《La radiologia medica》：Digital infrastructures and data interoperability in radiology for prevention: from digital health to AI-enabled, quantitative imaging workflows
编辑推荐：
放射学正迅速从一项生产图像的服务演变为支持预防、早期诊断及个性化护理的以数据为中心的临床平台。这一转变由数字健康、人工智能（AI）与诸如影像组学（radiomics）等定量成像方法的融合所加速。然而，这些创新的临床影响较少取决于算法本身，而更多依赖于稳健的数字
放射学正迅速从一项生产图像的服务演变为支持预防、早期诊断及个性化护理的以数据为中心的临床平台。这一转变由数字健康、人工智能（AI）与诸如影像组学（radiomics）等定量成像方法的融合所加速。然而，这些创新的临床影响较少取决于算法本身，而更多依赖于稳健的数字基础设施，以及放射学、临床数据及（在可用时）分子数据之间真正的互操作性。在实践中，许多实施失败是因为数据在异构系统中仍然碎片化、元数据不完整、工作流未协调，且治理框架不足以保障质量、隐私与问责制。本文聚焦于可互操作数据生态系统的以放射学为中心的需求，涵盖技术与语义标准（如数字成像和通信医学（DICOM）、健康等级7快速医疗保健互操作性资源（HL7 FHIR）、集成医疗企业（IHE）配置文件、受控术语）、数据治理与质量计划，以及AI向真实世界放射学工作流的集成。讨论了常见的实际障碍，包括遗留信息技术（IT）债务、语义不一致、模型漂移（model drift）、偏倚、医疗法律不确定性及隐性运营成本。最后，提出了实现可扩展、安全且具有临床实用性的互操作性的务实建议——支持机构与网络层面的预防路径以及AI和影像组学的负责任部署。
研究背景方面，现代预防依赖纵向、可比且可操作的数据，放射学正处于这一转型的核心，其贡献涵盖筛查、风险分层、早期检测与随访，并日益产出定量输出（测量值、体积测定、密度、评分及影像组学特征）。然而，影像数据的价值常受限于其在各系统间的存储、标记、共享与解读方式。多数机构的影像仍主要被视为视觉内容，由专为检索与显示而非可计算复用设计的图片存档与通信系统（PACS）管理。而预防导向的护理要求影像数据能与临床背景（指征、症状、实验室值、治疗）、结局（随访影像、病理、不良事件）及（若可用）分子或基因组特征相关联，这离不开保障数据完整性、语义与治理的互操作基础设施。关键在于，AI与影像组学的成功不仅取决于受控环境下的模型性能，更取决于数据流可靠性及这些工具在日常工作流中的“适配性”；若AI输出延迟、位于独立门户、含义不明或可追溯性差，则会成为额外负担而非临床工具。因此，基础设施与互操作性并非附属细节，而是现实世界影响的主要决定因素。预防导向工作流对互操作性差距有额外约束：低患病率环境下特异性微小变化可致显著下游负担，敏感性微小下降或延误诊断；预防依赖数年纵向决策（间隔变化与随访依从性），使方案与元数据一致性至关重要；多中心预防项目扩展则增加组织互操作性、治理及建议与结局可审计追踪的需求。该研究发表于《La radiologia medica》，研究人员通过针对性叙述文献检索（涵盖DICOM/DICOMweb、HL7 FHIR、IHE等互操作性标准与配置文件，RadLex、SNOMED CT等受控术语与结构化报告，AI报告/部署指南含部署后监测，影像组学可重复性与标准化框架）结合作者对反复实施失效模式及可行缓解措施的专家综合，形成务实立场文件与以放射学为中心的框架及可操作建议，结论指出放射学欲成为预防与精准诊断支柱，须将影像视为可互操作、高质量、可治理的数据而非孤立视觉内容；数字基础设施与互操作性是实现AI与影像组学临床价值、减变异、支持纵向人群尺度预防路径的先决条件；最常见实施失败源于生态碎片化、语义不一、治理缺失与工作流整合差而非算法不够精深；通过操作性采用标准、投资语义与组织互操作性及持续监测AI与数据质量，可使预防导向创新具可扩展性、安全性与可信性，将互操作性从愿景转为持久临床能力。
