編者按：2025年7月23日，由中華醫(yī)學(xué)會雜志社主辦的“醫(yī)學(xué)期刊知識挖掘與服務(wù)重點(diǎn)實(shí)驗(yàn)室第二屆專家委員會成立大會”在京舉辦。會上，首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院王振常院士深刻剖析了醫(yī)學(xué)影像人工智能（AI）領(lǐng)域面臨的現(xiàn)實(shí)挑戰(zhàn)。他指出，盡管注冊證數(shù)量可觀，呈現(xiàn)繁榮景象，但AI的實(shí)際應(yīng)用效能遠(yuǎn)未達(dá)到預(yù)期，根源在于技術(shù)發(fā)展路徑與臨床核心需求（如整體性、流程化評估）發(fā)生了顯著偏離。針對這一現(xiàn)狀，王振常院士呼吁亟需進(jìn)行系統(tǒng)性變革，并著重提出了涵蓋工作流深度整合、數(shù)據(jù)綜合治理、研發(fā)頂層規(guī)劃優(yōu)化以及落地推廣機(jī)制創(chuàng)新等關(guān)鍵維度的破局策略。本刊對其觀點(diǎn)進(jìn)行了系統(tǒng)歸納整理，供各位讀者參考。

王振常

截至2024年6月，可查證的醫(yī)學(xué)影像AI相關(guān)第三類注冊證已批92張，單家企業(yè)最多持有13張。然而，看似繁花似錦的背后，是“活得不舒服、沒有商業(yè)模式”的企業(yè)、散在的醫(yī)院應(yīng)用、未被改變的工作效率與人力成本。王振常院士一針見血地指出，其根源在于技術(shù)供給與臨床核心需求之間出現(xiàn)了嚴(yán)重的結(jié)構(gòu)性錯位，并提出了涵蓋四個關(guān)鍵維度的系統(tǒng)性破局路徑。

需求錯位：臨床場景倒逼AI工作流系統(tǒng)性重構(gòu)

王振常院士直指當(dāng)前醫(yī)學(xué)影像AI產(chǎn)品的根本性缺陷：其功能設(shè)計(jì)與醫(yī)學(xué)影像科真實(shí)工作流程及臨床需求嚴(yán)重脫節(jié)。臨床需要的并非針對單一病灶的孤立識別，而是對特定解剖區(qū)域（如心臟、腹部）進(jìn)行整體評估的服務(wù)。然而，現(xiàn)實(shí)卻是市場上充斥著肺結(jié)節(jié)軟件、腦梗死軟件等聚焦單病種、單征象的碎片化工具?！癆I實(shí)現(xiàn)的功能和我們臨床要求的功能完全不符”，他強(qiáng)調(diào)：這種單點(diǎn)突破的研發(fā)路徑與影像科醫(yī)生需要全面閱讀影像、綜合分析、發(fā)出完整報告的服務(wù)模式和工作鏈條相去甚遠(yuǎn)。

因而，醫(yī)學(xué)影像AI必須跳出“單病種工具包”的思維定式，轉(zhuǎn)向深度融入并重構(gòu)醫(yī)學(xué)影像科的核心工作流?？煽紤]利用各地區(qū)已有的影像云平臺等龐大數(shù)據(jù)基礎(chǔ)，開發(fā)能夠支撐從影像調(diào)閱、智能識別、病變區(qū)域/器官整體評估到結(jié)構(gòu)化報告生成的全流程式的智能系統(tǒng)。AI的目標(biāo)應(yīng)是提升醫(yī)學(xué)影像科服務(wù)臨床的整體效能，而非僅僅替代某個診斷環(huán)節(jié)。

數(shù)據(jù)治理：全維度管理是激活A(yù)I潛能的基石

數(shù)據(jù)是新質(zhì)生產(chǎn)力的核心生產(chǎn)資料，數(shù)據(jù)挖掘則是生產(chǎn)方式，數(shù)據(jù)質(zhì)量決定了AI發(fā)展的天花板。王振常院士痛陳當(dāng)前數(shù)據(jù)的嚴(yán)峻現(xiàn)狀：“數(shù)據(jù)不規(guī)范不完整、數(shù)據(jù)孤島現(xiàn)象比比皆是?！币猿暀z查為例，絕大多數(shù)醫(yī)院僅存儲靜態(tài)截圖，而非完整的動態(tài)篩查影像，這直接導(dǎo)致針對超聲的AI研發(fā)陷入無礦可采的境地。數(shù)據(jù)的價值在于其完整、規(guī)范、持續(xù)的全維度屬性，“如果數(shù)據(jù)都不好，AI好不了”。當(dāng)前數(shù)據(jù)距離成為可用的要素和可交易的商品差距巨大，治理工作遠(yuǎn)遠(yuǎn)不夠。

因此，我們需要大力投入醫(yī)學(xué)數(shù)據(jù)治理的基礎(chǔ)工程。例如，制定并執(zhí)行數(shù)據(jù)采集標(biāo)準(zhǔn)，確保影像數(shù)據(jù)的完整性、規(guī)范性。整合多中心數(shù)據(jù)，覆蓋疾病全生命周期，關(guān)注數(shù)據(jù)的持續(xù)性和動態(tài)特征。還要將各種非結(jié)構(gòu)化數(shù)據(jù)（如論文、報告）中的知識點(diǎn)進(jìn)行有效提取、治理，轉(zhuǎn)化為機(jī)器可用的生產(chǎn)資料。如此，才能將海量醫(yī)療數(shù)據(jù)礦藏冶煉成可支撐高水平AI發(fā)展的精鋼。

