人工智能对放射学的影响:EuroAIM/EuSoMII 2024年欧洲放射学会会员调查
该调查于2024年1月至3月在线发放给约28000名欧洲放射学会会员,572人(2%)完成。受访者预计AI主要影响乳腺和肿瘤影像(CT、乳腺X线、MRI)及无症状人群异常检测;48%正在使用AI,45%认为放射科医师需对影响临床决策的AI输出负责,48%认为患者不接受仅由AI出具的报告。与2018年调查相比,对AI影响就业机会的看法略不乐观,而放射科医师对AI输出的责任被确认。
要点
- 48%(274/572)受访者已在临床使用AI,27%(153/572)未使用,25%(145/572)计划使用。
- AI影响最被看好的亚专科为乳腺影像和肿瘤影像,模态主要为CT、乳腺X线和MRI。
- 45%(255/572)认为放射科医师将对影响临床决策的AI输出承担责任,37%(211/572)认为责任共享。
核心结论
- 欧洲放射学会会员表示熟悉AI技术并认可其潜在获益与挑战。
- 与2018年调查相比,对AI影响就业机会的看法总体略不乐观,AI用户/研究者更积极,而放射科医师对AI输出的责任被确认。
- 大语言模型的使用不仅限于研究,突出AI及其法规教育的需求。
研究设计与样本
- 在线问卷调查,由EuroAIM设计、EuSoMII和ESR专职小组审阅整合,2024年1月至3月通过邮件发放给约28000名ESR会员,572人(2%)完成。
- 问卷含7个 demographics 与专业背景问题及28个AI多选题,其中15题与2018年调查相同、13题为新增,所有问题必答。
- 采用Excel进行描述性统计(频率和百分比),分类变量关联分析用χ2检验,2024年与2018年答案比较计算95%CI。
诊断标准与关键数值
- AI影响最被看好的亚专科为乳腺影像和肿瘤影像,模态主要为CT、乳腺X线和MRI,应用场景为无症状受试者异常检测。
- 48%(274/572)受访者当前使用AI,27%(153/572)不使用,25%(145/572)计划使用;认证AI工具最常用于CT(222,38.8%)和X线摄影(137,24.0%),其次MRI(134,23.4%)和乳腺X线(75,13.1%)。
- 45%(255/572)认为放射科医师将对影响临床决策的AI输出承担责任,36.8%(211/572)认为责任共享,11.9%(68/572)认为由AI开发者承担。
- 48%(273/572)认为患者不接受仅由AI应用出具且无医师监督批准的报告,16.1%(92/572)认为可接受,36.2%(207/572)认为现在估计患者反应为时过早。
- 约80%受访者不熟悉所使用认证AI工具的医疗器械法规分类和上市后监督要求;AI用户中约30%熟悉、非用户中约10%熟悉(p < 0.001)。
临床应用与阅片要点
- 原文未据此给出推荐。
局限性
- 应答率2.0%,略低于2018年的2.8%,可能归因于调查饱和及自我感知AI知识不足。
- 受访者中非放射科医师/非放射科住院医师达23.6%,而2018年为1.3%。
- 约50%受访者在大学/教学医院工作,绝大多数(超过90%)位于欧洲。
- AI实施的主要障碍包括成本/缺乏预算(49.5%)、法律问题(43.7%)、缺乏验证/科学证据(35.5%)、缺乏愿景/政策/所有权(27.4%)及信息技术与系统整合(24.0%)。
- 现有关于AI附加价值的证据有限,需要高质量研究及精心设计的临床研究包括随机对照试验。
全文中译12 节 · 点击展开
背景
2019年,欧洲放射学会(ESR)/欧洲医学影像评估网络(EuroAIM)发表了首项关于人工智能(AI)对放射学影响的调查[1]。此后,AI因其在放射学中的应用而获得了显著关注。基于机器学习或深度学习的AI系统在图像采集、前后处理以及最终的疾病风险分层和临床决策方面展现出潜力[2–4],正如近期COVID-19大流行中所体现的那样[5]。2018年至2022年间,ESR成员中AI使用率也报告了显著增长[6]。
关于AI对生物医学和医疗保健影响的讨论日益增多,其中明显聚焦于放射学。事实上,除了对影像组学的关注(“图像不仅仅是图片,它们是数据”[7])之外,机器学习/深度学习早期即被应用于医学图像,从重建到临床预测和诊断[8, 9]。这种变革性创新在放射学界及其他领域引发了希望与担忧[6, 10]。过去几年中,生成式AI的出现是重大进步,大语言模型(LLMs)和超越语言的基础模型使得图像和视频的自动创建以及图像解读成为可能[11]。