作者开展研究用到的几个主要关键技术方法包括：通过针对性叙述文献检索覆盖互操作性标准（DICOM、DICOMweb、HL7 FHIR、IHE配置文件）与受控术语（RadLex、SNOMED CT）及结构化报告框架、AI部署后监测指南、影像组学标准化框架（如影像生物标志物标准化倡议IBSI）；结合研究人员对真实世界放射学部署中反复出现实施失效模式（如遗留IT债务、语义不一致、模型漂移、偏倚、医疗法律不确定性、隐性成本）的专家综合与可行缓解措施提炼；定义放射学中心最小互操作数据集（含标识符、临床背景、采集与重建参数等）以支持AI集成、注册与影像组学就绪工作流；依据欧洲健康数据空间（EHDS）法规、欧盟AI法案、GDPR及EDPB假名化指南等政策框架分析治理与隐私安全需求。无具体样本队列来源注明。
研究结果部分保留原文小标题并依原文浓缩说明如下。
引言：放射学作为预防级数据平台。研究人员指出现代预防依赖纵向可比可操作数据，放射学居转型中心且产出定量输出，但影像价值受存储标记共享解读限制；多数PACS设计仅用于检索显示而非复用，预防护理需关联临床与分子数据故需互操作基础设施；AI与影像组学成功取决于数据流可靠与工作流适配，预防工作流对互操作性有低患病率特异性敏感性、纵向决策、多中心治理三重约束；本研究通过叙述文献检索加专家综合形成放射学中心框架与建议，非德尔菲或系统分级故为务实最佳实践而非分级指南。
放射学中互操作性的含义：三个互补领域。研究人员界定互操作性含技术互操作性（系统借标准接口可靠交换信息，放射学中含影像元数据交换及申请调度采集存储报告分发联动，DICOM为基础标准；实践局限为“导出式互操作”依赖临时格式致脆弱延迟与数据丢失，缓解为优先DICOM及DICOMweb与企业级摄取保留元数据，否则预防场景影响大）、语义互操作性（交换数据含义一致，含标准化操作命名、解剖病理标记、统一元数据与可计算报告元素，受控词汇RadLex、SNOMED CT与结构化报告赋能可比数据集与分析；实践局限为语义错位是隐藏失效模式，细微采集标签差异损影像组学与AI可重复性，缓解为定义最小语义规则集绑定受控术语并定期语义审计，否则纵向追踪与AI泛化影响大）、组织互操作性（跨科室站点整合工作流角色责任与时机，IHE配置文件如预定工作流（Scheduled Workflow）形式化互操作放射学工作流；实践局限为本地组织变异破互操作，缓解为建立跨站点患者身份、操作目录、方案版本治理与端到端测试，否则多中心预防路径影响大）。
数字健康与放射学数据生态系统：从PACS到可复用数据。研究人员指出预防级生态系统需超PACS之架构以一致链接影像与临床信息供医疗与二次使用；核心组件含放射信息系统（RIS）、PACS/供应商中立归档（VNA）、含定量工具与AI集成点的诊断viewer、电子健康记录（EHR）集成、数字文档库、集成层（标准接口/API）、数据平台（仓库/湖）用于分析质控影像组学管道与AI监测；元数据为中心（影像无元数据即不完整临床对象，用于跨时间比对、自动质控、影像组学可重复性、工作流错配检测，DIC同定义图像与相关交换信息结构；实践局限为外部导入急诊或非强制标签系统致元数据不完整，缓解为摄取时强制最小元数据、方案命名版本化与自动QC，否则纵向可比与定量管道影响大）；数据治理与质量不可协商（最损AI采纳者为数据质量而非算力，含操作命名不一、缺指征、侧别错、患者重复或仅叙述报告；需结构化数据质量计划与最小互操作数据集，含标识符、临床背景及采集重建参数以支撑定量成像、影像组学可重复与纵向可比）。
标准与实用互操作性：DICOM、HL7、快速医疗保健互操作性资源（FHIR）与集成医疗企业（IHE）配置文件。研究人员指出DICOM为医学影像及相关信息国际基础标准，支撑临床级交换，仍为设备至归档与归档至viewer通信骨干；HL7 FHIR为广泛采用之电子医疗信息交换标准，借现代Web技术与API实现，放射学中用于影像事件与临床数据紧密链接，实践价值含表示影像申请与指征（如ServiceRequest）、关联执行研究与临床事件（如ImagingStudy）、回传报告与结构化发现至EHR（如DiagnosticReport与编码Observations），常见模式为DICOM作影像源真理、FHIR编排临床背景与检索指针（常经DICOMweb），局限为FHIR可用不自动保证有意义互操作，需对齐资源配置文件术语与标识符并端到端测试；IHE工作流配置文件将标准变为可操作（如Scheduled Workflow整合申请调度采集存储检索显示），实践局限为厂商部分实现或配置不一致致“合规但功能断裂”管道，缓解为治理标准化与可衡量QA，否则影响自中度至高度依规模而定，实施标准最有效是与跨系统最小数据集要求明确配对。
