人工智能辅助医学影像诊断临床应用专家共识（2025版）

汇报人:XXXX2026.07.27人工智能辅助医学影像诊断临床应用专家共识（2025版）CONTENTS目录01

共识制定背景与目的02

AI辅助医学影像诊断的基础定义03

临床应用的适用范围04

AI辅助诊断的技术规范要求CONTENTS目录05

临床实施操作流程06

临床质量控制管理07

伦理与合规要求08

未来推广与发展建议共识制定背景与目的01AI影像诊断技术落地提速国内已有联影、推想医疗等企业推出成熟产品，覆盖CT、MRI等多类影像诊断场景。基层医疗AI应用需求激增基层医院影像医生缺口大，AI辅助诊断可快速提升阅片效率，缓解诊疗资源紧张问题。数据标准化程度待提升不同医疗机构影像数据格式不统一，为AI模型训练与跨院应用带来较大阻碍。行业发展现状共识制定的目的

规范AI影像诊断临床应用明确AI辅助诊断的操作标准与适用范围，避免误诊漏诊，如规范AI在肺癌CT影像诊断中的使用流程。

提升基层医疗诊断能力借助AI技术弥补基层医疗机构影像诊断资源不足问题，助力基层医生精准识别常见疾病影像特征。

推动AI医学影像技术合规落地制定统一的伦理与安全准则，指导AI影像产品合规进入临床，保障患者数据安全与诊断可靠性。共识适用范围综合医院影像科及临床科室适用于三甲、二甲综合医院的放射科、超声科等影像科室，以及内科、外科等相关临床科室。第三方医学影像诊断机构涵盖独立运营的医学影像中心，为其开展AI辅助影像诊断业务提供规范指导。基层医疗卫生机构适用于社区医院、乡镇卫生院等基层机构，助力其提升影像诊断能力与水平。AI辅助医学影像诊断的基础定义02AI辅助医学影像诊断的技术定位指依托深度学习等算法，对医学影像进行智能分析，辅助医师完成病灶识别等诊断环节的技术。AI辅助医学影像诊断的临床边界仅作为医师诊断的辅助工具，不可独立出具诊断报告，如谷歌DeepMind的AlphaRadiology仍需医师复核。核心概念界定技术分类说明

基于深度学习的影像识别技术以谷歌DeepMind的AlphaFold为相关延伸，通过海量影像数据训练模型，精准识别病变特征。

基于传统机器学习的影像分析技术借助支持向量机等算法，对影像纹理、灰度等特征提取分析，辅助判断病灶性质。

多模态融合诊断技术整合CT、MRI等多种影像数据，通过AI算法交叉验证，提升复杂病症的诊断准确率。临床应用的适用范围03中枢神经系统影像应用颅内肿瘤影像辅助诊断AI可辅助识别脑胶质瘤、脑膜瘤等颅内肿瘤的位置与边界，如协助区分胶质母细胞瘤的坏死区域。脑血管病变影像评估针对脑梗死、脑出血等脑血管病变，AI能快速定位病灶，为急性脑卒中患者争取黄金救治时间。神经系统退行性病变筛查AI可分析阿尔茨海默病患者的脑磁共振影像，精准识别脑萎缩特征，助力早期筛查与干预。胸部影像辅助诊断应用

