卫生健康行业人工智能应用场景参考指引.docx

—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、个性化风险评估。智能推荐匹配临床诊疗方案，为医生提供智能问诊、治疗效果预测、临床诊疗建议等辅助决策支持服务，提供相似

—5—

病历诊断治疗信息的搜索与关键信息提取，辅助医生进行规范化诊疗，提高临床诊治效率和医疗质量。

4.基层全科医生智能辅助决策

基本概念：应用人工智能技术结合基层医疗卫生机构常见病、慢性病诊疗规范，构建基层全科诊疗辅助决策应用，为基层全科医生提供智能诊断推荐，检验检查和用药等诊疗处置建议，并开展基层门诊处方和电子病历规范审核。

应用场景：使用机器学习、自然语言处理、大数据挖掘等人工智能技术，训练基层常见病、慢性病临床诊疗指南等专用知识，在为患者提供门急诊诊疗过程中，综合判断患者主诉、现病史、既往史、体格检查、辅助检查结果等疾病信息，为全科医生提供诊断和鉴别诊断的推荐建议，辅助全科医生完成疾病诊断、门急诊病历书写、下一步检验检查推荐等辅助功能，智能推荐用药、转诊等诊疗建议，提供相似疾病诊断和治疗信息搜索，辅助基层全科医生提高问诊和治疗规范性，提高基层全科医生医疗服务质量、能力和效率。

5.医学影像智能辅助治疗

基本概念：利用人工智能、虚拟增强现实和三维建模等技术，智能分析医学影像数据，为临床提供智能辅助治疗方案。

应用场景：通过深度挖掘分析医学影像数据，结合权威指南、共识与科研成果，帮助医生优化治疗过程，为医生提供快捷的数据支持和方案参考。在人体腹部、胸部、脑部、血管、皮肤等部位的手术中，精准评估定位病灶，提供病灶体积和定

—6—

位等参数，利用术中影像实时分析和评估风险，降低手术风险和减少并发症发生率。在多学科临床会诊过程中，深度挖掘分析医学影像数据，为会诊专家提供循证依据和精准、全面、可解释的个性化治疗方案，避免过度诊疗和误诊误治，让患者获得最佳的治疗效果。

6.手术智能辅助规划

基本概念：智能分析医学影像、病理、检验等临床多模态数据，明确手术关键部位、推荐最佳手术方案、评估手术风险、辅助医生提高手术精准性、减低术中风险及术后并发症。

应用场景：针对胃肠外科、肝胆外科、甲状腺乳腺外科、耳鼻喉科、泌尿外科、胸外科、骨科、神经外科等外科手术，使用人工智能技术综合分析患者