目的：统筹分析人工智能（artificial intelligence，AI）在医学影像临床应用进展，总结现有AI在医学影像临床应用中的不足，并预测未来AI在医学影像临床应用的发展前景与应用机会。

方法：首先通过多平台布尔逻辑组合关键词以实现精准匹配检索，将从不同平台检索到的文献整合到Endnote文献管理工具中，根据研究目的和质量标准筛选文献，并评估文献的质量和相关性。最终采用Comprehensive Meta-Analysis对所有筛选出的文献进行Meta分析，以实现更全面和更准确的效应估计，从而发现现有不足，并预测AI未来在医学影像临床的应用机会与发展方向。

结果：研究发现AI在医学影像的应用非常广泛，主要体现在图像识别与分析、辅助诊断、治疗规划、手术导航、预测性分析、影像分割、减少辐射暴露、临床研究、患者监护、教育和培训等方面。但由于医疗数据量大（计算和储存需求空间大）、医学影像数据质量不均（需要进行预处理和后处理）、算法复杂（需要进行大量的研究和开发）、应用场景多（需要进行多样化的开发和优化）等原因，AI在医学影像临床应用领域还需要进一步的技术优化和模型训练。目前，医学影像的AI应用主要是集中于影像诊断环节，针对医学影像技术临床研究方面还有待挖掘。在日常的技师工作中，最需要改进的方面主要是存在于图像采集的定位、图像质量的辨别两方面。在图像采集过程中，如果不能准确定位，可能会导致图像质量的下降或者患者辐射剂量的增加。有时，位置的细微变化并没有被注意到，结果需要重新拍摄，这就给图像采集过程增加了更多时间。而图像质量辨别可以描述为机器初步定性观察所拍摄的影片是否符合相关指控标准，在一些比较细微的部分，在日常繁杂的拍片工作中无法第一时间注意到的但会影响后续诊断结果的情况。在医学影像技术方面应用AI技术的近来有资料可循的一个是在 RSNA 2023 大会上，西门子展示了最新一代的双源CT SOMATOM Pro.Pulse。智能化辅助工具myExam Companion可以优化和简化CT扫描的操作流程，并提高图像质量。这项技术利用人工智能和机器学习算法，根据患者的个体解剖结构、临床任务和操作者的首选项，为CT扫描提供智能化的个性化设置。同时，FAST 3D摄像头自动执行精确且一致的患者定位。放射技师可以使用人工智能驱动的系统来帮助更快、更精确地定位患者，并使整个过程保持一致，所有这些都有助于提高图像质量，减少重复拍摄。

结论：在众多医疗行业中，医学影像由于图像数据量大并采用全球统一的DICOM标准存储，有望成为AI最先实现突破的领域。未来AI在医学影像技术临床领域的发展趋势可能体现在检查过程流程优化；检查途中辐照剂量和实时位置优化；后期图像处理实时模型训练。AI是技术突破的例证，为当前和未来的医学影像学领域带来了各种可能性，但预期和实际影响之间的差距可归因于多种因素。随着医疗专业人员越来越多地使用影像学AI，以及大型语言模型的不断发展，AI在医学影像学领域的未来似乎一片光明。