劉軍

人工智能（AI）作為醫(yī)學(xué)影像領(lǐng)域的重要新興技術(shù)，正在快速改變疾病篩查、診斷、風(fēng)險(xiǎn)評(píng)估和臨床決策的整個(gè)過程。近年來，借助深度學(xué)習(xí)、生成對(duì)抗網(wǎng)絡(luò)（GAN）、Transformer等先進(jìn)方法，這類技術(shù)已廣泛應(yīng)用于神經(jīng)頭頸、胸部、腹部、心血管、骨骼肌肉和乳腺等多個(gè)系統(tǒng)中，在病灶勾畫、圖像識(shí)別、疾病分類和預(yù)后預(yù)測(cè)等方面取得了顯著進(jìn)展。大量研究表明，AI在急性腦卒中分型、肺結(jié)節(jié)風(fēng)險(xiǎn)分級(jí)、肝硬化結(jié)節(jié)癌變檢測(cè)、冠狀動(dòng)脈斑塊定量分析和骨關(guān)節(jié)損傷自動(dòng)評(píng)估等臨床場(chǎng)景中，不僅提升了診斷準(zhǔn)確性，還顯著提高了工作效率。尤其在乳腺癌篩查中，AI系統(tǒng)已在大規(guī)模人群中證明其臨床價(jià)值，有望在未來輔助甚至部分替代傳統(tǒng)的雙人判讀。隨著多模態(tài)數(shù)據(jù)的深入融合和臨床應(yīng)用不斷拓展，AI正成為推動(dòng)精準(zhǔn)影像和智慧影像發(fā)展的重要力量。

一、AI在神經(jīng)頭頸影像學(xué)的研究

在中國(guó)腦計(jì)劃和“健康中國(guó)2030”戰(zhàn)略的推動(dòng)下，AI在神經(jīng)頭頸影像領(lǐng)域已形成覆蓋診療全流程的精準(zhǔn)化解決方案。在急性腦卒中高發(fā)的背景下，AI在腦卒中領(lǐng)域的核心應(yīng)用主要聚焦于五大關(guān)鍵場(chǎng)景：疾病分型鑒別（缺血性/出血性卒中）、病灶精準(zhǔn)分割與定位、神經(jīng)功能缺損量化評(píng)估、預(yù)后風(fēng)險(xiǎn)分層預(yù)測(cè)以及治療決策輔助支持?；赟egResNet架構(gòu)構(gòu)建的深度學(xué)習(xí)多標(biāo)簽分割模型，可自動(dòng)量化急性梗死核心與慢性白質(zhì)高信號(hào)負(fù)荷[包括梗死體積、深部及旁腦室白質(zhì)高信號(hào)（WMH）體積和簇?cái)?shù)]，并結(jié)合臨床變量顯著提升急性缺血性卒中（AIS）患者7 d改良Rankin評(píng)分的預(yù)測(cè)效能（優(yōu)于單一臨床/影像指標(biāo)）?；诙S/三維混合卷積神經(jīng)網(wǎng)絡(luò)（CNN）的RAPID軟件在158例多類型腦出血及150例對(duì)照的CT驗(yàn)證中，實(shí)現(xiàn)了敏感度為0.956、特異度為0.953的出血檢測(cè)性能，與專家分割結(jié)果具有高相關(guān)性。基于臨床變量與影像的深度學(xué)習(xí)模型能夠準(zhǔn)確預(yù)測(cè)腦出血患者出院時(shí)神經(jīng)功能結(jié)局[受試者ROC曲線下面積（AUC）高達(dá)0.903]。GOLDEN BRIDGE Ⅱ多中心集群隨機(jī)對(duì)照研究證實(shí)，AI臨床決策支持系統(tǒng)（AI-CDSS）可顯著降低急性缺血性卒中患者12個(gè)月復(fù)合血管事件風(fēng)險(xiǎn)30%及全因死亡率，為AI臨床轉(zhuǎn)化提供了里程碑式證據(jù)。AI在腦腫瘤影像診斷中同樣展現(xiàn)出巨大潛力，在對(duì)150例經(jīng)術(shù)后病理確診的腦腫瘤術(shù)前MRI報(bào)告進(jìn)行回顧性真實(shí)世界分析中，基于GPT-4的ChatGPT在鑒別診斷準(zhǔn)確率（94%）和最終診斷準(zhǔn)確率（73%）均可與神經(jīng)放射專家相媲美，且顯著優(yōu)于普通放射科醫(yī)師。通過多模態(tài)神經(jīng)影像[MRI、功能磁共振成像、正電子發(fā)射體層成像（PET）]與深度學(xué)習(xí)模型（CNN、圖神經(jīng)網(wǎng)絡(luò)、Transformer）在早期融合、中期特征提取和晚期決策三個(gè)層面實(shí)現(xiàn)結(jié)構(gòu)、功能與分子標(biāo)志的全維度信息整合，AI顯著提升了阿爾茨海默病、孤獨(dú)癥和抑郁癥等神經(jīng)精神疾病的診斷準(zhǔn)確性、預(yù)后預(yù)測(cè)能力及患者亞型識(shí)別能力，為精準(zhǔn)醫(yī)療提供了創(chuàng)新性工具。ThyNet-S自適應(yīng)雙任務(wù)深度學(xué)習(xí)模型實(shí)現(xiàn)正常、良性與惡性甲狀腺結(jié)節(jié)的高精度自動(dòng)分類（AUC 0.930、敏感度為92.4%、特異度為94.0%），并為甲狀腺癌篩查提供了“精準(zhǔn)分診-高效決策”的閉環(huán)解決方案。

