AI医疗影像落地难题：来自83家供应商的全球调研与实施路径分析

　　本期推荐：为解决AI在医学影像与肿瘤学临床实践中整合的挑战，研究人员开展了一项针对AI供应商的横断面调查。研究发现，资金支持、IT基础设施和用户接受度是成功部署AI的关键推动因素，同时揭示了监管复杂性、临床参与不足等主要障碍。该研究为促进AI临床转化提供了重要行业视角，对推动多学科协作具有指导意义。

　　

人工智能（AI）在医学影像和肿瘤学领域正处在关键转折点。随着欧盟《AI法案》、英国《AI法案》等全球监管框架的陆续出台，AI医疗产品的治理环境正在发生深刻变革。虽然这些法规旨在确保创新责任与患者安全，但其复杂性及全球监管的不均衡性也给AI技术的临床实施带来了潜在障碍。更值得关注的是，作为创新核心驱动力的AI供应商——从大型制造商到中小型企业——其观点在现有研究中长期被忽视，而他们的实践经验恰恰是破解“从代码到临床”转化难题的关键。

为此，由伦敦大学城市学院、圣乔治大学领衔的国际研究团队在《European Radiology》发表了一项横断面研究，通过针对全球AI供应商的问卷调查，系统分析了AI在医学影像与肿瘤学领域实施过程中的推动因素、挑战与可行路径。该研究共收集83份有效回复，覆盖不同规模的企业（微企至大型企业）及多元职业背景（商业管理、临床医师、工程师、IT等）。

研究采用经CHERRIES和STROBE指南验证的在线问卷，通过Qualtrics平台分发，经由社交媒体、个性化邮件及欧洲医学影像信息学学会（EuSoMII）、健康AI注册库（Health AI Register）等多渠道推广。定量数据使用SPSS 28.0进行描述性统计分析，定性数据则通过NVivo 14进行内容分析。Cronbach's α系数为0.797，表明问卷具有可接受的内部一致性。

▎受访者特征与公司概况

受访者普遍具有丰富的行业经验（67.5%从业0-10年），就职企业主要分布在欧洲与北美。52.9%的受访者确认其公司采用与终端用户共同生产（co-production）的模式开发AI工具，且这一实践在大型企业中更为常见。在负责任AI开发方面，数据隐私（66.6%）、临床导向（42%）和数据公平性（36.2%）被列为最受重视的三大原则。

▎AI工具类型与可持续发展策略

企业开发的AI产品类型多样，主要包括诊断辅助工具、工作流优化系统和量化分析平台等。为确保产品可持续性，多数企业采取云优化（30.5%）、降低碳足迹（13.8%）等策略。值得注意的是，44.6%的企业已在内部业务（如培训、市场推广）中应用AI工具，其中73.1%用于提升工作流自动化与效率。

▎实施挑战与推动因素

研究发现，临床基础设施不足（64.1%）、 clinician参与度低（54.7%）和资金短缺（42.2%）是阻碍AI部署的三大主要障碍。而在技术生命周期中，外部验证（59.6%）、上市后监测（40.3%）及部署环节（35.4%）被认为最具挑战性。与此同时， practitioner接受度、明确的商业案例和算法可解释性同时被列为关键推动因素和挑战，反映出实施经验的高度异质性。

▎监管与创新之间的平衡

针对新兴AI治理法规的影响，多数受访者持中立态度，但强调监管的地域差异性可能导致创新资源向政策宽松地区转移。小规模企业更易因合规成本而面临不成比例的负担。此外，62%的受访者反对“互操作性阻碍创新”的观点，认为标准化反而有助于提升效率与降低成本。

▎生成式AI的机遇与风险

生成式AI在医疗影像中的应用引发广泛关注。39.4%的受访者担忧其可能产生幻觉（hallucinations）与偏见，23.6%认为当前技术尚未达到医疗器械应用标准。尽管如此，业界仍肯定其在优化工作流、加速产品开发及缓解人力短缺方面的潜力。

▎成功部署的关键需求

受访者强调，持续资金支持（22.9%）、临床IT系统支撑（18.7%）及 clinician接受度（16.6%）是AI成功落地的核心条件。此外，全球统一监管框架（14.5%）、用户培训（14.5%）与清晰商业案例（12.5%）也被列为重要推动因素。

研究最终指出，人员、基础设施与资金是AI临床实施的根本要素。面对日益复杂的监管环境，AI供应商需与 regulators、临床从业者及患者等多方利益相关者紧密合作，共同推动AI技术平稳融入日常诊疗实践。该研究不仅填补了供应商视角的缺失，也为跨部门协作与政策制定提供了实证依据，对促进AI在医疗领域的负责任创新具有重要参考价值。