Page 142 - 南京医科大学自然版
P. 142

第46卷第7期
               ·1088 ·                           南 京    医 科 大 学 学         报                        2026年7月


              被 ACR 正式纳入 RADS 体系的成像方式，并不意味                      化、证据整合及流程一致性提升等方面不断拓展
              着其缺乏潜在价值，而是提示截至目前，其在真实                            RADS 的技术边界与应用深度。然而，在可预见阶
              世界应用中的稳定性、可重复性或特异性尚不足以                            段，其核心功能仍应定位为增强既有分级与管理框
              支撑跨中心一致的标准化分级与管理决策。这种                             架，而非替代临床判断或责任主体。唯有在可解释
              相对审慎的纳入策略，有助于避免在日常临床实践                            性、可审计性与临床安全性得到充分保障的前提
              中对证据等级尚不充分的成像手段赋予过高的决                             下，将 AI 以受控方式嵌入 RADS 体系，才能使其在
              策权重。随着免疫治疗、靶向治疗及局部消融等策                            真实世界临床环境中持续发挥规范化风险分层与
              略的广泛应用，传统以“是否恶性”为核心的分级逻                           管理支持的价值。
              辑正逐步延伸至治疗反应、复发风险及疾病动态演                            ［参考文献］
              变评估，这一趋势已在部分体系中有所体现，例如
                                                                ［1］ YADAV A，SINGH A，MADAAN S，et al. International
              围绕治疗后评估与随访管理构建的相关模块                      ［20，26］ 。
                                                                     academy of cytology Yokohama system for reporting
              另一方面，随着多模态影像、功能成像及影像组学
                                                                     breast cytology and the ACR breast imaging reporting and
              证据的不断积累，部分疾病领域可能逐步形成具有                                 data system（BIRADS）：are they concordant?［J］. Iran J
              RADS 特征的结构化评估框架，但其是否最终被                                Pathol，2024，19（4）：400-407
              ACR正式吸纳，仍取决于相关证据能否达到与现有                           ［2］ SPAK D A，PLAXCO J S，SANTIAGO L，et al. BI⁃RADS ®
              RADS相当的循证强度与跨中心一致性水平。                                  fifth edition：a summary of changes［J］. Diagn Interv Imag⁃
                  在这一过程中，AI主要体现为促进现有体系演                              ing，2017，98（3）：179-190
              进的技术力量。通过对大规模真实世界数据的持                             ［3］ MERCADO C L. BI⁃RADS update［J］. Radiol Clin North
              续分析，AI有望评估不同影像征象与成像策略在多                                Am，2014，52（3）：481-487
                                                                ［4］ COZZI A，PINKER K，HIDBER A，et al. BI⁃RADS cate⁃
              中心、多设备条件下的判别稳定性，从而为是否建
                                                                     gory assignments by GPT⁃3.5，GPT⁃4，and google bard：a
              立新的RADS子体系或优化既有判据条目提供量化
                                                                     multilanguage study［J］. Radiology，2024，311（1）：
              依据  ［60］ 。在明确的验证流程、版本治理与持续监测                           e232133
              机制支持下，AI在理论上可缩短证据积累与共识更                           ［5］ YOON S H，KIM Y J，DOH K，et al. Interobserver vari⁃
              新之间的时间滞后，使部分条目更接近证据驱动的                                 ability in Lung CT Screening Reporting and Data System
              渐进式优化；但这一过程仍依赖制度与监管层面的                                 categorisation in subsolid nodule ⁃ enriched lung cancer
              协同，难以由算法本身独立完成               ［61-62］ 。至于通用人            screening CTs［J］. Eur Radiol，2021，31（9）：7184-7191
              工智能（artificial general intelligence，AGI）的潜在影      ［6］ KIRI L，ABDOLELL M，COSTA A F，et al. US LI⁃RADS
              响，更适合作为概念层面的讨论。即便模型能够整                                 visualization score：interobserver variability and associa⁃
                                                                     tion with cause of liver disease，sex，and body mass in⁃
              合影像、临床信息与最新证据形成逻辑自洽的风险
                                                                     dex［J］. J L’association Can Des Radiol，2022，73（1）：
              评估，医学决策仍不可避免地涉及价值判断、风险
                                                                     68-74
              权衡、患者偏好及伦理责任等难以完全形式化的因                            ［7］ LEE A Y，WISNER D J，AMINOLOLAMA⁃SHAKERI S，
              素。因此，人类专家对关键决策的最终审查与责任                                 et al. Inter⁃reader variability in the use of BI⁃RADS de⁃
              承担，仍是临床决策支持系统不可替代的核心环                                  scriptors for suspicious findings on diagnostic mammogra⁃
              节。国内相关研究亦普遍指出，临床 AI 的安全、有                              phy：a multi ⁃ institution study of 10 academic radiolo⁃
              效与可持续应用，有赖于覆盖研发、部署与使用全                                 gists［J］. Acad Radiol，2017，24（1）：60-66
              流程的治理框架与持续监测机制，并需在制度层面                            ［8］ 姜    艳，项霞青，周     婉. 美国放射学会甲状腺影像报
              明确人类监督与责任边界，以确保技术应用始终处                                 告和数据系统分类在甲状腺结节中的观察者一致性研
              于可控与可追责的范畴之内             ［60-66］ 。                     究［J］. 医疗装备，2022，35（21）：114-117
                                                                     JIANG Y，XIANG L Q，ZHOU W. Observer consistency
              6  总结与展望                                               of American college of radiology thyroid imaging Reporti⁃
                                                                     ng and data system classification in thyroid nodules［J］.
                  RADS体系的未来演进更可能建立在证据充分
                                                                     Medical Equipment，2022，35（21）：114-117
              与应用可控的基础之上，通过AI技术辅助与人机协                           ［9］ SEVIM S，DICLE O，GEZER N S，et al. How high is the
              同决策，实现有序拓展与持续优化。在这一过程                                  inter ⁃ observer reproducibility in the LIRADS reporting
              中，AI技术，包括AGI相关方法，或将在影像特征量                              system?［J］. Pol J Radiol，2019，84：e464-e469
   137   138   139   140   141   142   143   144   145   146   147