急诊医学影像数据库构建及标注专家共识  

Expert consensus on the construction and annotation of emergency medical imaging database

作　　者：中国急诊医学影像数据库协作组 马兆毅 刘士远 张惠茅[4] 王浩[5] 袁慧书[6] 穆琳 陈忠萍[4] 邱香[4] 李叶[4] 苗政 王静[4] 王雅宁 Chinese Emergency Radiology Database Collaboration Group;Ma Zhaoyi;Liu Shiyuan;Zhang Huimao;Wang Hao;Yuan Huishu(不详;National Health Commission Capacity Building and Continuing Education Center,Beijing 100191,China;Department of Radiology,the Second Affiliated Hospital of Naval Medical University,Shanghai 200003,China;Department of Radiology,the First Hospital of Jilin University,Changchun 130021,China;Institute for Medical Device Testing,National Institutes for Food and Drug Control,Beijing 102629,China;Department of Radiology,Peking University Third Hospital,Beijing 100191,China)

机构地区：[1]不详 [2]国家卫健委能力建设和继续教育中心,北京100191 [3]海军军医大学第二附属医院放射诊断科,上海200003 [4]吉林大学第一医院放射科,长春130021 [5]中国食品药品检定研究院医疗器械检定所,北京102629 [6]北京大学第三医院放射科,北京100191

出　　处：《中华放射学杂志》2024年第5期479-487,共9页Chinese Journal of Radiology

基　　金：国家自然科学基金(12226003、U22A20351);国家卫生健康委能力建设和继续教育中心医学影像数据库建设项目(YXFSC2022JJSJ012);中华国际医学交流基金会项目(Z-2014-07-2003-03);吉林省科学技术厅项目(20190902016TC、20200601003JC)。

摘　　要：急诊疾病漏诊、误诊危害严重,及时精准诊治对于提升急诊医疗质量、挽救生命、提高患者生活质量至关重要。影像检查在急诊疾病筛查、诊断与鉴别诊断中发挥重要作用,近年来急诊影像检查量的激增产生了海量的急诊影像数据,加之急诊影像解读具有一定的复杂性,对急诊影像报告质量和效率提出了巨大挑战。“人工智能+医疗”已在减轻影像和临床医师工作负荷和强度、提高诊治效率、优化急诊流程等方面初露头角,但作为人工智能重要基础的规范的急诊影像数据库目前在国内还不成熟。本共识围绕急诊医学影像数据库的构建过程和急诊影像数据标注规范与要求等方面提出指导意见,并以代表性典型疾病的标注为例展开讨论,供行业内从事急诊医学影像研究的医生、算法人员、政府管理者等参考。

关 键 词：数据库 急诊影像 标注 专家共识 人工智能 

分 类 号：R459.7[医药卫生—急诊医学]