近年来，激活国产高端医学影像诊断设备不断涌现，云端医学影像让人们能够获得更清晰、多元更丰富的健康医疗健康影像信息。例如，服务一次腹部核磁检查，激活能给医生提供超3000张不同层面的云端医学影像检查图像，通过使用人工智能等前沿分析技术，多元影像还可为患者带来更深层次的健康诊疗获益。

在此背景下，服务传统胶片不仅难以承载海量的激活多维数据，还会限制诊疗水平的云端医学影像进一步提升。

前不久，多元全国医保影像云跨省调阅正式启动，健康标志着无数患者拎着胶片袋辗转求医的服务时代正成为历史。

如何乘势而为，推动医学影像质量跃升？在胶片退出历史舞台的同时，如何推动云端医学影像更好地服务人民健康？借助人工智能技术，数字世界里的影像又会出现哪些颠覆性的场景应用？近日，科技日报记者专访了中国工程院院士、首都医科大学医学影像学院院长王振常，请他把脉现代医学影像在数字化、智能化变迁中的发展。

医学影像技术发展迎来重大机遇与挑战

记者：医学影像技术发展至今，在哪些方面取得了突破？

王振常：当前临床诊疗中，75%—85%的核心信息源自医学影像。随着探测技术手段的发展，医学影像设备的空间分辨力已经跃升至微米级、时间分辨率可以达到亚毫秒级。

1895年，伦琴发现X射线，并于同年拍摄了人类历史上第一张X射线照片，开启影像技术在医学领域的应用。经过一百余年的发展，医学影像早已不仅包括传统“平面成像”形式。例如我们熟知的CT（计算机断层扫描）通过让X射线束围绕人体旋转扫描，结合计算机重建技术生成三维断层图像，提升了病灶定位精准度；而MRI（磁共振成像）技术逐步成熟，使软组织、神经系统等细微结构的清晰呈现成为可能；核医学如PET-CT（正电子发射计算机断层显像）则通过追踪放射性示踪剂的分布，精准捕捉器官功能与病变，为肿瘤早期诊断、转移灶探测提供了关键支撑。

这些技术能够无创、高清地呈现器官结构与功能状态，不仅可以为诊疗决策提供有力的支撑和佐证，还能够帮助医生在疾病显现症状之前及早准确识别。

例如，我们团队研发的耳科专用CT将空间分辨力突破至50微米，首次实现直径仅1.5毫米的镫骨底板以及前庭窗等微米级结构的活体成像，还能精准量化听小骨链的活动幅度、骨质密度等指标。

当前，人工智能、大数据等信息技术让影像分析更加深入全面，人工智能辅助诊断系统实现病灶的快速筛查与量化分析，多模态影像融合技术则整合多种设备获取的不同模态影像信息，为疑难病症提供全方位诊疗依据。

记者：电子影像除了不让患者再拎着胶片到处跑，还有哪些优势？

王振常：无论是对于医生还是患者，电子影像都有很明显的优势。

传统胶片仅能显示部分关键断层图像，而原始电子影像包含数千张断层图像，因此，胶片无法完整呈现病变的空间关系和细节特征。此外，胶片无法建立电子追溯体系，有时会带来重复检查的问题，每年全国因胶片问题导致的重复检查费用超百亿元。

应用电子影像可以很好地解决这些问题。随着统一数据格式与接口标准的全面推行，标准化电子影像的输出存储、医学影像互融互通的程度进一步加深；各类轻量化影像浏览软件的应用，可以让医生在手机、电脑、平板等终端随时随地调阅影像，且可以放大、旋转、测量、对比影像。患者本人授权医生调阅电子影像，就像把胶片递给医生一样简单。

对于患者而言，电子影像节省了胶片的材料费用，随着检查结果互认共享工作的推进，一些不必要的重复检查也可以减免。这为患者节省了就医费用和时间，也避免了反复抽血、照射等带来的不便。

技术创新让影像存储调用更高效

记者：在医学电子影像存储和调用方面，我们面临哪些挑战？

王振常：我们在数据存储成本、调用效率等方面，面临不小的挑战。

医学电子影像的应用，意味着海量数据。我们知道，相比于文字，照片会占用更多的存储空间，而医学影像不仅包括普通格式的图片，还包括数百上千帧的连续扫描。以当前光子计数CT为例，单例影像数据量达10GB—20GB，一家三甲医院年均影像数据增量超100TB，这对数据存储空间产生了巨大需求。

因此，医院要投入大量资金来解决海量数据存储问题。常见的解决方式有自建数据中心、购买云服务等。根据门诊影像需保留15年、住院影像需保留30年的要求，一家三甲医院30年累计影像数据量将超15PB。传统集中式存储的硬件采购和维护成本极高，基层医院往往难以承担。如何建设好信息化的基础设施，实现数据集约化管理仍需各地进行摸索和实践。

数据不仅要妥善存储，还要能够随时找到。但在海量数据库中调用目标信息并不容易。这就好比在手机相册里找某一张特定的图片，如果一张张翻找很耗费时间。因此需要通过标记技术，让数据的存储路径符合医学影像的特点，这样医生就不用再“翻箱倒柜”，而是可以通过便捷的路径调用。

此外，数据层面的兼容互通也是提高医学影像利用效率的前提。当前，不同设备、不同医疗机构的数据存储格式差异较大，导致不同来源的数据整合困难、高质量标注样本稀缺，因此需要通过医学影像质量控制和标准化建设为医学影像数据的应用奠定基础。

记者：为了实现医学电子影像的高效存储和调用，我们进行了哪些技术创新？

王振常：通过普通网络传输，获取一份腹部影像可能需要十几分钟。即便调用成功，由于格式兼容性差，不同厂商设备的影像格式、编码方式不统一等问题，也可能出现基层医院的影像数据在三甲医院系统中“打不开、看不清”的情况。

