指南与共识介入技术与安全US

区域麻醉超声扫描人工智能技术评估报告指南(GRAITE-USRA):国际多学科共识报告框架

Guidance for reporting artificial intelligence technology evaluations for ultrasound scanning in regional anaesthesia (GRAITE-USRA): an international multidisciplinary consensus reporting framework.
指南 / 共识 · Anaesthesia · 2025-09-18

该国际多学科共识通过改良德尔菲法制定GRAITE-USRA报告指南,含40个条目,针对区域麻醉超声扫描中人工智能技术评估研究的报告规范。指南强调超声采集方案和操作者专业能力等现有AI报告指南未覆盖的条目,旨在提升报告一致性、透明度和可重复性。

要点

  • GRAITE-USRA含40个报告条目,用于区域麻醉超声AI评估研究的规范报告。
  • 指南特别纳入超声采集方案与操作者专业能力等现有AI报告指南未覆盖的条目。
  • 作者建议在研究规划及稿件准备早期应用该清单,并提交标注页码的完成清单。

核心结论

  • GRAITE-USRA为区域麻醉超声扫描人工智能相关研究提供最低限度报告推荐,旨在促进报告一致性、透明度、可重复性并支持证据整合入临床实践。

研究设计与样本

  • 遵循EQUATOR Network报告指南制定方法,经文献综述与专家咨询生成候选条目,采用国际多学科改良德尔菲法(两轮问卷加一次圆桌讨论)达成共识。
  • 第一轮德尔菲67名专家参与(应答率96%),第二轮63名(应答率94%),2025年2月7日圆桌讨论25名专家出席。
  • 专家来源包括麻醉医师、学术出版与科研人员及商业代表,最终形成40个条目的报告清单。

诊断标准与关键数值

  • 德尔菲条目准入阈值:≥75%回答为「确定纳入」的条目直接纳入最终指南。
  • 条目排除阈值:>50%回答为「可能排除」或「确定排除」的条目视为专家共识拒绝。

临床应用与阅片要点

  • 作者建议在研究规划及稿件准备早期应用GRAITE-USRA清单,以确保关键细节被充分考虑和充分报告。
  • 作者建议作者提交完成清单并明确标注每个报告条目所在页码,以辅助编辑和同行评审。
  • 对不适用条目作者应在清单中填写「N/A」并在稿件中明确说明;知识产权限制相关信息可在完成清单中声明。

局限性

  • 本研究承认缺乏患者和公众参与是一项局限,因项目无资助故无分配资源促进患者和公众参与。
  • 另一局限是低收入和中等收入国家专家代表性不足,多数德尔菲专家来自欧洲和北美等高收入地区。
  • 德尔菲过程中无候选条目被拒绝,可能反映初始长清单生成方法严谨。
  • 作者预期该指南需定期更新以与人工智能技术进展保持同步。
全文中译5 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:Anaesthesia. 2025 Sep 18;80(12):1528–39. doi: 10.1111/anae.16733

引言

超声引导区域麻醉利用关键解剖结构和所插入针头的实时可视化,有助于将局部麻醉药精准沉积在特定神经周围或筋膜平面内,从而提供镇痛或麻醉。与电神经刺激定位方法相比,超声引导提高了外周神经阻滞的安全性和有效性[1]。它在中枢椎管内技术中也显示出优势[2]。

人工智能(AI)是计算机科学的一个领域,使计算机能够执行传统上与人类智能相关的任务[3]。近期多项研究提出了将AI应用于超声扫描和超声引导区域麻醉实施的依据[3, 4]。目前可用的AI应用包括突出关键图像特征;标注解剖结构;以及识别最佳进针点[4]。然而,评估AI设备在医疗保健(包括超声引导区域麻醉)中应用的研究报告存在显著异质性[4, 5]。这些不一致性阻碍了稳健的评价、结果的可重复性、相似技术的比较、目标受众的理解,以及最终AI技术安全适当地整合入临床实践[6]。目前已开发多项AI专用报告指南,以提高不同研究设计和临床专科间的透明度和一致性。这些包括人工智能个体预后或诊断多变量预测模型的透明报告(TRIPOD+AI);医学影像人工智能清单(CLAIM);以及人工智能试验报告统一标准(CONSORT-AI)[7, 8, 9]。然而,这些指南均未专门涉及与评估超声引导区域麻醉中AI技术相关的关键方面,例如超声扫描方案的描述;解剖特征选择策略;以及建立参考标准者的专业水平。

