收益：
- 能够定义成像 AI（分类、测量、预筛选）在临床工作流程中的作用和限制
- 能够理解人工智能输出可能会给出假阴性/阳性，最终报告属于有能力的放射科医生
- 加强图像数据隐私的能力以及根据临床背景验证模型输出的需要
医学成像（X 射线、CT、MRI、超声波、乳房 X 线摄影）是最强大的诊断工具之一。近年来，人工智能 (AI) 在图像识别方面取得了巨大进展：它可以在胸部 X 光检查中标记结节，优先考虑脑 CT 上的出血情况，突出显示乳房 X 光检查中的可疑区域，测量骨龄。这减少了工作量并避免紧急案件排队等候。但成像人工智能并不能取代医生；而是会取代医生。它可能会给出假阴性（遗漏存在的发现）和假阳性（标记不存在的发现）。在本单元中，您将了解成像人工智能的作用、其局限性，以及为什么最终报告始终属于有能力的放射科医生。
影像AI有什么作用？
成像人工智能的临床价值分为三个类别。第一个是优先级（分类）：它将紧急发现（例如脑出血、气胸）的检查移至列表顶部，以便放射科医生首先查看。其次，测量和量化：它快速且可重复地测量结节大小、骨密度、射血分数等值。第三只眼睛是第二只眼睛/引起注意：它通过标记可能被忽视的区域来提醒放射科医生。
这些任务的共同点是它们都是协助放射科医生，而不是取代他。 AI标记一个区域；放射科医生结合患者的临床情况来决定该区域是否真正存在病理。
注意：“AI 未检测到异常”不是报告。成像人工智能可能会给出假阴性；可能会错过一些小的、非典型的或人工智能未经训练的发现。如果存在临床疑问，则由有能力的放射科医生读取图像。
假阴性和假阳性的平衡
每个成像人工智能都具有敏感性（捕获真实患者的比率）和特异性（正确消除健康患者的比率）之间的平衡。如果提高灵敏度，假阳性就会增加（不必要的检查、患者焦虑）；如果提高特异性，假阴性就会增加（漏诊）。没有任何模型能够完美地解决这种平衡。此外，根据不同设备、不同采集技术或不同患者组上的训练数据，AI 的表现可能比预期更差（分布偏移）。因此，人工智能输出始终在临床背景下并在放射科医生的监督下进行评估。
一步一步：安全地使用成像人工智能
- 将AI定位为助手。优先级、衡量、关注；这不是一个决定。
- 添加临床背景。患者的主诉和病史对于图像的解读具有决定性作用。
- 如果 AI 呈阴性，请保持临床怀疑。阴性结果并不能阻止进一步的调查。
- 如果 AI 呈阳性，请进行验证。标记的区域真的是病态还是伪影？
- 让放射科医生写出最终报告。具有临床背景。
- 保护图像数据。隐私和 KVKK；匿名、安全的系统。
三个迷你箱子
案例 1 — 出现假阴性。 70岁患者，咳嗽、消瘦。 Lung AI 说“没有明显的结节”。放射科医生带着临床怀疑仔细观察，发现肩胛骨阴影后面有一个 9 毫米的结节；经CT证实。人工智能错过了微小的、隐藏的病变；临床怀疑和放射科医生的眼睛挽救了诊断。
案例 2 — 误报问题。乳房X光检查人工智能将实际上是良性的钙化标记为“可疑”。放射科医生将其与之前的检查进行比较，看看是否发生了变化，并防止不必要的活检。人工智能对其进行了标记，放射科医生根据上下文对其进行了评估并做出了正确的决定。
案例 3 — 正确的优先级。在严重癫痫发作时，脑部 CT AI 将急性出血检查移至列表顶部。放射科医生在 2 分钟内查看，确认出血并通知中风小组。如果他排队等候，就会浪费几分钟。人工智能节省时间；放射科医生和临床团队做出了诊断和决定。
影像AI角色表
任务
人工智能的作用
谁决定
紧急发现的优先顺序
加快排序速度
放射科医生
结节/病变标记
引起注意
放射科医生
测量（尺寸、密度）
快速、可重复的测量
放射科医生证实
最终诊断报告
有用的信息
合格的放射科医生
临床决策
提供输入
主治医师
四个可复制模板
注：以下模板不适用于图片读取；用于编辑放射科医生报告和临床交流。图像判读属于放射科医生。
任务：为我制作一份清单，将以下放射学 AI 输出与患者档案中的临床背景进行比较：- AI 标记的区域是否与临床怀疑相匹配？- 它可能是假阳性/伪影吗？- 是否需要与旧检查进行比较？AI 输出：[...] / 临床背景（匿名）：[...]
