肺结节、糖网、肋骨骨折：AI影像辅助诊断跑通的三个场景与一本成本账

去年冬天，一位二级民营医院的影像科主任给我算过一笔很实在的账：科室4名诊断医生，一天要出190份报告，胸部CT占六成，夜里还要接急诊DR。他说，他们不是不想看细，是排班表不允许。

这也是医学影像AI在国内医院落地三年后最真实的处境——算法本身早就不是瓶颈，卡住的是它能不能嵌进医生那190份报告的节奏里。真正跑通的场景其实不多，肺结节、眼底、骨折是其中最扎实的三个。

肺结节：AI找的不是结节，是被排班表挤掉的那5毫米

国家癌症中心2022年的数据显示，我国肺癌年新发病例约106万，早期发现五年生存率能到70%以上，晚期不足10%。低剂量CT筛查普及之后，一个更麻烦的问题浮了出来：受检人群中肺结节检出率普遍在30%—40%，而真正需要干预的高危结节只是少数。

麻烦集中在4到6毫米这个区间。一个薄层胸部CT有200到300个层面，5毫米的结节可能只出现在三四个层面上，人工逐层扫读，越到下午越容易滑过去。业内比较一致的看法是，直径小于6毫米的结节，人工阅片的漏检并不罕见。

某二级民营医院2023年把AI辅助诊断前置进PACS，日均胸部CT 110份。上线12个月后，他们统计出两个数：直径≤6毫米结节的检出率从68%升到89%；单份胸部CT的平均阅片时间从11分钟降到7分钟。

但那位主任没把功劳全给算法。他提到另一个数字：AI每人次会给2到4个假阳性，血管断面、钙化灶、胸膜增厚都可能被框出来。AI的价值是把"找"的工作量压下去，把"判断"的时间留给医生，而不是替医生签字。类似的话，我在好几家医院都听到过不同版本。

眼底：一台相机加一套算法，把内分泌科的病人留在了本院

糖尿病视网膜病变是另一个被低估的场景。我国成人糖尿病患者约1.4亿，糖网患病率在21%—24%之间，按这个比例推算，需要定期筛查的人群超过3000万。而全国眼科医师不到6万人，多数县医院只有一到两名眼科医生。

供需缺口摆在这里，眼底AI的临床证据反而是三个场景里最硬的。某第三方机构对多款已获证的糖网筛查产品做过汇总，对中度非增殖期以上病变的敏感性普遍在90%以上，特异性约85%。当然前提是图像质量过关——白内障、小瞳孔、屈光介质混浊，都会让算法直接判"不可读"。

某连锁体检机构的做法值得参考。23家门店配免散瞳眼底相机，拍完上传，AI在90秒内给出分级，异常图像转给合作的三甲眼科医生复核。一年下来，他们眼底筛查的参检率从21%提到61%，筛出的可疑糖网阳性率约12%。门店负责人说得直白：过去是劝客户加项，现在是客户自己问要不要拍。

对民营医院来说，这件事还有一层账：内分泌科门诊病人做眼底照相，报告10分钟出来，能直接回写进民营医院HIS系统的门诊病历。患者手机上看到图，下次复诊的依从性明显不一样。民营医院管理系统如果能把这套流程串起来——从开单、拍照、AI分级到报告归档——眼科和内分泌科才算真正连成了一体。

骨折：夜班要的不是更准，是"不漏"

急诊DR是另一个战场。文献里反复出现的一个数字是：急诊骨折的初次漏诊率在3%—5%，肋骨骨折更夸张，首次X线片的漏诊率能到20%—30%。夜间值班、单人阅片、患儿哭闹不配合，都是漏诊的温床。

AI在骨折上的表现，跟肺结节不太一样。它主要不是提高精度，而是降低遗漏。某二级医院急诊DR接入智能影像标注后，肋骨隐匿性骨折的检出率从74%提到92%，一年内因漏诊引发的投诉从7起降到1起。放射科医生的说法很朴素：AI在片子上画个框，你至少会多看两眼。

局限也得说清楚。石膏固定后的影像、骨质疏松的骨小梁、术后内固定物、儿童青枝骨折，都是算法容易出错的地方。骨折场景的AI，最好是"提示"而不是"结论"，可疑区域必须结合三维重建或者临床查体再定。

三个场景之外，决定成败的是三条流水线

一位三甲医院影像科主任的原话是："算法准不准，我们看论文就够了；能不能用，要看它跟PACS、跟报告模板、跟排班是不是一回事。"

这句话点到了很多项目失败的地方。AI结果如果只是弹在另一个浏览器窗口里，医生要开两个屏、复制粘贴、手工敲进报告，这套系统在医院活不过三个月。

第一条流水线是数据。AI必须直接读取PACS里的原始DICOM，不能二次转换、不能压缩。DICOM全兼容不是一句宣传语，层厚、重建核、窗宽窗位任何一项失真，模型的表现都会打折。

第二条是报告。AI的结构化结果要能回写进报告模板，医生修改要留痕，最终签字的仍然是医生。这一条决定了AI是"工具"还是"负担"。

第三条是协同。疑难病例能不能一键发起远程会诊，基层拍的片子能不能让上级医院看到原始序列而不是截图，这直接关系到医联体和远程诊断中心的价值。

顺便说一句基层的现实：一家社区卫生服务中心或者诊所，影像申请单往往还在纸质上流转。诊所管理软件里能不能开单、结果能不能回流、患者能不能在诊所管理软件app上看到自己的片子，这些看起来跟AI无关的事，恰恰决定了AI有没有用武之地。糖尿病患者在检验管理系统app里看到糖化血红蛋白，再对照一张眼底分级报告，筛查才算真正闭环。

采购前值得问的六个问题，比看演示有用

演示环境里的AI永远处于最佳状态。真金白银掏钱之前，建议把这几个问题写进技术参数里：

• 能不能直接读取现有PACS的DICOM原始数据，是否需要额外部署转换网关？
• AI结果以什么形式回写，支持结构化报告和修改留痕吗，能不能追溯？
• 公开的假阳性率和不可读图像比例是多少，质控报告能不能提供？
• 疑难病例是否支持一键发起远程会诊，会诊端能不能调阅原始序列？
• 部署方式选云端还是本地，数据安全合规怎么保证，是否支持信创环境？
• 厂商有没有本地化实施团队，出问题多久能到现场，模型多久迭代一次？

这六个问题问下来，能筛掉一半只会做演示PPT的供应商。

华码软件的医学影像系统（PACS）在这几个方向上做得比较实在：DICOM全兼容，支持云胶片和远程会诊，影像归档与AI辅助诊断能在同一个工作流里完成。某二级民营医院上线云胶片后，年胶片成本从41万降到18万，一年省下23万；患者扫码就能看片，复诊不必再拎着袋子跑。这套系统已在900余家医疗机构运行，云端与本地均可部署，支持30天免费试用，7×24小时技术支持，本地化团队负责实施。

回到那位影像科主任的账本。他没指望AI把190份报告减到100份，他要的是晚上十点以后，值班医生看急诊片子时，屏幕上能多出一个框。这个要求不高，但真要做到，得从PACS那一层开始改。