内容解读
AI就绪不是把更多病历、影像和检验数据堆到同一个平台，而是让数据在特定研究目的下具有明确含义、可靠质量、合法来源和可追溯处理过程。
在医院IIT临床研究管理中，AI就绪不是把更多病历、影像和检验数据堆到同一个平台，而是让数据在特定研究目的下具有明确含义、可靠质量、合法来源和可追溯处理过程。 这不仅关系到某一模型的技术表现，也决定AI应用能否保护受试者权益、维护数据完整性，并在真实研究环境中持续、可信地运行。
问题不在表面
一些团队认为数据量越大，模型就越可靠，于是先汇聚数据、后补字段解释和质量规则。最终同名变量含义不同，时间点混乱，缺失机制不清，训练记录也无法追溯。数据规模扩大后，原有偏差和错误反而被更稳定地学习下来。
本讲核心结论
AI就绪数据至少应具备六项基础：用途明确，来源和权限合法，变量与时间语义一致，质量适合预定任务，人群和场景具有代表性，以及从原始数据到模型输入的转换可重现。是否“就绪”必须相对于具体任务判断；适合病例筛选的数据，不一定适合终点判定或个体风险预测。
问题为什么发生
第一，模型会同时学习真实规律、测量差异和流程习惯。第二，常规诊疗数据的缺失和记录频率通常不是随机的。第三，数据清洗、筛选和派生规则会直接改变模型看到的研究对象，因此这些处理本身也是需要控制的研究过程。
某团队用多年电子病历预测患者脱落，但不同年份预约系统和随访方式发生变化，早期“失访”字段并不等同于后期定义。模型离线表现很好，部署后却把流程变化误当作患者风险，无法支持实际干预。
四步改进路径
更可执行的改进路径可以分为四步。第1，从明确的临床或数据管理任务定义最小必要的数据需求；第2，建立来源、变量、时间、单位、缺失和质量说明，并确认合规基础；第3，形成可版本化的数据加工管道和数据集说明书；第4，用代表性、稳定性和任务适用性指标完成AI就绪评估。核心是把AI从一次性的技术试验纳入临床研究的数据、质量、伦理和风险管理体系，并保留足以验证和追溯的证据。
CHINA REGULATORY CALIBRATION
中国法规校准
适用口径：AI就绪首先必须是合法、合规和伦理可用。训练、验证或评估使用医疗健康、基因等敏感个人信息时，应核对处理合法基础、告知与同意安排、最小必要、保存期限和个人信息保护影响评估；用于科技活动的，还应依《科技伦理审查办法（试行）》开展伦理风险评估并接受相应审查。数据质量提升不能突破原批准用途和授权边界。
法规基准日：2026年8月4日。具体项目仍须结合研究类型及本机构要求确认。项目自查清单
判断提示：若其中两项以上无法明确回答，说明项目或机构仍存在需要优先处理的AI数据与治理风险。
- ✓AI数据集是否具有明确合法基础、伦理批准、用途边界和最小必要范围？已满足 / 待改进
- ✓敏感个人信息处理前是否完成影响评估并落实严格保护措施？已满足 / 待改进
- ✓数据质量、标签和可用性改进是否未突破原同意与批准用途？已满足 / 待改进
- ✓AI科技活动是否完成科技伦理风险评估并进入适用审查流程？已满足 / 待改进
NEED SUPPORT?
把这份清单用于您的真实项目
我们可协助完成方案数据审阅、CRF设计、EDC建库、质量管理与数据资产沉淀。
预约项目诊断 →