Access for Artificial Intelligence in Radiology: A Hong Kong Perspective.

香港公營醫療體系承擔了超過 90% 的病患照護，AI 系統不再只是實驗室產物，而是急診與門診維持運作的基礎設施。如何將演算法無縫嵌入既有的臨床管理系統，並解決跨科溝通與語言障礙，成為放射科必須面對的管理課題。

公營體系 90% 病患與雙軌資訊系統的整合挑戰

探討人工智慧在放射科的應用，不能脫離當地的醫療基礎設施。在香港的醫療生態中，公立醫院系統承擔了超過 90% 的民眾醫療需求，這意味著每天有海量的影像檢查湧入放射科。面對龐大的工作負載，AI 的導入已經是維持醫療品質與報告效率的必要手段。然而，要讓演算法真正發揮作用，不僅是購買一套準確率極高的模型就能解決，更關鍵的是系統相容性、使用者適應性以及總體建置成本。

從現行的資訊架構來看，多數醫療機構都存在著雙軌系統。香港的臨床醫師主要依賴 CMS（類似臨床端的電子病歷總管） 來處理病歷記錄與開立醫囑。相對地，放射科醫師則是使用 RIS（放射科專用的排程與報告中樞） 以及 PACS（儲存調閱醫學影像的資料庫） 進行影像判讀與排程規劃。如果 AI 的分析結果只停留在放射科的 PACS，急診醫師就無法在第一時間獲得警示；反之若結果直接丟給臨床端，放射科醫師又可能在不知情的狀況下發出報告，導致雙方認知差異。因此，一個理想的 AI 部署策略，必須能同時跨越 CMS 與 PACS 的藩籬。

胸部 X 光在急診與門診的肺結節與氣胸攔截

胸部 X 光在所有醫學影像檢查中，無疑是開立頻率最高、數量最龐大的項目。無論是基層的家庭醫學科門診，或是每天需要處理大量急症病患的急診室，胸部攝影往往是提供初步醫療照護的第一道防線。為了應付如雪片般飛來的檢查，香港已在一般門診與急診部門廣泛部署 AI 輔助系統。這些異常偵測涵蓋了肺結節、肺腫塊、氣胸、肋膜積水，甚至包含了不當的管線置放。當 AI 被成功整合進臨床端的 CMS 系統後，它主動畫出疑似病灶的機制不僅提升了早期發現的機率，也讓臨床醫師能更快決定後續處置或安排轉診。

然而，任何演算法都不可能完美無缺，偽陽性與偽陰性是臨床實務中無法迴避的現實。當系統在門診端發出警示後，最終仍需要放射科醫師來進行確診、排除，或是建議安排後續的追蹤掃描與電腦斷層。這就突顯了將演算法深度整合進 RIS 與 PACS 的重要性。當放射科醫師打開影像時，系統必須能直接顯示模型所標記的疑似病灶位置，讓醫師能針對該區域進行視覺確認。雙向可見的機制不僅加速了放射科的審查流程，也大幅改善了臨床與科室之間的溝通效率。

骨齡 X 光自動化與兩種分類系統的跨院標準化

在小兒科的臨床實務中，骨齡評估是一項極為常見且影響深遠的檢查。無論是預測兒童最終身高，或決定內分泌疾病治療時機，影像結果都扮演著決定性的角色。傳統的骨齡 X 光判讀卻是放射科醫師相當耗時的負擔，醫師必須拿著病患的手部影像逐一比對厚重的參考圖譜。更棘手的是，骨齡判讀存在著顯著的觀察者間差異，不同醫師對同一張片子可能給出不同的年齡估計。如果病患在外院使用的是 Greulich-Pyle（比對整隻手部標準圖譜的快速分級法），而接手的公立醫院卻習慣使用 Tanner-Whitehouse（針對特定腕骨與指骨獨立評分加總的系統），兩次報告的基準就會完全不同，使得生長曲線的追蹤變得毫無意義。

為了解決跨院際的標準化難題，我們近期全面導入了基於深度學習的自動化骨齡評估系統。這套演算法最實用的特點，在於它能在幾秒鐘內同時產出 Tanner-Whitehouse 與 Greulich-Pyle 兩大系統的骨齡結果。這項改變不僅消除了人為判讀的主觀變異性，更徹底解決了不同醫療院所因評估標準不同而造成的溝通障礙。透過程式承擔這項高度重複的工作，放射科終於能將寶貴的人力資源重新配置，集中處理其他更緊急的影像檢查。

