数据集在人工智能医疗器械质控中的角色与要求
2019-02-13孟祥峰任海萍
【作 者】王 浩,孟祥峰,李 澍,任海萍
中国食品药品检定研究院光机电室,北京市,100050
0 引言
随着深度学习[1]、GPU[2]等软硬件技术的突破,国外人工智能(artificial intelligence, AI)医疗器械产业的发展进入井喷状态,预期用途丰富多样[3-12]。我国也有大量产品进入注册申报阶段。目前人工智能产品大多采用监督学习的技术路径,产品研发、训练、优化都需要训练集,而产品的验证/确认需要测试集,二者都需要优质数据。
人工智能医疗器械监管还处于探索阶段。其中一个重要问题是如何理解和明确数据集在产品质控中的作用,如何对数据集进行评价和规范。企业一般需要准备自身的数据资源,或借助于公开训练集开展研发,与临床试验之间存在广泛的联系和相似性。从数据集的角度打通两个环节之间的壁垒,有助于人工智能医疗器械的科学监管,有助于企业研发与上市的提速降费,对于行业发展意义深远。
基于以上考虑,本文对数据集在国内外的发展概况、国外上市审批过程中的角色、数据集质量要求等关键内容进行研究和探讨,旨在分析人工智能医疗器械专用测试集的定位、准入条件、评价标准,为鼓励全社会开发公用数据集和支撑药监部门上市前审批、上市后监管等管理活动提供有用的信息。
1 国内外医学数据集发展现状
国外建立了很多著名的医学数据集,对医学影像AI的发展尤其是算法训练做出突出贡献,代表包括LIDC(Lung Image Database Consortium)[13]、NLST(National Lung Screening Trial)[14]、Messidor[15]、EyePACS[16]、MIT-BIH心率失常数据库[17]、ChestX-ray8[8]等。表1对它们进行了比对,说明国外数据集的建设思路和特点是多种多样的,尚未形成统一的模式。……
