先说准确率，最容易踩坑的是只看一个总指标。灵敏度高，意味着不容易漏掉可疑病灶；特异性高，意味着不容易把正常当异常。两者要平衡，且要结合科室目标：急诊更怕漏报，体检场景更怕误报太多拖慢复核。其次要分病种、分设备类型看泛化能力，同一个模型在不同厂家设备、不同扫描参数下，效果可能有差异。评测时不能只问“平均准确率多少”，更要问“哪些情况下会掉性能、掉到什么程度”。还有一个常被忽略的点：误报和漏报对临床流程的真实影响。误报多，不只是多看几张片子，而是会让医生对系统提示产生疲劳；漏报则直接触碰医疗安全底线。所以要把AI放进实际读片节奏里评，不要只看离线结果。对于复杂病例、术后改变、合并多种基础病这类情况，AI通常更适合作为辅助提醒，而不是独立结论，这个适用边界需要在验收前说清楚。

再看响应速度，不能只盯着“推理多少毫秒”。临床真正感知的是全链路时延：影像接入、预处理、模型推理、结果回传、工作站展示，任何一环卡住都算慢。评测时要做高峰并发测试，比如门诊集中上传、急诊插队、夜间批量任务同时发生时，系统是否还能保持稳定。很多时候瓶颈不在模型本身，而在网络带宽、存储I/O、GPU调度或K8·凯发接口队列。不同场景对速度要求也不同。急诊强调“尽快给出可疑提示”，哪怕先给初筛结果再补充细化；常规门诊更关注稳定和一致，不希望今天快明天慢。采购时可以要求厂商提供分场景的时延策略和降级方案，例如高峰期如何优先急诊任务、失败重试如何不影响主流程。这样才能把速度指标变成真正可执行的SLA，而不是宣传口号。

落地门槛方面，最常见的问题是“模型能跑，但流程跑不通”。与PACS、RIS、HIS的对接复杂度，往往比模型本身更耗时间。接口标准是否成熟、历史系统是否可改、谁来负责联调、异常工单如何闭环，这些都要在合同前谈清。数据治理和权限合规也不能后补，影像数据的脱敏、调用、留痕、审计要提前设计，否则上线后很容易反复返工。从维护保养角度看，选型要把“长期可维护”放在前面。第一，建立版本管理和回归测试机制，每次模型更新都要验证核心病种和关键流程，避免“升级后旧问题复发”。第二，持续监控模型漂移和故障告警，尤其是设备更换、扫描协议调整后，效果可能悄悄变化。第三，准备升级与回滚预案，确保出现异常时能快速切回稳定版本，不拖累临床。最后给一个实操判断法：先看是否可用，再看是否好用，最终看是否持续可用。可用，指核心病种在你院真实流程里跑得通；好用，指医生愿意用、不会增加额外负担；持续可用，指厂商有稳定服务能力，院内有明确运维机制，系统能在变化环境下保持质量。按这条线去评医疗影像人工智能引擎产品评测：准确率、响应速度与落地门槛，通常比只比单点指标更不容易踩坑。