AI 輔助軟件對疲勞狀態(tài)下住培醫(yī)生檢出肋骨骨折的提升作用

張?zhí)磔x，鐘 正，龍 曦，黃志峰，范偉雄（通信作者）

（梅州市人民醫(yī)院放射科 廣東 梅州 514031）

疲勞是造成放射科醫(yī)生發(fā)生醫(yī)療錯誤的重要因素之一[1]。對于放射科醫(yī)生而言，長時間高度集中注意力對影像圖像進行閱片，極易產生視覺疲勞及注意力不集中，由此造成的誤診或漏診屢見不鮮[2]。住培醫(yī)生是放射科承擔大量閱片診斷工作的一線人員，準確診斷肋骨骨折是其必須掌握的核心技能之一。然而，隨著醫(yī)院診療量的劇增，放射科閱片負荷及工作時長顯著增加，使得住培醫(yī)生常處于滿負荷工作的疲勞狀態(tài)，導致漏診或誤診肋骨骨折的情況時有發(fā)生。近年隨著AI 算法的不斷發(fā)展，AI 輔助診斷軟件在提升住培醫(yī)生疾病診斷效能方面展現出良好的應用前景[3-4]。因此，本研究將探討AI 輔助軟件對疲勞狀態(tài)下住培醫(yī)生檢出肋骨骨折的提升作用，旨在為AI 在住培醫(yī)生閱片工作中的應用推廣提供依據。

1 資料與方法

1.1 一般資料

回顧性分析2021 年1 月—2022 年5 月在梅州市人民醫(yī)院接受胸部CT 檢查的86 例肋骨骨折患者，其中男53 例，女33 例，年齡17 ～96 歲，均齡（52.85±14.76） 歲。納入標準：①患者接受胸部CT 檢查，且圖像清晰無明顯偽影；②患者臨床資料及CT 圖像數據完整；③存儲于PACS系統(tǒng)的CT薄層圖像，能夠被AI軟件識別及處理。排除標準：①曾接受肋骨手術治療的患者；②無肋骨骨折或骨折條數≥6 條的患者。

1.2 方法

采用西門子SOMATOM Dedinition As CT 掃描儀進行胸部CT 掃描。患者檢查時采用仰臥位，在吸氣末單次屏氣完成全部掃描。檢查參數為：管電流設置為自動毫安秒，管電壓120 kV，準直寬度128×0.6 mm，重建矩陣512×512，重建層厚1 mm。

1.3 肋骨骨折參照標準

肋骨骨折的參照標準制定流程如下：由兩名主治醫(yī)生共同對胸部CT 閱片，確定患者的肋骨骨折情況，包括肋骨骨折的位置、數目（其中陳舊性骨折不納入分析）。然后，將閱片結果交給一名主任醫(yī)生進行最后閱片確定為肋骨骨折參照標準。

1.4 閱片模式

受試者為放射科基地住培醫(yī)生（從事影像診斷工作18 個月），閱片前由帶教老師對其進行肋骨骨折影像教學及AI 軟件使用方法培訓。住培醫(yī)生按以下三種閱片模式進行閱片：①A 模式：住培醫(yī)生在正常狀態(tài)下（即白天工作時間的前兩小時）獨立對每個患者的胸部CT 進行閱片及診斷，并記錄每個患者肋骨骨折的數目、部位及閱片時間。閱片時間定義為打開圖像至完成診斷關閉圖像。②B 模式：受試者在疲勞狀態(tài)下（即一天工作滿8 小時后）獨立對每個患者的胸部CT 進行再次閱片及診斷。③C 模式：受試者在疲勞狀態(tài)下借助AI 輔助軟件胸部骨折CT 人工智能影像輔助檢測軟件v1.0，上海聯影智能醫(yī)療科技有限公司）對每個患者的胸部CT 進行再次閱片及診斷，見圖1。三種閱片模式之間間隔4 周。

圖1 胸部骨折CT 人工智能影像輔助檢測軟件

1.5 統(tǒng)計學方法

采用SPSS 20.0 統(tǒng)計軟件進行數據分析。符合正態(tài)分布的計量資料以均數±標準差（± s）表示，采用t檢驗；計數資料以頻數（n）、百分率（%）表示，采用χ2檢驗。以P＜0.05 為差異有統(tǒng)計學意義。

