和缺失原因。

以一次完整检查为主键的胆胰管镜数据链路,展示视频、透视、报告、取材和病理证据的分层关系。查看完整技术图(可放大)

图1 胆胰管镜数据的证据链与建模入口。技术示意,不代表真实患者、实际样本、模型训练完成或临床诊断结果。

三、把镜下征象、报告结论和病理证据分成不同标签层

胆胰管镜的标签至少可以分为四层。第一层是直接可见层,包括实际到达部位、黏膜和乳头形态、狭窄范围、结石、黏液、脓性分泌物、异常血管、支架或引流管状态,以及操作和取材发生的时间片段。第二层是检查报告层,包括检查所见、诊断印象、主要诊断和报告中的否定或不确定语义。第三层是外部证据层,包括活检或刷检病理、细胞学、检验、手术记录、其他影像和随访。第四层是研究派生层,例如算法所需的检查级类别、片段级标签、病灶级边界或质量等级。

四层之间应保留映射,但不应相互覆盖。镜下看到不规则狭窄,可以记录为“恶性可疑征象”;如果病理未取得或结果不确定,就不能把它自动写成胆管癌确诊。反过来,病理或随访支持的结论也不应被强行逐帧赋予所有视频画面,尤其当视频只记录了取材附近的一段视野时。对每个结论,数据字典需要写明证据类型、证据日期、关联对象、是否独立复核和是否允许进入主测试集。

疾病和场景的目录可按项目风险分层,而不是追求一个过度宽泛的单标签。常见或关键条目可包括胆管结石、胆管良性狭窄、胆管癌可疑、胰管结石或慢性胰腺炎改变、术后或吻合口改变、支架和引流管相关问题、活检或刷检及治疗操作。高价值少见条目可另列胰管内乳头状黏液性肿瘤可疑、胆管炎或脓性胆汁、正常或无明确腔内病变。每个条目都需要定义部位、形态、操作证据、可见范围和外部确证要求,不能仅以“异常”“阳性”或“占位”作占位标签。

状态编码同样重要。明确阳性、明确阴性、疑似或考虑、不能除外、无法评价、未做、未知、缺失和质量受限不是同一类空值。尤其是“质量受限”不能被当成阴性,因为它表达的是证据不足;“未做”也不能被当成阴性,因为该操作或检查并未发生。保留这些语义,模型研究者才能按不同纳入标准做敏感性分析,项目验收者也才能区分数据缺陷与临床事实。

四、围绕真实输入设计算法路线,而不是先指定网络名称

胆胰管镜任务常同时拥有完整视频、关键帧、结构化报告和跨模态证据,算法路线应由目标输出和数据可靠性决定。对于检查级分类,可以先进行视频质量评估、片段定位和时间池化,再输出不确定性;对于病灶检测,可以把关键帧作为人工复核入口,把完整视频保留给时序模型或后续再抽帧;对于形态征象识别,可采用帧级检测与检查级聚合,但必须明确一条检查内的帧如何汇总,以及多个征象是否允许共存。

视频分解会带来严重的相关性问题。相邻帧通常高度相似,同一检查中的不同视角也可能共享设备伪影和操作节奏。如果按帧随机切分,验证集看起来很大,却可能仍来自训练集中同一检查。更稳妥的做法是先锁定患者或检查级主键,再按患者、检查、中心和时间关系划分训练、验证、测试,并把重复导出、派生关键帧和同次操作片段视为同一关联组。划分规则、随机种子、排除条件和版本都应在模型训练前冻结。

研究中已经出现以患者为单位组织完整胆胰管镜视频、由专家盲法阅片并以随访或取材证据确认最终状态的设计。5 这类设计比“把一段视频当作一张图片”更接近实际临床证据链,但仍需报告中心、设备、病例构成、图像质量和失访处理。数据供应环节可据此把患者级或检查级主键、证据来源和随访状态写进索引,从源头减少后续重建成本。

