领航国际影像与全球医学影像AI

领航国际影像：医学影像AI已经找到一个“可疑区域”以后，为什么医生还需要看整张图？

如果一个影像AI工具已经能够在一张CT或X光图像上，把可疑区域相当准确地框出来，很自然会让人产生一个疑问：既然重点区域已经被标出来了，医生是不是可以直接把注意力集中在那个框里，甚至跳过通读整张图像的过程？现实中的答案是否定的，而理解这背后的原因，需要区分两个概念：Local Detection（局部检测）和Global Context（整体上下文）。

局部检测本质上是一个模式识别任务：模型被训练用于识别某一类特定异常在图像局部区域内的视觉特征，然后输出一个位置标记。这个任务本身有明确的边界——模型只对它被训练识别的那一类（或那几类）异常敏感，对训练范围之外的发现，它既不会主动寻找，也没有能力做出判断。这不是模型“不够聪明”，而是任务设定本身就是局部、有限范围的。

而一次完整的影像阅读，医生要做的事情远不止“找到异常”。医生需要把当前图像里能看到的所有线索——包括那些不在AI训练范围内的次要发现、组织之间的相对位置关系、与既往检查的对比变化——放在一起，结合患者的临床背景，形成一个连贯的判断。这个过程更接近于建立一个完整的空间和临床叙事，而不是简单地确认“框里的东西是不是异常”。

这里还涉及一个容易被忽略的风险：如果医生因为AI已经框出了重点区域，就不自觉地缩小了自己扫视全图的范围，反而可能错过AI没有被训练识别、但确实存在临床意义的其他发现。这种现象和后文将要讨论的Automation Bias（自动化偏见）有关——人会倾向于相信自动化系统已经完成了它该做的工作，从而降低自己在其覆盖范围之外保持警觉的程度。工作流设计如果没有考虑到这一点，AI辅助工具反而可能在某些情况下带来负面效果。

因此，比较负责任的产品和流程设计，通常会明确提示AI的检测范围仅限于特定类型的发现，并鼓励医生保持完整的通读习惯，而不是把AI标记的区域当作“已经审查完毕”的信号。一些医院在引入影像AI工具时，会专门针对这一点调整培训内容，提醒医护人员AI提示只是众多线索之一，而不是审阅流程的替代品。

把“框得准”放回它该在的位置

AI在检测任务上框得准，说明的是它在特定类型异常的定位能力，这本身是一项有价值的技术进展，值得认可。但如果因此认为“框得准”约等于“诊断已经完成”，就混淆了一个具体技术任务和一个综合临床判断过程之间的边界。这条边界并不复杂，但因为AI输出的视觉呈现（一个清晰的红框）往往比它背后的技术含义更直观、更具说服力，反而更容易被读者在无意中忽略。

本文用于医学影像AI技术教育，不针对任何具体病例或检查结果提供解读。

CT图像里隐藏的定量信息越来越多以后，为什么医院不能把AI生成的每一个数字都直接放进报告？

一次CT扫描采集到的原始数据里，其实包含了远比一份传统报告更丰富的信息。放射科医生的常规报告，通常只描述临床上关注的重点发现；但如果用AI对同一批图像做系统性的量化分析，理论上可以提取出体积、密度、纹理、形态等上百种结构化指标，覆盖比常规报告更广泛的解剖结构。这种能力被称为Quantitative Imaging（定量影像），是医学影像正从“定性观察”走向“定量测量”的重要方向。

但“能够测出来”和“测出来的东西有临床价值”，是两个完全不同的问题。一个AI系统可以轻松输出上百个数字，可这些数字里，哪些是已经被证实和某个临床结局相关、哪些只是统计学意义上存在但尚不清楚含义的关联、哪些甚至只是测量误差的正常波动，这些问题不会因为“数字被生成出来了”而自动得到答案。

这就引出了Clinical Validation（临床验证）的必要性。一个新的定量指标要真正进入临床报告，通常需要经过系统性的验证过程：这个指标是否在多个独立的人群和数据集上都表现出稳定、可重复的测量结果？它与某个具体临床结局（比如疾病进展、治疗反应）之间，是否存在经过严谨研究证实的关联？如果只是在一批数据里观察到某种统计相关性，还远远不足以支撑它成为临床决策依据。

