AI Native PACS：从岗位流程到系统建设

这份文档写给影像科主任、信息科负责人和参与评审的临床医生看：先把”什么是、什么不是”说清，再逐个岗位讲流程怎么变、机器做到哪一步、人保留哪些决定权，最后落到系统怎么分层、怎么招标、怎么分期验收。

**判断标准只有一条：**把 AI 停掉，科里的工作是否明显变慢、变乱。分诊退回先到先得、报告退回空白手写、随访提醒消失、结构化查询查不到——如果这些同时出现，说明 AI 已经进了主流程；如果停不停一个样，那只是给老系统加了几个算法按钮。

完整图文版（7 张漫画图解，适合手机阅读与打印）→ 打开 原文评审与建设方案（28 条修订清单 · 20 个验收用例 · 90 天 MVP）→ 打开

目录

1. 先分清：四条试金石
2. 一次检查全程：从申请到随访的九个节点
3. 护士与检查登记
4. 技师与扫描执行
5. 诊断医生阅片与报告
6. 审核医生
7. 归档、检索与随访
8. 排班与资源调度
9. 工作量统计与绩效
10. 质量管理
11. 数据流：四类资产、三条契约
12. 系统怎么建（一）：总体架构与十个子系统
13. 系统怎么建（二）：标准、接口与部署方式
14. 系统怎么建（三）：组织、安全与三期实施路线图
15. 全岗位通用纪律：AI 做到哪、停在哪
16. 成熟度分级、采购甄别与现有工作的定位

---

1 先分清：四条试金石

传统 PACS 解决的是胶片数字化问题：图像存得下、调得出。RIS 管登记、排班和报告流程。这套分工用了三十年，问题不在老，而在它假设每一步都靠人完成。近几年科里陆续上了肺结节检出、骨折提示、报告模板等工具，多数是单独一套软件、单独一个入口，医生想起来才点，不点就和没有一样。厂商把这类拼装也称作 AI 原生，评审时需要一套能当场验证的判据。

所谓 AI 原生 PACS，指影像一进入系统就默认经过机器预读和结构化整理，其结果直接参与排队顺序、报告起草、审核分流和随访安排，医生的确认、修改和驳回又被完整记录下来，成为下一轮改进的依据。AI 不是挂在菜单里的选项，而是检查必经的工序。

评审会上逐条要证据

判据	达到时的表现	达不到时的表现
一、结果能不能查	不打开阅片软件，用数据库就能按病灶大小、分级、置信度把病例筛出来，结果以 DICOM SR 或 FHIR 形式回写，与图像绑定保存。	只在屏幕上画个框，或导一张截图、一份 PDF。出阅片端就查不到，科研取数还要人工翻片。
二、是不是必经工序	检查做完自动触发预读，急症自动排到前面，报告打开时草稿已经预填好。医生不需要记得去点某个按钮。	AI 藏在工具栏里，漏点无提醒，不点无记录。用不用全凭个人习惯。
三、改过的地方记不记	医生接受、改动、驳回了哪一条，什么时间、改成什么、选了什么原因，系统都留底，可按病种统计。	报告签发后只剩最终文本。AI 对没对、错在哪，无人说得清，升级只能等厂商发新版。
四、停掉后降不降级	停掉后分诊退回人工排队，草稿消失，随访要靠人记。各岗位都会立刻感觉少了一块。	停不停都一样，甚至没人注意到停了。说明 AI 从未进入主流程。

三代系统的目标不一样

代际	主要解决什么	留下了什么数据	医生的活儿有什么不同
第一代 数字化 PACS	不用胶片，异地能调片	DICOM 文件加检查索引	在屏幕上看，还是逐张看、逐字写
第二代 企业级平台	全院整合、与病历互通、集中归档	以一次检查为粒度的消息和报告文本	协同方便了，报告仍全程手写
过渡做法 外加算法	某几个病种少漏诊、快一点	私有格式结果，多为界面叠加	愿意点的人受益，其余人无变化
第三代 AI 原生	把影像变成可查、可比、可追踪的临床资料	像素、结构化事实、规则版本、反馈记录对齐保存	从逐字写变为确认事实、做鉴别、担签发责任

**现场验证做法：**让演示方当场做两个动作——第一，不进阅片端，按”结节 ≥ 8 mm 且置信度低”筛一批病例；第二，随机挑一份已签报告，调出医生改过哪些地方的记录。两件都做不到的，按外加算法的价格谈，不要为”原生”二字多付钱。

---

2 一次检查全程：从申请到随访的九个节点

老流程是直线排队：登记、等扫描、扫描、等阅片、写报告、等审核、签发、归档。先后只看谁先到，急不急靠临床打电话催，质量靠事后抽查。改成原生流程后，直线变成流水线：每个节点在往下传”这例该谁接”的同时，还沉淀”这一步已经确认了什么”。后面八个岗位的章节，都是把这张图放大到单个岗位看。

图 1 一次检查全程：九个节点。深色两格（AI 预读、分诊派单）是与传统流程差别最大的地方：机器在医生打开病例之前，已读过一遍并排好顺序。

节点	业务上发生了什么	系统新沉淀了什么	机器自动做的事
申请登记	申请单变成可执行的检查，准备事项一次交代清	临床问题、部位侧别、禁忌与过敏，以结构化形式入库	把自由文本转成结构化草稿待确认；提示重复检查和禁忌风险
预约排程	号源按急缓和准备时长分配，患者收到准备提醒	优先级、预约约束、准备确认回执	给出号源建议；未确认准备事项的自动提醒
扫描执行	技师按推荐协议执行，不合格当场处置	实际执行的协议、逐序列质量分、剂量记录	推荐协议参数；逐序列实时评分；缺序列拦截
影像入库	合格检查进入待读队列	像素与元数据完整性校验结果	自动核对序列清单与医嘱是否一致
AI 预读	没人等，机器先把这一例读一遍	病灶位置大小、征象、分级、与历史的变化量、各自置信度	检出、分割、测量、分级、与历史片配准对比
分诊派单	急症插到最前面，常规按亚专科和时限分发	危急标签、建议承接人、要求完成时间	识别危急征象；按能力与负荷给出派单建议
诊断报告	医生在已标注、已对比、已起草的工作面上做判断	草稿版本、逐条接受或改动的记录	预填草稿；标出与规则、历史冲突的地方待确认
审核签发	低风险快速通过，高风险强制复核	审核结论、驳回的结构化原因、双读一致性	按风险分流；先查一遍所见与结论是否自洽
归档随访	临床签收危急值，随访到期自动生成任务	四类资产对齐归档；随访台账；病理等结局回填	跟踪通知签收；到期触发随访；组科研队列