语义基础设施：操作名称、术语与结构化报告。研究人员指出受控术语RadLex为综合放射学词典用于报告决策支持注册数据挖掘教育研究，SNOMED CT为广泛临床术语用于EHR一致表示临床内容，二者借对齐放射学与临床系统语言支持语义互操作；实践局限为术语采纳需纪律与工具，若难选标准词则语义漂移持续，缓解为定义最小语义规则集绑定受控术语并定期审计，否则纵向追踪AI泛化与影像组学可重复性影响大；结构化报告支持一致数据捕获赋能分析AI训练监测与预防注册，尤适筛查肿瘤随访与高影响条件之纵向可比，实践局限为因感知耗时或整合差失败，成功需将结构化元素自然嵌入报告环境并提供即时临床价值（如自动填充测量、指南驱动随访建议），缓解为从高影响路径始保持模板简洁并自动填充定量字段，否则建议与结局不可计算致中度至高度影响。
AI与放射学工作流：从模型准确性到运营价值。研究人员指出AI当嵌入常规工作流（工作list、viewer、报告环境）方交付临床价值，须及时可追溯可操作；工作流原生AI用例含工作list分诊优先级（提及时敏检查减报告延迟）、采集与质控（自动警讯覆盖不足运动伪影或方案错配以防重复扫描）、自动量化（测量体积密度指标或评分减变异并结构化捕获定量信息）、报告支持（查完整性预填标准元素或突显指征发现结论不一致）、纵向追踪（识先前可比研究概览间隔变化尤适预防与监测）；这些应用依赖常被低估之互操作元素（可靠标识符、一致序列元数据、方案版本化、输入输出可审计日志），无工作流原生集成（单点登录viewer/RIS嵌入清晰来源）强算法亦成罕用分离工具，表1最小数据集助AI结果可追溯可解释可审计；监测漂移与现实世界性能方面，模型可因扫描仪变更方案演化人群偏移或新重建技术而退化，故需持续性能监测（误跟踪偏倚监测漂移检测与训练），实践局限为多数机构部署AI无可持续监测框架致静默性能退化，缓解为实现部署后监测（漂移指标周期再验证亚组检查）附所有权与“停止规则”，否则静默退化安全风险影响大；AI工具报告与证据标准方面，可信临床采纳应循CONSORT-AI（临床试验报告AI干预扩展）、SPIRIT-AI（试验方案AI特定需求）、TRIPOD+AI（回归或机器学习临床预测模型透明报告更新指南）以确保可重复可解释与负责任部署。
自动化与定量成像：在不增加负担下提升精度。研究人员指出放射学自动化常引入以管理增量，但其最具临床意义之贡献为减可避免变异（工作流方案选择测量报告习惯致异而非真实生物学），尤适预防成像之早期细微变化检测与可靠追踪；自动化提精度领域含方案标准化（自动方案选择与标准模板链临床指征与路径减跨扫描仪站点操作者异质性，方案版本化同等重要以记录采集重建设置变更使临床与分析/AI管道正确解释随访差异）、测量一致性与定量捕获（自动半自动测量减观察者间变异与转录误并实现定量输出结构化记录，预防优势非单次测量可重复而是跨时间变化可靠计算即纵向Δ）、纵向大规模比较（自动检索相关先验选可比序列清晰呈趋势减繁忙临床遗漏）、决策支持与完整性检查（依路径建议提示与验关键结构化字段存在减报告变异提可计算复用）；这些效益赖上游标准化，自动化不一致过程可产一致但临床不正确输出，故须伴方案治理结构化数据捕获与持续质量监测实施自动化；实践局限为上游未标准化则自动化失效，自动化不一致工作流增刚性错误（精确但临床不正确），缓解为治理标准化与可衡量QA，否则影响自中度至高度依规模。
