石镇维，刘再毅

广东省医学科学院 广东省人民医院放射科， 广州 510080

近年来，随着医疗条件的不断改善以及医院信息化程度的不断提高，医学影像数据呈现暴发式增长。据《2018年医疗人工智能技术与应用白皮书》[1]统计，目前我国医疗数据的年增长率约为30%。 互联网数据中心(Internet Data Center,IDC)的统计数据显示，2020年全球医疗数据量已达到2010年的40倍，其中医学影像数据(包括X线、超声、CT、MRI、PET、病理图像等)约占80%[2- 3]。目前，医疗影像数据具有大规模(volume)、高增速(velocity)、多种类(variety)、高价值(value)和真实准确(veracity)五大特点，符合当代大数据5V特征，因此促进了医学影像人工智能(artificial intelligence，AI)的发展[4]。医学影像大数据在为医学影像AI带来良好发展前景和机遇的同时，亦面临着数据方面的巨大挑战。

1 医学影像AI面临数据方面的挑战

随着全球学者在医学影像AI领域的积累，医学图像智能分析与处理算法愈发成熟，医学影像因此也成为AI在医疗行业中最有潜力落地的领域。然而，在医学影像AI科学研究中，数据是首要难题。首先，目前普遍缺乏高质量的训练数据，虽然国际上有很多高质量的公开数据库，但数据量和多样性依然十分有限，且存在患者人种差异；其次，缺乏行业统一标准，数据采集标准多样，系统误差较大，缺乏对医学图像和疾病征象的统一认识；最后，整个行业缺乏对医疗数据使用标准的判断依据和监管，且由于存在法律和伦理问题，很大一部分医学影像数据未能发挥最大价值，导致医学影像AI发展受阻。

目前医学影像AI在数据方面的困难阻碍了科研人员对数据的有效使用，包括：无法获取医学影像数据集信息；……