肿瘤影像AI应用专家共识（2025）.docxVIP

肿瘤影像AI应用专家共识（2025）.docx

肿瘤影像AI应用专家共识（2025）

1.适用范围与核心定义

肿瘤影像AI的落地不仅是算法模型的部署，更是临床业务流程的重构。本共识旨在打破“算法研发”与“临床应用”之间的壁垒，为医疗机构提供一套覆盖准入、验收、使用、质控全生命周期的可执行标准。

本共识适用于二级及以上具备独立医学影像科（或放射科）的医疗机构，针对基于深度学习的计算机辅助诊断（CAD）软件在肿瘤影像（包括CT、MRI、超声、X线等模态）中的筛查、分割、定性分析及疗效评估应用。

核心定义：

CAD系统：基于深度学习算法，对医学影像进行自动化分析并输出结构化结果的软件系统。

假阳性（FP）：系统将正常组织或良性病变误判为肿瘤性病变的频次，以“个/例”为单位计算。

假阴性（FN）：系统遗漏已确诊肿瘤性病变的频次，直接对应临床漏诊风险。

人机协同判读：AI系统作为初筛或辅助工具输出结果，执业医师作为最终决策主体并对诊断报告承担法律责任的workflow。

2.临床应用场景与准入标准

AI工具的引入必须遵循“场景匹配、风险可控”的原则。脱离具体临床场景空谈算法准确率毫无意义，不同肿瘤类型、不同影像模态对AI的敏感度与特异度要求存在数量级差异。

2.1肺结节CT筛查场景

肺结节是AI应用最成熟的领域，但漏诊微小结节仍是核心风险。

适用对象：肺癌高危人群低剂量螺旋CT（LDCT）筛查，及门诊常规胸部CT检查。