另一个需要谨慎处理的问题是Reference Range（参考区间）。很多定量指标的“正常范围”本身就因年龄、性别、种族、测量设备的不同而存在差异，如果直接套用某个数据集里得出的参考区间，用在特征分布不同的另一批患者身上，可能会产生大量假阳性或假阴性的判断，这也是为什么建立一个可靠的参考区间，往往比开发提取指标的算法本身更耗时。

还有一类需要单独讨论的情况是Incidental Measurement（偶然测量发现）——AI在扫描主要关注部位以外的区域，顺带测出了一些原本不在检查目的范围内的数值。这类发现可能有临床意义，也可能只是正常的个体差异，如果不加区分地全部呈现给医生和患者，反而可能造成不必要的焦虑和进一步检查负担，这也是医学界长期讨论的“偶然发现”议题在AI时代的延伸。

更多数字不等于更多有用信息

医学影像AI真正需要证明的，不是“能从一张图像里提取出多少个数字”，而是这些新指标能否切实改善医生的理解和患者的诊疗决策。在这个证明完成之前，医院选择只把经过验证、被认为具有明确临床价值的少数指标纳入正式报告，而不是把AI能算出的一切都堆进报告里，是一种审慎而非保守的做法。

本文介绍定量影像技术的一般性知识，不对具体检查报告中的数值进行解读。

医学影像Foundation Model可以学习大量图像以后，为什么“见过更多数据”仍然不代表它适用于每一家医院？

Medical Imaging Foundation Model（医学影像基础模型）是近两年医学影像AI领域的重要前沿方向：不同于早期为单一任务单独训练的模型，基础模型通常先在大规模、多来源的影像数据上进行Pretraining（预训练），学习到相对通用的图像表征能力，再针对具体任务通过Fine-tuning（微调）或少量数据适配到不同的临床场景。这种范式的潜力在于，理论上可以用更少的标注数据，更快地扩展到新的任务和新的疾病类型。

但“预训练数据量很大”本身，并不能自动保证模型在任何一家新医院都能保持同样的表现。这里的核心问题是Generalization（泛化能力）——模型能否把在训练数据上学到的能力，稳定迁移到它没有见过的新环境中。而现实中，医学影像的产生环境存在大量系统性差异，这些差异不会因为训练数据规模变大就自动消失。

第一个差异来自Scanner（扫描设备）。不同厂商、不同型号的CT或MRI设备，即使扫描同一个部位，输出图像的噪声特征、对比度、分辨率都可能存在细微但系统性的差异。如果基础模型的预训练数据主要来自某几种设备型号，遇到训练时没见过的设备型号，表现可能出现意料之外的下降。

第二个差异来自Population（人群特征）。不同地区、不同医院收治的患者群体，在年龄结构、疾病谱、体型特征上可能存在明显差异。一个主要基于某一类人群数据训练的模型，迁移到人群特征差异较大的另一家医院，模型学到的统计规律未必同样适用。

第三个差异来自Protocol（扫描协议）。同样是CT检查，不同医院、甚至同一医院不同科室，扫描参数（如层厚、造影剂使用方式、采集角度）都可能不同。这些协议差异会直接反映在图像特征上，是影响模型迁移表现的另一个重要变量。

正因为存在这些差异，负责任的做法是在模型进入新的医院环境之前，进行针对性的External Validation（外部验证）——用目标医院自己的数据重新评估模型表现，而不是想当然地认为“预训练数据够大，到哪里都能用”。这也是为什么即便是被寄予厚望的基础模型路线，业界依然强调它是研究和发展中的方向，而不是可以直接宣传为“一套模型诊断所有疾病”的成熟产品。

规模是起点，不是终点

基础模型带来的规模效应，确实为医学影像AI打开了新的可能性，但规模本身解决的是“覆盖更多任务、降低标注成本”的问题，不能替代针对具体医院、具体设备、具体人群的验证工作。见过更多数据是一个好的起点，能不能在你所在的医院稳定工作，仍然是一个需要单独回答的问题。

本文介绍医学影像基础模型的研究方向与一般性技术原理，具体研究进展请以同行评审文献和官方技术资料为准。