MEDICAL DATA RESEARCH
多模态医学数据采购:从计数主键到跨中心验证的可复核设计
面向医疗AI研发与数据采购,拆解眼科、超声、病理WSI、内窥镜视频和皮肤镜如何定义不同计数主键,保留原始对象与证据语义,并用专家复核、患者级划分和独立外部验证形成可复核验收。
同一次医学检查,为什么不能简单地用“文件数量”代表一条可用于人工智能研究的数据?眼底照相和OCT需要围绕眼别与扫描协议配对;超声的静态图、动态图和测量依赖操作者形成的采集上下文;一张物理玻片对应的病理全视野切片包含金字塔层级、焦平面和标本关系;内窥镜需要保留完整时间轴、到达范围和操作片段;皮肤镜则要让同一病灶的多视角、全景定位和随访仍能互相指向。如果这些对象都被压成“若干图片加一个阳性字段”,算法得到的可能只是重复导出、缺失背景和无法解释的标签。
本文讨论一种面向研发与数据采购的脱敏技术框架:先把临床任务拆成输入、输出和适用粒度,再为不同模态定义不可混用的计数主键;在原始对象、报告、病理或随访证据之间建立可审计的关联;让标签区分直接观察、证据状态与派生结论;最后用专家复核、患者级划分、分层质检和独立外部验证形成闭环。具体样本规模、中心构成、授权范围、专业审核配置和质量阈值,应由项目书面确认,本文不替代采购订单、伦理文件或临床验证方案。
先把临床问题写成可验收任务
多模态数据的第一步不是选模型,而是写清楚模型要回答哪个临床问题。眼科任务可能是识别糖尿病视网膜病变、黄斑结构改变或青光眼相关视神经损害,也可能是把眼底表型与OCT中的视网膜层、黄斑或视盘结构联系起来。输出至少应包含眼别、视野或扫描协议、检查级状态以及需要时的病灶或结构级标签。左右眼不能在同一字段中混为一个“病例”,同眼的多视野或不同协议也不能自动增加样本数。
超声任务的困难在于图像内容与采集过程不可分离。乳腺、甲状腺、腹部脏器和产前检查的目标不同,标准切面、探头、预设、测量单位、彩色或频谱多普勒以及动态图的解释也不同。数据对象应能表达实际检查了哪些部位、哪些结构未被评价、病灶的侧别与解剖定位,以及静态图和cine是否来自同一次Study。没有显示某个脏器或胎儿结构,不能由模型或标注员补写成“正常”。
病理全切片的任务单位通常从物理玻片开始,而不是把同一张玻片的金字塔层级、重扫、焦平面或格式转换副本当成多个样本。研究者可能需要器官、标本部位、取材方式、染色类型、切片级诊断或区域级肿瘤、炎症和组织结构标签。若研究终点是细胞或区域检测,就必须补充可定位的区域或细胞标注;只有整张切片级语义时,不应宣称已经具备像素级分割金标准。
内窥镜视频的临床任务还包括过程理解。胃镜要知道食管、胃各解剖区、幽门和十二指肠的可达范围与退镜观察是否完整;肠镜要保留肠道准备、最深到达部位和回盲部标志;支气管镜需区分实际到达的支气管级别、分泌物、出血和取材部位;阴道镜或宫颈镜要保存醋酸、碘试验的时间顺序;胆胰管镜还涉及进入路径、造影或透视关联及操作步骤。模型输出可以是病灶检测、时间段定位、检查完成度或采样质量,但这些不是一张关键帧截图能够替代的。
皮肤镜则以病灶为主键候选。黑色素瘤、基底细胞癌、鳞状上皮病变、良性痣和其他皮肤病变,需要保留部位、侧别、病灶追踪标识、偏振方式、倍率或尺度以及临床全景定位。多病灶检查如果没有各自可区分的ID,病灶级模型会把同一次检查中的不同对象错误地拼成一个标签。病理结果和随访可以作为更高层证据,但必须记录时间和来源,不能把它们倒写成每张皮肤镜图像都具有同等确定性。
因此,需求拆解至少要回答六个问题:临床任务是什么,输入模态和协议是什么,输出是分类、检测、分割、时间定位还是质量状态,数据主键是什么,标签由谁在什么粒度上产生,验收怎样证明对象可读、可追溯且没有重复污染。需求本身、企业已核验的服务边界和建议研发路线应分开写;需求中的规模或阈值不能被改写成现货库存、完成项目或临床效果。
图1 不同模态使用不同计数主键,并通过原始对象、证据语义、质量记录和验证划分形成可复核交付;为技术关系示意,不含患者样本,不代表真实交付或临床诊断。
