MEDICAL DATA RESEARCH
医疗器械操作手册数据怎么做成可核对资产:型号主记录、版本挂接与多视角影像验收
医疗器械操作手册与设备多视角原图如何按型号、版本和外观组织?本文拆解注册核验、PDF原件、图片—页码配对、专家复核、独立验证与批次验收,帮助研发团队把资料变成可回溯的数据资产。
真正难的不是把操作手册和几张设备照片放进同一个文件夹,而是让研发人员在几个月后仍能回答:这张铭牌属于哪个型号?这份PDF对应哪个版本?同一型号的不同外观是否被混在了一起?图片里看不清的接口,是否可以回到手册的具体页码?如果这些问题只能依靠文件名、人工记忆或一段无法复盘的说明来回答,数据看似丰富,实际上很难支撑检索、知识问答、设备识别和安全信息抽取等任务。
本文讨论一类可匿名化的医疗器械数据需求:面向项目书面约定时间范围内、公开或依法可使用的器械资料,按注册或备案标识、品牌、型号和说明书版本组织操作手册与设备多视角原图,并为每条记录建立可核验的关系、注释和质量状态。若项目把最近20年完成注册或备案的器械设为采集边界,应将这个时间范围写入版本化字典和验收文件,而不是用“近年”替代。它不是患者影像,也不是对某台设备进行临床诊断,更不是把采购对象包装成现货产品;它是一项面向医疗器械信息管理和人工智能研发的数据工程。其价值在于把“某型号有什么、如何操作、哪些部件与警示需要被识别”变成可以查询、训练、抽检和回溯的结构化对象。
先把任务边界写成数据问题
从临床邻近场景看,这类数据服务的目标通常有三层。第一层是产品信息检索:系统根据注册或备案标识、品牌、型号、手册版本或图片中的部件,返回可核对的产品条目。第二层是技术内容理解:模型从说明书中抽取产品结构、性能参数、安装和使用说明、维护要求、警示限制、配件与耗材关系,并保留其原文位置。第三层是视觉与文本的联合匹配:给定设备的一组视角,判断它们是否属于同一型号和同一外观版本,再把视觉部件与手册页面或结构化字段对齐。这里的“输出”应理解为信息管理和研发接口,不应被表述为设备安全性已经由模型自动判定,更不替代操作者按正式说明书操作。
输入模态也必须提前固定。文档侧至少包括原始操作手册PDF、版本和语种信息;图像侧包括设备整体多视角原图,以及铭牌、接口、屏幕、耗材等关键部位。图片注释文档不是可有可无的附件,它要记录视角名称、部件名称、型号、拍摄条件和对应手册页码。解剖部位和疾病标签在此任务中并不适用,病种也不应被强行添加;更合适的标签主体是设备、部件、接口、控制区、耗材、警示区域、手册章节和版本关系。数据颗粒度则至少分成设备型号级、说明书版本级、外观版本级、图片视角级和图片中部件级五层。
监管文件对说明书的定位也说明了为什么不能只交一张转写表。公开规章把医疗器械说明书定义为随产品提供、用于指导安装、调试、操作、使用、维护和保养的技术文件,要求内容科学、真实、完整、准确并与注册或备案内容一致;说明书通常还要包含产品名称、型号规格、注册或备案编号、安装使用说明、警示以及编制或修订日期。1 这意味着数据系统应保留原件、版本和位置,而不是把不同年份的文字拼成一份“综合手册”。在美国监管语境中,labeling也包括随器械提供的说明书、指导书和方向页,而非只限于包装表面的短标签。2 因而,若项目要求原始可检索PDF,扫描件、截图、缺页、带水印或无法复制文字的文件都不能被悄悄当成合格原件;必须退回、单列为图像件,或记录为待补齐状态。
图1|技术示意。 图示的是本任务的设备级数据关系,不表示真实患者、已完成实验、现货库存或临床诊断结论。
用一个主记录解决“同型号多文件”问题
最重要的设计选择是主键。建议把注册或备案标识、品牌、型号作为稳定的设备主记录基础,并在项目规则允许时加上必要的规格字段。一个型号只保留一条主记录,当前版本、历史版本和多语言版本说明书全部作为附属文件挂接;它们不能被当成几个彼此独立的产品,也不能在清洗时相互混合。对于同一型号存在不同外观版本的情况,主记录下面还应有外观版本节点,补充颜色、结构或按项目定义的外观差异说明。这样,模型看到的不是“这一文件夹里有七张照片”,而是“这一组视角属于某型号的某一外观版本,并与某个版本的手册和注释相连”。