看这张表要注意一件事：每个节点留下的不只是”做完了”的状态，而是可供下一步直接使用的结构化内容。登记留下的临床问题决定预读重点，扫描留下的质量分决定诊断医生要不要对某个征象打折扣。入口信息写得含糊，后面所有自动化都会跟着打折，这是后面登记岗位要反复强调的原因。

---

3 护士与检查登记：错误在这里最便宜，漏到后面最贵

岗位一 — 登记台不是录入窗口，是整条链的第一道质控。后面预读准不准、分诊急不急，都取决于这里录进去的临床信息是否完整、是否可信。

现在是怎么干的，问题出在哪

• 申请单多为手写或自由文本：检查目的写”查因”、部位缺侧别、临床问题缺失，诊断医生读片时没有对照，只能凭图像猜临床想问什么。
• 适应证和禁忌靠经验把关：重复检查、造影剂过敏、体内金属、妊娠、肾功能异常，往往到了扫描室甚至报告端才被发现，患者白跑、检查取消、纠纷都出在这里。
• 预约靠人工排号：急诊、住院、门诊混在一起，空腹、憋尿、停药等准备事项靠口头交代，没确认、没回执，爽约和临时取消占了不少机时。
• 登记内容写错只能电话追改，系统不校验，下游也用不上。

图 7 每个岗位共用的操作闭环。机器先做准备和提示，人确认，确认过程留痕，再回流为规则改进。这条纪律在八个岗位都成立。

改了之后：操作步骤

步骤	具体做法	机器做到哪一步，人保留什么
申请接收	系统实时校验：检查项目、部位、侧别、临床问题、检查目的为必填项，前后矛盾的组合（如左侧申请配右侧协议）当场拦下，注明缺什么、矛盾在哪。	自然语言申请由系统转成结构化草稿，护士核对后确认。系统只标疑点，不替护士改内容。
安全筛查	自动调阅历史检查、过敏史、植入物记录和近期化验，命中重复检查或禁忌风险时弹出依据和建议处置路径。	提示分等级：重复检查给出相似历史清单供判断，禁忌给出风险等级。是否取消或改期由护士和临床医生决定，系统不自动取消。
预约排程	按急缓程度、设备可用时长、准备所需时间给出号源建议，准备事项自动发给患者并要求回执确认。	排程是建议不是派单。护士调整时选一下原因，调整原因留底，日后用来修正排程规则。
到检核对	扫码核对患者身份、检查项目和知情事项，特殊准备（如空腹时长）结构化确认后才进入扫描队列。	信息不全自动拦停并指明缺项，避免技师接单后才发现做不了。

这一步沉淀什么数据

登记的产出从一张单据变成一组可计算的临床背景：结构化临床问题、风险标签、初始优先级。这组数据是后面协议推荐、分诊排序和报告起草的直接输入。入口质量决定后面自动化上限。

岗位职责变化与要防的风险

护士的职责从录入转向把关：处理系统标出的例外、核对疑点、与临床科室沟通确认。拦截规则要统计误拦率，超阈自动降为仅提示。系统不得自动拒单或改单。

盯什么指标	说明
申请一次完整率	因信息缺失被扫描室或诊断端退回的比例，应持续下降
重复与不适宜检查拦截情况	看拦截量，更要看事后证实率，防止为了拦截率而乱拦

---

4 技师与扫描执行：把图像质控提前到患者离台之前

岗位二 — 这一岗变化最直接：以前图像好不好要等诊断医生看了才知道，现在每个序列扫完就评，不合格当场补，患者不用再跑一趟。

现在是怎么干的，问题出在哪

• 协议靠习惯选：同一种检查，不同技师扫的范围和序列不一样，图像之间没法比，历史对比经常对不上。
• 质量靠自己看：摆位偏、运动伪影、序列缺失、增强时相不对，漏过去之后诊断端只能将就看，或者打电话召回重扫，患者和科室都付代价。
• 剂量和不良事件靠事后统计：曝光超量、对比剂外渗，发现时已经过了处理和记录的最佳时机。
• 技师的活儿只按例数记：难度、补扫、拦下的问题检查都不进统计，认真把关的人吃亏。

改了之后：操作步骤

步骤	具体做法	机器做到哪一步，人保留什么
协议推荐	根据临床问题、部位、体型和历史检查自动推荐扫描协议和参数，技师确认后上机执行。	推荐要给出依据（引用哪条规则、参考哪类病例）。技师可以改，改时选原因。系统统计偏离情况，但不禁止偏离。
逐序列实时质控	每个序列完成立即评分：摆位、覆盖范围、伪影、信噪比、增强时相。不达标当场提示补扫，并说明哪项不合格。	评分和阈值在界面上可见。低分只触发提示，删不删、补不补由技师决定，最终放行权在技师。
完整性核对	序列清单与医嘱自动对账，缺序列、侧别对不上在患者离台前拦下。	这是硬性核对，拦截时必须给出解除办法：补扫，或经上级确认后放行，并留记录。
剂量与事件监控	剂量实时累计，与同类检查分布对比；对比剂注射过程异常自动记录并通知质控岗。	告警分级：一般波动只记台账，明显偏离才实时弹窗，避免告警疲劳。
放行交接	合格检查自动进入预读队列，并附上质量结论。	边缘合格的病例带标记放行，诊断医生能看到质量分，不会把图像质量问题误判为病变。

这一步沉淀什么数据

扫描环节新增三类过去只存在于技师经验里的数据：实际执行的协议（不是计划协议）、逐序列质量分、剂量与事件记录。它们既是诊断医生的阅读背景，也是设备状态、协议优化和人员培训的数据来源。

岗位职责变化与要防的风险

技师从单纯执行转向对图像质量负责，有更多时间处理患者沟通、体位和突发情况。要防的风险是质控模型误判导致不必要的补扫、增加辐射：要设补扫率监控，某条规则触发的补扫如果事后多被证实是误报，该规则自动降级并复核阈值，而不是让技师无限补下去。

盯什么指标	说明
离院后召回重扫率	因质量问题把已离院患者叫回来的比例，应下降
当场补扫率与证实率	补扫是否真解决了问题，防止过度补扫
协议一致性	同类检查协议差异收窄、与历史可比的比例上升