应用于放射学时,AI工具被视为等同于医疗器械,涉及相关伦理和监管问题[12],正如欧洲联盟议会近期通过的《AI法案》所定义的那样(https://artificialintelligenceact.eu)。许多工作致力于AI研究报告的标准化,已有指南和清单可供使用[13–17]。值得注意的是,ESR期刊的编辑发表了关于作者、审稿人和编辑使用LLMs的声明[18]。
放射科医生对AI应用于医学影像的观点和看法已有报道[3, 19–24]。我们的目的是通过一项新的在线调查,了解ESR成员当前对AI对放射学影响的看法和经验。本研究旨在提供关于过去六年中对AI的认知和使用如何变化的见解。通过比较2018年[1]和2024年的调查结果,我们旨在了解AI对放射学实践、工作岗位以及ESR社区内专业格局的演变影响。这项纵向分析对于识别趋势、评估AI整合进展以及为ESR未来AI实施策略和教育需求提供信息至关重要。
方法
调查设计
调查设计是在考虑2018年[1]已开展的调查基础上确定的,并进行了更新以反映近期进展和新兴主题。为便于与2018年调查进行有意义的比较,我们保留了15个涉及人工智能对放射学影响基本方面的核心问题。新增了13个问题以涵盖人工智能技术的最新进展,包括生成式人工智能、大语言模型(LLMs)的兴起以及更新的监管框架。新问题由EuroAIM工作组提出,并经欧洲医学影像信息学会(EuSoMII)工作组以及ESR专门工作组审查和整合。调查包括三个部分:7个关于人口统计学和专业背景的问题(I–VII);以及28个关于人工智能问题的多项选择题;其中15个与2018年调查中所提问题相同(1–15),13个为新问题(16–28)。调查要求所有问题必须在提交前作答。完整问卷见补充材料。
调查推广与实施
该调查由EuroAIM、EuSoMII和EFRS——欧洲放射技师学会联合会,在ESR的框架下推广。参与为自愿性质,未收集任何个人身份信息,确保受访者匿名。调查按照ESR伦理标准进行,并遵守GDPR关于数据保护和隐私的规定。调查于2024年1月至3月期间实施,预计完成时间约为10分钟。参与邀请通过电子邮件发送给ESR成员,覆盖约28,000人。邮件包含调查的URL链接,调查托管于Google表单平台。分别于2024年1月26日和3月18日发送了两封提醒邮件。调查于2024年3月31日关闭。
数据收集与分析
调查回答使用Excel®(Microsoft,RedMond,WA,USA)自动记录和处理。对所有分类变量计算了描述性统计量,包括频数和百分比。使用χ2检验进行关联分析。为比较2024年与2018年关于人工智能的回答,使用Excel®(Microsoft,RedMond,WA,USA)计算了95%置信区间(CI)。
结果
人口统计学和专业概况(问题I至VII)
在发送的28,000封电子邮件中,共有572名受访者完成了整个调查(2.0%)。在572名调查受访者中,350名(61.2%)为放射科医师,87名(15.2%)为放射科住院医师,84名(14.7%)为放射技师,19名(3.3%)为物理师,32名(5.6%)为其他类别(主要是具有非放射学专业资格的医师和医学生)。工作场所为:大学/教学医院314名(54.9%)受访者;医院189名(33.0%);私人诊所37名(6.5%);私人公司20名(3.5%);私人研究中心7名(1.2%)。按年龄组划分的性别分布信息见图1。在572名受访者中,男性339名(59.3%),女性228名(39.9%),另有5名(0.8%)回答:“不愿透露”。
回答来自61个国家,按大洲分布如下:欧洲:535名(93.5%);亚洲:29名(5.1%);非洲:3名(0.5%);北美洲:3名(0.5%);南美洲:1名(0.2%);澳大利亚:1名(0.2%)。国家分布数据详见补充文件。
人工智能与医学影像(问题1至3)
图2报告了按放射学亚专科划分的应答者分布及其关于哪些亚专科将受人工智能系统引入影响最大的意见。图3显示了按所从事影像检查方式划分的应答者分布及其关于哪种影像检查方式将被最主要用于为人工智能系统提供输入数据的意见。表1显示了应答者判断为放射学中最相关的人工智能应用及其对应的应答者比例。