二、AI在胸部影像學(xué)的研究

AI驅(qū)動(dòng)的胸部影像快速發(fā)展，其應(yīng)用貫穿肺結(jié)節(jié)管理、肺炎智能診療、肺癌精準(zhǔn)評(píng)估及跨界拓展等領(lǐng)域。首先，在肺部器官分割方面，融合變分注意力機(jī)制與ChatGPT文本提示的CC-SAM模型在TN3K與BUSI等任務(wù)中表現(xiàn)優(yōu)異，分割結(jié)果優(yōu)秀且泛化能力強(qiáng)。DeepLungScreen系統(tǒng)（集成DeepSeek R1大模型），可在10 s內(nèi)預(yù)測(cè)結(jié)節(jié)惡性概率評(píng)分，并根據(jù)風(fēng)險(xiǎn)等級(jí)自動(dòng)生成隨訪或干預(yù)建議，助力受檢者選擇合適的診療方案。肺癌預(yù)測(cè)CNN基于國(guó)家肺部篩查試驗(yàn)（NLST）數(shù)據(jù)集中性質(zhì)難以明確的肺結(jié)節(jié)CT圖像進(jìn)行建模，在內(nèi)部驗(yàn)證集上取得了優(yōu)越的風(fēng)險(xiǎn)分層性能（AUC=0.921）。同時(shí)，北京協(xié)和醫(yī)院團(tuán)隊(duì)通過“裁決策略”模擬放射科醫(yī)師的多閱片者共識(shí)流程，結(jié)合二元與三元分類模型，顯著提升了肺腺癌侵襲性分類的精準(zhǔn)度，尤其在微浸潤(rùn)性腺癌的識(shí)別上表現(xiàn)突出（準(zhǔn)確率85%）。其次，四川大學(xué)華西醫(yī)院團(tuán)隊(duì)創(chuàng)新性開發(fā)了多模態(tài)融合模型，利用臨床文本、影像圖像、檢驗(yàn)指標(biāo)等多維度信息，實(shí)現(xiàn)肺部感染性疾?。ˋUC=0.921）及病原類型的精準(zhǔn)預(yù)測(cè)，及時(shí)對(duì)危重癥進(jìn)行預(yù)警干預(yù)?；赨NETR-MONAI架構(gòu)的深度學(xué)習(xí)模型通過自動(dòng)分割928例ICU患者肺部CT病灶并整合臨床參數(shù)，實(shí)現(xiàn)急性呼吸窘迫綜合征早期預(yù)測(cè)（前瞻性驗(yàn)證AUC=0.916），顯著優(yōu)于DenseNet模型，且可識(shí)別C反應(yīng)蛋白、白蛋白、膽紅素及血小板計(jì)數(shù)等關(guān)鍵預(yù)測(cè)因子，為高危患者靶向干預(yù)提供智能決策支持。針對(duì)肺癌精準(zhǔn)診療，NeoPred系統(tǒng)基于治療前與術(shù)前雙相CT量化腫瘤動(dòng)力學(xué)變化，將新輔助免疫化療的主要病理緩解預(yù)測(cè)AUC由醫(yī)生單獨(dú)評(píng)估的0.720提升至0.829。最后，在跨界應(yīng)用與技術(shù)創(chuàng)新方面，AI機(jī)會(huì)性冠狀動(dòng)脈鈣化評(píng)分（AI-CAC）在非門控CT中與金標(biāo)準(zhǔn)高度一致，并將診斷時(shí)間縮短41%，全自動(dòng)心臟參數(shù)量化模型對(duì)心血管死亡的預(yù)測(cè)AUC達(dá)0.752。而AI驅(qū)動(dòng)的CT三維重建系統(tǒng)將肺段解剖識(shí)別準(zhǔn)確率由78%提升至87%（誤判率下降41%），輔助使術(shù)式選擇準(zhǔn)確率由77%提升至85%，錯(cuò)誤率下降35%，將手術(shù)規(guī)劃時(shí)間縮短25%。

