AI放射学辅助诊断系统究竟能在多大程度上提升诊断准确率？
改善幅度因任务和AI工具而异，但最显著的提升出现在胸部X光片中特定异常的检测上。2023年一项针对500名患者的研究显示，AI辅助使放射科医生对气胸（肺塌陷）的敏感性（正确识别异常的能力）提高了26个百分点，对肺实变（如肺炎）提高了14个百分点——这意味着他们发现了更多原本可能漏诊的病例[2]。对于肺结节，敏感性提升了12个百分点[2]。这些是巨大且具有临床意义的飞跃。
然而，并非所有研究都显示出如此显著的提升。一项2024年的研究将GPT-4作为虚拟助手应用于X光、CT、MRI和血管造影图像，发现诊断准确率仅小幅提升——在正确诊断位列前三项鉴别诊断时，准确率从75.4%升至78.3%[1]。这一差异并不显著，且AI在7.4%的回复中提供了事实错误、可能有害的信息[1]。因此，收益在很大程度上取决于AI的设计：专用检测工具（如胸部X光AI）可带来大幅提升，而通用语言模型（如GPT-4）的增益较小且伴随显著风险。
AI辅助诊断能否为放射科医生节省时间或减轻工作负担？
证据不一：部分研究显示能显著节省时间，而另一些则发现工作量并未减少，甚至对复杂病例的判读时间更长。在一项大型胸部X光研究中，AI辅助将平均判读时间从81秒缩短至56秒——降幅达31%——且适用于各经验水平的放射科医生[2]。对于高检查量的项目而言，这是相当可观的效率提升。
然而，2023年一项针对前列腺MRI人工智能辅助检测（CAD）系统的前瞻性研究发现，整体工作流程时间并无显著变化（无AI辅助时约17分钟，有AI辅助时约19分钟），而高疑似病例的判读时间反而显著增加（从约16分钟延长至23分钟）[4]。放射科医师自述的工作负荷与压力水平也未改变[4]。类似地，2025年一项采用生物传感器开展的试点研究表明，在超低剂量CT病例判读中，有无AI标注对判读时间无显著差异（4.1分钟对比3.9分钟），但眼动追踪数据显示AI有助于放射科医师更高效地扫描[5]。由此可见，部分AI工具和任务确实能节省时间，但这并非必然——当病例复杂时，AI甚至可能拖慢进度。
使用AI放射学辅助工具有哪些风险和局限性？
最大的风险在于人工智能可能提供错误或误导性信息，从而对患者造成伤害。在GPT-4的研究中，7.4%的AI回答被归类为幻觉（事实性错误），0.6%被归类为误解——两者合计，近十分之一的回答并不可靠[1]。作者明确警告，这些错误需要谨慎对待并采取额外的保障措施[1]。
另一个局限在于，AI并不能自动减轻放射科医生的工作负担或压力，正如前列腺MRI研究所示[4]。即便AI能像2024年一项试点研究那样，从放射报告中识别出潜在的临床试验候选者，也只有5%被AI标记的患者-试验匹配最终促成了会诊，而实际入组的患者仅占联系患者的7%[3]。这凸显出AI只是复杂工作流程中的一个环节——它能标记可能性，但患者偏好、试验名额、资格细节等诸多其他障碍依然存在。
最后，证据基础本身仍然薄弱。大多数研究规模较小或为单中心研究，2025年的论文指出，尽管欧盟已批准超过200项人工智能应用，但其在临床中的广泛采用仍然有限，部分原因在于评估往往缺乏对放射科医生与人工智能交互的实时、客观衡量指标[5]。因此，尽管前瞻性证据正在增加，但尚不足以充分保证任何特定的人工智能辅助工具能在所有医院环境中安全有效地运行。
关于这些来源
该回答基于5篇经同行评审的研究构建而成——发表于2023年至2025年间，其中3篇为2024年及以后发表，3篇发表于Q1期刊，总计被引用117次——这些研究是从6篇通过质量筛选的文献中选出的最具相关性的成果，而该6篇文献又源自从超过5亿篇论文数据库中检索到的54篇论文。
本文引用的文献
虚拟参考放射科医生：为临床影像判读与解读提供全面AI辅助
在一项回顾性研究中，六名放射科医生解读了40份影像报告，GPT-4辅助将诊断准确率从75.4%略微提升至78.3%，并显著增强了诊断信心，但7.4%的AI回复存在幻觉，0.6%存在误读，这凸显了安全风险。
使用人工智能提升放射科医生在胸片异常检测中的表现
在一项涉及12名放射科医生判读500张胸片的研究中，AI辅助使气胸的敏感性提升了26个百分点，实变影的敏感性提升了14个百分点，并将判读时间缩短了31%（从81秒降至56秒），同时大多数异常的特异性也有所提高。
使用人工智能预测治疗变化来识别肿瘤临床试验候选者：一项试点实施研究
在一家癌症中心开展的前瞻性试点研究中，一款通过分析放射学报告来标记可能改变治疗方案患者的人工智能工具，将每周审查负担减少了95%，但标记的患者与试验匹配中仅有5%促成了会诊，且联系到的患者中只有7%最终入组，显示出下游影响有限。
基于人工智能的前列腺影像计算机辅助检测系统对常规工作流程及放射科医生工作成果的前瞻性影响
在一项关于基于人工智能的前列腺MRI计算机辅助诊断的前瞻性前后对照研究中，该技术的应用并未显著改变整体工作流程时间（17分钟对比19分钟）或放射科医生的工作负荷与压力，反而使高疑似病例的阅片时间从16分钟增加至23分钟。
放射学AI实验室：面向临床终端用户的放射学应用评估。
在一项由四位放射科医生解读32例超低剂量CT病例的试点测试中，AI辅助标注的工作流程并未显著改变判读时间（4.1分钟对比3.9分钟），但眼动追踪指标显示视觉搜索策略更高效，提示认知负荷有所降低。