肺癌早期筛查辅助诊断AI可精准识别胸部CT中的微小结节，如低剂量CT筛查中，协助医生发现早期肺癌病灶，提升筛查效率。

肺炎影像快速评估针对新冠、细菌性肺炎等，AI能快速分析胸部X光或CT影像，判断炎症范围与严重程度，辅助临床决策。

胸部外伤影像智能研判AI可自动识别胸部CT中的肋骨骨折、血气胸等外伤征象，为急诊外伤患者的快速诊断提供支持。腹部影像辅助诊断应用肝脏病变辅助筛查AI可快速识别肝硬化、肝癌等肝脏病变，如协助医生筛查早期肝结节，提升诊断效率与精准度。胰腺疾病辅助诊断针对胰腺炎、胰腺癌等胰腺疾病，AI能精准识别影像中的异常信号，为临床诊断提供参考依据。肠道病变辅助分析AI可辅助识别肠道息肉、肠癌等肠道病变，像对结肠镜影像的智能分析，助力早发现早干预。创伤性骨关节损伤影像分析AI可快速识别骨折、脱位等创伤病变，像北京积水潭医院就用其提升急诊影像诊断效率。退行性骨关节病影像评估AI能精准量化关节间隙狭窄、骨质增生程度，辅助医生判断骨关节炎的发展阶段。骨关节肿瘤影像鉴别AI可区分良恶性骨关节肿瘤的影像特征，帮助医生更早发现如骨肉瘤这类恶性病变。骨关节影像辅助诊断应用乳腺影像辅助诊断应用乳腺X线摄影影像辅助诊断针对乳腺钙化、结构扭曲等早期病变，AI可快速识别可疑征象，如协助筛查乳腺癌高发人群的微小病灶。乳腺超声影像辅助诊断AI能精准区分乳腺结节的良恶性特征，比如对BI-RADS分类3类及以上结节的量化分析，提升诊断效率。乳腺MRI影像辅助诊断针对致密型乳腺的病变识别，AI可强化MRI影像中的病灶信号，助力早期发现隐匿性乳腺癌病灶。AI辅助诊断的技术规范要求04训练数据来源的合规性要求需采用经患者授权、符合《个人信息保护法》的临床数据，如华西医院合规脱敏的影像数据集。训练数据标注的精准性要求需由副高及以上职称医师完成标注，像北京协和医院建立的影像标注质控体系就颇具参考性。训练数据覆盖的全面性要求要覆盖不同年龄段、病症分型的影像数据，例如涵盖从儿童到老年的肺癌CT影像样本。训练数据的标准要求模型算法性能要求诊断准确率达标要求

需满足不同病种影像诊断准确率阈值，如肺癌CT影像诊断准确率需不低于95%，符合临床诊断标准。特异性与敏感性指标要求

模型需具备高特异性与敏感性，以乳腺癌钼靶影像诊断为例，特异性需达90%以上，减少误诊漏诊。跨设备兼容性性能要求

模型需适配不同品牌影像设备，如GE、西门子等设备生成的影像，诊断性能偏差需控制在5%以内。系统兼容性要求

与主流影像设备数据格式兼容需支持DICOM等国际通用医学影像格式，适配GE、西门子等主流品牌设备的输出数据。

与医院现有信息系统对接兼容要能无缝对接HIS、PACS等医院信息系统，实现患者数据的双向顺畅传输与调取。

跨操作系统平台兼容需支持Windows、Linux等主流操作系统，满足不同医院信息化部署的多样环境需求。AI诊断决策逻辑可视化需将AI识别病灶、判断病情的逻辑以热力图、流程图呈现，方便医生溯源验证。诊断关键特征明确标注AI需对影响诊断结果的关键影像特征进行标注，如肺结节的大小、密度等核心指标。算法决策依据合规说明AI的诊断依据需符合临床诊疗指南，比如参照《肺癌诊疗指南》设定判断阈值。算法可解释性要求数据安全防护要求患者影像数据加密传输AI辅助诊断过程中，需采用端到端加密技术传输患者影像数据，如依托SSL/TLS协议保障传输安全。影像数据存储权限管控需建立分级授权机制，仅为相关医护人员开放对应权限，避免如患者CT影像数据被无关人员调取。数据泄露应急响应机制需制定完善的应急方案，一旦发生数据泄露，可参照某三甲医院流程快速溯源并采取止损措施。临床实施操作流程05检查前准备要求

