阅读时间：约5分钟 | 基于The Lancet Digital Health论文《Artificial intelligence imaging decision support for acute stroke treatment in England: a prospective observational study》。

｜为什么这篇值得写？

      急性缺血性卒中最可怕的地方，是时间一分一秒过去，原本可以挽救的脑组织不断坏死。对于大血管闭塞患者，机械取栓已经是标准治疗之一；但前提是要尽快识别、尽快转运、尽快进入能做取栓的中心。

      现实问题在于，很多患者首先到达的是基层或主卒中中心。这些中心能做初步评估、CT和静脉溶栓，但未必有神经介入能力，也不一定随时有神经影像专家。读片、确认大血管闭塞、联系综合卒中中心、安排转运，中间任何一环慢下来，患者都可能错过最佳治疗窗口。

      所以这篇研究的传播点很清楚：AI不是在实验室里“刷模型分数”，而是嵌进真实卒中通道，看看它能不能把取栓流程真正跑快。

图1 研究设计总览：全国数据、评估站点、前后实施期和同期对照。

｜AI到底做了什么？

      研究部署的是Brainomix 360 Stroke。简单说，它会在患者完成急诊影像检查后，对非增强CT、CTA或CT灌注图像进行自动处理，输出早期缺血范围、大血管闭塞提示、灌注相关信息，并把结果更快共享给卒中团队。

      这类AI的价值不是“替医生做最后决定”，而是减少等待和不确定性。尤其在主卒中中心，医生需要快速判断患者是否可能需要机械取栓，并决定是否转运到综合卒中中心。AI提供的是一个更快、更标准化的影像决策支持。

｜研究怎么比较？

      研究覆盖2019年1月1日至2023年12月31日，共纳入英格兰107家NHS卒中医院的452,952名卒中患者。其中26家医院作为AI评估站点，包含20个主卒中中心和6个综合卒中中心。

｜核心结果一：评估站点取栓率翻倍

      在26个AI评估站点，机械取栓率从实施前的2.3%（376/15,969）提高到实施后的4.6%（751/15,428），相对增加100%。非评估站点也有提升，从1.6%提高到2.6%，相对增加62.5%。

      这说明全国整体取栓率本身也在进步，但AI评估站点提升更明显。统计上，站点和时间段的交互项显著，OR为1.24，95% CI为1.08–1.43，p=0.0026。

｜核心结果二：患者层面，AI使用与更高治疗率相关

      在AI实施后的评估站点中，15,377名患者的影像判读使用了AI辅助，13,293名患者未使用AI辅助。患者级分析显示，使用AI辅助的患者接受机械取栓的比例更高：5.9%对3.4%。

      经过年龄、性别、卒中严重程度、既往功能状态、入院时间、是否溶栓等因素调整后，AI使用仍与更高取栓机会相关：OR为1.57，95% CI为1.33–1.86，p<0.0001。更值得注意的是，在主卒中中心中，AI关联效应更强，OR达到2.34；在综合卒中中心也仍然显著，OR为1.28。

｜核心结果三：转院取栓流程缩短64分钟

      对于先到主卒中中心、随后转到综合卒中中心接受取栓的患者，研究计算了door-in door-out时间，也就是患者到达第一家医院到离开转往取栓中心之间的时间。

      结果非常直观：使用AI辅助时，中位door-in door-out时间为128分钟；未使用AI时为192分钟。也就是说，在这个关键转运环节，AI使用组中位缩短了64分钟。对于卒中来说，64分钟不是小数目，而可能意味着更多可挽救脑组织。

｜其他结果：溶栓和出院结局

      静脉溶栓方面，在评估站点实施后，使用AI辅助的患者接受溶栓比例为17.7%，未使用AI者为9.0%；调整后AI使用与溶栓相关的OR为1.99。

      临床结局方面，研究用出院时modified Rankin Scale（mRS）作为替代结局。AI使用组出院时mRS更低，良好结局（mRS 0–2）比例为47.1%，非AI组为45.6%；调整后OR为1.16。不过院内死亡率两组相同，均为10.5%。

      这里要克制解读：出院mRS不是卒中试验最常用的90天或6个月功能结局。论文也说明，6个月随访数据可用性不足，因此长期疗效还不能下结论。

｜为什么主卒中中心受益更明显？

      我认为这篇研究最有价值的地方，是指出AI最可能发挥作用的场景：不是资源最强、专家最齐全的中心，而是需要快速判断、快速转运、专家资源不稳定的前线医院。

      在综合卒中中心，神经影像和介入团队更集中，AI的边际价值可能相对小一些；在主卒中中心，医生面对的是“我现在要不要把这个患者转走”的决策。AI如果能更快提示大血管闭塞、更快推动团队沟通，就可能改变患者能不能进入取栓通道。

图5 研究边界与未来路径：算法只有和工作流绑定，才可能产生真实临床价值。

｜不能把这篇吹成什么？

      第一，不能说AI已经证明能改善长期预后。研究显示的是AI使用与取栓率提高、转运时间缩短、出院功能改善相关，但不是随机分配患者或医院。

      第二，不能忽略选择性使用AI的问题。论文提到，并不知道医生为什么有些患者使用AI、有些没有。可能是流程、熟悉程度、病例严重程度、医生自信程度等共同影响了AI使用。

      第三，非评估站点在研究期间也有不少医院自行采用了AI软件，后实施期结束时已有69%的非评估医院使用某类AI卒中软件。这会稀释评估站点和非评估站点之间的差异，也说明AI工具在实际系统中扩散很快。

｜我的判断

      这篇文章比单纯“AI读片准确率很高”的研究更有价值，因为它回答了医疗AI最关键的问题：进入真实流程后，是否改变了治疗交付。

      它给出的答案是积极的：AI影像决策支持与更高机械取栓率、更短转院时间相关，尤其在主卒中中心价值更明显。但它也提醒我们，医疗AI的成功不是模型本身的胜利，而是系统实施的胜利。软件、培训、影像自动传输、团队协作、转运协议，缺一不可。

｜参考文献

Nagaratnam K, Neuhaus AA, Fensome L, et al. Artificial intelligence imaging decision support for acute stroke treatment in England: a prospective observational study. The Lancet Digital Health. 2025;7:100927. DOI: 10.1016/j.landig.2025.100927.