---

5 诊断医生阅片与报告：从从头找、从头写，变为先审分歧、再做鉴别

岗位三 — 这是全链价值最集中的一岗，也是原生与外加做法分界最清楚的一岗：区别不在有没有算法，而在医生打开病例那一刻，工作面是什么样子。

现在是怎么干的，问题出在哪

• 工作列表先到先得：急诊脑出血和常规体检排在一个队列里，谁先被看全凭顺序和临床催得急不急。
• 时间大多花在找，不在判：逐层翻图找病灶、手动测量、自己调历史片对比，真正用于鉴别诊断的时间被压缩。
• 报告从空白页写起：征象怎么描述、分级给到哪一级全凭个人习惯，同病种不同医生写法差很多，临床不好用，科研更没法直接用。
• 外加算法要另开系统看结果再誊回，忙起来没人用。

图 2 诊断医生打开病例时：三件事分清。系统已备好的、必须医生亲自做的、系统绝不能替医生做的。第三行是底线。

诊断医生：操作步骤

步骤	具体做法	机器做到哪一步，人保留什么
看列表	列表按危急程度、要求时限、亚专科和当前积压排序，急症置顶并推送提醒，点开的就是当前最要紧的一例。	排序理由可展开：命中了哪条危急规则。医生可手动调整顺序，调整留痕。
看预读结果	打开即见病灶标注、测量值、历史配准对比和新旧变化量，窗宽窗位按部位预设。	标注按置信度分层：高置信直接显示，低置信默认折叠。任何时候可一键切换到无标注原图，防止被标注带偏。
审草稿	结构化模板根据已确认的征象预填影像所见和结论草稿，分级与随访建议由规则给出候选。	顺序是先确认事实、再看文字。每句草稿可溯源到具体病灶和序列。侧别、否定、程度、数字这类关键信息不自动定稿，必须医生确认。
处理分歧	AI 结果与模板、历史或规则对不上的地方，集中成一份确认清单置顶，逐项处理完才能签发。	系统只指出分歧点并提醒连带核对结论与定位，不替医生改文字。改不改、改成什么，医生说了算。
签发留痕	签发时冻结当时用的模型和规则版本，逐条接受或改动的记录入反馈库。	改动要选类型：漏检、误检、测量偏差、表述问题。这是后面模型和规则改进最有价值的数据，不能省。

这一步沉淀什么数据

诊断环节是 AI 草稿被确认或否决的关口：经医生确认的征象和分级成为正式临床结论，未确认的只留在候选区。医生改了什么、为什么改被完整保存，报告从一次性的文本变成可追溯、可复盘的过程记录。争议时可还原当时依据。

岗位职责变化与要防的风险

医生的时间从搜索和打字转到鉴别诊断、分歧判断和与临床沟通。最要防的是图省事照单全收：草稿写什么就信什么。对策有三条——置信度分层呈现、低置信不进草稿正文、对采纳率异常高的医生定向抽查分歧病例。特别注意：不能拿草稿采纳率考核医生，采纳率高可能说明草稿好，也可能说明没认真看，把它和绩效挂钩等于奖励照单全收。

盯什么指标	说明
急症响应时长	从检查完成到医生打开病例的中位时长，应下降
草稿逐条修改情况	按病种看：全盘接受和全盘重写都异常，都要找原因

---

6 审核医生：不再平均用力，把精力留给真正有分歧的病例

岗位四 — 审核是最后一道人工关。过去不分风险全量逐字审，队列积压，注意力反而在低风险病例上耗光了。

现在是怎么干的，问题出在哪

• 不分风险一律全审：体检常规和疑难危重排一个队列，审核积压时急症反而等得更久。
• 审的重点偏在文面：错别字、格式抓得多，漏诊和所见与结论自相矛盾这类真问题，靠审核者当时的状态。
• 驳回靠一段自由文字：初诊医生看完不知道具体错在哪，同样的问题下个月又出现，审核经验沉淀不下来。
• 双读和会诊靠线下喊人：结果不进系统，和最终报告对不上号，出了争议查不到依据。

改了之后：操作步骤

步骤	具体做法	机器做到哪一步，人保留什么
按风险分流入队	按病种风险、AI 与初诊的分歧程度、初诊医生年资分层：低风险走快速通道，高风险强制完整审核。	分层只决定排序和路由，不自动签发。任何病例都保留人工抽审入口。
先看分歧清单	审核台首屏给的不是报告全文，而是分歧清单：AI 与初诊不一致处、规则校验没过的地方、与历史矛盾处。	系统负责定位和呈现，不给出”应该改成什么”的结论，判断完整保留给审核医生。
机器先查形式问题	所见与结论是否一致、左右侧别和数值前后是否对得上、建议与分级是否匹配，先由规则查一遍。	硬性规则没过的拦住签发并置顶；一般提示不拦截，但留记录。
驳回必须说清类型	驳回时必须选结构化原因（漏诊、误诊、测量、表述、规范），可附批注和圈定区域。	同类驳回反复出现时，自动汇总成模板或规则的修订任务，而不是下个月再驳回一遍。
高分歧走双读仲裁	分歧大的病例自动生成双读或会诊任务，仲裁结论与原报告版本并存可查。	仲裁结果优先作为评估模型的参照样本。

这一步沉淀什么数据

审核产出从”通过或驳回”两个字，变成结构化的质量事件：哪里错、错的类型、谁与谁有分歧、最后怎么裁定。这批数据是质量管理和规则迭代的第一手材料，过去只存在于口头反馈里，说完就没了。

岗位职责变化与要防的风险

审核医生把精力集中在高分歧、高风险和低年资医生的病例上，经验通过批注沉淀为科室可查的资料。要防快速通道被滥用或分层标准慢慢漂移：快速通道的病例要持续抽查，一旦抽查不合格率超过阈值，自动收紧分层条件、扩大抽审范围，而不是等出了事再收紧。

盯什么指标	说明
分层后的审核时长	按风险层分别看，高风险不能因为分层反而变慢
同类驳回重复率	同一原因反复驳回应下降，否则说明规则或模板没跟上
双读一致性	需要仲裁的比例和仲裁后结论被推翻的比例

