AI可以帮助医院更快地解读扫描结果、缩短MRI检查时间并创造额外的影像检查容量。但放射学领域的领导者表示，许多患者仍然难以获得影像检查，原因在于算法无法解决的问题：交通、儿童照护、保险覆盖和工作时间安排等。
随着医疗系统大力投资AI驱动的影像工具，一个与兴奋情绪同时出现的问题是：声称AI正在扩展医疗服务可及性，这实际上意味着什么？
对于一些机构而言，可及性意味着减少等待时间并增加扫描仪容量。对其他机构来说，最大的障碍完全存在于放射学部门之外。
位于芝加哥的西北医学中心(Northwestern Medicine)已将AI作为在不增加员工或延长运营时间的情况下提高影像检查容量的关键工具。
其中最显著的进展来自MRI领域。传统上，全脊柱MRI检查可能需要60至90分钟。借助AI软件，西北医学中心已将部分检查时间缩短至30至45分钟。结果是检查量大幅增加。
"在我们的许多医院区域，我们在相同人员配置资源和相同运营时间下，看到了近30%的检查量增长，"西北医学中心核医学与分子影像系统主任亚伦·斯通西弗(Aaron Stonecipher)向《贝克医院评论》(Becker's)表示。
该医疗系统通过扫描仪利用率、每日影像检查量和检查时长等指标来衡量成功。斯通西弗先生表示，增加的容量是一种可及性改善，因为它创造了更多的预约可用性，同时减少了患者在扫描仪内花费的时间。
西北医学中心还在影像采集之外应用AI。该医疗系统已部署工具以帮助加速预先授权工作流程，并通过结果管理计划支持后续护理，该计划可识别放射学报告中的偶然发现，并帮助确保患者收到适当的通知和转诊。
但斯通西弗先生承认，吞吐量只是可及性方程的一部分。
当被问及患者为何延迟或放弃影像检查时，他引用了预约可用性、患者对检查必要性的理解以及费用作为最常见的因素。该机构没有发现证据表明患者因AI参与该过程而避免进行影像检查。
对于农村医疗系统而言，操作效率与实际可及性之间的区别可能更加明显。
在路易斯安那州的艾伦教区社区医疗(Allen Parish Community Healthcare)，AI主要通过中风影像软件进行部署，该软件有助于识别潜在的大血管闭塞并优先处理关键CT扫描。该技术可以加速中风评估，支持远程中风项目，并在放射科医生覆盖更为有限的非工作时间改善工作流程。
然而，艾伦教区社区医疗放射学主任露辛达·戴格勒(Lucinda Daigle)表示，影响影像检查的最大障碍仍然是财务和后勤方面的。她说，患者最常因"财务问题、交通问题、安排挑战和当地专科资源有限，而非对AI技术的不信任"而延迟影像检查。
据戴格勒女士称，即使AI改善了周转时间或加速了关键发现的识别，许多患者仍面临高自付额、缺乏保险、难以请假、交通挑战和有限的儿童照护选择等障碍。
"AI可以提高操作效率并支持更快的临床决策，但它并不能完全解决影响农村社区获得医疗服务的社会经济障碍，"她说。
加利福尼亚州马德拉的山谷儿童医疗(Valley Children's Healthcare)得出了类似的结论。
该儿科医疗系统在其12个县的服务区域内使用AI驱动的关键发现分诊工具，并跟踪影像采集时间减少和扫描仪利用率等指标。但放射学管理部门影像服务主任马克·托特利(Mark Toatley)表示，放射科医生的容量很少是家庭延迟护理的主要原因。
"家庭延迟或跳过影像检查的主要原因源于系统性的健康社会决定因素，包括地理和交通障碍，"他说。
他补充说，寻找儿童照护、交通挑战和农村生活的现实往往比扫描仪的可用性造成更大的障碍。
托特利先生表示，AI有时也会在护理连续体的其他地方制造障碍。
"当临床AI成功加速影像采集和放射科医生的解读时，如果我们的行政工作流程没有自动匹配，可能会无意中在面向患者的方面造成下游瓶颈，"他说。
因此，山谷儿童医疗对可及性的衡量比单纯的影像速度更为广泛。
"我们将'改善的可及性'定义为从初始医生订单到最终治疗计划的总耗时，而不仅仅是机器的速度，"托特利先生说。
这些不同的观点凸显了随着AI采用加速，医疗系统面临的一个挑战：操作可及性和护理可及性并不总是一回事。
AI正在帮助机构创造更多影像检查容量、缩短扫描时间、改进关键病例的优先级并简化行政任务。但仅靠技术无法克服决定患者最终是否获得护理的许多障碍。对于评估放射学AI投资回报的医疗系统来说，问题可能不在于AI是否改善了可及性，而在于它改善了哪种可及性。
【全文结束】