三、AI在腹部及泌尿生殖系統(tǒng)影像學(xué)的研究

AI正加速推動(dòng)腹部及泌尿生殖系統(tǒng)影像學(xué)的創(chuàng)新發(fā)展，涵蓋肝膽疾病精準(zhǔn)識(shí)別、胰腺癌輔助診斷、胃癌早期篩查及前列腺癌風(fēng)險(xiǎn)預(yù)測(cè)等多領(lǐng)域應(yīng)用。2025年5月，吳斌團(tuán)隊(duì)發(fā)表多中心研究，開發(fā)了基于肝細(xì)胞特異性對(duì)比劑增強(qiáng)掃描MRI圖像的AI診斷模型，通過雙模塊架構(gòu)整合多序列影像，實(shí)現(xiàn)對(duì)肝硬化結(jié)節(jié)癌變的高精度識(shí)別（AUC=0.970），臨床驗(yàn)證顯示AI輔助使放射科醫(yī)生診斷敏感度提升至近90%，特異度超過93%。同期研究進(jìn)展表明，AI在肝臟疾病診斷領(lǐng)域持續(xù)深化：侯金林團(tuán)隊(duì)基于PreCar隊(duì)列開發(fā)aMAP-CT模型，融合CT影像組學(xué)特征與aMAP臨床評(píng)分，實(shí)現(xiàn)肝硬化患者肝細(xì)胞癌風(fēng)險(xiǎn)分層（AUC 0.810~0.870），同時(shí)可識(shí)別年轉(zhuǎn)癌率達(dá)13.2%的極高危亞群；普健科技獲批第三類醫(yī)療器械注冊(cè)證的AI系統(tǒng)實(shí)現(xiàn)20 s全肝掃描，病灶檢測(cè)靈敏度為88%；DeepLiverNet2.0模型基于Swin Transformer架構(gòu)，利用常規(guī)T1加權(quán)像（T1W）/T2加權(quán)像（T2W） MRI預(yù)測(cè)肝硬度（跨中心驗(yàn)證AUC 0.790~0.830），突破磁共振彈性成像（MRE）設(shè)備依賴限制；自動(dòng)肝臟腫瘤分割和檢測(cè)系統(tǒng)（SALSA）工具在CT影像中實(shí)現(xiàn)肝腫瘤的全自動(dòng)化檢測(cè)和監(jiān)測(cè)（患者水平檢測(cè)精度>99%）。近年來，胰腺癌AI診斷研究取得突破性進(jìn)展。全球首款A(yù)I胰臟癌輔助診斷系統(tǒng)“助胰見（PANCREASaver）”，臨床測(cè)試準(zhǔn)確率達(dá)93.4%，顯著提升早期病灶檢出率。薛華丹團(tuán)隊(duì)構(gòu)建的臨床-放射組學(xué)模型能高精度預(yù)測(cè)胰腺囊性病變惡性潛能（AUC>0.930），優(yōu)于傳統(tǒng)影像學(xué)方法。并通過蛋白質(zhì)組學(xué)（CSTB/MIF/KRT19上調(diào)）和脂質(zhì)組學(xué)（神經(jīng)酰胺富集）揭示影像特征生物學(xué)機(jī)制。Nature Medicine報(bào)道的達(dá)摩院PANDA模型突破非增強(qiáng)CT診斷瓶頸，可識(shí)別毫米級(jí)微小病變，準(zhǔn)確區(qū)分癌性與非癌性病灶（特異度達(dá)99.9%），將胰腺癌篩查成本降低90%以上。多倫多大學(xué)團(tuán)隊(duì)研究證實(shí)GPT-4生成胰腺癌結(jié)構(gòu)化報(bào)告的召回率達(dá)99.6%，外科醫(yī)生使用AI報(bào)告決策準(zhǔn)確率提升至83%，審閱時(shí)間縮短42%。Zeng等通過構(gòu)建CNN深度學(xué)習(xí)模型回顧性識(shí)別早期胃癌的CT圖像（準(zhǔn)確度>0.914），這一系統(tǒng)模型有望成為臨床篩查早期胃癌的理想工具，有助于減少誤診和漏診?；趎nU-Net的多參數(shù)MRI自動(dòng)分割前列腺腫瘤體積（VAI）被證實(shí)為局限性前列腺癌的獨(dú)立預(yù)后因子，VAI每增加1 mL顯著提升轉(zhuǎn)移風(fēng)險(xiǎn)。國(guó)際多中心研究表明，融合臨床數(shù)據(jù)的AI系統(tǒng)診斷顯著前列腺癌（Gleason≥7）的AUC達(dá)0.910，顯著優(yōu)于放射科醫(yī)生，在相同敏感度（89.4%）下假陽性率降低50.4%，有效減少過度診療。

