为什么AI在医疗方面限制这么大，现在AI能力这么强，可是为什么没有哪个AI可以直接分析CT的原始影像DICOM

可以用AI，但是不允许它犯错，诊断出一点点的问题，导致误诊啥的。这种可以预想的很难处理，人又不是代码，无限试错。

CT的AI分析还没有大规模应用，成本高昂且都在研究阶段，最多某些大医院有辅助应用，不会用于诊断，毕竟人错了有人担责任，AI错了领导找谁麻烦？怎么给病人交待？

Ai错了没人背锅啊，你再怎么样也不会完全相信AI的

你ai用多了，古法编程都不会了。医生一样，都靠ai，到时候ct报告都不会看了

毕竟疑难杂症，新的病，ai根本看不出来。他只是推理概率而已

有相关项目是这样的。但是实际用起来只会用来给医生锁定 area。而且标注时代医生很烦去搞这些。本来好数据也没多少

你指望六根手指数不清的 ai 帮你诊断吗？ 医疗影像目前的 AI 更多是应用在影像增强方面吧，llm 本来就是语义高压缩的，识别异常这种扣细节的不好搞哦

你能拿到影像，旁边肯定有检测医师的意见吧，而且主治肯定也看过了吧

怎么能在没有批注意见的前提下自己去拍片，应该不可能吧

你让AI帮你复审，不如找更大的医院更专业的医生帮忙再看一遍，找找亲戚朋友什么的。再不济医生看你片子的时候多问两嘴让他多看两眼

没那么简单。专业相关。

拿新冠肺炎的CT来说比如我们要ai做到完全看病。我们一般不会直接让多模态ai模型去读。他其实看不出病灶。因为他的训练数据中只有大致的这种描述而非专业。那么我们要做的是用unet等架构做病灶分割。然后再打个比方把这个数据再给ai。理论上是这样的。但是这个过程有几个问题。1.分割精度。在CT肺炎这种的精度大概在0.9左右心脏由于伪影这些大致在0。8左右。临床一般认为在0.95左右可以接近临床医生。但是问题是我们不敢打包票。万一少看一个病灶怎么办。只能说很多是一个辅助手段。比如早期的胰腺癌病灶发现这个很多医生是看不出来的。但是最后做出的模型效果很好。临床落地的时候也只是辅助治疗手段还没达到看病的程度》2.llm幻觉问题这个肯定

现在在做一般是用多种我说到的分割分类模型去对影像学分析生成机构化的数据报告再喂给llm。让llm进行讲解。这是一般的做法。直接分析我们更倾向于搭建agent平台进行分析。单一模型太难了也做不到。毕竟transformer对于数据量要求还是很大的。现在我们最大的医疗数据库能做出一个MedSAM就全力了。这个在特定结构上还发挥得不好

AI犯错了那就是致命的，但是人真的不会可以喊出一堆专家，要是小白都听了AI的，那资深研究这个领域的医生还会有人请教吗^-^

医院多精啊 数据不开源、不同医院数据不共享 导致可用/可训练的数据严重不足、不全面 让scaling up想当困难 因此到现在unet在医学分割领域还能大行其道

原始影像DICOM

做个CT上千张图片啊，原始影像DICOM也上千个，光上下文就爆炸

之前的公司有专门的人工智能研究院来研究这个方向，并且和邵逸夫医院等知名大医院合作，有弄出来相关的模型来，但是只是用于辅助，或提示可能的病灶，而不是直接诊断，因为机器做不到100%准确率，所以只是辅助，后面由于成本啥的，没有大面积推广，后面就是ds出来，全国的医院都在搞AI助手啥的，公司就转型做ai病历相关的了（ds加速了这个过程，很早研究院就开始和清华，北大合作了）

你知道为啥么, 因为医学是一个不允许出错, 出错需要找责任人的行业, 绝对不是一句豆包说: 对不起, 我错了 就能完事的

没有人负责，而且责任问题不好划分

看佬们都没提到，补充一点，国内的医疗体系本来也是一个山头，上头的大佬也不会允许AI抢基层医生的饭碗。对大佬们没什么影响，但是对他们的徒子徒孙们可能影响会很大。

当前阶段，医疗体系内对AI的利用极为有限，想要真正推动，可能还是得靠自上而下。

可医院影像科不都是采用ai阅片了吗

我不知道你怎么得到的结论，和医院里家属天天骂美国看病都免费，中国还要交钱一样，这个结论本身就是错的。

除了试验性外，AI至少在国内绝大多数中心只是辅助阅片，不是AI本身替代人阅片，只能给出一些参数参考、边界描记，例如超声做甲状腺也只是帮忙勾勒肿物边界、给出分类参考，稍微打斜一点切面 ，马上给你从良性变倾向到恶性倾向。

以上。

未来会更好，但是可能优先用在报告校检、质控，除外错误、自相矛盾的情况，规避医疗风险。

AI不成熟错了责任是一方面，另外很重要的一方面：并不是每个行业都像程序员这个群体一样是傻白甜，医学是一个护城河很深的行业， 尤其是专家是普通医生之间的差距也很大(待遇、资源、社会地位)，这是医学行规，当AI试图突破这个护城河和行规的时候，整个医学界都会反对，因为他们需要维护这个行业的社会地位和颜面，反观程序员这个群体完全呈现出相反的态度，很显然，Ai 出现后，行业影响最大是IT行业。