跳至正文
朗慧科技

MEDICAL DATA RESEARCH

皮肤镜病变数据采购,如何从“一张图”变成可验收的病灶级证据链

面向医疗AI研发和数据采购,本文拆解皮肤镜数据的一病灶一次检查计数、原始影像与模态关联、病理证据绑定、专家复核、去标识、训练划分和可重算验收,帮助项目在样例评估和独立验证前冻结可追溯规则。

临床文本与纵向多模态AI辅助整理 · 研发交流

皮肤镜人工智能项目最容易被低估的技术问题,不是选择哪一种视觉网络,而是先回答“这一条数据究竟代表什么”。同一病灶可以有偏振和非偏振图像、接触和非接触视图,也可能在治疗前后或随访中重复出现。如果每张图都被当成一个独立样本,数量会被多视角放大,训练集与测试集还可能悄然共享同一病灶。相反,如果把病理结论直接复制到患者的其他皮损,模型学到的就不是影像与证据之间的关系,而是错误标签。

因此,面向皮肤病变的训练、评测或研究数据,起点应当是一个可复核的计数单位:一个病灶在一次皮肤镜检查中的对象,以及围绕该对象组织的原始影像、定位信息、报告语义和可取得的临床证据。这个定义既服务于模型开发,也服务于采购验收。它使交付数量、标签含义、文件完整性和质量整改落在同一条数据血缘上,而不是分别由几张表格或一个汇总数字解释。

本文围绕这一类数据建设需求,讨论皮肤镜图像、临床定位图、结构化报告、病理或随访依据如何分层组织,哪些内容适合交给算法,哪些内容必须由皮肤科或病理专家确认,以及如何用独立验证判断数据能否支持目标研究。文中只讨论脱敏后的技术设计,不涉及具体客户、来源机构、合同价格或未核验的数据库存量。

先固定样本单位,再决定“要收多少图”

皮肤镜数据的第一层设计是对象模型。建议在数据字典中把匿名患者、病灶实例、一次检查、图像文件、报告和标本分别建成实体,再用稳定的关联键表达它们之间的关系。一个病灶的一次检查可以拥有多张原始图像,但这些图像不应被拆成多个计数对象。同一患者的多个病灶也必须有各自的病灶ID、部位和定位证据,不能只保留一个患者级阳性标签。

这个区别对去重和划分尤其重要。重复导出、不同压缩格式、拼图或手机截图可能看起来是新文件,却没有产生新的临床观察。项目需要在文件层和对象层同时去重:文件层核对大小、格式、哈希和层级关系;对象层核对检查日期的受控表示、病灶ID、视图、序列以及来源记录。多视角的价值在于覆盖同一病灶的成像信息,不在于把一个病灶计成多个样本。

皮肤镜本身也是一个需要保留上下文的医学影像对象。DICOM现行的Dermoscopic Photography Image IOD明确面向由专用皮肤镜、相机连接式或智能设备连接式皮肤镜生成的图像。1 这意味着“皮肤镜图像”不应被简化为一张经过重新截图的普通照片。原始文件、采集设备、软件版本、偏振模式、接触方式、浸润液、放大倍率、色彩和视图等信息,决定了后续模型面对的实际域。

临床全景或定位图在可合法取得时应承担“这张局部图对应哪个病灶”的职责,而不是被混入皮肤镜图像后再让模型自行猜测。对于掌跖、甲、黏膜或毛发区域,部位本身可能改变征象解释方式,应单列术语和质量状态。若局部图覆盖不完整,只能说明该范围内“无法评价”或“部分覆盖”,不能由图像缺失推导阴性结论。

皮肤镜数据从样本单位到证据链的技术示意查看完整技术图(可放大)

图1:从一次皮肤镜检查到病灶级证据链的技术示意,不表示真实患者、既有库存或临床诊断结论。

输入模态要保留原始性,也要说明关联强度

一个可用于研发的数据包通常至少包含皮肤镜原始影像、病灶定位信息和结构化文本。根据研究问题,还可以关联临床照片、病理报告、病理图像、治疗记录和随访观察。但“存在多个文件”不等于“已经完成多模态配对”。每条关系都需要说明它是患者级、检查级、病灶级还是像素级;没有取材证据的病灶,不能因为患者另一个病灶有病理结果,就获得病理确诊标签。

现有研究已经说明,多模态设计的价值与难点同时存在。NEJM AI发表的MIDAS研究前瞻性纳入796名患者、1290个独特病灶和3830张图像,配对了皮肤镜和临床照片,并覆盖恶性、良性和炎症性病变;研究还观察到,模型在真实病例上的表现低于既往发表的指标,且皮肤镜图像相对临床照片具有更高的恶性病变敏感度。2 对数据建设者而言,这一结果不应被解读为某个模型的固定性能,而应转化为更具体的要求:同一病灶的图像类型、距离、视角和来源必须可追溯,评测要区分输入模态,不能用最理想的图像条件代表所有应用场景。

