文献速递泌尿生殖腹部MR

患者对人工智能用于前列腺癌MRI诊断的看法

Patient perspectives on the use of artificial intelligence in prostate cancer diagnosis on MRI.
PubMed 文献 · Eur Radiol · 2024-08-14

这项前瞻性多中心研究于2023年1月至11月纳入212例疑似前列腺癌行MRI检查的患者,通过问卷了解其对AI辅助诊断的接受度与信任因素。91%接受AI作为主要读者、79%接受AI作为次要读者,仅15%接受高确定性AI独立决策,52%接受AI表现优于放射科医生时的自主AI;医院(76%)、放射科医生(70%)、程序开发者(55%)依次被认定对误诊负责。

要点

  • 患者多接受AI与放射科医生共同参与前列腺癌MRI诊断(91%主要读者、79%次要读者)。
  • 仅15%接受高确定性AI作为唯一决策者,52%接受AI表现优于放射科医生时的自主AI。
  • 患者对放射科医生的信任(96%)高于对计算机程序的信任(52%)。

核心结论

  • 患者倾向于AI与放射科医生共同参与前列腺癌MRI诊断。
  • 对AI诊断的信任取决于患者教育水平和AI性能,仅小部分患者在接受AI表现优于放射科医生的条件下接受自主AI。
  • 受访者认为医院、放射科医生和程序开发者依次对误诊负责。

研究设计与样本

  • 前瞻性多中心研究,2023年1月至10月在三家西欧医学机构开展。
  • 共纳入212例因前列腺癌诊断或分期行前列腺MRI的患者,13例(6%)因问卷不完整被排除。
  • 问卷在MRI扫描前完成,包含9个AI诊断相关问题,采用5点Likert同意-不同意量表。
  • 采用序数逻辑回归分析人口学变量与各陈述的相对比值比,显著性阈值p < 0.05。

诊断标准与关键数值

  • 91%同意AI作为主要读者、79%同意AI作为次要读者参与前列腺癌诊断。
  • 若AI具有高确定性诊断,15%受访者接受其作为唯一决策者。
  • 52%受访者接受AI表现优于放射科医生时的自主AI。
  • 96%信任放射科医生的评估,52%信任计算机程序的评估。
  • 医院(76%)、放射科医生(70%)、程序开发者(55%)应被认定对误诊负责。

临床应用与阅片要点

  • 患者对AI辅助前列腺癌MRI诊断接受度高,但仅小部分接受高确定性AI独立决策。
  • 患者对放射科医生的信任高于对计算机程序的信任。
  • 患者认为AI误诊责任应由医院、放射科医生和程序开发者依次分担。
  • 作者认为,向患者说明当前医疗系统的优势(如提高诊断性能和生产效率)可能进一步说服患者接受AI。

局限性

  • 研究聚焦于受教育水平较高的西欧男性患者,结果的普适性可能有限。
  • 本研究是持续研究过程中的一个快照,未来调查需随技术性能和自动化程度的变化而演进。
  • 作为后续研究,探索患者对AI(如ChatGPT)的熟悉程度并据此分类其AI接受度将是有意义的。
全文中译9 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2024 Aug 14;35(2):769–75. doi: 10.1007/s00330-024-11012-y

引言

用于在磁共振成像(MRI)扫描中检测显著性前列腺癌(PCa)的人工智能(AI)模型已达到与专家放射科医师相当的性能水平,展示了其融入临床环境的潜力[1–4]。然而,这些AI系统的成功临床整合不仅需要诊断准确性;对AI诊断的信任以及对误诊的问责已被指定为该领域未来的关键挑战[5, 6]。