四、AI在血管影像學(xué)的研究

AI在心血管影像的核心應(yīng)用體現(xiàn)于多模態(tài)融合架構(gòu)、精準(zhǔn)量化技術(shù)和臨床決策重構(gòu)三大維度。葛均波團(tuán)隊(duì)開發(fā)的觀心大模型（CardioMind）作為我國(guó)首款心血管?？拼竽Ｐ?，通過強(qiáng)化學(xué)習(xí)整合專家思維鏈數(shù)據(jù)，構(gòu)建多智能體協(xié)同診斷系統(tǒng)，實(shí)現(xiàn)對(duì)影像及實(shí)驗(yàn)室檢查的多模態(tài)聯(lián)合推理，診斷效能超越通用模型?，F(xiàn)場(chǎng)AI-冠狀動(dòng)脈CT血管造影（CCTA）系統(tǒng)基于CAD-RADS 2.0標(biāo)準(zhǔn)，實(shí)現(xiàn)冠脈狹窄分級(jí)、阻塞性病變?cè)\斷（AUC=0.90，陰性預(yù)測(cè)值達(dá)98%）及斑塊負(fù)荷評(píng)估的自動(dòng)化分析。AI驅(qū)動(dòng)的定量斑塊分析技術(shù)催生新型生物標(biāo)志物，AI-Risk評(píng)分整合冠狀動(dòng)脈炎癥指標(biāo)，使58%患者風(fēng)險(xiǎn)分層重構(gòu)（和傳統(tǒng)風(fēng)險(xiǎn)計(jì)算器QRISK3相比），直接推動(dòng)33%患者臨床管理方案調(diào)整，尤其擅于識(shí)別無阻塞性病變的隱匿高危人群。芬蘭大學(xué)團(tuán)隊(duì)進(jìn)一步推導(dǎo)并驗(yàn)證一個(gè)基于AI的斑塊負(fù)荷安全閾值，用于預(yù)測(cè)長(zhǎng)期急性冠狀動(dòng)脈綜合征的風(fēng)險(xiǎn)，以避免過度診斷。多模態(tài)影像融合技術(shù)同步突破診斷效能瓶頸，趙世華團(tuán)隊(duì)開發(fā)了心臟磁共振成像兩階段AI模型，通過篩查階段（Cine MRI初篩異常，AUC=0.990）與診斷階段（聯(lián)合晚期釓增強(qiáng)實(shí)現(xiàn)11類心血管病分類，AUC=0.991）級(jí)聯(lián)，與資深醫(yī)生相比診斷效率提升215倍（1.94 minvs. 418.00 min），其肺動(dòng)脈高壓診斷甚至優(yōu)于資深醫(yī)師。與之互補(bǔ)，法國(guó)巴黎心血管研究所開發(fā)了一種結(jié)合冠狀動(dòng)脈CCTA和心臟MRI數(shù)據(jù)的機(jī)器學(xué)習(xí)模型，用于預(yù)測(cè)阻塞性冠狀動(dòng)脈疾病患者的主要不良心血管事件，凸顯多模態(tài)數(shù)據(jù)協(xié)同的預(yù)測(cè)優(yōu)勢(shì)。AI深度優(yōu)化CCTA工作流：深度學(xué)習(xí)重建降低輻射劑量30%~71%，端到端分割模型提升冠脈解剖解析精度（92.17%），血流儲(chǔ)備分?jǐn)?shù)計(jì)算縮至5 min內(nèi)，全面助力心血管疾病精準(zhǔn)診療閉環(huán)。AI也為頭頸血管及下肢動(dòng)脈斑塊的自動(dòng)檢測(cè)與分類提供了有效解決方案。盧潔團(tuán)隊(duì)利用3D CNN設(shè)計(jì)開發(fā)了一個(gè)可實(shí)現(xiàn)頭頸CT血管成像（CTA）血管分割的后處理系統(tǒng)，自動(dòng)完成頭頸CTA血管重建，通過AI自動(dòng)去骨，在提高精準(zhǔn)度的同時(shí)避免二次掃描，降低患者輻射劑量。Dai等構(gòu)建了一個(gè)深度學(xué)習(xí)模型，實(shí)現(xiàn)動(dòng)脈狹窄程度的自動(dòng)化分級(jí)，膝上與膝下動(dòng)脈分類準(zhǔn)確率分別達(dá)91.5%和90.9%，證實(shí)其作為斑塊定位輔助工具在優(yōu)化周圍動(dòng)脈疾病篩查流程及病變分級(jí)的潛力。然而，監(jiān)督學(xué)習(xí)模型依賴大量標(biāo)注數(shù)據(jù)，專家手動(dòng)分割耗時(shí)且制約研究進(jìn)展。針對(duì)此，Mistelbauer團(tuán)隊(duì)開發(fā)了半自動(dòng)血管追蹤算法，顯著降低了人工干預(yù)需求，專業(yè)醫(yī)師應(yīng)用該技術(shù)識(shí)別下肢動(dòng)脈的靈敏度達(dá)92.9%、特異度為99.9%、總準(zhǔn)確率為99.9%。

