7月29-31日，中國醫院信息網絡大會（CHIMA)在青島紅島國際會議展覽中心如期而至。北京賽邁特銳受邀在戰略合作伙伴-飛利浦醫療展位進行一連兩天的現場講演：“結構化報告+PACS+AI：影像信息化的未來模式”。

北京賽邁特銳科技 銷售經理-姬媛媛女士現場講演

PACS系統作為影像信息化的基礎流程系統，已經在國內發展了二十年的時間。國內絕大多數醫療機構都在使用各種品牌的PACS系統。PACS行業的特征呈現分散割據的紅海，系統本身不可或缺，但功能太有限，不能滿足影像科室持續發展的需求，特別是決策支持類的業務需求。

影像決策的典型產品包括影像AI、影像后處理系統、影像學結構化報告系統。完整的影像決策支持鏈條包括臨床申請環節、影像科室的掃描環節、后處理/AI分析環節、診斷環節等4個相對標準化的步驟。診斷環節是影像科室的核心產出環節。

診斷環節的決策支持包含三個層面的工作：影像診斷醫生的第一層思維：提取圖像當中正常的生理特征，以及異常的病理特征?？紤]到不同部位有不同的疾病，不同的疾病在不同影像設備下的表現不同，這類細分場景有數百個之多。這些場景無論多么復雜，都是重復人的體力勞動，所以終將會被眾多的AI模塊全部取代，以便降低診斷醫生的勞動強度。這個環節的工作特別適合交給AI來做。第二個層面：基于提取出的影像特征進行鑒別診斷分析，以便清晰做出診斷。第三個層面：在明確診斷的基礎上，針對性地回答申請科室的需求，以便較大限度地幫助臨床醫生和患者。后兩個層面的工作特別適合交給影像學結構化報告系統來做。

影像AI對于影像診斷太重要了。如果沒有影像AI提取測量值和關鍵圖像，讓一線診斷醫生去手工提取，成本太高，可行性比較低。而沒有這些精確的標簽，后續的診療推理就無法精確化和自動化。好在近年影像AI飛速發展，從美國FDA批準影像AI的速度來看，2018年獲批的數量為29個，2019年為52個，到2021年初就達到了111個。預期2021/2022年獲批的各類影像AI將達到200個左右，并且在未來3-5年覆蓋到全部的幾百個場景。美國的影像AI大多是二類證，國內的影像AI大多是三類證。國內獲批的速度雖然沒有美國那么快，但發展趨勢是相同的，也會在未來的3-5年覆蓋幾乎所有的分析場景。

近年美國FDA批準的影像AI數量增長圖

影像AI在植入日常診斷業務過程中存在很多盲點：首先是如何與PACS系統整合：如果一個影像科室有多個CT，我們肯定不能將每臺CT都連接到特定的AI。更加重要的是即便掃描方案相同，不同臨床申請目的的患者，應該被送到不同的AI和后處理系統。如果沒有一種“定向投遞”系統，AI的功能很難正常發揮處理。這就需要AI與PACS系統進行很好的整合。第二：如果一個醫療機構使用了多個不同廠家的AI，每家都提供不同的瀏覽界面和報告界面，診斷醫生的工作就會出現混亂，類似沒有系統的PACS系統之前的狀況。第三：AI本身的輸出大多是影像學的特征列表，是缺少診療邏輯的。過度依賴AI的發現，僵化了一線醫生的診斷邏輯和能力。

通過將影像AI整合到影像學結構化報告，可以解決后兩個問題，而且可以覆蓋到鑒別診斷、臨床建議等兩個思維層面。影像學結構化報告本質上是內置診斷知識的工具，這個工具與PACS系統進行緊密整合而進入業務流程，使得龐大的診斷知識能被一線醫生使用上。同時結構化報告的輸出結果中包含大量的標簽數據，可以直接用于質控、科研和教學工作。

結構化報告自身也存在很多盲點：比如特別復雜、特別簡單的病例用不上；影像學表現比較多，缺少專家共識的領域也用不上。另外讓一線醫生自行填寫高質量的圖像特征數據也違背人性，這就需要整合影像AI來提高效率，給一線診斷醫生們撰寫一份高質量的報告打下基礎。

影像AI前端與PACS整合，后端與結構化報告整合示意圖

影像AI、結構化報告，以及PACS系統各自都存在明顯的局限性，而且很難通過其自身的持續改進得到解決。這三種業務需要三種不同的基因。很多企業認為自身能橫跨多個領域實現整合發展是很難落地的。只有通過多個業務的融合，組成一個相互幫扶的生態，才能一起面對客戶，來解決大量未被滿足的需求。