《Neuroscience Informatics》：Real-World Impact of an AI-Driven Teleradiology Workflow for Intracranial Hemorrhage Detection: Reducing Diagnostic Delays Across a Multicenter Emergency Network
编辑推荐：
颅内出血（intracranial hemorrhage, ICH）是一种需要快速诊断的时间敏感性急症。本研究评估了将人工智能（artificial intelligence, AI）驱动的分诊工具整合入远程放射学工作流以检测和优先处理非对比CT（non-co
颅内出血（intracranial hemorrhage, ICH）是一种需要快速诊断的时间敏感性急症。本研究评估了将人工智能（artificial intelligence, AI）驱动的分诊工具整合入远程放射学工作流以检测和优先处理非对比CT（non-contrast CT, NCCT）扫描上的急性ICH的真实世界有效性，评估其对PACS至评估时间（PACS-to-assessment time, PTAT）和报告周转时间（report turnaround time, RTAT）的益处。这项回顾性、多厂商研究比较了AI工具整合入远程放射学网络之前（第1组：AI前，2020年6月）和之后（第2组：AI后，2021年6月）对疑似急性ICH的NCCT解读。在AI后阶段，远程 INR放射学医师可获取AI输出结果。诊断性能通过与两位委员会认证神经放射科医师的参考标准进行比较来评估。PTAT和RTAT在两组之间进行了统计学比较，包括所有病例、ICH阳性发现和夜间病例。在572例患者（AI前283例，AI后289例）中，两组的ICH患病率均为12%。AI实现了97.3%的灵敏度、96.0%的特异度和99.6%的阴性预测值（negative predictive value, NPV）。AI整合后，平均PTAT和RTAT分别显著减少了13.72分钟（p=0.002）和26.62分钟（p=0.001）。在ICH阳性病例中，PTAT下降了31.43分钟，但未达到统计学显著性。在夜间时段，AI导致PTAT和RTAT均显著减少26分钟（AI前n=131；AI后n=118；p=0.001）。将AI驱动的ICH检测工具整合入远程放射学工作流显著减少了PTAT和RTAT，同时未损害诊断准确性。这凸显了AI在提高远程放射学工作流效率、加速关键决策以及改善高需求、资源有限环境中患者预后方面的潜力。
## 研究背景与问题
颅内出血（intracranial hemorrhage, ICH）是一种危及生命的神经系统急症，为全球第二常见的卒中类型，具有高死亡率和严重功能障碍的特点。全球每年约200万人受ICH影响，病死率在35%至52%之间，近半数死亡发生在发病后24小时内。随着全球人口老龄化、久坐生活方式增加以及抗血栓治疗的广泛应用，ICH发病率持续上升，构成日益严峻的公共卫生挑战。头部非对比CT（non-contrast CT, NCCT）仍是诊断ICH的首选影像学工具，然而及时的NCCT解读在急诊科和医院中均面临挑战。许多机构难以实现持续的院内放射科覆盖，尤其在夜间及神经放射等亚专科领域。因此，头部NCCT的初步解读常由放射科规培医师、非放射科医师或远程放射学服务完成。远程放射学通过实时或近实时分析确保持续覆盖和更快响应，在重症监护环境中尤为重要。然而，远程放射学引入了一个额外的关键步骤：成像数据必须从医院影像归档和通信系统（Picture Archiving and Communication System, PACS）传输至远程放射学PACS网络，这增加了潜在的延迟风险。
将人工智能（artificial intelligence, AI）与远程放射学相结合，可为持续存在的放射科医师短缺问题提供可扩展、可持续的解决方案，加速急诊放射学检查的解释。然而，AI在远程放射学工作流中的整合仍面临挑战，主要原因是大多数现有平台最初并非为容纳AI技术而设计，改造这些系统通常需要定制化应用程序接口（Application ProgrammingLevel Interfaces, APIs），引入了额外的技术复杂性。评估AI对ICH检测放射学工作流真实效用的研究仍然有限且结果不一致，特别是评估AI驱动工具整合入远程放射学工作流对ICH检测诊断周转时间（turnaround time, TAT）影响的研究尚属空白。
## 研究设计、结论与意义
本回顾性研究旨在评估将经CE认证和FDA批准的AI驱动软件CINA-ICH（Avicenna.AI, La Ciotat, France）整合入远程放射学工作流以检测和积极优先处理NCCT扫描上ICH的获益。主要目标是确定其整合入远程放射学工作流是否能显著减少PACS至评估时间（PACS-to-assessment time, PTAT）。该研究发表在《Neuroscience Informatics》。
研究人员从法国主要急诊远程放射学服务商Telediag获取数据，覆盖56个临床站点。研究采用回顾性、多中心、多厂商完全交叉设计，比较2020年6月（AI前）和2021年6月（AI后）两个时期的NCCT扫描。纳入标准为年龄≥18岁、NCCT检查、层厚≤5 mm、轴位采集、软组织核重建；排除不符合AI设备最佳使用推荐采集协议、存在显著伪影影响临床解读、或非急诊指征（如随访或常规控制扫描）的病例。AI后阶段的NCCT图像由两位委员会认证神经放射科医师（A.B.S.和F.C.）建立参考标准，慢性ICH归类为阴性病例。
