收益：
- 能够设计端到端的工作流程，显示人工智能在从预拍摄到报告签名的整个链条中发挥作用的位置和批准方式。
- 能够在人工智能支持的流程中建立绩效监控、反馈循环和定期自我审核
- 能够按照治理、责任和持续改进的原则，在成像设备中可持续地使用人工智能
在之前的十个单元中，我们介绍了放射学中的人工智能的各个部分：分诊、结构化报告、测量自动化、PACS 集成、指标、特定于模态的工具、图像质量、跟踪和隐私。在最后一个单元中，我们将把各个部分结合起来，建立一个端到端的工作流程：一个整体图，显示人工智能在审计从请求时刻到签署报告的整个链条中发挥作用的位置和批准程度。然后我们将考虑使这一流程可持续的两件事：质量管理（监控绩效、反馈循环）和自我监管（定期审查、治理）。
核心原则：安全使用人工智能成像不是一次性安装；这是一个活生生的过程，需要不断监控绩效、反馈循环、审查错误模式以及定期自我审核。在每一步中，责任、签名和最终决定均由放射科医生承担。
端到端流程：AI在哪里，它确认
让我们跟随审计的历程，包括人工智能发挥作用的点以及每个点的人工批准。
- 请求和指示：临床医生请求检查。 AI可以推荐适应症的适用性和协议选择；技术员/放射科医生批准。 （第8单元）
- 拍摄与质量：形态产生图像。 AI剂量优化、去噪和伪影标记；技术人员决定质量并在必要时重新拍摄。 （第8单元）
- 分类：图像落入 PACS 中。人工智能优先处理时间紧迫的事件；放射科医生仍然阅读每项检查。 （第二单元）
- 读取和检测：放射科医生读取。 CAD 标记为第二只眼；放射科医生评估哪些内容已标记，哪些内容未标记。 （第六、七单元）
- 测量和跟踪：AI测量并与之前的检查进行比较；放射科医生验证一致性。 （第 4、9 单元）
- 报告：人工智能生成结构化草稿；放射科医生将每个句子与图像进行匹配并签名。 （第三单元）
- 关键发现通知：人工智能提醒关键发现；放射科医生确认，与临床医生沟通，完成闭环。 （第二、六单元）
- 归档和跟踪记录：AI输出作为单独的层存储；原件不改变，痕迹记录保留。 （第五单元）
舞台
人工智能角色
人类的认可
连接单元
请求/协议
建议
技术员+放射科医生
8
镜头/质量
剂量、去噪、伪影
技术员
8
分类
优先级标志
放射科医生（仍在阅读）
2
读取/检测
CAD第二只眼
放射科医生（诊断）
6, 7
测量/跟踪
计算、比较
放射科医生（更正）
4, 9
报告
草案
放射科医师（签名）
3
关键发现
提醒
放射科医生（传送、确认）
2, 6
存档
分离层
系统+轨迹记录
5
该表是该模块的摘要：随着风险上升，人工智能的作用缩小，人类的同意增加；人工智能不会接管阅读、诊断或签名。
关键发现报告：闭环
重大发现（大出血、大量栓塞、紧张性气胸）不被视为仅通过将其写在报告中来传达。闭环沟通意味着确认信息到达主治医生并被主治医生直接接收。人工智能可以回忆关键发现，甚至生成通知草稿；然而，放射科医生有责任确认发现结果，将其传达给正确的医生，记录沟通情况并关闭循环。自动警报不能替代人类沟通。
注意：人工智能关键发现警报出现在工作清单上并不意味着已发出通知。仅当放射科医生确认发现、联系主治医生并收到信息后，通知才完成。闭合闭环是人类的工作。
质量管理和自我审核
随着时间的推移，人工智能驱动的流程可能会崩溃：模型更新、设备变化、人群变化、误报率增加。因此，必须不断监控绩效。
- 性能监控：收集假阳性/阴性样本；跟踪分类标记率和真阳性百分比。
- 反馈循环：系统地收集放射科医生的“此标志错误/错过此”反馈并与制造商共享。
- 错误审查：定期会议审查遗漏的发现和误报；区分根本原因（模型、协议、人为）。
- 分布变化跟踪：当设备/协议/群体发生变化时重复本地验证。
- 治理：谁在什么背景下使用哪个模型、哪个版本；谁负责——这些应该是书面的。
三个迷你箱子
情况 1 — 反馈循环有效。某单位从监测数据看，分诊模型的气胸假阳性率在几个月内上升至75%。放射科医生收集他们的反馈，与制造商一起审查阈值；比率下降至 45%，警报疲劳减少。如果没有监控，模型就会悄然变得不可靠。
