从结构化分级到智能分级:人工智能与ACR-RADS融合的研究进展OA
影像报告与数据系统(reporting and data system,RADS)是美国放射学会(American College of Radiology,ACR)旨在降低影像判读主观性、提升一致性的结构化风险分层框架。虽已广泛应用,但在真实世界实践中仍面临评分一致性受限、特征量化不足及跨中心可重复性差等方法学挑战。近年来,人工智能(artificial intelligence,AI)尤其是大语言模型(large language model,LLM)的发展为解决上述局限提供了新路径。文章系统梳理了主要RADS体系的结构特征及实践局限,综述了AI在病灶识别、风险再分层及流程规范化等方面的实证进展。现有证据显示,AI更适宜作为RADS的“增强层”,以提升其客观性与重复性。文章重点探讨了LLM在语义理解、自动推理及质控中的潜力,并从监管视角展望了人机协作的演进方向。该趋势对推动我国影像诊断同质化、提升基层诊疗水平及构建智能化监管体系具有重要指导意义。
黄润楸;徐飞佳;刘育宏;冯钰淇;曾锦辉;梁定邦;周淳;汪洋
南方医科大学珠江医院放射科,广东广州510280同济大学附属第十人民医院放射科,上海200072南方医科大学第二临床医院,广东广州510515南方医科大学第一临床医学院,广东广州510515南方医科大学第二临床医院,广东广州510515南方医科大学第二临床医院,广东广州510515南方医科大学第一临床医学院,广东广州510515南方医科大学珠江医院放射科,广东广州510280 同济大学附属第十人民医院放射科,上海200072
信息技术与安全科学
影像报告与数据系统人工智能结构化影像报告风险分层
《南京医科大学学报(自然科学版)》 2026 (7)
P.1083-1091,9
广东省自然科学基金项目(2023A1515012499,2025A1515010318)广州市科技计划重点项目(2024B03J0781)广东省医学装备学会科研基金项目(YZXH2025KT10)广东省基础与应用基础研究基金(2024A1515220081)。
评论