作为医疗机构的核心数据资产之一，医学影像数据的价值亟待释放，存在巨大潜力。如何才能有效挖掘、利用医学影像数据价值？
“集中统一、全生命周期管理、临床科研融合，这是医学影像数据资源的三大管理策略。而建立全院影像数据中心，是发掘、利用医学影像数据价值的前提。
PACS系统发展呈现新趋势、面临新问题
经过二十多年发展，国内PACS系统已基本普及应用，并在新形势下呈现出新的发展趋势。
首先是专科化。PACS系统从早期的放射、超声等影像系统发展到内镜、核医学、介入、口腔、眼科等专科，产品进一步细分，各种专科化（如心脏、骨科）的影像处理应用也越来越多。
其次是智能化。以影像深度学习建模为核心的AI专病辅助诊断、分析产品如雨后春笋般涌现，基于医学影像的AI研究正在大型医院兴起。
第三是结构化。专科化影像分析和数据利用需求日渐增加，结构化报告越发受到重视。“放射、病理等影像报告结构化后，可将分析、测量的数据直接提取出来，有助于辅助临床决策。”
第四是诊断协同。在医改大环境下，医联体、医共体、多院区之间的影像协同诊断应用场景显著增多，对PACS系统的功能流程提出新要求。
第五是互联网服务。以云胶片为代表的移动互联网医学影像调阅快速发展。这类服务直接面向患者，患者不用拎着胶片到处跑，医生也可以方便调取不同医院的影像。
在新的发展阶段，PACS系统的数据管理与应用也面临新问题。
首先是专科化异构系统造成影像存储的分散化。专科化系统各有特点，医院使用的PACS系统往往不是一套，而是多套，导致影像数据分散存储在各个专科系统中。分散存储不仅为影像数据统一管理带来障碍，在医生工作站调用时需要访问不同专科系统，甚至使用不同浏览器，这也给医生统一调阅多模态影像造成困难。
其次是影像数据存储与存储容量的矛盾始终存在。近年来存储技术发展迅速，保证了存储容量的供应增长；但影像技术的发展、影像设备数量的扩充，导致存储容量的需求同步增长。与20年前相比，磁盘单盘容量增加约50倍，病例数据量和影像设备数量叠加导致数据量也增加了几十倍。
“水涨船高，影像的生命周期管理问题始终如影随形。”根据政策要求，医疗影像数据需要长期保存，这就对医院的存储容量、管理模式提出挑战。对于医院信息部门而言，存储设备升级或PACS系统更换更带来了数据迁移难题，迁移周期往往需要几个月甚至更长时间。
第三是影像数据的二次利用需求如何满足的问题。在面向AI研发的过程中，对影像数据集的筛选、管理和特征分析等会产生新数据，比如标注数据、特征数据等，这些数据都需要管理。但传统的PACS系统只对影像采集的原始数据进行管理，缺乏对影像数据研究的支持，研究数据集需要手工管理。比如，在进行AI研究时，往往需要科研人员先在PACS系统筛选数据，导入标注平台进行标注后，再导入训练平台进行训练，最后进行线上测试。在这个过程中，数据需要反复导出、导入，较为繁琐不便。
第四是多机构影像诊断流程的统一问题。当影像医生需要阅读外来影像时，由于传统的PACS系统不支持多中心管理模式，往往需要两套系统同时工作。如何将外来影像数据纳入本院PACS系统统一管理，并统一本院影像和外来影像的诊断工作流程，是多机构影像诊断对PACS系统提出的新需求。
影像数据中心是医院IT的重要基础构件
针对上述PACS系统面临的问题和需求，小编给出三点建议。
首先是建立影像数据中心，实现影像数据集中统一管理。汇集来自各异构专科系统的影像数据，形成包含原始影像和影像报告及影像特征在内的统一存储管理机制。影像数据中心可提供影像集中调阅、智能处理、影像分析等影像数据服务，同时支持各种影像应用。
其次是建立影像数据的长期存储管理体系，实现影像数据全生命周期管理。要实现影像数据全生命周期管理，需要建立分级存储体系。一方面采用分布式横向扩展技术，实现容量可持续扩容；另一方面建立“冷—热”两级存储，将历史数据存放在冷存储中，实现大容量长期影像管理。“在建立分级存储体系的基础上，期望PACS系统厂家能够针对医院需求提供数据迁移方案和工具，实现系统更换时的影像数据迁移。”
第三是融合管理临床数据和科研数据，实现临床、科研一体化。为实现这一目的，首先应增加影像数据集的管理，科研人员可通过历史影像筛选形成回顾性的数据集，或是医生在阅片中发现符合要求的新病例时，可通过打标签的方式将其添加进影像数据集中。其次，影像数据管理要支持AI研究，包括：增加对原始影像的数据集标签，建立研究数据集与原始影像的关联；支持影像的人工标注等。
“在医院IT生态中，影像数据中心，或者我们将其称为影像数据中台，将逐渐成为医院IT的重要基础构件。之所以可以通过“数据中台”的方式构建全院影像数据中心，一方面是由于影像的浏览、处理相对独立，可通过服务的方式供临床信息系统调用；另一方面，影像数据服务有广泛应用的DICOM标准，因此也更易集成。
“全院影像数据中心在医院IT架构中具有重要价值。这些价值表现在：其一，整合来自不同影像科室、不同系统的影像数据，形成统一的数据资源并集中管理；其二，建立统一的归档和存储管理体系，实现影像数据的全生命周期管理；其三，基于DICOM标准，提供统一影像调取服务和浏览阅片服务；其四，整合各类散在的人工智能辅助诊断功能，提供统一的诊断服务；其五，提供面向患者的数字胶片等其他增值服务；其六，为影像数据分析和AI模型训练、测试和模型部署提供统一平台，有助于实现临床、科研一体化。
