AI 真的比放射科医生更能发现漏诊吗？
是的，最有力的证据来自2023年一项针对3300多名疑似肺栓塞（肺部血块）患者的大型研究。AI算法漏诊了23例，而接诊放射科医生漏诊了60例——这意味着AI本可避免近三倍的漏诊病例[1]。AI的灵敏度（即正确识别实际患病患者的能力）为96.8%，而放射科医生为91.6%，这一差异具有统计学意义[1]。这项研究是本文所引文献中规模最大、最直接的面对面比较，表明AI辅助报告在日常实践中可大幅减少阳性发现的漏诊数量。
AI 是否对所有类型的扫描或病症都同样有效？
不，AI的准确性在很大程度上取决于成像方式和具体异常类型。在牙科放射学中，一项研究发现，AI在锥形束CT（CBCT）扫描中检测根尖周病变（牙根周围感染）的灵敏度为77.8%，但在标准全景X光片上仅为33.3%[3]。这意味着AI在三维扫描中识别这些病变的能力远优于二维X光片。另一项牙科研究显示，AI在判断根管填充物是否存在时达到了满分（100%），但在评估填充物是否合格时表现一般（准确率84.1%）[2]。因此，尽管AI是一种强大的工具，但其可靠性因任务而异，不应假定它在所有应用场景中都能同样出色地工作。
人工智能是为了取代放射科医生，还是仅仅为了辅助他们？
证据强烈表明，人工智能是辅助工具，而非替代品。在肺栓塞研究中，作者明确指出“放射科医生在人工智能辅助下，最有可能实现最高诊断准确率”[1]。人工智能单独检测出的病例多于放射科医生，但其假阳性结果也更多（人工智能2例，放射科医生9例），这意味着它将一些正常扫描标记为异常[1]。2023年一篇关于急诊胸部X光人工智能应用的综述指出，人工智能可提升报告准确性与速度，但强调其旨在辅助放射科医生，而非取代其临床判断[5]。同样，2023年一篇关于人工智能在正畸头影测量分析中的叙述性综述总结道，人工智能有助于标志点识别并支持经验不足的临床医生，但其效果因算法而异[6]。这些研究的共识是：人工智能与放射科医生协同使用时能减少错误，但尚不足以完全独立可靠地工作。
关于这些来源
该答案基于6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，5篇发表于Q1期刊，累计被引用176次——这些研究是从9篇通过质量筛选的文献中选出的最具相关性的成果，而9篇文献又源自对超过5亿篇论文数据库中检索到的81篇论文的筛选。
本文引用的文献
回顾性批量分析评估临床部署的人工智能算法在CTPA上检测急性肺栓塞的诊断准确性
在一项针对3316名患者的回顾性研究中，用于CT扫描肺栓塞检测的人工智能算法相比主治放射科医生，展现出显著更高的敏感性（96.8% vs. 91.6%）和特异性（99.9% vs. 99.7%），漏诊23例，而放射科医生漏诊60例[1]。
锥形束计算机断层扫描图像中的根管治疗结果——人工智能诊断准确性的评估
在一项涉及55名患者的CBCT研究中，AI平台Diagnocat在检测根管充填物是否存在方面达到了完美评分（100%），但在判断充填是否充分时准确率中等（84.1%），而在检测空腔方面表现较低（F1分数为76.2%）[2]。
全景X线片与CBCT成像中的根尖周病变——AI诊断准确性的评估
在一项针对49名患者（共1223颗牙齿）的研究中，人工智能在CBCT上检测根尖周病变的灵敏度为77.8%，而在全景X光片上仅为33.3%，但两者的特异度均超过98%[3]。
AI驱动的医学影像：提升放射科诊断准确性
一种结合视觉Transformer与LSTM的混合深度学习模型在胸部X光片分类中（针对新冠肺炎、肺炎和正常病例）达到了96.33%的准确率，优于ViT-GRU（95.51%）和ViT-RNN（93%）[5]。
急诊放射学中的胸部X光检查：人工智能有哪些可用应用？
一篇关于人工智能在急诊放射科胸部X光检查中应用的综述指出，AI能够提升气胸、肺炎、心力衰竭及胸腔积液的检出率，但其目的在于辅助放射科医生，而非取代他们[8]。
人工智能在头影测量分析中的应用：一项叙述性综述
一项关于人工智能在头影测量分析中的叙述性综述发现，大多数用于侧位头影测量X线片上自动定位标志点的人工智能算法具有较高的准确性，但其有效性因算法和应用类型的不同而有所差异[9]。