乳腺X线筛查中AI替代双阅片之一可节省的放射科工作量
本研究基于挪威乳腺筛查项目2024年全部16个乳腺中心的汇总数据,估算用AI替代双阅片中的一名放射科医生对工作量的影响。结果显示阅片工作量可从6.5人年降至3.3人年,但仅相当于乳腺中心放射科总工作量从9%降至4.5%。作者认为AI在节省阅片时间方面作用有限,主要价值可能在于提高筛查敏感度。
要点
- AI替代双阅片之一仅节省筛查阅片时间,对乳腺中心放射科总工作量影响为中等。
- 召回率从3.2%升至5.5%时,召回相关工作量增加可抵消AI节省的阅片时间,需警惕净时间收益被抵消。
- 共识与召回评估等耗时环节难以被当前AI模式直接减少,阅片时间节省不等于整体流程减负。
核心结论
- AI替代双阅片之一可使乳腺X线筛查阅片工作量减少50%,从6.5人年降至3.3人年。
- 该工作量减少仅使乳腺中心放射科总工作量从9%降至4.5%,对整体工作负担影响为中等。
- AI在乳腺X线筛查中的主要潜在收益可能与提高筛查试验敏感度相关,而非节省放射科时间。
研究设计与样本
- 基于挪威乳腺筛查项目2024年全部16个乳腺中心上报的放射科岗位数与筛查数据库的汇总数据。
- 研究对象为约68万50–69岁女性的两年一次双阅片乳腺X线筛查项目,2024年参与率为77%。
- 采用每位放射科医生每次阅片1分钟、共识每次5分钟乘以2.5名放射科医生等工作量假设,并按每年180个工作日折算人年。
关键影像表现/征象
- 筛查阅片共消耗6.5人年,共识消耗2.9人年,召回评估消耗6.2人年,筛查相关总工作量为15.7人年。
- 阅片占筛查相关工作的42%,阅片加共识占16个乳腺中心总人年的13%,纳入召回评估后占22%。
- 若召回率稳定在3.2%且共识率为7.2%,AI替代一名阅片者后筛查相关工作量比例可下降。
诊断标准与关键数值
- 2024年参与率77%,共识率7.2%,召回率3.2%,筛查检出癌率0.63%。
- 数字乳腺X线原始阅片时间中位数为25秒,均值为41秒,研究采用每次阅片1分钟以避免低估工作量。
- 召回率从3.2%降至2.0%时筛查相关工作占比从22%降至19%;召回率升至5.5%时升至29%。
临床应用与阅片要点
- 阅片在乳腺中心放射科总工作量中占比不高,以AI替代一名阅片者对总工作量的缓解有限。
- 若AI使召回率明显升高,召回评估增加的工作量可能超过阅片节省的时间,净收益取决于具体阈值。
- 共识讨论与召回评估仍是耗时环节,目前AI对这些任务的工作量影响不明确,需谨慎预期节省效果。
局限性
- 未纳入成本效益分析,AI实施、维护和运行费用未被量化。
- 各中心上报的工作量和工作时间基于粗略估算,而非精确记录。
- 部分乳腺中心的放射科岗位未完全填充,可能低估筛查阅片占总工作量的比例。
全文中译6 节 · 点击展开
引言
乳腺X线筛查是早期乳腺癌检测的基石,旨在通过及时干预降低疾病特异性死亡率和治疗负担[1, 2]。欧洲大多数有组织的筛查项目(包括挪威乳腺筛查项目)的标准方案是由两位放射科医师对乳腺X线片进行双阅片[1, 3]。当两位阅片者均给出阳性评分或二者评估意见不一致时,通常会启动共识或仲裁流程来确定筛查检查的结果。这种方法提高了诊断准确性,有助于将召回率维持在较低且可接受的水平;然而,它资源消耗大,加剧了放射科服务日益增长的压力,尤其是在全球合格放射科医师短缺的背景下[4]。
人工智能(AI)已成为乳腺X线筛查中一种有前景的人类阅片者辅助或替代方案[5–8]。多项回顾性和前瞻性研究表明,AI系统可以达到与放射科医师相当的诊断性能,特别是在癌症检出率和召回率方面。其中一种应用方式是用AI系统完全或部分替代两位放射科医师中的一位,例如在人工阅片之前将病例分层为低风险和高风险类别。这种整合方式有潜力大幅减少阅片工作量,同时不降低乳腺X线筛查的诊断性能。
