YYT 1991-2025 人工智能医疗器械　脑卒中CT影像辅助分析软件　算法性能测试方法标准立项发展报告

*人工智能医疗器械脑卒中CT影像辅助分析软件算法性能测试方法标准立项发展报告StandardizationDevelopmentReport:ArtificialIntelligenceMedicalDevice-StrokeCTImage-AssistedAnalysisSoftware-AlgorithmPerformanceTestMethods摘要关键词人工智能；医疗器械；脑卒中；CT影像；辅助分析软件；算法性能测试；行业标准Keywords:ArtificialIntelligence;MedicalDevice;Stroke;CTImage;Computer-AidedDiagnosisSoftware;AlgorithmPerformanceTest;IndustryStandard正文1.引言脑卒中是全球范围内导致死亡和长期残疾的主要原因之一。在中国，脑卒中的疾病负担尤为沉重，呈现出年轻化、高复发率的趋势。医学影像学检查，尤其是计算机断层扫描（CT），在脑卒中的快速诊断、缺血性与出血性卒中的鉴别、治疗方案选择以及预后评估中扮演着不可替代的角色。传统上，CT影像的判读依赖于放射科医生或神经专科医生的视觉评估与经验判断，这一过程耗时耗力，且在解读一致性和定量分析的精确性上存在局限性。近年来，基于深度学习等人工智能技术的脑卒中CT影像辅助分析软件应运而生。这类软件能够自动识别、分割和量化脑卒中病灶，例如计算ASPECTS评分（AlbertaStrokeProgramEarlyCTScore）以评估早期缺血性改变，或精准测量脑出血（ICH）的血肿体积，为临床决策提供高效、客观的量化信息。然而，如同所有医疗器械一样，AI辅助分析软件的性能验证与质量控制是其安全有效应用于临床的前提。由于算法复杂度高、应用场景多样，其性能不仅依赖于训练数据，还受到测试数据、预处理方式、评价指标等多重因素影响。在实际应用中，不同厂商的同类产品性能参差不齐，甚至同一产品在不同医院或不同人群中的表现也可能存在显著差异。缺乏统一的、公认的、且具备可比性的测试方法和标准，使得监管机构难以进行有效的性能审评，也使得医疗机构和临床医生在面对众多产品时难以做出科学、知情的采购和应用决策。因此，制定专门针对“人工智能医疗器械脑卒中CT影像辅助分析软件”的算法性能测试方法标准，成为行业发展的迫切需求。2.标准制定背景与意义2.1国家政策与技术发展趋势驱动随着《“健康中国2030”规划纲要》的推进，国家高度重视慢性病防治和医疗服务水平的提升。脑卒中防治被列为重点攻坚领域。同时，国家在《医疗器械监督管理条例》及《人工智能医用软件产品分类界定指导原则》等政策文件中，明确了人工智能医疗器械的监管路径和质量要求。将AI技术转化为服务临床的可靠工具，标准是连接技术研发与临床应用的桥梁。2.2填补行业评价标准空白2.3保障患者安全与临床可靠性不准确或不可靠的AI分析结果可能导致误诊、漏诊或治疗延误，从而对患者造成严重伤害。通过建立严格的算法性能测试方法，可以筛选出性能稳健的产品，确保临床应用的准确性和安全底线，最大程度降低因算法缺陷带来的临床风险。3.标准核心技术内容解析本标准（YY/T1991-2025）对人工智能在脑卒中CT影像分析中的算法性能测试提出了系统性的技术要求，主要内容包括：3.1术语与定义明确了“脑卒中CT影像”、“辅助分析软件”、“算法性能”、“金标准”、“参考标准”、“一致性评价”等关键术语的定义，统一了行业内对基本概念的理解，为后续测试工作的开展奠定基础。3.2测试数据集要求数据是AI算法性能测试的基石。