在英国,AI驱动的胸片优先级排序,不能加速肺癌诊断流程.那在中国会是什么样的结果?

[前言] .

肺癌是全球范围内死亡负担最高的肿瘤之一，这主要是因为肺癌较为常见，且往往在晚期才被确诊。影响预后的关键因素之一，就是能否尽早进入诊断通道。在英国，国家最佳肺癌治疗路径（NOLCP）建议，对于胸部 X 光检查（CXR）结果可疑的患者，应在 72 小时内（最好是在同一天）进行 CT 检查，随后在专科诊所进行评估，减少后续预约的延误，加快肺癌的早期症状诊断，但在真实世界中，情况并不尽如人意。用于辅助解读胸部 X 光片的人工智能算法已被提出，理论上如果人工智能（AI）能够在胸片采集后立刻识别出可疑异常，并将这些片子优先推送给放射科医生阅片，或许能够缩短从胸片到CT、再到肺癌确诊的时间。不过AI驱动的胸片优先级排序，是否真的能加速肺癌诊断流程，还需要临床验证。

近日，来自英国多家医疗与学术机构的学者共同在杂志Nature medicine上发表了一篇题为“AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial”的文章。这项前瞻性、多中心、随机对照试验显示，在英国真实世界场景中，仅靠AI对胸片进行优先级排序，并不能显著缩短肺癌诊断路径中的关键时间节点。虽然出报告更快了，但没有转化为更早的CT、更早的确诊。结果还表明，虽然AI优先排序没有改善总体路径效率，但AI在临床中有潜在机会帮助发现一些人工可能漏掉或低估的可疑胸片。

图片来源：Nature Medicine

主要内容

[研究设计与队列概述] .

研究团队进行了一项前瞻性、多中心、随机对照研究，于2023年7月至2024年12月在英国5家NHS医疗机构开展，共进行了 97731 次胸部 X 光检查。最终，93326 张胸片结果被纳入研究分析，其中45987张胸片（49.3%）由AI参与了即时优先级排序。整个研究中共识别到13347次CT检查，其中2766次发生在胸片后14天内；最终共有558人被诊断为肺癌，约占全部胸片的0.6%。研究人群平均年龄59岁，男性约占46%。

本研究选择了两个主要终点，从胸片采集到CT检查的时间，以及从胸片采集到肺癌确诊的时间。此外还评估了若干次要终点，包括紧急疑似肺癌转诊数量、肺癌发病率与分期、从胸片到“2周内快速转诊”的时间、到治疗启动的时间，以及AI与人工报告之间的一致性和算法表现等。

研究设计与队列概述。图片来源：Nature Medicine

[ AI优先排序并未缩短肺癌诊断路径的关键时间节点 ] .

研究结果显示，AI优先排序没有显著改善肺癌诊断路径中的主要时间终点。AI优先排序组从胸片到CT的中位时间为53天，未优先排序组同样为53天。在肺癌确诊时间方面，AI优先排序组从胸片到肺癌诊断的中位时间为44天，未优先排序组为46天，无统计学意义（如下表）。作者进一步对数据进行分析，发现在任何地点、任何时间范围，以及按性别划分的任何主要结果方面，均未发现统计学上的显著差异。这说明了即使AI可以把可疑胸片更早显示出来，也没有真正把患者更快推进到CT和确诊环节。

次要终点的结果也类似。AI优先排序组到2周内快速转诊的中位时间为14天，对照组为15天；到治疗开始的中位时间分别为76天和72.5天；肺癌诊断分期也未见显著差异。综上，AI优先排序并未在患者临床结局上带来显著的获益。

AI优先排序对肺癌诊断路径的关键时间节点的影响。图片来源：Nature Medicine

[ AI与人工报告存在大量不一致病例 ] .

作者进一步对AI与放射科报告不一致病例进行了大规模复核。AI与人工报告不一致的胸片有28261张，占全部胸片的30.3%；其中完成专家复核的有26505张。

专家复核结果显示，其中6750例存在“可操作性发现”，约占复核病例的23.9%。总共 254349 次不一致发现审查，其中 5.5% 为真阳性，11.6% 为假阳性，2.3% 为假阴性，81.2% 为真阴性。如下表所示，AI对不同征象的表现差异较大。比如对于opacity（片状/实变样阴影），AI灵敏度较高，为0.85，但特异度仅0.40，意味着假阳性较多；而对于结节（nodule），灵敏度和特异度分别为0.79和0.78，表现相对均衡。

对胸片中异常结果的复查结果评估。图片来源：Nature Medicine

[人工/AI报告结果对诊断周期的影响] .

对于最终确诊肺癌的患者，作者按照人工报告与AI报告结果，比较了胸片到CT检测时间和胸片到癌症确诊的时间。结果显示，当人工和AI都判断异常时，患者胸片到CT检测的中位时间为8天，胸片到肺癌确诊的中位时间为38天；而当人工报告正常、但AI报告异常时，到肺癌确诊的中位时间延长至106天。若人工和AI都认为正常，到肺癌确诊的中位时间更高达177天（如下表）。这说明了AI在临床中有潜在价值，有机会帮助发现一些人工可能漏掉或低估的可疑胸片。

人工/AI报告结果对诊断周期的影响。图片来源：Nature Medicine

[总结与讨论] .

这项LungIMPACT随机对照试验结果表明，在英国初级保健胸片的真实世界场景中，仅靠AI对胸片进行优先级排序，并不能显著缩短肺癌诊断路径中的关键时间节点。虽然出报告更快了，但没有转化为更早的CT、更早的确诊。这个结果表明，虽然AI优先排序没有改善总体路径效率，但AI在临床中有潜在机会帮助发现一些人工可能漏掉或低估的可疑胸片。

本研究也有一定的局限性。首先，本研究测试的是单一AI产品在特定NHS流程中的优先排序功能，而不是所有胸片AI工具的全部能力。也并未直接比较使用AI与不使用AI的差异，不能简单外推为胸片AI无用。其中最重要的一点是，英国NHS的转诊和CT能力配置具有其特定制度背景，不同国家和医院体系中的结果可能并不完全相同。即使胸片确定为异常，最快也要等待一个多星期才能做上CT，有时甚至需要等待数个月，这在中国是不敢想象的。英国冗长的转诊制度、人均CT扫描仪的数量较低，以及放射科医生的短缺可能是等待时间长的原因。

总的来说，这篇文章给大家最大的启示是：首先感叹一下，中国的医疗真的非常便捷；其次，这种AI在医疗环境中的辅助作用要特别重视国家间的医疗制度背景，同样的实验在不同的国家得出的结果可能截然不同；最后，医疗AI真正能否改善患者结局，取决于它是如何嵌入临床流程的。单点式技术优化，不一定能换来全路径的结局改善，要搞清楚全环节中的限速步骤。将AI嵌入合适的临床流程仍有可能成为推动肺癌早诊的一块关键拼图，需要因地制宜。对正在推动影像AI落地的医院和企业而言，这项研究无疑是一记重要的现实提醒。

——END——