人工智能对放射学工作的影响(问题4至10)
在572名应答者中,约一半未预见人工智能在就业机会方面的影响(295,51.6%),而162名(28.3%)预期就业机会减少,其余115名(20.1%)预期增加。表2和表3显示了按是否为人工智能使用者或研究者进行的亚组分析。
根据256名(44.8%)应答者的意见,基于人工智能的应用将使放射学团队的职责更加临床化,208名(36.4%)认为更加技术化,92名(16.1%)认为无变化,16名(2.8%)认为既更加技术化又更加临床化。对于相对多数的应答者(229,40.0%),放射科医生将更加专注于放射学亚专科,因此基于人工智能的应用不会有助于报告亚专科领域之外的检查,或者不会改变当前实践(207,36.2%),而136名(23.8%)认为放射科医生将较少专注于放射学亚专科。关于报告工作量,270名(47.2%)预期总报告工作量增加,而184名(32.2%)预期报告工作量减少,118名(20.6%)预期无影响。
关于人工智能系统结果的法律责任,255名(44.6%)应答者认为将仅由放射科医生承担,211名(36.8%)认为将“分担”,68名(11.9%)认为将由人工智能开发者承担,21名(3.7%)认为将由保险公司承担,13名(2.3%)认为将由其他医生(例如申请检查的临床医生)承担(另有四个其他答案,0.7%)。在572名应答者中,273名(47.7%)认为患者不会接受仅由人工智能应用生成而未经医生监督和批准的报告,而92名(16.1%)认为仅由人工智能生成的报告将被接受;另一方面,207名(36.2%)认为现在估计患者对此情景的反应还为时过早。
在应答者中,242人(42.3%)认为使用人工智能(AI)系统不会改变放射科团队与患者之间的关系,而191人(33.4%)认为会变得更具互动性,139人(24.3%)预计会变得更加非人性化。
放射科团队参与AI工具开发(第11至15题)
在572名应答者中,559人(97.7%)认为放射科团队将在医学影像AI应用的开发和验证中发挥作用,特别是相对多数认为他们应监督应用于放射学的AI系统的所有开发阶段(355人,62.1%)。具体任务评分如下:协助任务定义(256人,44.8%)、提供标注图像(181人,31.6%)以及开发基于AI的应用(133人,23.3%)。
相对多数的应答者希望接受以下教育:AI应用的优势与局限性(410人,71.7%)、AI应用的临床使用(357人,62.4%)、技术方法(142人,24.8%)、如何在使用AI中占据主导地位(134人,23.4%)、如何在AI革命中生存(48人,8.4%)以及如何避免使用AI应用(14人,2.4%)。
此外,应答者认为,如果AI系统能够节省工作/报告时间,应将其用于与以下人员互动:其他临床医生(228人,39.9%)、患者(206人,36.0%)、AI开发者(如工程师、计算机科学家)(83人,14.5%)、其他放射科医生(53人,9.3%)或管理人员(2人,0.3%)。
在572名应答者中,274人(47.9%)目前在其临床实践中使用AI系统,153人(26.8%)不使用,145人(25.3%)目前不使用但计划使用。同时,572名应答者中有239人(41.8%)目前未参与AI应用开发的研究项目,118人(20.6%)计划参与,113人(19.8%)目前参与AI系统开发,102人(17.8%)参与其测试。
AI工具的使用与认知(第16至23题)
从未使用过任何AI工具的放射科团队成员为151/572(26.4%);56/421(13.3%)非常满意,169/421(40.1%)满意,145/421(34.5%)中立,48/421(11.4%)不满意,3/421(0.7%)非常不满意(图4)。
临床实践中使用的经认证AI工具最常见的放射学检查方式为CT(222人,38.8%)和X线摄影(137人,24.0%),MRI(134人,23.4%)和乳腺摄影(75人,13.1%)也常被提及。
