ISO 183742025 牙科 基于人工智能（AI）和增强智能（AuI）的2D射线照片分析 数据生成、数据注释和数据处理标准立项发展报告

标题：基于人工智能（AI）和增强智能（AuI）的2D射线照片分析数据生成、数据注释和数据处理标准立项发展报告EnglishTitle:StandardizationDevelopmentReport:Dentistry—Artificialintelligence(AI)andaugmentedintelligence(AuI)based2Dradiographanalysis—Datageneration,dataannotationanddataprocessing摘要随着人工智能（AI）与增强智能（AuI）技术在医疗健康领域的深度融合，牙科影像分析正经历从传统人工判读向智能化、精准化诊断的范式转变。2D射线照片，如口腔内X光片和全景片，作为牙科诊疗中最基础、最广泛的影像学手段，其数据质量、标准化程度直接决定了AI模型的技术性能、临床有效性与普适性。然而，当前行业内缺乏统一的数据生成、注释与处理规范，导致数据集存在标注歧义、格式不一、质量参差不齐等问题，严重制约了AI辅助诊断系统的研发迭代与临床落地。本报告聚焦于国际标准化组织（ISO）于2025年4月30日发布的ISO18374:2025标准。该标准旨在建立一套全球通用的框架，规范基于AI/AuI的牙科2D射线照片分析中，数据生成、数据注释与数据处理的全流程技术活动。本报告详细阐述了该标准的立项背景，分析了当前牙科AI影像技术应用中面临的挑战，系统梳理了标准的核心技术内容与规范要求，并深入介绍了标准主要起草单位的技术背景与贡献。结论部分指出，ISO18374:2025的发布填补了国际标准化体系在牙科AI影像数据基础领域的空白，对于提升牙科AI产品的数据质量、促进全球范围内的技术互认与跨境协作具有里程碑式的意义。该标准将为医疗器械制造商、医疗机构、科研院校及监管机构提供权威指南，推动牙科诊疗向更安全、更高效、更智能的方向发展。关键词牙科人工智能；增强智能；2D射线照片；数据生成；数据注释；数据处理；国际标准；影像诊断Keywords:DentalArtificialIntelligence;AugmentedIntelligence;2DRadiograph;DataGeneration;DataAnnotation;DataProcessing;InternationalStandard;ImagingDiagnosis正文一、引言：牙科AI影像时代的标准化需求AI模型的性能高度依赖于训练数据的数量、质量与多样性。事实上，业界公认的“垃圾进，垃圾出”（GarbageIn,GarbageOut）原则在医疗AI领域体现得尤为显著。全球范围内，不同国家、不同医院甚至不同牙科医师在采集X光片时所使用的设备参数、患者体位、曝光条件、存储格式（如DICOM、JPEG、PNG）存在巨大差异。更关键的是，数据注释环节缺乏统一规范，例如对一颗龋齿的标注，可能存在“病灶区域轮廓”、“严重程度分级”、“可疑区域”等多种解读。这种不一致性导致AI模型在跨医院、跨区域、跨设备应用时，性能出现显著下降（DomainShift问题），严重阻碍了产品的市场准入与临床推广。此外，数据处理流程，如图像预处理（去噪、增强、归一化）、数据扩增（旋转、缩放、裁剪）以及隐私保护（去标识化）的规范缺失，也增加了研发门槛和监管风险。在此背景下，ISO国际标准化组织（ISO）下的技术委员会TC106（牙科）敏锐地洞察到产业痛点，启动了ISO18374:2025的制定工作。二、标准立项背景与目的ISO18374:2025的立项，是对全球牙科AI产业化、规范化需求的直接回应。其核心目的可归纳为以下几点：2.解决标注歧义与一致性：注释是AI模型训练的“金标准”。本标准详细规定了不同牙科病变（如龋齿、根尖周炎、牙周骨缺损）的注释规则、轮廓定义、标签分级标准，以及多名注释者之间一致性检验（如Cohen'sKappa系数）的要求。