放射检查语料精炼系统 面向医学大模型训练、评测与临床反馈闭环的 AI-ready 数据基础设施
主页 NLP 路线 影像路线 半公开访问
医生与 PACS 工作界面 阅片 · 报告编辑 · 历史检查 · 提示面板 RPA 临床交互与模型接入层 消息路由 · 工具嵌入 · 用户交互 · 事件记录 · 权限与审计 后端服务 放射质控服务 · 历史检查服务 · 临床数据汇总服务 外部 AI 服务 A · 外部 AI 服务 B · 后续新增模型服务 双向消息流:请求下行 · 交互信号上行

RADIOLOGY WORKFLOW FEEDBACK & MODEL GATEWAY

放射临床工作流反馈与模型接入中枢

以非侵入式方式运行在 PACS 之上,让 AI 能力进入医生真实工作流,并为模型评测、医生反馈与持续迭代提供临床入口。

它是什么

  • PACS 之上的临床交互层
  • 外部 AI 模型的接入网关
  • 医生真实工作流中的反馈入口

它不是什么

  • 不是另一个疾病诊断模型
  • 不是独立于工作流的科研 Demo
  • 不要求医生切换到孤立系统

为什么重要

模型只有进入真实工作流,才能看到医生是否查看、接受、修改或忽略其输出,并接受真实临床环境的长期检验。

向下滚动探索临床工作流反馈线路
02

离线测试无法替代真实临床反馈

模型在测试集上答对,并不等于医生愿意使用,也不等于它能改善真实工作流。

传统离线研究路径

模型不知道: 医生有没有看到结果 · 是否认可 · 为何拒绝 模型是否打断工作流 · 错误是否集中在特殊人群

真实世界反馈路径

模型不再只接受数据集评分,而是接受真实医生和临床结果的持续检验。
模型价值发现离线指标无法暴露的真实失败模式
医院价值判断 AI 是否真正改善工作效率和诊断质量
数据价值把医生行为和临床结果转化为新的反馈资产
03

无需重建 PACS:在现有工作流之上增加一个智能交互层

通过 RPA、接口适配和消息路由,把历史数据、质控工具与外部 AI 服务嵌入医生原有工作界面。

请求:检查 ID / 上下文 L1 · 医生工作界面 PACS 阅片 · RIS 报告编辑 · 历史检查入口 · 提示与工具面板 L2 · 界面感知与交互层 当前患者/检查识别 · 报告编辑状态 · 控件定位 · 消息显示 · 操作捕获 L3 · RPA 与消息中枢 会话路由 · 检查 ID 映射 · 消息格式转换 · 模型服务适配 事件日志 · 权限与访问控制 · 异常恢复 L4 · 服务适配层 质控引擎 · 历史检查 · 临床数据 · AI 厂家 A / B · 通用模型适配器 L5 · 后端系统 PACS / RIS / HIS · 院内数据服务 · 质控服务器 · 外部 AI 推理服务器

一次 AI 请求的消息流

  1. 医生打开检查
  2. RPA 读取当前检查上下文
  3. 向 AI 服务发送检查 ID
  4. AI 返回结构化结果
  5. RPA 在 PACS 界面展示提示
  6. 用户操作被记录
非侵入式不要求替换 PACS 主系统
可扩展新增模型只需增加适配器
可审计每次调用和交互可以记录
可恢复外部 AI 故障不阻断阅片
04