CT 腦出血偵測與急性中風的取栓時效

針對急診部門的迫切需求，腦部無顯影劑電腦斷層掃描的自動判讀，已經成為提升急性照護品質的關鍵。面對源源不絕的頭部外傷與疑似中風病患，系統能自動掃描所有新進的腦部 CT，一旦偵測到顱內出血便會立刻發出警示。這種機制幫助急診醫師與放射科醫師對影像進行優先排序，確保危急的病患能最快被拉出等候名單。若將焦點轉向急性缺血性中風，近年的臨床進展更突顯了影像時效的價值。特別是針對 LVO（急性大血管阻塞導致的嚴重中風） 的患者，機械性動脈取栓術的成功與否，完全取決於能否在黃金時間內透過 CT 完成確診並迅速送入手術室。

為了與時間賽跑，我們在本地導入的輔助系統旨在加速臨床與放射團隊之間的資訊同步。當演算法標記出疑似大血管阻塞的影像時，系統會同步通知放射線技師、診斷型放射科醫師、介入放射科醫師、神經內科醫師以及中風專科護理師。值得注意的是，許多急性中風事件都發生在非上班時間或深夜，此時遠端存取影像資訊的能力就變得至關重要。具備多面向重組功能的遠端連線基礎設施與群組即時通訊，讓值班醫師即使不在醫院內也能迅速確認病灶位置，讓適合的病患在最短時間內被送進血管攝影室。

CT 灌注掃描排除大血管阻塞與血管變異

除了加速大血管阻塞的確診，AI 與 CTP（利用顯影劑動態追蹤腦組織微血管血流的技術） 的結合，也在解決放射科日常看片時的死角。在某些急性中風案例中，病患沒有明顯的近端大血管阻塞，但卻有顯著的神經學症狀。此時，軟體能夠精準突顯出微小的灌注異常區域，這就像是指路明燈，提醒醫師必須回頭仔細檢查相對應的遠端微小血管。這種作法進而揪出了那些極容易被肉眼忽略的遠端阻塞，大幅提升了醫師在面對非典型中風影像時的診斷信心。

更具挑戰性的是，人體解剖結構的先天變異往往會對中風影像判讀造成干擾。一個經典的難題是病患同時合併 fetal posterior communicating arteries（胚胎期遺留的粗大後交通動脈變異） 以及先天性細小的基底動脈。當放射科醫師在血管攝影上看到細如游絲的基底動脈時，第一直覺很容易誤判為急性血栓阻塞。在這種解剖變異的複雜情境中，CT 灌注掃描的客觀數據便展現了其不可取代的價值。如果基底動脈看起來異常狹窄，但分析顯示整個後循環的腦組織灌注完全正常，醫師就能吃下一顆定心丸，確認這只是單純的先天性血管變異，從而避免了將病患錯誤推入手術室的風險。

腫瘤栓塞、大型語言模型與跨文化放射報告

隨著技術的不斷成熟，演算法在放射科的版圖早已超越了單純的影像診斷，並逐漸向介入放射學與腫瘤放射治療領域擴張。在許多醫療中心裡，這些工具已經被實際應用於協助腫瘤栓塞手術的術前路徑規劃，以及放射線治療的精準劑量計算。這不僅提升了介入治療的精確度，也大幅縮短了跨專科團隊擬定治療計畫的前置準備時間。正如近期在韓國放射醫學會大會的技術展覽上所見證的，越來越多基於大型語言模型的程式被開發出來，能夠根據影像特徵自動草擬初步的放射科報告。

除了優化內部工作流程，醫療翻譯程式更是解決跨文化醫療挑戰的利器。香港作為一個高度國際化的樞紐，每天都有大量旅客帶著其他地區的外語醫療報告前來求診，而這些地區的醫療用語習慣往往與本地存在差異。針對醫療專業術語訓練的翻譯模型，能將其他語言撰寫的放射科報告與處置流程，精準且快速地轉換為在地習慣的描述。這不僅幫助放射科醫師深入理解病患在外院接受的影像檢查細節，更能減少許多為了重新確認而安排的不必要重複掃描，在降低醫療浪費上具有極高的實務價值。

遇到基底動脈看似狹窄但兩側胚胎型後交通動脈粗大的案例，如果 AI 顯示灌注掃描完全正常，請放心寫下 anatomical variant 而非 acute occlusion。