北京大学第三医院放射科主任医师袁慧书给出了一组院内数据：过去写一份脊柱磁共振报告，从初稿到审核通常要 10 到 20 分钟；用上新的智能体之后，报告撰写效率提升 56%。这家医院脊柱磁共振的检查量居全院磁共振第一位，日均接近 300 例。
一次扫描，七十六种征象
这套系统叫脊柱磁共振一扫多查智能体，由北医三院与联影智能医工协同研发，近日正式发布。它做的不是识别某一种病灶，而是一次扫描把颈椎、胸椎、腰椎、骶椎各节段挨个看一遍，自动识别 76 种疾病与异常影像征象，再按临床诊断逻辑输出一份结构化报告初稿。
科室里最耗人的活恰恰在这儿。脊柱是节段化解剖，一个椎体、一个椎间盘、一段椎管都得单独描述，退变、突出、狭窄各有各的说法，格式还得统一。这类重复劳动占了报告时间的大头。
省的是写字，不是判断
56% 这个数字很容易被读成 AI 看得更准，其实不是。它统计的是报告撰写环节，既不是诊断准确率，也不是全流程耗时。袁慧书说得很直接：人工智能在这一过程中承担辅助分析和信息整理，不能替代医生完成最终诊断，结论仍要医生结合原始影像和病人情况来定。
流程上的变化更实在。原来是一人写初稿、一人审核，现在 AI 出初稿、一位医生复核签发。医生没有被挪开，位置反而往后移了一格，从写字的人变成拍板的人。
关键是不用再开一个软件
这套智能体已经嵌进医院原有的影像归档与通信系统。医生不用退出阅片界面、不用另开一个客户端，AI 的结果直接出现在工作列表里，看完改完就签发。
这话听着像工程细节，实际是很多医疗 AI 卡住的地方。过去上线的影像辅助软件多是外挂程序，医生要看结论得切屏、登录、再切回来，多出来的几次点击足以让使用率降到很低。
研发不是从零起步。双方 2025 年 7 月立项，此前花了大约 18 个月把影像平台的底座做透，智能体是在这个底座上长出来的。目前已落地院本部及多家直属分院区。
七十六种背后是采购方式变了
按病种买模型，是过去影像 AI 的卖法：肺结节一个、骨折一个、脑出血一个，一个科室攒下好几套系统，界面各不相同。一次检查覆盖 76 类征象，等于把一堆单病种模型的需求压成一个。
对医院来说，这笔账不只是省钱。系统越少，接口越少，运维和培训的负担越轻；对厂商来说，投标时要讲的东西也变了，从模型准确率多少，变成一次能覆盖多少征象、能不能接进工作流。
还没被证明的那一半
需要留一分怀疑。这套结果来自单家医院、单一时段的实际使用，设备型号和病人结构都相对固定。袁慧书也提到，下一步要在不同地区、不同层级的医疗机构做验证，看它在不同设备、不同人群、不同环境下是否还稳。
还有一个绕不开的问题：大模型会编。脱离影像事实生成一个并不存在的征象，在结构化报告里比一句错话更危险，因为它看起来格式完整、术语规范。发布方自己把这条写进了材料。
效率之后是什么
影像 AI 的第一阶段比的是能不能看出来，第二阶段比的是能不能顺手。北医三院这套东西的价值，一半在 76 这个数字，一半在那句不用另开软件。
真正的分水岭在后面：当报告初稿变得又快又齐，医生的时间会流向哪里。如果流向疑难病例和随访对比，科室的能力是往上走的；如果只是被更多检查量填满，效率提升就只是把流水线调快了一档。这个问题，AI 回答不了。
免责声明：本文事实依据来自院方公开披露，不构成任何医疗或投资建议。