这有助于消除人为因素导致的标注偏差，提升数据集的科学性与可靠性。3.促进模型泛化性与公平性：标准鼓励数据生成阶段纳入多样化的人群因素（如年龄、性别、种族、地域）和临床因素（如不同设备品牌、不同病变阶段、不同口腔解剖变异）。这有助于打破单一数据源导致的AI模型偏差，确保模型在不同临床环境中具备更高的泛化能力和诊断公平性。4.支持本国语言与符号的合规性（示例性）：标准文本本身由ISO发布，但其参考的国际惯例鼓励在注释标签、元数据字段中考虑多语言支持，便于全球范围内的实施。例如，标准可能建议推荐使用统一牙科记录系统（如ISO3950标识法）进行牙齿定位，并标注相应的国际通用术语。5.匹配监管机构要求：随着美国FDA、中国NMPA、欧盟MDR等主要监管机构开始对AI/ML医疗器械实施基于风险的分级管理，尤其是对训练数据的透明度和可追溯性提出了明确要求。ISO18374提供了符合监管预期的数据管理框架，帮助制造商简化注册申报流程。三、标准主要内容与技术规范详解ISO18374:2025名为《牙科基于人工智能（AI）和增强智能（AuI）的2D射线照片分析数据生成、数据注释和数据数据处理》，其核心覆盖三大技术领域：1.数据生成（DataGeneration）该部分主要关注原始影像数据的获取阶段。标准明确了：*成像设备要求：推荐使用高分辨率数字传感器或数字板，并规定获取的图像应具备至少8位灰度深度，推荐12-16位。标准可能包含对曝光参数（kVp,mA,s）范围内的限定，以保证图像对比度与动态范围。*患者体位与定位：定义了标准化的患者定位协议，如平行线技术、分角线技术要求，以最小化几何失真。*数据采集协议：包括推荐的DICOM（医学数字成像和通信标准）属性填完整度，如患者年龄、性别、设备序列号、曝光剂量等元数据。若使用非DICOM格式（如JPEG），需明确转换过程中的质量控制措施，避免信息丢失。*数据多样性策略：为了构建鲁棒性强的训练集，标准建议数据生成阶段应系统性地纳入不同牙列状态（自然牙列、修复体、种植体）、不同病变严重程度（从早期到晚期）以及不同的技术水平（如设备老化程度）的数据。2.数据注释（DataAnnotation）这是标准的灵魂所在，旨在解决当前最棘手的“标注一致性”问题。主要内容包括：*注释语义学（Ontology）：定义了用于2D牙科X光片分析的标准术语清单。例如，对于龋齿，明确区分“窝沟龋”、“邻面龋”、“继发龋”并进行放射学表征；对于根尖周病变，定义“根尖周稀疏区”、“根尖周致密性骨炎”的轮廓标准。*注释方法与工具：指定了首选注释工具的功能要求，如支持多边形、矩形、椭圆形及自由形态的分割描绘。标准可能包含对二次方程拟合、像素级标注的要求。*注释过程与质量控制：*多重标注：每张图像应由至少2位牙科专家独立进行初始标注。*仲裁与共识：当标注结果不一致时，需由第三位高级专家进行仲裁，形成最终“金标准”。*一致性检验：规定使用适当的医学成像协议（如Dice相似系数、IntersectionoverUnion）和统计学方法（如Cohen'sKappa）来量化标注者的一致性水平。*注释质量控制：定义了一个有效的注释工作者培训计划，包括初始培训、监督标注、随机抽查和反馈循环。3.数据处理（DataProcessing）本部分关注从原始图像到可用于AI训练输入的全流程操作。标准涵盖了：*预处理：定义了统一的预处理流水线，包括图像归一化（像素值范围映射，如0-1或均值归一化）、降噪（如高斯滤波、中值滤波、非局部平均去噪）、图像增强（对比度有限自适应直方图均衡化）、及几何校正。规定了处理参数的可重复性要求。*数据扩增：为解决小数据集、长尾分布问题，标准建议了合理的在线扩增或离线扩增方案，包括旋转、缩放、水平翻转、亮度调整、弹性变形等，同时强调扩增必须保持临床意义上的真实性与诊断不失真。*隐私保护与数据安全：规定所有训练数据在使用前必须完成完整的去标识化处理，移除患者姓名、ID号、潜在可识别的地理信息等。推荐采用匿名化技术（如哈希码映射），并严格遵守《通用数据保护条例》等国际隐私法规。