未來幾年影像診斷業務面臨的形勢是什么呢？

當前每年我們的影像數據量增長是20%-30%。影像數據量增長的原因包括老齡化、健康篩查的普及，以及影像設備精度的提高等。而我們的影像醫技護供給每年只能增長3%-4%，存在著巨大的供給缺口。

另一方面，影像學的各類知識半衰期從10年下降到5年，也就是說5年之內，一半的知識過時了。甚至影像知識的半衰期可能下降到3年，3年左右一半的知識就過時了。這對我們影像醫技護的學習能力提出了挑戰。

第三個方面是診斷的邏輯越來越復雜。即便寫了大半輩子報告，很多時候不得不去翻書對診斷給出精確的分期、分級。如果一個單病種的診斷參數是十個以內，甚至是十幾個，人的腦力還勉強應付。如果參數提升到20-30個，比如需要既往史信息，需要病理免疫組化信息，需要新的藥物有效性信息，我們或者忽略這些信息進行粗略的診斷，或者將效率降下來花費很多時間檢索資料和詢問患者。不依靠信息化系統而單純依靠人的能力進行參考診斷、鑒別診斷的推理，或者在跨領域的知識圖譜當中搜索，質量和效率明顯不可兼得。這與臨床、患者、影像科室對個性化診療的日常工作與科研追求明顯對應不上。

2017年的RSNA上有一場辯論：影像AI是否會取代影像醫生的工作？到了2020年，我們無需再做這樣的討論了，因為趨勢已經比較清楚了。那就是會運用并持續改進影像臨床決策支持系統（CDSS）的醫生不會被取代，而CDSS應用肯定會取代大部分水平不高的勞動密集型工作。

毫無疑問，影像CDSS系統將成為RIS/PACS之上更高層面的信息系統的基礎架構。影像的CDSS系統并不像一臺高端的影像設備哪樣，只要買設備的錢花夠了，人員培訓一下，臨床溝通一下，收費目錄更新一下，就能將業務開展起來的。原因在于現有的信息化架構需要進行調整、人的認識與能力需要培養、管理的評價體系也需要調整。這三個方面都是高度個性化的，沒有一個是短期內能實現的。

首先是信息化的架構。理論上講影像的CDSS系統應該包括申請的知識庫、掃描的知識庫、影像后處理/AI、診斷的知識庫4個組成部分。如果再加上流程機器人，應該就是5個組成部分。越往前的部分，比如臨床的申請質量，對影像的診斷質量影響越大。但在實際的業務普及過程中，診斷領域由于是影像科室的最終產出環節，所以是先被買單的。申請領域需要影像科和臨床科室、HIS/EMR系統一起協作，往往是最后買單的。這些CDSS環節要落實下來，怎么也需要3-5年。

其次，CDSS的核心生命力是廣泛的、低成本、自動化地持續迭代。所以上述這些環節之間，須建立基于相同語義標簽的反饋鏈路。如果每個環節的產出都不是標簽，希望依靠人力挑選部分病例進行人工分析，CDSS的持續迭代成本之高，將使迭代成為偽命題?？紤]到申請、掃描、后處理、報告四個環節上的持續迭代是按照單病種進行的，所以涉及的標簽和信息系統非常多。建立這樣一個語義一致的信息化網絡不僅是復雜的，而且是漫長的。

第三，人員的意識和能力培養，只能伴隨著上述系統的建立逐步開展。第四，無論是人員能力的提升，還是新功能的驗證，我們都需要基于流程數據的分析體系，以便判斷質量和效率的改進情況。這套評價機制牽扯到管理理念和管理方法的深度變革，也是隨著CDS系統的逐步深入而逐步落地的。

那么總的結論是什么呢？影像CDS系統將成為影像科室信息化的新的基礎架構，而且不可能通過簡單的采購實現跨越，須讓科室各方面人員參與進來，逐步實現這個過程?？梢韵胂?，影像CDSS復雜性早晚會超過人的記憶能力，沒有CDSS的幫助，影像科室高質量、高效率的服務就不可能實現。