本研究的目的是为评估应用于区域麻醉超声扫描的AI技术的研究制定报告框架。采用改良德尔菲法,我们力求在国际多学科利益相关者群体中达成共识,为这一快速发展的领域建立标准化的研究报告框架。

方法

我们成立了一个指导小组来监督报告指南的制定过程。该小组由在超声引导区域麻醉、德尔菲共识方法学、AI、报告指南制定和学术发表方面具有专业知识的成员组成(XZ、JF、DH、GC、MW和JB)。

对EQUATOR Network数据库的检索确认尚无类似指南正在制定中[10]。此后,该项目作为报告指南倡议在EQUATOR Network注册[11]。该指南随后按照EQUATOR Network的方法学框架制定[10]。关键术语的定义见在线支持信息附录S2。根据牛津大学和英国健康研究管理局决策工具的判定,本研究无需伦理批准(在线支持信息附录S3和S4)。

通过审查已发表文献并在指导小组内反复咨询,制定了一份全面的候选条目长清单。使用近期一项关于医疗保健中基于人工智能工具的报告指南的系统综述来识别现有指南[12]。此外,我们于2024年5月30日使用术语“人工智能”、“机器学习”和“深度学习”检索了EQUATOR Network,以获取系统综述中未纳入的其他相关人工智能报告指南。仍在制定中的指南未纳入考虑。

共识别出33项报告指南[7, 8, 9, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42]。其中,11项为亚专科特异性指南,不适用于区域麻醉,因此未纳入[32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42]。从其余22项相关指南[7, 8, 9, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31]中,由两名研究者(YZ、APLM)独立提取报告建议并进行分类,由第三名研究者(MT)仲裁。第四名研究者(JF)监督该过程以确保一致性、适当分组和完整性。所得条目经指导小组三轮迭代审查。若条目与人工智能应用的评价相关且适用于超声引导区域麻醉,则予以保留。若条目存在重复;高度亚专科特异性且与超声引导区域麻醉无关;或超出范围(例如仅涉及模型开发、模型架构或模型训练而非评价),则不予纳入。由于此前不存在针对超声引导区域麻醉的报告指南,故识别了特定考虑因素和空白,并按需纳入。基于该过程,生成了43条专为区域麻醉超声成像中人工智能应用量身定制的候选条目长清单。该长清单(在线支持信息附录S5)按照条目将出现的手稿章节进行组织结构,并构成了下述改良德尔菲法的基础。

指导小组实施了改良德尔菲法[43],采用基于近期区域麻醉领域德尔菲研究的方法学[44, 45, 46, 47, 48]。本工作按照德尔菲研究报告的既定指南进行报告[49]。

国际专家受邀组成GRAITE‐USRA工作组,并参与在线德尔菲调查,对候选条目进行投票、完善条目措辞并提出附加条目。指导小组通过结构化方法确定并联系专家,以确保所有相关利益相关者群体均有代表参与,并促进跨学科、跨地理区域和跨专业背景的多样性。遴选标准包括相关出版物的作者身份、在该领域公认的专业知识、专业网络内的推荐以及支持学会的提名。德尔菲专家组包括来自以下领域的利益相关者:具有超声引导区域麻醉亚专业专长的执业麻醉医师;学术出版与科学传播领域,包括期刊编辑以及临床医学、医学影像、生命科学、人工智能、统计学、计算科学与工程领域的研究人员;以及产业界,包括活跃于医疗人工智能领域和/或开发具有人工智能功能的超声引导区域麻醉设备的商业实体代表。

尽管商业代表被认为对于平衡的利益相关者参与十分重要,但所有专家均被要求申报潜在利益冲突。这些信息由指导小组记录并仔细审查。为确保透明度和视角多样性,记录了包括性别、执业国家和专业角色在内的人口学详细信息。每位德尔菲参与者的专业知识和经验在正式邀请前由指导小组核实。同意参与的专家获得了研究摘要,其中详细说明了研究的目的和范围、研究团队的联系信息、参与方式说明以及调查链接。参与德尔菲过程未提供经济激励。更多细节见在线支持信息附录S1。