报告文本需要保留检查所见、诊断印象、主要诊断、细分标签、否定表达和不确定表达。结构化字段可以便于统计和建模,但不应覆盖原始报告语义。比如“考虑”“疑似”“不能除外”“治疗后改变”和“病理证实”属于不同证据等级;把它们统一编码成“阳性”会让模型无法学习临床工作中的不确定性,也会使验收人员无法解释标签来源。

病理、治疗与随访字段要采用证据优先的关联逻辑。病理结果应绑定具体标本和取材日期,并进一步核对标本与病灶的对应关系。治疗前后图像要保留时间顺序以及治疗状态;随访记录要区分复发、进展或转移、死亡、长期无事件和失访。对于未检测、不可得、未知和明确阴性,应使用不同状态,避免将“没有记录”伪装成“没有发生”。

一个中国人群黑色素瘤多模态队列的建设研究展示了这种思路的实际复杂度:研究把临床、原始影像、数字病理、分子检测和随访组织成多个数据模块,并使用患者级索引和质量规则连接异构对象。3 这种专病队列不等于任何皮肤镜采购项目的现货证明,但它提醒我们,真正可复用的多模态数据需要数据元定义、关系键、来源证据和缺失状态一起交付。

病种标签不是一列“阳性/阴性”

皮肤病变任务通常同时包含分类、征象描述、病灶定位、风险分层和纵向变化。需求中可以覆盖黑色素瘤、基底细胞癌、鳞状细胞癌及原位癌,也可以纳入良性黑素细胞痣、发育不良痣、脂溢性角化病、皮肤纤维瘤、血管性病变、炎症性皮肤病和特殊部位病变。它们的临床用途不同,证据要求也不同。恶性或亚型标签往往需要病理支持;可见的色素、结构、血管、鳞屑或溃疡等征象则可以作为独立的观察层。

更稳妥的做法是建立分层标签。第一层记录图像是否可读、目标病灶是否完整进入视野以及是否存在遮挡或污染。第二层记录可直接观察的形态和结构,包括颜色、对称性、网络、点球、血管、角化、边界及其他项目约定的术语。第三层记录临床印象和报告结论,并单独保存否定与不确定语义。第四层记录病理或随访等外部证据。不同层之间可以互相校验,但不应在没有证据时互相替代。

阳性、阴性和不确定样本都需要被设计。良性痣、非肿瘤性炎症、正常或无恶性对照可以帮助评估模型是否把常见背景错误当作恶性征象。疑似和考虑病例则能暴露模型在临界状态下的行为。对于治疗后改变,不宜直接与治疗前原发病灶混为同一静态类别,而应保留治疗状态、时间点和病灶身份,让研究者决定是做分类、变化检测还是随访预测。

病理金标准也不是无条件成立的标签。活检通常只覆盖被取材的病灶,病理诊断的粒度还受到标本质量、取材范围和报告术语影响。若病理报告只支持某一病灶,就不能复制到患者其他未取材皮损;若报告存在边界性或不典型表达,应保留原文并设置独立的争议处理。将影像提示直接写成病理确诊,会让模型评测看似明确,实际却混入标签泄漏。

肤色或皮肤类型是偏差分析的重要维度,但也不应被当作一个无需说明的“人口学真值”。2025年发表于npj Digital Medicine的前瞻性研究比较了Fitzpatrick类型、Pantone和Monk Skin Tone等人工评估,并在部分非病灶部位使用色度计测量;研究同时记录了不同成像条件下的图像,并评估了评估者之间的一致性。4 因此,数据字典应保存标签方法、评估者、部位、成像条件和缺失原因,避免把不同定义下的皮肤类型简单拼接成一个数值列。模型报告也应展示不同人群和部位的样本量,而不是只报告总体指标。

专家标注要解决的是“可解释的分歧”

皮肤镜标签不能只依赖操作员培训材料。一个可实施的流程可以把工作分成初标、独立复核、专家裁决和质检抽查。初标人员根据冻结后的指南记录可见征象、图像质量和报告字段;皮肤科专家复核病灶边界、形态术语、临床印象和不确定状态;涉及病理绑定的对象,由具备相应专业能力的人员核对标本和诊断依据;争议病例保留不同意见、证据和最终裁决。

标注协议应先通过小批试标检验,而不是直接在大批数据上边做边改。试标要暴露至少四类问题:同一术语是否被不同人员理解为不同结构,病灶边界是否能在多视角间保持一致,报告中的否定或不确定句是否被误转成阳性,以及病理标本是否能稳定回连到影像病灶。若指南在试标后发生修改,需要记录版本号、受影响字段、已完成批次和是否需要回溯重标。

