国家首发《关于推进行业高质量数据集建设行动的实施方案》

2026 年 6 月 8日，国家数据局正式印发《关于推进行业高质量数据集建设行动的实施方案》（国数科基〔2026〕25 号），从国家层面首次对数据赋能人工智能发展作出系统性部署，为医疗等重点领域高质量数据集建设指明了方向。

政策核心：构建数据要素与人工智能协同生态

国家数据局《实施方案》明确提出，行业高质量数据集是推动“人工智能 +"赋能千行百业的基础性、关键性资源，围绕供给、流通、应用等关键环节部署强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六个专项行动，形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值” 的数据飞轮，目标到 2028 年底建成一批覆盖重点领域的高质量数据集。

《实施方案》特别强调医疗卫生领域要加快高质量数据集建设，推动公共数据与行业数据融合利用，支持链主单位带动产业链协同共建，为医疗影像云数据治理提供了明确的政策遵循与行动指南。

瑞泰方案：以 AI 赋能构建医学影像数据治理新范式

瑞泰影像作为国内领先的AI 医疗质控技术解决方案提供商，以医学影像云数据治理为核心抓手，积极响应政策号召，构建起覆盖数据全生命周期的治理体系，为医疗影像领域高质量数据集建设提供了可复制、可推广的实践路径。

面对医疗影像数据长期存在的标准异构、质量参差、孤岛林立等痛点，瑞泰影像构建了“数据治理为核心、标准统一为基础、AI 赋能为引擎”的医学影像云数据治理体系，覆盖数据“解析— 归集 — 治理 — 存储 — 共享 — 应用”全生命周期，推动影像数据从“ 原始文件”到“ 可计算资产 " 的质的飞跃。

前端 AI 质控：夯实数据质量 “第一公里”

政策要求强化数据源头治理，瑞泰影像将 AI 质控技术前置于数据产生的 “第一现场”，实现全量化、实时化、智能化质控：

图像质量 AI 质控：自动分析清晰度、对比度、噪声、伪影等核心指标，在技师操作中即时提示，质控覆盖率达80%—90%，准确率90%—95%，从源头确保影像高质量。

报告质量 AI 质控：NLP 深度学习模型实现 100% 全覆盖，从 “事后抽查” 升级为“事中干预”，单例质控秒级完成，报告差错率直降90% 以上。

辐射剂量 AI 质控：国内首创的自主辐射剂量分析系统，为每台设备、每项检查、每位患者建立精准剂量档案，确保剂量合规性。

全域标准化治理：打破数据异构壁垒

落实政策“一数一源、一源多用” 原则，瑞泰影像建立统一的元数据字典与治理规则库：

统一不同设备、院区的异构字段，对检查项目、扫描协议及关键参数进行归一化处理。

消除格式与语义异构性，利用 AI 模型与规则引擎自动校验关键参数（如层厚、剂量）是否符合质控标准。

自动识别并清洗重复检查、冗余影像及异常数据，为跨院调阅、医保审核建立可信数据基础。

全生命周期管理：保障数据安全可控

响应政策构建全生命周期管理体系要求，瑞泰影像可实现数据采集、清洗、加工、标注、质检、共享全流程可追溯，并确保数据可管、可控、可安全共享，建立分级分类安全机制，严格保护患者隐私，防范数据泄漏风险。

价值释放：从数据资产到智能应用的“数据飞轮”

瑞泰影像医学影像云数据治理方案，完美契合政策“价值释放” 行动要求，推动高质量数据集在临床、科研、医保、区域协同等场景的深度应用，形成良性循环的“数据飞轮”。

医保精准监管与价值付费

标准化的影像、报告及剂量数据，为医保精准审核提供坚实支撑，有效遏制过度检查与重复检查，推动医保支付从“按项付费” 向“价值付费” 转变，助力医保基金高效使用。

区域检查结果互认落地

在“医保影像云” 、“县域医共体”等区域影像检查结果互认项目中，AI 质控体系全面赋能，可实现影像数据跨机构、跨区域互认共享，减少患者重复检查，降低就医成本，真正实现 “数据多跑路，群众少跑腿”。

临床科研与 AI 模型训练

经治理的高质量影像数据集，可快速支撑科研人员开展队列筛选、样本提取、随访分析等工作，广泛应用于 AI 辅助诊断模型训练、专科专病垂直大模型共建，为医疗 AI 发展注入高质量数据动能。

数据资产化与长效服务

通过全链路治理规整沉淀海量区域影像数据，转化为统一管理、全程可追溯、安全可复用的高质量数据资产，为远程会诊、区域医疗协同与公共卫生监测提供坚实数据底座。

国家数据局《实施方案》的发布，标志着行业高质量数据集建设进入快车道。瑞泰影像将以国家政策为引领，以 AI 技术为驱动，持续完善医学影像云数据治理体系，让医疗影像数据实现 “标准统一、质量可靠、安全可控、价值凸显”，为健康中国建设贡献数智力量，助力医疗行业高质量发展与人工智能深度融合。