随着医学影像AI的不断发展和普及，多个相关研发公司也如雨后春笋般的加入到了竞争行列，在前期的推广中甚至出现了“AI智能诊断PK顶级专家”的言论，那么影像AI大约从2015年进入我们的视野，时至今日各类功能逐步完善，对影像医生日常诊断也功不可没。但在此还想说一句“请不要用“智能诊断”绑架“影像AI””。

　　是谁“捧杀”了影像AI？

　　首先厂家的过度宣传责无旁贷。很多厂家的销售人员或市场推广人员，在对外发布或宣传AI产品时，经常会说“我们的产品疾病检出率如何如何高”“诊断准确度如何如何高，甚至在XX大三甲都得到了充分印证”“我们还可以直接出具诊断报告”，等等，以博得用户的眼球，无形中抬高了客户的期望值。

　　其次人工智能技术的快速发展无形中抬高了客户对影像AI的认知。机器人、智能手机、自动驾驶、人脸识别、智能翻译、智能写作、农作物状态实时监控、智能穿戴、智能点餐，等等，似乎只要是我们所认知的领域，都有人工智能的参与，而且人工智能在某些领域的表现近乎完美，甚至直接取代了传统人力。在此大环境下应运而生的影像AI，在巨大光环的笼罩下，客户期望值可想而知。

　　再次医院对影像AI的感性认知。这一方面取决于销售人员的“话术”，另一方面很多院方非影像专业出身，对影像AI没有一个实际的认识和理性的分析；其次影像医师缺口的巨大，人才引进困难，科室急需AI弥补人员不足的现在，因此医院在采购影像AI的时候过度的关注其优点，而容易忽略其目前存在的不足。

　　影像AI目前到底能帮我们做什么？

　　对于目前市面上比较成熟的医学影像AI产品，主要集中在“肺结节、肋骨骨折、骨龄、乳腺钼靶”，其次是“头颈部血管、心脏血管、脑卒中”，还有就是广病种覆盖的“胸片、纵隔、骨质破坏、四肢骨折”，以及发展相对较晚的“脑萎缩、肝脏肿瘤、韧带损伤”等等。

　　总体而言，影像AI可以在上述疾病的诊断中，帮助影像医生快速筛查出可疑病变的位置，节省了影像医生“寻找病变”的时间，而把更多的精力投入到“诊断疾病”上去。

　　部分模块，“骨龄”已经实现与国内/国际诊断规范进行匹配，可以自动出具相关报告，且准确率较高。“心脑血管”在检查所得图像质量符合要求的前提下，一定程度上可以取代大部分后处理工作，并能对常规“血管变异”、“血管狭窄”进行较为精确的诊断。

　　影像AI的“筛查”和“诊断”结果可信吗？

　　目前主流产品都不能达到100%的准确度，但总体而言在其相关疾病的筛查中假阴性率较低，但假阳性率较高，需要医生去进一步的判断AI所筛查出的“病灶”是否为真正的病灶。

　　同时不同设备、不同患者、不同重建模式、不同图像质量都会影响到AI的效能。总体而言越高端的设备、越标准化规范化的检查图像，越能提高AI的准确度。

　　在使用影像AI中，我们需要注意什么？

　　对于技师而言：（1）要更加注意操作的规范性和图像拍摄的标准化，此外要重点关注图像后期重组中的卷积核的使用，以求更加契合AI的图像要求，比如在肋骨骨折AI中，卷积核使用的不恰当会直接影响到肋骨骨折的显示和判定；（2）此外对于心脑血管方便，不要因为有了AI而忽略了自身的图像后处理能力，而应该在AI的基础上根据疾病的特点以及临床的需求进行个性化的图像处理。

　　对于医师而言：（1）对于AI所有筛查出的可疑异常区域都要重新审视，排除假阳性；（2）对于所有图像仍需常规性的浏览，避免假阴性；（3）AI能力之外解剖区域要重点观察有无病变；（4）采用AI辅助之前，首先要对图像质量进行初步评估，如果存在伪影等图像质量不佳的情况，不建议采用AI诊断；（5）对于肺结节的AI，要注意肺门区病变的再次观察；（6）对于肋骨骨折AI，要注意对于疼痛部位以及AI所提示骨折部位邻近肋骨的观察；（7）低年资医师不建议过度依赖AI，要从基础做起培养自身的阅片能力和水平。

　　总之，目前影像AI的功能主要还集中于疾病的“筛查”，而不是“诊断”，且其目前是以疾病为基础的AI，而不是以部位为基础的，因此无论什么部位都有AI识别盲区。因此虽然影像AI的使用，大大提升了影像医师的诊断效率，提高了所涉及疾病的检出率，降低医师特别是低年资医师的漏诊率，同时在特定疾病方面（比如骨龄、血管狭窄等）也让我们的诊断更加规范化、统一化。但同时我们也不要过度的依赖AI，要明确目前AI存在的不足，避免AI依赖性疾病盲区的产生，从而造成不必要的漏诊。