德尔菲各轮通过Google Forms(Google,Mountain View,CA,USA)以英语在线进行,每位参与者独立完成调查。为保持保密性,所有回答在数据分析前均经过匿名化处理。每轮在线调查投票设定了70%的目标应答率。第一轮之前,对六名个人(包括麻醉医师、学者和产业界代表)进行了试点调查,以评估可用性和内容。这些个人不属于随后的德尔菲专家组,其回答未纳入最终分析。

德尔菲参与者被要求使用以下问题主干在每一轮中评估候选条目:“[候选条目]是否应纳入报告指南的[章节]?”候选条目按相关稿件章节分类,如“标题”;“摘要”;“方法”;“结果”;和“讨论”。小组成员被要求使用四点李克特量表对每个候选条目进行评分:1 – 明确纳入;2 – 可能纳入;3 – 可能排除;4 – 明确排除。获得≥75%回答为“明确纳入”的条目被推进纳入最终报告指南,且不再纳入后续轮次。>50%回答为“可能排除”或“明确排除”的条目被视为经专家共识否决,并从后续轮次中移除。其余条目保留用于进一步的德尔菲轮次。在每个阶段,德尔菲小组成员可提供自由文本评论,以提供额外见解或建议新条目。每轮之后,指导小组审查定量结果和定性反馈,必要时修改候选条目或引入新条目以反映专家建议。匿名化结果,包括自由文本回答和指导小组决定,与所有德尔菲小组成员共享,以确保透明度并鼓励进一步参与。根据专家认可程度,计划最多进行三轮德尔菲,随后举行最终圆桌讨论以与专家小组批准结果,从而结束该过程。最终指南连同研究手稿随后分发给所有贡献者以征求反馈和批准。

结果

2024年6月至2024年8月期间,确定了70名专家并接受了参加改良德尔菲过程的邀请:23名麻醉科医师;24名来自学术界和科学出版界;以及23名来自商业部门的代表。德尔菲参与者的特征见表1。

第一轮德尔菲由67名专家完成(应答率96%)。共有17个候选条目达到预设的共识阈值并被接受进入最终报告指南。根据专家自由文本评论,对三个候选条目的措辞进行了修订以提高清晰度,并引入了三个新候选条目以处理额外考虑因素。没有候选条目被否决,留下29个条目在第二轮德尔菲中评估。

第二轮德尔菲由63名专家完成(应答率94%)。另有六个候选条目达到共识阈值并被接受进入最终报告指南,留下23个候选条目进入长名单以供进一步考虑。本轮没有候选条目被否决。根据专家自由文本评论,对21个条目进行了完善,以提高清晰度并与专家反馈保持一致。

鉴于第一轮和第二轮之间条目认可度差异极小,指导小组认为第三轮德尔菲调查不太可能产生显著不同的评分模式。因此,在第二轮之后,指导小组选择直接进入圆桌讨论。指导小组还决定将所有23个剩余候选条目纳入指南草案,以便与德尔菲专家进一步讨论,因为即使评分最低的条目也获得了71%的综合批准率(“肯定纳入”或“可能纳入”)。

所有参加了两轮德尔菲调查的63名专家均被邀请参加于2025年2月7日通过Microsoft Teams举行的圆桌讨论,共有25名专家出席。未能出席的专家被邀请对临时最终清单提交书面反馈。在圆桌讨论中,共审查了46个条目,鼓励与会者对每个清单条目发表意见;同时讨论了存在不确定性的领域。在这些讨论中,4个条目被重新措辞以提高清晰度,6个条目被精简并与其他条目合并,最终形成包含40个报告条目的最终清单(图1)。随后,指导小组对最终清单进行了审查,确保指南中语言的一致性和协调统一。

GRAITE‐USRA包含一个由40个条目组成的清单,专为报告人工智能在区域麻醉超声成像中的应用而设计(表2)。这些条目旨在用于报告人工智能技术的评估,但并不规定这些技术的设计或开发方法。