任务：将以下放射科医生报告写成两份单独的简化摘要，供治疗医生和患者使用。添加发现；仅使用报告中的信息。添加明确的诊断声明。报告： [...]
任务：提出问题来帮助我阐明订购此成像的基本原理：临床问题是什么，正在寻求什么发现，什么技术可能合适？决定由放射科医生/医生决定；你只需准备问题。即时草案（匿名）：[...]
任务：在下面的成像报告文本中找到任何剩余的凭据，并将其替换为 [ANONOMY]。临床意义的扭曲。文本：[...]
弱提示/强提示
弱者：“这张X光片里有什么，诊断一下。” （此外，图像解释不能留给文本模型。）
Strong：“给我制作一份清单，将放射科医生的报告和人工智能预评估与临床情况进行比较：人工智能标记的区域是否符合临床怀疑，是否可能是假阳性，是否需要与旧检查进行比较？声明最终决定权在于合格的放射科医生。”
在强大的提示下，AI调节的是过程，而不是图像；决定由放射科医生决定。
常见错误
- 将人工智能阴性误认为“干净”。可能是假阴性；临床怀疑仍然存在。
- 未经验证就接受人工智能阳性结果。可以标记伪影和良性发现。
- 省略临床背景。如果没有患者的病史，就无法解读图像。
- 向 AI 打印最终报告。该报告属于合格的放射科医生。
- 不保护图像数据。隐私和 KVKK 不应被忽视。
分布转移和泛化问题
成像人工智能最阴险的限制是“分布转移”：当模型遇到与其训练数据不相似的情况时，它的表现比预期要差得多。如果使用特定品牌设备、特定采集协议或特定患者群体的图像来训练模型；当面对不同的设备、不同的技术或训练集中代表性不足的群体时，其可靠性会降低。例如，主要针对成人数据训练的模型在儿科图像上可能是错误的。
因此，仅仅因为成像 AI 说“它在这项研究中显示出 95% 的准确度”并不意味着它会在您的诊所中执行相同的操作。了解工具经过验证的人群和设备是解释其输出的一部分。临床环境和放射科医生的监督对于精确弥合这种普遍化的不确定性是必不可少的。
注意：在一个地方运行良好的成像人工智能在不同的设备或患者组上可能会变得不太可靠。询问车辆在哪里经过验证；如果断章取义，性能数据会产生误导。
综上所述
显示人工智能在优先排序、测量和吸引注意力方面增加了真正的价值；它会提出紧急情况并提醒您被忽视的事情。但它给出了假阴性和假阳性，不了解临床背景，无法写出最终报告。使用人工智能作为辅助，对阴性打印输出保持临床怀疑，根据上下文验证阳性打印输出，并始终将最终报告留给合格的放射科医生。严格保护图像数据的隐私。
应用任务
如果您有影像报告和人工智能预评估，请使用上面的清单模板。 AI 标记/取消标记的结果是否符合临床背景？误报或漏报的风险在哪里？从放射科医生的报告中为医生和患者做一个简单的总结，并检查是否没有添加任何发现。
清单
- [ ] 我将人工智能定位为助手，而不是决策者。
- [ ] 我将临床背景纳入评估中。
- [ ] 我对 AI 阴性保持临床怀疑。
- [ ] 我通过上下文和之前的检查确认了 AI 呈阳性。
- [ ] 我将最终报告留给了合格的放射科医生。
- [ ] 我对图像/报告数据进行了匿名化和保护。
- [ ] 我确认我没有将结果添加到患者和医生摘要中。