未来几年影像诊断业务面临的形势是什么呢？

当前每年我们的影像数据量增长是20%-30%。影像数据量增长的原因包括老龄化、健康筛查的普及，以及影像设备精度的提高等。而我们的影像医技护供给每年只能增长3%-4%，存在着巨大的供给缺口。

另一方面，影像学的各类知识半衰期从10年下降到5年，也就是说5年之内，一半的知识过时了。甚至影像知识的半衰期可能下降到3年，3年左右一半的知识就过时了。这对我们影像医技护的学习能力提出了挑战。

第三个方面是诊断的逻辑越来越复杂。即便写了大半辈子报告，很多时候不得不去翻书对诊断给出精确的分期、分级。如果一个单病种的诊断参数是十个以内，甚至是十几个，人的脑力还勉强应付。如果参数提升到20-30个，比如需要既往史信息，需要病理免疫组化信息，需要新的药物有效性信息，我们或者忽略这些信息进行粗略的诊断，或者将效率降下来花费很多时间检索资料和询问患者。不依靠信息化系统而单纯依靠人的能力进行参考诊断、鉴别诊断的推理，或者在跨领域的知识图谱当中搜索，质量和效率明显不可兼得。这与临床、患者、影像科室对个性化诊疗的日常工作与科研追求明显对应不上。

2017年的RSNA上有一场辩论：影像AI是否会取代影像医生的工作？到了2020年，我们无需再做这样的讨论了，因为趋势已经比较清楚了。那就是会运用并持续改进影像临床决策支持系统（CDSS）的医生不会被取代，而CDSS应用肯定会取代大部分水平不高的劳动密集型工作。

毫无疑问，影像CDSS系统将成为RIS/PACS之上更高层面的信息系统的基础架构。影像的CDSS系统并不像一台高端的影像设备哪样，只要买设备的钱花够了，人员培训一下，临床沟通一下，收费目录更新一下，就能将业务开展起来的。原因在于现有的信息化架构需要进行调整、人的认识与能力需要培养、管理的评价体系也需要调整。这三个方面都是高度个性化的，没有一个是短期内能实现的。

首先是信息化的架构。理论上讲影像的CDSS系统应该包括申请的知识库、扫描的知识库、影像后处理/AI、诊断的知识库4个组成部分。如果再加上流程机器人，应该就是5个组成部分。越往前的部分，比如临床的申请质量，对影像的诊断质量影响越大。但在实际的业务普及过程中，诊断领域由于是影像科室的最终产出环节，所以是先被买单的。申请领域需要影像科和临床科室、HIS/EMR系统一起协作，往往是最后买单的。这些CDSS环节要落实下来，怎么也需要3-5年。

其次，CDSS的核心生命力是广泛的、低成本、自动化地持续迭代。所以上述这些环节之间，须建立基于相同语义标签的反馈链路。如果每个环节的产出都不是标签，希望依靠人力挑选部分病例进行人工分析，CDSS的持续迭代成本之高，将使迭代成为伪命题。考虑到申请、扫描、后处理、报告四个环节上的持续迭代是按照单病种进行的，所以涉及的标签和信息系统非常多。建立这样一个语义一致的信息化网络不仅是复杂的，而且是漫长的。

第三，人员的意识和能力培养，只能伴随着上述系统的建立逐步开展。第四，无论是人员能力的提升，还是新功能的验证，我们都需要基于流程数据的分析体系，以便判断质量和效率的改进情况。这套评价机制牵扯到管理理念和管理方法的深度变革，也是随着CDS系统的逐步深入而逐步落地的。

那么总的结论是什么呢？影像CDS系统将成为影像科室信息化的新的基础架构，而且不可能通过简单的采购实现跨越，须让科室各方面人员参与进来，逐步实现这个过程。可以想象，影像CDSS复杂性早晚会超过人的记忆能力，没有CDSS的帮助，影像科室高质量、高效率的服务就不可能实现。