收益：
- 了解人工智能如何在自动注册先前检查、变化检测和病变跟踪方面节省时间。
- 能够验证自动测量并在 RECIST 等响应评估框架中做出一致的后续决策
- 能够识别自动比较的不匹配和不同协议的陷阱，并作为放射科医生做出最终评估
在放射学中，一张图像通常就是半个句子；与之前的考试相比，它的意义就完整了。如果今天肺结节是 8 毫米，这是好是坏？答案取决于六个月前是 8 毫米（稳定，可能良性）还是 4 毫米（增长，可疑）。癌症患者的治疗是否有效只能通过比较之前和当前检查的病变来了解。比较阅读和随访是放射学中最耗时但最有价值的任务之一，而人工智能在这里是一个强大的助手：它通过自动匹配（注册）以前的检查、检测变化和跟踪病变来节省时间。
核心原理：自动比对速度匹配先前的检查和变化测量；但存在不匹配、不同协议和方法差异的缺陷。最终评估——无论变化是真实的还是方法/方案引起的，以及对治疗反应的决定——属于放射科医生。
自动比较的工作原理
配准（图像对齐）：是将两个不同日期的考试置于同一空间框架中的过程；因此，两个图像上的同一位置都可以显示病变。当患者以不同的位置拍摄、屏住呼吸或在不同的设备上拍摄时，对准会变得困难，并且存在不匹配的风险。
典型流程：
- 找到并匹配之前的考试。系统检索患者的旧检查并将其与新检查进行调整。
- 病变是成对的。该模型将病变映射到之前检查中的对应病变。
- 计算出变化。产生直径/体积差异、百分比变化、增长率。
- 变化是可视化的。通过并排或重叠（融合）显示，“新出现”的病变被标记。
- 放射科医生证实。它检查配对是否正确、协议是否可比较以及交换是否真实。
RECIST 和反应评估
在肿瘤随访中，RECIST（实体瘤反应评估标准）是一个用于以标准方式衡量治疗反应的框架。选择特定的“目标病灶”，将其直径相加，并根据随时间的变化对反应进行分类：完全反应、部分反应、疾病稳定、进展。 AI可自动对目标病灶进行测量和求和；但 RECIST 的规则（选择哪种病变、如何测量、何时称为进展）要求严格，而未经放射科医生验证的自动“进展”标签是一个严厉的决定，将导致治疗的改变。
步骤
人工智能贡献
陷阱
验证
以前的学习匹配
自动注册
错位
视觉确认匹配
病灶匹配
发现相同病灶
绘制不同病灶的图
解剖位置控制
变化测量
直径/体积/百分比
方法/协议差异
与相同方法比较
RECIST总计
目标病灶总数
目标选择错误
符合RECIST规则
响应类别
提案草案
自动“进展”
放射科医生分类
注意：在改变治疗方法之前，始终会验证自动“生长”或“进展”输出。错误进展的最常见原因是之前和当前的测量是使用不同的方法/平面/协议进行的。不正确的进展标签可能会不必要地改变有效的治疗方法。
三个迷你箱子
案例 1 — 病变匹配错误。一侧肝脏有两个转移灶。自动跟踪将新检查中的大病变与先前检查中的小病变进行匹配（混淆解剖位置）并报告“增长 80%”。放射科医生检查匹配：两个独立的病灶实际上被混淆了；当它们与对应的配对时，两者都是稳定的。这种不匹配产生了虚假的进展；放射科医生纠正了它。
情况 2 — 不同协议陷阱。之前对肺结节的检查是用 5 毫米切片进行的，新检查是用 1 毫米切片进行的。薄切片更清晰地显示结节，并将自动测量范围从 6 毫米增加到 8 毫米。系统说“成长”。放射科医生注意到协议差异，用相同的切片厚度重新评估，发现结节是稳定的。协议差异造成了虚假增长。
案例 3 — RECIST 得到正确实施。在肿瘤患者中，AI 自动计算 RECIST 目标病灶的直径总和并生成“部分响应”图。放射科医生检查目标病灶选择是否符合RECIST规则、测量方法是否相同、是否有新病灶，并确认类别。肿瘤科医生继续安全地进行治疗。 AI加速了计算；放射科医生证实了临床决定。