五、AI在骨肌影像學(xué)的研究

AI驅(qū)動(dòng)的骨肌系統(tǒng)醫(yī)學(xué)影像智能化技術(shù)已在骨腫瘤、關(guān)節(jié)疾病及軟組織病變的多模態(tài)病理分割、分類診斷和預(yù)后評(píng)估中實(shí)現(xiàn)精準(zhǔn)輔助診療。AI在骨肌影像中的早期應(yīng)用聚焦于組織特異性分割與病灶識(shí)別，依托U-Net、GAN及三維DenseNet等架構(gòu)實(shí)現(xiàn)。Norman等基于U-Net模型對(duì)膝關(guān)節(jié)半月板及軟骨進(jìn)行自動(dòng)分割，Dice系數(shù)達(dá)到0.809，顯示出與人工分割接近的準(zhǔn)確性。Gaj等采用條件GAN優(yōu)化軟骨分割性能，脛骨軟骨Dice系數(shù)高達(dá)0.91。Karnuta等基于三維DenseNet架構(gòu)，通過MRI影像自動(dòng)識(shí)別前交叉韌帶撕裂，其準(zhǔn)確率達(dá)到95.7%，顯著優(yōu)于住院醫(yī)師和資深醫(yī)師的人工評(píng)估，AI模型能夠在保持高準(zhǔn)確率的同時(shí)有效減輕放射科醫(yī)師的負(fù)擔(dān)。AI在骨關(guān)節(jié)疾病分類診斷方面也取得突破，尤其在骨性關(guān)節(jié)炎（OA）的檢測(cè)、分期和結(jié)構(gòu)損傷識(shí)別方面表現(xiàn)突出。Astuto等開發(fā)的三維CNN模型在1435例膝關(guān)節(jié)MRI圖像上實(shí)現(xiàn)了對(duì)骨、軟骨、半月板及前交叉韌帶損傷的自動(dòng)分級(jí)，AUC高達(dá)0.930。Tiulpin等提出的遷移學(xué)習(xí)與模型集成方法在X線片上基于Kellgren-Lawrence系統(tǒng)對(duì)OA進(jìn)行自動(dòng)分級(jí)，顯著優(yōu)于傳統(tǒng)模型。通過特征學(xué)習(xí)方式，AI模型能從圖像中識(shí)別骨贅形成、關(guān)節(jié)間隙變窄等細(xì)微病變特征，輔助實(shí)現(xiàn)精細(xì)化的臨床評(píng)估。AI不僅在影像解讀環(huán)節(jié)發(fā)揮作用，更在骨肌系統(tǒng)疾病的臨床決策支持方面展現(xiàn)出實(shí)用價(jià)值，其中骨齡評(píng)估、髖膝關(guān)節(jié)置換術(shù)風(fēng)險(xiǎn)預(yù)測(cè)、骨性關(guān)節(jié)炎進(jìn)展判斷等均是代表性方向。在骨齡評(píng)估方面，CNN模型在超過1萬幅兒童手部X線圖像上實(shí)現(xiàn)了平均誤差不足0.5歲的高精度表現(xiàn)，且與放射科醫(yī)師評(píng)估結(jié)果基本一致。在關(guān)節(jié)置換手術(shù)預(yù)測(cè)方面，Leung等基于近千例膝關(guān)節(jié)X線圖像建立的深度學(xué)習(xí)模型，能夠預(yù)測(cè)OA患者接受全膝關(guān)節(jié)置換術(shù)的風(fēng)險(xiǎn)，準(zhǔn)確性顯著高于傳統(tǒng)分級(jí)模型，具有指導(dǎo)個(gè)體化治療決策的潛力。此外，針對(duì)肌肉病變、骨腫瘤（如骨肉瘤、軟骨肉瘤等）、轉(zhuǎn)移灶識(shí)別等方面，已有研究基于多模態(tài)影像特征（如PET/CT）構(gòu)建AI分類模型，并取得較高準(zhǔn)確率、敏感度與特異度。