注册或备案信息的核验是主记录的入口约束。数据交付应保存核验字段、核验时间、来源库和核验状态;能够匹配的记录进入已核验状态,缺字段、名称不一致或无法定位的条目进入待核,而不是用相似名称自动填补。权威核验不等于把公开网页全文复制进训练集,也不等于可以公开传播所有附件。它只负责证明产品身份和来源关系,使用范围仍需由授权和项目规则确定。对于长期维护的数据资产,核验日志还应能回答“当时用的是什么版本的库、哪一项字段发生了变化”。
说明书版本要作为关系的一部分,而不是写在自由文本备注里。当前版、历史版、外文版和翻译版要各自有文件标识、版本或修订日期、语种、页数、文本可提取状态和与主记录的指向。翻译件若存在,应能回指原文版本;同一型号在两个时间点的安全警示发生变化时,检索系统应该返回两种版本差异,而不是把后来的说法覆盖旧资料。对于缺页、模糊或无法复制文字的PDF,正确处理是登记缺陷和补齐状态。若使用OCR,应单独记录OCR版本、人工复核范围和残余不确定性,不能把纯图扫描伪装成原始可检索文本。
图像文件也需要同样严格的归属关系。正面、背面、侧面、铭牌、接口、屏幕和耗材等视角可作为受控枚举,但枚举不能代替实际检查:设备整体是否完整入镜,关键铭牌文字是否可辨,是否误混入其他外观版本,均应有独立字段和状态。原始分辨率、拍摄条件、文件哈希或其他项目允许的完整性标识有助于防止同一张图被多次改名或处理。若项目明确禁止AI放大、去水印或图像修复,执行侧就应将处理历史写进质量记录;不可用“看起来更清楚”抵消原图真实性要求。
采集不是拍照,而是视角和文档的共同设计
多视角图像的价值不在于数量多,而在于每个视角承担什么信息。正面图通常用于整体形态和控制区域,背面和侧面用于接口、通风或固定结构,铭牌图用于型号和标识核对,屏幕图用于显示区结构,耗材图用于附属物和替换关系。不同设备的视角清单可以扩展,但必须先定义“必需视角”和“条件适用视角”,否则采集人员会用相似角度凑数,验收人员也无法区分缺项与不适用。
拍摄条件同样是数据字段。背景、光照、反光、遮挡、距离、焦段或项目允许的设备信息,应当至少有足以解释清晰度和可比性的记录。铭牌文字不可读时,不能通过猜测补齐型号;屏幕显示因反光缺失时,不能用另一台设备的画面替代。面向视觉模型时,可以在训练阶段设计合理的增强,但交付的“原图”与由增强产生的训练副本必须分开存放并有来源链路。否则一旦模型在增强图上表现较好,研发人员无法判断它是在学习设备结构,还是在学习人为处理的纹理。
手册与图片的配对也不应只依靠文件名。建议建立一张关系表,把设备主记录、外观版本、图片视角、图片注释、手册版本和页码连接起来;必要时再增加部件级关系。图片注释中的“接口”“铭牌”“耗材”等名称应从项目字典中选取,允许“不适用”“不可见”“待复核”等受控状态,而不是留空或写成含义不一的自然语言。这样既能支持视觉—文本检索,也能在后续抽检中快速打开原图和原页,定位一条关系为什么通过或退回。
算法路线应服务于可回溯,而不是先追求大模型
在没有稳定数据字典之前,直接训练多模态大模型通常会把版本、外观和文件来源混成一个相似度问题。更稳妥的研发路线可以分四步。国家药监局器审中心曾发布人工智能医疗器械注册审查指导原则的通告,提示相关研发应放在全生命周期的审查框架中理解;本文仅将其作为治理边界,不把通告等同于本项目已获监管审定。5 第一步是文档解析:对PDF做文本抽取、版面分块、表格识别、章节和警示区域定位,同时保留页码和原图坐标。对于OCR生成的文本,应保留字符级或段落级的不确定性,防止错误识别的型号和数字被当成事实。
第二步是实体与关系归一化:把产品名称、型号、规格、注册或备案标识、版本日期、部件名称和耗材名称映射到受控字段,处理连字符、空格、语言差异和同义写法。归一化不能改变原文含义;原文值和标准化值应并存,便于审核者回读。第三步是图像编码与跨模态对齐:利用图像编码器提取整体、局部和铭牌区域特征,利用文本编码器表示手册章节和部件描述,再用设备主记录和版本关系约束候选匹配。这里的建议目标是“给出候选及证据位置”,而不是输出没有来源的确定性结论。