模型训练还应显式记录输入可用性。某些检查只有白光视频,某些检查有数字增强模式,另一些检查可能有透视或病理关联;缺失模态不应被静默填零,更不能从其他患者拼接。多模态模型应区分“未做”“做了但不可得”“来源未核验”和“真正缺失”,并在训练和评估中报告各模态组合的样本量。若某一模态只存在于少数高风险病例,模型可能把模态可用性误学为疾病线索。

五、专家标注要围绕观察者差异建立工作流

标注主体不是一个抽象的“医学专家”标签,而是需要明确职责和证据权限。初标人员可依据项目字典记录可见部位、片段边界、操作类别和质量状态;具备相应经验的复核者检查解剖覆盖、征象定义、时间范围和证据映射;对病理、细胞学或随访结论,则应由项目规定的专业人员核对来源和语义。标注者在阅片时是否能看到报告、病理或最终结论,也应在方案中说明,否则一致性指标无法解释。

建议先以小批样本做试标,重点暴露三类歧义:狭窄长度和边界如何定义,异常血管或黏膜征象的最低可见条件是什么,取材点能否可靠地与视频位置对应。试标阶段应记录不同标注者的原始判断、分歧原因、复核依据和规范修改,不要直接用仲裁结果覆盖原判断。对于无法可靠对应的视频与病理,保留未知或无法匹配状态往往比强行对齐更有研究价值。

一致性评价应与任务颗粒度匹配。检查级类别可以评估一致率或适合类别变量的统计量;片段起止、病灶定位和区域边界需要另行规定单位和容差;证据匹配则要检查关联键正确性和可追溯性。指标和阈值不宜在试标之前机械指定,因为不同病种、画质和目标结构的难度不同。更重要的是同时保存“标注正确率”之外的质量信息,例如质量受限比例、无法判读比例、证据缺失比例和分歧集中在哪些设备或中心。

六、把偏差与外部验证写成验收项

胆胰管镜数据的偏差来源至少包括中心集中、设备和代际差异、操作者经验、检查目的、阳性率、病种构成、术后状态、图像增强模式以及病理或随访可得性。如果阳性病例主要来自复杂转诊场景,模型可能在研究集上表现良好,却无法代表一般检查人群;如果某种设备只在某一中心使用,模型也可能把设备特征当作病种特征。交付统计因此应按中心、设备、年份、检查类型、部位、阳性状态和质量档分层,而不是只给一个总数量。

独立质量基准可以由项目指定医生直接阅片或阅视频形成,并与常规交付清单保持患者级去重。基准样本需要有冻结版本、纳入排除规则和证据说明,不能在模型调参后反复替换。外部验证应尽量来自未参与规范制定或训练的中心、设备或时间段,且报告实际可用的完整检查数,而不是用重复帧数制造样本规模。若外部验证不足,应明确写成研究限制,不以单次最优分数代表跨中心临床性能。

FDA介绍的IMDRF良好机器学习实践原则强调,医疗AI开发需要考虑数据代表性、独立测试和整个产品生命周期的安全有效性。4 对数据建设而言,这意味着验收不应只检查文件能否打开,还要检查输入是否覆盖目标任务、标签是否有证据、划分是否防止泄漏、测试集是否保持独立,以及后续版本是否能追溯。研究性能属于特定数据和特定设计下的结果,不能直接写成临床获益或诊疗保证。

七、用分层闸门把采购、交付和研究逻辑接起来

一份可执行的验收方案可以分为五个闸门。第一是来源与合规:核对授权范围、处理角色、伦理或其他适用依据、去标识化方案、访问控制和派生数据权限。去标识化不等于匿名化,也不自动产生商业使用权;视频画面中的烧录文字、报告自由文本、文件头私有属性和派生截图应分别检查。

第二是原始性与技术完整性:自动解码视频,检查帧序、时长、分辨率、帧率、编码、色彩或增强模式、时间关系、文件大小、哈希和原始或派生标记。文件损坏、重复导出、关键帧替代完整视频、静默覆盖旧版本,均应进入问题清单。透视和视频应分别验证其模态属性,再验证检查级关联是否稳定。

