“如果我们有更多的时间就好了。”这是我作为一名放射科医生每天都会有的感受，当时我正忙于处理不断涌现的影像检查。放射科的时间压力日益加剧，放射科医生和影像工作人员承受的压力越来越大，患者也面临着可能改变生活的护理延迟。这是一个系统性问题，我在与世界各地的放射学领导交流时，他们明确表示：他们不仅需要更好的影像质量，还需要能够帮助他们更高效工作的工具。而这正是AI能够发挥作用的地方。“我们不仅需要更多的像素；我们还需要更高的生产力。”当我和我的创新团队交谈时，我经常分享这位我在会议上遇到的放射学领导的观点，以强调我们从全球客户那里听到的一个迫切需求。当然，放射学领导重视最新的影像分辨率进展，但最重要的是，他们希望找到能够帮助他们提升容量和效率的解决方案，而不会牺牲质量。在患者需求不断增长和人员持续短缺的时代，时间已成为放射学中最宝贵的资源，而且永远都不够用。这种时间紧迫的人力成本已经得到了充分的记录。根据2024年《美国放射学杂志》的一项研究，超过三分之一的放射科医生正在经历职业倦怠[1]。缺乏时间和人员不仅对放射科医生是一个挑战，也影响了患者。在我们的2024年未来健康指数报告中，77%的医疗保健领导者报告称，由于人员短缺导致护理延迟。影像检查的积压可能会错过诊断，而癌症治疗的延迟——这可能是致命的——在某些医疗系统中不幸地变得“常规”[2, 3]。我们不能通过招聘来摆脱这场危机，建造新的放射科房间通常也变得过于昂贵。相反，我们必须通过增强现有放射科医生和影像工作人员的技能和效率来赋能他们。这就是AI的作用所在。然而，有一个陷阱：在放射科的工作流程中，每个步骤都是相互关联的——从收集和组织患者之前的资料到影像采集、解释、报告和向患者传达影像检查结果。如果我们只优化其中一个步骤——例如，加快扫描过程——我们可能会在另一个步骤中造成瓶颈——因为在这种情况下，这意味着放射科医生现在必须更快地阅读更多的检查结果。零敲碎打的方法不适用于AI。我们必须优化整个工作流程。以下是具体方法：
AI如何帮助放射科医生节省时间并减少护理延迟
要以有意义的方式在整个放射科工作流程中应用AI，我们必须从放射科医生、影像工作人员和患者的需求开始。影像解读是放射科医生接受培训的工作，也是他们觉得最有成就感的部分（我当然也是如此）。自然而然地，与同事讨论病例并与患者互动也非常有成就感。根据我的经验，这些通常是影像工作人员最喜欢的工作方面。通过使用AI自动化非增值任务，我们可以腾出更多时间用于这些核心活动——这对患者也有好处，因为他们会得到更个性化、及时的护理。以CT为例，这是最常用的影像模态之一。在影像采集过程中，AI可以帮助患者定位，将定位时间减少多达23%[4]。安装在患者床上方的AI摄像头可以识别关键解剖点和方向，自动完成通常手动进行的过程。特别是对于经验较少的技术员来说，这可以增强他们的信心，节省定位时间，让他们更多地关注患者。然后，AI驱动的图像重建技术可以在高速度下提供高质量的图像，同时最小化患者受到的辐射[5]。AI的故事还没有结束。智能工作流程优先级可以自动将病例分配给合适的亚专科放射科医生，按照正确的顺序，在合适的时间进行，基于各种参数包括AI辅助筛查。因此，意大利的一家医疗机构能够将其放射科工作流程加速50%，显著提高了其为更多人提供更好护理的能力[6]。更重要的是，AI可以支持放射科医生的临床决策。例如，在CT肺癌筛查中，早期发现对改善患者预后至关重要，AI可以帮助放射科医生更快地识别肺结节（快26%），检测出之前未发现的29%的结节[7]。对患者而言，这意味着可能更早地获得潜在的救命护理。
生成式AI的潜力：从更快的报告到患者赋权
以上所述的一切今天已经实现。但随着生成式AI的迅速崛起，我们才刚刚开始触及可以实现的目标的表面。难怪我们的2024年未来健康指数报告显示，85%的医疗保健领导者已经在或计划在未来三年内投资生成式AI。生成式AI有望创造进一步节省时间的机会，使放射科医生和患者都受益。例如，使用生成式AI的对话式报告允许放射科医生按需口述，而最终报告则转换为一致的报告格式。AI实时优化报告，添加诊断印象，并将不一致之处反馈给放射科医生。这减少了编辑时间，通过整合患者病史和临床背景，保持高报告质量。对患者而言，更快的报告意味着更快的诊断和更好的整体护理。在癌症护理等领域，生成式AI可能会带来革命性的变化，通过总结大量的历史报告，为护理团队提供对患者病史的即时洞察。肿瘤学家通常需要审查大量之前的影像报告。生成式AI可以提供快速摘要，帮助他们专注于制定治疗计划，而不是筛选大量报告。我设想一个未来，生成式AI能够大规模地将影像检查和其他医疗报告翻译成普通人的术语，并以患者选择的语言呈现——几年前这似乎是不可能的。这有助于弥合阻碍患者充分理解诊断或积极参与自身护理的健康素养差距。想象一下能够与自己的医疗记录对话的情景——借助生成式AI，这在不久的将来可能会成为现实。
在开放生态系统中推进AI
为了充分利用生成式AI的这些可能性，我们需要云的可扩展计算能力。将诊断功能集成到云端将进一步增强不同专家之间的临床协作——包括肿瘤学家、放射科医生和病理学家——通过随时随地访问关键信息。最终，这将创建一个集成的诊断环境，所有相关的患者数据都易于访问，以便更快地做出决策和更个性化的治疗计划，AI充当智能助手。当你考虑可以在放射科工作流程中优化的所有时刻，以及需要整合的所有患者数据时，显然没有一家公司可以单独实现这一点。合作伙伴关系是必不可少的——无论是通过使不同系统更无缝地交换信息，还是通过将AI算法集成到常见的技术平台中。与监管机构的合作同样重要，以加速AI的安全和负责任的采用。作为医疗保健领导者，我们有机会以一种方式拥抱AI，从而赋能医疗保健专业人士和患者——创造一个未来，放射科不再受制于限制，而是由我们能够提供的护理质量定义。随着放射科部门面临越来越大的压力，我们当然没有时间等待。
(全文结束)
