MEDICAL DATA RESEARCH
胸腹部 CT 多病种数据集:从病种清单到可复核的 AI 研发输入
从病种清单到可复核研发输入,本文梳理胸腹部CT多病种数据集的DICOM与报告配对、癌前病变证据分层、专家标注、数据泄漏防控、任务级验收和外部验证边界。
当一项胸腹部 CT 数据需求同时列出呼吸系统疾病、胸部肿瘤、心血管异常、腹部常见病与罕见病,还要求保留原始 DICOM 和结构化诊断报告时,真正困难的并不是把病名装进一个更长的表格,而是回答三个可验证的问题:一例检查究竟要支持什么临床任务?标签应当落在检查、器官、病灶还是报告字段上?模型在未见过的中心、扫描协议和病种组合中,怎样证明自己没有只学会数据来源的“指纹”?如果这三个问题不先冻结,数据规模越大,后续返工、标签污染和评价误读的风险反而越高。
需求的技术拆解:同一队列不是同一个任务
这类需求可匿名地改写为一个多模态、强分层的胸腹部 CT 研发数据集。输入至少包括原始 DICOM 影像和与检查对应的结构化报告;若研究涉及血管病变或器官强化模式,还需要明确平扫、增强期相、重建层厚、扫描范围和造影信息是否齐全。输出不应只有一个“疾病名称”,而应拆成四层:检查级病种标签,器官或解剖区域标签,病灶级位置与形态标签,以及能够回到原文证据的报告字段。癌前病变、影像学可疑征象和病理确认也必须分列,因为它们的证据来源不同。
临床任务至少有四种。第一是多标签识别:同一次胸部检查可以同时出现肺部感染、气道改变和心血管异常,腹部检查也可能同时出现肝胆、胰腺、泌尿和血管问题。第二是病灶检测与定位:模型不仅要说“有异常”,还要指出异常在哪个器官、哪一组层面或哪一体积范围。第三是分割或定量:对器官、肿块、积液、血管或结石等对象建立体素级或轮廓级标签。第四是报告结构化:从报告中抽取器官名、病变名、亚型、否定、不确定和检查结论,并与影像检查号配对。四种任务可以共享数据底座,但不能共用一套不加说明的准确率。
胸部部分的解剖范围不应只写成“肺”。呼吸系统标签需要容纳肺实质、气道、胸膜和纵隔;肿瘤标签可能涉及肺、乳腺、食管、纵隔、胸壁和甲状腺;心血管标签还需要覆盖心脏、心包、冠状动脉、主动脉、肺循环和血栓。腹部部分则横跨胃肠道、肝胆胰、脾、泌尿系统、腹膜后、血管和盆腔生殖系统。这样的范围意味着标签本体必须有器官层级和病种层级,不能用一个“其他”类别吸收所有难以命名的对象。否则模型学到的是样本整理方式,而不是可解释的医学任务。
癌前病变尤其需要单独处理。影像上可见的结节、囊性改变或黏膜异常,不等于组织病理已经确认的癌前状态。若数据只有影像和报告,就应把“影像提示”“临床诊断”“病理确认”放在不同字段,并允许“不确定”“未提供”和“不适用”。把未提供病理的病例强行填成阴性,会把证据缺失伪装成临床排除;把可疑写成确诊,则会在训练阶段制造标签噪声。公开研究中的分类效果也不能替代具体项目的病理金标准。
数据设计:从检查主键开始防止泄漏
数据组织的最小单位应先确定为患者、检查和序列三层主键。患者级主键用于切分训练、调参、内部测试和外部测试;检查级主键用于关联 DICOM、报告和临床字段;序列级主键用于区分平扫、不同增强期相、重建序列和局部扫描。纵向检查要保留时间关系,但不能把同一患者的复查、转移灶或同一检查的不同重建版本随机拆到不同集合。否则模型可能通过解剖重复、设备参数或报告模板“认出”患者,而不是完成病种识别。
入库时应同时核对影像和文字。DICOM 需要检查方向、像素间距、层厚、层间连续性、重建核、扫描范围和序列数量;报告需要检查检查号、器官名、病灶名、否定词和不确定表达能否结构化。数据清单不能只记录文件数量,还要记录每个检查是否具备原始影像、报告、增强期相、病理或随访等证据。缺件应进入隔离区,并保留缺失原因,不能为了满足某个病种数量而把“无报告”默认为无病变。
