指南与共识技术与安全

ESR白皮书:区块链与医学影像

ESR white paper: blockchain and medical imaging.
指南 / 共识 · Insights Imaging · 2021-06-22

欧洲放射学会(ESR)白皮书介绍区块链这一分布式数据库技术,阐述其去中心化、可追溯、不可篡改等特性,并综述其在医学影像临床、科研与行政管理中的潜在应用,包括多作者报告责任归属、AI算法使用记录、临床试验影像数据溯源、动态知情同意及患者掌控影像数据共享等。

要点

  • 区块链是分布式数据库,利用密码学保证数据完整性、真实性、透明性、不可篡改与可验证,无需中心化可信主副本。
  • 影像报告与AI辅助诊断中,区块链可区分并追溯人类放射科医生与AI算法各自贡献的段落及责任。
  • 临床试验中区块链可为影像数据及测量提供带时间戳的防篡改审计轨迹,保障数据溯源与完整性。

核心结论

  • 区块链是一种极强大的技术,以不可篡改方式存储溯源数据,提供所有修改的可追溯性。
  • 区块链在医学与放射学中有众多应用,有潜力赋能患者与放射科医生,使其掌控数据及数据注释的使用。
  • 放射学界应参与并合作推动区块链技术在科研与患者照护中的开发与实施。

研究设计与样本

  • 本文为欧洲放射学会(ESR)白皮书,对区块链技术基础与术语作简要介绍,并聚焦其在医学影像中的潜在应用。
  • 文章通过文献综述与用例分析,讨论临床应用、科研应用及行政管理应用,并识别相关挑战。
  • 文章指出区块链技术最早于1991年通过哈希函数验证数字文件真实性而被描述,「区块」与「链」两词首次用于化名「中本聪」的论文。
  • 2013年Vitalik Buterin提出以太坊平台,2015年上线,允许在区块链中嵌入代码并在网络内执行,即「智能合约」。

诊断标准与关键数值

  • 区块链将数据存储在依赖多个节点而非单一中心控制节点的分布式网络中,数据以不可修改(一次写入)方式存储。
  • 区块链数据的完整性、真实性与可验证性通过密码学密钥和签名实现,安全性由数据库复制与计算信任维持。
  • 区块链中所有交易按时间顺序排列,相邻区块通过密码学哈希函数连接,任何篡改会产生不同哈希值并被其他节点检测。
  • 由于账本存储于成千上万实时同步的节点,成功篡改需改变网络中超过51%的账本。
  • 公有区块链对所有人开放,私有区块链仅限受邀并经批准的参与者访问;公有链因复杂性与广泛分布而共识吞吐量较低,私有链更新率较高。

临床应用与阅片要点

  • 在复杂影像检查的多部分报告中,区块链可识别每段内容由哪位专家贡献,便于需要时直接咨询相应贡献者。
  • 对于放射科医生与AI混合生成的报告,区块链可区分报告元素并将责任归属到人类放射科医生或依赖AI辅助的放射科医生,并标识所用AI算法版本。
  • 基于区块链的电子病历可自动存储谁贡献了哪部分内容,并可使远程放射科医生直接查看相关数据而无需浏览大量病历。
  • 若放射科医生给出随访建议或描述偶发发现的处理方式,这些条目也可在区块链上存储与验证,并可用于追踪偶发发现的随访。
  • 临床试验中区块链可对图像操作、分析与定量评估各阶段记录带日期和时间戳的审计轨迹,避免不恰当的数据操纵。

局限性

  • 原文未报告局限性。
全文中译17 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2021 Jun 22;12:82. doi: 10.1186/s13244-021-01029-y