尽管支持AI在乳腺X线筛查中有效性的证据日益增多,但对其成本效益以及减少放射科医师工作量的潜在程度关注相对较少。AI模型特别适合根据估计的癌症风险对乳腺X线片进行分诊,但这种分诊的有效性取决于适当风险阈值的选取。这些阈值应基于证据,并可能需要根据发病率、个体层面因素(如年龄、种族、乳腺密度)、技术变量(如乳腺X线设备、AI模型)以及情境因素(如放射科医师的专业水平和当地筛查方案)进行调整[9, 10]。
AI可以在筛查工作流程中承担多种角色,包括作为独立阅片者、作为放射科医师的决策支持工具,或在共识或仲裁流程中提供辅助。虽然AI在共识讨论中的支持可能有助于维持特异度,但它不太可能取代人工仲裁的需要,也不太可能显著减少相关工作负担。
鉴于对放射科服务的需求不断增加以及训练有素人员的有限供应,减少放射科医师的工作量是在乳腺X线筛查中采用AI的一个有力理由。本研究旨在评估在挪威乳腺筛查项目的背景下,用AI模型替代两位阅片者中的一位所能实现的放射科医师工作量减少程度以及由此节省的放射科医师时间。
材料与方法
本研究未使用个体数据,仅使用了挪威乳腺筛查项目各中心的检查数量、召回例数和癌症例数的汇总数据,以及放射科医师岗位信息。这些数据的披露具有法律依据,依据《癌症登记条例》第3–1条和《个人健康数据归档系统法》第19a至19h条[11, 12]。
挪威乳腺筛查(BreastScreen Norway)是一项基于人群的筛查项目,覆盖约68万名50–69岁女性[13]。该项目由挪威公共卫生研究所癌症登记处管理。女性每两年受邀接受一次双体位数字乳腺X线摄影检查。所有筛查乳腺X线片均由两名乳腺放射科医生独立判读[13]。每侧乳腺给予1至5分的评分,其中1表示恶性阴性;2表示可能良性;3表示中度恶性可疑;4表示可能恶性;5表示高度恶性可疑。一名或两名放射科医生评分为2分或以上的所有检查均需在共识会议上讨论,以确定是否应召回该女性进行进一步评估。2024年,该项目参检率为77%,共识讨论率为7.2%,召回率为3.2%,筛查检出癌症率为0.63%。
研究数据
为探讨在挪威乳腺筛查中实施人工智能的潜在节省,我们收集了2024年挪威全部16个乳腺中心放射科医生岗位数量的信息。
关于实际筛查检查数量、初次判读所用时间以及召回数量的信息提取自筛查数据库。阅片由两名放射科医生完成。16个乳腺中心中有15个可获得阅片所用时间的均值和 median 值。其中一个中心因技术问题无法获得阅片时间。所有中心的均值和 median 值被用作该无值中心的估计值。有阅片时间信息的441,276次初次阅片中,持续时间范围为0秒至4小时47分钟,平均时间为48秒,median 时间为25秒。289例(0.1%,289/441,276)出现了0值,这属于登记错误。我们排除了超过10分钟的值(0.6%,2792/441,276),因为如果时间过长,我们推测放射科医生可能被打断、分心或忘记退出登录。排除后,219,242例乳腺X线检查及438,484次阅片的平均阅片时间为41秒,median 时间为25秒。为避免低估阅片时间,我们按每次初次判读1分钟计算(1分钟×2名放射科医生)。共识/仲裁所用时间的均值和 median 值分别为每次检查2分12秒和1分55秒[14]。参与的有两名,有时为三名放射科医生。为确保不低估,我们按2.5名放射科医生乘以5分钟计算共识所用时间。筛查阳性后召回评估的时间按一名放射科医生平均60分钟工作量计算,依据为挪威各乳腺中心的时间安排。所报告的各项任务时间均超过实测值。采用这一方法是为了避免低估实际时间,因为存在较大差异,且许多与初次阅片、共识讨论和随访复查相关的活动可能发生在正式记录的时间段之外。
