點擊上方“中國數字醫學”可以訂閱哦！
導讀：討論影像大數據與醫學影像信息學的相關性，總結影像大數據在臨床中的應用。用“大數據圖像信息學”和“大數據放射信息學”關鍵詞對2012年至2017年間正式發表的科研論文進行檢索，對檢索結果抽樣分類並分別探討了其臨床應用。醫學影像信息學在影像大數據的背景下，已在診斷和治療、教育和科研、成本控制和效率提升及輻射劑量監測等方面開展應用。影像大數據是醫學影像信息學的重要組成部分，大數據應用前景生機蓬勃，但離大規模臨床推廣還有一定距離。
大數據，指無法在一定時間範圍內用傳統軟件進行獲取、存儲、管理及分析的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據的特點是指數據的體量大，數據的種類多，數據更新速度快及大數據發展趨勢的不確定性。
近年來，公共醫療成為大數據快速發展的行業，針對海量的診斷報告、病理數據、藥物清單和治療方案，藉助大數據平臺可以建立基於病例特徵的疾病數據庫，醫生可以根據患者信息制定有效的治療方案。
方法
通過谷歌引擎搜索正式發表的中英文科研論文，由於這是一門新興學科，所以將查詢時間設置為2012年至2017年，查詢關鍵字為“大數據圖像信息學”和“大數據放射信息學”及各自對應的英文。鑑於目前通用的科研論文均採用.pdf格式，所以對查詢類型用“filetype:pdf”子句進行限定。最後對查詢結果進行抽樣分類，並對各分類主題進行探討。
結果
檢索結果主要由兩大類構成，第一類從廣義上討論與大數據相關的基本概念及其在醫學影像信息學中所發揮的作用。第二類則使用大數據和醫學影像信息學技術解決醫療實踐中的具體問題。
由於綜述研究的廣泛性和複雜性，本文並不對具體文獻作全面的分析和總結。將重點關注大數據的基本概念及其在影像信息學中的應用。討論的應用範疇主要涵蓋診斷和治療、教育和科研，成本控制和效率提升及輻射劑量監測幾方面。
影像大數據影像大數據是由DR、CT、MR等醫學影像設備所產生並存儲於PACS系統內的大規模、高增速、多結構、高價值和真實準確的影像數據集合。胎心監測、免疫分析、DNA篩查數據均可用於影像大數據應用方案。
雖然醫學影像數據相當豐富，但用常規方法從中提取的有用信息卻相對較少。放射圖像不但數據量龐大，而且針對性極強，常用於解決具體的臨床問題。例如，X光片主要用於檢查肺部及支氣管炎症，這就容易導致放射數據的觀測力貧瘠現象，而臨床記錄則包含了所有與患者診斷、治療過程相關的信息，因此更富有觀測力。
影像信息學影像信息學的主要目標是將傳統意義下的成像、後處理、PACS等內容有機結合，提供更有針對性、信息含量更豐富且更準確的圖像解譯，獲得更有價值的圖像信息，以便完成人類能力難以勝任的工作。
數據挖掘是將屬性相似的某類對象聚類，從聚類數據中提取有用信息並將其轉化為可理解對象的過程，如今該過程可用人工智能、機器學習和深度學習等方法實現。由於這些方法能處理的數據量更多，過程更加穩定，結果也更加有效，可彌補因持續工作而造成的關鍵性結果缺失或疲勞性降速。
影像大數據的具體應用
診斷和治療流程的合理化計算機輔助診斷（Computer Aided Diagnosis，CAD）和臨床決策系統（Clinical Decision Support，CDS）是影像大數據應用的重要組成部分。
CAD提供了各型數據融合的接口，既包括影像資料，也可以是病理報告，還可以是電子病歷（Electronic Medical Records，EMR）。文獻將影像數據和組織切片數據相結合，通過CAD系統建立了疾病診斷模型、選擇最優藥物劑量和放射療法並制定了最佳器官移植時間。規劃制定是CDS大數據應用的一個重要用途，在制定成像檢查規劃前，可以通過EMR全面收集關於患者的各類信息，如年齡、症狀、病史、遺傳史、耐藥性、身體狀況及歷史健康等數據[7]。該過程可解讀為對某項檢查進行的驅動力分析，並據之選擇最適宜的成像手段。
教育和科研水平的改善用大數據相關性分析代替傳統的假說驅動研究有比較優勢。病例選擇、離群效應分隔標準及變量說明等過程常常是既耗時又缺乏統計意義。使用實際數據意味著研究人員可以方便地辨識相關人群，並確定哪些患者可能會對特定治療方案產生反應。運用大數據分析則能夠以較為自然的方式展示醫療條件的變化過程，以便跟蹤總體發展趨勢。
使用數據挖掘技術可對放射技師或醫生做教育評分。例如，使用評級系統對歷史影像解讀意見進行調閱並評分，分析各評定誤差的臨床學意義，而這種自我評價或同行評價的方式不但可以作為操作技能的質控標準，還可成為提升醫療服務質量的教學工具。
成本控制和效率提升合理利用大數據可有效降低醫療成本，病人醫療成本主要是由檢查費用、藥品耗材及護理費用構成，通過大數據對不同病種的預期成本和預期收益進行預測和控制，不但可以減少不必要的檢查項目，還可以合理調配醫療資源。
提取病人EMR大數據可以建立某些疾病的早期預測模型，能夠有效降低死亡率。一項最新的機器學習研究項目表明，提取確診病例和健康病例的特徵，通過分類決策模型進行深度學習，能夠大幅提高充血性心力衰竭的確診能力。
輻射劑量監測影像大數據應用方案的另一個領域是輻射安全控制，具體地講即是如何減少患者的輻射劑量。目前，與CT輻射劑量相關的主要參數主要有CT劑量指數和劑量長度積，採用傳統指數估計患者劑量既不全面也不準確。
現在，已經可以通過大數據方式來減少患者遭受的檢查輻射，華盛頓大學採用了劑量跟蹤技術從多個CT成像設備中獲取掃描數據，建立了受檢者體徑與CT劑量間的相關模型，不僅可以精準定位病灶，而且有助於驗證其成像效果並控制放射劑量。
發展方向大數據及其在放射學中的應用研究是一門新興課題，在一些領域取得了初步成果，整體研究並不成熟。利用PACS或轉化醫學整合生化、病理、分子和影像數據建立綜合數據中心，通過標記物的鑑別準確定位病灶的醫療模式是影像大數據的發展方向。隨著病例樣本的積累，算法的不斷髮展，將在更為廣闊的範圍內湧現出越來越多的醫學影像大數據解決方案，影像信息學也必將迎來更深層次的機遇和挑戰。
影像信息學是醫學影像學近年來的發展新方向，已在影像大數據臨床應用中展現出強勁動力。在大數據浪潮的推動下，影像信息學必將為臨床實踐提供更為準確的決策動力，醫療資源配置更加合理，醫療服務水平進一步提高。
文章來源：《中國數字醫學》雜誌2018年第12期，作者及單位：賴思渝 楊漢豐 杜勇，川北醫學院影像學院 川北醫學院附屬醫院放射科。
戳這裡!!!
關於召開2019中華醫院信息網絡大會（CHINC）的第一輪通知
“2018年度全國醫院信息化傑出領導力和創新力人物”評選表彰活動
2019中華醫院信息網絡大會（CHINC）徵文通知
傳播數字醫學領域發展最新動態，關注醫療衛生信息化相關資訊。
長按掃碼關注我們
閱讀更多 中國數字醫學 的文章
