夜班诱导疲劳对放射科住院医师胸片诊断准确性的影响及人工智能辅助的补偿作用：一项前瞻性个体内阅读者研究

《European Radiology》：From dusk till dawn?—Night shift-induced fatigue, diagnostic performance, and AI assistance in chest radiography

　　

目的：评估夜班诱导疲劳对放射科住院医师诊断表现的影响，并评估人工智能（artificial intelligence, AI）辅助是否可抵消潜在的表现损失。材料与方法：在这项前瞻性个体内阅读者研究中，10名放射科住院医师（平均经验35个月；3名女性）在首个一线现场夜班前后解读三套各33张胸部X线摄影。研究会话包括两次夜班前阅读（上午/下午，无AI）和两次夜班后阅读（上午，有/无AI）。眼动追踪记录注视持续时间（fixation duration）和扫视次数（saccade count），疲劳定义为夜班前后会话之间扫视主序列斜率（slope of the saccadic main sequence）降低≥5%。诊断准确性（Cohen’s κ，与专家多数投票比较）、效率（每张胸片平均报告时间）、眼动指标和用户调查采用广义线性混合模型（generalized linear mixed models, GLMMs）及Tukey校正事后两两比较分析。结果：10名放射科住院医师中有6名被归类为疲劳；其中诊断准确性在夜班后显著下降（从κ = 0.71 ± 0.05降至κ = 0.61 ± 0.10；p < 0.001），同时注视持续时间（p = 0.010）和扫视次数（p = 0.015）减少。非疲劳阅读者准确性下降较小（从κ = 0.72 ± 0.03降至κ = 0.65 ± 0.03；p = 0.037）。报告时间在夜班前后保持稳定（p ≥ 0.463）。AI辅助未显著改善诊断准确性（Δκ = 0.03–0.04；p ≥ 0.525）。疲劳阅读者中，AI辅助时报告时间数值上更短（Δ6.3 s；p = 0.122）；非疲劳阅读者中显著更短（Δ9.9 s；p = 0.031）。调查显示疲劳阅读者存在精神耗竭和注意力下降。结论：夜班诱导疲劳损害诊断准确性而未减慢报告速度，引发患者安全担忧。所用AI模型未恢复夜班前表现。关键点：问题——夜班诱导疲劳可能降低放射科住院医师在胸部X线摄影中的诊断准确性，但其客观量化及AI辅助的补偿潜力仍不清楚。发现——基于眼动追踪测量的动眼效率（oculomotor efficiency）的疲劳在夜班后降低诊断准确性而未减慢报告速度；AI辅助未显著改善准确性。临床相关性——夜班诱导疲劳可在报告速度不变的情况下降低胸部X线摄影诊断准确性，构成患者安全风险；本研究所用AI模型不能完全补偿疲劳相关表现下降。

研究背景方面，疲劳是医学领域的普遍挑战，可损害多个专业的工作表现，放射科尤为易感，因为其工作常涉及日间和夜间长时间连续图像解读。延长的值班时间可导致认知疲劳，表现为注意力和决策能力下降，也可导致体力疲劳，尤其是动眼系统疲劳。这些疲劳形式与临床相关发现的检出下降、诊断信心降低和解读时间延长相关，最终损害诊断准确性及患者照护质量。该问题预计会因检查量上升、检查复杂性增加以及持续的人力短缺而加剧，因此迫切需要缓解放射科医师疲劳的策略。人工智能（artificial intelligence, AI）被视为潜在途径，因其可自动化重复任务、支持图像解读、提高效率与准确性并减轻工作量，可能通过节省认知资源帮助抵消疲劳相关表现下降，但支持该假设的证据有限。本研究旨在评估夜班诱导疲劳对胸部X线摄影诊断准确性和效率的影响，以及AI辅助能否减轻表现损失；研究假设为夜班诱导可测量疲劳、疲劳降低诊断准确性和效率、AI辅助可抵消这些影响。

研究人员开展了前瞻性个体内比较阅读者研究，纳入10名放射科住院医师，在首个一线现场夜班前后解读三套各33张胸部X线摄影。研究设置两次夜班前阅读（上午/下午，无AI）和夜班后阅读（上午，无AI及有AI），并以眼动追踪指标定义疲劳。研究结论为：夜班诱导疲劳损害诊断准确性而未减慢报告速度，所用AI模型未恢复夜班前表现。其重要意义在于提示即使报告速度未变，夜班疲劳仍可能带来患者安全风险；遵守工作时间规定本身可能不足以完全反映疲劳相关表现风险，AI模型的补偿能力也受模型范围、阅读者验证行为和交互方式等限制。

关键技术方法概括（不超过250字）：研究采用前瞻性个体内阅读者设计，10名住院医师完成夜班前后阅读会话；图像来源于机构内部数据集，该数据集含2009—2020年45,016例重症监护患者的193,556张床边胸部X线摄影，既往用于训练和评估以ResNet-34为骨干的卷积神经网络；阅读研究图像来自2021年100张单人正位床边胸部X线摄影的内部测试集，经配额抽样选取99张（99例患者；平均年龄66.2岁；46名女性）组成三套各33张。疲劳分类基于眼动追踪测量的扫视主序列斜率变化，诊断准确性采用与6名专家多数投票比较的二次加权Cohen’s κ，效率采用每张胸片平均报告时间，并记录AI建议接受或覆盖情况、眼动指标及5级Likert用户调查；统计分析使用广义线性混合模型（generalized linear mixed models, GLMMs）和Tukey校正事后两两比较，主观疲劳采用瑞典职业疲劳量表（Swedish Occupational Fatigue Inventory, SOFI）等评估。