隐私治理也要被看成数据设计的一部分。DICOM 标准的基本应用层保密配置用于移除可识别信息,并进一步提供清理像素、可识别视觉特征和结构化内容等选项;标准同时强调,像素中烧录的文字不能仅靠删除元数据解决,具体选项需要结合使用场景实施。1 因此,胸腹部 CT 入库至少要有元数据脱敏、像素与叠加图形排查、报告文本脱敏、纵向编码和处理日志五道检查。公开文章只讨论流程,不应写入真实患者、机构或项目线索。
标签字典建议从“对象—证据—状态”三元组出发。对象回答“哪个器官或病变”,证据回答“来自影像、报告、病理还是随访”,状态回答“阳性、阴性、不确定、未评估、不可判读还是不适用”。同一病名在不同器官中的含义不能只靠自由文本区分。对于血管类病变,应额外记录是否需要增强期数据;对于肺气肿、慢阻肺或间质性肺病等任务,应把分级依据或影像模式作为独立字段;对于癌前病变,应把器官名和病灶名同时写入结构化报告,避免只有一个无法定位的疾病词。
图 1|技术示意,不表示真实患者、已完成实验或临床诊断。 多标签、病灶级标签和报告字段可以共用同一数据底座,但应在导出和评价时分开。
算法路线:让报告成为弱监督入口,而不是金标准替代品
当全量病灶轮廓的成本很高时,结构化报告可以作为检查级弱标签或定位线索。2026 年发表的 Chest-OMDL 工作展示了一条可参考的研究路径:从自由文本报告提取疾病标签,并结合器官分割和多任务学习,在胸部 CT 上进行多病种检测与定位;该研究在一个大规模非增强胸部 CT 数据集上训练,并在独立外部数据集上测试。2 这类工作说明,报告挖掘可以扩大预训练或候选样本的覆盖,但并不意味着报告中的每一个词都已经对应准确的体素边界。它也不能替代本项目对报告语义、病灶层级和专家精标的单独定义。
更稳妥的路线是分阶段建模。第一阶段建立检查级多标签基线,区分阳性、阴性和不确定;第二阶段在高价值病种或高频失败区域补充器官级、病灶级精标;第三阶段再把检测、分割、分类和报告抽取的输出通过检查主键对齐。对于小病灶、癌前改变和罕见类型,应设置专家复核子集,而不应把弱标签直接当作细粒度金标准。训练时还要区分“报告没有提到”与“报告明确否定”,前者可能是漏写或任务范围之外,不能简单等于阴性。
腹部 CT 的期相变化会改变器官和病灶的可见性。一个 2024 年的腹部多期相 CT 研究以 526 例多期相数据训练合成模块,并在内部验证和来自另一数据来源的 39 例外部数据上评估合成辅助的器官分割;研究报告内部和外部平均 Dice 存在差异,并明确把外部集作为泛化检验。3 这项研究不是本数据集的效果承诺,也不是对合成影像用于诊断的授权,而是提示:期相、配准误差和跨来源变化必须在数据说明和评价方案中显式记录。若只保留某一期相,需说明这是研究设计选择,而不是把缺失期相误写成“平扫数据”。
在算法选择上,胸腹部范围过大时,单一互斥分类头通常不够。多标签分类可处理共存异常;器官感知的检测或分割分支可减少把胸膜异常、肺实质异常和纵隔异常混为一类;三维或多平面网络有助于利用层间连续性,但也更依赖层厚和扫描范围的一致。报告抽取可以采用规则、统计模型或语言模型,但应把否定词、比较句和不确定语气纳入测试。模型输出还应保留版本、阈值和校准信息,不能只交付一个没有来源说明的概率列。
“性能高”也要分开说。分类模型可报告每类的区分能力、灵敏度、特异度、校准和置信区间;检测模型要定义匹配半径或交并比、重复预测和假阳性;分割模型至少要区分体积重叠和边界误差;报告结构化还要检查字段完整性、否定识别和器官—病灶配对。不同任务的分母不同,宏平均也会受到少见病种例数影响。评价脚本、标签版本和病例级索引必须一并冻结,否则同一模型换一套分母就能得到看似不同的结论。
专家标注:先冻结语义,再讨论模型
标注团队需要先把病种清单改写成可执行的标注指南。指南应回答:什么算阳性,什么算阴性,哪些属于不确定,哪些属于不可判读;边界按照解剖结构、病灶外缘、强化范围还是报告描述;多病灶如何编号,主病灶如何定义;共存病变如何同时记录;癌前病变和治疗后改变如何分开。每条规则都应有正例、反例和一个“无法判断”的样例。只有这样,复核者在遇到边界病例时才是在执行规范,而不是临场发明新标签。
