定义
智能诊断（Intelligent Diagnosis）是指运用医学影像AI、知识图谱、自然语言处理、机器学习等人工智能技术，辅助医生分析影像、病历、检验报告，提高诊断准确率与效率。它是远程医疗、循证医学与人工智能融合的典型应用，涵盖X光、CT、MRI等影像辅助判读、病历智能分析、辅助决策建议等。
智能诊断的技术体系
智能诊断技术体系包括影像分析：医学影像AI基于深度学习、图像识别，对X光、CT、MRI进行病变检测与标注；文本分析：自然语言处理从电子病历中提取症状、诊断、用药；知识推理：知识图谱、循证医学支撑鉴别诊断与治疗方案推荐。多模态融合可提升诊断完整性。
在远程医疗与物联网中的应用
智能诊断支撑远程医疗中的影像远程判读、基层医生辅助、初筛分诊。影像与病历数据通过云平台汇聚，需符合医疗数据安全与隐私法规。物联网为医疗设备、可穿戴设备提供联网与数据采集能力，生命体征、检查结果可接入智能诊断流程。达希物联可为医疗场景提供安全联网、数据加密、API集成能力。
发展趋势与实施建议
智能诊断正向多模态、可解释、临床落地演进。实施时需关注：与 PACS、HIS、RIS 等系统的集成、FDA、NMPA 等监管合规、医生工作流程适配、可解释性与临床信任。结合循证医学、知识图谱，可增强 AI 输出的可信度。智能诊断是"AI+医生"协作模式，最终诊断决策仍由医生做出。
辅助输出与临床决策权
智能诊断是把影像、病历文本和检验数值整理成供医师复核的候选意见。影像模型标出可能的区域，文本模型抽出症状、用药和既往记录，知识之间的关系把这些碎片排成需要鉴别的方向。输出应包含依据和不确定的部分，而不是只给一个病名。它改变的是信息如何到达医师面前，不改变诊断要由具备资质的医师作出这一责任。
输入的模态要完整，并且落在模型声明的适用范围内。只在某一种设备和某一种表现上试过的流程，不能直接用于另一种设备和另一类人群。病历缺项、检验单位不统一或影像序列不完整时，系统应拒绝给出确定表述，或明确写出缺少哪一类信息。接入医院系统后，要保留医师的修改和最终签署，模型版本和输入时间也要能回溯。患者身份和授权范围应在数据离开科室之前核对。
把很高的概率显示当成已经确诊，是常见错误。概率来自训练数据里的分布，不是对这一位患者的保证。模型没有见过的少见表观，会被归到最接近的常见类，界面仍显得很确定。只送影像、不看检验和病史，候选方向会偏向影像上最显眼的表现。不同医院的文书模板被直接拿去抽字段，同一个词的含义并不相同，抽出的结构就会错。省掉医师确认、把候选意见写入正式记录，责任边界就被取消了。
用事后整理得很干净的一致率，代替正在使用的条件，也会误导。现场输入常有缺项、缩写和扫描件。模型更新后若不比较同一批检查在新旧版本下的差异，医师不知道结论为何改变。远程传输中的压缩和截屏会丢掉细节，系统仍继续给出意见。应规定哪些输出必须人工确认、缺哪些信息时不得输出病名，并留下确认人。与CT衔接时要用完整序列；与循证医学中的推荐一起呈现时，要标明推荐所依据的人群，避免把一般性陈述写成这一位患者的决定。
医师修改过的结论要能反查当时使用的模型版本。事后只保留最终病历、不保留当时的候选意见，就无法知道模型错在何处，也无法判断新版本是否真的减少了那一类偏差。