北京
（来源：经济日报）
转自：经济日报
医疗AI技术迭代提速，各类模型在实验室测试中准确率不断刷新纪录。但走进医院真实场景，大量跑分亮眼的AI产品存在“技术好看、临床难用”的尴尬。近日，记者专访北京大学第三医院放射科主任医师袁慧书，从一线临床视角解读医疗AI落地痛点与医企协同赋能医疗AI破局路径。
走进北医三院放射科阅片室，记者看到，海量影像报告源源不断同步至工作站，医生需快速完成阅片、判读、书写报告、审核校对全流程。作为医院高频检查项目，脊柱磁共振（MR）检查日均接诊量接近300例，医生在报告撰写上长期处于高负荷运转状态。
在放射科医生的日常工作中，一份脊柱MR报告的产出，充斥着大量机械、重复的细致工作。“脊柱结构复杂、节段繁多，一次检查要逐层观察椎体、椎间盘、韧带、脊髓、神经根等多个解剖结构，逐一甄别退变、突出、狭窄、水肿等各类征象，再按照规范逻辑整理、描述、成文。”袁慧书介绍。
她坦言，在传统工作模式下完成一份规范脊柱MR报告需要10至20分钟。日复一日的高频重复劳作，不仅挤占医生研判疑难病例、专注临床决策的核心精力，长期高强度作业，也容易出现表述不统一、规范性参差不齐等问题，难以稳定保障大批量报告的同质化水平。
“医疗行业早已开启AI智能化赋能，但很多AI小模型是‘偏科生’，只擅长单一病灶识别，相当于专科观察员，只能盯着某一类问题，没办法对整段脊柱、全维度征象做系统性研判。”袁慧书告诉记者，这就导致这类AI模型无法满足临床实际诊疗需求。
北医三院放射科联合联影智能，依托长期医企协同机制，研发打造全球首个覆盖多病种的MR脊柱一扫多查智能体，作为适配真实临床场景的智能化辅助工具，探索医疗AI从技术指标达标到临床实用落地的可行路径。
“临床团队全程参与产品全生命周期研发。”袁慧书告诉记者，从病例筛选、数据标注、诊断逻辑梳理，到报告模板设计、系统交互优化、操作流程打磨，均由临床团队把控方向，技术团队专注将临床真实痛点和实操需求，转化为落地性强的算法功能与系统能力，确保产品完全贴合临床诊疗逻辑。
依托临床深度赋能研发，这款脊柱MR智能体实现三重技术创新升级。一是从单点病灶识别升级为全域系统研判，打破传统模型碎片化局限，可一次性覆盖76种脊柱疾病及影像异常，完成全节段多维度评估；二是从单纯病灶检出升级为全流程提质增效，依托标准化结构化报告，影像征象录入采用点选形式，大幅减少医生文案录入、内容整理等重复工作，让报告书写效率提升56%；三是从外置工具升级为原生系统融合，深度嵌入医院AI PACS工作流，无需切换系统、无额外操作负担。
值得注意的是，目前的AI大模型还存在一定的“幻觉风险”，部分AI会脱离影像客观事实，凭空生成虚假征象、错误判断，这种不精准、不可靠的输出结果，会消耗临床信任。袁慧书强调，在应用AI的同时，要坚守AI作为辅助的定位，所有诊断结果均需医生审核确认，牢牢守住医疗安全底线。
“行业正彻底告别唯参数、唯指标的粗放式研发，逐渐进入场景化、适配化、实用化的高质量发展新阶段。”在袁慧书看来，医疗AI发展的红利双向惠及医患。对医院而言，AI承接重复性工作，让医生回归核心诊疗主业，优化医疗资源配置；对患者而言，标准化的影像报告，能为初诊诊断、术后复查、长期随访提供客观连贯的诊疗依据，助力精细化诊疗。（经济日报记者 吴佳佳）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
