AI影像辅助系统的合规检查要点

影像科引入 AI 辅助系统后，最容易被忽略的往往不是模型能不能识别影像，而是“出了问题由谁判断、依据是什么、过程能不能追溯”。合规检查因此不应只盯着演示效果，而要把数据、模型、系统和临床使用放在同一条责任链上看。

先查数据和验证

数据来源、患者群体、获取方式和管理规范是否说得清，是第一道关。标注标准要统一，清洗和标注记录要留痕，否则模型表现出现偏差时，很难判断问题来自数据还是算法。对基层医院而言，还要关注不同设备、年龄段和常见影像类型下的表现，不能只凭单一场景的测试结果判断系统可用。

验证报告不只是一个“通过”结论，还应记录测试范围、验证参数、敏感信息保护措施和异常情况。尤其要问一句：当图像质量不佳、网络不稳定或模型无法判断时，系统是否会明确提示，而不是给出看似确定的结果？

再查责任和系统边界

AI 输出应当是辅助信息，关键情况下仍需由医生最终审核确认。医院需要明确管理层、临床科室、信息部门和供应商的责任分工，避免出现“系统建议了，所以没人负责”的空档。患者知情同意流程也应纳入检查，让患者知道辅助工具可能带来的帮助与局限。

系统集成同样是合规重点。与 HIS、PACS 对接前，要检查接口兼容性、网络带宽、用户权限和错误处理逻辑；测试不能只看结果能否回显，还要记录数据输入、模型调用和异常中断的全过程。权限过宽、日志缺失或结果回显错误，都可能转化为安全风险。

把上线当作开始

部署后仍需持续监测性能、收集错误报告，并将典型错误纳入临床治理会议讨论。风险评估文件应覆盖误判、隐私泄露和系统不可用等场景，同时结合所在地区的医疗器械、数据安全和算法透明度要求进行复核。对医院来说，分阶段试点比一次性铺开更稳妥；对供应商来说，能否留下完整记录、主动暴露边界，可能比一次漂亮的演示更能说明系统是否值得使用。