调查结果表明,169/572(29.6%)的受访者对其正在使用的经认证AI工具的医疗器械法规分类和上市后监督要求不熟悉。同时,110/572(19.2%)熟悉这些要求,同等数量的110/572(19.2%)不知道分类,31/572(5.4%)不知道上市后监督要求;152/572(26.6%)声明目前或既往未使用过这些工具。1 应答者中是否使用AI与是否熟悉经认证AI工具的医疗器械法规和上市后监督要求之间的关联数据见表4。
调查结果表明,了解人工智能最常见的来源是会议和大会(428,74.8%),其次是科学论文(382,66.8%)和同事(242,42.3%)。社交媒体(206,36.0%)和新闻通讯(197,34.4%)也是重要的来源,而书籍(69,12.1%)和人工智能本身(64,11.2%)则较少见。其他来源如供应商、播客和行业相关信息被提及的频率较低。
在572名受访者中,354名(61.9%)声明其所在科室没有专门用于人工智能的预算,而164名(28.7%)受访者不确定。只有54名(9.4%)受访者表示其所在科室有专门用于人工智能的预算,主要位于意大利、德国、荷兰和瑞士。
调查结果表明,286/572名受访者(50%)未参与任何人工智能研究。参与人工智能研究的受访者所申报的任务/角色见表5。
相对多数受访者(341/572,59.6%)认为Covid-19大流行加速了医学影像中人工智能研究的发展或实施,而129/572(22.6%)不确定,102/572(17.8%)认为其没有加速作用。
临床实践中人工智能实施的主要潜在障碍为费用/预算不足,283名(49.5%)受访者选择此项;法律问题(250,43.7%);缺乏验证/科学证据(203,35.5%);缺乏愿景/政策/归属权(157,27.4%);以及信息技术和系统集成(137,24.0%)。其他障碍如疗效低、缺乏报销以及各种较少见的关切,每条被不足2%的受访者提及。
大语言模型(LLM)的认知与使用(第24至28题)
调查结果表明,299/572名受访者(52.3%)目前未在实践中使用大语言模型(LLM)但有兴趣使用。同时,124/572(21.7%)偶尔使用,122/572(21.3%)不感兴趣,27/572(4.7%)经常使用。在给出肯定回答的受访者(151,26.4%)中,临床实践中使用LLM最常见的场景为:研究活动/科学写作(98/151,64.9%)、文献综述(80/151,53.0%)、风险评估(19/151,12.6%)、图像标注和报告(18/151,11.9%)以及筛查/诊断(17/151,11.2%)。在放射学中使用LLM的主要潜在益处为获取最新医学文献和研究(241/572,42.1%)、提高图像判读效率(183/572,32.0%)、提高诊断准确性(101/572,17.7%)、节省成本(80/572,14.0%)以及提高影像检查执行效率(78/572,13.6%)。此外,199/572(34.8%)受访者对LLM的潜在益处不确定或没有意见。
关于将大语言模型(LLMs)纳入临床实践的主要担忧或保留意见是AI模型的可靠性和偏倚(318/572,55.6%)、法律和伦理影响(266/572,46.5%)以及数据隐私脆弱性(181/572,31.6%)。此外,64/572名受访者(11.2%)没有担忧或保留意见,而44/572名(7.7%)担心对放射科团队的负面影响。
在572名受访者中,380名(66.4%)未在其临床实践或学术用途中使用过AI影像生成模型(如ChatGPT 4o、Midjourney、DALL-E或Adobe Firefly),但有兴趣使用。此外,119/572名(20.8%)未使用过这些模型且不感兴趣,而59/572名(10.3%)偶尔使用,14/572名(2.5%)经常使用。
本次调查中关于AI的回答与2018年调查中给出的回答之间的比较(经判断与概述当前趋势相关)见表6,附两项调查的95%CI。
讨论
本次调查凸显了AI在放射学中整合的前景与挑战。应答率(2.0%)略低于2018年的应答率(2.8%),这可能不仅归因于调查饱和,还归因于自我感知缺乏足够的AI知识。本次调查纳入了放射技师,非放射科医师/非放射科住院医师占比达到23.6%,而2018年为1.3%。截至2018年,约50%的受访者在大学/教学医院工作。同样,绝大多数应答者(超过90%)位于欧洲。
