放射科是 AI 第一个从实验变成日常的医学领域。检测病灶、给工作列表排优先级的系统，如今跑在真实的医院里，有监管许可，也有发表的前瞻性结果。这是真实的成就——同时也带着一组不会出现在准确率数字里的特定问题。
真正落地的是什么
- 乳腺钼靶。 研究最多的应用。AI 既作为阅片辅助——给放射科医生标出可疑区域——也在前瞻性研究中用于分诊以减少读片工作量。多个系统已取得监管许可；部分医疗系统开展了大规模前瞻性评估。
- 肺癌筛查。 胸部 CT 上的肺结节是一个定义清晰的检测任务，AI 辅助在许多筛查项目中已是常规。
- 卒中出血预警。 系统标记疑似大血管闭塞或颅内出血并提醒值班团队，压缩"从扫描到治疗决策"的时间。这是速度（而非单纯准确率）产生获益最清晰的场景之一。
- 偶发发现与分诊。 肺栓塞、气胸、骨折——模型标记可能的阳性，让它们排到队列前面。
- 分割与测量。 肿瘤体积测量、放疗计划的器官勾画、心脏功能指标——这些对人类而言枯燥、又非常适合自动化的任务。
为什么影像是第一个
结构性原因，不是巧合：
- 原生数字数据，格式标准化，且已被大规模归档
- 任务定义清晰——"这里有没有病灶"比"诊断是什么"更接近模式识别擅长的事
- 有真值——活检、随访或专家共识
- 有天然的工作流位置——模型嵌在图像获取与放射科医生之间，医生仍是决策者
- 软件作为医疗器械已有监管先例
那个不是重点的数字
论文里的 AUC、敏感度与特异度，是在与医院不匹配的条件下的测量值。两者的落差正是多数失望的来源：
- 分布偏移。 在三家医院、单一设备厂商影像上训练的模型，到了第四家会看到不同的患者构成、不同的扫描协议和不同的硬件。性能会下降，而且往往下降明显。
- 富集测试集。 疾病患病率偏高的数据集让敏感度看起来很好；在筛查人群中，同一个模型会产生多得多的假警报。
- 阅片研究 vs. 真实实践。 "有 AI 的放射科医生胜过没有 AI 的"通常是在实验室环境里测的，而医生知道自己正在被研究。
- 结局证据稀缺。 多检出病灶不等于患者活得更久。以死亡率或间期癌率为终点、且统计效能充分的研究，远比检测类研究稀少。
真正要紧的失败模式
- 自动化自满。 当模型通常是对的，人类审阅者就不再细查。对于模型判错的那一小部分，"人+AI"系统的错误率可能比单独的人更差。
- 警报疲劳。 一个对过多正常检查报警的分诊模型，最终会被忽略。
- 过度诊断。 更强的检出能力会找到更多惰性病变——那些本不会造成危害的异常。更多诊断并不自动等于更好结局，这在筛查项目中是真实存在的顾虑。
- 静默退化。 设备软件更新或协议变更都可能让性能漂移，若无主动监测，数月无人察觉。
- 公平性缺口。 训练数据中的代表性不足，会造成可按人群测量的性能差异——这是一个严肃且活跃的研究方向。
- 技能退化。 这是长期担忧而非已测量的事实：总是借助辅助来阅片的住院医，能否发展出独立能力。
对患者意味着什么
- 你的片子仍然由放射科医生读。 这些工具是决策支持，不是自动驾驶。
- AI 检出的发现同样需要被证实，标准与其他发现一致——而且它可能最后什么都不是。
- 你可以问是否使用了 AI，多数机构对此有披露政策。
- 筛查决策并未因 AI 而改变。 按年龄与风险的准入标准，仍决定这次检查该不该做。
- 更多发现可能意味着更多随访检查——这是同意筛查前值得知道的权衡。
怎么读一条影像 AI 的说法
- 是用了训练之外站点的外部验证，还是单中心的数据切分？
- 测试集的患病率是否符合预期用途的实际水平？
- 是前瞻性的，还是对归档影像的回顾性分析？
- 对照是什么——无辅助的放射科医生，还是专家共识小组？
- 结局是什么——检出率，还是患者在意的东西？
- 有没有上市后监测，并按亚组公布性能？
结论
影像 AI 是真实的、有用的，也比标题党所说的更窄。它最强的场景，是任务定义清晰、输出又对时间敏感的那一类——卒中预警、结节检出、钼靶分诊。它的风险主要不在于模型不准，而在于分布偏移、过度依赖，以及"检出更多异常"与"改善结局"并非同一件事。恰当的定位是：一个很好的助手，而在流程的末端仍然有一位受过训练的人。
本文为科普教育内容，讨论的是工作流工具而非诊疗建议。患者与医生请遵循所在机构的政策。