要点

区块链是一种分布式数据库技术,可用于追踪数据,记录所有数据的来源和变更,包括影像数据。

区块链利用密码学保证数据的完整性和真实性、透明度、不可篡改性和可验证性。

区块链技术的医学应用正在不断涌现,在医学影像领域可能具有许多应用前景。

引言

区块链作为一项突破性技术,因其在加密货币市场中的广泛应用而为公众所熟知。它不仅在工业领域,还在医疗保健和医学影像领域找到了许多应用 [2–4],在这些领域中,它被用于使用分布式加密数据库安全地存储医疗数据,与医疗数据的创建、更新或访问相关的信息可以以安全的方式存储 [2]。爱沙尼亚已在十年内建立了完整的基于区块链的医疗保健生态系统 [5]。区块链允许用户(患者、医生、放射科医生和科学家)控制医疗数据如何被使用以及由谁使用。本文旨在讨论区块链技术在医学影像中的潜在应用。将识别这些应用的挑战,并介绍若干用例,包括影像的所有权与追踪、影像标注,以及人工智能相关的潜在应用。为限制本文的范围,仅对区块链技术的基础知识作简要介绍;如需更深入地理解技术原理,读者应参阅两篇近期发表的优秀文章 [3, 4]。

区块链可以被视为一个分布式数据库,追踪对数据库所做的所有更改。与传统数据库相比,区块链利用密码学保证数据的完整性和真实性、透明度、不可篡改性和可验证性,通过分布式信任网络使信息可靠,而无需使用中心化的、可信的主副本(表1)。它允许追踪数据的来源,以及过去谁操纵了给定的数据集。区块链可能适用于放射学数据的追踪。

区块链技术最早于1991年被描述用于通过哈希函数验证数字文档的真实性 [6],而“区块”和“链”这两个术语最早出现在一位或一组化名为“中本聪”(其身份至今未知)的论文中。虽然该论文使用了区块和链这两个词,但并未提出区块链这一术语。该术语后来在更为非正式的场合中出现。在2007年金融危机之后,它通过提出一种公开的点对点电子货币系统,为加密货币“比特币”奠定了基础 [7]。

2013年,维塔利克·布特林提出了以太坊平台,该平台于2015年上线。以太坊将交易的概念扩展为表示账本中的任意状态变化 [8]。这允许在区块链上以编程方式对通用目的概念进行建模 [3]。与比特币不同,以太坊是一种允许在区块链中嵌入代码并在网络内执行代码的区块链技术。“智能合约”一词指的就是这种能力。当今大多数区块链项目并不创建新的区块链网络,而是依赖于以太坊及其执行智能合约的能力 [9]。

值得注意的是,“Bitcoin”指的是分布式网络和技术,而“bitcoin”指的是数字货币;正如“Ethereum”指的是技术和网络,而“Ether”指的是加密货币。

表1 传统数据库与区块链的比较(修改自McBee等[4]) 查看原表 ↗

区块链技术基础

区块链和分布式账本技术的定义

区块链将数据存储在依赖于许多节点而非一个中心控制节点的分布式网络中。该网络称为分布式账本。数据以不可变的、不可修改的(即一次写入)方式存储,使得对数据的非法修改极为困难。数据只能被添加到区块链中,区块一旦写入便不能被移除或修改。因此,所存储的数据是一个不断增长的记录(区块)列表,一个接一个地追加(链)。“区块链是一种分布式数据库,存储永久且防篡改的交易数据账本。”[10](图1)。

分布式账本数据库分布在多个节点上,作为点对点网络中的设备,每个节点复制并保存账本的相同副本,并独立更新自身。主要优势在于缺乏中心权威或中心服务器。当账本更新发生时,每个节点构建新的交易,然后节点通过共识算法对哪份副本是正确的进行投票。一旦确定共识,所有其他节点便用新的正确账本副本更新自身。安全性通过密码学密钥和签名来实现[11–13]。数据质量通过数据库复制和计算信任来维持。

区块链是分布式账本技术的一种形式:并非所有分布式账本都采用区块链来提供安全有效的分布式共识。然而,区块链的结构——数据被分组并组织成区块,区块之间相互链接并使用密码学加以保护——使其区别于其他类型的分布式账本。因此,区块链技术非常适合记录事件、管理记录、处理交易、追踪资产和投票[12]。

