医学影像检查在临床诊疗中应用日益广泛，随之而来的辐射剂量管理问题已成为医疗质量与受检者安全的重要议题^[1-2]。传统辐射剂量管理方式存在数据分散、分析滞后、标准化不足等局限，难以实现高效监控与持续优化。近年来，我国医学影像云平台建设发展迅速，已取得显著成效。2025年11月20日，全国影像云跨省调阅启动仪式在北京举行，全国可跨省调阅共享和互认医学影像数据。目前，北京、山东、安徽、内蒙古等多地已建成覆盖数千家医疗机构的省级影像云平台。截至2025年11月，北京市医学影像云平台共接入274家医疗机构，上传影像检查量共4 630万人次，其中X射线相关检查占82%。基于医学影像云平台的辐射剂量管理，作为放射卫生防护工作的重要组成部分，可通过其集中数据处理与智能分析优势，为辐射剂量科学管理提供创新路径。

医学影像云平台是基于云存储医学影像信息构建的数据中心，依托虚拟化与大数据技术支持，以医学影像云计算应用服务为核心，通过云传输方式，为医疗机构、受检者及相关管理部门提供多样化、在线化的医学影像云服务模式。国内区域医学影像云平台建设已进入快速发展期，其核心目标是实现区域内医疗影像资料的互联互通和共享互认。然而，当前平台功能多聚焦于影像存储、传输、调阅、图像处理和三维重组等，对蕴含在海量数据中的辐射剂量信息挖掘和利用尚需加强。上传云平台的医学数字成像和通信(DICOM)标准图像的头文件中，包含医疗机构、设备(品牌、型号等)、成像参数(管电压、管电流、曝光时间、螺距、扫描长度、摄影距离、照射野等)、辐射剂量表征量[入射空气比释动能、容积CT剂量指数(CTDI_vol)、剂量长度乘积(DLP)、剂量面积乘积(DAP)、腺体平均剂量等]、图像重建参数(算法类型、算法等级、层厚等)相关信息，均可用于不同成像模式不同检查项目的统计分析和受检者剂量评价。

相比之下，欧美发达国家已率先将云平台技术用于辐射剂量监控。美国放射学会(ACR)建立的国家放射学数据登记系统(NRDR)及其子系统剂量指数登记系统(DIR)，收集全美范围内CT等放射检查的剂量数据，为建立国家诊断参考水平(DRL)及其管理提供数据基础^[3]，同时使医疗机构能够将本机构数据与地区和全国的数值进行对比，便于提高放射检查质量。欧洲依据欧盟理事会指令2013/59/Euratom制定防止电离辐射照射所带来危险的基本安全标准，也在推动成员国建立国家级的剂量登记系统，并实现医疗机构间的数据比对^[4]。由此可见，基于影像云平台的辐射剂量管理是现代化辐射防护发展的必然趋势。

1. 构建多维度的辐射剂量分布谱：云平台的优势在于能自动、匿名化地聚合来自不同医疗机构、不同设备、不同受检者的检查参数与剂量数据，实现对区域内甚至全国医学影像资源及其应用情况的汇总^[5]。利用这些大数据，可以构建前所未有的精细化辐射剂量分布谱。此分布谱涵盖的关键维度可包括但不限于：成像模式与检查项目，如头部CT平扫、胸部CT增强、腹部X射线摄影等；设备属性，如设备品牌、型号、CT探测器排数等，有助于识别不同技术的剂量特征^[6]；受检者因素，如年龄、性别、体型，是实现个体化剂量评估的基础^[7-8]；临床需求，如申请科室、疑似疾病，将辐射剂量与临床需求相关联^[9]。

通过分析辐射剂量数据，可以清晰揭示本地区检查类型、检查项目、医疗机构、受检者、设备等剂量状况，各类检查的剂量中位数、第75百分位数(即诊断参考水平，DRL)及其范围，为质量管理提供精准的辐射剂量画像。

2. 形成动态辐射剂量DRL建立机制：传统DRL的建立需要人工采样，通常3~5年甚至更长时间更新，难以反映技术进展和临床放射诊断实践的变化。基于云平台，可以建立动态更新的、分层的DRL机制。一是按地域、检查类型、医院等级分层，为三级医院、二级医院、社区卫生服务中心等设定不同的DRL，更符合临床实际且更易于推广使用^[10]；二是对儿童进行分层，优先考虑体重而非年龄分层，制定出不同生长时期的儿童和青少年适宜DRL；三是定期自动更新，影像云平台可按季度或年度自动重新计算DRL，使其始终反映当前的实践和技术水平。

