急诊放射学中用于急危重症早期风险分层的预测性与操作性人工智能：范围综述

《European Radiology》：Predictive and operational artificial intelligence in emergency radiology for early risk stratification in acute care settings: a scoping review

　　

摘要

引言

急诊部门面临日益严重的拥挤问题，导致诊断延迟、死亡率升高和医疗成本上升。早期风险分层对于优化临床决策至关重要。尽管医学影像在初步评估中起着核心作用，但工作负荷压力和运营限制推动了人工智能（AI）工具的发展，以支持急诊放射学中的分诊和优先排序。

目标

绘制并综合有关人工智能在急诊放射学中用于急性护理早期风险分层的应用、表现和局限性的证据。

材料与方法

根据 PRISMA-ScR 指南和乔安娜·布里格斯研究所的建议进行了范围界定综述。方案先验制定并注册于开放科学框架。对 PubMed、Scopus 和 Web of Science 的系统检索确定了 2015 年至 2025 年间发表的研究，这些研究评估了急性护理环境中医学影像的人工智能应用。证据通过概念映射和主题分析进行综合。

结果

纳入了 71 项研究。计算机断层扫描是最常被评估的模式，其次是放射摄影和超声。主要领域包括神经血管疾病、急性心肺状况、创伤、COVID-19 和急性主动脉综合征。研究报告了较高的诊断性能和潜在的工作流益处；然而，证据主要是回顾性和内部验证的，前瞻性评估、外部验证或患者层面结果改善的证据有限。

结论

急诊放射学中的人工智能应用显示出前景广阔的诊断和工作流支持能力。然而，目前的证据主要反映早期发展阶段，前瞻性验证有限，现实世界影响评估稀缺，且对临床有意义结果的评估不足。

关键点

问题 旨在支持时间敏感型急诊放射学工作流程中早期风险分层和优先排序的人工智能应用，其临床成熟度如何？

发现 大多数研究报告在时间敏感型状况下具有较高的诊断性能，但证据仍主要是回顾性的，外部验证有限或前瞻性现实世界实施不足。

临床相关性 人工智能可能支持更早地识别和优先处理关键的影像学发现，但常规采用需要前瞻性外部验证以及关于对临床决策和患者结果有意义影响的证据。

图形摘要

引言

急诊部门面临日益严重的拥挤问题，导致诊断延迟、死亡率升高和医疗成本上升。早期风险分层对于优化临床决策至关重要。尽管医学影像在初步评估中起着核心作用，但工作负荷压力和运营限制推动了人工智能（AI）工具的发展，以支持急诊放射学中的分诊和优先排序。

目标

绘制并综合有关人工智能在急诊放射学中用于急性护理早期风险分层的应用、表现和局限性的证据。

材料与方法

根据 PRISMA-ScR 指南和乔安娜·布里格斯研究所的建议进行了范围界定综述。方案先验制定并注册于开放科学框架。对 PubMed、Scopus 和 Web of Science 的系统检索确定了 2015 年至 2025 年间发表的研究，这些研究评估了急性护理环境中医学影像的人工智能应用。证据通过概念映射和主题分析进行综合。

结果

纳入了 71 项研究。计算机断层扫描是最常被评估的模式，其次是放射摄影和超声。主要领域包括神经血管疾病、急性心肺状况、创伤、COVID-19 和急性主动脉综合征。研究报告了较高的诊断性能和潜在的工作流益处；然而，证据主要是回顾性和内部验证的，前瞻性评估、外部验证或患者层面结果改善的证据有限。

结论

急诊放射学中的人工智能应用显示出前景广阔的诊断和工作流支持能力。然而，目前的证据主要反映早期发展阶段，前瞻性验证有限，现实世界影响评估稀缺，且对临床有意义结果的评估不足。

关键点

问题 旨在支持时间敏感型急诊放射学工作流程中早期风险分层和优先排序的人工智能应用，其临床成熟度如何？

发现 大多数研究报告在时间敏感型状况下具有较高的诊断性能，但证据仍主要是回顾性的，外部验证有限或前瞻性现实世界实施不足。

临床相关性 人工智能可能支持更早地识别和优先处理关键的影像学发现，但常规采用需要前瞻性外部验证以及关于对临床决策和患者结果有意义影响的证据。

图形摘要