标注质控怎么对照 YY/T 1833：盲审可以核对，三级仲裁、考试沙箱与对齐不是证书

合规读者先看状态，再看标准编号

2026 年 10 月 2 日，质控和合规岗位打开标注平台材料时，最需要抵制的是把「有审核」写成「已经按器械质量体系运行」。北京朗慧科技有限公司的 LumeSage 医学影像标注平台，在用户手册里已经交付单盲、多盲和标注状态。2026 年 9 月 20 日的核算沟通稿则另列了三级审核仲裁、考试框架、质控中心，以及 YY/T 1833 的过程记录与符合性验证。前一组是现网可演示的科研审核，后一组是增量范围。核算稿是沟通稿，表上的编制单位不是对外公开品牌。合同以双方确认清单为准。

现网审核要按手册验收，不要因为它不如三级仲裁响亮就写成尚未提供。合作研究可以分享影像与临床，同时隔离勾画。单盲与多盲用来把标注和审核分开。状态未完成的样本，不应进入下游的组学或训练。锁定之后数据集只读，用来防止分析开始后又改轮廓。这些句子已经能构成一套最小质控：谁画的、谁看的、看完没有、看完之后还能不能改。科室若当前只有这一层需求，应把验收停在这里，而不是为了「合规」四个字把后面的行全部勾上。

增量行回答的是另一类组织问题。E 行三级审核仲裁，范围包括背靠背盲审、一致性、差异标记、专家复审、权威终裁和绩效。F 行考试框架，包括限时沙箱、防作弊，以及 mAP、Dice、IoU、Kappa 这些计算项的名称。I 行质控中心，是底座里单独成行的质控范围。J 行 YY/T 1833 对齐，写的是 1833.2 过程记录和 1833.3 符合性验证。四行可以分别购买。把它们说成「质控包已经含在平台里」，会使现网背负它没有交付的记录义务，也会使未购买的行在验收日无法出示证据。

手册中的盲审已经能回答什么

数据采集仍从 HY-小采 V1.2.1 进入，环境是 Windows，路径是 PACS 模板或本地采集，上传前脱敏，非 DICOM 不上传。质控不从勾画按钮开始，而从这份数据是否允许进入数据集开始。个人研究与合作研究的差别，在质控上就是隔离是否生效。合作研究若不能隔离勾画，多盲没有意义，因为后一位标注员已经看见前一位的轮廓。这个检查用两个账号和一套脱敏的 CT、MR 或 PET 就能做，不需要质控中心的界面。

临床变量的类型是 Boolean、Number、String、File，层级是 Patient、Study、VOI。质控规程应写明：哪些变量允许标注员改，哪些只允许治理角色改。终点变量若和轮廓放在同一权限里，审核人可以在不知道的情况下改掉分组，后面的 ICC 或分类指标就不再对应原来的设计。这是现网角色就能约束的事情。角色包括数据采集、数据治理、课题组管理员和平台管理员。质控专员若还不是系统里的独立角色，不要假装 I 行已经给他开了工位；在 I 行购买之前，用课题组管理员和治理角色把权限写清。

预标注不改变审核义务。一百八十余个预训练分割模型覆盖 CT、MR、PET，输出 Mask 或 Contour，使用 GPU。模型给出的是初稿。审核人看到的应是人修订之后的轮廓。把模型输出直接记为「审核通过」，等于没有审核。MPR 仅在 CT、MR 或 PT 且不少于五十层时可用，PET-CT 融合在手册范围内。质控抽样若抽到层数不够的序列，三维查看不可用是条件问题，不要记成质量事故，也不要据此要求视频分析。手册写明暂不支持视频类型影像分析。

下游门槛同样属于现网质控。状态未完成，不提取 Pyradiomics 的一千六百八十八项特征，不计算 ICC，不跑十四种机器学习，不开始深度学习训练，不把权重写入按课题组隔离的模型库，不把 Word 草稿当作已审核结果发出。十五天下载包只应在允许导出的状态下生成。这条门槛用一次故意未完成的样本就能演示。演示示意使用厂商或科室准备的脱敏数据，不使用带姓名的检查。

三级仲裁比多盲多出来的是组织，不是又一个按钮

E 行里的背靠背，强调的是双方在提交前互不可见。手册中的勾画隔离和多盲已经朝这个方向做了。增量要多写的是：不一致时如何标记差异，差异走到哪一位专家，专家意见是否还能被更上一层终裁改写，以及这些动作是否进入人员绩效。若方案只写「支持盲审」，验收人无法知道终裁存不存在。若方案写「购买 E 即达到专家水平」，则把组织流程误写成了能力承诺。本页不承诺终裁之后诊断效能提升。