六、AI在乳腺影像學(xué)的研究

近年來，AI在乳腺癌影像識(shí)別和風(fēng)險(xiǎn)評(píng)估中的研究取得顯著進(jìn)展，尤其是在非腫塊增強(qiáng)（NME）病灶的分類、檢測(cè)、分割和預(yù)后分析中展現(xiàn)出巨大的潛力。近期研究證實(shí)，基于最大強(qiáng)度投影MRI的AI系統(tǒng)在良惡性NME分類中表現(xiàn)優(yōu)異，AUC達(dá)0.859，與資深放射科醫(yī)師診斷效能相當(dāng)，并顯著提升初級(jí)醫(yī)師診斷性能（AUC從0.740上升至0.862），尤其在篩查人群中表現(xiàn)優(yōu)于癥狀人群，顯示出良好的臨床適應(yīng)性和推廣潛力。AI在乳腺影像處理中已形成四大核心方向。圖像增強(qiáng)與合成方面：通過GAN實(shí)現(xiàn)低分辨率DCE-MRI超分辨率重建、多協(xié)議MRI域適應(yīng)及虛擬彈性成像合成，顯著提升圖像質(zhì)量與診斷一致性。病灶檢測(cè)與分割方面：U-Net及其變體（Res-UNet、Dense-UNet）在X線攝影/數(shù)字乳腺體層合成腫塊分割中Dice系數(shù)>80%，基于MRI的2D/3D U-Net網(wǎng)絡(luò)分割Dice>0.7，能夠有效地捕捉腫瘤異質(zhì)性。多模態(tài)融合診斷方面：BMU-Net模型整合了X線與超聲雙模態(tài)信息，結(jié)合傳統(tǒng)CNN與Transformer的混合深度學(xué)習(xí)框架，通過引入不同癌變風(fēng)險(xiǎn)等級(jí)的乳腺疾病樹，實(shí)現(xiàn)了多層級(jí)乳腺癌風(fēng)險(xiǎn)預(yù)測(cè)（準(zhǔn)確率90.1%），接近專家水平（92.7%）；杜克大學(xué)團(tuán)隊(duì)通過量化雙側(cè)乳腺局部不對(duì)稱性構(gòu)建可解釋模型實(shí)現(xiàn)乳腺癌1~5年風(fēng)險(xiǎn)預(yù)測(cè)（AUC=0.920），不僅性能媲美現(xiàn)有乳腺癌風(fēng)險(xiǎn)預(yù)測(cè)模型Mirai，更以透明推理打破算法黑箱，為AI在醫(yī)學(xué)影像中的可解釋性應(yīng)用樹立新標(biāo)桿。預(yù)后與療效評(píng)估方面：廣東省人民醫(yī)院團(tuán)隊(duì)基于Delta深度影像組學(xué)建立了一個(gè)多任務(wù)學(xué)習(xí)的非侵入性AI系統(tǒng)，用于預(yù)測(cè)乳腺癌新輔助化療（NAC）期間的殘留癌負(fù)荷（RCB）評(píng)分，該系統(tǒng)為乳腺癌NAC期間RCB評(píng)分的早期預(yù)測(cè)提供了非侵入性工具，支持臨床決策；3D-MMR模型融合多序列MRI與臨床病理變量實(shí)現(xiàn)了乳腺腫瘤自動(dòng)分割和術(shù)后無病生存期預(yù)測(cè)，助力醫(yī)生在術(shù)后早期制定個(gè)體化輔助治療方案。