专家角色也应分层。初标者可以完成检查级标签或候选区域;具有相应专科经验的复核者处理疑难病变、罕见亚型、血管期相和癌前状态;独立仲裁者处理分歧,并记录是标签定义、图像质量、报告歧义还是证据来源造成的争议。复核者不应在同一病例上先看到模型结果再修改金标准,否则会把模型输出反向写入训练标签。对于病理字段,至少要记录病理是否存在、取材时间和是否与影像检查可配对;没有这些信息时,应保持缺失状态。
一致性不能用一个笼统的“专家审核”代替。分割任务可在预先定义的病例、检查或病灶抽样单位上计算 Dice、交并比或表面距离;分类任务可以报告 Kappa 或分层一致性,但必须说明类别不平衡和不确定标签的处理。少见病种的低例数会让统计量不稳定,此时更合理的做法是报告例数、争议类型和描述性结果,而不是把小样本数字包装成可靠的临床结论。
官网已有的通用影像标注方法学文章强调了入库、勾画、盲审、导出验收和版本号的连续关系,也明确提示 DICOM、盲审、导出格式和具体医学任务应按项目规格确认。对于本类胸腹部 CT 需求,这些通用方法只能作为工序框架,不能替代病种字典、期相规则、癌前病变定义或报告字段映射。更不能因为平台支持 CT、MR、PET 等通用 DICOM 工序,就推断某一病种全量数据或病理字段已经现货可用。
质量、偏差与外部验证:验收不是一次抽检分数
胸腹部 CT 的偏差来源至少包括人群构成、疾病患病率、设备厂商、重建核、层厚、增强方案、扫描范围、报告习惯和转诊路径。某一中心的肿瘤比例很高,模型可能通过疾病先验获得漂亮的病例级结果;某一设备的图像风格与标签高度相关,模型可能学到设备差异;报告模板改变,也可能让文本抽取模型把模板句当成疾病证据。因此,质量表应同时记录病种、中心、设备、期相、层厚和报告来源,并在训练与测试中保持可追溯的分层。
外部验证必须真正独立于训练、调参和标签修订。2025 年一项系统综述汇总了同时报告内部和外部验证的放射学 AI 研究,指出模型在外部数据上通常会出现性能下降,且特异度下降可能比敏感度更明显;作者因此强调不同人群、设备和协议上的外部测试。4 这不是要求每个项目预先承诺某个统一准确率,而是要求在项目书中写清楚外部集来自何种不同分布、哪些指标作为主要终点、失败病例如何回溯。
胸腹部多病种研究还需要关注长尾问题。常见病可以支撑模型学习基本模式,罕见病和癌前病变则常常例数少、标签来源复杂、观察者分歧更大。数据采购不应只按病名总数结算,而应按病种层级、证据等级、影像质量、报告完整度和病灶级标注深度拆分。一个“罕见病”计数若没有病种定义、证据来源和最小可用样本说明,对模型训练或外部验证都没有明确意义。
评价方案还要防止数据泄漏。预标注草稿、报告模型预测、上一版本人工标签和后续病理信息都可能成为隐性输入。测试集标签修订后,旧模型或旧特征不能继续参与比较;纳排规则改变后,应重新生成队列清单并保留版本差异。TRIPOD+AI 把训练数据、评价数据、内部评价和外部评价分开定义,并要求预测模型研究完整透明地报告数据、方法和结果。5 对本类数据集而言,这意味着数据卡、标签映射、随机种子、脚本版本和缺失处理规则都属于可复核交付物,而不是后台备注。
图 2|技术示意,不表示真实患者、已完成实验或临床诊断。 质量通过、研究性能和临床效用是三类不同结论,不能用一个抽检比例或单次分数互相替代。
采购与验收:把需求变成可重算的交付物
对买方而言,第一步不是询问“能提供多少病例”,而是要求一份可执行的数据规格。规格至少包括模态和期相、扫描范围、层厚与重建要求、患者级划分、病种本体、报告字段、影像与报告配对键、癌前病变的证据等级、术后、切除、治疗后和复查样本的处理、阴性与不确定编码、导出格式、脱敏流程和版本记录。对于需要病灶级任务的项目,还要明确轮廓、框、中心点或体素掩膜的粒度,以及多病灶编号和争议仲裁方式。
