生成式人工智能（AI）在数据密集型医疗任务中具有巨大潜力，例如在诊断图像中检测癌症、分割图像以进行适应性放疗，甚至有一天可能完全自动化放射治疗工作流程。
现在，伊利诺伊州的西北大学医学院的一个团队首次将生成式AI工具集成到实时临床工作流程中，用于草拟X射线图像报告。在常规使用中，AI模型使文档效率平均提高了15.5%，同时保持了诊断准确性。
医学影像如X射线扫描在疾病诊断和分期中起着核心作用。为了解读X射线，患者的影像数据通常输入医院的PACS（影像存档与通信系统），并发送到放射学报告软件。然后，放射科医生审查和解释影像及临床数据，并创建一份报告以指导治疗决策。
为了加快这一过程，Mozziyar Etemadi及其同事提出，生成式AI可以创建一个草稿报告，放射科医生随后检查和编辑，从而节省他们从头开始的时间。为此，研究人员基于西北大学医学院12家医院的历史数据，构建了一个专门用于放射学的生成式AI模型。
然后，他们将这个AI模型集成到现有的放射学临床工作流程中，使其能够从PACS接收数据并生成草稿AI报告。在图像采集后的几秒钟内，该报告就可以在报告软件中查看，使放射科医生能够根据AI生成的草稿创建最终报告。
Etemadi告诉《物理世界》杂志：“放射学非常适合生成式AI，因为放射学实践本质上就是生成性的——放射科医生仔细查看图像，然后生成文本总结图像内容。这与当今的ChatGPT等生成模型非常相似。我们的[AI模型]的独特之处在于，它比ChatGPT在这个任务上更准确，开发时间更早，且成本低数千倍。”
临床应用
研究人员在《JAMA Network Open》上报道了他们的AI模型在五个月内对西北大学医院获得的放射图像的影响。他们首先检查了AI模型对23,960张放射图像文档效率的影响。与之前仅使用胸部X射线的AI研究不同，这项工作涵盖了所有解剖部位，其中18.3%的放射图像是非胸部部位（包括腹部、骨盆、脊柱以及上下肢）。
使用AI模型使报告完成效率平均提高了15.5%——将平均文档时间从189.2秒减少到159.8秒——有些放射科医生的效率提高了40%。研究人员指出，这相当于在五个月内节省了超过63小时的时间，相当于从大约79个放射科医生班次减少到67个班次。
为了评估基于AI的文档质量，他们调查了最终报告中添加附录（用于纠正报告错误）的比率。在模型辅助报告中有17份需要添加附录，而在非模型报告中有16份需要添加附录，表明使用AI并未影响放射图像解释的质量。
为进一步验证这一点，研究团队还进行了同行评审分析——由第二位放射科医生根据其对报告结果和文本质量的同意程度进行评分——在400例胸部和400例非胸部研究中，AI辅助和非辅助报告各占一半。同行评审显示，AI辅助和非辅助解释在临床准确性和文本质量方面没有差异，进一步证实了放射科医生能够使用AI创建高质量文档。
快速预警系统
最后，研究人员应用该模型标记意外的生命威胁性疾病，如气胸（肺塌陷），使用自动优先级系统监控AI生成的报告。该系统在检测意外气胸方面的灵敏度为72.7%，特异性为99.9%。重要的是，这些优先级标志在研究完成后21至45秒内生成，而放射科医生的通知中位时间为24.5分钟。
Etemadi指出，之前的AI系统设计用于检测特定发现，并输出每种疾病类型的“是”或“否”。然而，他们的新模型创建了一个包含详细评论的完整文本草稿。
他解释说：“这种精确的语言可以被搜索，以生成更精确和可操作的警报。例如，我们不需要知道患者是否有气胸，如果已经知道他们有一个并且正在好转。这不能用现有系统实现，这些系统只提供简单的‘是’或‘否’响应。”
研究团队目前正在努力提高AI工具的准确性，以识别更细微和罕见的发现，并扩展到X射线图像之外。Etemadi表示：“我们目前已经在CT图像上取得了进展，并计划扩展到MRI、超声、乳腺X射线摄影、PET等领域，以及放射学以外的模式，如眼科和皮肤病学。”
研究人员得出结论，他们的生成式AI工具可以帮助缓解放射科医生短缺的问题，通过放射科医生和AI的合作来改善临床护理交付。但他们强调，技术不会取代人类。“你仍然需要放射科医生作为金标准，”共同作者Samir Abboud在新闻稿中表示。“我们的角色是确保每个解释都对患者正确。”
(全文结束)
