数据库的建设是医学影像人工智能建设的要素之一。目前可公开的数据库很少，数据的标注标准也不统一。上海长征医院影像与核医学科主任、中华医学会放射学分会候任主任委员刘士远对第一财经记者表示：“放射影像数据库相当于是行业发展的战略资源，建成后能够便于行业上下游来使用这个平台。”
规范化使用和收集数据是关键
刘士远向第一财经记者介绍道，该平台是由国家卫健委立项，中华放射学会承建，全国的十个学组，将有350家至400家医院参与。“医院是主体，因为数据在医院；政府监管，负责标准的制定。”刘士远表示。
复旦大学附属华东医院放射科副主任、上海医学会放射学分会青年委员会副主委、人工智能学组副组长李铭对第一财经记者表示：“依托该数据库平台，将建立人工智能软件测试和训练的平台，这也将成为一个科研的高质量数据库，出发点非常好。”
他同时指出未来数据库建设面临的挑战。“首先是规范化使用和收集数据是最重要的，因为不是所有的数据都是高质量的数据，其次是数据如何出医院，以及如何保障数据的安全性，这需要国家进行有效的监管。”李铭对第一财经记者表示。
多位业内人士告诉第一财经记者，如何打破医院的“数据围墙”是医学数据库能否建成的关键。“因为按照目前的技术，一旦数据出了医院，那么医院就对数据失去了控制权，所以数据收集后如何规范化地使用这批高质量的数据非常重要，才有可能发挥该数据库最大的作用。”李铭告诉第一财经记者。
但业内已经达成共识，认为数据共享将成为未来医疗行业的发展方向。承担了上海医疗大数据“训练场”的上海申康医院发展中心副主任朱同玉对第一财经记者表示：“经过脱敏的数据可以把患者的隐私数据转化为可以流动共享的公共数据，从而打破医院的边界。”
刘士远表示，数据库建设是一个门槛很高的领域，需要行业学会的权威专家制定权威标准和规范，对图像进行分割、标注，在这个基础上建库，继而形成训练、检测等用途。由于缺少财力和人力的支持，数据加工成本较高，导致数据库建设不足、进程缓慢。
智慧医疗不仅仅是“医院的事”
浙江大学医学院附属第二医院放射科主任张敏鸣教授表示，目前的AI仍然存在包括“研究对象”、“预测因子”、“临床结局”以及“数据分析”等多个方面不同程度的偏倚风险。她说道：“由于研究样本量较少，导致了数据过度使用的风险增加，特别是在使用复杂建模策略的情况下。”
张敏鸣建议，在开发新的预测模型时，可以在参考文献或者咨询专家意见的基础上选择预测因素，而不是以纯属数据驱动的方式选择预测因素；此外，未来的研究应该更加集中于验证、比较、改进和更新有前景的现有预测模型。
智慧医疗不仅仅是“医院的事情”。刘士远对第一财经记者表示，欢迎企业参与到放射影像数据库的建设中。目前包括GE医疗、西门子医疗和飞利浦等在内的国外医疗影像巨头以及国内的联影等公司都在积极开发AI数字化医疗平台。
GE医疗中国总裁兼CEO张轶昊对第一财经记者表示：“标准化且可预测的数据将是医疗发展的刚需，因为医疗AI有更严苛的要求，要求从源头就是准确的。”
张轶昊进一步向第一财经记者解释道，准确有两层含义，一是数据和图像质量的标准化，二是对疾病判断的标准化。“设备本身的标准化数据，可以帮助医院进行有效的资产管理和设备管理，以此提升整个医院的运营效率；病患扫描数据和分析的标准化，可以有效地指导临床。同时，也能在转诊、基层医疗中帮助医院和病患节省巨大的时间。”张轶昊表示。
业内人士对第一财经记者表示，目前AI医疗的推广以及产品都尚未成熟，而随着影像AI的发展，企业有望在基层医院推广针对重大疾病的AI技术，补足基层医院的能力。
西门子医疗大中华区总裁王皓表示：“中国在数字化和智慧医疗的发展中有其特点，我们针对这种使用环境，搭建数字化医疗的平台，把医院和医院、医生和患者联系起来，加速互联网医院的建设。”