2 結果

2.1 一般結果

按照肋骨骨折參考標準，86 例患者共檢出175 條肋骨骨折，平均（2.03±1.02）條。

2.2 住培醫(yī)生不同閱片模式對肋骨骨折的檢出率的比較結果

住培醫(yī)生疲勞狀態(tài)下獨立閱片對肋骨骨折的檢出率低于正常狀態(tài)獨立閱片，閱片時間長于正常狀態(tài)獨立閱片，差異均具有統(tǒng)計學意義（P＜0.05）。住培醫(yī)生疲勞狀態(tài)下應用AI 輔助閱片對肋骨骨折的檢出率高于疲勞狀態(tài)獨立閱片，閱片時間短于疲勞狀態(tài)獨立閱片，差異均具有統(tǒng)計學意義（P＜0.05）。住培醫(yī)生疲勞狀態(tài)下應用AI 輔助閱片對肋骨骨折的檢出率已超過其正常狀態(tài)的水平，閱片時間短于其正常狀態(tài)閱片，差異均具有統(tǒng)計學意義（P＜0.05）。見表1。

表1 住培醫(yī)生不同閱片模式對肋骨骨折的檢出效能比較

3 討論

在臨床工作中，由于放射科醫(yī)生疲勞導致的誤診或漏診屢見不鮮，極易引發(fā)醫(yī)療糾紛[5]。本研究發(fā)現，住培醫(yī)生疲勞狀態(tài)下獨立閱片對肋骨骨折的檢出率低于正常狀態(tài)獨立閱片，且閱片時間長于正常狀態(tài)獨立閱片，差異均具有統(tǒng)計學意義（P＜0.05）。分析原因為：肋骨數量眾多，形態(tài)獨特，且部分肋骨骨折隱匿，住培醫(yī)生即使在正常狀態(tài)下，也需要集中注意力逐層觀察CT 薄層圖像，并結合不同圖像重建方式詳細觀察肋骨的解剖結構，才能盡量減少漏診和誤診[6-7]。在疲勞狀態(tài)下，住培醫(yī)生由于疲勞后認知能力、注意力下降及視覺疲勞等原因，更加難以集中注意力進行CT 圖像的觀察，導致對肋骨骨折的檢出率顯著降低，閱片時間明顯延長。上述結果與王亮等[8]研究結果類似，其研究發(fā)現住培醫(yī)生在正常狀態(tài)和疲勞狀態(tài)下對肺結節(jié)的檢出靈敏度分別為46.21% 和40.36%，疲勞狀態(tài)下較正常狀態(tài)下對肺結節(jié)的檢出靈敏度顯著降低，且差異具有統(tǒng)計學意義（P＜0.05）。

史丹迪等[9]研究結果顯示，住院醫(yī)師應用AI 診斷肋骨骨折的靈敏度和準確性高于住院醫(yī)師獨立閱片。董浩等[10]研究結果發(fā)現，低年資醫(yī)生應用AI 診斷肋骨骨折的靈敏度顯著高于醫(yī)生單獨閱片，且閱片時間顯著減少。劉想等[11]研究發(fā)現，AI+醫(yī)師聯合閱片的肋骨骨折檢出靈敏度顯著優(yōu)于醫(yī)師單獨閱片（患者層面：89.66%vs.63.46%，P＜0.001；肋骨層面：83.36%vs.61.18%，P＜0.001），提示AI 輔助軟件有助于提高住院醫(yī)師在CT 圖像上對肋骨骨折的檢出能力。本研究結果與上述結果類似，本研究發(fā)現住培醫(yī)生疲勞狀態(tài)下應用AI 輔助閱片對肋骨骨折的檢出率高于疲勞狀態(tài)獨立閱片，閱片時間短于疲勞狀態(tài)獨立閱片，差異均具有統(tǒng)計學意義（P＜0.05）。分析原因為：住培醫(yī)生因疲勞狀態(tài)導致檢出肋骨骨折的能力減弱，而AI 軟件通過智能算法，能夠幫助住培醫(yī)生快速、精準定位發(fā)生骨折的肋骨，提升對肋骨骨折的檢出率的同時，提高診斷效率，節(jié)省閱片時間[12-13]。值得注意的是，本研究還發(fā)現，住培醫(yī)生疲勞狀態(tài)下應用AI 輔助閱片對肋骨骨折的檢出率已超過其正常狀態(tài)的水平，閱片時間短于正常狀態(tài)閱片，差異均具有統(tǒng)計學意義（P＜0.05），該結果與王亮等[8]研究結果相符。

本研究的局限性：首先，本研究為單中心分析，樣本量相對較少，有待今后開展多中心大樣本研究進一步驗證結果。其次，本研究僅分析了AI 軟件對住培醫(yī)生的輔助診斷效能，而對于實習醫(yī)生、主治醫(yī)生等不同年資醫(yī)生的輔助價值尚不清楚，有待進一步深入研究。

綜上所述，住培醫(yī)生疲勞狀態(tài)下對肋骨骨折的檢出效能較正常狀態(tài)顯著降低，但在AI 輔助下能顯著提升疲勞狀態(tài)住培醫(yī)生檢出肋骨骨折的效能，甚至超過其正常狀態(tài)下的水平。