人工智能在医学影像科全流程管理应用场景中的研究进展.pdf

随着人工智能（AI）技术的快速发展，AI在医学影像学中的应用也逐渐成

熟。目前的研究大多数集中在对疾病进行影像评估的应用场景，对于医学影像科

全流程化管理的研究并不多见。本文主要从全流程管理的概念、AI技术在其中

的进展进行探讨及展望，以推进AI在医学影像科全流程管理应用场景的落地。

随着计算机技术的发展，人工智能（artificialintelligence，AI）在医

学影像学领域发挥着至关重要的作用。然而，当前AI的应用主要集中在对

疾病影像辅助诊断的场景中，其在医学影像科流程化管理场景中的应用并

不多见。医学影像科作为平台支撑学科，其全流程管理的不足已经成为医

院高效率、高质量发展的瓶颈。将AI应用于医学影像科全流程管理过程中，

可以减少人力物力消耗，缩短患者就诊流程，提高影像医师工作效率和质

量。在临床问题和临床应用场景驱动下，可以有效推动AI不断拓展研究领

域，创新全流程、全链条的解决手段，更好地将AI运用医学影像科实际管

理工作中。笔者将从AI在医学影像科全流程应用场景中的主要研究成果进

行探讨和展望，以扩展AI在医学影像学中的深度应用，积极推进其临床转化落

地。

一、医学影像科全流程管理场景的概念及AI的应用目的

流程管理是一种以规范化地构造端到端的卓越业务流程为中心，以

持续地提高组织业务绩效为目的的系统化的管理方法。医学影像科全流

程管理应用场景主要包括预约登记、报到候诊、护理服务、图像采集、
信息传输与存储、对比剂不良反应的预防和处理、图像后处理与排版、

辅助诊断及结构化报告、图像与报告的浏览打印与处理、设备管理10

个一级流程。按照服务时间轴来设计，以影像诊断为中心关键流程，全

流程分为影像诊断前、中、后3个阶段。将AI应用到医学影像科全流程

管理的场景中，可以全面优化影像诊断前、中、后流程的每个阶段。

AI在医学影像科全流程场景中应用的目的主要包括3个方面：

（1）缩短患者整个就诊流程的时间，提高服务效率；

（2）提高疾病精准诊断水平，提高服务质量；

（3）减轻医务人员的工作负担，节约科室运营成本。

二、AI在医学影像科全流程应用场景中的研究进展

诊断前、诊断中及诊断后，这3个阶段贯穿患者在医学影像科就诊

的整个流程，国内外学者均有开展部分研究，系统地将AI应用到这3个

阶段中的研究尚不多见。

（一）AI在医学影像科“诊断前”流程中的应用研究

该阶段主要包含了预约登记、报到候诊、护理服务、图像采集、数据

传输与存储、对比剂不良反应的预防与处理6个一级流程。AI的应用使得

该阶段的工作更加高效，大大缩短病患就医的时间，同时也将降低服务人

员和护理人员的工作量。

1.预约登记、报到候诊、护理服务及对比剂不良反应的预防和处理：

高效的预约登记、及时的报到候诊及优质的护理服务是缩短患者就诊时间、

提高患者就诊效率和提升服务质量的关键因素。利用机器学习技术预测和

减少门诊MRI预约缺席情况，并对缺席风险最高的患者进行电话提醒，结
果显示在成功预测高风险缺席患者的同时，就诊患者的缺席率由19.3%下

降至15.9%。开发了一种AI辅助模块，可以帮助门诊患者根据主诉自动安

排影像检查，可显著减少患者检查等待时间，从而改善医院的门诊服务质

量。对比剂在医学影像检查中应用广泛，然而不良反应的风险、对敏感器

官的潜在损害及最近报道的钆对比剂在大脑中的沉积无法避免。AI在对比

剂领域的应用主要体现在虚拟增强技术。为了避免使用钆对比剂，应用贝

叶斯深度学习架构来预测不同级别胶质瘤患者和健康对照组的虚拟对比增

强图像，在定性和定量评估方面获得了良好的结果（灵敏度和特异度约为

91%）。最近，开发了一种生成对抗网络（generativeadversarialnetwork，

GAN），从185例不同脑肿瘤患者的2D非对比增强液体衰减反转恢复

（FLAIR）序列图像堆叠合成3D各向同性对比增强FLAIR图像，并且增加

了超分辨率和抗锯齿任务，以解决MR伪影并创建各向同性3D图像，从而

更好地显示肿瘤，合成图像与源图像具有良好的结构相似性指数。AI虚拟

对比增强技术的应用成熟，可有效减少对比剂的暴露，尤其在儿科影像检

查领域。AI已经广泛应用在临床护理工作中，然而，目前对于影像检查前

的护理工作AI的应用尚为空白，笔者认为AI在影像护理服务方面的应用

具有较广阔的研究空间。

2.图像采集与质控：快速、高效获取高质量的图像是影像诊断的前提。

提出优化的人工智能神经网络模型进行辅助“一站式”高分辨血管壁成像检

查，不仅大幅度提高成像速度，而且信噪比亦较大提升。在CT设备上安装

2D或3D摄像头，通过计算机