对PCa疑似患者AI诊断的信任研究不足。尽管已有关于患者和放射科医师如何看待放射学中AI的研究,但这些发现可能无法直接适用于PCa患者[7–9]。患者对AI实施的看法可能因环境和具体应用而异[8],因此有必要对通常由老年男性构成的独特PCa患者群体进行评估。在前列腺MRI评估中,标准诊疗是由单一放射科医师进行诊断评估。当前AI模型的格局呈现了对放射科医师潜在支持的差异。支持范围从设计用于二次阅片的模型到追求完全自主的模型[10, 11]。对这些创新的患者反应研究不足,以及他们对不同自动化水平的接受度,已变得越来越相关。因此,将患者视角纳入开发和部署叙事至关重要。这确保所开发的AI工具符合技术标准,并能与其旨在服务的患者产生共鸣并获得信任。

AI在前列腺癌检测中的未来实施还引发了关于误诊责任的问题[12]。利用AI进行MRI上的PCa检测偏离了标准诊疗,使医生处于对AI所犯任何错误承担责任的位置[5]。医生在偏离标准诊疗时的当前责任可能阻碍新型AI系统的实施。因此,调查患者对责任的看法至关重要,因为这表明了当AI系统给出错误诊断时谁可能被追究责任。

本研究调查患者对AI用于MRI扫描诊断PCa的接受度以及影响他们对AI诊断信任的因素。此外,它还考察患者对AI误诊问责的看法。

材料与方法

受试者

这项前瞻性多中心研究于2023年1月至10月在三家西欧医学机构进行。各机构均获得了当地机构审查委员会的批准:A机构(METc 2022/437)、B机构(MEC 2022-132)和C机构(IRBd22-233)。接受前列腺MRI扫描以进行PCa诊断或分期的患者符合本研究条件。研究纳入了签署书面知情同意书、年满18岁且完成整个问卷的患者。

问卷设计

参与者收到一份纸质问卷,询问他们对假设性人工智能评估其MRI扫描的意见。问卷基于先前发表的文章设计,并仔细考虑了完成问卷所需的时间[8, 13, 14]。所有问题均保留在最终分析中。问卷见补充材料A。在B机构和C机构,放射科技师在扫描前发放问卷。在A机构,患者在收到MRI邀请信时同时收到问卷,放射科技师在扫描前收集问卷。问卷在MRI扫描前完成,以最佳模拟在AI模型或放射科医生诊断之间进行选择的假设情景。问题之前有一段一般性信息,描述了AI系统与放射科医生表现相似的情景。问卷开头的人口学问题包括参与者的出生日期、教育水平、MRI经历和癌症病史。参与者的教育水平根据其自我报告的最高学位确定,参照Ongena等[14]的方法。关于癌症病史,调查了主动监测前列腺癌和其他类型癌症。接下来,提出了九个与AI诊断相关的问题,以确定对AI与放射科医生合作的看法、对AI的信任以及对AI可能犯错误的问责。这些问题概述了关于自主阅片的各种情景,从二次判读到自主决策。回答采用5点Likert型同意-不同意量表测量,以提高数据质量,符合Höhne等[15]的建议。在最后一个开放性问题中,患者有机会提供额外评论。

分析

比较患者回答以评估对某一陈述的同意程度。此外,计算了每个问题与人口学变量相关的相对比值比:教育(每增加一个级别)、既往MRI扫描史、癌症病史和年龄(每增加一岁)。如果回答满足比例优势假设的要求,则执行有序逻辑回归[16]。统计显著性阈值设定为p < 0.05,分析使用Rstudio 4.2.2版本以及MASS和Brant库进行。

结果

受试者

本多中心研究共纳入212例患者,其中13例(6%)因问卷不完整被排除(图1)。表1提供了患者特征的概览。患者年龄范围为31至83岁(中位数=69岁,IQR=10岁)。大多数患者具有大学水平教育(54%,n=114),其次为职业教育(31%,n=66),最后为高中教育(15%,n=32)。33例患者(16%)提供了额外评论;见补充材料B。

图1 STARD流程图。2023年1月至11月期间在A机构、B机构和C机构接受前列腺MRI扫描的成年男性符合本研究条件。问卷不完整或对单一问题有多个答案的患者被排除 查看原图 ↗
表1 患者特征 查看原表 ↗

