会看片，也会写报告、做质控：核医学AI开始进入临床工作流

发布时间：2026-09-23来源：思宇MedTech

文章来源：思宇MedTech

转载要求：可以直接转载，请在文首注明来源

2026年4月，一场核医学“人机阅片挑战”曾在西安引发行业关注。

5个月后，AI再次来到西安。

9月19日，在中华医学会第19次核医学学术大会暨中国核医学成立70周年纪念大会期间，一场新的AI人机协同技能竞赛在青年学组专场举行。来自全国的核医学专家组成多支队伍，与AI共同完成病灶探测、肺结节诊断、脑Aβ PET判读、PET/CT报告书写以及报告质控等任务。

与4月相比，此次比赛有一个明显变化：关键词由“人机挑战”转向了“人机协同”。

上一场比赛设置病灶探测、肺结节诊断、脑Aβ PET判读和PET/CT报告书写四轮比拼，重点考察AI在不同核医学任务中的表现。此次新增报告质控环节后，AI参与的范围进一步覆盖到报告生成之后的质量检查。

五轮比赛串联起来，已经接近核医学影像诊断的一条完整工作链路。

五轮比赛，覆盖核医学阅片、诊断和报告环节

第一轮“病灶探测赛”，考验AI从全身PET/CT影像中发现异常病灶的能力。
PET/CT一次检查往往产生大量图像，医生需要在全身范围内逐层寻找异常摄取，并结合CT判断病灶的位置、大小以及与周围组织的关系。对于多发病灶患者，这项工作需要投入较多阅片时间，对医生的注意力和经验也有较高要求。
第二轮“肺结节诊断赛”，进一步考察对病变性质的判断能力。
第三轮“脑Aβ PET判读赛”聚焦神经核医学。除视觉判读外，AI还可以结合脑区分割、标准化定量以及Centiloid等指标，为Aβ PET判读提供定量参考。
西京医院核医学科主任康飞在活动中提到，随着Aβ、Tau、FDG等神经PET检查增加，标准化定量的重要性正在提高。
此次比赛新增的后两轮，则把AI进一步带入了报告环节。
第四轮“PET/CT报告书写赛”要求AI在识别病灶后，将影像信息进行整理和分析，形成一份临床报告。
随后进行的“大家来找茬·报告质控”，进一步检查报告中是否存在病灶遗漏、前后表述矛盾以及描述不规范等问题。

由此，AI需要连续完成影像读取、信息分析、报告生成和报告检查等多个任务，对应核医学智能体所强调的四项能力：“看、想、写、查”。

“看、想、写、查”，AI开始连接多个诊断环节

过去几年，医疗影像AI较常见的应用形态，是针对某一个明确任务提供辅助。

例如肺结节检出、病灶分割、SUV测量等。不同算法分别解决不同环节的问题，在提高阅片和测量效率方面已经形成了一批应用。

此次比赛使用的核医学智能体，背后依托联影“元智”医疗大模型，将文本、影像及混合模态模型能力进行融合，使AI能够连续处理多个临床任务。

临床报告完成后，还需要检查病灶是否遗漏、影像描述与诊断结论是否一致、测量结果是否准确，以及报告格式是否规范。核医学智能体可以对相关内容进行自动检查，为报告质量控制提供辅助。

由此，过去相对分散的影像识别、定量分析和报告辅助等能力，被进一步连接到同一套工作流程中。

PET/CT报告书写，AI用时约3分钟

比赛结果也提供了一个观察AI效率的窗口。

历经五轮比拼后，AI智能体总分超过医生队平均分。其中在PET/CT报告书写环节，AI智能体完成一份肿瘤PET/CT诊断报告用时约3分钟，短于另外4支队伍的平均耗时。

这一比赛结果仍需结合具体场景来看。

真实临床工作中，一份复杂PET/CT报告通常涉及病灶测量、截图、描述、对比和诊断等多个步骤。联影公开资料显示，其核医学智能体可以将过去接近1小时的报告撰写过程缩短至十几分钟；此次比赛中的“3分钟”，则是在特定病例和竞赛流程下完成报告的时间。

对临床工作而言，效率提升主要体现在一批标准化、重复性较高的操作上，例如病灶测量、截图、描述和信息整理等。

这些环节如果能够由AI辅助完成，医生可以将更多精力用于复杂病例判断、临床信息整合，以及与患者和临床科室之间的沟通。

此次活动将主题设置为“人机协同”，也与这一应用方向相吻合。

AI参与诊断流程，人机分工成为新的讨论重点

今年4月的第一次人机挑战，AI与医生在同一套比赛任务中进行比较。

5个月后，活动名称变成了“人机协同技能竞赛”，比赛内容也增加了报告质控。

当AI开始同时参与病灶检出、定量分析、报告生成和报告质控，行业关注点也在逐渐转向具体的临床分工：哪些标准化工作可以交由AI辅助完成，哪些环节仍然需要医生投入更多判断和决策。

中华医学会核医学分会主任委员汪静教授在此次活动中提到，PET/CT装机量和检查需求持续增长，而高水平专业人才培养需要时间。AI报告系统可以发挥增效作用，未来还需要在人机协同基础上，持续推进标准、质控、人才培养及临床规范建设。

目前的医疗AI仍然属于辅助工具。

尤其面对疑难病例，病史、实验室检查、既往治疗情况以及医生的临床经验，都可能影响最终诊断。AI能够承担部分标准化工作，最终医学判断仍需由医生完成。

随着AI参与环节增加，临床应用的重点也会逐步落到更加具体的问题上，包括不同任务如何分配、结果如何复核、责任如何划分，以及怎样建立相应的质量控制体系。

全球首个完成NMPA Ⅲ和CE认证的PET/CT肿瘤智能分析系统

多中心研究正在验证临床稳定性

比赛提供了一个集中展示技术能力的场景，真正进入临床，还需要进一步验证稳定性和可靠性。

此次活动通稿显示，目前西京医院等多家医疗机构核医学科正在开展影像大模型及智能报告系统的多中心研究，通过不同医院、不同设备和不同病例，对相关技术进行持续验证。

对于医疗AI而言，单个病例或一次比赛的表现并不足以说明临床价值。跨中心、跨设备、不同患者数据下能否保持稳定表现，是后续应用需要重点回答的问题。

2026年恰逢中国核医学成立70周年。

今年4月的比赛主要覆盖病灶识别、肺结节诊断、脑Aβ PET判读和报告书写；到9月，报告质控也被纳入竞赛任务。

短短数月，核医学AI展示的能力已经由单项影像任务逐步延伸至诊断工作流的多个环节。

对于行业而言，接下来的关注点会更多落在实际临床应用：AI能否在不同医院和设备条件下保持稳定表现，又能否真正嵌入现有诊断流程，成为医生日常工作中的可靠辅助工具。

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。