医脉通编译整理，未经授权请勿转载。

导语

近期，欧洲胸部影像学会（European Society of Thoracic imaging,ESTI）发布的声明解释并总结了在胸部放射科的临床实践中理解和实施人工智能（Artificial intelligence,AI）的要点。本文介绍了其中对胸部成像中AI的潜在临床应用价值，以及进一步实施需要解决的问题。希望带给大家AI在临床应用的思考。

AI在胸部影像学的潜在临床应用

AI辅助放射科和其他临床医生的工作，一方面可以减轻耗时和繁琐程序，另一方面有助于更快更有效地整合复杂的信息来提高诊断的准确性。AI解决方案在这些步骤中可能有助于诊断成像，包括检查水平，阅读和报告，将影像学表现与临床数据整合，结合更大患者队列水平分析。

对于读取和报告，AI旨在增强和/或协助放射科医生进行自动检测、特征描述和测量。在胸部成像方面，计算机辅助检测(computer-aided detection,CAD）工具（也称为第一代AI）已发展几十年。CAD可以进行肺结节检测、间质性肺疾病分型的识别，以及肺气肿和气管支气管树的复杂分析。AI显著提高了上述性能。

在肺结节检测领域，与放射科医生单独解释相比，CAD作为辅助读取器产生了更好的效果，同时显著降低了评估结节的观察者间的变异性。而有经验的放射科医生具有良好的灵敏度，因为整理假阳性和花费在可疑的临床病变上的时间会降低其效能。另一方面，Martini等人在一项评估使用和不使用CAD检测结节的阅读性能研究中显示，使用CAD评估肺结节时具有更高的灵敏度和更短的阅读时间，尽管假阳性结果数量相对较高。总之，使用CAD进行自动肺结节检测在肺癌筛查中是必要的，最大限度地提高结节检测至关重要。而对于AI临床其他应用，如胸片的辅助解释或间质性肺疾病的量化，需考虑其临床实用性及成本负担。

混合放射学报告可能会成为主流，其中包含医生和AI生成部分，例如由AI算法预先填入的结构化报告。出于医疗法律考虑，所有来自非人类实体的贡献必须是可识别的。在集成了影像、医疗报告、实验室结果等诊断概率信息的决策支持系统中，建议会随着新信息的添加而动态变化。AI决策的详细历史日志需要将决策与精确的日期和时间联系起来。基于区块链的电子医疗记录将允许对混合放射学报告的决策和贡献进行追溯，从而能够确定哪个版本AI算法在何时有所参与。

此外，AI的应用考虑，不仅局限于诊断，还在于整个放射学流程，从规划开始及图像采集和处理，以及为报告确定紧急检查的优先级（分诊）等；AI也可用于报告生成，其中图像发现可纳入临床报告。

AI临床实施需解决的问题

AI的临床实施还需考虑诸多因素并解决许多问题，如实施流程规范，成本负担、培训要求和标准、对新放射科医师的影响和AI综合知识培训、医疗法律和伦理问题等实施后可能产生的系列问题。为此，ESTI介绍了在（胸部）成像中实施AI的指南（图1）。

图1.jpg

图1 在放射科实施AI应用时的注意事项流程图

总的来说，AI在胸部影像学的成功实施需要以下几点：

● 相关部门的批准；

● 建立明确的部门制定特定AI策略，明确AI应用在临床工作流程中的角色、类型和目标，持续的软件质量保证，以及财务上可持续的计划；

● 严格审查AI系统训练和验证的数据集，确保其没有偏差并足够准确，以保护患者；

● 将AI纳入现有的临床工作流程中；

● 与利益相关方说明实施信息通信技术的要求和长期费用；

● 了解AI如何处理患者数据，以确保数据符合通用数据保护条例；

● 对放射科医生进行有关AI使用和其局限性的适当培训；

● 认识到相关医疗法律问题和责任问题；

● 认识到AI在短期和长期内对未来放射科医生培训存在的潜在影响，如对AI错误判定的识别能力。

结语

AI的广泛临床实施似乎指日可待，系统若足够良好适用于临床实践，那么针对AI持续应用的质量保证、成本和未来相关医生培训等上述后续问题应得到妥善解决。

参考资料：

Gleeson F, Revel MP, et al. Implementation of artificial intelligence in thoracic imaging-a what, how, and why guide from the European Society of Thoracic Imaging (ESTI). Eur Radiol. 2023 Feb 2:1–10.