我國放射影像質量控制管理現狀及發展趨勢探討

吳曉芬，王培軍

上海市同濟醫院 a. 信息處；b. 放射科，上海 200065

[關鍵字] 質量控制；全面質量管理；人工智能；PDCA；放射影像

引言

隨著社會經濟的快速發展，醫療設備的不斷更新，計算機技術的突飛猛進，放射科工作內容已經不僅僅只有攝片、寫報告那么簡單。技師攝片的質量、醫師診斷報告的準確性、PACS/RIS的穩定順暢運行都對患者的疾病診斷以及就醫流程的改善起著極為重要的作用[1]。尤其是隨著患者和臨床新需求的增加，使得對放射科的質量控制和管理也提出了更高、更嚴、更新的要求[2-3]。隨著深度學習、人工智能等高新技術的崛起，放射質量控制能否踏著這個科技浪潮進行一次全新的變革，智能化的質控管理方式能否提高質控效率及質量是本文探討的主要話題。

1 現狀及存在的問題

1.1 現狀

1937年，中華醫學會放射學分會在上海成立，宗旨是團結全國從事放射學的醫學科技工作者，積極推動我國放射學的發展。同時積極推動行業標準、指南和規范的制訂，為規范、提高中國醫學放射學檢查、診斷和介入診治水平的提高發揮著積極的推動作用[4-5]。1988年我國第一個放射質控中心在浙江省成立，隨后福建、上海、北京、天津先后成立了放射影像質控中心。由中華放射學會質控中心、各地方放射質控中心分別制定標準，包括質量控制與管理、規范管理標準、量化管理內容、建立管理路徑、培養管理團隊等方面，但目前尚未形成一個全國統一的行業標準[6-7]。

一般放射質量控制標準可以分為質控計量標準、質控計數標準、非計量計數規范。質控計量標準包括大型設備陽性率、手術病例放射診斷定性正確率以及攝片質量率等可以量化的指標；質控計數標準包括有或無的指標，以攝片要求為例，患者資料包括有無檢查號、有無醫院名稱、有無年齡等。非計量計數規范包括各種培訓與考核制度[8-9]。

1.2 存在的問題

現在的放射質控標準由中華放射學會質控中心、各地方放射質控中心分別制定，因此質控標準化程度不高、質控標準參照不一致，甚至有些制度無可操作性，圖像或報告的質量依靠人工判別，缺乏客觀性，網上質控方法程序不統一[10]。

傳統的質量控制標準在面對多元化以及個性化的影像學檢查已經有點力不從心。放射科需要準備很多資料和影像圖片，由質控小組專家到現場進行評判，不僅耗時耗力，還存在主觀評判導致結果的差異[11-13]。比如就拿拍攝X平片來說，有些地方還在使用CR，但大部分醫院已經使用了DR，對于不同的攝片機器采用同樣的質量控制標準顯然是不合適的，但如果分別制定不同的標準對于質控而言又過于復雜了[14]。同時，對于同一個器官的檢查，由于需要關注的疾病可能并不相同，而且臨床對于每個患者都有不同的影像學訴求，因此放射科技師在進行影像學檢查時所采用的掃描技術肯定不盡相同，這樣對于影像學檢查的圖像結果肯定也有差異[15-16]。

對于報告的質控而言，目前關注的比較多的是病人信息的完整程度等的格式方面，以及報告是否能夠在規定的時間內及時簽發。對于報告的內容也僅僅是對于錯別字，病灶是否有具體的描述等內容有所關注，但對于診斷結果是否規范統一尚無一個明確的標準，報告結論中對于某個疾病診斷用語可謂五花八門，如肝細胞癌，也可表示為HCC、肝癌、肝惡性腫瘤、肝實質惡性占位等[17]。