我们使用每周五个工作日、每天七小时工作时间以及每年180个工作日来估算工作人年[15]。该估算基于挪威乳腺放射科的工作常态,假定每周五个工作日、每天七小时工作时间。为估算人年,我们使用每年180个工作日而非标准的226个工作日,以计入与专业讨论、教育活动、休息及病假相关的缺勤。这一调整反映了一种基于观察到的实际工作模式的经验性合理估计,而非理论最大值。为检验结果的稳健性,我们还分析了采用每年200个和226个工作日的替代方案。
统计学
我们使用2024年的数据,通过将各中心报告的放射科医生岗位数乘以180来估算工作天数,并将结果视为各乳腺中心及总体上完成的总人年数。筛查阅片所耗时间通过将每次筛查检查2分钟乘以检查总数来计算。总人年数通过放射科医生岗位数乘以180获得,而用于筛查阅片的人年则通过将7小时工作日内筛查阅片总时长换算为人年后,除以放射科医生岗位总数,得出用于筛查阅片的人年百分比。用于共识讨论和召回的人年以类似方式估算。为探讨估计值的敏感性,我们提供了采用每次检查30秒阅片时间以及每年200个和226个工作日的补充计算。
我们进行了描述性统计,以中位数和筛查阅片平均耗时呈现数据。为回答研究目的,我们纳入了筛查阅片所耗时间的信息,因为我们认为这项工作可能直接受到人工智能的影响。此外,基于所述时间假设,我们估算了AI在筛查阅片中对共识/仲裁和召回率的潜在影响,包括减少和增加两方面,并涵盖多种情景。
结果
挪威全部16个乳腺中心均提交了各自中心的放射科医生岗位数信息。2024年参与BreastScreen Norway筛查阅片的放射科医生总数为95人。这些放射科医生共计覆盖70.7个岗位(表1)。各中心在放射科医生岗位数(范围1.0–10.3)和筛查女性人数(范围5635–24,857)方面差异显著。
2024年,16个乳腺中心的放射科医生用于筛查阅片的总人年为6.5,平均为0.4人年(表1)。将人工智能作为两名阅片者之一实施,可使筛查阅片相关工作负荷减少50%,即从6.5人年降至3.3人年,这相当于乳腺中心放射科医生平均总工作负荷从9%(1177/12,726)降至4.5%((1177/12,726)/2)(表1)。对于最大的乳腺中心,以AI替代一名阅片者后,筛查阅片工作负荷将减少0.35人年,即从0.7降至0.35。采用30秒阅片时间、200个和226个工作日的补充分析显示,阅片250,000次检查所需人年分别为3.0和2.6。
除了花在屏幕阅片上的总计6.5人年外,挪威的放射科医生还花费了2.9人年用于达成共识,6.2人年用于召回评估,2024年总计为15.7人年(表2)。这意味着屏幕阅片占筛查相关工作的42%(6.5/15.7)。将这些数字作为花在筛查相关任务上的工作量值,屏幕阅片和达成共识占挪威16个乳腺中心总人年的13%(9.4/70.7),如果包括召回评估,则占22%(15.8/70.7)。
假设稳定的共识率为7.2%(17,809/247,118),且召回率从3.2%(7840/247,118)下降到2.0%(4942/247,118),放射科医生筛查相关工作的百分比从22%(15.8/70.7)下降到19%(13.4/70.7)(表2)。共识率稳定但召回率从3.2%(7840/247,118)增加到5.5%(13,591/247,118),使得筛查相关总工作量从22%(15.8/70.7)增加到29%(20.3/70.7)。共识率为10%(2472/247,118)且召回率稳定在3.2%(7840/247,118),使筛查相关工作从22%(15.8/70.7)增加到24%(16.8/70.7)。
讨论