试采或样例评估应覆盖正例、阴性、共存病变、低质量影像、罕见病种、报告否定、不确定表达,以及术后、切除、治疗后或复查样本的排除边界。验收者逐例核对原始影像能否打开、报告能否回链、标签是否在字典中、方向和间距是否正确、导出掩膜是否与影像对齐、版本号是否一致。缺件、错配、越界标签和无法解释的“其他”应分别计数;不能用“整体可用”掩盖关键标签失败。
质量阈值不应脱离任务定义。项目可以约定报告完整率、字段缺失率、检查—报告配对率、方向与间距通过率、标注一致性、可判读率和抽检返工率,但这些阈值必须与样本分层和抽样单位一起写入项目规格。公开论文中的 Dice、AUC 或外部验证结果,只能说明某项研究在特定队列和基线上的结果,不能自动转换为服务方对另一批数据的承诺。真正可验收的是规则是否可重算、失败是否可定位、版本是否可回滚。
从已核验的公司范围看,朗慧将自身定位为 AI 数据基础设施及流程服务商,自研 LangData 覆盖采集、处理、标注、质检和数据交付。对本需求,适配点在于可以把数据准入、标注审核、版本和交付验收组织成一条流程,但具体病种、期相、全量规模、专家资质、病理关联和部署方式仍需按项目样例与书面规格确认。平台流程能力不等于某个胸腹部 CT 数据集已完成,也不等于模型已经获得监管认可或临床效果证明。
如果后续进入临床工作流试用,还要增加人与系统交互的评价。DECIDE-AI 指南强调,早期临床评价不仅要观察算法离线性能,还要考虑安全、人因、用户差异、数据集偏移、版本更新和真实工作环境。6 因此,数据交付通过并不意味着可以直接替代阅片或给出治疗建议。更合适的业务逻辑是先完成授权和脱敏,再用样例验证任务边界,随后冻结标签与划分,最后决定是科研训练、回顾性验证还是小规模工作流研究;每一步的输出和退出条件都应单独记录。
结语:规模之外,证据链才是研发价值
胸腹部 CT 多病种数据集的研发价值,不在于把更多病名堆进一个压缩包,而在于让每个标签都能回答“它描述了什么、来自哪种证据、在哪个解剖层级、由谁按哪一版规则确认”。原始 DICOM 提供可重处理的影像基础,结构化报告提供可追溯的检查语义,专家精标负责把高价值对象变成可评价的金标准,外部验证则检验这些规则能否跨越中心、设备和人群差异。
对于数据采购和医疗 AI 研发团队,最稳妥的路线是先把任务拆开,再把标签和验收写成版本化规范。多标签、检测、分割、报告抽取和病理关联可以在同一研究框架中协同,但不能用一个总数、一个平均分或一个“专家金标准”概括全部质量。只有当纳排、证据、标注、划分、评价和交付能够相互回链,这类胸腹部 CT 数据才真正具备可训练、可复核和可扩展的研发价值。
本文仅讨论医疗 AI 数据设计与质量方法,不提供个体诊断、治疗或用药建议;具体授权、伦理、脱敏和临床使用路径应由项目相关方依据适用规则确认。
参考来源
- DICOM PS3.15: Security and System Management Profiles
- Chest-OMDL: Organ-specific Multidisease Detection and Localization in Chest Computed Tomography using Weakly Supervised Deep Learning from Free-text Radiology Report
- Multi-phase CT synthesis-assisted segmentation of abdominal organs
- Assessing the generalizability of artificial intelligence in radiology: a systematic review of performance across different clinical settings
- TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods
- Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI

