人工智能辅助的胸部X光片解读提高了诊断的准确性，并使不同放射科医生的诊断结果更加标准化：一项多读者的研究

《Clinical Imaging》：AI-assisted chest radiograph interpretation enhances diagnostic confidence and standardizes diagnostic accuracy across radiologists: A multi-reader study

本研究通过回顾性多读者多案例设计，评估AI辅助CAD系统对非胸科放射科医生及住院医师胸片诊断准确性与信心的影响。结果显示，AI显著提升肺结节（AUC+9.3%）和胸腔积液（AUC+5.9%）的检测准确性，并增强读者信心，尤其在年轻住院医师中效果显著。结论表明AI可缩小经验差异，辅助临床决策，缓解胸科医生短缺问题。

　　

黄浩宇|黄宇翰|林成勋|陶婉婷|廖伟辰|于顺宁|莫惠智|冯文彦|徐宇婷|王建桥|柯凯雄

台湾台北内湖区成功路2段325号，三军总医院及国防医学院放射科

摘要

目的

评估人工智能（AI）辅助的计算机辅助检测（CAD）系统对不同经验水平的非胸科放射科医生和放射科住院医师在胸部X光片解读中的诊断准确性和信心的影响。

方法

在这项回顾性多读者、多病例（MRMC）研究中，400张胸部X光片（肺结节、胸腔积液、气胸各100张，以及对照组）由12名读者（2名非胸科放射科医生、4名高级住院医师和6名初级住院医师）独立解读。解读在CAD辅助和无辅助条件下进行，间隔30天。读者为他们的诊断结果分配信心评分（0–100分）。通过曲线下面积（AUC）、敏感性和特异性来评估诊断性能，同时通过正确解读病例中高信心评分的比例来评估读者的信心。

结果

AI辅助的CAD系统提高了所有异常的诊断性能，尤其是在肺结节（AUC：0.781 → 0.854；P < 0.001）和胸腔积液（AUC：0.896 → 0.948；P < 0.001）方面有显著提升。胸腔积液的敏感性提高了7.2%，而肺结节的特异性提高了15.7%。在所有读者中，初级住院医师的进步最为显著，尤其是在肺结节方面，CAD缩小了他们与非胸科放射科医生之间的基线AUC差距（最初为?7.3%，P = 0.006）。使用CAD后，读者的信心也显著提高，特别是在肺结节方面（+15.2%；P < 0.001）。

结论

AI辅助的CAD系统显著提高了胸部X光片解读的诊断准确性和读者的信心，尤其是对于初级放射科住院医师。这种方法可能有助于弥合经验差异带来的诊断差距，并支持临床决策，特别是在缺乏胸科放射科医生的医疗机构中。

引言

胸部X光检查（CXR）是全球使用最广泛的影像学检查方法之一。由于其易获取性、成本效益和较低的辐射暴露量，它对于诊断肺炎、胸腔积液和气胸等关键胸科疾病仍然至关重要。¹然而，由于解剖结构的重叠、投影伪影和图像质量的变化，准确解读仍然具有挑战性，这可能导致误诊，尤其是对于细微的病变。²此外，解读的准确性取决于放射科医生的经验和专业培训。³尽管胸科放射科医生通常在检测细微胸科异常方面具有更高的诊断准确性，但许多医疗机构依赖非胸科放射科医生和放射科住院医师来解读大量的CXR，尤其是在夜间值班和周末。随着全球放射科医生短缺问题的加剧，这一负担进一步加重了经验较少的读者的工作负担。^{4, 5, 6}特别是初级和高级放射科住院医师可能由于接触有限和缺乏胸部影像学经验而出现诊断错误。⁷鉴于CXR在指导临床决策中的关键作用，确保所有经验水平的准确解读至关重要。⁸

人工智能（AI）的最新进展为这些问题提供了有希望的解决方案。基于AI的工具中，由深度学习算法驱动的计算机辅助检测（CAD）系统在识别临床重要的胸科异常（包括肺结节、气胸和胸腔积液）方面表现出高准确性。^{9, 10, 11, 12, 13}通过提供自动化的病变检测和诊断建议，AI驱动的系统有可能提高放射科医生的诊断性能，减少观察者间的差异，并减轻日益增加的影像需求对放射科医生工作量的影响。

尽管之前的研究已经探讨了AI在提高放射科医生^{14, 15}和急诊医生^{16, 17}诊断性能方面的作用，但很少有研究专门考察其对不同经验水平放射科住院医师的影响。¹⁸这一差距尤为重要，因为培训生构成了未来放射科医生的主要组成部分，然而由于接触有限和培训不足，他们的诊断准确性往往更加不稳定。¹⁹此外，虽然大多数先前的研究主要关注曲线下面积（AUC）等准确性指标，但很少有研究探讨AI辅助是否也能提高读者的诊断信心——这是临床决策中的一个关键但常被忽视的方面。此外，评估AI在帮助非胸科放射科医生（他们经常解读CXR但没有专门的胸科影像学经验）方面的作用，可能会为其在实际临床环境中的应用提供有价值的见解。

最终，AI工具对于提高诊断准确性和标准化不同经验水平的解读信心至关重要，通过将其整合到培训和临床实践中，可以减少诊断差异并解决放射科医生短缺的问题。这项多读者、多病例（MRMC）研究的目的是评估AI辅助的CAD系统对不同培训水平的非胸科放射科医生和放射科住院医师在解读胸部X光片时的诊断性能和自我报告信心的影响。

研究设计和伦理批准

本研究遵循《赫尔辛基宣言》的伦理原则和机构数据保护指南进行，并获得了机构伦理委员会的批准（批准编号：C202405057）。由于研究的回顾性质，无需获得知情同意。采用MRMC研究设计来系统地评估CAD系统在诊断肺结节、气胸和胸腔积液方面的有效性。

使用和未使用CAD系统的整体诊断性能

通过AUC、敏感性和特异性评估的读者性能随着CAD支持的增加而提高（表1、表2、图1、图2）。肺结节的平均AUC显著提高（无CAD支持时为0.781，使用CAD支持时为0.854；+9.3%，P < 0.001），胸腔积液的平均AUC也显著提高（0.896 → 0.948；+5.9%，P < 0.001）。对于气胸，整体平均AUC略有增加（0.894 → 0.919；+3.3%，P = 0.087）。然而，亚组分析显示了显著的改进。

讨论

我们的研究结果表明，AI辅助的CAD系统提高了所有读者组在解读胸部X光片方面的诊断性能。在检测肺结节（+9.3%，P < 0.001）和胸腔积液（+5.9%，P < 0.001）方面观察到了显著的AUC提升，其中初级住院医师在所有三种诊断中的改进最为明显（例如，肺结节+11.7%，P < 0.001）。在没有CAD的情况下，非胸科放射科医生的表现优于住院医师；然而，在使用CAD的情况下，

作者贡献声明

黄浩宇：撰写——原始草案、方法学、数据分析。黄宇翰：数据分析。林成勋：数据分析。陶婉婷：资源支持。廖伟辰：资源支持。于顺宁：验证、数据分析。莫惠智：验证、数据分析。冯文彦：验证、数据分析。徐宇婷：验证、数据分析。王建桥：验证、数据分析。柯凯雄：撰写——审稿与编辑、监督，

资金支持

本研究得到了我们医院的研究资助。

利益冲突声明

作者声明，本研究是在没有任何可能被视为潜在利益冲突的商业或财务关系的情况下进行的。

致谢

我们感谢我们的放射科同事在技术上的协助和支持。