# AI-RADS框架

该研究开发并多读者评估了 AI-RADS——一个用于在病例层面评估放射学 AI 输出可靠性、临床实用性与建议处置的结构化框架，5 名委员会认证放射科医师独立评估了 7 个代表性 AI 应用处理的 350 例病例，每例赋予 5 个 AI-RADS 类别之一、适用修饰符及独立正确性评级作为参照，结果显示图像类任务的核心类别读者间一致性为 Krippendorff's α=0.87（95% CI: 0.83-0.91），生成式 AI 任务为 α=0.93（95% CI: 0.91-0.95），读者判定的正确性与提示可整合入临床工作流的类别 1 至 2 吻合良好，被评为“错误”的输出主要归入需要覆盖或从显示中移除的类别 4 至 5。

该研究开发并多读者评估了 AI-RADS——一个用于在病例层面评估放射学 AI 输出可靠性、临床实用性与建议处置的结构化框架，5 名委员会认证放射科医师独立评估了 7 个代表性 AI 应用处理的 350 例病例，每例赋予 5 个 AI-RADS 类别之一、适用修饰符及独立正确性评级作为参照，结果显示图像类任务的核心类别读者间一致性为 Krippendorff's α=0.87（95% CI: 0.83-0.91），生成式 AI 任务为 α=0.93（95% CI: 0.91-0.95），读者判定的正确性与提示可整合入临床工作流的类别 1 至 2 吻合良好，被评为“错误”的输出主要归入需要覆盖或从显示中移除的类别 4 至 5。