非結(jié)構(gòu)化醫(yī)學(xué)信息管理現(xiàn)狀及存在的問題研究

黃江珊

摘要：了解目前國內(nèi)外非結(jié)構(gòu)化醫(yī)學(xué)信息管理現(xiàn)狀，分析存在的主要問題，提出推進非結(jié)構(gòu)化醫(yī)學(xué)信息管理的對策建議。文章采用文獻調(diào)研、描述性統(tǒng)計分析方法，調(diào)研分析國內(nèi)外科研、現(xiàn)實應(yīng)用兩個層面上的非結(jié)構(gòu)化醫(yī)學(xué)信息管理的相關(guān)情況。

關(guān)鍵詞：非結(jié)構(gòu)化信息;醫(yī)學(xué)圖像;信息管理

一、引言

隨著現(xiàn)代社會的發(fā)展，信息數(shù)量猛增，逐漸分化出不同的種類。醫(yī)學(xué)信息有結(jié)構(gòu)化與非結(jié)構(gòu)化之分，其中絕大多數(shù)都是以醫(yī)學(xué)圖像為代表的非結(jié)構(gòu)化醫(yī)學(xué)信息。醫(yī)學(xué)圖像包括CT、X光片、B超、彩超等，用于人體的腦、胸、肺、甲狀腺等部位。

非結(jié)構(gòu)化醫(yī)學(xué)圖像信息由數(shù)字成像設(shè)備生成。醫(yī)學(xué)影像學(xué)的發(fā)展主要經(jīng)歷了三個階段：X線的臨床應(yīng)用，放射學(xué)的形成，醫(yī)學(xué)影像學(xué)的形成。1895年德國物理學(xué)家倫琴發(fā)現(xiàn)X線，并把X線用于人體檢查，開創(chuàng)了放射醫(yī)學(xué)的先河。20世紀60年代，Lodwick等人首次將X光片實現(xiàn)數(shù)字化。到八九十年代，世界各國紛紛引進醫(yī)學(xué)成像設(shè)備對患者病情進行診斷，病人在醫(yī)院做完影像檢查后，醫(yī)院需要沖曬兩套膠片，一套用于醫(yī)院存檔，另一套則交給病人保存。但這種方式難以管理、實時性較差、不方便數(shù)據(jù)共享。隨著HIS、PACS系統(tǒng)的普及，各地醫(yī)院紛紛引進醫(yī)院信息管理系統(tǒng)或平臺，將醫(yī)學(xué)圖像與其他文本信息數(shù)字化，實現(xiàn)了無膠片電子圖像的管理。但由于醫(yī)學(xué)圖像信息量大、關(guān)聯(lián)性強、對象復(fù)雜，這種基于圖像表征信息的管理，以非結(jié)構(gòu)化信息存儲的方式并沒有挖掘出醫(yī)學(xué)圖像深層次、高維度的有用信息，造成嚴重的資源浪費，臨床工作者也很難從以往珍貴的患者影像數(shù)據(jù)中發(fā)現(xiàn)疾病的發(fā)展趨勢和其中隱含的規(guī)律。

二、非結(jié)構(gòu)化醫(yī)學(xué)信息管理現(xiàn)狀分析

非結(jié)構(gòu)化醫(yī)學(xué)圖像的管理與分析，針對不同的人體部位，采用不同的方法，步驟會有所區(qū)別。但一般包括醫(yī)學(xué)圖像的獲取、預(yù)處理、特征提取、分類識別、存儲等。本文對國內(nèi)外的相關(guān)文獻以及事實數(shù)據(jù)進行整理統(tǒng)計，得出數(shù)十年來醫(yī)學(xué)圖像信息管理的整體現(xiàn)狀，主要分為科研層面和現(xiàn)實應(yīng)用層面兩部分。

（一）科研層面

自數(shù)字成像普及開始，圍繞著對醫(yī)學(xué)信息管理的研究層出不窮。國外的發(fā)達國家和國內(nèi)的發(fā)達地區(qū)、三級醫(yī)院分別于二十世紀八九十年代中期逐步形成了現(xiàn)代醫(yī)學(xué)影像學(xué)體系。

1. 國內(nèi)