计数主键不是结算细节,而是研究设计
眼科可按眼别检查或同眼同协议的Volume计数;超声宜按一次完整Study计数,同次多切面、多模式、静态图和动态图不拆开;病理可按合格物理玻片对应的完整WSI计数;内窥镜按一次完整Procedure计数,视频片段、帧和增强模式不另算检查;皮肤镜按一次病灶检查计数,同一病灶的多视角和倍率属于同一对象。不同计数域不能直接相加成可比的“病例数”,更不能用导出文件数替代临床对象数。
manifest应把计数主键写成机器可读字段,并同时保留患者级匿名关联、检查或Procedure标识、眼别或侧别、病灶或标本ID、报告ID、采集时间、设备与软件版本、对象状态和文件摘要。去重规则应明确同次检查的多序列、多期相、多视图、多重建、多通道、重复导出和派生副本如何处理。对于纵向数据,还要说明同一匿名对象跨批次如何保持一致,以及一次随访是新检查、同一病灶的新时间点,还是同一文件的重新导出。
这种设计直接影响训练和验收。如果把视频帧逐帧计数,模型可能在训练和测试中看到同一检查的相邻画面;如果把WSI的每个金字塔层当作独立切片,模型会在不同分辨率上重复读取同一组织;如果一双眼只保留一个患者标签,眼别差异和双眼相关性会被掩盖。采购文件里应同时写“交付对象”“去重对象”和“研究划分对象”,三者有时相同,有时需要通过患者级或病灶级关系进一步约束。
原始对象、互操作格式与跨模态关系
原始性不是要求所有数据都采用同一种格式,而是要求交付对象保留足够上下文,让研究者能够重建其采集和解释边界。眼底与OCT需要保留眼别、视野、扫描协议、完整Volume或单线扫描的区别、分辨率和设备参数;超声要保留探头、模式、测量、单位和动态图;内窥镜要保留分辨率、帧率、编码、时间顺序、设备及增强模式;皮肤镜要保留偏振、接触方式、浸润液、倍率和颜色信息。截图、报告PDF、精选帧或二次录屏只能作为派生或预览,不能在需求写着原始对象时替代原始交付。
DICOM全视野显微镜对象把WSI表达为多帧图像,并记录总成像体积的宽、高和深度、帧数、采集时间、压缩状态、焦平面以及图像是否包含玻片标签或烧录身份信息;标准还区分标签、概览、缩略图和体积图像的用途。1 这说明WSI验收不能只检查“能否打开一张缩略图”,还应检查Level-0或等价原始层、金字塔关系、物理尺度、标本和玻片层级、焦平面或通道,以及是否存在像素内标识。
DICOM的Video Endoscopic Image IOD则把内窥镜视频放在通用采集、设备、图像、Cine、多帧和像素等模块的关系中。2 对采购而言,这意味着“视频文件存在”仍不等于过程可研究:需要核对帧是否连续、时间轴是否可解释、设备和检查关系是否稳定、视频是否与关键原图及报告或活检片段关联。若项目使用非DICOM视频,也应把编码、帧率、时间戳、音视频是否存在、缺帧和转码版本写进对象字典,而不是默认为所有视频具有相同语义。
跨模态关联也要分层。患者级关联表示同一匿名对象在授权范围内存在眼底、OCT、报告或随访;检查级关联表示这些材料属于同一次就诊或检查;病灶、标本或时间点关联则需要更细的ID、时间和定位依据。它们都不自动等于像素级配准。只有在确有空间坐标、同一时相或明确的配准流程时,才能进一步构造体素、区域或帧级对齐。报告中的“疑似”“考虑”“不能除外”“术后改变”和病理确证应分别保存,不能把语义不确定性抹平。
让标签保留证据位置和不确定性
建议把标签分为三层。第一层是直接观察:眼别、解剖部位、可见范围、病灶位置、黏膜或组织形态、超声测量、视频中的时间段、WSI中的区域和皮肤镜的病灶属性。第二层是证据语义:正式报告的所见与结论、病理或细胞学、微生物、手术、治疗后状态和随访。第三层是研究派生标签:根据预先冻结的映射规则把多种表达合并为训练类别,或把阳性、不确定、阴性和不可评价转成任务标签。三层字段并列保存,出现错误时才能定位是观察、证据、映射还是代码造成的。
