影像学检查的完整路径包括临床申请环节，影像检查环节，影像后处理环节，以及最后的诊断环节。这四个环节前后紧密联系，但从业务领域上来区分，它们各自有各自的CDS系统，是相互独立的。影像诊断环节是影像诊断流程的核心环节和产出环节，也是诊断结构化报告系统的应用环节。而影像AI环节是当前比较热的一个领域。

如果影像AI的产出是发现正常的生理特征和异常的病理特征，那么AI的浏览器上医生对AI结果的纠正就可以实现完整的反馈。因为图像识别过程对标的本来就是人的识别能力，这是较花费诊断医生时间和精力的环节。

如果AI希望通过训练可以做出任何预测，那么就必须拿到结构化报告的全部标签作为反馈。因为结构化报告标签当中还包含AI发现能力之外的其他信息。特别的还希望包括确认的诊断类型，以及患者的预后情况。我们的影像诊断知识围绕着“细分的人群—细分的诊断/治疗方案—细分的预后”展开。我们希望通过分析个性化的数据，然后通过查表法进行个性化的诊疗，以便得到好的预后。有些患者取了活检，有病理结果；更多的患者只有诊断类型和治疗方案。无论哪种情况，随访信息的获取都是必要的。

在这里请注意，每个单病种的报告信息维度、病理信息的维度、随访信息的维度都是按照单病种个性化的。总体的标签数量过万，甚至是几万之多。如果申请的知识库、扫描的知识库、影像AI和报告系统都希望获得单病种的全维度信息用于迭代，而且去和上述这些信息建立连接，那么信息系统将变成蜘蛛网。正确的做法是由结构化报告（本来就是按病种分类的）来实现与HIS/EMR的整合，实现获取临床诊断结果和随访信息的获取，然后将这些信息与结构化报告标签一起，回推给影像AI、扫描的知识库、申请的知识库，以便让这些CDSS环节也能实现持续的、自动化的迭代。

从这个角度上来讲，虽然影像学结构化报告存在各种应用障碍，但却是整个影像CDSS流程当中核心的环节。没有结构化报告的标签数据，影像CDSS的持续迭代就不可能实现。