本研究发现,在乳腺X线筛查的双阅片中,用人工智能(AI)替代一位放射科医生,从而将放射科医生的屏幕阅片工作量减少50%,对挪威乳腺中心放射科医生的总体工作量影响处于低至中等水平。
在进行乳腺X线筛查和有症状女性的多模态乳腺诊断的乳腺中心中,屏幕阅片仅构成放射科医生日常任务的一部分。屏幕阅片速度很快,每次检查30–60秒,这使得可以在短时间内完成大量的屏幕阅片工作[14, 16]。然而,不同放射科医生用于屏幕阅片的时间各不相同;因此,与使用人工智能(AI)相关的获益也会相应变化。
在本研究中,我们计算了用人工智能(AI)取代两名放射科医生中的一位来阅读所有检查所能节省的工作量。考虑到现行的欧洲双阅片指南[1]以及我们对《人工智能法案》要求的看法,即医疗保健领域由人工智能(AI)做出的决策应由人类监督[17],用人工智能(AI)替代一位放射科医生是人工智能(AI)所能提供的最大力度的工作量缩减。然而,《人工智能法案》中使用的“监督”程序需要被定义,并且未来可能允许仅由人工智能(AI)阅读低风险乳腺X线片。
人工智能(AI)减少阅片时间的潜力在很大程度上仍有待探索。未来的判读流程中,两个人工智能(AI)模型替代放射科医生处理判定为阴性的检查,或者将某些检查直接分诊给共识会议,这些可能提供有前景的解决方案。然而,这些方法需要进行研究并仔细评估,以确保诊断准确性并恰当整合到现有实践中。
AI可用于分诊,以决定采用单人阅片还是双人阅片,并可进一步作为独立阅片者或作为阅片者的决策支持。关于让阅片者获取AI风险评分和标记的利弊已有讨论[9, 18–22]。将AI用作决策支持可能引入自动化偏倚[19, 20],并可能影响阅片时间[9, 18, 22]。然而,阅片时间会缩短、不变还是延长,目前仍不确定。使用数字乳腺断层合成成像(DBT)联合AI的研究显示了不同的结果[18, 22]。但已知与标准数字乳腺X线摄影相比,DBT在阅片方面更为耗时。鉴于这一不确定性,我们认为采用与不使用AI时相同的时间估计是合适的做法。
我们的时间估计假设每次阅片需要1分钟,乘以2以计入两位阅片者的参与。然而,实测阅片时间的中位数为25秒,平均数为41秒,这意味着某些检查所需的阅片时间显著更长。这在临床环境中是预料之中的,可能由于实际差异、干扰和短暂休息所致。我们的数值可能低估了临床实践中实际使用的时间。计时从激活受检者身份识别时开始,到记录判读评分时结束。为验证每次阅片1分钟的假设,我们咨询了多位阅片者,他们确认该估计是合理的。我们将实测时间向上调整,以避免低估初次阅片、共识讨论和进一步评估所需的时间。这些测量结果应结合放射科医师的实际情况来解读,既要考虑执行任务者之间的差异,也要考虑所阅读和讨论病例之间的差异。此外,早期版本的欧洲乳腺癌筛查指南建议每小时应阅读60例筛查检查,这支持了我们的假设[16]。
有人可能会说,不可能一周五天全天进行筛查阅片。我们的估计并不要求全职岗位专门用于筛查阅片。6.5个岗位可以拆分为多个兼职岗位,我们假设这些岗位会以实际速度工作。
我们基于将AI用作第二阅片者来估计放射科医师工作量的潜在减少。如果将AI用于分诊,被判定为低风险评分的病例可进行单人阅片,而高风险病例则进行双人阅片。这种分层方法在估计总筛查阅片时间时引入了不确定性,因为低风险评分的病例可能需要的判读时间较短,而高风险病例可能更复杂且更耗时。因此,在这种情景下,使用AI节省的阅片时间是被高估还是低估,取决于用于区分低风险和高风险病例的阈值,以及据此为阅片分配一名还是两名阅片者。