一致性不应被压缩成一个公司统一的“准确率”。分类、边界框、形态征象和病理配对对应不同的误差结构,适用的统计方法也不同。项目可以按任务选择类别一致性、边界重叠、字段完整性、关系错配率或争议升级比例,并同时保留原始分歧。对于罕见病变,低频并不自动表示标注错误,反而需要查看来源、证据和独立抽检设计。

外部研究支持把专家和证据分开记录。前瞻性多中心皮肤镜研究在八家大学医院采集了临床上疑似黑色素瘤的病灶,包含不同硬件配置,并以病理诊断作为参考标准;研究记录了患者年龄、Fitzpatrick皮肤类型、部位和病灶直径等元数据。5 该设计的启示不是要求所有项目复刻同样规模,而是要求把中心、设备、采集条件和参考标准写进数据卡,只有这样,后续的性能差异才有可能被解释。

算法路线应围绕对象关系,而不是围绕单张图的分数

如果任务是病灶级分类,建议把同一检查下的多视角图像先作为一个集合处理,再输出病灶级预测。算法可以使用共享的图像编码器提取每个视图特征,再用注意力或质量加权聚合;权重应考虑视野完整性、清晰度、偏振模式和遮挡,而不是默认每个视图等价。模型输出也可以同时保留视图级证据和病灶级结论,便于专家查看哪些输入真正参与了判断。

对于图像与文本融合,可以让视觉编码器处理皮肤镜图像,让文本编码器处理报告或有限的临床背景,再通过中间层融合或后期决策融合表达模态关系。缺失模态必须显式编码,不能用一段模板文本假装存在报告。一个只有皮肤镜图像的样本与一个同时拥有临床照片、病理和随访的样本,其可支持的研究问题不同,训练与评测时也应按模态可用性分层。

形态描述和疾病分类适合采用多任务或层级标签路线,但这只是研发建议,不是对某个模型效果的承诺。模型可以先学习图像质量和病灶区域,再学习结构征象,最后在有足够证据时学习疾病标签。对少见病种,可以评估度量学习、参数高效微调或分层采样;对不确定和不可评价样本,应设计拒识或转交规则,而不是强迫模型在每一例上给出确定诊断。任何解释图都只能说明模型关联到哪些像素,不能自动证明临床因果。

最重要的算法防线是划分。患者、病灶、检查和纵向图像的拆分规则要在训练前冻结。同一病灶的偏振与非偏振图像不能分到不同集合;同一患者不同时间点的近似图像也应按项目目标决定是否放在同一集合。病理报告文本、文件名、设备序列号和时间字段还可能携带标签或中心信息,需要检查是否形成隐性捷径。若模型在内部随机划分上表现很好,却在新设备或新中心下降,问题通常不在阈值选择,而在数据分布和泄漏控制。

此前的皮肤镜AI研究已经反复提示“排行榜分数”与真实病例表现之间存在距离。一个前瞻性外部验证研究使用预先确定的阈值,并在真实临床样本中盲于参考标准计算结果;另一项前瞻性研究也在新采集的病灶上比较算法与皮肤科医生。5 因此,数据交付不应只提供随机划分后的训练表,而应提供冻结的测试清单、来源分层、标签版本和独立验证规则。

质量门控要同时看来源、图像、语义和分布

脱敏是数据治理的一部分,不是质量验收的全部。DICOM官方保密配置明确说明,清除属性并不保证整个信息对象已经完成去标识;像素中烧录的身份文字、图形叠加、私有属性、UID引用和文件前导区都可能带来残留风险。7 在皮肤镜项目中,还要考虑临床照片背景、定位图、附带报告和自由文本的组合识别风险。验收材料应说明使用的工具与版本、保留或替换的字段、关联键是否仍然稳定,以及像素和头信息分别如何检查。

图像质量应拆成可执行的项目:文件是否可解码,原始分辨率是否保留,病灶是否完整进入视野,是否存在严重反光、模糊、压缩、遮挡、毛发或污染,偏振与接触方式是否与元数据一致。缺陷不能只用一个总分表示。对于某些研究,轻微反光可能仍可用于质量鲁棒性分析;对于要求精确观察结构的任务,同样的反光可能导致无法评价。质量档位要与目标任务绑定,并对纳入、整改、排除和待核验给出理由。

分布检查要从总量下沉到对象。需要统计不同病变组、阳性状态、解剖部位、肤色或皮肤类型、年龄段、性别、设备、软件、年份和中心的覆盖,同时列出未知比例。单一来源或单一设备高度集中,会限制外部泛化;特殊部位的数量不足,则不能把总体表现解释为对该部位有效。若某个少见类别无法达到预设范围,应如实记录并调整任务边界,而不是通过模糊标签或重复文件补足数量。