图1 区块链中的交易。区块、节点和哈希:比特币的区块链结构:数据存储在一个不断增长的记录(区块)列表(链)中。图片作者:Matthäus Wander—原创作品,CC BY-SA 3.0,https://commons.wikimedia.org/w/index.php?curid=26816920 查看原图 ↗

区块链与传统数据库技术的比较

与传统数据库技术不同,区块链是去中心化的、可追溯的和不可变的。

去中心化是指区块链上数据验证、存储、维护和传输的过程基于分布式系统结构。在这种结构中,分布式节点之间的信任通过数学方法建立,而非传统数据库技术中具有单一节点的中心化组织。

可追溯性意味着区块链上的所有交易按时间顺序排列,一个区块通过密码学哈希函数与两个相邻区块相连。本质上,通过检查由哈希键链接的区块信息,每笔交易都是可追溯的。

不可篡改意味着篡改任何交易都会产生不同的哈希值(哈希键连接前一个区块并指向下一个区块),因此会被所有运行完全相同验证算法的其他节点检测到。由于区块链是存储在于数千个节点上并持续实时同步的可共享公共账本,成功篡改需要更改网络中存储的超过51%的账本[14]。

公有链与私有链

区块链实现存在公有和私有两种变体。公有区块链对所有人开放,任何人都可以无需邀请访问。私有区块链具有受限访问权限,仅“通过邀请”授予,只有经批准的参与者(如医疗专业人员)才能访问区块链。这种差异可以比作开放访问的互联网与仅经批准访问的内联网之间的差异。公有区块链由于其复杂性和广泛分布的特性,在达成共识方面的吞吐量较低。私有区块链实现更高的更新比率。就其本质而言,比特币等加密货币希望吸引最多的参与者,属于公有区块链网络,而许多企业应用使用私有区块链以控制对存储在区块链上的数据的访问[4]。

区块链在医学影像中的应用

临床应用

不同“作者”(包括人工智能系统)对多部分报告的贡献

复杂检查的放射学报告通常包含来自多位专家的输入,尤其是在不寻常的病例中,或涉及多个身体系统、专科(例如,放射科医生/心脏科医生联合报告心脏影像)或模态(例如,核医学医生/放射科医生联合报告PET/MR)的病例。虽然单一报告通常会根据可用输入进行综合,但区块链提供了识别哪些意见或专业知识对报告每个要素有所贡献的可能性,从而在需要进一步信息时促进与相应贡献者的更直接咨询。报告可以在不同的区块中构建,而无需加密区块链。区块链可以在医学影像检查的评估中提供每位贡献者的确切责任级别,因为个人贡献将保持单独签名,并且每次分析的执行顺序得以保留。

记录人工智能算法在诊断中的使用

与报告的多个人类贡献者一样,放射学报告可能包含放射科医生和人工智能生成内容的组合,例如由人工智能算法预填充的结构化报告表单。在不久的将来,这可能成为一种越来越常见的混合报告形式。同样,区块链有助于区分不同的报告要素,并将信息纳入的责任直接分配给人类放射科医生或依赖人工智能辅助的放射科医生,同时识别哪个版本的人工智能算法做出了贡献。

临床数据的共享、报告的可追溯性及报告的阅读

基于区块链的电子病历(EMR)已讨论多年。这些电子病历会自动在区块链中存储关于谁贡献了电子病历哪一部分的信息。结合旨在向远程放射科医生显示相关数据的算法,这些电子病历将使放射科医生能够看到其正在处理的病例的相关数据,而无需浏览电子病历的大部分内容。这反过来可以提高放射学检查解读的效率和效果。此外,如果放射科医生给出随访建议或描述应如何处理偶然发现,这些项目也可以在区块链上存储和验证。区块链还允许存储谁有效阅读了电子病历哪些部分的标识信息。这将来可用于追踪偶然发现的随访情况。所有这些潜在用途结合起来将提高患者护理质量。