截至2018年,乳腺影像被认为是受AI影响最大的亚专科,其次是肿瘤影像。相反,普通放射学、胃肠/腹部放射学、肌肉骨骼放射学和介入放射学被认为受AI影响较小(见图3)。CT被预测受AI影响最大,其次是乳腺X线摄影,这与对乳腺和肿瘤影像的认知一致。事实上,筛查检出是首选应用,其次是图像后处理、协议优化和肿瘤分期/再分期;仅5%的应答者选择“预后”作为相关AI应用,可能是由于对预后判断的倾向性较低。
感知到的AI对工作机会的影响(20%增加、28%减少、52%无变化),与2018年调查(分别为32%、23%和45%)相比,仅在工作机会增加的预期上显示出无重叠的百分比,即不那么乐观的看法。分为AI使用者(48%)和AI非使用者(52%)显示了应答者对AI的兴趣;145/298名非使用者(48%)声明计划使用AI。两组中约50%不期望AI引起的工作岗位变化,AI使用者的评价略为乐观(见表2),具有临界显著性(p = 0.071)。在预期AI所致工作岗位变化与是否为AI研究者之间的关联中也可观察到类似趋势(见表3)。这些结果表明,AI使用/研究的直接经验可能减少对工作岗位减少的恐惧。2018年,主要担忧涉及AI模型的可靠性和工作被取代的可能性。如今,关注点已扩展到法律和伦理影响(29%)以及数据隐私脆弱性(20%)。
未来放射科医师的AI驱动画像被认为更偏临床(45%)或更偏技术(36%);更趋于亚专科化(40%)或更愿意解读其自身亚专科之外的检查报告(36%)。关于AI对放射学工作量影响的认知也呈现出同样均衡的趋势。这反映出AI在放射学中长期后果尚不明确。
重要的是,45%的应答者呼吁由放射科医师对影响临床决策的AI输出承担责任,而37%预计为“共担”责任。这一数据与45%的应答者认为患者不会接受仅由AI生成的报告相呼应,尽管36%认为现在做出这一预测还为时过早,与2018年相比没有实质性变化。考虑到需要让“机器留在环路中”,并避免机器将“人类纳入环路”[3, 19],这仍是一个热点话题。应当指出,近期获批的欧盟《人工智能法案》(https://artificialintelligenceact.eu/)要求对所有高风险AI应用实施人工监督,其中包括任何医疗器械。
放射团队希望使用AI节省下来的时间能够用于与其他临床医师(40%)和患者(36%)建立更具互动性的关系。然而,要实现这一希望,需要作出巨大努力,以抵消单纯旨在最大化完成/报告检查数量的策略[3]。
98%的应答者认为放射团队在AI工具开发和验证中发挥作用(2018年为100%);“监督所有阶段”和“开发基于AI的应用”保持稳定(分别为64%对62%和28%对23%),而“帮助定义任务”从53%降至45%。我们在此应考虑所声明的对AI系统开发和AI测试的研究参与度,五年间分别从11%增至20%、从9%增至18%。关于AI工具在临床实践中的使用,48%的应答者声明他们目前是使用者,主要用于CT、X线摄影、MRI或乳腺摄影(2018年仅为20%),25%计划成为使用者(2018年为30%)。过去五年中AI研究和/或临床使用的增加与放射团队始终发挥重要作用相关。仍有一个问题在于数据/计算机科学家与放射学领域之间的交叉融合,直至将这些潜在“新同事”完全整合进放射团队[25]。
应答者要求接受AI教育。他们确认了优势/局限性(72%对69%)、临床使用(62%对58%)、“如何在AI革命中生存”(8%对11%)以及“如何避免使用AI应用”(2%对1%)等主题。技术方法的选择(25%对18%)和“如何在AI使用中掌握主动权”(23%对34%)发生了变化,表明在已经在使用AI时需要了解AI如何运作。
约四分之三的应答者是既往/当前AI使用者。其中,53%对工具满意/非常满意,35%为“中立”,12%不满意/非常不满意,表明对实践中已实施的AI工具评价为良好至中等。AI公司应调查这些意见,以获得用于改进的反馈。
我们强调,约80%的受访者对人工智能工具的医疗器械监管和上市后监督要求不熟悉,这些主题需要放射学会和学术机构开展教育工作[12, 26, 27]。尽管人工智能使用者和非使用者对这些法规的熟悉程度存在显著差异——约30%的使用者和10%的非使用者熟悉(p < 0.001)——但值得注意的是,超过70%的人工智能使用者并不熟悉,凸显了该领域对教育的强烈需求。
