症状性乳腺门诊患者对人工智能应用的态度调查
本研究采用匿名问卷调查1534名症状性乳腺门诊患者对AI用于乳腺影像的看法。结果显示多数患者接受AI辅助放射科医生阅读乳腺X线片,但反对AI作为唯一读片者。即使AI更准确或更高效,多数患者仍倾向由放射科医生审核。
要点
- 61%的患者同意放射科医生结合AI工具阅读乳腺X线片。
- 66.9%的患者反对AI作为乳腺X线片的唯一读片者。
- 即使AI更准确或更高效,66.1%和75.4%的患者仍首选放射科医生报告。
核心结论
- 患者对医疗中应用AI总体持积极态度,欢迎AI作为放射科医生的辅助手段,但反对AI作为乳腺X线片的唯一读片者。
- 高年龄组、高教育水平及对AI兴趣较高者更倾向于接受AI辅助放射科医生阅读乳腺X线片。
研究设计与样本
- 观察性横断面研究,通过自愿匿名问卷评估爱尔兰一家症状性乳腺门诊患者的AI认知,时间为2024年7月8日至10月4日。
- 研究工具为作者基于文献制定的纸笔问卷,包含人口学和AI相关Likert量表题目。
- 共纳入1534份有效问卷,阅读设备为乳腺X线。
- 采用四项多项逻辑回归模型分析社会人口学特征与AI看法的关系,调整了乳腺疾病史和AI兴趣等变量。
诊断标准与关键数值
- 61.4%的参与者报告对AI有一定或强烈兴趣。
- 46.3%的参与者认为在医疗中使用AI是个好主意,43.9%持中立态度。
- 66.9%的参与者反对AI作为其乳腺X线片的唯一读片者。
- 即使AI更高效,75.4%的参与者仍首选放射科医生;即使AI更准确,66.1%仍首选放射科医生。
临床应用与阅片要点
- 在症状性乳腺影像中引入AI前,应重点开展患者教育,解释AI的辅助角色及其获益与局限。
- 阅片报告中可保留放射科医生与AI联合诊断的说明,以满足多数患者对医生主导的预期。
- 在与患者知情同意时,应允许患者表明是否接受AI参与影像解读及参与程度。
局限性
- 调查问卷仅提供英语版本,非英语使用者可能被低估。
- 问题仅为勾选式,患者无法自由表达具体意见。
- 样本中第三级教育程度和爱尔兰白人族裔比例与全国人群不一致。
- 研究期间未记录门诊总就诊人数,无法计算实际应答率。
全文中译9 节 · 点击展开
引言
研究表明,将解释性人工智能软件纳入乳腺筛查项目,与乳腺放射科医生相比,可获得相似或更高的癌症检出率[1, 2]。除了提高癌症检出率外,采用人工智能工具还可在乳腺筛查背景下减少工作量并提高效率[2–4]。迄今为止,大多数关于人工智能在乳腺影像中的初步研究都聚焦于筛查[5–12],现在注意力转向其作为有症状乳腺影像中的临床决策支持的作用[13]。非解释性人工智能工具也可用于有症状科室,通过对影像申请进行分类[14]和从患者报告中提取信息[15]来改善工作流程,并最终提高乳腺影像科的工作效率。
人工智能在放射学中的引入大多受到放射科工作人员的欢迎,一项调查研究报告称,受访者认为乳腺影像将是受人工智能影响最大的放射学亚专业[16]。此外,一项针对乳腺影像工作人员的专门研究发现,大多数乳腺放射科医生认为在筛查中使用人工智能将改善工作流程[17]。然而,在有症状乳腺服务中实施人工智能之前,评估和了解患者对人工智能的看法和意见以确定其可接受性是恰当的。爱尔兰国家乳腺筛查项目每两年为所有50–69岁女性提供一次免费乳腺X线摄影筛查。这些筛查性乳腺X线片由两名放射科顾问医生阅片,而在有症状情况下,乳腺X线片通常由一名顾问医生阅片,这与英国和欧洲大多数中心的情况相同。虽然将人工智能纳入医疗保健对许多医务工作者和软件开发者来说是一个令人兴奋的话题,但预计一些患者可能对其在自己诊疗中的使用有所担忧。