---

7 归档、检索与随访：归档的是事实，不是文件

岗位五 — 这一岗的使用者不只是影像科：临床医生查结论、质控查问题、科研组队列，都走这里。过去归档等于把文件存好，查的时候只能按编号找一次检查。

现在是怎么干的，问题出在哪

• 报告是一段自由文本，AI 结果（如果有）是一张截图，出了阅片软件就什么都查不到。
• 检索只能靠患者姓名和检查日期：想找”所有 8 mm 以上、已随访两年的肺结节”这类问题，无从下手，只能人工翻片。
• 临床医生在病历系统里只看到报告文字，想看原图要另开系统、重新授权，来回切换。
• 科研组一个队列要数周：人工筛片、手工脱敏，口径还说不清，换个人重做一遍结果对不上。

改了之后：操作步骤

步骤	具体做法	机器做到哪一步，人保留什么
四类资产一起归档	像素、结构化事实、当时用的规则与模型版本、反馈记录对齐保存。任一份报告都能查出当时依据的版本。	归档时自动校验完整性，缺事实或版本对不上的进待补清单，不能 silently 缺着。
按临床问题检索	可按征象、分级、大小、置信度、结局组合查病例，点结果直接跳到原图对应层面。	支持用自然语言提问，但系统先把问题转成明确的查询条件给人确认后才执行，并展示实际执行的条件，结果可复现，不靠”AI 猜”。
相似病例与历次对比	以当前病灶查相似历史病例，并给出本患者历次变化曲线，辅助诊断和随访决策。	相似病例是候选推荐，相关不相关由医生判。确实没有相似病例时如实显示为空，不硬凑。
临床与患者视图	临床医生在病历系统内嵌看图和结构化结论；患者端提供基于已签发报告的通俗说明和复查提醒。	通俗说明只能由已签发报告转换，经医生确认后发布，不另行生成新结论。
科研队列自助导出	按保存好的查询条件自组队列，默认脱敏导出，附数据字典和版本说明。	脱敏和权限由系统执行，导出全程留痕；需要关联身份的走单独审批通道。

这一步沉淀什么数据

系统的记忆单位从文件变成可计算的临床事实。判断归档做没做到位，只看一条：不打开阅片软件，仅靠查询能不能回答临床和管理问题。能，才算归档完成；只能调片看图，仍旧是个电子文件柜，只是存得整齐些。

岗位职责变化与要防的风险

检索和导出涉及隐私：按角色和具体病例双重授权，批量导出和对外协作默认脱敏并留痕。自然语言查询要防系统自行编造条件，所以必须走”先给查询草稿、人确认、再执行”的流程，并把实际条件展示出来。

盯什么指标	说明
不用找信息科的查询占比	临床和科研能自助完成的查询比例
调历史片的耗时	从提出需求到看到对应层面的时间
组队列周期	从数周降到数天，且换人重做结果一致

---

8 排班与资源调度：排的不是人头，是能力与负荷的匹配

岗位六 — 前面分诊排得再细，没有对的人在岗也落不了地。排班过去是行政事务，在原生流程里它直接决定队列能不能按时消化。

现在是怎么干的，问题出在哪

• 班表是一张静态名单：按资历轮转，不看亚专科对不对口，不看当天队列和急症波动。
• 负荷看不见：谁积压了、谁空闲靠科主任肉眼和喊话，急症高峰和常规低谷用同一套人硬扛。
• 替班支援靠人情：跨组、跨院区支援没有数据依据，夜班和节假日靠自觉，事后也说不清谁扛了多少急活。
• 排班和绩效两张皮：扛了多少急症、带了多少双读，不进工作量，和下一岗直接相关。

改了之后：操作步骤

步骤	具体做法	机器做到哪一步，人保留什么
先有能力清单	按亚专科方向、可独立签发的病种范围、历史质量与处理速度形成能力标签，作为排班和分诊共用的依据。	标签由系统根据流程数据汇总，医生本人可查看、可申诉修正，不搞不透明的内部评分。
先预测再排班	按历史检查量、星期与季节规律、已预约结构，预测各时段、各亚专科的工作量和急症可能性。	给出的是区间和依据，排班员做最终决定。预测准不准事后要复盘。
生成排班草案	在资质、工时、夜班公平等硬约束下生成草案，高峰时段自动建议增援或远程支援人选。	硬约束由规则守住，公平和个人偏好由人权衡。系统不自动发布班表。
在岗动态调整	队列积压或急症突然增多时，向在班负责人推送改派、支援、启用二线的建议。	只给建议，不自动改已明确责任人的病例。每次调整留痕并计入工作量。
多院区协同时	基层与上级医院共享工作列表和能力池，疑难自动上送，常规就地完成。	上送规则公开透明，基层保留知情和申诉通道，防止变成单向抽人。

这一步沉淀什么数据

排班的输入从一张经验表，变成实时队列、能力清单和预测区间三组数据；排班结果（谁在什么时段接哪类队列）又回过头成为分诊派单的依据。排班因此从排完就归档的行政表，变成流程的一部分。

岗位职责变化与要防的风险

排班牵涉公平和劳动权益，属于管理决策，机器只出草案和建议。特别要防能力标签把人定死：年轻医生总分不到复杂病例就永远练不出来。排班规则里要显式留出成长性安排，比如在双签带教下承接高难病例的配额，并定期人工复核标签分布是否合理。

盯什么指标	说明
高峰积压时长	高峰时段积压和低谷空转应同时改善
亚专科对口率	病例由对应亚专科医生承接的比例
夜班与急症负担分布	同层级医生之间负担差异是否收窄

---

9 工作量统计与绩效：口径不改，前面优化的流程会被旧办法抵消

岗位七 — 统计口径决定大家往哪使劲。只按例数算，挑简单活、躲急活就是理性选择，前面分诊和质控的努力都会被这种选择慢慢抵消。

现在是怎么干的，问题出在哪

• 只数例数：一例疑难脑肿瘤和一例常规体检片同价，急症、双读、带教这些活儿没人记，愿意接难活的人吃亏。
• 数据靠月底填报或临时抓取：迟报漏报、口径打架，对账耗人力，争议不断。
• 质量不进账：审核挑出多少问题、随访闭环完成多少、带教贡献多大，都不体现，快而糙反而占便宜。
• 登记和技师的把关劳动不可见：拦下不适宜检查、当场补扫避免召回，都不记功，久了没人愿意多这一步。

