作者：默思編輯部 發布：2026-10-08
放射科AI輔助診斷領域在2026年持續快速擴張，醫療AI公司Qure.ai於2月宣布，其胸部X光電腦輔助偵測（CADe）解決方案qXR-Detect，再取得美國FDA六項新適應症的510(k) Class II核准，使公司跨9項產品的FDA核准適應症總數，累計達到26項。
qXR-Detect的核心功能，是在一般胸部X光片上，自動標示與分類關鍵的陽性發現，協助急診醫師、家醫科醫師與放射科醫師更快辨識出需要進一步處置的異常影像。這類工具的價值，不在於取代醫師判讀，而是在高量能的臨床現場，扮演「不會疲勞的第二雙眼睛」，降低漏判風險，尤其在值班人力吃緊的夜間急診時段，效益更為明顯。
根據統計，截至2026年6月，放射科領域已累積獲得68項FDA核准的AI演算法，占所有FDA核准臨床AI演算法總數的76%以上。更早之前，FDA在2025年12月一口氣新增56項放射科專用AI醫材，使核准用於臨床影像的AI工具總數達到1039項，占FDA核准AI醫材總數近八成。這個數字背後反映的現實是：放射影像資料結構相對標準化、標註資料也相對容易取得，使其成為醫療AI應用中商業化進度最快的一塊領域。
值得注意的是，FDA核准數量的快速成長，不必然等於這些工具已被廣泛導入臨床日常工作流程。許多醫院仍面臨工作流程整合、醫師信任度建立與保險給付機制等非技術性障礙，這也是放射科AI工具從「取得核准」到「真正改變臨床決策」之間，仍待跨越的重要門檻。
放射科AI工具的爆發性成長，也為實證醫學帶來新的課題：這些演算法在真實臨床場域中的敏感度、特異度與臨床效益，是否真的禁得起隨機對照試驗等級的驗證？對正在學習如何評讀醫學文獻、理解診斷工具效度指標（如ROC曲線、陽性預測值）的學習者而言，AI輔助診斷工具的大量湧現，正是練習批判性文獻評讀的最佳活教材——畢竟FDA核准門檻與臨床實際效益之間，往往仍存在需要進一步驗證的落差。
值得特別留意的是，多數放射科AI工具是透過510(k)途徑取得核准，其證據要求門檻通常是「與既有裝置實質相等」，而非需要大型隨機對照試驗證明臨床效益改善。這與藥物三期試驗動輒要求數千名受試者的證據強度並不相同，也是評讀這類AI醫材核准新聞時，格外需要留意的關鍵脈絡。對準備實證醫學相關考試的學習者而言，能分辨不同核准途徑背後證據強度的差異，往往是區分「真正理解」與「照單全收」的分水嶺。
想掌握評讀醫學證據、解讀診斷工具效度的核心技能，歡迎參考實證醫學2小時速成班：從PICO到森林圖，一次掌握競賽關鍵技能。