第三是图文和证据一致性:按匿名检查主键核对正式操作报告、结构化字段、镜下标签、取材记录、病理或细胞学以及其他关联对象。否定句、不确定语义、未做和未知状态不得在结构化过程中被改写。患者级或检查级关联只能表达“同一来源下的关系”,不能冒充病灶级证据。

第四是分层抽检与独立复核:按中心、协议、设备、解剖部位、病种、阳性状态和质量档抽样,由独立医生直接阅片或阅视频;抽检清单、审核版本、问题样本和整改结果需要随批次记录。质量等级可以从基础原始视频与报告,逐步扩展到结构化元数据、详细所见、完整序列或纵向关联、病理和其他模态,但同一例只能按最终实际达到的档次计算,不能跨档重复计数。

第五是阻断项和复验:错患者、错报告、来源授权无法核验、直接身份泄漏、原始视频不可读、关键证据被强行升级、跨批重复或静默替换,均应作为阻断性缺陷。整改后不仅要复核修改文件,还要重新执行全量完整性检查,并按风险重新抽检。这样的逻辑比“总体合格率”更能反映数据是否真的能进入研究流程。

从来源治理到独立验收的胆胰管镜数据质量闸门,展示阻断项、复验和外部验证关系。查看完整技术图(可放大)

图2 从数据入库到独立验收的风险闸门。技术示意,不代表真实患者、实际样本、模型性能或临床效果。

八、项目化交付的业务边界

对数据采购方而言,最有价值的交付不是一张声称“规模很大”的清单,而是可以重算、重读和重做的数据包。每批交付应包含逐例索引、字段字典、文件清单、原始与派生状态、质量分层、分布统计、核心条目清单、哈希或其他完整性摘要、问题与整改记录、证据关联说明和版本变更日志。数量的统计口径、去重主键、缺失处理和例外规则必须在项目文件中书面冻结。

对数据工程与标注服务方,能力表达应保持在可核验范围内:可以围绕研究问题开展需求梳理、标注规范设计、专家复核组织、质量记录和项目化交付协作;但这不等于拥有固定现货、统一准确率、既有临床成果或监管认可。涉及具体数据来源、专家配置、交付周期和授权的事项,应通过样例评估和正式书面确认解决,不应在公开技术文章中用推测替代证据。

对算法团队,交接物应包括冻结后的任务定义、标签映射、输入模态说明、患者或检查级划分、随机种子、样例读取结果、版本信息和已知限制。对临床研究团队,交接物还应说明每个结论的证据来源、时间关系和不能解释的情况。对信息与合规团队,则应保留访问、转换、质检、交付、替换、撤回和删除的审计轨迹。三类材料互相连接,但不能用一个“数据已交付”状态替代它们。

胆胰管镜数据建设的研发价值,最终体现在把临床问题转换成可复用、可验证和可追溯的研究对象:一次完整检查不被重复计数,直视视频不与透视混模态,镜下征象不冒充病理确诊,未知不被强行填成阴性,近重复帧不穿越数据集边界,外部验证不被总帧数掩盖。只有在这些关系被写进数据字典、标注规范和验收脚本之后,模型架构、训练策略和多模态融合才有可解释的输入基础。

本文讨论的是医学人工智能研究数据建设、标注和质量验收,不构成临床诊断、筛查、治疗或医疗器械性能承诺。实际项目仍需依据适用的法律法规、伦理审查、授权范围、信息安全要求和临床研究方案独立判断;研究结果也应在明确的样本、中心、设备、比较基线和外推限制下解读。

参考来源

  1. Artificial intelligence for automatic diagnosis and pleomorphic morphological characterization of malignant biliary strictures using digital cholangioscopy
  2. Quality standards and curriculum for training in cholangio-pancreatoscopy
  3. DICOM PS3.3 2026d: Video Endoscopic Image IOD
  4. Good Machine Learning Practice for Medical Device Development: Guiding Principles
  5. Artificial Intelligence for Digital Cholangioscopy Neoplasia Diagnosis