王振常

截至2024年6月，可查证的医学影像AI相关第三类注册证已批92张，单家企业最多持有13张。然而，看似繁花似锦的背后，是“活得不舒服、没有商业模式”的企业、散在的医院应用、未被改变的工作效率与人力成本。王振常院士一针见血地指出，其根源在于技术供给与临床核心需求之间出现了严重的结构性错位，并提出了涵盖四个关键维度的系统性破局路径。

  需求错位： 临床场景倒逼AI工作流系统性重构

王振常院士直指当前医学影像AI产品的根本性缺陷：其功能设计与医学影像科真实工作流程及临床需求严重脱节。临床需要的并非针对单一病灶的孤立识别，而是对特定解剖区域（如心脏、腹部）进行整体评估的服务。然而，现实却是市场上充斥着肺结节软件、脑梗死软件等聚焦单病种、单征象的碎片化工具。“AI实现的功能和我们临床要求的功能完全不符”，他强调：这种单点突破的研发路径与影像科医生需要全面阅读影像、综合分析、发出完整报告的服务模式和工作链条相去甚远。

因而，医学影像AI必须跳出“单病种工具包”的思维定式，转向深度融入并重构医学影像科的核心工作流。可考虑利用各地区已有的影像云平台等庞大数据基础，开发能够支撑从影像调阅、智能识别、病变区域/器官整体评估到结构化报告生成的全流程式的智能系统。AI的目标应是提升医学影像科服务临床的整体效能，而非仅仅替代某个诊断环节。

  数据治理： 全维度管理是激活AI潜能的基石

数据是新质生产力的核心生产资料，数据挖掘则是生产方式，数据质量决定了AI发展的天花板。王振常院士痛陈当前数据的严峻现状：“数据不规范不完整、数据孤岛现象比比皆是。”以超声检查为例，绝大多数医院仅存储静态截图，而非完整的动态筛查影像，这直接导致针对超声的AI研发陷入无矿可采的境地。数据的价值在于其完整、规范、持续的全维度属性，“如果数据都不好，AI好不了”。当前数据距离成为可用的要素和可交易的商品差距巨大，治理工作远远不够。

因此，我们需要大力投入医学数据治理的基础工程。例如，制定并执行数据采集标准，确保影像数据的完整性、规范性。整合多中心数据，覆盖疾病全生命周期，关注数据的持续性和动态特征。还要将各种非结构化数据（如论文、报告）中的知识点进行有效提取、治理，转化为机器可用的生产资料。如此，才能将海量医疗数据矿藏冶炼成可支撑高水平AI发展的精钢。

  开发失序： 需顶层规划终结低效重复与资源浪费

在AI工具开发层面，王振常院士观察到临床上目前存在严重混乱与重复劳动。各医院、科室都在做开发，但缺乏统一规划和顶层设计，陷入低水平重复投入的泥潭。他举例：三年前其医院开发了一款通过对话即可自动生成病历的AI工具，随后发现好多医院都在做类似工作。这种各自为政、闭门造车的模式，正造成巨大的资源浪费。王振常院士直言：当前AI工具开发现状不乐观，真正高水平、能稳健应用于临床的工具稀缺，提升空间巨大。

这种现状亟需通过强有力的国家级或行业级顶层设计与规划，明确研发分工与路线图，清晰界定谁该做什么、该怎么做，以此避免重复投入，引导资源聚焦核心瓶颈技术。此外，还可考虑建立协同开发平台，促进数据、算法、算力资源的共享；构建评估认证体系和标准，筛选并推广优质工具。其最终目标是终结无序竞争，提升研发效率以及产出工具的整体质量与临床适用性。

  落地之困： 执行力与观念变革是全面应用的钥匙

AI在临床的应用，还面临着即使开发出很好用的工具，其落地推广仍面临巨大阻力。王振常院士以其医院自身推广遇阻的案例揭示了核心痛点：医生固有的工作习惯和对变革的潜在抵触。AI工具生成的内容往往“比他写得全，更规范化、结构化”，但许多医生仍倾向于不用。这种对规范化、结构化工作方式的不适应成为无形屏障。

想打破这些思想的坚冰，还需强有力的政策驱动和观念引导等多管齐下。例如，可考虑将AI工具使用纳入诊疗规范、质控标准、绩效考核或医保支付体系，形成强制性或激励性机制。医院管理层需适时展现决心，提供必要培训、技术支持，移除流程障碍。此外，整个社会及医院还需帮助医生理解，AI是提升效率、保障质量的好助手，而非替代者；需通过展示实际临床效益，如节省时间、减少差错等，不断对医生的认知进行更新，促使其逐渐接受新的工作范式。

  结语  

王振常院士的精辟分析，为破解医学影像AI的困局勾勒出一幅清晰的行动蓝图。其核心在于协同推进四个相互关联的维度：工作流重构（紧密贴合临床实际需求）、数据治理筑基（实现全维度、高质量数据管理）、研发秩序重塑（依靠顶层设计避免重复浪费）以及应用生态构建（通过政策引导与观念转变扫除落地障碍）。唯有如此系统性发力，医学影像AI方能突破当前瓶颈，实现从可用到真正好用的质变，最终充分释放其在提升诊疗效能、保障医疗质量和优化资源配置方面的革命性潜力。

当前，国家层面的支持和地方实践正为此破局提供有利环境。王振常院士的呼吁，是对整个行业的政策制定者、数据管理者、技术开发者、医疗机构、临床医生等提出的协同行动建议。回归临床价值、构建协同生态，医学影像AI方能走出困局，迎来实质性的繁荣，最终惠及医患，服务健康中国建设。