“阴性”不能成为所有非阳性状态的垃圾桶。未检查、未见、资料缺失、范围不足、图像不可评价、结果待定和明确阴性各自代表不同信息。胎儿超声没有评价某一结构时,不能用正常填补;内窥镜未到达某个部位时,不能把未观察当作无病变;WSI扫描缺失组织或焦平面异常时,不能把空白区域当作阴性组织;皮肤镜病理未取得时,也不能把临床印象写成病理证实。缺失机制本身可能与设备、病情、操作者或转诊路径相关,应在分析中保留。
算法路线应服从这些边界。分类任务可以在检查或病灶粒度上建立模态专属编码器;检测和分割需要区域、边界、坐标和责任层面的金标准;视频任务还要增加时间定位、关键事件和完整度标签;超声可把可评价性、标准切面和测量一致性作为独立质量任务;多模态融合可先使用患者级或检查级的迟融合基线,再逐步验证是否有足够可靠的同一对象、同一时间点和空间关系支持更紧密的融合。自监督预训练、弱监督或少样本学习可以降低部分标注压力,但不能替代关键标签的专家定义和独立评价。
数据划分要在患者级或更高层级保持互斥,并根据任务补充玻片、病灶、检查和时间点约束。CLAIM 2024更新要求研究者说明数据来源、纳排条件、预处理、去标识、缺失数据、采集协议、参考标准、标注者、分区层级和外部测试;同一患者的影像通常不应跨训练、验证和测试集合。3 对多模态采购而言,这些要求应在交付时生成,而不是等论文投稿前才补写。
专家标注、偏差与外部验证
标注组织应按模态和任务分工。初标人员可以负责字段整理或候选区域,但对三维边界、复杂病理区域、视频过程事件、胎儿标准切面、眼科结构和跨证据语义,应配置相应专业审核。独立复核要尽量采用单盲或多盲,避免后一位专家只是在确认前一位的答案;争议仲裁需留下原始意见、分歧位置、参考材料、最终决定、不可判定原因和规则版本。专家资格、培训样例和允许修改的范围也应写进项目规范,而不是用“专家审核”四个字概括所有质量。
偏差控制不等于把各类样本机械配平。应先分析中心、地区、设备厂商与型号、软件版本、操作者、年份、年龄、性别、疾病谱、检查完成度、转诊路径和术后状态,再决定哪些分层对目标任务有意义。阳性富集可能有利于研究稀有病灶,但会改变患病率和阈值解释;正常对照过少会放大假阳性;只保留高质量完整检查会低估真实工作流中的不可评价情况;同一中心的大量连续数据则可能让模型记住中心或设备风格。
TRIPOD+AI把公平性、关键亚组性能、数据代表性、开放和可复现信息纳入预测模型报告,并提醒研究者说明目标人群与数据的匹配程度。4 FUTURE-AI进一步以公平、普适、可追溯、可用、稳健和可解释六项原则组织医疗AI全生命周期,同时指出日志、责任分工、持续评价和本地适配仍需要明确的治理机制。5 对采购数据而言,这些原则可以转译为字段:每条数据来自哪里、如何去标识、哪些处理版本作用于它、哪个专家作出或复核了标签、哪一类样本未被覆盖、后续更正会影响哪些批次。
内部测试不能代替外部验证。一个可实施的设计是冻结训练与调参划分,保留按中心、设备、年份或人群切开的独立测试对象,并在报告中分别给出可评价样本、缺失或拒答样本、不同亚组和不同参考标准的结果。一项多中心外部验证研究显示,开发数据与来自不同区域中心的验证数据在纳排流程、结局分布和临床场景上可能不同,验证应明确样本选择、缺失处理和评价指标,而不只报告一个AUROC。6 真实世界的公平性也可能在分布变化时发生改变;跨影像、人群和数据集的研究说明,模型可能利用人口学或机构相关的捷径,外部场景中的公平—性能关系不能从内部测试直接推断。7
图2 从模态专属标注、盲审仲裁、患者级划分,到中心/设备/人群分层验证、问题整改和版本冻结的技术示意;不含患者样本,不表示真实模型性能或临床结果。
验收要验收“可复用性”,而不只是数量
