医疗 AI 数据采购核对清单

1. 明确任务与预期用途

• 项目涉及哪种模型任务：分类、检测、分割、报告生成、检索或其他明确任务？
• 涉及哪些数据模态、解剖部位、人群、诊疗场景及疾病或影像发现？
• 数据用于研究、模型开发、内部评测还是其他用途？哪些用途不在范围内？
• 需要记录哪些代表性要求、排除条件和已知局限？

2. 核实来源与允许用途

• 各项数据由谁采集或制作？有哪些材料能够说明其来源？
• 哪一方有权批准拟议用途？允许的目的、用户、地区和保存期限分别是什么？
• 相关权利是否分别涵盖模型训练、评测、衍生标签、发表或向其他方开放？
• 对再分发、重新识别、数据关联或超出约定项目范围的使用有哪些限制？

3. 对齐隐私与传输控制

• 图像、文本、元数据或自由文本字段中可能包含哪些直接或间接标识符？
• 需要采用何种去标识方法、残余风险审查及例外处理流程？
• 数据将在何处访问、存储和处理？哪些人员及分包处理方可以访问？
• 如涉及跨境访问或传输，适用哪些司法辖区及书面批准或协议？

请勿通过普通咨询表单或电子邮件发送可识别患者身份的记录。任何传输前，应确认获准使用的安全渠道及处理条款。

4. 明确标注与质量复核

• 标注应遵循哪些标签体系、说明、示例及边界情况规则？
• 各项任务需要哪些资质或经验？什么情况下需要专家复核？
• 如何记录分歧、不确定性、证据缺失及裁定结果？
• 验收依据哪些质量指标、抽样方法、错误类别及返工流程？

5. 让交付与验收可检验

• 约定的数据量、文件格式、数据结构、元数据、标识符和交付方式是什么？
• 试点采用多大样本量和多长复核周期？未达到标准时如何处理？
• 如何处理版本管理、更正、拒收项、变更请求及最终签收？
• 项目结束时如何保存、返还或删除数据？

6. 确认商务与执行边界

• 将数据访问、标注、评测和平台服务分别列为范围清楚的交付项。
• 以书面形式记录前提、排除项、依赖、费用、里程碑及验收责任。
• 交换非公开技术或商务细节前，应使用保密协议或其他适用协议。
• 核实本次合作的签约主体及适用条款。