个人健康记录控制与图像数据共享控制

确保用户控制的数据共享控制与许多应用相关,支持用户控制数据共享的平台已有描述[15]。更具体地说,区块链技术可用于使存储在电子病历中的数据的所有者控制其医疗数据。因此,患者能够与其选择的机构共享敏感记录以改善医疗保健[16]。让临床医生请求患者数据并使患者能够授予或撤销访问权限的系统已有描述[17, 18]。以类似方式,区块链还可以使患者能够控制其图像数据的共享[19, 20]。

区块链在研究中的应用

用于生物标志物推导的临床试验框架

临床试验是推动临床实践变革的关键。严格的试验实施和具有绝对透明度的审计追踪是成功且可靠试验的必备要素。由于影像学常常是识别疾病进展或消退的基石,区块链技术有潜力引入一种防篡改机制,用于记录临床试验中的影像数据。这涵盖图像处理、分析和定量评估的所有阶段。试验中的影像数据通常来自预先指定的成像方案,这些方案的变化或其记录不准确有可能改变图像并因此改变测量输出。通过实施区块链,消除了在测量前操纵图像的诱惑,确保图像及其测量的完整性。当图像在参与中心之间上传或下载以进行多次测量时,这种审计特别有价值。在测量前对图像设置进行的任何可能影响结果的更改,都将由区块链系统加盖日期和时间戳,从而确认更改的时间和更改者。这将避免不适当的数据操纵并确保任何重大更改的可追溯性[21]。任何数据损坏都将在无需人工审查数据的情况下被识别[22]。在商业产出往往取决于影像测量有效性的时代,一种记录测量历史的稳健方法至关重要。

在影像试验组合中,可利用区块链技术的具体领域包括病灶分割和分析算法的实施。分割传统上是手工的,但正日益变得半自动甚至全自动。通常,由专家标注的手工分割数据集被用于训练算法以自主实现类似结果。对训练集的记录,以及其在专家和软件背景下的调整,将为机器学习的输出提供基础性洞见,并解释意外的变异。每个区块的数据组可按患者访视分配,或按试验内特定时间点的检查组分配。

当商业或学术研究者分析和报告他们自己的发现时,存在压倒性的偏倚证据[23, 24]。将区块链技术应用于临床试验中的影像学,将向第三方提供来源有保证的数据集以供分析。这将把驱动试验的假设与预期结果分离。一个特别的额外好处将体现在利用影像生物样本库数据集的二次研究中,其中原始数据的完整性,尤其是在汇集多项试验数据时,可以得到保证。

为科学目的收集数据,特别是用于人工智能算法训练

区块链一个有趣的应用是记录谁为人工智能算法训练的数据做出了贡献,包括提供数据的患者、提供标注的放射科医生以及开发人工智能算法的产业合作伙伴。这种标注允许向不同合作伙伴分配经济回报,这反过来可能成为患者和放射科医生参与该过程的动机。使用区块链技术还将使患者和放射科医生能够追踪其数据的使用情况,从而更好地控制其文件。在实验基准图像数据集上已表明,协作深度学习中对准确性、隐私和公平性的需求,可以通过结合分布式深度学习、联邦深度学习和区块链来有效解决[25]。

区块链的这些特性也可能有助于大量提供用于人工智能训练的数据。要训练监督式深度学习网络,需要尽可能多的高质量数据和标注。如果用于训练的数据集不够大,罕见事件将无法被可靠检测,导致选择偏倚,从而影响人工智能系统的泛化能力。由于我们通常缺乏对深度学习模型内部运作的直接洞察,偏倚可能具有隐蔽性并变得危险[26]。基于区块链的人工智能算法不仅可以从多个机构的共享数据中学习,还能使工程师通过回溯或简单地重放链来追踪和评估其学习过程,从而对人工智能决策提供更多洞见和更大的人工监督[27]。这确实是区块链的一个关键价值,类似于从生产者到消费者的产品追溯。对模型训练条件的标注无疑提供了关于其质量的信息。