案例 2 — 错过了根本原因分析。在一个月的复查中发现两个漏检的小结节。分析表明，这两种情况都发生在便携式图表上和未训练模型的设备上（分布漂移）。该装置缩小了便携式放射线照片上的模型范围，并向放射科医生发出警报。这个错误是用来修复系统的，而不是责怪一个人。
案例 3 — 关键发现是闭环的。 AI 对脑部 CT 上的大出血发出警告。放射科医生在 90 秒内确认，致电神经外科医生，验证信息的接收，并记录通信（时间、人员、内容）。闭环完成。 AI提醒；放射科医生进行了通知和确认。如果让其自动报警，则无法保证医生收到该信息。
弱提示/强提示
弱提示：
在放射学领域建立人工智能工作流程，实现一切自动化。
在安全关键领域，“一切自动化”是危险的；忽略人工检查点和安全默认值。
强力提示：
您的角色：放射科端到端人工智能工作流程设计的副顾问。决策；制定大纲和清单。指定人工智能在请求→捕获→分类→读取→测量→报告→关键发现→存档链中添加的位置，并在每个步骤中表明人工批准。还建议绩效监控、反馈循环和自我审核的指标。原理：随着风险的增加，人工智能的作用越来越小，人类的认可度越来越高；放射科医生的诊断/签名/通知。单元上下文：[写]
坚强意志以人的认可点、监控和自我控制为中心。
可复制的提示模板
端到端流程草案模板您的角色：助理顾问。对于请求→成像→分类→阅读→测量→报告→关键发现→存档链，生成一个表格，列出人工智能和人类批准在每个阶段的作用。标记风险级别，不让人工智能“接管”任何安全关键决策。单元上下文：[写]
性能监控模板将为您提供一段时间的分类/CAD 数据。计算假阳性率、漏检结果数量和真阳性百分比；警告警报疲劳和分布漂移；建议应在什么阈值下审查制造商/型号。决定权在机构内。数据：[写入]
根本原因审查模板将为您提供漏检/误报案例。区分根本原因：模型（训练/范围）、协议/设备（分布漂移）、人为（自动化偏差/警报疲劳）。提出的建议侧重于系统纠正，而不是指责。事件：[写]
关键发现闭环模板为关键发现通知生成闭环清单：发现确认、正确医生识别、直接传输、信息接收确认、通信记录（时间/人员/内容）。提醒我们，自动警报不会取代通知。上下文：[写]
常见错误
- “一切自动化”。安全关键决策需要人工批准；完全自动化是危险的。
- 安装一次就没有看。随着时间的推移，这种模式会被打破；持续的性能监控是必须的。
- 利用错误来责备这个人。根本原因分析应侧重于系统纠正。
- 将关键发现留给自动警告。闭环由放射科医生关闭；传输和确认是人的工作。
- 没有将治理书面化。谁、哪个模型、哪个版本、哪个范围、谁负责——必须记录下来。
提示：在您的单位中定期问这个问题：“如果我们今天关闭人工智能，我们会继续安全运行吗？”答案应该始终是“是”。人工智能加快了阅读速度，但它永远无法取代阅读、识别和手语。
总之
从订购时刻到放射学报告签署，人工智能在链条中的许多环节发挥作用：方案推荐、质量、分类、检测、测量、随访、报告和关键发现提醒。整体原则是整个模块的总结：随着风险的上升，人工智能的作用缩小，人类的同意增加；人工智能不会接管阅读、诊断、签名或关键发现报告。使这一流程可持续的原因是认识到安全使用是一个动态过程，而不是一次性设置：性能监控、反馈循环、错误审查、分布偏差跟踪和书面治理。当报告重要发现时，放射科医生会关闭闭环。一切的背后都有一句不变的一句话：决定权在人。
应用任务
为您的单位（或样本组织）绘制端到端人工智能工作流程图：写下每个阶段人工智能的角色、人工审批和风险级别。然后确定您将使用“绩效跟踪”模板跟踪的三个指标（误报率、漏检结果、真阳性百分比）和操作阈值。选择一个关键发现场景并使用“关键发现闭环”模板编写步骤。最后，“如果我们今天关闭人工智能，我们的工作会安全吗？”如实回答所在单位的问题，并指出不足之处。
清单
- [ ] 我定义了端到端流程中每个 AI 点的人工验证。
- [ ] 我没有将任何安全关键决策（诊断/签名/通知）委托给人工智能。
- [ ] 我确定了性能监控标准和操作阈值。
- [ ] 我建立了反馈循环和错误审查流程。
- [ ] 我制定了针对分发班次重复本地验证的计划。
- [ ] 我确保放射科医生关闭了关键发现通知的闭环。
- [ ]“如果我们关闭人工智能，我们的工作会安全吗？”我可以对这个问题说是。
模块考试
