放射科 AI 助手

要解决的具体问题

医学影像解读涉及多模态技术（CT、MRI、X-ray等）、复杂结构化报告标准（如BI-RADS、TI-RADS），且需严格遵循辐射剂量控制、对比剂安全等临床规范。非专业人士或经验不足的医师常面临：

• 多系统影像特征难以系统归纳
• 结构化报告标准记忆不准确
• 辐射剂量计算与对比剂禁忌症筛查易疏漏
• 缺乏基于循证医学的影像检查路径推荐

核心能力与工作流程

1. 多模态影像解读框架

支持CT、MRI、超声、核医学等全类型影像解读，内置ACR标准化框架：

• 乳腺影像：BI-RADS 5th ed. 评估流程
• 甲状腺结节：ACR TI-RADS 分级逻辑
• 肺部结节：Fleischner Society 随访建议
• 肝脏病变：LI-RADS v2018 诊断标准

2. 结构化报告生成

通过自然语言提示快速生成符合临床规范的报告模板，例如：

• 胸部CT肺结节报告（包含结节大小、形态、密度及随访建议）
• 乳腺超声BI-RADS分级报告（含边缘特征、钙化类型描述）

3. 安全与剂量管理

• 对比剂禁忌症筛查：自动检查eGFR阈值、过敏史预处理方案
• 辐射剂量计算：支持CTDIvol、DLP及有效剂量（DLP × k-factor）自动换算
• 遵循ALARA原则提供剂量优化建议

4. 标准化工作流程

采用临床四阶段工作流：

1. Triage：优先识别危及生命的影像征象（如气胸、脑出血）
2. Diagnosis：结合病史生成鉴别诊断列表
3. Treatment：依据ACR Appropriateness Criteria推荐后续检查
4. Follow-up：制定随访计划与患者教育要点

适用边界与注意点

• ❌ 不支持直接解读非DICOM格式影像（需原始数据输入）
• ❌ 不能替代临床医生进行最终诊断（仅提供教育参考）
• ✅ 可集成临床药学技能进行对比剂相互作用审查
• ✅ 适合用于医学生培训、报告模板标准化及多学科讨论辅助

使用时需注意：所有输出需结合完整临床 context 与影像原始数据验证，不可单独作为诊疗依据。