7月29-31日，中国医院信息网络大会（CHIMA)在青岛红岛国际会议展览中心如期而至。北京赛迈特锐受邀在战略合作伙伴-飞利浦医疗展位进行一连两天的现场讲演：“结构化报告+PACS+AI：影像信息化的未来模式”。

北京赛迈特锐科技 销售经理-姬媛媛女士现场讲演

PACS系统作为影像信息化的基础流程系统，已经在国内发展了二十年的时间。国内绝大多数医疗机构都在使用各种品牌的PACS系统。PACS行业的特征呈现分散割据的红海，系统本身不可或缺，但功能太有限，不能满足影像科室持续发展的需求，特别是决策支持类的业务需求。

影像决策的典型产品包括影像AI、影像后处理系统、影像学结构化报告系统。完整的影像决策支持链条包括临床申请环节、影像科室的扫描环节、后处理/AI分析环节、诊断环节等4个相对标准化的步骤。诊断环节是影像科室的核心产出环节。

诊断环节的决策支持包含三个层面的工作：影像诊断医生的第一层思维：提取图像当中正常的生理特征，以及异常的病理特征。考虑到不同部位有不同的疾病，不同的疾病在不同影像设备下的表现不同，这类细分场景有数百个之多。这些场景无论多么复杂，都是重复人的体力劳动，所以终将会被众多的AI模块全部取代，以便降低诊断医生的劳动强度。这个环节的工作特别适合交给AI来做。第二个层面：基于提取出的影像特征进行鉴别诊断分析，以便清晰做出诊断。第三个层面：在明确诊断的基础上，针对性地回答申请科室的需求，以便较大限度地帮助临床医生和患者。后两个层面的工作特别适合交给影像学结构化报告系统来做。

影像AI对于影像诊断太重要了。如果没有影像AI提取测量值和关键图像，让一线诊断医生去手工提取，成本太高，可行性比较低。而没有这些精确的标签，后续的诊疗推理就无法精确化和自动化。好在近年影像AI飞速发展，从美国FDA批准影像AI的速度来看，2018年获批的数量为29个，2019年为52个，到2021年初就达到了111个。预期2021/2022年获批的各类影像AI将达到200个左右，并且在未来3-5年覆盖到全部的几百个场景。美国的影像AI大多是二类证，国内的影像AI大多是三类证。国内获批的速度虽然没有美国那么快，但发展趋势是相同的，也会在未来的3-5年覆盖几乎所有的分析场景。

近年美国FDA批准的影像AI数量增长图

影像AI在植入日常诊断业务过程中存在很多盲点：首先是如何与PACS系统整合：如果一个影像科室有多个CT，我们肯定不能将每台CT都连接到特定的AI。更加重要的是即便扫描方案相同，不同临床申请目的的患者，应该被送到不同的AI和后处理系统。如果没有一种“定向投递”系统，AI的功能很难正常发挥处理。这就需要AI与PACS系统进行很好的整合。第二：如果一个医疗机构使用了多个不同厂家的AI，每家都提供不同的浏览界面和报告界面，诊断医生的工作就会出现混乱，类似没有系统的PACS系统之前的状况。第三：AI本身的输出大多是影像学的特征列表，是缺少诊疗逻辑的。过度依赖AI的发现，僵化了一线医生的诊断逻辑和能力。

通过将影像AI整合到影像学结构化报告，可以解决后两个问题，而且可以覆盖到鉴别诊断、临床建议等两个思维层面。影像学结构化报告本质上是内置诊断知识的工具，这个工具与PACS系统进行紧密整合而进入业务流程，使得庞大的诊断知识能被一线医生使用上。同时结构化报告的输出结果中包含大量的标签数据，可以直接用于质控、科研和教学工作。

结构化报告自身也存在很多盲点：比如特别复杂、特别简单的病例用不上；影像学表现比较多，缺少专家共识的领域也用不上。另外让一线医生自行填写高质量的图像特征数据也违背人性，这就需要整合影像AI来提高效率，给一线诊断医生们撰写一份高质量的报告打下基础。

影像AI前端与PACS整合，后端与结构化报告整合示意图

影像AI、结构化报告，以及PACS系统各自都存在明显的局限性，而且很难通过其自身的持续改进得到解决。这三种业务需要三种不同的基因。很多企业认为自身能横跨多个领域实现整合发展是很难落地的。只有通过多个业务的融合，组成一个相互帮扶的生态，才能一起面对客户，来解决大量未被满足的需求。