1. 放射科分类人工智能将脑 CT 标记为“低优先级”，并将其移至工作列表的末尾。放射科医生应该为这项检查做什么？
- A) 仍然完整地阅读并报告审核；分类只会改变顺序，不会消除阅读✔
- B) 人工智能通常会关闭研究而不阅读它，因为它说它的优先级较低。
- C) 自动推迟考试到第二天
- D）它只关注人工智能标记的区域并缩短报告
描述：Triage AI仅改变阅读顺序；它不能排除阅读中的任何考试。 “低优先级”不是诊断，可能是假阴性。每次检查仍必须由放射科医生充分阅读和报告；它不能取代读取优先级信号。
2. 人工智能遗漏真实病理（例如小气胸）以及放射科医生依赖它但没有充分检查图像，这两种风险组合是什么？
- A) 仅误报和警报疲劳
- B) 误报和自动化偏差（过度依赖人工智能）✔
- C) 图像质量较差
- D) 仅 DICOM 标头错误
解释：如果模型漏掉了发现，则为漏报；自动化偏见是指放射科医生过度信任人工智能并放松自己的检查。当两者结合在一起时，人类监控存在的理由就消失了，并且可能会完全错过发现的结果。因此，没有人工智能标记的领域也应该阅读。
3. AI 在胸部 CT 报告草稿中添加了一句“右肾上腺腺瘤”，但图像中没有对应内容。放射科医生应该做什么？
- A) 认为这句话可靠，直接签名。
- B) 由于他不确定，他将整个报告重写给人工智能并签名。
- C) 将句子与图像进行匹配；如果没有规定，他会将其删除并在草稿上签字确认✔
- D) 留下句子，但在末尾写上“添加了人工智能”
解释：语言模型可以流畅地拟合图像中不存在的发现；这称为幻觉。放射科医生必须将报告中的每个句子与图像进行匹配，删除任何不相关的短语，并且在未经验证的情况下切勿在草稿上签字。报告草案只是一个开始，而不是证据。
4. 专家将带有患者姓名和协议编号的 DICOM 图像上传到公开可用的 AI 工具中，无需匿名。这里的主要问题是什么？
- A）图像分辨率不足以满足人工智能的需要
- B) 人工智能无法读取DICOM格式
- C) 由于图像是黑白的，无法发表评论
- D) DICOM 标头中和嵌入图像中的身份数据无需匿名即可共享；这是 KVKK 违规行为 ✔
描述：DICOM 文件包含标题中的患者姓名、身份、出生日期等信息，有时还包含嵌入图像（烧录）中的身份数据。将这些数据上传到外部工具而不进行匿名化是泄露敏感健康数据的行为，并且违反了 KVKK。必须首先清除标头和嵌入数据。
5. 将人工智能生成的自动肺结节测量值（例如 8 毫米）与之前检查的手动测量值（5 毫米）进行比较时，最重要的验证步骤是什么？
- A) 验证测量结果是否与相同的方法、平面和分割一致性进行比较，并由放射科医生评估差异 ✔
- B) 假设新的测量始终准确并报告增长
- C) 取两次测量值的平均值并报告
- D）完全忽略测量，只写视觉印象
说明：测量是估计值，取决于分段边界、切片选择、协议和测量方法。当使用不同的方法进行自动和手动测量时，可能会产生“生长”的错误印象。在做出扩大决定之前，应使用相同的方法、在同一平面上、具有一致的边界进行比较，任何不一致之处都应由放射科医生进行评估。
6. 将AI结果添加到PACS时，关于原始DICOM图像的黄金法则是什么？
- A) 人工智能标记必须永久写在原始图像上
- B) AI 输出作为单独的系列/层添加；原始诊断图像不改变并保留跟踪记录✔
- C) 根本不应该存储原始图像，只应保留处理后的版本
- D) AI 输出应作为文本嵌入患者标题中
描述：AI 标记、指标和亮点应存储为单独的系列、图层或结构化报告对象；原始诊断图像不得更改。这样，放射科医生始终可以看到原始数据，保留跟踪记录，并且人工智能输出仍然可以与原始数据区分开来。
7. 乳腺X线摄影人工智能的“灵敏度”高，但“特异性”低。这在实践中意味着什么？
- A）模型几乎没有发现任何发现
- B）模型永远不会产生误报
- C) 该模型捕获了大多数真实的发现，但可能会产生许多误报，导致不必要的召回 ✔
- D) 该模型仅标记可以做出明确诊断的病例。
解释：高灵敏度意味着捕获大多数真阳性（很少假阴性）。低特异性意味着频繁标记健康病例，这意味着会产生大量误报。这减少了泄漏，但增加了不必要的召回和调查的负担；阈值的选择是临床平衡，并由放射科医生的解释决定。