当某机构或某设备的特定检查项目的辐射剂量持续高于或低于动态DRL时，系统如能自动预警，便可有效提示医疗机构进行原因调查并采取优化措施。

3. 推动辐射剂量异常值的有效管理：基于影像云平台的辐射剂量数据实时统计和分析，可实现对异常剂量和检查行为的实时或近实时监控。一是重复检查，通过智能识别算法分析受检者历史检查记录与时间序列特征，自动标记短期内相同或相似部位的重复成像申请，及时发现短期内在不同医疗机构对同一部位进行的重复检查，避免不必要的曝光；二是多部位多项目检查，识别一次性进行多个部位或多个项目放射检查的受检者，评估其总剂量水平^[11]；三是确定成像参数的选择是否适宜，自动筛查出不当使用管电压(kV)、管电流量(mAs)或扫描范围的检查^[12-13]；四是设备性能偏差，当某台设备的同类检查剂量系统性偏高或偏低时，可能预示成像参数设置、设备校准或维护存在问题，需进行技术检测^[14]。

4. 助力辐射剂量变化趋势分析与决策支持：长期积累的医学影像云平台辐射剂量是重要的数据资源，可用于时间序列分析。一是趋势分析，基于累积的辐射剂量数据，通过整合历史剂量数据与实时监测结果，使用时间序列分析模型识别剂量使用的长期趋势与周期性波动，同时观察特定检查项目(如低剂量CT肺癌筛查、腹部增强CT检查等)的平均剂量随时间的变化，评估新技术、新协议推广的有效性^[15-16]；二是预测与决策，预测剂量管理的发展趋势，为卫生行政部门制定政策提供依据，剂量数据也可作为医院评价设备性能、规划设备更新换代的重要客观指标。

5. 推动个体化与群体的健康风险评估：通过影像云平台集成的辐射剂量相关数据，如辐射剂量相关成像参数(管电压、管电流、照射范围等)、辐射剂量表征量数值(入射空气比释动能、DAP、CTDI_vol、DLP等)等，结合使用国人体型面元模型的蒙特卡罗模拟技术、人工智能技术，可更精确地估算受检者器官剂量和有效剂量^[17-19]。

在辐射剂量精确估算的基础上，可进一步加强重点人群管理，识别儿童、育龄期妇女等敏感人群以及累积剂量较高的受检者，进行重点跟踪与风险管理。在精确辐射风险预测基础上，在医生工作站集成风险提示功能，当开具多项检查时，系统可自动估算本次检查和以往3~5年内受检者所接受辐射剂量的累计风险，并提示医生评估临床必要性，可显著提升放射检查的正当性判断水平。

为实现医学影像云平台辐射剂量的规范化应用和管理，需在以下方面持续努力：

1. 辐射剂量表征数据的治理与规范化：统一标准DICOM文件中辐射剂量表征量及其相关成像参数标签的提取与解读，解决不同设备制造商数据结构的差异，这是辐射剂量大数据统计、估算、分析等所有相关应用的基础^[20]。医疗机构上传影像数据时，应规范设置医疗机构、设备、受检者、检查项目、成像参数等相关信息，以便于大数据的应用。

2. 辐射剂量的精确估算：运用人工智能(AI)技术，根据DICOM图像估算剂量或基于已建立的辐射剂量，尤其是受检者器官剂量转换系数等方法，形成对数字X射线摄影(DR)、CT、数字减影血管造影(DSA)等成像模式和检查项目中受检者器官剂量的个体化估算，为受检者尤其是儿童辐射风险评估和临床实践中成像参数优化奠定基础^[21]。云平台可参考已有参考人的剂量转换系数，也可嵌入数字化模型+ 蒙特卡罗程序或通过AI算法等，根据上传的受检者辐射剂量相关信息，精确估算受检者的器官剂量，为临床成像参数的优化提供平台支持。

3. 建立辐射剂量管理制度：云平台定期形成全国或区域及医疗机构的辐射剂量与DRL或典型值的对比报告及异常剂量汇总，建立反馈机制形成闭环管理。可参照美国放射学会DIR系统的做法，医疗机构能在云平台上将本机构数据与地区和全国的数值进行对比，能够获得提升放射实践正当性和放射防护最优化的参考信息，将有力推进影像检查的质量控制和云平台数据的利用率。

4. 迈向智慧化管理：利用人工智能技术，开发智能协议推荐、自动参数优化、图像质量-剂量平衡算法等，最终形成监测—分析—决策—干预—评估的智慧化管理闭环机制，主动指导临床规范化操作，实现对受检者健康风险的早期干预。

综上，基于医学影像云平台的辐射剂量管理，需要整合多源异构剂量数据，建立动态反馈机制，形成精准化、个体化的辐射防护策略，是实现从粗放式管理到精细化、从静态管理到动态、从群体管理到个体与群体相结合的革命性转变，也是新时代大健康背景下医学影像新业态在放射卫生经济学中的重要体现。这不仅是落实合理尽可能低剂量(ALARA)原则、保障受检者安全的必然选项，也是提升全国和区域放射医学质量管理现代化水平的核心举措。当前，应率先做好辐射剂量数据治理这一“筑基”工程，逐步推动辐射剂量管理的智能化升级。

利益冲突  无

作者贡献声明  牛延涛撰写论文；王振常指导论文修改