6名医生先看片、AI再挑错：DeepNoid的AI second reader模式拿下KCR 2026最佳摘要

事实报道 × 医院信息化/临床医生 ｜ 产品速写

在"AI会不会取代放射科医生"的争论吵了十年之后，韩国团队给出了一个反向的答案：让医生先看片，AI只负责挑错。 9月14日，韩国医疗AI公司DeepNoid宣布，其与首尔大学医院黄义镇（Hwang Ui-jin）、宋知英（Song Ji-young）教授合作开展的AI辅助双读（double reading）研究，摘得韩国放射学会年会KCR 2026（9月9日-12日，高阳KINTEX 2）最佳摘要奖（Best Abstract Award）。这项研究的价值不在模型多准，而在它把一个更实际的问题摆上了台面：AI如何以最小的代价，让医生的阅片变得更强。

工作流反转：不是AI读片医生复核，而是医生读片AI纠错

目前主流的AI辅助阅片产品，绝大多数采用"AI先读、医生复核"的并行双读逻辑——AI的输出意见先摆在医生面前，医生在其基础上修正。这种模式隐忧明显：医生会产生锚定效应，视野被AI的判断框住，AI漏掉的病灶，医生大概率也漏掉。

DeepNoid与首尔大学医院的研究反其道而行：6名放射科医生先独立完成胸片判读，AI再将医生的报告与影像比对，只标记潜在的疏漏或误读，提示医生复核。AI不越权给诊断，只行使"第二双眼睛"的质疑权——这正是second reader（第二读片人）模式的本义。

数据：775张胸片，3.3秒的成本换来敏感性提升5.3个百分点

研究分析了6名放射科医生判读的775张胸片，其中140张存在需要进一步核实的异常，635张为正常。结果可以拆成四组关键数字：

• AI平均将16.1%的图像标记为需要复核；
• 人工复核后，这些被标记的判读中30.7%获得了修订——也就是说，每6.5张被AI点名的片子，有2张真的改了判读；
• 整体敏感性从32.3%提升至37.6%——对漏诊的拦截能力是这项研究最硬的收益；
• 整体准确率保持稳定（84.5%到84.8%），没有因为增加复核环节而牺牲特异性；
• 而这一切的代价，是每张图像平均3.3秒的AI处理时间。

这组数字的结构比单个数字更有意思。敏感性32.3%在放射科的真实语境里并不意外——它反映的是医生在大量日常胸片中识别细微异常的基础难度，也说明漏诊的主要来源是"注意力分配"而非"知识盲区"。AI介入后敏感性提升5.3个百分点，而准确率几乎不动，说明AI的"挑错"高度精准：它没有制造大量假警报把医生拖回重复读片的地狱，而是把有限的复核精力精确引导到了真正出问题的地方。

研究团队强调：只复核AI标记的图像、而非重看所有片子，是这套流程把额外工作量压到最低的关键。宋知英教授在报道中表示，团队将持续研究在保留医生独立判断的前提下提升诊断准确性的AI应用——这句话几乎就是second reader路线的立场宣言。

从最佳摘要到商业落地的DeepNoid

值得顺带看清的是这家公司的产品盘面。今年6月，DeepNoid的胸片AI报告生成工具M4CXR获得韩国食品医药品安全处（MFDS）批准，可覆盖正常所见与41类异常的自动报告草拟，目前已进入多家大型医院；上个月，公司刚刚把技术供给了浦项世明基督教医院——其首家私立综合医院客户。从科研获奖到MFDS取证，再到打开私立医院市场，DeepNoid的三步节奏说明：second reader不是概念，而是嵌在一条完整商业化管线里的产品战略。

给国内同行的参照

国内AI辅助诊断产品正在经历从"示范应用"到"收费目录"的关键期，second reader模式提供了三点参照。第一，人机边界的产品化设计本身就是竞争力——"AI不碰诊断权"在监管端是加分项，在医生端是接受度，在伦理端是安全感，一份研究摘要在韩国最大放射学会议上拿奖，说明学术共同体认这个方向。第二，效率叙事要与质量叙事并行——3.3秒/张的边际成本、敏感性+5.3个百分点的边际收益，这种"小步快跑"的组合比"替代医生"的宏大叙事更容易进入医院预算。第三，真实工作流的临床研究（医生-AI交互研究）稀缺而值钱——国内同类产品的多中心交互研究，或许正是下一个值得补的功课。

AI阅片的终局未必是谁替代谁，而更像这场实验的设定：医生负责看见，AI负责不放过。

---

原文链接：Best Abstract Award at KCR 2026: Discover the Impact of AI on Chest X-Ray Analysis（News1，2026-09-14）

千方医数集编辑部 出品