人工智能在医学影像领域的应用较早，肺结节筛查、眼底病变识别等已有产品落地。其现实定位，是辅助而非替代。
优势在于检出效率。大量影像需要医生逐张阅读，耗时且易疲劳。算法可以先行标注可疑区域，医生重点复核，提高效率。
局限在于判断复杂度。影像诊断需要结合病史、体征、检验结果综合判断，单靠图像难以完成。算法给出的提示，仍需医生结合临床决策。
责任主体是医生。无论算法输出什么，最终诊断责任由医生承担。因此，算法的可解释性很重要，医生需要知道判断依据。
数据质量决定效果。训练数据的标注水平、人群覆盖、设备差异，都会影响算法在新环境中的表现。上线前的本地验证不能省。
技术在进步，但医疗的本质是人对人的照护。把算法用在提高效率的环节，把判断和沟通留给人，才是合理的分工。