開發(fā)失序：需頂層規(guī)劃終結(jié)低效重復(fù)與資源浪費(fèi)

在AI工具開發(fā)層面，王振常院士觀察到臨床上目前存在嚴(yán)重混亂與重復(fù)勞動。各醫(yī)院、科室都在做開發(fā)，但缺乏統(tǒng)一規(guī)劃和頂層設(shè)計(jì)，陷入低水平重復(fù)投入的泥潭。他舉例：三年前其醫(yī)院開發(fā)了一款通過對話即可自動生成病歷的AI工具，隨后發(fā)現(xiàn)好多醫(yī)院都在做類似工作。這種各自為政、閉門造車的模式，正造成巨大的資源浪費(fèi)。王振常院士直言：當(dāng)前AI工具開發(fā)現(xiàn)狀不樂觀，真正高水平、能穩(wěn)健應(yīng)用于臨床的工具稀缺，提升空間巨大。

這種現(xiàn)狀亟需通過強(qiáng)有力的國家級或行業(yè)級頂層設(shè)計(jì)與規(guī)劃，明確研發(fā)分工與路線圖，清晰界定誰該做什么、該怎么做，以此避免重復(fù)投入，引導(dǎo)資源聚焦核心瓶頸技術(shù)。此外，還可考慮建立協(xié)同開發(fā)平臺，促進(jìn)數(shù)據(jù)、算法、算力資源的共享；構(gòu)建評估認(rèn)證體系和標(biāo)準(zhǔn)，篩選并推廣優(yōu)質(zhì)工具。其最終目標(biāo)是終結(jié)無序競爭，提升研發(fā)效率以及產(chǎn)出工具的整體質(zhì)量與臨床適用性。

落地之困：執(zhí)行力與觀念變革是全面應(yīng)用的鑰匙

AI在臨床的應(yīng)用，還面臨著即使開發(fā)出很好用的工具，其落地推廣仍面臨巨大阻力。王振常院士以其醫(yī)院自身推廣遇阻的案例揭示了核心痛點(diǎn)：醫(yī)生固有的工作習(xí)慣和對變革的潛在抵觸。AI工具生成的內(nèi)容往往“比他寫得全，更規(guī)范化、結(jié)構(gòu)化”，但許多醫(yī)生仍傾向于不用。這種對規(guī)范化、結(jié)構(gòu)化工作方式的不適應(yīng)成為無形屏障。

想打破這些思想的堅(jiān)冰，還需強(qiáng)有力的政策驅(qū)動和觀念引導(dǎo)等多管齊下。例如，可考慮將AI工具使用納入診療規(guī)范、質(zhì)控標(biāo)準(zhǔn)、績效考核或醫(yī)保支付體系，形成強(qiáng)制性或激勵性機(jī)制。醫(yī)院管理層需適時展現(xiàn)決心，提供必要培訓(xùn)、技術(shù)支持，移除流程障礙。此外，整個社會及醫(yī)院還需幫助醫(yī)生理解，AI是提升效率、保障質(zhì)量的好助手，而非替代者；需通過展示實(shí)際臨床效益，如節(jié)省時間、減少差錯等，不斷對醫(yī)生的認(rèn)知進(jìn)行更新，促使其逐漸接受新的工作范式。

結(jié)語

王振常院士的精辟分析，為破解醫(yī)學(xué)影像AI的困局勾勒出一幅清晰的行動藍(lán)圖。其核心在于協(xié)同推進(jìn)四個相互關(guān)聯(lián)的維度：工作流重構(gòu)（緊密貼合臨床實(shí)際需求）、數(shù)據(jù)治理筑基（實(shí)現(xiàn)全維度、高質(zhì)量數(shù)據(jù)管理）、研發(fā)秩序重塑（依靠頂層設(shè)計(jì)避免重復(fù)浪費(fèi)）以及應(yīng)用生態(tài)構(gòu)建（通過政策引導(dǎo)與觀念轉(zhuǎn)變掃除落地障礙）。唯有如此系統(tǒng)性發(fā)力，醫(yī)學(xué)影像AI方能突破當(dāng)前瓶頸，實(shí)現(xiàn)從可用到真正好用的質(zhì)變，最終充分釋放其在提升診療效能、保障醫(yī)療質(zhì)量和優(yōu)化資源配置方面的革命性潛力。

當(dāng)前，國家層面的支持和地方實(shí)踐正為此破局提供有利環(huán)境。王振常院士的呼吁，是對整個行業(yè)的政策制定者、數(shù)據(jù)管理者、技術(shù)開發(fā)者、醫(yī)療機(jī)構(gòu)、臨床醫(yī)生等提出的協(xié)同行動建議?；貧w臨床價值、構(gòu)建協(xié)同生態(tài)，醫(yī)學(xué)影像AI方能走出困局，迎來實(shí)質(zhì)性的繁榮，最終惠及醫(yī)患，服務(wù)健康中國建設(shè)。