差异标记要能回到具体对象。放射任务里，对象是 VOI 或轮廓，不是一句「两者意见不同」。标记应让第三个人看见差异在哪里，而不是只看见两个姓名。专家复审要有账号，不能借用标注员自己的账号补点一次通过。权威终裁要留下谁在什么时候改写了结果。绩效若启用，先约定统计的是完成量、返回次数还是一致情况，不要约定 Kappa 必须高于某个数值。数值门槛会把框架变成分数合同，核算稿没有给出这种承诺，公开材料也不应补写。

三级结构对人员数量有前提。只有一名审核员的课题组，写不出专家复审和终裁的分权。这时购买 E 行，验收会卡在角色空缺，而不是卡在软件。合规建议是：人数不够时，继续用手册的单盲或多盲，把 E 行留到人员到位之后。人数够时，在确认清单上写出每一级的岗位名称，并注明哪些岗位不得兼任。兼任规则比软件开关更能决定盲审是否成立。

E 行也不自动包含考试，不自动包含质控中心的抽样台账，不自动包含 YY/T 1833 的记录模板。背靠背可以在没有沙箱的情况下进行。沙箱解决的是限时和防作弊，服务对象常常是考核而非日常课题。日常课题的质控若需要抽样比例、周期和人员报表，应看 I 行是否购买。过程记录若要对齐行业标准的具体部分，应看 J 行是否购买。四件事在口头汇报里经常被叫做质控，在清单上必须使用行名。

考试框架里的指标名称不是分数合同

F 行。限时沙箱意味着考生在规定时间内、在隔离环境里完成标注或判读，而不是在自己的日常数据集上无限修改。防作弊要在实施方案里写成可检查的措施，例如是否限制切出、是否记录异常离开、异常记录保存多久。措施未写明时，不要在标书里使用「杜绝作弊」这种无法验收的句子。

mAP、Dice、IoU、Kappa 是这一行准备计算的指标名称。mAP 常用于检测类任务，Dice 与 IoU 常用于分割重叠，Kappa 常用于评价员之间的一致性。写进范围，表示沙箱若被购买，双方可以约定对哪些任务计算哪些量。它不表示购买之后 mAP 或 Dice 达到某一水平，也不表示用这些量给医院临床效果打分。科研闭环里，深度学习过程本来就可以看到 Dice 等曲线，那是训练监控，不是考试沙箱。两处都出现 Dice，仍是两个验收对象：一处是某次训练任务的曲线，一处是考生在沙箱中的结果是否被计算。

考试若混入真实患者且不脱敏，合规风险大于指标本身。沙箱样题应使用已授权的脱敏数据或专门构造的演示示意。考生账号与日常标注账号分开，避免把考卷写回正式数据集。考卷若后来要进入模型训练，必须重新走锁定和审核，不能因为「考过」就当作金标准。公开排行榜上的检测或分割分数，不能当作沙箱是否合格的门槛。门槛若需要，只能源于双方书面约定的计算是否完成、记录是否可导出，而不是源于某一篇论文的表格。

HealthBench（arXiv:2505.08775）对合规读者的用处，是提醒不要用一个总分代替准则。该工作用医师撰写的准则评价开放式回答，并区分困难子集，而不是宣称一个数字可以代表医疗能力。标注考试可以借鉴这种结构：先写准则，例如轮廓是否贴合、是否漏标指定结构、是否把状态改对，再谈汇总。困难子集可以是层数少、对比差或边界不清的脱敏样例，用来检查考生和流程，而不是用来对外宣布名次。准则没写之前，不要先写及格线。

质控中心为什么是最大的一行

I 行，在底座表里是单独的大项。读表时不要把它理解成「仪表盘比较贵」。仪表盘只是结果的一种看法。贵在要先决定抽多少、怎么抽、不一致是否必须复看、复看的人从哪里来、人员绩效按什么周期汇总、汇总是否允许导出、导出给谁。这些决定每一条都会变成规则、账号和记录。规则没人维护时，中心会退化成无法解释的图。

抽样不是把列表随机点开。合规上要写清抽样框是数据集、时间段还是标注员，比例或数量是多少，谁有权调整比例，调整是否留痕。一致性不是再买一次 E 行的别名。E 行描述仲裁路径，I 行若购买，还要回答这种路径是否被抽样触发、是否被统计、统计能否按人员查看。人员绩效也不是监控软件的同义词。它至少要避免把未完成任务算成完成，并避免用临床结局给标注员排名。本页拒绝后一种排名，因为标注平台不提供疗效结论。

