01 / 挑战
医疗与心理健康面对的数据问题
这些问题通常不来自单一环节,而是设计、采集、标注与验证之间的断点。
隐私与合规门槛高
问诊录音与影像涉及敏感个人信息,采集、存储与二次使用都需要可追溯的授权链条。
多说话人与环境噪声
医生、患者与家属交替发言,走廊噪声与设备提示音混入,转写与说话人分离难度大。
临床标签主观性强
情绪、依从性与沟通质量依赖专业判断,缺少统一量表与复核机制时标签难以复用。
数据留存与撤回机制缺失
被试撤回同意后,已分发的数据难以回收,机构面临持续合规风险。
02 / 方法
我们如何推进
每个项目都按同一套顺序推进:先把问题与规格写清楚,再进入采集、标注与验证。
- 01
伦理与脱敏前置
在采集方案阶段确定授权颗粒度、脱敏规则与留存期限,并与机构伦理流程对齐。
- 02
轻量化现场采集
用便携设备完成问诊与访谈录制,减少对临床流程的干扰,同时保证多流同步。
- 03
量表与时间轴对齐
把临床量表、访谈阶段与音视频时间码关联,让主观评分可以回溯到具体片段。
- 04
双人复核与审计
标注者统一培训,分歧样本进入双人复核,脱敏操作留存审计记录。
03 / 交付
你会拿到什么
- 完成脱敏与授权记录的多模态语料
- 与临床量表对齐的时间轴标注
- 可用于模型评估的标准化评测集
- 支撑伦理审查的合规交付报告
临床场景的边界
医疗数据的第一约束不是技术,而是合规与信任。采集前需要明确谁是被试、谁有权撤回、数据用于研究还是产品评估、留存多久。我们与机构的伦理审查流程配合,把知情同意拆成可勾选的最小颗粒度,让不同用途的数据各自获得授权。
从问诊录音到可分析数据
问诊是典型的多说话人场景:医生、患者与家属交替发言,环境噪声、称呼与方言混杂。我们按说话人分离、逐字转写、时间对齐的顺序处理,再叠加量表评分、情绪与副语言标注。临床量表由合作机构的专业人员提供或复核,标注者接受统一培训,分歧样本进入双人复核。
脱敏与二次使用
姓名、住址、就诊号与可识别影像在进入标注流程前完成脱敏,脱敏操作留存审计记录。交付时以「可直接使用」「需申请」两级说明数据范围,便于机构在后续研究中控制二次使用。涉及儿童或弱势群体的项目,额外增加监护人同意与撤回机制。
我们不会把临床数据用于未获授权的模型训练;每一个衍生数据集都继承原始授权范围。对于康复与语言治疗场景,还会把治疗阶段、刺激材料与反应时间记录进同一套元数据,便于比较不同疗程下的变化,也让后续研究者能够按相同条件复现分析。
04 / 案例
示意案例
以下案例来自脱敏后的项目场景,仅用于说明合作方式与交付形态。
门诊问诊语料建设
示意为某三甲医院搭建门诊问诊多模态语料,完成说话人分离、逐字转写与沟通行为标注。
3 个科室
心理访谈标注
示意为某心理机构采集并标注访谈语料,将量表评分与情绪、副语言片段逐段关联。
120 段访谈
05 / 相关能力
配套的服务与数据
方案通常由多个服务组合交付;相关数据集可直接用于评测、标注或方法验证。
06 / FAQ
常见问题
关于周期、授权与协作方式的常见疑问。
数据是否会离开医院内网?
可按机构要求在医院内网或隔离环境中完成处理,交付脱敏后的结果与质检报告。
能否配合医院的伦理审查流程?
可以。我们提供采集方案、知情同意模板与数据管理计划,配合伦理委员会评审。
临床量表由谁提供?
通常由合作机构的专业人员提供或复核,我们负责量表与音视频时间轴的对齐和标注管理。
被试撤回同意后如何处理?
按协议在约定期限内定位并删除对应数据,同时更新衍生数据与审计记录。