第四步是检索和规则协同。图像检索可以先找到同一主记录下的相似视角,再由版本过滤和页码关系缩小候选;问答系统必须把回答绑定到具体手册版本和页码;规则层则拦截型号与外观不一致、当前版与历史版混接、图片注释缺失或注册状态待核的记录。对于研发团队,输出最好包含原始文件指针、结构化字段、证据页、图像视角、置信或待核状态和规则命中原因。这样,模型的错误可以回到数据问题,而不是只在一个总分上争论。
标注主体要分工,不能把“专业审核”写成一句口号
此任务的标注并非只有一种专家。数据整理人员负责按字典录入文件和关系;具备器械或工程背景的审核者负责检查型号、部件、接口、耗材和手册语义;熟悉质量体系的复核者负责版本冻结、缺陷分级和批次记录。若某些项目涉及临床使用环境或安全警示解释,应该由具备相应专业资质的人员确定规则边界,但这不等于把所有数据都称为临床数据,也不等于团队已获得监管认可。
标注指南至少要写清五类决定。第一是身份:什么字段可作为主记录键,品牌和型号缺失时是否退回。第二是视角:什么算正面、侧面或接口图,遮挡和裁切到什么程度算不可用。第三是版本:修订日期缺失、翻译无法回指或历史版与当前版内容冲突时怎样处理。第四是安全字段:警示、限制、禁止事项和维护要求如何从章节中分离,原文和规范化字段如何并存。第五是争议:两名标注者不一致时由谁裁决,裁决理由怎样进入版本记录。每个关键字段都应准备通过样例和退回样例,不能只给抽象定义。
质量控制要把“完整”和“正确”拆开。文件是否齐全、PDF能否打开和提取文字,是可用性检查;注册信息是否能核验、型号与图片是否一致,是身份检查;关键警示是否从正确版本原文提取,是内容忠实性检查;视角和注释是否相互对应,是关系检查。五类检查都通过,才可以把该条记录计为合格。批次则应依据项目书面设定的抽样单位、失败阈值、返工和停线条件放行,不能用一条总体合格率掩盖某一项系统性失败。
质量偏差与外部验证:最危险的是“看起来属于同一台设备”
设备数据的偏差不只来自图像清晰度。采集来源可能偏向新款产品、某些品牌或某种拍摄环境;旧版手册可能缺失,外观改款可能没有明确标识;不同语言、不同制造批次或不同附件配置会改变文本和视觉表现。如果训练、验证和测试随机按文件拆分,同一型号或同一张设备的近重复视角可能同时出现在两侧,得到的分数不能说明模型能否识别新的型号和新的来源。
因此,数据划分应优先按设备主记录、外观版本、来源主体或采集批次设计隔离。内部验证可以考察字段抽取、文档分类和视角匹配;独立验证则应尽量包含未参与规则调优的型号、来源或拍摄条件。WHO关于AI医疗器械证据生成的框架区分技术或分析验证与临床验证,并强调外部验证应使用来自外部来源的独立测试集,以观察泛化能力;即使本任务不是临床诊断,也应借用这种“开发数据与独立数据分离”的治理原则。3 研究人员还要分别报告不同设备类别、图像质量和版本状态下的结果,而不是只给一个宏平均数字。
这类数据的文档本身也是偏差控制的一部分。2024年发表于《Scientific Reports》的BEAMRAD研究发现,公开医学图像和信号数据集在硬件与采集细节、标注实践、标注错误量化和数据局限说明方面存在明显不一致;文档不足会削弱使用者发现偏差和判断稳健性的能力。4 对设备手册与多视角图像而言,等价的缺口就是没有记录拍摄条件、外观版本、原始处理、缺页和争议原因。数据卡或批次说明不应只是宣传性概述,而应让另一个研发人员能够重建“这条记录从哪里来、为什么通过、在哪些条件下不适用”。
把源需求转成可执行的验收与交付包
落地时可以先做小规模试标,再决定是否扩量。试标样本应同时覆盖当前版和历史版手册、不同外观、关键视角、缺页或模糊页、注册信息待核、图片与手册错配等反例。试标阶段重点不是追求大数量,而是让双方发现字典缺口:例如“侧面”是否包含接口局部图,“耗材”是整包还是单个部件,“同型号不同外观”的界线由谁判断,手册页码按PDF页还是印刷页记录。未解决的规则不宜带入量产。