本研究中的时间估算基于数字乳腺X线摄影(DM)。然而,数字乳腺断层合成技术可能被采纳为筛查方式,与DM相比,其阅片时间更长[14, 22]。将AI作为两位阅片者之一的替代方案进行整合,可能有助于抵消这部分额外的时间负担。筛查流程中更为耗时的环节,如共识讨论和召回评估,需要放射科医生的大量参与。AI实施对这些具体任务的影响仍不确定。当前的前瞻性研究表明,AI辅助的筛查阅片可能不会改变召回率,或仅导致召回率轻度增加[5, 6]。我们的估算表明,召回率从3.2%增加到5.5%将导致放射科医生工作量增加,相当于从6.2人年增加到10.8人年。这一增加超过了用AI替代两位筛查阅片者之一所实现的预计工作量减少,凸显了在乳腺X线筛查中通过实施AI实现净时间节省的余地很小。相反,将AI用作决策支持工具可能增强放射科医生对其筛查阅片的信心。
AI辅助的乳腺X线筛查可能减少放射科医生的工作量,但全面的成本效益受到实施和维护要求的影响[23, 24]。许可费、硬件、IT集成以及本地验证、试点测试和持续质量保证所需的时间可能相当可观。这些任务通常涉及放射科医生、医学物理师和IT人员,其中许多人本已短缺,这可能抵消名义上的时间节省。因此,对成本节省的说法应谨慎解读,最好有敏感性分析或本地试点数据的支持。
本研究存在若干局限性。我们未纳入任何成本效益分析,而这类分析对于理解在乳腺X线片筛查阅片中实施AI的潜在获益至关重要。虽然工作量减少在经济上是有益的,但必须与实施、维护和运行AI模型的成本进行权衡。然而,使用AI对癌症检出的影响以及筛查测试敏感性的提高已显示出前景[5–8]。这些改进提示了潜在的经济节省[25],以及对女性和社会的益处。
各乳腺中心报告的工作量和各项任务所花费的时间是基于粗略估计,而非精确计数和登记。然而,筛查工作量是根据我们筛查数据库中的完整数据估算的,并且各乳腺中心之间具有可比性。多个乳腺中心报告称并非所有放射科医生岗位均已填补。由于我们以岗位数量作为估算基础,可能低估了与筛查阅片相关的工作量比例。鉴于我们对每次筛查阅片使用1分钟、每次共识讨论使用5分钟,我们认为估算中的不确定性相对均衡。
我们承认,屏幕阅片所花费的时间在不同病例之间以及不同放射科医生之间存在很大差异。然而,当放射科医生希望调阅额外的既往影像或讨论某个病例时,在一些乳腺中心会被评为2分。这表示进行共识阅片,并提供查阅更多既往影像以及讨论的时间。此外,放射科医生个人工作风格的差异也反映在屏幕阅片时间的变化上。为避免低估初次阅片、共识讨论和进一步评估所需的时间,我们将测得的时间向上调整,并在分析中使用了中位阅片时间。
本研究使用的数据来自挪威乳腺癌筛查项目(BreastScreen Norway)。然而,初次筛查中的阅片时间预计在不同国家之间大致相当,这使得初次阅片的时间估算具有可迁移性。在将挪威的共识讨论和进一步评估的时间估算应用于其他地区时,应保持一定的谨慎,但经过适当调整后,我们的模型可以作为其他情况下的有用起点。
总之,在采用双人阅片的乳腺X线筛查项目中引入人工智能,有可能减少屏幕阅片工作量。然而,对乳腺中心放射科医生总工作量以及人力不足相关挑战的影响仍然是中等程度的。
引用
- Hovda, Holen, Hofvind, et al. How much radiologist time can be saved by implementing AI in screen-reading mammograms? Eur Radiol. 2026. PMID: 41498825. doi:10.1007/s00330-025-12273-x
- 全文:PMC13212373(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13212373/
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。