影像设备参数校准检查前需对CT、MRI等设备进行参数校准，如调整CT扫描层厚，确保影像成像精度符合诊断标准。

患者信息精准采集需采集患者完整病史、过敏史等信息，比如记录造影剂过敏案例，为后续诊断提供全面依据。

患者术前状态确认需确认患者禁食、禁水等术前状态，像腹部CT检查需提前8小时禁食，避免影响影像判读。AI辅助诊断流程

影像数据智能预处理系统自动完成影像降噪、病灶分割等操作，如胸部CT影像可精准提取肺部区域，提升诊断效率。

AI模型自动分析诊断基于训练好的模型识别病变特征，如AI能快速标注乳腺钼靶影像中的钙化点，给出初步诊断结论。

医师复核与修正诊断影像医师结合AI结果进行人工复核，对存疑病例调整诊断，确保诊断结果的准确性与可靠性。临床报告审核规范

AI初诊报告双维度校验需对AI生成的影像特征描述、病理预判结论双维度校验，参考华西医院的交叉复核机制。

人工复核分级审核依据影像疑难程度分级，普通病例由住院医师审核，疑难病例需主任医师终审签字。

报告资质准入核查审核人员需具备影像诊断执业资质及AI辅助诊断系统操作认证，确保审核专业性。临床质量控制管理06诊断准确率管控

AI诊断模型定期性能校准每月对AI诊断模型开展性能校准，参考华西医院的校准流程，确保模型诊断准确率稳定达标。

人机诊断结果比对核查每日抽取20%的影像病例开展人机诊断结果比对，像北京协和医院那样，及时修正偏差提升准确率。

疑难病例多维度复核针对疑难影像病例，结合AI报告、医师诊断及病理结果复核，借鉴湘雅医院模式保障诊断精准性。漏诊误诊防范要求AI诊断结果双复核机制要求AI初诊后，需经高年资影像医师及专科医师双重复核，像北京协和医院已推行该流程。影像数据标准化采集规范严格统一CT、MRI等影像设备参数与采集体位，避免因数据偏差引发误诊，如联影医疗制定的采集标准。AI模型实时性能监控建立AI模型性能动态监测体系，一旦识别准确率下降，立即启动模型优化，如阿里医疗的AI监测系统。定期性能评估要求

影像识别准确率月度抽检每月随机抽取50份标注清晰的影像病例，检测AI识别准确率，要求达标率不低于95%。

病灶检出敏感性季度测评每季度选取含罕见病灶的100份病例，测评AI病灶检出敏感性，参考北京协和医院测评标准执行。

报告一致性年度复核联合三甲医院影像科专家，年度复核AI生成报告与医师诊断报告的一致性，偏差率需控制在3%以内。异常问题处理流程

影像AI误判异常处置发现AI误判后，需立即启动人工复核流程，参考北京协和医院的复核机制，第一时间修正诊断结果。

设备故障应急处理设备突发故障时，迅速切换备用影像设备，同步记录故障信息，按照华西医院预案保障诊断不中断。

数据传输异常处理出现数据传输中断时，启动本地数据缓存调用方案，参照湘雅医院流程，确保诊断数据完整可用。伦理与合规要求07医学影像数据加密存储采用端到端加密技术存储患者影像数据，如某三甲医院通过区块链加密确保数据不被非法获取。影像数据访问权限管控建立分级授权机制，仅相关诊疗人员可按需访问，避免无关人员接触患者隐私影像。影像数据脱敏处理去除影像及关联文件中的姓名、身份证号等标识信息，像AI诊断平台都会先完成脱敏再分析。患者隐私保护临床责任划分

AI辅助诊断工具研发方责任研发方需保障算法准确性，如某AI影像工具因算法漏洞漏诊，研发方需承担相应技术责任。

影像科医师责任医师需对AI生成的诊断结果进行复核，像肺癌影像诊断中，医师要最终确认病理结论。

医疗机构管理责任医疗机构需建立AI诊断流程规范，明确各方权责，比如制定AI辅助诊断的审核签字制度。未来推广与发展建议08搭建轻量化AI影像诊断系统针对基层医疗机构设备现状，开发适配普通影像设备的轻量化系统，如腾讯觅影基层版，降低部署门槛。开展基层医护人员专项培训联合医科院校开展实操培训，让基层医生掌握AI影像工具的使用方法，提升诊断协作能力。建立分级诊疗AI协作机制搭建上下级医院AI影像数据共享通道，基层上传影像后可获得上级专家结合AI结果的远程指导。基层临床推广建议后续研究方向建议

多模态医学影像融合算法研究可探索将CT、MRI与病理影像数据融合，提升早期肺癌等疾病的诊断精准度与效率。

AI诊断模型的跨人群适配性研究针对不同种族、年龄段人群优化模型，解决当前模型在老年群体诊断