质控中心对应的是运营设计，不是皮肤。若医院已经有质控制度，只缺一个地方登记，实施方案应引用该制度，而不是另写一套互相矛盾的比例。若医院没有制度，软件项目不应假装制度已经包含在界面里。确认清单的验收句可以写成：抽样规则可配置、一次抽样可回放到被抽中的任务、不一致有去向、人员汇总能按约定周期生成，且生成物不包含患者姓名。不能写成：上线后质控合格率大于某数。

不购买 I 行时，课题仍可以做手工质控。例如每二十例由审核员复看一例，并记在实验记录中。这是管理措施，不是质控中心已交付的证据。验收人若要求「打开质控中心」，而清单未列 I 行，应回答未购买，并展示手工记录或手册中的盲审状态。不要临时把统计图拼进演示。拼出来的图无法回放抽样框，后续审计会更难解释。

YY/T 1833 是过程与验证的范围，不是证书

YY/T 1833 是中国医药行业标准中与人工智能医疗器械质量相关的系列。核算稿 J 行，点名的是 1833.2 的过程记录和 1833.3 的符合性验证，性质是范围对齐。采购和合规文件建议使用的动词是「按双方确认的条款提供过程记录和符合性验证材料」。不建议使用的动词是「通过认证」「取得证书」「符合全部 YY/T 1833」或「因此可以注册」。注册路径、检验机构和体系审核都不在这一行的文字里，也不在本页的承诺里。

过程记录要能指向真实动作。对现网已经发生的动作，记录可以包括：数据如何经 HY-小采进入、哪些字段在上传前做了脱敏、谁在什么状态下完成盲审、何时锁定、导出包何时生成。这些记录很多今天就可以用操作纪律和导出信息拼出来，不一定要等 J 行。J 行若购买，增量在于把记录整理成与 1833.2 讨论范围相对齐的材料，而不是把旧日志自动宣布为标准符合。材料的边界以确认清单引用的条款为准。标准全文的解释不由产品介绍页完成。

符合性验证同样不是一张通行证。1833.3 方向上的验证，应写成：对双方点名的要求，给出验证方法、样本条件和记录。样本条件必须脱敏。验证没有覆盖的要求，就写未覆盖，不要用「整体符合」收口。未购买 J 行时，医院仍可按自己的质量手册做内部核查，但不得要求厂商出具认证证书来代替内部核查。厂商也不应提供这样的证书图片。

与安全增强的边界要写一句。字段级脱敏、敏感操作熔断、异常告警和 MFA 是 L 行，不是 J 行的附件，也不是 HY-小采上传前脱敏的重复购买。过程记录可以提到脱敏发生过，但熔断策略和多因素认证是否实施，看 L 行是否在本次清单。公开材料没有默认口令。任何把初始口令写进「合规附录」的做法都应删掉。

公开榜、私有题和 Medical Gate

合规岗位经常被要求「用一个公开分数证明标注质量」。这个要求应被拒绝，不管分数来自哪一张榜。MedBench v4（arXiv:2511.14439）和 v5（arXiv:2606.24155）展示的是多项能力需要分开汇报。MedHallu（arXiv:2502.14302）讨论的是医疗场景中的幻觉，提醒文本看起来完整并不等于依据存在。MedHELM 发表在 Nature Medicine，其私有集不可再分发。这些工作都支持同一条采购语言：公开评价是方法坐标，不是本院验收门，私有题目不能随宣传材料拷贝。

LumeSage 把私有题上的门禁放在另一项产品里。入口是 医疗模型评测，名称是 Medical Gate。它讨论的是私有题、准则和过程记录，不把公开榜名次写成购买标注或购买质控之后的结果。标注平台的盲审状态、若购买则还有的仲裁记录，可以作为门禁输入的过程材料，但要另签范围。材料离开医院之前，应先有 数据集 上的数据卡，写明许可、人群描述、标注规程和已知限制。医师终审口径可参考 医疗专家数据，那不是质控中心的皮肤，也不是 YY/T 1833 的证书。

HealthBench 的准则和困难子集，可以用来培训合规人员如何阅读评价，而不用来给本次标注项目打一个对外分数。若院内希望自建准则，准则应引用本科室的标注规程：例如某结构必须勾画、某状态未完成不得导出。准则写在规程里，比写在榜单截图里可审计。困难病例若来自真实患者，必须先脱敏，并在记录中避免身份信息。演示示意阶段用构造样例即可。