弱提示/强提示
弱提示：
确定结节是否已生长，之前为 5 个，现在为 8 个。
无方法、平面、协议、匹配验证；该模型盲目地说“长大了”并证实了错误的进展。
强力提示：
您的角色：协助跟踪比较。决策;创建验证清单。我将向您提供两项研究的测量结果和背景。询问并标记以下内容：(1) 病变是否在解剖学上匹配正确，(2) 测量是否采用相同的方法/平面，(3) 协议/切片厚度是否相同，(4) 是否存在新病变，(5) 是否超出测量误差范围的变化。如果有任何疑问，请发出“更改决策需要一致的重新测量”警告。决定由放射科医生决定。上一篇：5 毫米，轴向，手动，5 毫米截面。新：8 毫米，轴向，自动，1 毫米截面。
强大的提示查询匹配、方法、协议一致性；决定权仍由放射科医生决定。
可复制的提示模板
跟踪验证模板您的角色：跟踪比较助理。我将为您提供两个检查测量值和背景。检查病灶匹配的准确性、方法/平面/方案的一致性、新病灶的存在以及变化是否在测量误差范围内。建议对每个有问题的项目进行一致的重新测量。决定由放射科医生决定。数据：[写入]
RECIST 检查模板将为您提供目标病灶、其直径和日期。在RECIST方面：计算目标病灶选择、直径总和、百分比变化和可能的反应类别的适当性作为DRAFT；还要勾选“是否有新病变？”的问题。最终答案类别是放射科医生的答案。数据：[写入]
不匹配审核模板提醒我在审核自动病灶匹配时需要检查的要点：解剖位置是否相同，是否与邻近病灶混淆，该病灶是否确实在之前的检查中测量过。创建一个简短的清单。
假进展识别模板 我将为您提供两次检查的“成长/进展”警报和协议信息。评估这种变化是否真实，或者可能是由于方法/平面/协议/对比相位差造成的，并建议在改变治疗之前进行验证。决定由放射科医生决定。数据：[写入]
常见错误
- 接受自动匹配，无需检查。不正确的病变匹配会产生虚假的生长/收缩。
- 比较不同的协议。切片厚度/对比度相位差会产生错误的进展。
- 随着“进展”自动改变治疗。响应类别需要放射科医生验证。
- 跳过新病灶检查。在 RECIST 中，新的病变本身可能意味着进展。
- 不要假设变化在测量误差范围内。微小的差异可能不是真正的改变。
提示：在每次后续比较时，一起问两个问题：“我比较的是正确的病变吗？”以及“是在相同条件下测量的吗？”如果两者都不是，那么您看到的变化可能不是真实的，而是测量/匹配错觉。
总之
对比阅读和描摹，与前人的研究补充了图像的意义；这是放射学领域最有价值的工作之一。人工智能通过自动与之前的检查进行比对、病灶匹配和变化测量来节省时间；可以在RECIST等框架中计算目标病变总和。但存在三个主要陷阱：不正确的病变匹配、不同的方案以及方法上的差异——所有这些都可能产生虚假的生长或进展。放射科医生检查匹配，验证测量是否是在相同条件下进行的，检查新病变，并自行分配响应类别。在改变治疗方法之前必须验证自动“进展”；最终评估由放射科医生做出。
应用任务
构建一个后续案例（例如，一名肿瘤患者，两次检查）。使用“跟踪验证”模板评估匹配、方法和协议的一致性。然后添加一个有意的诱饵——一个用于不同的切片厚度，一个用于不匹配的病变——并测试“区分虚假进展”模板是否捕获它们。如果您使用 RECIST，请使用“RECIST 控制”模板计算目标病变总数并添加新的病变控制。
清单
- [ ] 我检查了按解剖位置自动匹配病变。
- [ ] 我确认测量是使用相同的方法和平面进行的。
- [ ] 我检查了协议/切片厚度/对比相一致性。
- [ ] 我还评估了是否有新的病变。
- [ ] 我确认变化超出了测量误差范围。
- [ ] 我在治疗改变之前验证了自动“进展”输出。
- [ ] 我给出了响应类别（RECIST）；我没有将其转移到模型中。