此外，在真實(shí)世界的乳腺癌篩查中，AI系統(tǒng)表現(xiàn)出優(yōu)越的檢出效率。最新研究報(bào)道AI輔助乳腺篩查在大規(guī)模人群中實(shí)現(xiàn)癌癥檢出率提升17.6%且并未對(duì)召回率產(chǎn)生負(fù)面影響，驗(yàn)證了AI在篩查路徑中替代或輔助雙重人工判讀的可行性和臨床價(jià)值。研究進(jìn)一步指出，AI CAD系統(tǒng)在召回比例和陽性預(yù)測(cè)值方面在多數(shù)情境下優(yōu)于單一人工判讀，三方共識(shí)（兩名醫(yī)生+AI）下的召回率可達(dá)82.6%，明確提示AI與人類專家的互補(bǔ)優(yōu)勢(shì)。FDA近期批準(zhǔn)的Clairity Breast平臺(tái)首次實(shí)現(xiàn)基于常規(guī)乳腺X線的五年風(fēng)險(xiǎn)預(yù)測(cè)，標(biāo)志AI驅(qū)動(dòng)精準(zhǔn)篩查進(jìn)入新階段。

七、展望

未來，AI在醫(yī)學(xué)影像學(xué)領(lǐng)域的發(fā)展將更加注重多模態(tài)數(shù)據(jù)的深度融合、通用大模型的構(gòu)建、實(shí)時(shí)臨床決策支持以及結(jié)果解釋的可視化和透明化。這類技術(shù)不僅需要整合影像數(shù)據(jù)，還需要與臨床病歷、檢驗(yàn)指標(biāo)、基因組信息以及多組學(xué)數(shù)據(jù)深度聯(lián)動(dòng)，以建立覆蓋疾病全周期的精準(zhǔn)診療模型。隨著不同醫(yī)院和真實(shí)臨床環(huán)境下的大量數(shù)據(jù)持續(xù)積累，這些系統(tǒng)有望有效克服數(shù)據(jù)偏差、樣本分布不均以及泛化能力不足等難題，在不同設(shè)備、地區(qū)和人群中均能保持穩(wěn)定且可靠的表現(xiàn)。AI影像工具將更加緊密地融入臨床工作流，不僅提升醫(yī)生的工作效率，還將推動(dòng)標(biāo)準(zhǔn)化操作和規(guī)范化管理的落地應(yīng)用，其應(yīng)用也將從輔助診斷進(jìn)一步拓展至疾病早期篩查、個(gè)體化風(fēng)險(xiǎn)評(píng)估、治療方案制定、療效監(jiān)測(cè)及隨訪管理等全鏈條環(huán)節(jié)，為智慧醫(yī)療生態(tài)體系建設(shè)和醫(yī)療服務(wù)質(zhì)量提升提供有力支撐。

（作者：西安交通大學(xué)第一附屬醫(yī)院醫(yī)學(xué)影像科 劉軍 趙文哲）