合规核对与询盘

核对建议分四页附件，避免一行证明所有事。第一页只证明现网：两个账号的隔离、一次盲审、未完成状态不能进入训练或组学、锁定后只读。第二页仅当 E 或 F 在清单中时存在，分别证明仲裁记录或沙箱记录，并声明没有目标分数。第三页仅当 I 在清单中时存在，证明抽样能回放、人员汇总不含身份信息，并附上医院自己的抽样制度文号或注明制度尚未发布。第四页仅当 J 在清单中时存在，标题使用过程记录和符合性验证，不使用证书。四页都可以缺，缺页表示未购买，而不是未通过。

实施前请确认部署是否在院内。院内时，抽检记录和考试录像的留存由医院制度决定。非院内时，应先确认脱敏数据能否按授权离开，不能则不要把质控样例上传到无关环境。并发约三十人是 M 行的性能目标，不是质控中心附带的在线人数。质控会议若只有五人，不要用 M 行的数字描述这场会议。

询盘请写明：模态是 CT、MR、PET 还是其他尚未购买的插件模态；本次清单是否包含 E、F、I、J 中的哪几行；是否院内部署；联系人是质控、法规、信息科还是课题组。请同时写明是否需要把记录用于 Medical Gate，以便两条产品线分开回复。不要粘贴患者姓名、住院号、影像号、检验单或未脱敏的不一致截屏。

电话 +86 15010400907，邮箱 date@lumesage.com，微信 langhuiai，商务对接罗坤。地址：北京 · 北京大学科创园 B 栋 301 房。演示可从 标注平台预约演示 进入。演示优先展示盲审和状态。三级仲裁、沙箱、质控中心和 1833 材料只在行号被确认后讨论。本页不构成医疗器械宣传，不承诺质控或考试带来疗效，不把行业标准对齐写成认证结果。

若法规同事只能向院内会议转述三句，可以用这三句。现网已经能用隔离、盲审、状态和锁定挡住最常见的「改完再分析」。更重的仲裁、考试、抽样中心和标准记录是 2026-09-20 核算沟通稿里的增量，买哪行验哪行。对外不提交一个总分，也不提交一张不存在的 YY/T 1833 证书。三句说完，再把确认清单交给采购。清单未列的行，不进入本次质量协议的正文。质量协议的正文若必须引用标准，只引用双方确认的部分和将要交付的记录名称，并保留「未覆盖条款不视为已经满足」这一句。这一句能阻止验收时用整套标准的目录来扩大范围，也能阻止实施时用一句符合来缩小应交付的记录。记录的颗粒度在确认会上定下来：至少能回到任务、账号和时间，且不含患者直接身份。定不下来时，先不要勾 J 行。

质控负责人还可以把人员培训和考试分开预算。培训可以用手册演示完成，让新标注员看见隔离和状态。考试只有在 F 行购买后才有沙箱和防作弊记录。没有沙箱时，科室内部的练习不要称作平台考试，以免审计时找不到应存在的日志。练习结果若被误导入正式数据集，应能通过状态和锁定发现并撤出。发现不了，说明现网门槛没有被执行，应先补执行，而不是先购买质控中心来掩盖。中心放大的是已经存在的规则。规则本身不执行，买到的仍是无法回放的图表。把这句话写进立项论证，通常比把四个行名并列在「合规建设」标题下更节省后续解释。

记录留存不要用十五天链接代替

合规材料的保存期限不要和十五天下载包混为一谈。下载链接失效，只说明那一次打包的获取窗口结束，不说明盲审状态、账号和锁定时间可以删除。医院制度若要求审核轨迹保留到课题结束，现网阶段就应在导出当时把状态、账号和锁定时间抄到医院指定的记录位置。抄录件用内部数据集标识，不抄患者姓名和住院号。购买 I 行或 J 行之后，保存多久仍由医院制度写明，不由采购行暗示一个法定期限。

质量协议若没有写保留到何时、由谁导出、导出物是否允许带出医院，验收时会在「记录还在不在」上争执。确认清单的备注足以写清这三句，不必为此新增核算行。备注还要写明：未购买的仲裁、沙箱、质控中心和标准记录，不因为其他行已经上线就被视为留存义务已经覆盖。义务跟行号走。没有行号的义务，不写进本次质量协议的正文，以免审计时双方对「平台应该自动保留什么」产生两种说法。说法以确认清单为准，演示示意数据不进入正式留存库。

继续看产品与相邻文章

平台入口见 医学影像标注平台，专家数据见 医疗专家数据，数据卡见 数据集，评测门禁见 医疗模型评测（Medical Gate）。