近年來，國內(nèi)主要研究的是醫(yī)學(xué)影像信息系統(tǒng)開發(fā)和管理，陳軻在需求分析的基礎(chǔ)上對醫(yī)學(xué)影像信息管理系統(tǒng)進行系統(tǒng)體系結(jié)構(gòu)設(shè)計和系統(tǒng)功能設(shè)計在醫(yī)學(xué)影像數(shù)據(jù)管理與分析方面，張波研究了放療計劃系統(tǒng)醫(yī)學(xué)圖像數(shù)據(jù)存儲技術(shù)，致力解決圖像數(shù)據(jù)和系統(tǒng)中各模塊之間數(shù)據(jù)的存儲和獲取問題;在數(shù)據(jù)庫構(gòu)建方面，潘世揚將臨床信息與樣品管理相結(jié)合的病例信息管理系統(tǒng)，建立群體病例管理數(shù)據(jù)庫;陸錦龍使用SQL Server數(shù)據(jù)庫軟件完成了具有多種模塊的鼻咽癌病案信息數(shù)據(jù)庫管理系統(tǒng);在運用深度學(xué)習進行醫(yī)學(xué)影像分析方面，萬艷麗提出基于層次化深度學(xué)習的醫(yī)學(xué)影像組織與檢索框架，進行分類操作。

2. 國外

在醫(yī)學(xué)圖像處理領(lǐng)域的研究，歐美國家的研究較多，發(fā)文量較高，國家間合作關(guān)系更加緊密，學(xué)科間存在較多的交叉融合。近來年主要是對“算法”、“系統(tǒng)”、“模型”、“分割”等方面的研究。在醫(yī)療影像數(shù)據(jù)管理方面，Beahan學(xué)者提供了一種醫(yī)療影像信息數(shù)據(jù)倉庫管理系統(tǒng)和方法。系統(tǒng)接收若干組醫(yī)療影像文件，被概率地轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)集（通常作為表）;在構(gòu)建關(guān)系數(shù)據(jù)庫方面，美國 EMBBS 機構(gòu)實現(xiàn)的醫(yī)學(xué)影像數(shù)據(jù)庫存儲了大量的實用數(shù)據(jù)，例如醫(yī)學(xué)文獻、醫(yī)學(xué)指南、甚至還存儲了臨床照片、 X光照片等數(shù)據(jù);在深度學(xué)習訓(xùn)練過程方面，將卷積神經(jīng)網(wǎng)絡(luò)模型運用在醫(yī)學(xué)圖像識別中，可追溯到1995年，將雙重匹配方法和人工視覺神經(jīng)網(wǎng)絡(luò)技術(shù)融合，用于肺結(jié)節(jié)檢測。此后，運用卷積神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)圖像中的應(yīng)用慢慢開展起來。

（二）實際應(yīng)用層面

理論研究取得的成果眾多、研究方法更先進，但只有經(jīng)過成千上萬的重復(fù)性實踐檢驗后，才能真正落地。非結(jié)構(gòu)化醫(yī)學(xué)圖像信息管理的實際應(yīng)用，經(jīng)過不同載體的歷史變遷，從紙質(zhì)化發(fā)展到數(shù)字化，再到現(xiàn)在的智能化。

1. 國外

國外由于科技的先進，最早研制出各種醫(yī)療成像設(shè)備，核心技術(shù)也一直牢牢掌握在其手中，如美國通用電氣公司、西門子公司、飛利浦、銳珂醫(yī)療公司等，全球范圍內(nèi)的醫(yī)學(xué)成像設(shè)備以及PACS系統(tǒng)大多由這些醫(yī)療公司壟斷。國外的設(shè)備廠商如GE、西門子公司提供跨國的遠程醫(yī)療診斷服務(wù)，建立了大規(guī)模的遠程會診中心，實現(xiàn)了商業(yè)化教學(xué)和區(qū)域性協(xié)同的成功案例。但到目前為止，美國仍有近1/4的醫(yī)院和超過40%的醫(yī)生尚未采用電子健康記錄系統(tǒng)。醫(yī)療數(shù)據(jù)的敏感性和嚴格的保護隱私規(guī)定，限制了AI醫(yī)療所要求的高質(zhì)量聚合數(shù)據(jù)的收集。美國醫(yī)院對患者隱私有諸多保護，不同的醫(yī)院無法和病人或其他醫(yī)院共享數(shù)據(jù)，重復(fù)的醫(yī)學(xué)檢查、生成大量的冗余醫(yī)療數(shù)據(jù)，造成極大的資源浪費。

2. 國內(nèi)