影像组学与预防：可重复性依赖基础设施。研究人员指出影像组学旨在从医学影像提取高通量定量特征，但其临床转化受限可重复性挑战，影像生物标志物标准化倡议（IBSI）提供标准化框架定义特征与软件验证以解可重复定量成像生物标志物核心障碍；影像组学临床转化仍脆弱，特征值可随重建设置扫描仪升级分割变异与患者组合而移，即便单机构内达多年稳健纵向比较所需方案标准化亦具挑战，故期望应现实：影像组学最可信者为窄范围方案治理路径内伴透明验证与持续质控部署，而非异质成像间通用“插件”；基础设施前提含协调采集与重建（一致方案命名与显式跨扫描仪站点方案版本化，层厚重建核/算法去噪对比时序等微变可影响特征值损跨时或中心可比性）、完整可追溯元数据（使特征提取可解释质控并必要时调技术差异）、分割与注释明确标准及来源（谁注、何工具、何版本，分割变异为特征不稳主源）、验证标准化特征定义与软件验证（如IBSI对齐管道以支持可重复与多中心协作）、影像组学仅当链可靠终点与纵向结局（随访影像适用病理治疗临床事件）方具临床意义，无强健结局链接与治理则仍属技术练习而非预防决策支持工具；影像组学中可重复性对采集重建变异高度敏感，使元数据完整性为一级需求而非可选技术细节，表1最小互操作数据集含层厚重建核/算法对比时序方案版本化等关键字段以支持影像组学就绪方案协调与验证；实践局限为影像组学管道对技术变异高度敏感，无系统协调与元数据治理则多中心泛化性受限虽建模精巧，缓解为摄取强制最小元数据、方案命名版本化与自动QC，否则纵向可比与定量管道影响大。
隐私、安全与信任：使二次使用可持续。研究人员指出预防与精准倡议需数据安全二次使用，欧洲政策与监管框架强调安全数据交换与治理，欧洲健康数据空间（EHDS）法规于2025年3月生效并建立向可操作跨境健康数据使用过渡（后续实施规范预期），欧盟AI法案于2024年8月生效形塑欧盟可信AI部署责任；这些政策轨迹强化机构须将互操作性视为安全与治理挑战而非仅IT项目；GDPR下假名化可降风险支持数据保护但非万能且不自动使数据匿名，放射学中多模态数据集（影像加详细临床与基因组数据）再识别风险增；实践局限为二次使用常因组织不确定性停滞（谁授权访问、权限如何审计、数据跨环境如何保护），信任需清晰治理、透明患者沟通与强健技术保障，缓解为建立跨站点患者身份操作目录方案版本治理与端到端测试，否则多中心预防路径影响大。
实施障碍：为何现实世界采纳常失败。研究人员指出遗留债务与碎片化系统（多放射科运行多年异质平台致昂贵脆弱集成点，每附加连接引维护负担与网络安全面）；语义不一致（命名标记报告差异损影像数据集可比性与AI性能，表2总结常见实施陷阱与可行缓解）；隐性成本与可持续性（机构除采购外须预算集成存储计算安全监测培训，AI投资回报非自动须以可衡量结局证明：工作流时间、误减、路径依从、患者获益）；问责与医疗法律不确定性（问责分布于开发者/供应商（预期用途验证更新）、机构（本地配置治理培训监测）、临床医生（最终决策），可辩护部署须含清晰预期用途与局限文档、AI系统与数据管道版本化、输入输出可审计日志、事件报告流程附升级阈值与性能退化“停止规则”，预防路径中小系统误可人群尺度传播故尤重要；无清晰机构政策事件报告与模型局限透明则因风险关切迟滞采纳）；人因与变革管理（高效工具若扰工作流增认知负荷亦被拒，成功实施需培训参与与清晰价值演示）。
潜在放射学中心互操作性建议。研究人员提出十项建议：1始于可衡量临床与工作流需求（筛查随访分诊报告完整性）；2建数据治理模型含明确所有权访问规则与审计轨迹；3实现持续数据质量计划含指标与纠正工作流；4端到端采用标准：DICOM用于影像对象、HL7 FHIR用于临床API、IHE配置文件用于操作工作流；5承诺语义对齐：受控术语（RadLex/SNOMED CT）、标准化操作命名与高影响路径结构化报告；6将AI集成至原生工作流工具（工作list/viewer/RIS）避并行门户与手动操作；7监测AI部署后漂移偏倚与安全，建事件管理与周期性能评审；8隐私按设计用于二次使用，施GDPR对齐保障与透明患者沟通；9借采集协调与IBSI对齐特征管道确保影像组学可重复性；10投于人因与变革管理，建含放射科医生技师物理学家IT临床工程师与数据管理员之跨学科团队。
结论部分研究人员总结：放射学可成预防与精准诊断中枢支柱，但仅当影像被视作可互操作高质量可治理数据而非孤立视觉内容；数字基础设施与互操作性是使AI与影像组学交付临床价值、减变异、支持纵向人群尺度预防路径的赋能条件；最常见实施失败非因算法不够精深，而源于生态碎片化、语义不一、治理缺失与差的工作流整合；借操作性意味采用标准、投资语义与组织互操作性及实现AI与数据质量持续监测，放射科与网络可使预防导向创新具可扩展性安全性与可信性；成功之操作要素助将互操作性从愿景转为持久临床能力。
