综述：利用人工智能优化儿科影像领域的病例分诊和工作流程

《Pediatric Radiology》：Triage and workflow optimization with artificial intelligence in pediatric imaging

人工智能及机器学习算法在儿科放射科的分诊优化和影像流程改进中展现出显著价值，通过降低辐射暴露和提升随访效率实现诊疗质量飞跃，但受限于儿科数据稀缺和技术成熟度问题，未来需构建整合影像、基因组与临床数据的多元体系以突破瓶颈。

　　

摘要

放射科在各个领域越来越多地应用人工智能（AI）。随着医疗系统负担的不断增加，尤其是在急诊科，将AI纳入患者分诊和工作流程优化中的需求日益凸显。基于机器学习（ML）的算法构成了AI软件的核心，几乎在每一个环节都为医疗专业人员提供帮助，以确保提供适当的患者护理。在医院放射科领域，基于AI的算法在协助放射科医生和技术人员进行图像采集方面发挥了极其重要的作用。从准确的临床转诊到安排计算机断层扫描/磁共振成像检查预约，从确保最低的辐射暴露到提供及时的随访提醒，基于ML的软件确实彻底改变了现代图像采集的方式，尤其是在儿科放射科领域。尽管这些算法的实施速度很快，但由于一些技术挑战以及儿科数据集的有限性，它们尚未得到广泛使用。结合影像学、基因组学和临床数据的多模态儿科数据集对于构建全面的AI分诊模型非常有用，这有助于AI系统提升适应性和集成度，从而在未来提高儿科放射科的效率、缩短周转时间并改善患者的治疗效果。在本文中，我们重点介绍了基于AI和机器学习的算法在高效辅助分诊和优化儿科放射科工作流程方面的作用，进而确保整个部门工作流程的改进。

图形摘要

放射科在各个领域越来越多地应用人工智能（AI）。随着医疗系统负担的不断增加，尤其是在急诊科，将AI纳入患者分诊和工作流程优化中的需求日益凸显。基于机器学习（ML）的算法构成了AI软件的核心，几乎在每一个环节都为医疗专业人员提供帮助，以确保提供适当的患者护理。在医院放射科领域，基于AI的算法在协助放射科医生和技术人员进行图像采集方面发挥了极其重要的作用。从准确的临床转诊到安排计算机断层扫描/磁共振成像检查预约，从确保最低的辐射暴露到提供及时的随访提醒，基于ML的软件确实彻底改变了现代图像采集的方式，尤其是在儿科放射科领域。尽管这些算法的实施速度很快，但由于一些技术挑战以及儿科数据集的有限性，它们尚未得到广泛使用。结合影像学、基因组学和临床数据的多模态儿科数据集对于构建全面的AI分诊模型非常有用，这有助于AI系统提升适应性和集成度，从而在未来提高儿科放射科的效率、缩短周转时间并改善患者的治疗效果。在本文中，我们重点介绍了基于AI和机器学习的算法在高效辅助分诊和优化儿科放射科工作流程方面的作用，进而确保整个部门工作流程的改进。

图形摘要