研究结果如下。疲劳分类：通过眼动追踪测量的扫视主序列斜率变化进行疲劳分型，10名阅读者中6名归类为疲劳、4名为非疲劳；眼动追踪分型与夜班负担和主观疲劳相关，汇总效应量为0.51（p < 0.001），异质性I² = 0%。诊断准确性：通过阅读者评分与专家多数投票比较的κ评估，疲劳阅读者夜班后诊断准确性显著下降（κ = 0.71 ± 0.05降至κ = 0.61 ± 0.10；p < 0.001），非疲劳阅读者也下降但幅度较小（κ = 0.72 ± 0.03降至κ = 0.65 ± 0.03；p = 0.037）；AI辅助较无AI的夜班后会话略有改善但无统计学意义（疲劳者Δκ = 0.03，非疲劳者Δκ = 0.04；p ≥ 0.525）。诊断效率：通过每张胸片平均报告时间评估，夜班前后无AI时报告时间无显著变化（p ≥ 0.463）；AI辅助缩短报告时间，非疲劳阅读者显著（33.6 s无AI vs 23.7 s有AI；p = 0.031），疲劳阅读者趋近显著（31.6 s vs 25.3 s；p = 0.122）。AI-阅读者交互：通过记录AI建议接受或覆盖分析，AI输出与最终阅读者评分一致性较高，平均二次加权Cohen’s κ为0.693 ± 0.081；77.2 ± 8.0%的AI建议被原样接受，22.8 ± 8.0%被覆盖，其中升级占19.3 ± 8.0%、降级占3.5 ± 1.4%；疲劳与非疲劳阅读者接受率相似（77.1 ± 9.3% vs 77.5 ± 7.0%）；AI辅助会话前半段接受率为82.1 ± 9.6%，后半段降至72.7 ± 7.3%。眼动指标：通过眼动追踪评估，疲劳阅读者夜班后注视持续时间缩短（p = 0.010）、扫视次数减少（p = 0.015）；AI辅助时注视持续时间和扫视次数较前次无AI会话减少，仅疲劳阅读者扫视次数达统计学显著（p = 0.020）；由于这些指标来自同一测量模式，应视为相关眼动发现而非疲劳状态的独立验证。预测因素分析：通过广义线性混合模型分析，夜班或疲劳单独均不足以解释表现变化；夜班后状态与疲劳对诊断准确性（估计值?0.22，p = 0.041）、注视持续时间（?7.64，p = 0.024）和扫视次数（?21.92，p = 0.025）存在显著交互，对报告时间无显著交互（?0.02；p = 0.996）。用户体验：通过5级Likert调查评估，疲劳阅读者夜班后精神耗竭和维持注意力困难显著增加（p = 0.005），诊断不安全感和感知任务难度基本稳定；非疲劳阅读者呈类似但不显著趋势；夜班对决策能力和细微发现检测被评为具有中度不利影响；AI辅助虽被认为有用，但对其减轻工作量和提升表现的意见不一，部分原因在于需要独立验证。

讨论部分总结：作者指出，以扫视主序列斜率作为动眼效率标志可提供客观的眼动动力学指标，但其标准化阈值尚未统一；本研究采用5%下降阈值，并与SOFI评分和夜班负担相关。疲劳降低诊断准确性，非疲劳阅读者虽下降较小但仍存在下降，提示疲劳是多维构念，涉及认知、生理和情感通路，眼动追踪未捕获的通路也可能损害准确性；混淆矩阵结果提示疲劳主要损害细微或模糊发现的检出而非导致过度判读。眼动追踪显示疲劳阅读者扫视次数和总注视持续时间减少，提示夜班后阅读行为改变，但机制不能确定。报告时间保持稳定可能与时间压力习惯化和胸片解读常规化有关，这使准确性下降成为尤其重要的安全问题。AI辅助仅有小幅数值改善，未恢复夜班前表现；该结果应结合AI-阅读者交互解释，AI效果不仅取决于模型性能，还取决于阅读者感知、验证、接受或覆盖行为、界面设计、输出范围及既往经验。AI缩短报告时间，尤其在非疲劳阅读者中，并减少注视和扫视，可能反映搜索努力减少或报告模板完成方式改变。局限包括阅读者特征残余混杂、数据集限于床边胸片、AI系统特定且未获监管批准、固定图像顺序和重复Set I可能引入记忆效应、疲劳阈值未充分标准化、疲劳分类与次级眼动结果来自同一测量模式、未获取睡眠丧失或警觉性的独立客观测量、非完全盲法、受控阅读环境不同于真实夜班临床报告、眼动仪300 Hz限制微扫视检测等。研究结论翻译：总之，一线夜班与放射科住院医师可测量的疲劳、诊断准确性下降和注视行为改变相关，而报告速度保持不变。本研究所用特定AI模型的辅助未导致诊断准确性显著改善，且未能将表现恢复至夜班前水平，提示其抵消疲劳相关表现下降的能力有限。然而，更全面或整合方式不同的AI模型可能在未来的研究中提供不同水平的支持。