大多数受访者指出缺乏专门用于人工智能的预算(仅9%的受访者知晓有专项预算)。事实上,关于人工智能附加值的现有证据有限。需要开展高质量研究,包括设计良好的临床研究,如随机对照试验。前次和本次调查均发现了相似的人工智能实施障碍,如成本、缺乏验证和整合挑战,证实了2021年欧洲放射学大会(ECR)上欧洲放射学会(ESR)人工智能国际论坛所报告的内容[28]。
近60%的受访者认为COVID-19大流行可能加速了人工智能在放射学中的应用,尽管尚无确凿证据支持这一观点。
最后,对大语言模型(LLM)的兴趣正在显现,约25%的受访者表示经常或偶尔使用LLM,主要用于科学目的。用于临床目的的LLM使用率(约11–13%)引发了对其模型可靠性和偏倚、伦理影响及隐私脆弱性的担忧。必须理解的是,基础模型和LLM尚未出现在任何获认证用于医疗用途的现有产品中。欧盟《人工智能法案》确实允许在高风险应用中使用通用人工智能系统,但实际实施方案尚未面世以检验监管框架的有效性。因此,目前在临床实践中任何使用生成式人工智能或LLM的行为均属“未获授权”,责任完全由使用者承担。
欧盟和美国的最新法规涉及人工智能在医疗保健中的整合。欧盟《人工智能法案》[29]要求对高风险人工智能系统(尤其是医疗器械)进行严格评估,以确保安全性、透明度和可问责性。该法案还要求按照《通用数据保护条例》(GDPR)[30]进行高质量数据处理。在美国,2023年行政命令为人工智能设定了标准,重点关注数据保护、非歧视和伦理使用,尤其是在医疗保健领域[31]。放射科工作人员必须确保人工智能应用的安全性和伦理性,维护患者照护中的人文要素。两个地区均旨在平衡创新与严格的监管框架,以改善患者预后[32]。
本调查存在局限性。较低的应答率和可能的自选择意味着本文呈现的数据可能无法反映整个ESR群体的AI认知。事实上,这些数据提供的只是那些目前对AI在放射学中的影响抱有足够兴趣、以至于决定参与一项已宣告需10分钟完成的在线调查的ESR成员的观点和认知。其次,调查的自愿性质意味着对AI持强烈看法(无论正面还是负面)的个体可能更倾向于作答,从而可能导致这些观点被过度代表。最后,调查以在线方式实施,可能排除对数字技术不太适应的人群,从而引入“数字”偏倚,尽管这对放射科工作人员而言应不太相关。尽管存在这些局限性,所收集的数据仍为了解当前关注AI对放射学影响的ESR成员的态度提供了有价值的见解。间接而言,我们可以假设ESR群体内不存在对AI的相关恐惧在蔓延。如果存在此类担忧,通过在线调查表达忧虑和焦虑的机会很可能已被利用。
未来研究应聚焦于纵向研究以追踪AI不断演变的影响、减轻AI算法偏倚的方法,以及探索AI在临床决策中的作用。重要的是,从AI工具是“医疗器械”这一观点出发,放射学界应尝试通过随机对照试验评估其影响。这种最高等级证据的方法可用于比较随机接受AI支持诊断的患者与随机接受传统路径的患者的诊断/临床结局。此外,数据隐私和责任等伦理与法律影响应被深入调查。就实际步骤而言,放射科工作人员应参与关于AI进展的持续教育和培训,遵守伦理指南,与AI开发者合作,就AI使用与患者进行透明沟通,并确保符合监管要求。这些努力将有助于将AI有效且合乎伦理地整合进放射学实践。
总之,在参与调查的ESR成员中,对AI技术有相当程度的熟悉,并对其潜在益处和挑战有所认识。与2018年调查相比,在对AI对职位机会影响的认知方面没有相关变化,AI用户/研究者的评价有更乐观的趋势。放射科医生对影响临床决策的AI输出负有责任的看法也保持不变。大语言模型(LLM)的使用被声明不仅限于研究,凸显了AI及其监管方面教育的必要性。
补充信息
电子补充材料
引用
- Zanardo M, Visser JJ, Colarieti A, et al. Impact of AI on radiology: a EuroAIM/EuSoMII 2024 survey among members of the European Society of Radiology. Insights Imaging. 2024. PMID: 39373853. doi:10.1186/s13244-024-01801-w
- 全文:PMC11458846(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11458846/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。