本文内容较长，可根据内容指引自助选择（推荐浏览整体内容）1.背景介绍；2.技术成熟度及谱系；3.伦理、法律及环境可持续；4.患者及影像检查选择(TRL1和2)；5.最优扫描方案制定与工作流程优化（TRL1和2）；6.图像采集和重建(TRL5-9)；7.图像分析与解读（TDL5-9）；8.非心脏病变的检测；9.AI在心脏CT和MR的挑战和前行方向；10.结论；引用文献：Mastrodicasa, Domenico et al. “Use of AI in Cardiac CT and MRI: A Scientific Statement from the ESCR, EuSoMII, NASCI, SCCT, SCMR, SIIM, and RSNA.” Radiologyvol. 314,1 (2025): e240516. doi:10.1148/radiol.240516
AI如何帮助为特定患者选择最合适的心脏影像检查？（尚未真正落地）AI工具可从电子病历中提取信息，把结构化数据（如 ICD 编码）与非结构化数据（如出院记录）整合起来，协助接诊医生为特定患者开出最适宜的心脏影像申请单，临床决策支持系统中的自然语言处理模块，有望减少低价值、高成本的检查。大语言模型（LLM）能够根据临床表现和学会指南，识别恰当的心脏影像方案。聚焦于开发 AI 工具，为个体患者优化最佳心脏影像方案，整合电子病历数据与适宜性指南，同时尽可能减少辐射、对比剂用量及影像检查的环境负荷；
最优扫描方案制定与工作流程优化（互操性欠缺）AI 如何优化心脏影像工作流程？1.通过分析历史数据，预测就诊高峰或可能爽约的门急诊患者，使科室提前调配资源或对高风险患者加强提醒。此外，AI算法还能综合患者偏好、既往数据、其他临床预约及病情优先级，智能优化排班和提醒策略。通过解析AI用于流程优化的关键特征，可精准定位瓶颈并持续改进；相关方案需同时覆盖住院与门诊场景，兼顾转运物流、跨科室协同及医院个性化要求，强调必须在真实临床环境中测试和验证AI应用，而非仅停留在严格受控的研究阶段；已有研究显示，借助AI工具调整工作列表优先级，可缩短急性肺栓塞等心外病变的诊断时间；AI如何优化心脏MRI与CT的扫描方案选择？2.AI工具可将患者的生物特征与病史整合，为个体化临床指征推荐最合适的扫描方案。有研究显示，基于自然语言处理的机器学习分类器在方案制定上的准确率已可与亚专科放射科医师媲美。此外，AI还可在半自动流程中提供推荐协议选项，进一步简化人工选择；需要大规模、多样化数据集来训练模型，以确保在不同人群和临床场景中的普适性，且CT与MRI的技术迭代常伴随厂商特定的协议更新；下一步的重点发展方向，应聚焦于把 AI 协议工具深度整合，实现更个性化、更高效的患者照护；
Mastrodicasa, Domenico et al. “Use of AI in Cardiac CT and MRI: A Scientific Statement from the ESCR, EuSoMII, NASCI, SCCT, SCMR, SIIM, and RSNA.” Radiologyvol. 314,1 (2025): e240516. doi:10.1148/radiol.240516
夜雨聆风
AI在简化影像工作流程、提升诊断性能方面已成为非常有利的应对工具，从欧洲和美国监管机构批准的心脏影像AI算法数量不断增加中可见一斑，优先考虑并确保患者安全与信任是在AI在临床开发和应用的必备一环，因此必须仔细评估心脏影像中的AI工具，全面考量其带来的机遇与挑战，并重点关注其附加价值；本文概述了心脏CT和MRI中AI工具的现状，并重点讨论了伦理、法律、环境可持续性以及实际部署中的关键考虑因素。文章涵盖了心脏影像工作流程的各个阶段，从患者及影像检查的选择，到图像分析和预后评估；本文的每个主题均聚焦于临床相关性，剖析AI在心脏影像工作流程各阶段应对当前挑战的潜在作用；