8. AI 模型在特定制造商的设备和特定患者群体上进行训练。在您自己机构的不同设备和人群上使用它之前，最好的方法是什么？
- A）假设模型在任何地方都具有相同的性能
- B) 强制进行所有检查而不测试模型
- C) 仅当用户界面为土耳其语时才认为安全。
- D) 在您自己的设备和人群上执行本地验证并检查性能，并审查批准/证据的级别 ✔
解释：当远离模型训练所依据的数据分布时，性能可能会下降；这称为分布转移。在用于新设备、方案或人群之前，应进行本地验证（对您自己的数据进行性能检查），并应审查监管部门的批准和证据水平。
9. 与自由文本报告相比，结构化报告最重要的安全优势是什么？
- A) 得益于标准标题和必填字段，它降低了遗漏结果和歧义的风险，并确保一致性 ✔
- B) 使报告显得更短
- C) 放射科医生无需查看图像。
- D) 允许人工智能在未经放射科医生批准的情况下发送报告
描述：结构化报告使用标准标题、必填字段和通用术语表；这降低了遗漏发现、遗漏字段和误解的风险，确保临床医生之间的一致性，并使人工智能更容易填写字段和检查一致性。自由文本更灵活，但存在更大的遗漏和歧义风险。
10. 图像增强（超分辨率）算法可以“清理”低剂量 CT，同时添加实际不存在的精细结构。这让你想起什么？
- A) 改进的图像总是更可靠
- B) 增强可能会添加人为细节或删除实际发现；如有疑问，应返回原始图像并质疑诊断有效性 ✔
- C) 去噪后，剂量自动减少
- D) 增强仅改变颜色，完全不影响内容
说明：虽然图像增强算法可以减少噪声，但它们可以添加人工细节或删除真实的小发现。这是提醒，增强图像的诊断有效性可能是有限的，如有疑问，请返回原始/原始图像，如有必要，需要使用适当的协议进行重新评估。看起来美观并不意味着诊断准确。
11. 将患者故事匿名发送到公共人工智能工具时，正确的行为是什么？
- A) 仅删除姓氏即可，保留姓名和协议号
- B) 删除所有临床信息，以便人工智能看不到上下文
- C) 删除身份、协议、联系方式和机构信息，仅保留临床必要的匿名信息 ✔
- D) 不需要匿名；车辆已经安全
说明：姓名、TR ID号、方案/文件号、联系人和机构信息应删除；仅应保留临床必要的信息（年龄组、性别、相关病史）。正确的方法是写“62 岁女性，已知乳腺癌病史”，而不是“Ayşe Yılmaz，协议 2024-114523”。
12. AI 标记肺栓塞 (PE) CT 血管造影未发现任何发现（AI 阴性）。对于放射科医生来说，对此的正确解释是什么？
- A) 肯定没有栓塞，报告可以很快结为阴性
- B) 应重复检查
- C) 无需咨询临床医生，因为人工智能显示阴性
- D) 负AI并不能保证；放射科医生用自己的评估读取整个图像，模型可能错过了发现✔
解释：AI 输出为负并不意味着排除了栓塞；该模型可能错过了发现（假阴性）。放射科医生必须根据自己的临床判断来读取整个图像，包括人工智能未标记的区域。阴性AI并不能保证诊断，最多只是一个辅助信号。
13.人工智能针对重大发现（例如大量颅内出血）发出警报。谁负责闭环关键发现报告？
- A) 放射科医生有责任确认发现结果，将其传达给临床医生，记录沟通情况，并完成闭环 ✔
- B) 通知是完全自动的，放射科医生没有任何作用
- C）责任转移给人工智能生产者
- D) 由于警告在工作清单中，因此不需要额外的沟通
说明：AI警告是提醒；放射科医生有责任确认关键发现，将其直接传达给主治医生，记录沟通情况，并完成闭环（确认收到信息）。自动警报不能替代人工沟通和确认。
14. 确保成像单元中人工智能的使用可持续且安全的最佳治理方法是什么？
- A) 安装一次，不再审查
- B) 定期监控绩效，建立反馈和自我审核周期，审查错误示例，并与放射科医生一起做出最终决定 ✔
- C）将所有决策委托给模型并减少放射科医生的数量
- D) 绝不记录人工智能输出且不留痕迹
说明：安全使用不是一次性安装；它需要定期监控性能、收集放射科医生反馈、审查假阴性/阳性样本、监控模型更新和分布漂移以及定期自我审核。责任、签名和最终决定始终由放射科医生承担。