患者回答

患者对调查的答复如图2所示。大多数患者倾向于在放射科医师参与下让AI参与前列腺癌(PCa)诊断:79%的参与者希望在放射科医师诊断后由计算机程序提供第二意见,91%希望在计算机诊断后由放射科医师复核。15%的受访者接受具有高确定诊断的AI作为唯一决策者。52%的受访者接受AI优于放射科医师。有趣的是,很大一部分患者(43%)对于信任计算机程序评估其扫描结果犹豫不决。受访者对放射科医师评估的信任高于计算机程序(96%信任放射科医师,52%信任计算机程序)。受访者表示,医院(76%)、放射科医师(70%)和程序开发者(55%)应对误诊承担责任。附加评论最常表现出对AI参与PCa诊断的怀疑态度(n = 8,24%),其次是积极态度(n = 7,21%)和抗拒态度(n = 3,9%)。就AI参与PCa诊断的责任而言,附加评论表达倾向于由放射科医师承担责任(n = 4,12%),其次是放射科医师、程序开发者和医院共同承担责任(n = 2,6%),以及医院承担责任(n = 1,3%)。所有评论见补充材料B。

图2 患者对其前列腺MRI扫描AI评估看法的问卷答复 查看原图 ↗

逻辑回归

在所有陈述中,比例优势假设均得到满足,并进行了有序逻辑回归。表2显示了受过高等教育、有MRI史、PCa史、癌症史或年龄较高者同意某一陈述的优势比。受过高等教育者倾向于接受AI优于放射科医师的情况,并认为放射科医师应对计算机的失败负责(p < 0.05)。各陈述与较高年龄之间发现显著结果(p < 0.01),但优势比约为1.00,表明对该陈述的接受度没有明显增加或减少。

表2 各问题相对于人口学变量的相对优势比 查看原表 ↗

讨论

本研究深入探讨了患者对使用AI进行基于MRI的PCa诊断的看法,以及影响其对此类AI参与诊断信任的因素。结果表明,患者明显倾向于AI辅助放射科医师判断,79%的患者支持在放射科医师初步诊断后提供计算机生成的第二意见,91%赞成由AI提供主要意见并接受放射科医师监督。尽管如此,只有少数15%赞成无放射科医师参与、具有高确定性的独立AI诊断。然而,大多数患者(52%)对完全自主AI持开放态度,前提是其在诊断准确性上优于放射科医师。研究进一步强调,在误诊情况下,参与者认为医院、放射科医师和AI程序开发者应承担责任,责任程度依次递减。

总体而言,我们的结果强调,绝大多数接受前列腺MRI的患者对AI参与(79–91%)持接受态度,无论是作为次要评估者还是主要评估者。这与当前AI的能力和可用的商业产品相一致。一些研究和产品利用AI初步阅读前列腺MRI并提出发现供放射科医生批准,使放射科医生有权决定接受或丢弃结果[17]。虽然对某种程度的AI参与存在普遍共识,但对于具有高确定性、无放射科医生参与的独立AI系统,接受度降至15%。然而,如果AI能够超越放射科医生,大多数人可能会接受它,这表明可能向AI更大程度的自动化转变。尽管许多放射学算法尚未准备好达到这一先进水平,但正在进行的研究表明,对特定算法而言这是可行的[11]。教育患者了解当前医疗保健系统的好处(例如,提高诊断性能和生产力增益)可能会进一步说服他们接受这种方法。值得注意的是,33%的参与者在AI超越放射科医生时对自动化AI阅读既不同意也不反对,这表明了关于AI技术额外教育和信息的潜在目标。

本研究还调查了患者对AI系统性能中问责制的看法。医院、放射科医生和AI程序开发者被确定为责任方。目前,医生对患者护理结果负责,面临偏离标准方案的责任[5]。随着标准护理越来越多地整合医疗AI,这种问责格局可能会发生变化,AI开发者在患者结果中发挥更大的影响,并面临更大的法律责任[5, 6, 18]。然而,医疗保健中的每种环境和 workflow 都有独特的细节,影响现有法律必须如何调整。未来医院、放射科医生、AI开发者和法律专家之间的合作努力对于适当调整这些变化至关重要。