國內(nèi)對醫(yī)學(xué)圖像信息管理的實際應(yīng)用方面，21世紀初通過購買發(fā)達國家的先進成像設(shè)備和信息管理系統(tǒng)實現(xiàn)了早期的醫(yī)學(xué)信息化管理。加上計算機的普及，人民整體文化水平的提高也一步步推動了醫(yī)學(xué)信息化的發(fā)展。在此前提下，醫(yī)院建設(shè)了不同部門的信息系統(tǒng)、構(gòu)建了不同科室、人體不同部位的數(shù)據(jù)庫，醫(yī)療公司也嘗試著借助客戶端實現(xiàn)對患者病例的收集與管理。在醫(yī)院信息管理上，大多數(shù)大型醫(yī)院基本已完成臨床業(yè)務(wù)和醫(yī)院管理業(yè)務(wù)的信息化，依托影像中心初步建立遠程會診中心，PACS系統(tǒng)主要還處于院內(nèi)網(wǎng)絡(luò)運行狀態(tài)，還致力于整合院內(nèi)應(yīng)用系統(tǒng)，構(gòu)建醫(yī)院集成平臺，實現(xiàn)醫(yī)學(xué)圖像與其他信息的業(yè)務(wù)協(xié)同。但信息系統(tǒng)大多都是分散建設(shè)模式，由不同廠商建設(shè)，導(dǎo)致醫(yī)院內(nèi)各業(yè)務(wù)系統(tǒng)建設(shè)標準不統(tǒng)一，各模塊子系統(tǒng)的開發(fā)采用的標準不一致，醫(yī)院之間的業(yè)務(wù)協(xié)同與資源共享難度更大。一些信息系統(tǒng)由于是直接引進國外的，存在著界面不友好、用戶體驗欠佳、圖像處理無法滿足用戶要求的強烈。此外，我國的醫(yī)學(xué)數(shù)據(jù)標準建設(shè)并不完善，導(dǎo)致系統(tǒng)開發(fā)性和適應(yīng)性不足。

（三）國內(nèi)外非結(jié)構(gòu)化醫(yī)學(xué)圖像信息管理的區(qū)別

經(jīng)過上文分別對國內(nèi)外在科研層面、實際應(yīng)用兩個層面上的非結(jié)構(gòu)化醫(yī)學(xué)圖像信息管理的論述，可以看出，總體上在研究工具、研究技術(shù)、研究成果等方面，我國和以美國為代表的發(fā)達國家相比，仍存在較大差距，具體如表1所示。

三、存在的問題

近年來，國內(nèi)外對非結(jié)構(gòu)化醫(yī)學(xué)信息——醫(yī)學(xué)影像信息的管理，只是簡單的對醫(yī)學(xué)影像進行不同形式的儲存歸檔，方便顯示、儲存、查詢、調(diào)用與統(tǒng)計，增加一些用戶接口模塊和統(tǒng)計輔助功能，醫(yī)療工作者并沒有在實際工作中對醫(yī)學(xué)影像本身進行深度的數(shù)據(jù)挖掘與利用?；谀撤N算法或模型對醫(yī)學(xué)影像進行圖像分割、圖像特征提取等一系列操作，但并沒有對采用先進算法處理之后產(chǎn)生的影像數(shù)據(jù)進行系統(tǒng)規(guī)范的整理，且人工智能環(huán)境下的智慧醫(yī)療也存在著諸多問題，主要包含以下四個方面。

一是臨床需求復(fù)雜。一方面，醫(yī)生需要全面覆蓋的產(chǎn)品;另一方面醫(yī)生需要解決的又是具體的臨床應(yīng)用場景而非某個結(jié)節(jié)。

二是數(shù)據(jù)問題。醫(yī)學(xué)圖像數(shù)據(jù)缺乏統(tǒng)一的質(zhì)量評估標準，如何獲取足夠訓(xùn)練、標注好的高質(zhì)量的數(shù)據(jù)十分困難，數(shù)據(jù)標準難以統(tǒng)一。

三是算法問題。主流的深度學(xué)習方法存在一個明顯的缺陷，即它的過程可用不可見，沒有普遍的適應(yīng)性。

四是性能評估問題。部分研究選用了公共庫的部分圖像，使用的標準不清晰，實驗環(huán)境無法重現(xiàn)。

四、對策研究

非結(jié)構(gòu)化醫(yī)學(xué)圖像信息發(fā)展至今，借助計算機和算法模型對其進行深層次的挖掘和利用。在這不斷發(fā)展的過程中，存在著種種不足與缺陷。針對前文提到的問題，本文對照提出以下四點建議與對策，已望更好地指導(dǎo)之后的科學(xué)研究。

