高质量数据集典型案例 | 肺结核影像精标注高质量数据集

　　推荐单位：国务院国资委
　　申报单位：中国联合网络通信有限公司
　　一、背景
　　随着人工智能的深入应用，高质量数据集成为推动AI模型发展和提升医疗服务水平的关键。通过与“三医”政府部门、头部医院以及科研院所合作，中国联通构建了多模态医疗卫生高质量数据集，并在数据治理、安全合规、标注自动化和数据增强等方面形成了一套完整的实践方案，以满足辅助诊断、药物研发和智能监管等应用场景的需求。
　　二、方案和成效
　　一是实施合法授权的数据采集，确保安全合规。中国联通与首都医科大学附属北京胸科医院等机构紧密合作，完成20000余例胸部CT影像标注，各类数据通过合法授权获取，数据来源明确，确保了数据权属清晰、来源可溯。
　　二是开展全流程医疗数据治理，保障数据质量。构建“领域问题－本体设定－知识规则－专家语义－论证评估－生产验证－入表入库”的全流程医疗数据治理工作范式，联合专家团队制定了17类胸部CT影像征象标签和标注标准；采用双盲标注和分级审核等方式，确保核查数据标注准确性超过95%。
　　三是开发适配工具和算法，提升标注效率。整合文本、图像、语音、视频等不同模态的数据标注工具，通过开发标签阈值自动化适配工具和预标注算法，将胸部CT影像标注产出从原始的50例/周提升至1800例/周。
　　四是推动技术、管理、模式和机制的全方位创新。实现主动学习标注范式提升自动化标注效率的技术创新，建立临床专家与工程师共同标注评估的管理创新，开创医疗行业数据全流程治理的模式创新，形成跨系统高效汇聚流转的机制创新。
　　三、创新点
　　一是技术创新提升效率、保障安全。通过多模态医疗数据半自动化标注提升效率，构建数据沙盒监管机制确保数据安全合规。
　　二是模式创新确保数据质量。开创医疗数据全流程治理模式，即“领域问题－本体设定－知识规则－专家语义－论证评估－生产验证－入表入库”，保障数据质量，形成预标注算法与人工校验相结合的标注模式，提升标注效率与一致性。
　　三是管理创新打造数据权威性。建立临床专家与数据工程师共同参与的讨论制度，保障数据权威性与可信度，引入AI模型监控数据集完整性、准确性。