因此建立一個統一的、標準化、智能化的放射質量控制標準是解決上述問題的主要途徑之一。

2 應對措施

放射質控管理是全面質量管理，是通過PDCA實現的。PDCA循環的含義是將質量管理分為四個階段，即計劃（Plan）、執行（Do）、檢查（Check）、調整（Action）。在放射質控管理中，從攝片到診斷，從影像產生到影像應用都必須經過PDCA不斷地提高質量[18-19]。

隨著信息技術的發展，設備智能集成化程度越來越高，RIS/PACS普及，尤其是深度學習廣泛應用，放射科工作越來越走向智能化，因此放射質控工作的PDCA環節都可以通過人工智能來完成[20]。計劃：通過深度學習算法，對質控工作進行智能化安排；執行：在進行放射檢查過程中，通過圖像的智能獲取，提高檢查質量；檢查：很多檢查可以通過人工智能評判，杜絕由于人為主觀判斷造成的質控結果偏差；調整：通過信息化手段進行自動調整[21]。

因此，解決現階段我國放射質量控制管理標準不統一、規范不一致、評判結果主觀性強的現狀，可以通過加強影像檢查過程中各個環節的智能化方法，不斷提高影像質控質量，具體方法如下。

2.1 醫學影像智能獲取

在放射檢查過程中，通過智能化的檢查方法，避免由于人為因素造成的影像檢查方法不統一、檢查不規范的問題，從而提高影像檢查質量[22]。

（1）智能體位導引：常見檢查的智能體位導引、擺位正確性自動檢查和自動體位識別。

（2）智能參數設定：常見檢查的掃描參數智能設定，包括掃描范圍、系統硬件相關的參數設定。

（3）智能掃描觸發：常見灌注與動態增強檢查的智能掃描設備觸發系統，根據動態圖像，自動觸發團注追蹤法掃描，見圖1。

圖1 影像智能獲取

2.2 圖片智能評測

傳統的影像圖像質量評測都是由質控專家，根據自己的經驗進行評判。這樣的方法存在一定的主觀性，而且工作效率低，容易產生一定的偏差[23-24]。隨著智能化的發展，可以利用卷積神經網絡的深度學習，對曝光度、偽影、對比度、分辨率、信噪比、掃描范圍FOV等圖像質量相關因素進行智能分析和評價，自動出具影像質量報告及相關整改建議，見圖2。

圖2 圖片智能評測

2.3 報告智能檢查

診斷報告是以文本格式存儲在RIS系統中，可以利用這些大量文本數據，對報告模板進行結構化，使其成為一定標準、便于分析的格式，再通過深度學習算法分析報告中患者性別、描述與結果等報告內容是否存在缺陷，從而自動評定報告質量[25]。報告智能檢查在提高質控檢查的工作效率及質量的同時，減少質控專家的工作量，可以讓專家更好地專注于質控管理的其他方面，見圖3。

圖3 報告智能檢查

2.4 設備運行智能監測、預警

放射科大型醫療設備的正常運行是放射科影像質量管理的基礎。設備的穩定運行、參數的準確性對患者圖像的精確診斷起著重要作用。因此可以通過智能算法對定位像和患者校準數據，對金屬異物進行智能識別和預警；對設備運行關鍵部件參數的實時監測，自動遠程預警設備異常運行。通過對設備運行的智能檢測，及時發現設備故障，從而提高影像質量，見圖4。

圖4 設備運行智能檢測、預警

2.5 云平臺“網上+現場”質控

“云”的概念和理論是在2006年被正式提出的，經過十年的發展，云計算、云存儲已經在許多醫院中應用。影像圖像、診斷報告可以通過網絡存儲到云端，在減少了本地存儲物理空間的同時，還能隨時隨地查看。對于質控管理工作來講，專家無需到現場評測，只要連接上互聯網就能進行遠程質控，節約時間、節約人力、節省財力。

3 結束語

人工智能的準確性需要更好的算法以及更加標準的數據，因此我們還需要解決算法更新及數據統一標準的問題。同時隨著科學技術更進一步發展，智能化放射質量控制方法的應用將越來越廣泛，評價更客觀，方法更科學，影像質量將更大幅度的提升。