我们建议在研究规划阶段和稿件准备的早期阶段应用GRAITE‐USRA清单,以确保必要细节得到充分考虑和充分报告。为便于实施,在线支持信息附录S6中提供了扩展清单,包含每个条目的理由和指导。该清单为研究的清晰、一致和全面报告建立了最低标准。鼓励作者提供额外的相关信息,并可根据具体期刊要求,在补充材料中报告某些清单条目或通过引用研究方案进行报告,前提是该方案可公开获取。

指导小组和德尔菲专家按照反映研究论文报告自然进程的逻辑顺序组织了各条目。然而,条目顺序可根据具体期刊的格式要求进行调整,因此我们不强制规定每条建议在出版物中的确切位置。为便于编辑和同行评审过程,我们建议作者提交一份填写完整的清单,清楚标明每个报告条目所在的页码。对于被认定不适用于特定研究的条目(例如信息不相关的情况),作者应在清单中填写“不适用”,并在稿件中明确说明。若与特定报告条目相关的信息受知识产权限制保护,指导小组认为可在填写完整的清单中予以说明;本指南旨在为报告提供参考,而非阻碍学术过程中潜在的商业参与。与GRAITE‐USRA相关的更新将通过EQUATOR Network发布。为增强可及性和包容性,欢迎提出将清单翻译为其他语言的询问。有意者应联系通讯作者,并遵循结构化翻译流程,该流程涉及原始出版物的作者,且应获得其批准。

表1 德尔菲专家的特征。数值为例数(比例)。 查看原表 ↗
图1 展示研究期间数据进展的流程图。 查看原图 ↗
表2 超声扫描区域麻醉中人工智能技术评价报告指南(GRAITE‐USRA)清单。 查看原表 ↗

讨论

人工智能将在麻醉学、重症监护、围手术期医学和疼痛管理中发挥越来越重要的作用[50]。一项关于区域麻醉研究优先事项的国际德尔菲研究将通过新技术推动该专业发展列为十大优先事项之一[47]。然而,一项审查区域麻醉中基于人工智能的超声扫描工具研究的范围综述指出,缺乏专门针对该领域人工智能应用评价的全面报告标准[4]。我们的工作填补了这一空白。通过标准化报告实践,本指南旨在使临床医生能够批判性评价人工智能技术、比较和综合试验数据,并指导基于证据的临床实践采纳。此外,更清晰的报告可通过提供对基于人工智能的超声引导区域麻醉技术的透明评估,为医院设备采购决策提供参考。我们预期本指南对行业利益相关者同样具有价值,尤其是提交报告以供监管审批或向临床受众展示人工智能技术的商业实体。标准化报告将促进监管机构进行更严格的评价,并提高向最终用户提供信息的清晰度。

GRAITE‐USRA清单专为区域麻醉超声成像中的人工智能应用而设计,旨在应对该领域中常见及特有的挑战。其目的是补充而非替代现有报告指南,应被视为确保研究记录清晰、一致和全面的最低标准。指导小组一致认为,保留其他清单中可能出现的更广泛报告条目十分重要,因为GRAITE‐USRA指南旨在作为一份独立文件发挥作用,而非作为与更通用报告框架配合使用的附加要求集。因此,GRAITE‐USRA清单包含了若干报告建议(例如条目4:“说明研究目标或假设”,在线支持信息附录S6),这些建议可被视为通用性内容,并出现在许多同类报告指南中,包括CONSORT‐AI。对于区域麻醉人工智能相关研究的标准化而言,重要的是,GRAITE‐USRA包含若干完全独特的报告条目,可被视为区域麻醉研究专属条目(如条目14:“描述或论证用于评估的特征选择策略(例如阻滞区域、解剖结构)”,在线支持信息附录S6),并通过附带的解释性文字为许多通用报告条目提供语境,以告知研究人员如何在人工智能相关区域麻醉研究中正确实施这些条目。

本研究的一个显著优势是所有参与者群体均实现了高应答率,反映出跨不同专业领域的积极参与。应答率始终较高,麻醉科医师达到95%(22/23),学术人员92%(22/24),行业代表83%(19/23),体现了所有群体对指南制定的投入。这种强有力的利益相关者参与促成了一组全面且具有代表性的建议,增强了最终指南的有效性和适用性。