独立抽检应尽量直接阅图、阅报告并核对关联,而不是只检查结构化表格。抽检清单要按中心、设备、部位、病种、阳性状态和质量档分层;抽检人员应能看到原始证据、标签来源和版本记录。错患者、错病灶、错报告、身份泄漏、伪造或静默替换文件属于阻断性问题。一般字段缺失也应有整改路径,不能因为汇总数量已经满足就跳过复验。

皮肤镜数据从来源治理、专家标注到独立验证的质量门控示意查看完整技术图(可放大)

图2:训练前质量门控与独立验证的技术示意,不表示实验完成、性能曲线或临床诊断结果。

验收应把研究可用性写成可重算的交付物

一个可复核的交付包不应只有影像文件。至少应包含逐例索引、字段字典、文件清单、相对路径、对象级主键、原始或派生状态、设备和协议元数据、报告关联、病理或随访证据、分布统计、问题清单、整改复验记录和版本说明。统计结果应能由逐例索引重算,不能只交一张无法回溯的汇总表。对于哈希,需明确它证明的是比特完整性,不等于证明授权、标签正确或临床适用。

验收逻辑可以按四个层次设计。第一层是可读性和完整性,检查原始文件是否可解析、对象是否齐全、关键元数据是否明确。第二层是语义和关系,核对图像、报告、病灶、标本、治疗和随访是否逐例配对,否定和不确定语义是否被保留。第三层是分布和独立性,核对病种、人群、部位、设备、中心及训练测试划分。第四层是风险和版本,检查脱敏、重复、公开数据混入、授权边界、整改和撤回影响。不同层次不能用同一个“通过率”替代。

采购量和结算数量也应服从对象模型。若按一病灶一次检查计数,多视角和多期相可以完整交付但不重复计数;若按质量档分层,低档和高档应按照最终实际达到的档位记录,不能用同一例在多个档位重复计算。具体数量、样本比例、中心范围、验收抽样和费用必须由项目书面确认,公开技术文章只讨论如何避免口径冲突,不把需求目标表述成既有库存或已完成交付。

先做样例评估和小批试交,通常比直接扩大规模更能发现真实成本。试交阶段要观察导入、解析、图文关联、专家阅图、争议处理、导出和训练端读取是否闭环,并在扩大范围前冻结字段字典和版本规则。若后续修改病种、协议、比例或标签定义,应该形成新版本或增量包,记录受影响的对象和对既有模型评测的影响,而不是静默覆盖旧文件。

能力适配要与项目事实分开

从公开核验的公司定位看,朗慧科技被定位为AI数据基础设施与流程服务商,自研LangData覆盖采集、处理、标注、质检和数据交付;医疗栏目提供按部位、模态和任务组织的数据目录与项目化沟通入口。这样的能力适合承接需求拆解、字段字典、样例评估、标注流程、质检记录和版本化交付设计,但不等于对任何具体皮肤镜数据规模、专家配置、来源授权或临床效果作出保证。

对项目方而言,最有价值的合作边界是把“需求”“已核验能力”和“建议研发路线”分开写。需求可以规定病灶级计数、原始影像、报告语义、病理边界、质量档和独立抽检;能力需要通过样例、工具链、人员资质和书面交付方案逐项核对;研发路线则应在数据真正可用后再决定模型、损失函数、融合方式和验证场景。三者混为一谈,既会夸大数据现状,也会让验收失去可操作性。

对医疗AI研发和数据采购读者来说,皮肤镜数据的价值不只在于图像数量。它更取决于每张图能否回到正确的病灶、每个标签能否指出证据来源、每个缺失能否被诚实表达、每个结果能否在新的中心和设备上被独立核对。当这些关系被写进对象模型、标注指南、质量门控和版本记录,数据才从“可下载的图片集合”变成可以支持研究复现和模型迭代的证据链。

本文不构成患者个体诊断、治疗建议或医疗器械性能承诺。具体数据来源、授权、样本范围、专家配置、质量档位、验收阈值和交付状态,应以项目书面确认及适用的伦理、隐私和数据安全要求为准。

参考来源

  1. DICOM PS3.3 2026d: Dermoscopic Photography Image IOD
  2. Multimodal Image Dataset for AI-Based Skin Cancer (MIDAS) Benchmarking
  3. A multimodal disease-specific cohort for melanoma research: Construction, governance, and preliminary report
  4. Evaluating skin tone scales for dermatologic dataset labeling: a prospective-comparative study
  5. Prospective multicenter study using artificial intelligence to improve dermoscopic melanoma diagnosis in patient care
  6. Prospective validation of dermoscopy-based open-source artificial intelligence for melanoma diagnosis (PROVE-AI study)
  7. DICOM PS3.15 2026d: Attribute Confidentiality Profiles