人工智能在医疗成像中的实施对效率的影响——一项系统文献综述和荟萃分析

Effects of artificial intelligence implementation on efficiency in medical imaging—a systematic literature review and meta-analysis

在医疗保健领域，人工智能（AI）技术有望通过接管常规任务，如监测患者、记录护理任务、提供决策支持和通过分析临床数据对患者进行优先排序，来减轻当前的负担。一些医学专业，特别是在数据密集型领域，如基因组学、病理学和放射学，已经将AI引入其日常工作。特别是基于图像的学科，由于AI的模式识别能力而受益良多。

为了在日常临床实践中成功采用AI，人们设想了不同的有效工作流程整合方式，这在很大程度上取决于具体目标，即提高诊断质量、提供再保险或减轻人力工作量。与AI实施相关的效率结果包括更短的阅读时间或减少临床医生的工作量，以满足解释不断增加的图像的需求。然而，AI是否能实现这些目标并在日常临床工作中提高效率，在很大程度上仍然未知。

医疗保健系统是复杂的，由相互作用的各种组件和利益相关者组成。虽然AI技术的成功实施高度依赖于环境、流程和用户，但目前的研究主要集中在AI的技术特征和能力上，而非其在临床环境中的实际实施和后果。因此，本系统综述旨在研究AI技术在真实世界临床护理环境中对医疗成像任务工作流程效率的影响，以解释来自真实世界临床护理中复杂和日常需求的影响，这些影响在实验和实验室环境中并不存在。

结果方面，在数据库中确定了22,684条记录，并通过反向搜索获得了另外295篇文章。去除重复项后，对13,756条剩余记录进行了标题/摘要筛选。然后筛选了207篇全文，其中159篇因研究设计不足或未关注AI对成像数据的解释而被排除。最终，48项研究被纳入审查和数据提取，其中12项研究进行了额外的荟萃分析。

纳入的48项研究中，30项（62.5％）在单一机构进行，18项（37.5％）为多中心研究。最早的研究发表于2010年和2012年，其余均在2018年以后发表。研究主要在北美、欧洲、亚洲和澳大利亚进行。这些研究来自放射科、胃肠科、肿瘤科、急诊医学、眼科、人类遗传学、肾病学、神经病学和病理学等医疗部门。大多数研究使用计算机断层扫描（CT）进行成像，其次是X射线和结肠镜。最突出的适应症是颅内出血，其次是肺栓塞和癌症筛查。

关于使用AI工具的目的，研究分为三类：用于分割任务的5项（10.4％），用于检查检测任务以识别可疑癌症结节或骨折的25项（52.1％），根据AI检测到的关键特征对患者进行优先排序的18项（37.5％）。

在评估的45项非随机研究中，只有1项（2.2％）被评为总体“低”偏倚风险。4项（8.9％）被评为“中等”，28项（62.2％）被评为“严重”，12项（26.7％）被评为“危急”。所有3项随机研究均被评估为总体高偏倚风险。

在纳入的所有研究中，33项（68.8％）调查了AI实施对临床医生执行任务时间的影响。最常报告的结果包括阅读时间、报告周转时间和总程序时间。22项研究报告称由于使用AI而减少了任务完成时间，其中13项证明差异具有统计学意义。8项研究称AI没有减少任务所需时间。剩下的3项研究选择了在正常阅读后使用AI的设计或实施协议，增加了任务时间。

对于荟萃分析，建立了具有相似方法、结果和特定目的的研究集群。关于检测任务的研究，确定了两个主要亚组：使用AI解释CT扫描的研究和使用AI进行结肠镜检查的研究。在使用AI解释CT图像的研究中，对报告临床医生阅读时间的4项研究进行了荟萃分析，结果显示两组之间的阅读时间没有差异。对于使用AI进行结肠镜检查的研究，随机效应荟萃分析显示两组之间没有显著差异。在11项报告使用AI对患者扫描进行优先排序的研究中，4项测量了周转时间，荟萃分析显示有和没有使用AI的病例之间的周转时间没有显著差异。

共有37项研究报告了由于AI实施而导致的实际工作流程调整的细节，分为4个主要变体。在我们最初的审查协议中，还旨在包括对临床医生工作量的调查，但除了3项研究外，没有其他研究报告AI实施对临床医生工作量的影响。

研究中存在偏倚风险，超过50％的纳入研究声明了相关的利益冲突，进行了多项敏感性分析以评估潜在的选择偏倚。使用AMSTAR-2评估，对结果的总体信心被评为低。

讨论部分指出，尽管大多数研究报告了积极影响，但三项荟萃分析未显示AI工具减少成像任务时间的证据。研究在设计和措施上有很大差异。在临床工作流程中，AI工具的应用方式多样。关于AI对临床医生工作量的影响，研究存在不足。本研究包括了大量的AI解决方案，多数是商业可用的，且大多获得了FDA或CE认证。但未来研究应提供更多关于AI解决方案准确性和处理时间的详细信息。本研究的局限性包括可能存在发表偏倚、选择偏倚、研究范围局限、研究质量评级低等。

总之，本研究显示了在医疗成像中实际AI实施研究的积极趋势，并为未来研究提出了重要建议。

方法部分介绍了研究的注册和方案、搜索策略和资格标准、筛选和选择程序、数据提取程序、研究质量评估和偏倚风险评估、数据合成策略以及元偏倚。

数据可用性方面，研究期间生成或分析的所有数据可根据合理要求从相应作者处获取。代码可用性方面，荟萃分析的代码可通过https://github.com/katwend/metaanalyses获取。

参考文献部分列出了大量相关研究。