第三节　现状和展望

随着人工智能在医疗领域应用的快速推广，医学影像人工智能技术因其广阔的落地场景而备受企业和研究人员青睐。医学影像人工智能是一门跨学科的技术，需要医生与人工智能领域从业者合作，才能真正实现人工智能“看病”，因此医学影像人工智能术语成为跨学科沟通的重要桥梁。

目前，国内外人工智能通用术语和医学影像通用术语各有一定积累，现有标准、术语库和专业书籍已有所体现，如GB/T 5271.34—2006《信息技术词汇第34部分：人工智能神经网络》、GB/T 5271.31—2006《信息技术词汇第31部分：人工智能机器学习》、加拿大政府术语数据库、术语在线、《医学影像技术学术语详解》等。医学影像人工智能的专用术语还在不断完善，《法国放射学会白皮书》《加拿大放射学人工智能白皮书》《欧洲放射学会白皮书》和《医学影像人工智能》等相关书籍对医学影像人工智能术语做了一些罗列，而美国正在尝试建立肺部领域人工智能医学影像共同术语。国内目前还没有形成统一、完整的医学影像人工智能术语体系。

在人工智能医疗器械产品术语方面，国内首批医疗器械行业标准《人工智能医疗器械 质量要求和评价第1部分：术语》已发布（YY/T 1833.1—2022）。该标准在基础共性技术数据集、质量评价指标、质量评价方法及应用场景等方面对100多个术语进行了定义，并以附录的形式给出了部分评价指标的计算公式。该标准是我国人工智能医疗器械标准化工作的里程碑，可为人工智能医疗器械的质量评价提供统一的术语和定义，为后续标准的起草提供字典，对产品进行安全有效评价的相关方法和指标进行规范。此外，现有国内外术语数据库中，医学影像人工智能强相关术语仍不完整，术语体系的不完整导致术语在运用方面存在以下两个问题：

1.人工智能从业者与医生沟通成本高

目前，人工智能从业者与医生在术语的理解上有一定的差异，通常人工智能从业者偏向于使用人工智能方面的术语，医生偏向于使用医学影像方面的术语，两者的交集只是较小一部分，且这些术语都相对简单、容易理解，但表达能力有限。一些更加专业化的术语需要双方更具体和更深入的介绍与理解，导致沟通成本较高。因此，构建权威、全覆盖的医学影像人工智能术语文本将极大提高人工智能从业者与医生的沟通效率和理解程度。

2.现有量化指标不能完全真实地反映临床实践中医生的真实感受

目前的量化指标不能完全真实地反映临床实践中医生的关注指标，如医生更关注阳性样本中的假阴性病灶，阴性样本中的假阳性病例，即临床中的误诊和漏诊情况。人工智能模型优化的过程，是同时减少误诊和漏诊两类情况的过程。而人工智能模型的灵敏度和特异度、精确率和召回率等存在此消彼长的关系，通常需要同时报告多个指标来比较模型的好坏。因此，在现有医学影像人工智能领域术语的基础上，构建更加贴近临床要求的量化指标，才能够真实地评估人工智能在临床环境中的作用。

考虑到医学影像人工智能术语的规范化和系统化，我们需要从人工智能、医学影像、医学影像人工智能三个方面构建完备统一的术语体系，在影像、诊断、网络、数据、评价、安全等细分领域对术语表达进行全面规范，促进医学影像人工智能技术领域从国家政策到产品落地中各个环节专业化标准的构建。

（郑海荣　王珊珊　王浩　邹娟）