CT检查作为现代医学诊断的重要手段，长期面临辐射剂量与图像质量难以兼顾的行业难题。
传统重建技术在高辐射剂量下虽能保证图像清晰度，但对患者健康构成潜在风险；而降低剂量则易导致图像噪声增加，影响诊断准确性。
这一问题在儿科、肿瘤随访及慢性病管理中尤为突出，亟需技术突破。
针对这一痛点，国家重点研发项目“深度学习全模型迭代技术在CT扫查全身多部位临床应用与转化研究”应运而生。
该项目由北京大学人民医院牵头，联合四川大学华西医院、中南大学湘雅三院等9家国内顶级医疗机构，形成覆盖全国的多中心研究网络。
项目聚焦人工智能重构技术（AIIR）的临床验证与标准化应用，旨在通过多学科协同创新，建立统一的技术规范和诊断标准。
北京大学人民医院副院长洪楠教授指出，当前AIIR技术虽已展现出显著优势，但在实际应用中仍存在参数配置不统一、解读标准不一致等问题，制约了技术的规模化推广。
此次研究将通过系统化数据采集与评估，覆盖头颈、腹部、血管等八大典型临床场景，结合病理与MRI等标准验证，构建可复制、可推广的应用范式。
作为技术研发的重要参与方，联影医疗在CT影像领域持续创新，其提出的深度学习全模型迭代算法（AIIR）已实现辐射剂量降低50%至90%，同时显著提升图像分辨率。
这一技术突破不仅填补了国内空白，更为全球CT影像技术的发展提供了新方向。
业内专家表示，该项目的实施将推动我国CT影像技术从“依赖进口”向“自主可控”转型，并为临床诊疗提供更安全、高效的支持。
未来，随着技术标准化与普及，低剂量、高质量的CT检查有望惠及更广泛的患者群体。
推动医学影像技术进步，最终落点在患者获益与医疗质量提升。
以多中心证据为支撑、以统一规范为抓手，把先进重建技术从“实验室性能”转化为“临床可依赖工具”，既是破解低剂量与高质量矛盾的重要路径，也是我国高端医疗装备与临床标准体系建设的应有之义。
随着项目推进和成果落地，低辐射、更精准、更可及的影像服务有望加速走入更多诊室与基层场景，为健康中国建设提供更坚实的技术支撑。