改了之后：操作步骤

步骤	具体做法	机器做到哪一步，人保留什么
从流程事件自动记账	登记核验、扫描质控、阅片、审核、仲裁、随访处置，每类动作由系统事件自动生成记录，不用人工填报。	记账规则公开，每人可查自己的明细和口径，有异议走复核流程，不私下改数。
按难度加权	按病种复杂程度、急缓等级、是否参与双读仲裁加权，替代单纯例数。	权重由科室委员会定，系统只负责执行和试算不同权重下的结果，不自定权重。
质量一起看	同时看及时性、与仲裁结论的一致性、随访闭环完成情况、驳回的结构分布，单项突出不能掩盖明显短板。	质量指标先用于病例复盘和辅导，异常先谈病例，不直接等同于扣罚。
团队账和个人账并行	一次检查能按时签发是登记、技师、诊断、审核共同的结果，团队指标与个人指标同时呈现。	防止个人计件诱导抢简单单：急症和疑难的团队贡献单独列示。
平时就能看	个人和科室看板实时呈现队列、时限和质量情况，月底报表只是把平时看惯的数据汇总。	看板呈现事实和口径，不由系统自动排名，排名规则由制度定。

**一条禁区：**不拿 AI 草稿采纳率算绩效。理由见左栏，这一条要在制度文件里写明，不能只靠口头约定。

这一步沉淀什么数据

数据来源从人工填报变成流程本身：谁在什么时间、对哪例病例、做了哪类动作，系统天然有记录。管理者的工作从催报表变为定口径：权重、阈值和例外情形。口径要版本化，历史绩效能按当时的口径重算，避免新旧混算扯不清。

岗位职责变化与要防的风险

这一岗有一条明确禁区：不得把 AI 草稿采纳率设为医生绩效指标。采纳率高可能代表草稿质量好，也可能代表没认真看就通过了；把它与收入挂钩，等于变相鼓励照单全收。采纳率只作质量监测信号，异常时触发抽查病例，不直接计分。

盯什么指标	说明
月底对账争议量	争议单量下降，且每笔都能按当时口径复现
疑难与急症承接分布	加权后高难度劳动被看见、被合理补偿
全岗位计功覆盖	登记与技师的质控类劳动进入统计的比例

---

10 质量管理：从抽几份报告，变为盯四条线

岗位八 — 原生系统每天产生大量机器中间结果，质控再靠事后抽几份报告就不够了。质控岗的角色从”抽报告的人”变为”看数据、管模型和规则的人”，前面七个岗位的事件在这里汇总成闭环。

图 4 四类数据资产。质量问题最后都要落到这四类资产上查：图像、事实、规则版本，还是反馈没记。

四条线分别盯什么

线	盯的对象	看什么指标，出问题怎么动（数据来自哪个岗位）
数据质量	进系统的图像和结构化事实	序列完整率（技师岗）、术语映射覆盖率（登记与诊断岗）；不达标的数据禁止进分析和训练集
模型质量	每个在用的算法版本	分病种的漏检与误报、置信度是否可信、与仲裁结论的一致率（审核岗）；漂移超限自动降级或下线
流程质量	分诊和报告这条管线顺不顺	急症置顶命中率、报告周转、草稿逐条修改情况、危急值签收时长（诊断与签发环节）
结果质量	最终报告与临床结局对不对得上	与病理和随访结果的符合率、临床反馈、随访完成率（归档随访台账）

原生流程特有的四种做法

• **新版先影子运行：**新模型或新规则先只记录、不展示，与现行结果和医生定稿比对，达标后才转正式，上线保留随时退回上一版的通道。没有影子期对比数据的，不允许直接替换。
• **抽检先抽分歧大的：**优先抽 AI 与医生分歧最大、置信度最低、新模型刚覆盖的病例。单位人力能发现的问题最多，比随机抽更有效。
• **规则算合规账：**每条报告规则统计它在真实模板和真实报告中的触发与合规比例。合规低要分清两种情况：规则要求合理但模板没跟上（改模板），还是规则本身与临床实际冲突（改规则），走两条不同的修订路径。
• **盯输入漂移：**换设备、改协议、就诊人群变化都会让模型表现悄悄变差。对输入分布和阳性率设基线，偏离就告警，而不是等漏诊攒成批再发现。

发现问题后回到哪个岗位

发现的问题	处理动作	回到哪个岗位
某条登记拦截规则误拦多	降为仅提示并修订规则	岗位一 登记
某条图像质控规则引发无效补扫	调阈值、改提示文案	岗位二 技师
某病种草稿总被逐条改	修模板规则，或对模型做影子重评	岗位三 诊断
同类驳回反复出现	更新模板、培训要点或分诊阈值	岗位四 审核
某病种随访总逾期	调随访触发规则和承接排班	岗位六 排班

**验收时要问的一句：**请出示模型监控看板，并说明最近一次把某个模型降级或下线的记录。从未下线过任何模型的，通常不是从未出问题，而是从未认真监控过。

---

11 数据流：四类资产、三条契约

前面八个岗位共用同一套数据地基。传统系统的数据观是文件观：图像是对象，报告是一段文本，系统只管检查、序列、图像三级索引。原生系统的数据观是事实观：一次检查同时产生像素、临床事实和知识关联，三者版本对齐、互相能追溯。这一章把地基说清，后面”系统怎么建”才有着落。

四类资产分别是什么

资产	内容	基本要求
影像像素	DICOM 原始影像、重建序列、关键图	无损或诊断级保存，冷热分层，厂商中立格式，避免被单一厂商锁死
结构化事实	病灶位置大小、征象、分级、测量值、置信度、所用模型版本	以 DICOM SR、FHIR Observation 等标准形式入库，带术语编码，能查、能统计
知识资产	报告规则、结构化模板、术语表、知识图谱、鉴别诊断关系	版本化管理，规则改动能算出影响了哪些历史病例
反馈资产	接受、修改、驳回、仲裁、随访结局	与当初的 AI 输出成对保存，逐步攒成可审计的参照数据集

任何 AI 结果入库前要过的三关

• **术语关：**同一个征象不同医生有不同写法，入库前必须映射到受控词表（RadLex、SNOMED CT、LOINC 的院内适用子集）。映射不上的先进候选池，不直接进正式库。这一步是实打实的知识工程，没有算法捷径，得靠临床和工程一起磨词表。
• **出处关：**每条事实带上来源图像的标识和空间坐标、所用模型与规则版本、生成时间。医生点一条结论能跳回对应层面，事后审计能重现当时看到的是什么。
• **置信关：**置信度与事实一起存。低置信的事实可以用于检索召回和提醒关注，不能直接进报告定稿区，也不能直接触发临床提醒。