（一）范圍更廣泛的跨組織合作

患者數(shù)據(jù)本身有特殊性，較難獲取，醫(yī)院數(shù)據(jù)提供者、供應(yīng)商和計算機專家之間的合作至關(guān)重要，這種協(xié)作將解決醫(yī)療研究人員無法獲得的數(shù)據(jù)問題。

（二）多融態(tài)數(shù)據(jù)的融合

目前病歷方面關(guān)于文本的研究走在圖像分析的前面，彼此由獨立進行，因此多模態(tài)信息的融合，實現(xiàn)患者—診斷—用藥一條線的有機聯(lián)系十分重要。

（三）普適性深度學(xué)習模型的構(gòu)建

目前國內(nèi)外大多是構(gòu)建某種單一改進模型，或是融合算法來對單一病種進行分割、分類，不具備普適性，這就需要對更多模型進行遷移學(xué)習。

（四）醫(yī)學(xué)圖像標準的統(tǒng)一

目前國際通用的醫(yī)學(xué)圖像信息交換標準主要采用DOCOM，不同地區(qū)、不同國家醫(yī)院間的各業(yè)務(wù)系統(tǒng)建設(shè)標準應(yīng)統(tǒng)一，以便更好地進行數(shù)據(jù)開放和共享，有利于醫(yī)院集成平臺、區(qū)域性協(xié)同平臺的建設(shè)，在醫(yī)學(xué)專業(yè)用語方面，國際組織或國家應(yīng)統(tǒng)一規(guī)范，加強行業(yè)標準化管理。

五、結(jié)語

本文通過對國內(nèi)外大量的文獻調(diào)研，了解目前國內(nèi)外非結(jié)構(gòu)化醫(yī)學(xué)信息管理現(xiàn)狀，調(diào)研分析國內(nèi)外現(xiàn)實應(yīng)用、科研兩個層面上的非結(jié)構(gòu)化醫(yī)學(xué)信息管理的相關(guān)情況，采用描述性統(tǒng)計分析方法分析非結(jié)構(gòu)化醫(yī)學(xué)圖像信息存在的主要問題，提出推進非結(jié)構(gòu)化醫(yī)學(xué)信息管理的對策建議。通過梳理整理好醫(yī)學(xué)影像數(shù)據(jù)，將人工智能技術(shù)與醫(yī)療影像數(shù)據(jù)管理更好地結(jié)合起來，為下一步工作的一般醫(yī)學(xué)影像信息過程管理方法的提出做好前期調(diào)研準備，更好地指導(dǎo)接下來的研究進展。

參考文獻：

[1]沈立峰.中小型醫(yī)院智能化信息系統(tǒng)的設(shè)計與實現(xiàn)[D].吉林大學(xué)，2016.

[2]魏明，羅希.基于PACS標準化通用型信息管理系統(tǒng)[J].中國醫(yī)療設(shè)備，2017（02）.

[3]趙鵬飛，錢沄濤，鄭文斌，等.基于圖像與文本特征的在線生物文獻MRI圖像庫構(gòu)建[J].中國生物醫(yī)學(xué)工程學(xué)報，2010（05）.

[4]蔡雨蒙，冷鍇，單紅偉，等.大型醫(yī)院影像分級存儲架構(gòu)下歸檔的策略及應(yīng)用[J].中國數(shù)字醫(yī)學(xué)，2017（01）.

[5]毛善友.醫(yī)院影像信息管理系統(tǒng)的研究與實現(xiàn)[D].武漢工程大學(xué)，2014.

[6]Dan C. Cireran， Giusti A， Luca M. Gambardella， et al. Mitosis Detection in Breast Cancer Histology Images with Deep Neural Networks[J].Med Image Comput Comput Assist Interv，2013（02）.

[7]陳詩慧，劉維湘，秦璟，等.基于深度學(xué)習和醫(yī)學(xué)圖像的癌癥計算機輔助診斷研究進展[J].生物醫(yī)學(xué)工程學(xué)雜志，2017（02）.

[8]Litjens G， Kooi T， Bejnordi B E， et al. A Survey on Deep Learning in Medical Image Analysis[J].2017.

[9]張琪.人工智能的發(fā)展及其在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J].電子技術(shù)與軟件工程，2016（20）.

（作者單位：江蘇大學(xué)科技信息研究所）