在考虑对本项目给予认可时,一个专业学会指出的问题是,行业参与可能引入利益冲突。由于该领域拥有的财务和技术资源,以及将想法转化为可随时使用的医疗器械所需的商业专业知识,医疗保健人工智能将不可避免且必然地在各个阶段涉及行业参与。事实上,有人担忧该领域将变得由行业主导,无法充分满足患者和医疗保健专业人员的需求[50]。因此,指导小组认为商业代表对于确保利益相关者类别的适当代表性至关重要。然而,临床界必须在塑造医疗保健人工智能格局中发挥领导作用。若不积极参与,医疗保健专业人员有可能成为技术的被动接受者,而这些技术可能无法完全契合临床工作流程或患者照护优先事项。展望未来,双方都需要努力加强对话,确保临床共同领导,使行业活动能够应对现实世界的临床挑战[50]。

缺乏患者和公众参与被承认为本研究的一项局限性。由于这是一个无资助项目,没有分配资源可用于促进患者和公众参与;然而,我们认识到患者、照护者和多学科团队参与的价值[51]。未来的指南倡议可能受益于纳入更广泛的利益相关者视角,以增强相关性、可接受性和适用性。另一个局限性是来自低收入和中等收入国家的专家代表性不足,大多数德尔福专家来自欧洲和北美等高收入地区。尽管该项目获得了非洲和拉丁美洲专业学会的认可,但来自这些地区的贡献专家数量相对较少。这可能反映了在技术获取、人工智能基础设施或区域麻醉和研究既定专业知识方面更广泛的全球差距。在指南的未来更新中更多地纳入低收入和中等收入国家的视角,对于确保全球相关性和公平性将非常重要。

进一步的考虑是,在德尔福过程中没有任何候选条目被拒绝。这可能反映了生成初始长列表所采取的严格方法,该列表基于现有的报告指南,并通过与指导组的反复协商进行完善。本研究旨在协调现有的报告框架,使其适应人工智能在区域麻醉超声扫描中应用的具体情境。

最后,我们预计本指南将需要定期更新,以与人工智能技术的进步保持同步。人工智能发展的快速步伐意味着新的方法学、监管考量和临床应用将会出现,需要持续完善报告标准。未来的指南修订应响应技术和临床变化,确保报告标准继续促进透明、可重复和具有临床相关性的研究。

虽然本指南特别关注人工智能在区域麻醉超声扫描中的应用,但人工智能正日益整合到麻醉学、围手术期医学和疼痛管理的各个方面。应为医疗保健中的其他人工智能应用开发类似的报告框架,确保临床医生始终处于新型人工智能技术评估和实施的前沿。除了标准化报告之外,未来共识驱动的倡议还可以帮助识别可从人工智能发展中获益的临床实践领域,引导研究和创新走向高影响力的临床应用。在人工智能发展中建立临床驱动的优先事项对于确保新兴技术与真实世界的患者护理需求相一致、提高安全性和效率以及无缝整合到现有临床工作流程中至关重要。

最终,促进临床医生、研究人员、监管机构和行业合作伙伴之间更紧密的合作将是塑造医疗保健中人工智能未来的关键。虽然行业将不可避免地承担大部分医疗保健人工智能开发工作,但临床医生必须发挥积极的领导作用,确保人工智能技术的设计和评估方式对临床医生有意义、符合监管标准、解决真实世界的临床挑战并改善患者护理。

总之,GRAITE‐USRA为报告区域麻醉中超声扫描人工智能技术的评估提供了一套最低建议。希望该建议能在未来与该领域相关的学术研究中被采纳和使用,也可能用于商业环境、监管审查,并随着医疗人工智能领域的发展扩展至其他相关领域。

支持信息

简明语言摘要。

附录S1。GRAITE‐USRA工作组。

附录S2。术语表。

附录S3。牛津大学伦理豁免。

附录S4。HRA决策工具。

附录S5。GRAITE‐USRA长名单。

附录S6。GRAITE‐USRA扩展清单。

引用

  1. Zhang X, Ferry J, Hewson DW, et al. Guidance for reporting artificial intelligence technology evaluations for ultrasound scanning in regional anaesthesia (GRAITE-USRA): an international multidisciplinary consensus reporting framework. Anaesthesia. 2025. PMID: 40963489. doi:10.1111/anae.16733
  2. 全文:PMC12614416(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12614416/

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。