智能能力分四级，顺序不能颠倒

级别	干什么	产出与验收看什么
一级 感知	检出、分割、测量、图像质量评分	定位框、分割掩膜、数值；看检出率和测量重复性
二级 理解	征象提取、分级判定、与历史对比、鉴别候选	结构化征象集与分级；看与专家共识的一致率
三级 生成	报告草稿、摘要、随访建议初稿、通俗版草稿	可编辑草稿；看采纳情况和逐条修改情况，关键信息零自动改写
四级 决策支持	分诊排序、复查间隔建议、会诊筛选、队列发现	给的是排序和建议，不是指令；看漏排率和采纳后的实际结局

大语言和多模态模型通常落在二级后段和三级：把结构化征象组织成规范文字、在规则约束下匹配模板填槽位、把分歧整理成确认清单。当前最常见的架构错误，是让生成模型直接架在像素上、跳过结构化事实这一层：文字看着流畅，但没法溯源、没法质控、没法查询。顺序永远是先有事实、再有文字。

**识别假结构化：**把 AI 结果存成 PDF 附件或截图不叫结构化。检验办法是不打开阅片软件、只用数据库查询回答临床问题，答不出来就是没做到。

---

12 系统怎么建（一）：总体架构与十个子系统

这一章开始回答”怎么建”。先立一个原则：不要指望买一套软件一次到位。原生 PACS 是把现有 RIS/PACS、影像存储、各单病种算法、报告系统重新分层组合，再补上过去没有的事实库、规则服务和反馈机制。分层清楚了，招标可以分开招，验收可以逐层验，换某个算法厂商也不会伤筋动骨。

图 3 五层架构 + 治理横切面。治理贯穿五层：权限、审计、版本、脱敏在建设初期就要做进去，后期补代价高一个量级。

五层各管什么，边界在哪

层	管什么	建设要点与常见坑
接入层	DICOM / HL7 / FHIR 网关、设备接入、放在扫描室附近的边缘质控节点、第三方算法适配	坑在各厂商私有协议：要在合同里写清标准接口和字段定义，不能只承诺”可对接”
数据层	影像湖（DICOM/VNA）、结构化事实库、规则与知识库、反馈与审计库	像素与事实共用同一套索引。这一层是医院的核心资产，必须归医院可控，不能放在算法厂商的私有库里带不走
智能层	感知、理解、生成、决策支持四级能力，加上模型注册、版本和上下线管理	算法可替换设计：新算法先影子运行、再转正式、随时可退回。不要把某个算法写死进流程代码
流程层	分诊引擎、任务编排、报告管线、危急值闭环、随访触发、反馈收集	这一层决定”谁在什么时候做什么”，是医院自己的管理意志，规则应由医院可配置，不应锁在厂商后台改一次收一次费
交互层	登记台、技师控制台、阅片报告工作站、审核台、质控与运营看板、临床与患者视图	按岗位组织信息密度：该岗位最需要先看的分歧和风险置顶，不要把所有信息平铺让医生自己找

自检办法：假想明天抽掉智能层，分诊、预填、随访提醒和结构化查询是否随之消失。消失，说明分层是真的；照常运转，说明所谓智能层只是挂在外面的插件，架构上仍是老系统。

十个子系统：按此拆分招标与验收

图 6 十个核心子系统。第 2、3、4 号（数据与知识）和第 5 号（算法）分开采购：数据归医院，算法可替换。

子系统	负责什么	验收时看什么交付物
1 接入网关	DICOM/HL7/FHIR 消息接入与转换、设备状态采集	接口清单与字段映射表；用标准工具能独立验证消息
2 影像平台	影像存储、调阅、VNA 中立归档、冷热分层	调阅速度实测；合同终止时影像可按标准格式全量迁出
3 结构化事实库	SR/FHIR 事实的存储、索引、查询服务	不进阅片端完成组合查询的演示；数据字典
4 知识服务	报告规则、模板、术语、图谱的编辑、版本与发布	临床人员可自行改一条规则并走完审核发布，不依赖厂商
5 AI 编排	算法调度、排队、版本管理、影子运行、监控下线	影子运行对比报告；一次真实的降级或回滚记录
6 流程引擎	分诊规则、任务分配、时限、随访触发、危急值闭环	规则可视化配置界面；改一条分诊规则的生效演示
7 报告引擎	模板匹配、槽位填充、草稿生成、硬规则校验、签发冻结	随机抽报告查版本冻结与修改轨迹是否完整
8 岗位工作站	登记、技师、诊断、审核、质控五类工作台	用真实岗位人员做可用性测试，不只看演示账号
9 质控平台	四条质量线的指标、抽检任务、漂移告警、规则合规矩阵	指标口径文档；告警到处理到关闭的完整记录抽查
10 运营平台	排班、能力标签、工作量核算、运营看板	口径版本化说明；个人明细可自查、可复核

**招标时的一条硬要求：**数据层（2、3、4 号）和流程层（6、7 号）的规则配置权、数据所有权和迁出权写进合同正文，不写在附件的口头承诺里。算法（5 号）可以换，数据和规则是医院攒下来的资产，换厂商时必须完整带得走。

---

13 系统怎么建（二）：标准、接口与部署方式

没有标准回写，就谈不上原生

标准或框架	在系统里担什么	不用的代价
DICOM（含 SR、SEG）	影像与结构化结果的载体，AI 事实回写影像库，与图像绑定	结果困在厂商私有库，换系统等于丢历史
HL7 FHIR	检查、观察结果、报告、随访任务与病历系统及区域平台交换	集成全靠定制接口，系统一升级接口就断
IHE 流程剖面	分诊、危急值通知、随访等跨系统流程的互通做法	每家医院重复摸索，多院区复制不了
术语体系	征象和诊断的统一说法，跨科室统计和模型迁移的前提	同义不同名泛滥，数据一出本科室就贬值
开放 API 与事件总线	第三方算法接入、科研导出、区域协同的通道	生态封闭，新算法接入按年算

评审时要看一条完整的标准链路演示：一条 AI 结构化结果从产生、按标准回写、到被另一个系统读走，全程不靠导表格中转。凡是拿”可以导出 Excel”代替标准回写的，数据层按未完成计。