解决这些问题需要持续的技术创新，例如，可以通过5G+边缘计算的方式实现影像的“秒级传输”，提升传输速度。当前，相关部门在部署医保影像云工作时，创新采用了千兆专网和智能预加载技术。当患者挂号时，医院系统可根据医保信息发出预加载请求，调用的影像通过专网进入医院部署的“前置机”，大大缩短了医生调阅跨区域影像的时间。

为实现高效检索，国家医疗保障局推出78位全国统一影像编码，为每一份影像分配唯一“身份证”。“身份证”包含患者基本信息以及检查机构、设备类型、检查时间等关键信息，解决了跨机构数据“找不到”的问题。同时，相关部门建立标准化元数据体系，支持按患者ID、检查部位、疾病类型等多维度快速检索，检索效率提升80%以上。

人工智能应嵌入医疗诊疗流程

记者：人工智能技术在医学影像领域的应用情况如何？

王振常：当前，人工智能在医学影像领域得到越来越多的应用。在一些人工智能大赛中，人工智能已经表现出解决影像诊断问题的能力，有时其准确率和诊断速度甚至超过了专业的临床医生。数据显示，截至2024年6月，人工智能医学影像领域批准了103张三类医疗器械注册证，涵盖心血管疾病、肺部疾病、脑血管疾病、骨科检查、眼底疾病、乳腺疾病等病种。

但人工智能在医学影像领域的应用推广仍面临阻碍。针对临床医生、放射科医生、影像科医生进行的全国性调研显示，50%受访者认为，人工智能难以很好地嵌入到当前医学诊疗流程中。

记者：在临床试验验证中，人工智能证明了自己看得快、算得准，为何部分受访者不看好其应用？

王振常：当前的人工智能医疗影像设备基于单病种开发，但在临床应用中，医疗影像并非聚焦于单病种。放射科医生开具的医学报告，是对患者的器官进行总体评价，而非对单病种进行评价。例如，进行肺部检查，不仅要识别肺结节，还要判断肺气肿，看有没有肺不张、肺炎，而现在的人工智能设备仅对肺结节进行评价，并不符合临床应用的要求，也不符合放射科的报告要求。

此外，当前人工智能训练数据基于图像信息，通过深度学习进行图像标注。但人工智能对于图像的解读难以达到专业水平，对图像呈现出的要素解读不全，丢了很多信息，这导致它在实际应用中显得“鸡肋”。因此在大多数临床情况下，目前的人工智能应用并未有效提高医生的工作效率，反而给医生带来了困惑和劳动强度的增加。

记者：那么，如何推动人工智能与医疗影像的结合，使其更符合临床应用要求？

王振常：首先，要在数据采集、数据质量控制等方面实现规范化、标准化和优质化。如果同样的检查，在三甲医院与基层医院结果不同，同样的设备因操作人员水平不同而表现悬殊，就谈不上共享应用。为解决这一问题，首都医科大学附属北京友谊医院作为北京市医学影像质量控制和改进中心的依托单位，在医学影像标准体系建设方面牵头起草了多个国家卫生行业标准，为各级医疗机构影像检查的规范化操作提供了权威依据。

度量衡的统一推动了不同地域互通有无，影像数据也是一样，标准统一促进了整体医学影像质量的提升和数据安全共享。目前，北京市已经形成《医学影像云平台共享数据传输技术要求》《医学影像检查报告质量控制规范》等。基于北京市医学影像云平台汇聚的数据，北京市医学影像质量控制和改进中心梳理出适用于云平台的影像质控指标，向253家医疗机构发布月报，实现了对北京区域内医疗机构影像质量的动态监测与持续改进。

在数据互通共享的基础上，可以对医学影像的整个链条进行智能化重建。这需要在智能可视化、智能感知、智能诊断、智能报告、智能解读等方面，持续构建人工智能应用新场景，使得人工智能真正融合到临床影像数据的获取、处理、阅读中，并最终支持决策，甚至反哺基础研究，为破解疾病产生机制和制定诊疗新方案提供扎实的佐证和数据。

记者：您认为未来的影像服务模式会是什么样的？

王振常：现在，北京每个月都会有大量的医学影像被云调阅，患者在手机上、医生在工作站上都可以同步访问影像。这让诊疗变得更便捷。而更大的改变在于，未来影像服务的升级将对人民健康状态产生影响。

传统上，影像的作用是评价人体的健康状态，但随着技术水平的提升，医学影像获得的信息维度也会不断增加，让人们更加了解自己的健康状态。现在的医学影像“视力”已经突破了影像本身的边界。例如，在二维的维度上，可以看到器官的横断面、冠状面、矢状面、曲面等任意方位；三维的维度上，可以看到立体信息；通过在三维空间数据中加入时间维度，可以得到四维信息；在四维基础上叠加额外属性，如透明显示、代谢信息、组织弹性硬度等，维度将持续提升。

多维影像的关联分析需要一个“科科通”的人工智能“大脑”，而不是“专科”人工智能。目前基于北京云影像平台，我们正在依托已经形成的数据库开展针对某个器官的通用数据集建设，助力构建通用人工智能。

与此同时，影像还可以助力早发现各个领域疾病，提升疾病治愈率。例如，如果肿瘤在毫米级大小时就能被发现，那么患者康复的可能性将更大；如果能在微米级、纳米级被发现，就能阻止病变迁移。在推进从“以治病为中心”向“以人民健康为中心”转变的政策指引下，医学影像与人工智能融合重构将会产生更多新的应用场景，医学影像在有力支持主动健康方面大有可为。