验收可以分为四层。第一层是自动检查:对象可读性、文件完整性、manifest字段、哈希、重复、引用关系、关键元数据、格式转换和去标识扫描。第二层是分层人工抽检:按中心、年份、设备、协议、病种、质量档、阴性或不确定状态抽样,直接查看图像、视频、WSI或原始对象,而不是只看汇总表。第三层是语义与空间复核:检查标签是否对应实际观察、侧别或部位是否正确、视频时间点是否落在合理范围、WSI区域是否能回到全片、报告和病理证据是否被错误升级。第四层是下游验证:在目标读取环境中打开代表性原始对象、标签和派生文件,确认尺寸、方向、坐标、时间轴、层级和字段能被算法管线实际解析。
小批试采应覆盖通过样例和退回样例,包括重复导出、缺失关键元数据、局部覆盖、不可评价图像、模糊视频、WSI组织缺失、报告不确定句、术后改变以及多病灶或多标本关系。试采的目的不是制造一组漂亮的性能数字,而是暴露规范中的歧义。若抽检发现同一标签被不同人员解释不同,应先修订字典、示例和仲裁规则,再决定是否扩量;如果原始对象无法恢复,不能通过后处理或人工猜测补成合格对象。
交付包应同时包含原始或约定互操作对象、逐例索引、数据字典、标签与证据关系、去标识记录、文件摘要、质量报告、问题清单、整改结果、版本差异和适用边界。更正不能静默覆盖已交付对象,应形成新版本或delta包,并说明受影响的主键、标签、模型划分和历史验收结论。采购数量可以进入统计表,但最终结算或研究纳入应以达到书面质量档的合格对象为准,而不是以压缩包大小或文件总数为准。
在业务实施上,公开核验到的企业定位是AI数据基础设施及流程服务商,LangData覆盖采集、处理、标注、质检和数据交付,医疗方向提供按部位、模态和任务组织的数据目录与样例评估入口。基于这一边界,项目合作可以围绕需求梳理、字段设计、数据处理、标注流程、质量记录和交付文档展开;但具体模态是否可接入、样本是否可获得、专业审核范围、接口和周期,都需要样例评估与书面方案确认。企业定位不等于某一批数据已现货,也不等于模型已经完成临床验证或监管审定。
研究价值与临床边界
把多模态医学数据写成可复核对象,研发价值不在于把不同文件装进同一个目录,而在于让研究者能够回答:这条数据究竟代表什么临床对象,哪些结构或过程真正被观察,标签证据处在什么层级,哪些缺失是有意义的,训练和测试是否真的独立,以及当规范改变时哪些结果需要重新计算。计数主键保证样本不被重复导出放大,原始对象和元数据保护采集语境,专家和仲裁记录控制标签歧义,分层外部验证则把“可训练”与“可推广”区分开来。
这类数据建设支持算法研发、方法学比较、数据治理和独立评测准备,但不自动产生个体诊断、治疗建议或临床决策。研究效果应限定在特定数据、任务、参考标准和评价条件下;跨中心、跨设备和跨人群的性能需要重新验证。实际应用还需结合伦理审查、数据安全、适用法规、临床验证和监管要求,由具备资质的专业人员在完整临床资料基础上作出判断。
参考来源
- DICOM PS3.3 2026d: Whole Slide Microscopy Image Module
- DICOM PS3.3 2026d: Video Endoscopic Image IOD Module Table
- Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update
- TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods
- FUTURE-AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare
- External validation of an artificial intelligence model using clinical variables, including ICD-10 codes, for predicting in-hospital mortality among trauma patients: a multicenter retrospective cohort study
- The limits of fair medical imaging AI in real-world generalization

