2. 医学影像元数据体系解剖

医学影像元数据治理的第一个工程难题，不是"怎么存"，而是"到底有哪些元数据、它们各自属于哪一层、谁对谁负责"。如果分类不清，后续的脱敏规则、审计策略、血缘追踪都会失去锚点。本节把医学影像元数据拆成五个来源族，再按"采集—描述—解释—衍生—治理"五层重新组织，形成一张可落地的分类与分层模型。

一、五个来源族：元数据从哪里来

医学影像元数据并非单一标准产物，而是至少五个来源族叠加的结果。

• DICOM元数据：影像文件自带的标签体系，是元数据的"主干"。包括患者信息（PatientName、PatientID）、检查信息（StudyInstanceUID、AccessionNumber）、序列信息（SeriesInstanceUID、Modality）、图像信息（SOPInstanceUID、Rows、Columns、PixelSpacing）以及设备信息（Manufacturer、StationName）。DICOM标签以(group,element)二元组标识，如(0010,0010)为患者姓名。
• HL7/FHIR相关字段：来自RIS/HIS/EMR的业务上下文。FHIR中Patient、Encounter、ImagingStudy、Observation等资源承载了就诊号、开单科室、临床指征、过敏史等DICOM不擅长表达的信息。ImagingStudy资源通过identifier与DICOM的StudyInstanceUID建立映射。
• 私有标签：厂商在私有group（如奇数group）中写入的扩展信息，例如GE的(0009,xxxx)、Siemens的(0021,xxxx)。它们常包含重建参数、剂量指数、序列协议细节，是科研价值高但标准化程度最低的一族。
• 结构化报告（SR）：以DICOM SR或FHIR DiagnosticReport形式承载的测量、编码结论。SR把"影像里看到了什么"变成可计算的TID模板树，例如TID 1500测量报告中的长度、体积、SUV值。
• 影像组学元数据：从像素中提取的特征及其提取参数，包括一阶统计、形状、纹理（GLCM、GLRLM）、小波特征，以及IBSI标准要求的提取配置（bin width、重采样体素、归一化方式）。

二、五层分层模型：元数据如何组织

把上述五族按"离像素的距离"和"治理责任"重新分层，可以得到一个稳定的五层结构：

1. 采集层：设备与协议直接产生的原始标识，如SOPInstanceUID、SeriesNumber、AcquisitionDate、KVP、SliceThickness。特点是强绑定设备、不可再生。
2. 描述层：对检查与患者的语义描述，如PatientID、StudyDescription、BodyPartExamined、临床指征。特点是跨系统映射频繁，是主数据管理的重点。
3. 解释层：诊断与测量结论，如SR中的结节位置、RECIST测量、BI-RADS分级。特点是带临床判断，脱敏与审计要求最高。
4. 衍生层：影像组学特征、AI推理输出、重建后处理参数。特点是可重算、版本敏感，必须记录提取配置与软件版本。
5. 治理层：审计追踪、访问日志、脱敏标记、数据血缘、同意状态。特点是元数据"关于元数据"，是合规审计的直接证据。

这五层不是简单的包含关系，而是存在明确的引用与派生关系：采集层生成UID，描述层引用UID建立检查上下文，解释层引用描述层定位病灶，衍生层引用解释层与像素，治理层则横切所有层记录谁在何时做了什么。

三、分类与分层的工程价值

这套模型的价值在于把"元数据治理"从模糊概念变成可分配责任的对象。例如，脱敏规则应主要作用于描述层和解释层，因为这两层含直接标识符和临床敏感信息；采集层的UID需要保留以维持影像可追溯性，但StationName、InstitutionName等设备标识可能需要泛化；衍生层必须记录提取配置的哈希值，否则特征不可复现；治理层则要求所有层的关键操作都写入不可篡改的审计日志。

再如，当需要回答"某患者影像是否可用于科研"时，治理层提供同意状态，描述层提供患者标识，采集层提供检查时间，解释层提供诊断结论，衍生层提供特征版本——五层缺一不可。如果只治理DICOM标签而忽略FHIR映射和影像组学配置，审计链就会在跨系统环节断裂。

四、从分类到落地：一个最小元数据目录示例

以下是一个简化但可直接参考的元数据目录片段，展示五层模型如何落到具体字段：

这张表本身就是治理的起点：它明确了每个字段的归属、敏感性和可重算性，后续的脱敏规则、访问控制、版本管理和审计查询都可以基于这些属性自动生成。分类与分层不是学术练习，而是把元数据从"一堆标签"变成"可治理资产"的第一步。