Remene

我们正围绕一个大家司空见惯的问题打造 Remene：拿到 MRI 图像和放射科医生的报告，却很难理解其中的内容。如今，我们很多人会用 ChatGPT、Claude 或类似服务来弄懂这些术语、核对检查结果，只为让自己对读到的内容更有把握。

在早期测试中我们发现，用 ChatGPT、Claude 或其他类似工具来做这件事并不容易。如果你已经试过用自己的 MRI 图像进行测试，可能也遇到过其中一些问题。一项检查可能包含数百张图像，我们测试过的一些检查甚至超过 2,000 张。要把所有图像都放进一次普通聊天会话中很困难。即使你自己把 DICOM 文件转换成其他格式，仍然可能遇到上传大小和订阅用量方面的限制。你只能不断尝试，分批上传较小的图像集，让它修正某个问题；与此同时，还没问到真正想问的问题，订阅额度就已经消耗大半。

你或许能让 ChatGPT 为这项任务构建一个简单的 DICOM 处理器，但这类脚本通常只是为一次性任务编写的。能运行起来，与能让你信赖地处理不同的 MRI 检查，完全不是一回事。根据我们的观察，DICOM 虽然是一项成熟的标准，但不同检查可能存在各种差异，而这些脚本往往无法妥善处理。有时你本来只是想看懂自己的扫描结果，最后却花在调试转换器上。

不过，假设 AI 的超级智能真能构建出完美的 DICOM 转换器，隐私问题依然存在。DICOM 文件存储着大量个人信息：姓名、出生日期、身份编号、诊所名称等等。你很容易以为上传的只是图像文件，却没有意识到里面还包含这些内容。

我们的做法不同，在于我们在 DICOM 处理流程上投入了大量精力。我们对文件进行去标识化处理（删除或替换个人身份信息），同时保留图像和元数据，例如图像所属的序列、视图、是否采用脂肪抑制等。这样，我们就能最大限度减少发送给 AI 的个人信息。例如，我们保留性别信息，并将年龄转换为区间，如 30–39 岁，而不是精确年龄，因为这些信息可以为分析提供有用的上下文。

其次，我们确保 AI 流程能够获取分析所需的图像。我们会向其提供主要 MRI 序列中的图像，数量从几十张到数百张不等，并为智能体提供工具，让它们能够请求更多图像或信息，或从另一个视图查看同一结构。

最后，我们还希望这款产品不仅能帮助理解检查，也能帮助检查可能遗漏或出错的地方。我们是人，有时很容易忽略细节，尤其是在 MRI 图像数量众多、而逐一看完的时间又很少的情况下。它不能替代放射科医生或你的主治医生，AI 也可能会出错。它的作用是对扫描图像和报告进行额外核查；它标记出的任何内容，都可以拿去与医生讨论。

这里最关键的一点是，这款产品定位为教育性工具，不提供医疗建议。它会解释 AI 认为看到了什么、无法评估什么，以及哪些内容值得进一步讨论。

归根结底，你可能已经花了不少时间盯着这些图像，反复阅读报告，并想着该问些什么。我们希望 Remene 让这个过程轻松得多，让你带着准备好的问题去就诊。