国家卫健委2024卫生健康行业人工智能应用场景参考指引45页

—3—附件卫生健康行业人工智能应用场景参考指引一、“人工智能+”医疗服务管理（一）“人工智能+”医疗服务1.医学影像智能辅助诊断基本概念：针对医学影像数据进行智能分析、快速读片、报告生成，实现高效精准的医学影像辅助诊断。应用场景：利用计算机视觉、神经网络等技术，在X射线、CT、MRI、PET-CT、超声、病理切片、皮肤照片、眼底照片、心电图、脑电图、肌电图、消化道内镜、纤支镜等影像诊断中，发挥人工智能快速、精准的能力，通过各类医学影像病灶分析、参数量化、三维可视化等功能，实现人工智能影像参数量化和智能标注能力，生成影像结构化数据。应用人工智能从海量影像中准确快速发现微小病灶，直观定位病灶，实现骨折、肺癌、肝癌、皮肤癌、颅内动脉瘤等疾病精准早筛，提升影像数据分析效率，提高影像诊断质量，提升疾病早期诊断精度，为医学影像科研与成果转化提供数据要素与创新动力，提升影像诊断医生工作效率，降低随访工作量，减轻医生工作压力，优化医院人力成本。2.医学影像数据智能辅助质控基本概念：利用人工智能技术开展医学影像检查质量评价、—4—分析，提高医学影像摄片质量和质控效率。应用场景：在影像检查、报告流程中，利用人工智能多模态影像分析能力，发挥人工智能模型实时、准确、高效的特点，开展全量化、实时化、智能化影像质量评价，识别质量问题，通过人机协同和交互，协助医学影像技师提高影像学检查的图像采集质量。在报告审核阶段，联动解剖学结构、体表投影、器官结构、断层解析、医学诊断术语等信息，验证影像表现与病灶判断之间的逻辑关联，深度解读影像报告，有效筛查出报告中的遗漏、矛盾或误判问题，提高影像诊断报告质量。3.临床专病智能辅助决策基本概念：智能清洗处理临床专科疾病数据，构建决策模型和算法，智能生成临床专病诊疗方案，实现各类专病智能化、规范化、精准化全流程临床诊疗辅助，提供辅助决策支持。应用场景：使用机器学习、自然语言处理、大数据挖掘、多模态人工智能大模型等技术，对收集的临床专科诊疗病历、临床诊疗指南、路径规则等数据进行清洗和处理，提取有价值的信息构建临床专病知识库和人工智能语料库。在高血压、糖尿病、肝癌、结直肠癌、胃癌、食管癌、肺癌、房颤、脑卒中、抑郁症等疾病的临床诊疗中，整合多组学基因测序、医学影像、数字病理等多模态数据，综合分析患者的诊断、症状、医嘱、检验检查、手术等信息，实现对专病患者的精准化、个性