放行指标可以按五组组织。第一组是身份核验,产品名称、型号规格和注册或备案信息是否可回到权威来源;第二组是文档完整,原始PDF是否可打开、页数是否齐全、文本是否可检索;第三组是图像质量,设备是否完整入镜、关键文字是否可辨、原图处理历史是否清楚;第四组是关联准确,型号、外观版本、图片视角、注释和手册页码是否一致;第五组是内容忠实,关键安全警示、限制、接口和耗材信息是否来自对应版本。每组都要写抽样单位、通过定义、退回理由和复判责任,具体阈值按项目书面约定冻结。
当项目规格明确把上述五项设为逐条100%的记录级门槛,并把批次合格率设为不低于95%时,这些数字只能作为该项目的验收候选,不能被改写成行业统一标准、公司长期准确率或现货交付保证。验收文件还应写清分母、抽样单位、缺陷豁免、复判和返工规则;任何一项系统性失败,都不能由其他项目或总体平均分抵消。这样既保留源需求的可执行性,也避免把一个项目阈值误读为普遍医学结论。
交付包不应只有一个Excel。更实用的结构是:一张设备主记录表;一个版本与外观关系表;原始操作手册PDF;按主键和视角命名的原图;图片注释及页码对应表;质量抽检和返工记录;版本差异表;以及导出字段和环境说明。表格中的“操作手册PDF”字段应能与独立文件精确匹配,图片字段也应能打开同一主记录下的实际文件。对于无法核验或暂不适用的内容,交付包应保留状态和理由,不能为追求完整率而填入猜测值。
如果交付约定采用Excel加独立PDF和图片文件,主表至少要有注册或备案号、品牌与型号、说明书版本、手册文件标识以及各视角文件字段;图片可以按约定嵌入单元格,但嵌入缩略图不能替代原始分辨率文件。独立手册PDF、图片和注释文档应使用稳定关联键或明确同名规则,使接收方能从一行记录打开原件,再回到对应视角、部件和页码。格式方便不是质量标准,能否逐条复核才是交付闭环。
从业务逻辑看,数据服务团队能做的是把已书面确认的范围转成样例、规则、标注、质检和可追溯交付;不能仅凭网站自述就承诺某一批现成器械、固定数量、特定专家阵容或独立监管结论。采用数据基础设施和流程服务定位的团队,可以把采集、处理、标注、质检、版本管理和交付组织成一个闭环,但每个项目仍需先核对来源许可、可使用范围、样例可得性、核验口径和独立验收人。先做样例评估、再冻结规格、后决定扩量,比把含糊的“大而全”目录直接写成采购承诺更可控。
图2|技术示意。 图示的是建议的质量与验收关系,不表示真实患者、模型性能、实验完成或监管批准;具体阈值以项目书面约定为准。
结语:把“有资料”变成“能复核、能训练、能维护”
医疗器械操作手册和设备照片的价值,不在于把资料数量做大,而在于每个对象都能被准确定位,每个版本都能与历史关系区分,每个视角都能解释它看见了什么,每个关键字段都能回到原件,失败样本也能被复盘。对于研发团队,这种组织方式支撑的不只是一次检索演示,还包括多模态模型的训练、版本更新后的回归测试、设备类别扩展和质量问题定位。
更重要的是,设备级数据治理把“准确率”放回了正确位置:它是某项任务、某个划分和某种样本条件下的结果,而不是数据供应商或模型的永久承诺。只有先把主记录、版本、原图、说明书、注释、核验和验收写清,后续算法路线才有可解释的输入,业务交付才有可核对的边界。对医疗器械相关AI项目而言,这种先定义对象、再设计模态、后组织标注与验证的顺序,往往比单纯增加文件数量更能减少返工,并为后续的合规和研发复盘留下可靠基础。
参考来源
- 医疗器械说明书和标签管理规定
- Device Labeling
- Generating evidence for artificial intelligence-based medical devices: a framework for training, validation and evaluation
- Assessing the documentation of publicly available medical image and signal datasets and their impact on bias using the BEAMRAD tool
- 国家药监局器审中心关于发布人工智能医疗器械注册审查指导原则的通告(2022年第8号)

