随着人口老龄化和慢性病发病率的增长，医疗诊断的压力达到了前所未有的高度。根据最新数据，英国国家医疗服务体系（NHS）中80%的患者治疗路径依赖于放射科检查——包括X光、超声波、CT和MRI扫描。这使得诊断需求逐年增加，某些模式的需求远远超过现有能力。
尽管放射科在医疗领域扮演着至关重要的角色，但广泛的人才招聘冻结及放射科人员短缺继续对诊断造成影响。根据皇家放射学会（RCR）2025年的一篇文章，癌症治疗尤其受到估计1,962名顾问放射科医生和185名临床肿瘤科医生短缺的影响。这导致等待时间目标无法达成，治疗可能延迟，并对患者结果产生负面影响。
问题的规模
根据RCR最新的临床放射学普查报告，按照当前趋势，预计到2028年放射科劳动力将出现40%的短缺（约3,670名放射科医生）。为了填补这一空缺，NHS陷入了依赖昂贵合同工的困境，而那些在职人员则被要求承担更多不规律的工作时间，使他们面临职业倦怠的风险。
根据2025年3月发布的2024年NHS员工调查，41%的员工因工作相关压力感到身体不适。这些劳动力短缺及其对生产力的连锁反应形成了一个恶性循环，导致医院信托机构进一步积压和延误，许多人甚至在退休年龄前离开该行业。
随着计划推进数百万额外预约以清除当前NHS候诊名单积压，对人力资源的依赖——尤其是放射科等科室的额外压力——从未如此之大。因此，即使短期内放任劳动力短缺不管，也绝非可行选项。
立即采取行动
尽管解决招聘挑战并吸引新鲜人才进入该行业对未来解决劳动力短缺至关重要，但现实情况是，这些举措的好处需要数年才能显现。
例如，在英国，诊断放射技师必须完成为期三至四年的全日制诊断放射学学位或硕士学位。而成为一名临床放射科医生则至少需要十二年的培训：五至六年医学院学习，两年NHS基础项目，再加五年专科培训。
面对不断增长的职业压力，亟需采取即时措施支持放射科工作人员——这正是技术，特别是人工智能（AI），发挥日益重要作用的地方。
满足需求
AI的进步为减轻诊断和更广泛的医疗负担提供了巨大的潜力，像放射技师协会（SoR）这样的组织认识到其在快速且更准确地满足患者需求方面的重要性。然而，这些工具并不旨在取代放射科医生。在这样一个高风险环境中，生死决策司空见惯，人类监督和参与决策仍然至关重要。相反，重点应放在使用AI来增强临床医生的能力，减少重复和耗时任务的负担，让他们专注于需要人类专业知识的复杂病例。
例如，配备深度学习重建（DLR）AI算法的医学成像系统可以自动区分“噪声”与真实信号，从而提供更清晰的细节和图像质量。通过利用这项技术，扫描时间得以缩短，放射科医生能够更容易获得有效决策所需的清晰度，同时患者的体验也更加顺畅。
除了提高扫描质量外，AI和深度学习技术还可以通过优化工作流程显著提高放射科医生的生产力和效率。例如，目前已有工作流程自动化解决方案可自动执行扫描规划和患者定位等步骤。使用解剖标志检测（ALD）技术的自动扫描规划可以准确识别执行所有常规检查所需解剖结构，实现全自动扫描规划。
扫描后关键步骤的自动化也有助于简化患者的诊断和治疗过程。通过自动从扫描仪导出图像并以整合格式呈现——基于患者特定信息进行分析、标记和排序——相关信息已准备好供相关护理团队解读。这样可以确保紧急病例被快速适当地标记和分级，帮助支持工作量优先级划分，并确保在交付点及之后作出自信的临床决策。
在医疗保健中拥抱AI
AI当然不是解决放射科劳动力当前面临挑战的快速修复方案，但如果有效地适当应用，它可以显著缓解压力，提高生产力，并改善患者和员工体验。确保NHS信托机构的首席信息官（CIO）理解并认可其带来的益处，对于确保诊断部门能够应对当前NHS候诊名单积压至关重要。
但旅程不止于放射科。类似方法必须贯穿患者护理路径的每个阶段——从治疗规划到诊断后的管理。这种整体方法将确保AI在整个医疗生态系统中推动有价值的变革，而不是仅仅将需求转移到链条下游。
劳动力短缺存在于整个医疗行业，因此必须在每个层面和每个部门考虑创新，以实现真正的影响。
(全文结束)
