
11月5日,2026全国医保影像AI识图大赛颁奖仪式在南宁举行。这场由国家医疗保障局、广西壮族自治区人民政府联合主办,自治区医保局、自治区卫生健康委等共同承办的赛事,吸引1332支队伍、4447人报名,设8个赛道,最终66支队伍晋级决赛。由梧州市红十字会医院与腾讯健康觅影团队合作的"D-030数影识脑团",在赛道四“基于MRI的脑胶质瘤智能检测”自有模型组中获一等奖。
斩获一等奖的核心底气,不仅来自AI模型,更源于我院自主建设、提供的这套经过严格质控的高质量影像数据集。作为赛事数据提供与建设单位,我们严把样本关口,做到标注精准、样本完备、合规干净,夯实模型可靠落地的核心根基。这场合作里,医院管数据,腾讯管模型。而撑起这一切的,是一场从自治区到科室的接力。
这枚奖牌,不是一家医院在“打” 这场比赛,从一开始就不是一家医院自己在使劲。 自治区党委书记陈刚调研U型隐私训推技术开发应用全国医保影像AI识图大赛情况时强调统筹好数据安全与创新应用加快推动AI+医疗成果落地转化(广西卫视广西新闻11月2日)。自治区人民政府统筹部署,自治区医保局、自治区卫生健康委具体组织——从数据征集的文件下发,到标注标准的口径统一,再到参赛流程的组织保障,一层一层落到医院这一端。 市一级的力量也在往里投。市委、市政府高度重视,市卫生健康委全程指导,从数据供给的合规把关,到赴南宁参赛的行程协调,一路跟进。 落到医院,是党委把方向、管大局。医院党委把这次参赛纳入智慧医院建设的整体布局,统筹调配临床、影像、信息三支力量;四个赛道由四位院领导分别挂帅,同步推进,跨科室的难题由党委出面协调。
先把分工说清楚 医院在这次参赛中有两个身份。一是大赛的数据提供单位:自治区卫健委专门下发文件征集,医院按文件要求完成了影像数据的采集、标注与供给。二是参赛方:医院的专家给出什么样的片子能用、病灶边界怎么划、分级依据什么,这些判断成了标注的依据;算法和工程化由腾讯负责。两边合起来,才有一个能上场比试的模型。 数据这一关,机器替不了人。片子要人挑,边界要人标,标得准不准还要人复核——这些活,只能由天天看片子的人来做。
挑片子:近10年的影像,逐份翻检 数据工作的第一步不是标,是选。 影像科把近10年积累的脑胶质瘤影像调了出来,逐份翻检。不是每一例都能用:要覆盖不同设备、不同扫描参数、不同分期、不同征象;阳性要有,阴性也要有;质量不达标、序列不全、有明显伪影的,只能剔除。这些活,全部落在日常诊断之外的时间里。 影像科医生方艳玲算过一笔账:为高质量完成靶区勾画和边界分析,平均一张片子要看40到50分钟;一天工作8到9个小时,只能完成8到9例。日复一日,前后共完成900多例病例的标注投喂。 标注:把医生的眼睛,写成别人也能执行的规则 标注听起来简单——把肿瘤圈出来。难在“圈到哪里算对”。 脑胶质瘤浸润性生长,边界本就模糊。同一个病灶,不同年资的医生画出来的范围可能不一样;水肿带算不算、坏死区怎么切分、术后改变怎么标,每一步都要定。 判断在医生脑子里是常识,要让机器学,就必须写成可执行的规则:边界怎么定、WHO分级依据什么、强化模式怎么描述、坏死囊变出血钙化怎么标、T2WI和T2-FLAIR的信号特征怎么记录。这些规则写下来,才有了所谓的“标注规范”。它不是技术文档,是一群神经外科医生对自己专业判断的一次梳理。 一条看不见的流水线 还有一条线从头到尾绷着——数据安全。 医学影像属于敏感个人信息。CT、核磁检查生成的原始影像文件,格式叫DICOM,里面除了图像,还带着姓名、检查号、检查时间、医院、设备信息和病人绑定的记录。信息科工程师林森说得朴素:所谓脱敏,就是把这些记录一一删掉。删干净之后,一份影像就再也追不到具体的人。 一句话,做起来是一整条流水线:提取、核对、下载、筛选、脱敏,一环扣一环,任何一环出错,前面的工作都要重来。影像的使用都在专属环境中进行,传输、存储、调用均有权限管理和操作留痕。 林森给自己找了个头衔——“翻译官”。临床说的是征象、边界、分级,工程说的是张量、损失、阈值,中间得有人把话翻过去。翻错一次,模型就跟着学错一次。 最难的是时间。白天要维持信息系统运转,晚上才有整块时间做比赛的事。不少知识是临时补的,“已有的储备不够用,只能边做边学”。 数据交出去之后,医院的工作才到一半 模型对每一例影像给出的结果,都要回到临床手里过一遍:哪些是真阳性、哪些是假阳性、哪些边界明显画偏了。判完,反馈再回技术团队,改算法、调参数、重新训练,再等下一轮。 曾昭健是神经外科医生,也是和方艳玲一起把这批病例从头做到尾的人。勾画靶区、复核数据,两头都在场,模型判得对不对,他和影像科最先知道。 这样地来回走了好几轮。临床说“这一例不对”,技术问“哪里不对”,临床再把它说成技术能接住的话:“这一类病灶在T2-FLAIR上信号偏高,你的模型把它当成了水肿。”同一件事,两种说法,磨的其实是同一桩:把医生的判断变成模型能改的东西。 到这一步,图的不只是分数。在神经外科医生曾昭健看来,价值很直接:阅片快了,也准了;对神经外科来说,术前治疗方案能定得更精准。数据这一端的较真,最后都要落到诊室里——落到看片的那几分钟,落到手术方案定下来的那一刻。 133.57分,是怎么来的 初赛结果:133.57分,赛道四自有模型组第一;两轮推理中,医保安全属性指标全部满分。 这项考核的是三件事:这张片子是不是真的人体影像、有没有重复、有没有拼接。听着是算法活,其实根子在数据——只有见过足够多真实、多样、干净的影像,模型才知道“正常”长什么样。 决赛现场,团队作为赛道首支登台的队伍,30分钟内完成现场推理、PPT汇报、可解释性阐述和专家问答。最终,一等奖。名单已于10月27日在国家医疗保障局官网公示。 比奖杯更重要的,是留下来的一套东西 比赛会结束,模型会迭代,但有几样东西留下来了。 一套标注规范。脑胶质瘤MRI该看什么、该标什么、标到什么程度,第一次被完整写了下来。 一套协作流程。临床、影像、信息科围着一堆疑难病例讨论难例、校准判断,这套机制不只服务这一次比赛。 一支队伍。四个赛道由四位院领导分别挂帅,集合相关专业的临床、影像专家和工程技术人员同步推进。罗宗波书记“不管拿不拿奖,首先通过大赛锻炼了队伍,让大家熟悉了人工智能辅助诊断的流程,可以进一步推动学科发展。” 下一步,这套数据能力往两个方向用:一是接入区域影像中心,让基层拍的片子先由AI筛一遍、再由专家复核;二是往鼻咽癌等本地高发病种延伸,把同样的功夫再做一遍。