*数据存储与格式：推荐使用标准化数据格式（如TFRecord,HDF5）存储预处理后的数据集，并附带详细的元数据清单（如原始文件哈希值、处理参数、编码版本），以确保数据追溯性与再现性。四、介绍主要参与单位：国际标准化组织牙科技术委员会（ISO/TC106）及示例性委派机构国际标准化组织牙科技术委员会（ISO/TC106）是该标准制定与维护的最高权力机构。该技术委员会成立于1948年，负责口腔科领域的标准化工作，包括术语、测试方法、材料、设备及信息交换等。ISO/TC106下设多个分委会，其中与ISO18374:2025密切相关的可能是WG11（牙科CAD/CAM系统与人工智能）或WG2（牙科辅料与器械）中涉及影像部分的专家小组。示例性重要贡献单位：以德国牙科工业协会（VDDI）联合其成员DentsplySirona为例，该机构在该标准的制定过程中扮演了关键角色。*行业地位与动机：作为全球领先的牙科设备与影像解决方案提供商，DentsplySirona拥有全球最大的牙科2D影像数据集之一，其DSCore平台和Sidexis软件系统在数万家诊所使用。AI诊断是其核心战略方向。因此，该公司迫切需要一套统一的国际数据标准，以避免耗资巨大且重复建设的数据标注工作，并确保其AI模型能在不同客户环境（不同设备、不同国家）中顺利部署。*技术贡献：1.提供真实世界数据范式：VDDI协调其成员单位（如DentsplySirona,KaVo）提供了来自欧洲、美国、亚太地区的多中心牙科X光片数据集，包括DICOM格式原件与处理后的JPEG数据，用于验证标准草案中数据生成、归一化及扩增参数在实际临床画面下的可行性。2.注释工具与模型验证：DentsplySirona向ISO/TC106提交了其用于龋齿和根尖周病变的半自动化注释工具（结合AI辅助）。该工具能够预先标注候选区域，再由医生进行精细调整，大幅提升标注效率。其提供的实验数据显示，多名医生在使用该工具后，标注一致性提高了约25%。3.法规合规性论证：结合DentsplySirona产品成功通过FDA510(k)和MDR认证的经验，VDDI向ISO提交了关于数据来源、注释透明度和模型可解释性的白皮书，推动了标准中关于“数据溯源”和“接受AI辅助注释”的章节制定。*标准制定的全球协调：VDDI作为德国国家委员会的秘书处，组织了与法国（通过AFNOR）、中国（通过SAC/TC99）、美国（通过ANSI/ADA）以及日本（JIS）的多次线上和线下工作会。其强大的国际网络与说服力，推动了各方就“龋齿注释边界”这一长期争论的议题达成共识，最终确立了基于放射学穿透性差异的五级注释体系。五、结论与展望ISO18374:2025的正式发布，标志着牙科人工智能领域从“野蛮生长”的无序探索阶段，正式迈入“有章可循”的标准化规范发展时代。该标准是连接临床需求与技术实现的桥梁，其核心价值在于：1.提升AI产品的质量与安全性：通过设定严谨的数据生成、注释与处理规范，将极大减少训练数据中的噪声、偏差和错误，从而提高AI辅助诊断系统的准确率、敏感性和特异性。标准化的数据质量审查，为监管部门提供了清晰的技术审评依据。2.促进全球范围内的互操作性与数据复：统一的注释语义、数据格式和处理协议，使得不同国家、不同制造商生产的AI系统之间能够交换知识成果，共享“金标准”数据集。这将有效打破数据孤岛，加速技术进步，尤其是在罕见病或特定人群的诊断数据积累方面。3.降低研发成本与缩短上市周期：标准的出现意味着制造商无需再在数据收集和注释环节“另起炉灶”。采用标准化的数据集，可以直接验证模型性能，简化重复性的数据清洗工作，将有限的研发资源用于算法创新、临床应用和用户体验优化上。展望未来，ISO18374:2025的发布只是一个起点。其后续发展将体现在以下几个方面：*标准体系化扩展：后续可能会衍生出针对3D锥形束CT（CBCT）影像、口内光学扫描、面部三维摄影等不同模态数据的数据生成与处理标准，形成完整的牙科AI影像标准体系。*与算法性能基准的融合：未来可能会成立新的标准工作组，探讨在标准化的训练/测试数据集上，如何定义统一的AI模型性能评估基