标准对测试数据集提出了严格的质量要求，包括：*代表性：数据来源应多样化，覆盖不同CT设备型号、不同扫描参数（如层厚、剂量）、不同疾病亚型（如急性缺血性卒中、脑出血、脑室内出血）、不同人群特征（年龄、性别、种族等），以及不同程度的病灶复杂性（如微小病灶、与周围组织对比度低的病灶）。*规模与分布：规定了测试集最小样本数量要求，并明确了各种疾病亚型或临床状态下的样本分布比例，确保性能评估的统计学意义和全面性。*金标准构建：这是测试的核心难点。标准要求采用权威的、公认的方法构建金标准。通常由至少两名（或多于两名）具有相应资质和经验的放射科专家或神经科专家对测试样本进行独立判读，并在存在分歧时通过协商达成共识，必要时参考临床随访或病理结果。3.3核心性能指标针对脑卒中CT影像辅助分析的核心任务，标准提出了定量的性能指标要求，例如：*检出性能：用于评估病灶检出能力的指标。例如，对于颅内出血的检出（二分类任务），需评估灵敏度、特异度、阳性预测值和阴性预测值。*分割与量化性能：用于评估病灶边界描绘和体积/面积测量的准确性和一致性。常用指标包括：*Dice相似系数：评估算法分割区域与金标准区域的重叠程度。*容积/体积差异：评估算法测量的病灶体积与金标准测量的体积之间的绝对或相对误差。*Hausdorff距离或平均表面距离：评估分割轮廓的边界偏差。*评分性能：对于ASPECTS评分、血肿体积分级等临床评分任务，标准要求评估算法评分的准确性（例如，通过与专家评分的一致性百分比来衡量）、一致性（例如，使用加权Kappa系数）和偏差范围。3.4测试流程与实施规范标准详细规定了测试的整体流程，包括：*测试环境搭建：明确软硬件要求，确保测试的可重现性。*数据预处理要求：定义了统一的图像预处理步骤（如窗宽窗位、图像归一化、格式转换等），以消除不同输入差异对算法性能的影响。*测试执行：规定了算法在测试集上的运行方式，要求记录详细的运行日志。*结果统计分析：指导如何对原始测试结果进行统计学处理，计算各项性能指标及其置信区间，以评估性能的稳定性和可靠性。4.标准起草单位介绍本标准的主要起草单位为国家药品监督管理局医疗器械技术审评中心（简称“器械审评中心”）。5.标准的应用与影响5.1对监管机构的价值本标准为NMPA在审批人工智能脑卒中CT影像辅助分析软件时，提供了明确的、可量化的审评依据。申请企业可以按照标准要求设计和提交性能测试报告，审评员也可以基于统一的标准框架进行客观评价，从而大幅提升审评效率与科学性。5.2对企业研发的指导意义企业可将标准作为产品研发的质量基准。在算法设计、数据集构建、模型验证阶段，主动对标标准性能要求，有助于早期发现并解决潜在问题，缩短研发周期，降低市场准入风险。同时，标准也有利于企业之间在统一的测试基准下进行公平竞争，促进行业的良性发展。5.3对临床应用的推动作用对于医疗机构（尤其是基层医院）和临床医生而言，该标准提供了一个选购和评估AI辅助工具的重要参考。可以通过审评大数据的公开信息，判断不同产品的性能优劣。这意味着医生可以更加信任那些经严格标准验证过的AI工具，并将其有效地整合到诊断流程中，最终实现脑卒中诊疗的“提质增效”——提升诊断准确性，减少误诊漏诊，并大幅缩短从患者入院到治疗决策的平均时间，从而改善患者的临床预后。6.挑战与展望尽管YY/T1991-2025标准的制定取得了突破性进展，但在实施过程中仍面临一些挑战和持续优化的空间。*金标准的动态性：医学认知和技术在不断进步，目前的视觉评分金标准（如ASPECTS）本身存在一定的主观性和局限性。未来，需要探索将更客观的影像组学特征、多参数MRI对比、甚至临床最终结果作为金标准的补充或替代，实现金标准的动态演进。*鲁棒性和普适性测试：如