虽然现有文献提供了对患者关于AI观点的见解,但其对接受前列腺MRI患者的适用性可能有限。这种局限性源于不同环境和应用可能影响观点的差异,如先前研究中所强调的[8, 9]。我们的研究专门设计来解决这一空白,仅关注因前列腺癌(PCa)诊断或分期而接受前列腺MRI的患者。问卷在MRI之前进行,以模拟临床环境并考虑等待诊断相关的焦虑。虽然另一项研究调查了接受前列腺MRI的患者对AI的信任,但直接比较具有挑战性,因为他们的研究涵盖了PCa的所有诊断和治疗干预,58%的患者因根治性前列腺切除术就诊[19]。他们的发现表明,对AI参与诊断的偏好略低(67% AI辅助诊断和1% AI单独诊断),教育与对AI的信任之间没有相关性。除了不同的患者队列外,差异可能归因于他们问卷的双重关注点:诊断和AI的沟通能力:患者不偏好AI沟通,但确实偏好AI参与诊断[19]。

放射科医生在患者对人工智能辅助前列腺癌(PCa)诊断的信任中的作用也在一项焦点小组研究中得到强调[20]。他们的结果显示,参与者的信任不仅取决于人工智能技术,还取决于放射科医生,他们信任放射科医生会使用经过充分测试的、有益的工具。此外,对以人为中心的方法的偏好也体现在患者与专业人员关系的重要性上,包括沟通中的共情。虽然人工智能可以帮助检测PCa,但人们更倾向于以人为中心的方法,以在诊断准确性和人类直觉之间取得平衡[20]。

当将我们的研究与关于人工智能在医疗保健中应用的更广泛文献进行比较时,我们的研究发现了对独立人工智能系统相对较高的支持,特别是当其表现出优于放射科医生的性能时。这种差异可能归因于接受MRI进行PCa诊断或分期的患者队列的独特视角[8]。例如,2021年在放射科进行的一项研究聚焦于女性对人工智能在乳腺X线摄影解读中的接受度,发现46%的参与者偏好人工智能作为第二读片者[14]。然而,我们的结果表明接受率更高,80%的参与者在放射科医生对PCa检测作出初步诊断后,倾向于接受计算机程序的第二意见。这种差异可能提示在医疗保健中对人工智能的看法存在性别差异[8]。此外,对人工智能日益增长的接受度也可能受到人工智能算法快速发展和日益提高的可见度的影响,例如ChatGPT等大型语言模型,这可能随着时间的推移增强了公众对人工智能能力的认识和信任。因此,开展直接针对特定受众和场景的定向研究至关重要。此类研究将有助于准确界定人工智能算法在各种医疗情境中的真实边界和可接受性[14]。

本研究存在局限性,主要由于研究聚焦于受教育水平较高的西欧男性患者。因此,我们的结果的普适性可能有限,因为女性患者或其他人群可能持有不同观点[8, 20, 21]。此外,本研究仅代表持续进行的研究连续体中的一个快照。未来的调查需要随着技术格局的变化而演变,反映性能和自动化的不同阶段。作为一项后续研究,探索患者对人工智能(如ChatGPT)的熟悉程度,然后根据其人工智能熟悉程度对其人工智能接受度进行分类,将是有意义的。

随着PCa检测人工智能达到专家级性能,绝大多数患者表现出偏好人工智能与放射科医生共同参与MRI上的PCa诊断。在人工智能优于放射科医生的条件下,独立人工智能被略微多数的患者接受。此外,较高的教育水平与对人工智能信任的增加相关。受访者认为医院、放射科医生和程序开发人员应对误诊承担责任,责任程度依次递减。

补充信息

电子补充材料

引用

  1. Fransen SJ, Kwee TC, Rouw D, et al. Patient perspectives on the use of artificial intelligence in prostate cancer diagnosis on MRI. Eur Radiol. 2024. PMID: 39143247. doi:10.1007/s00330-024-11012-y
  2. 全文:PMC11782406(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11782406/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。