给医生的AI课：YOLO、DINO在心脏血管造影里找‘狭窄’到底靠不靠谱？

在导管室里，当您盯着冠状动脉造影的动态影像寻找那些危险的狭窄时，是否想过AI正在以完全不同的方式"观察"这些画面？今天我们不谈算法公式，而是用三把"智能放大镜"的故事，带您直观理解这些AI工具在临床实践中的真实表现。

想象您面前站着三位性格迥异的影像科助手：一位是动作麻利但偶尔粗心的急诊科风格（YOLO），一位是严谨到近乎固执的病理科专家（DINO），还有一位是喜欢结合病历文字描述的会诊医师（Grounding DINO）。他们各自拿着特制的放大镜，在相同的造影图像上寻找血管狭窄的蛛丝马迹——这正是当前AI辅助诊断最生动的写照。

1. 三位"AI助手"的性格画像

1.1 急诊快手YOLO：速度与遗漏的权衡

YOLO就像导管室里那个总能第一时间指出问题的住院总医师。它的工作方式简单直接：

• 工作特点：
  • 扫一眼图像就能立即标记可疑区域（实时处理）
  • 对明显的狭窄反应灵敏（高召回率）
  • 但可能把血管分叉处的阴影误认为病变（假阳性）
  • 容易忽略<1mm的细微狭窄（小目标检测局限）

临床案例中，当处理急性胸痛患者需要快速筛查时，YOLO的表现类似经验丰富的急诊医生——它能迅速捕捉到左前降支近段70%的显著狭窄，但可能错过回旋支中段那个需要放大观察的40%狭窄。

1.2 病理专家DINO：精准与保守的悖论

DINO则像那位坚持要看所有切片才下诊断的病理教授：

• 诊断风格：
  • 反复比对图像各区域关系（自注意力机制）
  • 只对确认度>90%的病变才标记（高特异性）
  • 极少误报，但可能漏掉早期病变（假阴性）
  • 需要更长的"思考时间"（计算资源需求高）

在评估慢性冠心病患者的系列造影时，DINO的表现令人联想到谨慎的资深介入医师——它标注的每一个狭窄都确实需要干预，但那些处于"临界值"的50-60%狭窄可能被它判定为"继续观察"。

1.3 会诊医师Grounding DINO：综合与过度的边界

这位助手特殊之处在于它会主动查阅患者的病历描述：

• 工作模式：
  • 结合图像特征与临床描述（多模态融合）
  • 能理解"寻找左冠优势型血管的临界狭窄"这类指令
  • 倾向于标记更多可疑区