影像學檢查的完整路徑包括臨床申請環節，影像檢查環節，影像后處理環節，以及最后的診斷環節。這四個環節前后緊密聯系，但從業務領域上來區分，它們各自有各自的CDS系統，是相互獨立的。影像診斷環節是影像診斷流程的核心環節和產出環節，也是診斷結構化報告系統的應用環節。而影像AI環節是當前比較熱的一個領域。

如果影像AI的產出是發現正常的生理特征和異常的病理特征，那么AI的瀏覽器上醫生對AI結果的糾正就可以實現完整的反饋。因為圖像識別過程對標的本來就是人的識別能力，這是較花費診斷醫生時間和精力的環節。

如果AI希望通過訓練可以做出任何預測，那么就必須拿到結構化報告的全部標簽作為反饋。因為結構化報告標簽當中還包含AI發現能力之外的其他信息。特別的還希望包括確認的診斷類型，以及患者的預后情況。我們的影像診斷知識圍繞著“細分的人群—細分的診斷/治療方案—細分的預后”展開。我們希望通過分析個性化的數據，然后通過查表法進行個性化的診療，以便得到好的預后。有些患者取了活檢，有病理結果；更多的患者只有診斷類型和治療方案。無論哪種情況，隨訪信息的獲取都是必要的。

在這里請注意，每個單病種的報告信息維度、病理信息的維度、隨訪信息的維度都是按照單病種個性化的?？傮w的標簽數量過萬，甚至是幾萬之多。如果申請的知識庫、掃描的知識庫、影像AI和報告系統都希望獲得單病種的全維度信息用于迭代，而且去和上述這些信息建立連接，那么信息系統將變成蜘蛛網。正確的做法是由結構化報告（本來就是按病種分類的）來實現與HIS/EMR的整合，實現獲取臨床診斷結果和隨訪信息的獲取，然后將這些信息與結構化報告標簽一起，回推給影像AI、掃描的知識庫、申請的知識庫，以便讓這些CDSS環節也能實現持續的、自動化的迭代。

從這個角度上來講，雖然影像學結構化報告存在各種應用障礙，但卻是整個影像CDSS流程當中核心的環節。沒有結構化報告的標簽數據，影像CDSS的持續迭代就不可能實現。