从医生真实痛点生长出来的临床工作流系统

系统长期围绕放射医生每天反复发生的高频任务迭代,因此天然拥有真实使用入口。

打开当前检查查看历史检查阅读历史阳性信息观察当前影像编写报告实时质控完成报告
已运行

相似历史检查匹配

自动筛选与当前检查最接近的既往检查,减少医生在大量历史记录中人工搜索。

当前:胸部 CT 增强 → 胸部 CT 增强(6 个月前) → 胸部 CT 平扫(1 年前) → PET/CT(14 个月前)
已运行

多源历史阳性发现汇总

从不同检查、报告和临床来源中汇总重要阳性信息,避免关键病史被埋在长期记录中。

已运行

报告文本实时质控

部位错漏 · 左右侧错误 · 描述与结论矛盾 · 重要异常遗漏 · 语言与格式问题。

已接入验证

外部 AI 结果接入

接收 AI 推理服务器结果,转换为 PACS 界面可展示消息,将医生操作与调用信息返回系统。

请求:检查 ID + 上下文 响应:结构化 AI 结果 回传:医生查看与操作事件

系统的核心优势不是某一个算法,而是已经占据了医生高频工作流中的稳定入口。

05

不是 Demo,而是长期运行在真实医院中的高频基础设施

真实用户、真实调用、真实工作时长——数据来自放射智能质控及工作流系统后台日志。

接口调用趋势(日)

活跃医生工作站(日)

日均在线时长(小时)

功能调用分布

06

医生的一次查看、忽略或修改,都是模型无法从离线数据中获得的反馈

临床反馈不应只是一句“医生是否满意”,而应被分解为可追踪、可组合的工作流事件。

模型结果生成结果送达 PACS医生是否打开停留与查看接受/忽略/驳回报告是否修改最终报告后续临床结局

当前已有运行信号

接口调用记录调用时间当前用户当前检查功能模块使用频次在线时长结果传递状态异常与失败日志

可扩展反馈事件

AI 结果是否展示医生是否展开查看是否点击相关图像是否采纳提示报告修改前后差异忽略或驳回原因人工复核结论病理 / 随访结果
L1 运行反馈模型是否正常送达和显示
L2 交互反馈医生是否查看、点击或停留
L3 行为反馈医生是否修改报告或追加检查
L4 专业裁决医生是否接受、驳回或修正
L5 结局反馈病理、治疗反应或随访是否支持

该系统已经具备获取 L1 运行反馈的基础,并可逐步向 L2–L5 的临床反馈扩展;尚未完成的反馈闭环不会被表述为既有成果。

07

一个临床入口,可以承载不同公司的 AI 模型

系统曾在 PACS 用户界面与两家外部 AI 推理服务器之间传递消息,验证了模型服务接入与临床展示能力。

PACS 与医生

当前检查
图像浏览
报告编辑
AI 提示面板

模型接入网关

检查标识映射患者与检查上下文请求格式转换结果格式归一权限控制超时与故障处理界面展示事件记录
↑ 请求:检查上下文 ↓ 响应:结构化结果 ↺ 反馈:医生操作事件

模型服务

已接入验证
视见科技
肺结节检测 AI · 肋骨骨折检测 AI · 胸片多病种 AI
已接入验证
平安科技
乳腺钼靶检测 AI
已运行
院内质控模型
报告实时查错 · 漏诊检测 · 审核评级
可扩展能力
未来基础模型 / 多模态 Agent
通过通用模型适配器接入
对 AI 公司无需重新开发完整医生工作站
对医院不同模型可以通过统一入口接入
对数据项目模型输出和医生行为在同一检查上下文中关联
对未来 Agent可逐步从单向提示升级为多工具工作流
08

离线数据精炼与在线临床反馈,构成医学 AI 的两半

数据精炼系统生产高质量训练与评测资产,临床工作流系统让模型进入真实环境并获得持续反馈。

离线数据精炼环 正在建设

统一汇合层

统一匿名检查 ID模型版本任务与输出医生交互事件报告修改记录外部结局

在线临床反馈环 已具备入口

已建成PACS 工作流入口 · 质控功能 · API 调用 · 外部 AI 消息传递
正在建设放射报告与影像数据精炼体系
未来汇合模型真实世界评测 · 医生行为反馈 · 数据持续迭代

高质量医学数据决定模型能学到什么,而真实临床工作流决定模型最终是否有用。