与现有系统的关系：不是推倒重来

现有系统	原生建设中怎么处理	注意什么
HIS / EMR	申请、医嘱、病历上下文通过标准接口进来，结构化结论和危急值回写回去	临床医生要在病历界面里能看图和结论，来回切换系统是落地的大忌
现有 RIS	登记、排班、报告流程逐步由流程引擎接管，可分岗位分批切换	切换期双轨运行要有明确退出条件，不能长期两套并行让人两头录
现有 PACS / 存储	影像平台可沿用并升级为 VNA 中立归档，新老影像统一索引	历史影像的结构化补标可按病种分批做，不必一次补齐，但计划要写明
已购单病种算法	通过 AI 编排层接入，结果按统一契约入库	合同补签数据回写与版本告知条款，否则算法升级后历史结果无法归因
影像设备	协议、剂量、状态数据经接入层采集，边缘节点做实时质控	设备私有字段要在采购新设备时就写入标准输出要求

部署方式按数据敏感度选，都必须留降级路

• 院内部署：影像和事实不出院，适合数据敏感、网络条件有限的机构。代价是算力和运维要自己扛，模型更新节奏慢一些。
• 混合部署：原始影像和可识别数据在院内，脱敏后的计算或区域协同走外部算力。要害是出域前脱敏和全程调用留痕必须做实。
• 区域协同：多院区共享工作列表和能力池，疑难上送、常规就地。前提是各院区术语和规则口径先统一，否则协同的是混乱。
• 降级预案（三者都要）：AI 停用时自动退回传统队列和手写报告，阅片归档不停摆。要定期真演练，不能只写在文档里。

---

14 系统怎么建（三）：组织、安全与三期实施路线图

谁来负责：这是临床牵头、信息搭台的项目

角色	负责什么	最容易缺位的地方
影像科（临床 owner）	定规则、定模板、定分诊与审核标准，验收临床效果	只提需求不参加规则梳理，上线后才发现规则不是科里想要的
信息科	架构、集成、数据治理、供应商管理、运维与降级预案	只管接口通不通，不管数据口径和版本，最后数据有了但没法用
医务与质控	四条质量线指标、抽检制度、绩效口径、事件处置流程	制度不改、口径不变，新系统按旧办法考核，流程优化被抵消
数据与规则运营岗（新增）	术语维护、规则版本发布、模型监控、反馈数据整理	最容易没人：上线时热闹，没人运营半年就开始漂移和过期

建议设一个跨科室的常设小组（影像、信息、医务各出人），规则和模型的上线、降级、回滚由这个小组按既定标准决定，不靠临时拍板。

图 5 三期建设路线图。每期结束都有可当场验收的成果，而不是无法核对的表述。

三期各自交什么、怎么算过关

期	主要建设内容	过关标准（逐条可验）
一期 打地基 约 0–6 个月	统一接入与归档；事实库上线；术语映射和规则库第一版；选 2–3 个高价值病种试点（如急诊头颅、肺结节随访）	试点病种结果能不进阅片端组合查询；历史报告能查出所用规则版本；影子运行有对比报告
二期 贯流程 约 6–12 个月	分诊与工作列表重构；报告草稿与门控上线；审核分层与危急值闭环；排班与工作量口径切换	急症响应时长较基线下降且口径可复核；随机抽报告能调出完整修改轨迹；停 AI 演练能退回传统流程
三期 成闭环 约 12–24 个月	反馈驱动的模型与规则迭代机制；漂移监控常态化；科研队列与运营分析；向其他病种和院区复制	至少完成一轮基于反馈数据的规则或模型更新并有前后对比；科研自助组队列跑通真实项目

**付款节奏建议：**按期验收付款，不按算法数量付款。每期款项与”可查、可降级、可回流”三类证据挂钩：查不到、降不了、回不来，相应部分缓付到补齐为止。

安全与合规：建设初期就要做进去的六件事

• 访问控制
  • 按角色和具体病例双重授权，最小够用
  • 批量调阅、导出、外发单独设门槛并留痕
  • 临时授权有到期回收，不给长期万能账号
• 脱敏与出域
  • 脱敏在数据离开院内或本科室前完成
  • 科研和厂商调试默认只给脱敏集
  • 外部算法调用记录送了什么、返回什么、何时送的
• 审计留痕
  • 谁在何时看过、改过、导出过，全程可查
  • 审计日志防篡改，保存期限与病历管理要求对齐
  • 争议病例能还原当时 AI 给了什么、医生改了什么
• 注册与责任边界
  • 界面上能区分哪些是已注册产品功能、哪些是科研辅助
  • 系统方担工具质量责任，签发医生担诊断责任，写进制度
  • 漏检、误报、系统不可用三类事件的处置流程预先定好并演练
• 版本与供应链
  • 模型、规则、术语、第三方组件都有版本清单
  • 任何一环升级，要能算出影响了哪些病例和报告
  • 保留退回上一版的通道，退回也要留痕
• 可用性与降级
  • AI 不可用时自动退回传统队列，阅片归档不停
  • 降级和恢复都要演练，演练记录纳入质控
  • 核心服务有监控告警，不能靠医生报障才知道

这六件事的共同点是：都要在建设初期纳入架构和合同，后期补做的成本和风险都高得多。评审时逐项要交付物和演示，不接受口头承诺。涉及患者数据的处理，还要与院内现行制度和属地要求逐项对表，本文不展开具体条款。

建设中最常见的五个坑

1. **先买算法、后补数据层：**算法结果进不了统一事实库，买得越多、孤岛越多。正确顺序是先立入库契约，再扩算法。
2. **规则锁在厂商后台：**临床改一条模板要提工单等排期。规则编辑和发布权必须在医院手里，厂商提供工具和培训。
3. **双轨运行没有退出条件：**新老两套长期并行，一线两头录数据，很快就会用脚投票弃用新系统。切换计划要写明每岗的切换日和退出标准。
4. **上线后没人运营：**术语不更新、规则不过期清理、模型漂移没人看，半年后效果明显下滑。要设运营岗并计入编制或购买服务。
5. **用旧口径考核新流程：**绩效还按例数和采纳率算，再好的分诊和质控设计都会被行为抵消。制度调整要和二期上线同步落地。

---

15 全岗位通用纪律：AI 做到哪、停在哪

八个岗位的具体做法不同，但有五条纪律是共通的。它们不是技术参数，而是临床安全和责任划分的底线，建议原样写进科室制度和采购技术要求。

纪律	具体含义与落点
一、按置信度分层呈现	把握大的可预填待确认，一般的作提示，把握小的只进候选池供检索参考。登记拦截、图像质控评分、分诊标签、报告草稿都按这个原则办，避免一刀切地全推或全不推。
二、机器只提示，不替人改关键结论	规则和模型负责发现不一致、不合规和可疑之处，修改由医生完成或由模型在医生指令下重新生成。侧别、否定、程度、测量数字这类关键信息，禁止系统自动改写后直接进定稿。
三、关键分歧必须当面处理完	AI 与模板、历史或医生初稿在关键信息上对不上时，拦住定稿、置顶提示，医生逐项显式确认，并连带核对结论和定位是否也要改。不能只改一处文字了事。
四、每个自动动作都能拒绝、能申诉	系统给出做这件事的理由，人可以改判并选原因，改判记录回流用于修正规则。没有申诉通道的自动化，一线很快会想办法绕开，最终形同虚设。
五、全程留痕、版本对得上	谁在什么时间接受或改动了哪条结论可追溯，任一份报告能查出当时的模型、规则和术语版本。这是责任划分、争议处理和质控归因的前提，没有留痕的设计不要上线。