区块链的另一个益处可能在于用于教学和教育资源的材料来源归属。区块链可以确保教育材料贡献来源的适当归属,有可能提高主要作者分享材料的意愿,而不损失知识产权信用。

动态知情同意

动态知情同意是一种赋权研究伙伴并促进其积极参与研究过程的新方式。在Dwarna项目中,已在生物样本库背景下证明,使用区块链技术可以使个人获取信息并控制以确定其生物标本和数据应如何及在何处使用[16],在使用区块链模型时促进对欧盟《通用数据保护条例》(GDPR)所规定的删除权的遵守。

赋权患者

目前将图像存储在中央数据库并通常使用物理介质传输的方式不仅导致患者诊疗路径的延迟,还使数据面临被篡改的风险。Patel开发了一个跨域图像共享框架,使用区块链作为分布式数据存储来建立放射学研究账本和患者定义的访问权限[20]。该框架允许安全且去中心化的医学数据共享。它还通过允许患者有效拥有其图像数据并控制医疗服务提供者的访问权限来赋权患者[28]。

将区块链用于行政目的

学习、学习追踪

区块链可用于记录和追踪学习成果,方法是通过维护学习成就的数字哈希值并通过区块链上的智能合约管理访问权限[29]。Ocheja等人描述了一种学习日志区块链(BOLL),使学习者能够以安全和可验证的格式将其学习记录从一个机构转移到另一个机构[30]。Nasseem等人分析了区块链在医学教育生态系统中部署的潜在用例,以改善现有基础设施的效率、安全性、功能和有效性。他们提出使用区块链来消除欺诈性学术认证的问题[31]。

医疗器械监测

对于日益重要和复杂的医疗器械上市后监测(PMS),正在产生越来越大量的数据。已有研究表明,具有权威证明共识机制的私有数据许可区块链可以为参与PMS过程的不同利益相关者提供许多优势,例如为新监管举措提供支持[32]。

放射学中使用区块链产生的新商业模式?

截至目前,许多人工智能应用已证明其增强医学影像解读的潜力。开发具有监督深度学习的新人工智能算法的主要障碍之一是缺乏大量高质量标注图像。虽然人工智能公司的动机是通过销售算法来产生收益,但激励患者贡献其医学图像以及激励放射科医生做图像标注的额外工作则不那么直接。使用区块链技术来追踪谁做出了贡献,可能通过向贡献者授予代币或奖励来帮助克服这些障碍。

区块链还可用于共识标注,即只有当多个参与者对标注达成共识时,标注才被批准,奖励达成共识者并惩罚未达成共识者[3]。区块链还可帮助创建大型开放数据库,数据来自许多不同来源的贡献。区块链还促进个人健康数据的访问保护和数据完整性保护。

虽然大多数患者会同意共享其健康数据,如果这些数据用于公共利益,但当制药或影像公司从其数据中获利时,患者同意的意愿可能就不那么积极了。如果患者因贡献数据而获得经济激励,那将是具有激励性且公平的。这同样适用于放射科医生和数据的标注;如果从标注中获利,与那些完成标注工作的人分享部分利润将是公平的。区块链允许用户,包括患者和放射科医生,保持匿名并保持对其数据或标注的控制。他们可以决定免费贡献,或因其使用而获得奖励[33]。

通过为参与深度学习人工智能算法创建的所有各方创造双赢局面,包括提供数据的患者、标注数据的放射科医生以及训练和实施算法的公司,区块链可以帮助克服高质量标注图像数据可用性的瓶颈(表2)。

表2 区块链在放射学中的潜在应用场景 查看原表 ↗

总结

区块链是一种极其强大的技术,以不可变的方式促进来源数据的存储,提供对存储数据所有修改的可追溯性。区块链提供关于数据如何、由谁、何时以及在哪里生成的可信信息。它在医学和放射学中有众多应用。区块链有潜力赋能患者和放射科医生,使他们能够控制其数据和/或数据标注的使用。它也非常适合存储用于临床的患者数据。放射学界应参与并合作,在研究和患者护理中开发和实施区块链技术。

引用

  1. ESR white paper: blockchain and medical imaging. Insights Imaging. 2021. PMID: 34156562. doi:10.1186/s13244-021-01029-y
  2. 全文:PMC8218142(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8218142/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。