反思医学影像AI：假设、现实与重新定位

一篇arXiv论文认为，医学影像AI十年研究未能转化为相应的临床应用，主要问题不在于算法性能、监管或可解释性，而在于AI系统设计与评估方式同临床决策方式之间的结构性错位。论文识别了六方面错位，并提出以智能体化、与医生对齐的AI为核心的前进方向。

该论文将临床落地失败归因于结构性错位，而非通常的技术瓶颈，挑战了行业主流认知，可能影响AI医疗产品的设计、评估和投资方向，促使从业者重新审视以像素为中心的模型策略。

论文指出，当前AI系统在单模态、以预测为中心的环境中开发，而临床决策依赖多模态信息、医生信任和可操作指导。数据分散且质量低，算法与部署平台脱节，导致即使算法性能优异也难以在真实临床中有效使用。

对医疗AI产品而言，需从单模态转向多模态整合，从预测结果转向可操作建议，并注重医生信任和系统透明性。产品研发需考虑数据共享与治理，以及从算法验证扩展至完整临床平台部署。

• 开发集成多模态数据的临床AI辅助决策平台，融合影像、病史和检验信息。
• 设计可解释、可交互的AI界面，让医生能审查和干预模型决策，增强信任。
• 围绕数据标注和治理建立工具链，解决非分享性数据瓶颈，支持联邦学习。
• 探索智能体式AI助手，能根据医生意图主动提供分诊建议或后续检查推荐。

• 论文提出六维错位，但未提供实证数据，其观点是否得到临床实践验证？
• 智能体化、与医生对齐的AI目前在技术上成熟度如何，是否有实际部署案例？
• 多模态数据的整合在隐私和数据共享方面具体如何实现，论文未给出细节。
• 从预测为中心转向可操作指导，需要哪些新的评估指标，论文未明确。