四件明确不能做的事

不能做	为什么
用草稿采纳率考核医生	采纳率高既可能是草稿好，也可能是没认真看。挂钩绩效等于奖励照单全收（见岗位七）。
低置信结果直接进报告正文或触发临床提醒	低置信只能用于召回和提示关注，进正文会污染正式结论，触发提醒会造成告警疲劳。
新模型不经影子运行直接替换	没有与医生定稿的对比数据就上线，出了问题无法归因，也没有退回依据。
以导出表格代替标准回写	表格出院就无法与图像和版本绑定，历史结果在换系统时整体丢失（见第 13 章）。

**把纪律落成检查表：**上线验收时按这五条加四禁逐项演示：随机挑病例看分层呈现、制造一处关键分歧看是否拦得住、让医生改判一次看理由是否回流、抽一份旧报告看版本能否还原。演示不过的，按未交付处理。

---

16 成熟度分级、采购甄别与现有工作的定位

钱应该花在哪一级

等级	特征	下一笔钱花在哪
L1 外加	个别算法点状使用，结果不入库	先选高价值病种，把结构化回写的规矩立起来，再考虑扩算法
L2 结构化	主要病种的事实入库可查，术语初步统一	继续投数据层和术语工程。这是最值得投的一级，地基不牢上面都白搭
L3 流程化	分诊、预填、随访进默认流程，审核分层成型	补门控与留痕设计，同步改排班和绩效口径
L4 闭环	反馈驱动模型和规则持续改进，质控全程在线	建影子验证与漂移监控的常态机制，设数据与规则运营岗

多数机构的起点在 L1。常见的错误是继续在 L1 堆算法数量，演示越来越热闹，数据和流程没有变化。建议按等级逐级验收付款：当前在哪一级，下一笔钱就投向上一级的短板。

评审会甄别提问（逐条要现场证据）

1. 不打开阅片软件，按病灶大小和置信度筛一批病例，现在演示。
2. 一条结构化结果以什么标准回写，给真实样例和字段说明。
3. 从检查完成到急症被置顶，时延的中位数和九成把握的上限是多少，怎么测的。
4. 随机指定一份已签报告，调出修改轨迹：改的人、时间、类型、改前改后。
5. 报告与模型版本怎么绑定，演示一次退回上一版的操作。
6. 最近一次影子运行的对比报告，以及有没有不通过就没上线的记录。
7. 最近一次漂移告警或主动下线某模型的原因和处置。
8. 现场断开全部 AI，哪些环节降级、哪些照常，阅片归档是否受影响。
9. 术语映射的覆盖率是多少，新词怎么增补、谁审核。
10. 科研导出的脱敏样例和数据字典长什么样。
11. 已注册功能和科研辅助功能在界面上怎么区分。
12. 合同终止时，影像、结构化事实和反馈数据以什么标准格式全量迁出，现场给迁出样例。

答不上来或只讲规划的，按”尚不具备”计分，不要按承诺计分。

报告规则与知识图谱在这套体系里的位置

以单个检查项目（例如颅脑 MRI）为切入点，用脱敏的真实报告、现行规则文档和结构化模板，梳理出统一规则集和结构化模式，再驱动模板匹配、内容填充和硬性规则校验，生成供医生审核（通过、驳回、批注）的报告草稿。这类工作常被看作”帮医生写报告的小工具”，放进本章的体系里看，它的位置要更靠前。

这项工作的产出	在体系中的位置	为什么重要
结构化模式（实体与征象词表）	数据层：事实的模型	决定事实能不能入库、能不能查，是 L2 结构化这一级的地基
统一规则集与合规统计	知识资产加模型与流程质量线	把个人经验变成可执行、可统计的规则，并能分清是规则超前还是规则有误
模板匹配与内容填充	智能层三级：生成	在已确认的事实之上组织文字，受规则约束，而不是自由发挥
硬规则校验与降级处理	流程层：门控	只发现问题不替人改，关键分歧交医生裁定，守住第 15 章的纪律
医生审核（通过、驳回、批注）	交互层加反馈入口	每一次审核就是一条反馈，是整个闭环的起点数据

按这个定位，验收标准也要跟着调整：不只看草稿像不像一份报告，更要看规则能不能查询统计、冲突能不能定位到具体病灶和版本、批注能不能回流成为下一版规则。做法上先把一个部位做成完整可复制的梳理流程，再横向复制到其他部位。原生的难点不在覆盖面铺得多广，而在每一层的契约是否立得住：术语对得齐、版本追得回、置信度管得住。

收束一句：AI 原生 PACS 的实质，是把影像从需要人逐张打开的文件，变成机器能理解、流程能调用、质量能度量、能随一线反馈持续改进的临床资料。八个岗位的工作方式同时发生变化、变化能用指标说清、出了问题能退回，才算真正建成；只变一个岗位的，多半还是外加做法。

术语速查

术语	通俗说明
PACS / RIS	影像归档与通信系统 / 放射信息系统：前者管影像，后者管登记排班与报告，常一起采购。
VNA	厂商中立归档：以标准格式集中保存多厂商影像，避免被单一厂商锁住。
DICOM SR / SEG	结构化报告 / 分割对象：把结论和病灶区域以机器可读形式与影像绑定保存。
FHIR Observation	HL7 FHIR 标准里表达一项观察结果的数据单元，结构化事实跨系统交换的常用载体。
影子运行	新模型先只记录结果、不影响临床，与医生定稿对比评估达标后再决定是否正式使用。
门控与降级	按置信度和风险决定 AI 结果怎么呈现；条件不满足时退回人工处理，而不是硬推给医生。

说明：本文为概念与建设层面的参考文档，不替代任何现行标准、注册要求或院内制度文本。具体立项、采购与临床决策应结合本机构现状与正式规范另行评审。