研究所用关键技术方法包括：基于定制3D/2D混合卷积神经网络（convolutional neural network, CNN）架构的深度学习（deep learning, DL）驱动分诊工具CINA-ICH v1，该软件自动处理NCCT扫描，立即标记疑似发现，生成警报通知，并根据阳性或阴性分类优先排序放射科医师工作列表；统计分析采用独立样本t检验、Mann–Whitney U检验、Wilcoxon-Mann-Whitney检验及Clopper-Pearson法计算95%置信区间（confidence interval, CI）。
## 研究结果
**AI诊断性能**：在AI后阶段，CINA-ICH显示出97.30%的灵敏度（95% CI: 85.84–99.93%）、96.03%的特异度（95% CI: 92.82–98.08%）、96.19%的准确度（95% CI: 93.2%–98.1%）以及99.59%的阴性预测值（95% CI: 97.3–99.99%）。阳性预测值为78.26%（95% CI: 63.64–89.05%）。软件共误分类11例：1例假阴性（2.7%），归因于<3 mL的轻微蛛网膜下腔出血；10例假阳性（3.97%），由慢性梗死、成像伪影、高密度大脑镰、高密度静脉窦、脑膜瘤及未知原因导致。
**PTAT分析**：AI前平均PTAT为58.58分钟（中位数：39分钟，标准差：76.19分钟），AI后降至44分钟52秒（中位数：25分钟，标准差：65.48分钟），平均减少13.72分钟（p=0.0002）。ICH阳性病例中，AI前平均PTAT为61.48分钟，AI后降至30.05分钟，平均减少31.43分钟，但未达统计学显著性（p=0.29）。夜间时段（晚8:00至早8:00），AI前平均PTAT为43.68分钟，AI后降至33.52分钟，显著减少10.17分钟（p=0.0023）。
**RTAT分析**：AI后整体平均RTAT显著降低（p<0.01）。AI前平均RTAT为95.28分钟（中位数：62分钟，标准差：102.03分钟），AI后降至68.67分钟（中位数：46分钟，标准差：73.57分钟），减少26.62分钟（p=0.0001）。ICH阳性病例中，AI后RTAT减少25.55分钟，但未达统计学显著性（p=0.53）。夜间时段，AI前平均RTAT为82.04分钟，AI后降至56.56分钟，显著减少25.48分钟（p=0.0044）。
事后探索性亚组分析显示，非创伤性病例的PTAT和RTAT降幅（平均PTAT：-35.2分钟；平均RTAT：-31.3分钟）大于创伤性/创伤兼容病例（平均PTAT：-9.1分钟；平均RTAT：-7.9分钟），但因创伤性子组样本量极小（n=2）需谨慎解读。
## 讨论与结论
该研究是首次评估AI对远程放射学工作流真实世界影响的研究，证实了将CINA-ICH整合入远程放射学工作流可显著减少PTAT和RTAT，同时保持高诊断准确性。AI展现出97.30%的灵敏度、96.03%的特异度和99.59%的阴性预测值，高阴性预测值在急诊和高通量环境中尤为宝贵，有助于可靠排除ICH并优先处理紧急病例。单例假阴性涉及<3 mL的轻微蛛网膜下腔出血，凸显了检测小体积出血的挑战；假阳性主要由非出血性高密度病变引起，强调了人类监督在模糊病例中的必要性。
PTAT作为主要终点，独特地捕捉了医院与远程放射学PACS系统之间额外传输步骤的影响，尽管存在这一复杂性，AI实施仍显著缩短了该时间，凸显了无缝整合的重要性。夜间时段PTAT和RTAT的显著改善，凸显了该工具在加速放射科资源有限时关键评估方面的价值。ICH阳性病例中PTAT平均减少31.43分钟，虽未达统计学显著性，但其改善幅度提示了有意义的临床获益，可能受限于小样本量和AI前高变异性。AI后变异性的显著降低反映了更一致、可预测的报告，这在急诊环境中至关重要。
RTAT的减少捕获了整个诊断工作流的效率，从成像启动到最终报告完成，是衡量医疗效率的综合指标。约26分钟的整体RTAT缩短与既往研究显示AI加速ICH检测和报告的结果一致。在远程放射学网络中，地理距离将图像采集与解读分离，AI作为智能桥梁，确保关键病例的及时审查，不受地点限制。这些获益在急诊科室住院时间缩短、系统压力缓解和更快患者流转方面尤为宝贵，与更低的成本和改善的医院运营相关。
研究局限性包括：回顾性设计无法建立因果关系；评估的是工作流效率终点而非直接临床结局，缺乏从扫描采集到神经外科会诊、转诊、干预、血肿清除、重症监护入院、死亡率和功能恢复的数据；AI生成的假阳性仍是关注点。未来需开展前瞻性研究，纳入标准化临床和技术元数据、更大的多中心队列以及患者层面结局指标。
**研究结论**：CINA-ICH整合显著减少了PTAT和RTAT，展现了明确的工作流获益。尽管因伪影和解剖变异存在一些误分类，整体性能仍支持AI在加速放射学诊断和潜在支持更早决策制定中的作用。持续算法改进和多样化数据集训练将提高准确性和泛化能力。随着AI的成熟，其通过更快、更可靠的医疗改变放射学的潜力将取决于在不同临床场景中的稳健验证。
