（3）分享临床数据、可追溯性报告及阅读报告

基于区块链技术的电子病历(EMR)已经引发了多年的争论，这些电子病历将自动在区块链中存储关于谁贡献了电子病历的哪一部分的信息。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查看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。这反过来可能导致更有效和更好地解释放射学研究。

此外，如果放射科医生提供后续建议或描述如何管理附带的发现，这些项目也可以存储在区块链上并且进行验证。区块链还允许存储识别谁有效地读取了这些电子病历的哪些部分。这可以在未来用于对偶然发现的跟踪。所有这些潜在的用途合在一起将提高病人护理的质量。

（4）个人健康档案控制与影像数据共享控制

确保用户对数据共享的控制与许多应用程序相关，许多支持用户控制的数据共享平台被提出。更具体而言，区块链技术可用于将存储在电子病历中的数据的所有者置于对其医疗数据的控制之上。病人有权向他们选择的改善医疗保健的机构分享敏感记录。构建允许临床医生请求病人数据并使患者能够授予或撤销访问权限的系统。以类似的方式，区块链还可以使患者能够控制其图像数据的共享。

（1）生物标志物衍生的临床试验框架

临床试验是告知临床实践变化的关键。严格的评判和绝对透明的审计追踪是成功和可靠评判的必要条件。由于成像常常是识别疾病进程或倒退的基石，区块链技术有可能在临床试验中引入一种防止篡改的机制来记录成像数据。这包括图像处理、分析和定量评估的所有阶段。试验中的成像数据通常来自预先指定的成像协议，这些协议的变化或其不准确的记录可能会改变图像，从而改变其测量输出的结果。

区块链的实施消除了在测量之前操纵图像的情况，确保了图像及其测量的完整性。当图像在参与站点之间上载或下载以执行多个度量时，这种审核具有特殊的价值。在进行测量之前对图像设置的任何更改都可能会影响结果，而由区块链系统加盖日期和时间戳，确认何时以及由谁进行更改，将避免不适当的数据操作，并确保重大更改的可跟踪性。任何数据损坏都将在不需要人工查询数据的情况下被识别。在一个结果往往依赖于成像测量有效性的时代，记录测量历史的可靠方法是至关重要的。

在一些特定的领域，我们可以在一个成像试验中利用区块链技术进行包括病灶分割和分析算法的实现。病灶分割传统上是手动的，随着技术的发展，越来越多的案例是半自动的甚至完全自动化的。通常使用专家注释的人工分割数据集来训练算法，以自动获得类似的结果。对训练集的记录，以及在专家和软件的背景下对其进行的调整，将有助于深入了解机器学习输出的依据，并解释意外的变化。每个区块的数据组可以通过患者访视或试验中特定时间点的检查组来分配。

当商业或学术研究者分析并报告他们自己的发现时，存在大量存有偏见的证据。应用于临床试验中成像的区块链技术将向第三方提供有种源保证的数据集以供分析。这将把推动试验的假设与预期的结果分开。一个特别的好处是利用成像生物数据库中的数据集进行二次研究，可以确保原始数据的完整性，特别是在汇集来自多项试验的数据时。

（2）为科学研究收集数据，特别是为人工智能算法的训练

区块链的一个有趣的应用是记录谁为人工智能算法的培训贡献了数据，包括患者和他们的数据、放射科医生的注释、以及开发人工智能算法的工业合作伙伴。而这将允许将经济奖励分配给不同的合作伙伴，这反过来又可能成为患者和放射科医生参与这个过程的动机。使用区块链技术还将使病人和放射科医生能够跟踪数据的使用情况，从而更好地控制他们的文件。实验基准图像数据集表明，采用分布式、联合深度学习和区块链技术相结合的方法，可以有效地解决协作式深度学习对准确性、保密性和公平性的要求。

区块链技术的这些特性也有助于为人工智能培训提供大量数据。为了训练有监督的深度学习网络，人们需要尽可能多提供高质量的数据和注释。如果用于训练的数据集不够大，将无法可靠地检测到罕见病例，从而产生选择偏差，影响人工智能系统的通用性。由于我们通常对深度学习模式的内部运作缺乏直接的洞察力，偏见可能是狭隘的甚至是危险的。基于区块链技术的人工智能算法不仅可以从多个机构的共享数据中学习，还可以通过回溯或简单的回放来跟踪或评估其学习情况，从而对人工智能决策提供更多的洞察力和更多的人类监督。这确实是区块链技术的一个关键价值，类似于产品从生产者到消费者的追踪。对模型训练条件的注释无疑提供了有关其质量的信息。

文章来源：《医学信息》 网址: http://www.yxxxbjb.cn/zonghexinwen/2021/0625/1621.html