文献中评估患者对乳腺影像中人工智能看法的研究数量有限,既往研究聚焦于参加乳腺筛查的无症状患者[5–7, 10]。迄今为止,尚无已发表的研究评估患者对有症状乳腺门诊环境中使用人工智能的意见。这一人群代表了与参加筛查的患者不同的一组患者。她们可能有更高的焦虑情绪,因乳腺症状被转诊进行检查,有乳腺癌个人史或家族史,或因乳腺操作而就诊。随着诊断性人工智能的作用扩展到有症状环境中,本研究旨在评估在爱尔兰一个有症状乳腺科室就诊的患者对在乳腺影像中使用人工智能的看法和意见。
方法
本研究获得了本机构当地审计委员会的批准(审计编号CA2024/126)。
这是一项观察性、横断面研究,通过一项自愿、完全匿名的问卷评估患者对在乳腺症状门诊中使用人工智能(AI)的看法,该问卷由本研究作者根据所进行的文献综述设计。该纸质调查由15个勾选题组成,使用从1=非常同意到5=非常不同意的Likert量表,评估患者人口统计学特征以及对乳腺影像中特定AI应用的意见(补充图1)。对于人口统计学问题(如种族),我们采用了爱尔兰全国住院患者调查中的分类[18]。为了衡量参与者的教育水平,我们采用了爱尔兰教育体系中的分类,因为这些分类对受访者最易理解。初级证书(junior certificate)是在第二阶段教育(小学后)中途完成的一种会考,毕业证书(leaving certificate)在第二阶段教育结束时完成。毕业后证书(PLC)课程在第二阶段教育之后进行。
该问卷未进行预试验。该调查由作者在回顾了已发表的筛查背景下患者对AI看法的研究后设计。为扩展该主题并进一步了解患者在诊断背景下的想法,设计了一些新的问题。问卷在科室工作人员中传阅,包括四名乳腺放射科顾问医师、乳腺放射技师和两名负责分发问卷的乳腺科秘书。这些工作人员审阅了问卷并提供了反馈,这些反馈在研究开始前已纳入问卷。2024年7月8日至2024年10月4日期间,前来本院乳腺症状门诊影像科就诊的患者被邀请在等待扫描时完成这份自愿的纸质调查。所有回收的问卷均被收集并分析。如果符合以下排除标准,问卷将从最终样本中剔除:完全没有回答任何AI问题、超过四个AI问题未回答、以及没有任何人口统计学问题被回答。问卷中AI问题的总数为八个,因此选择四个AI问题作为排除阈值,因为这代表了这些问题的一半。
统计分析
使用描述性统计(比例[%])总结分析样本(完成问卷的参与者)的人口统计学特征,并评估参与者对在乳腺影像中使用AI的意见和看法。
进行了四个独立的多项logistic回归模型,以检验参与者社会人口学特征(年龄、教育水平)与以下4个关于乳腺影像中使用AI的问题的回答之间的关联:(i)参与者对AI工具与放射科医生一起阅读其乳腺X线片的感受,(ii)参与者对仅由AI工具阅读其乳腺X线片的感受,(iii)如果AI更准确,参与者是否更倾向于AI而非放射科医生,以及(iv)更高效。将五级Likert量表合并为三类:“同意”、“既不同意也不反对”和“不同意”,以便于解释,并确定不同年龄和教育水平在回答类别上的差异。50–69岁女性被纳入一个年龄组,因为这代表爱尔兰的乳腺筛查年龄组。既不同意也不反对(文中标注为“中性回答”)被用作参考(基线)类别。四个多项回归模型均对乳腺癌家族史、既往乳腺癌诊断史及对AI的兴趣进行了校正。结果以相对风险比(RRR)及相应的95%置信区间(CI)报告。所有统计检验的统计学显著性水平均设定为p < 0.05。数据分析使用Stata SE 18.5软件进行。
结果
研究人群特征
在3个月的研究期间共完成1767份调查问卷,其中233份回答被排除,最终共有1534份问卷符合纳入分析样本的条件(图1)。参与者的人口学特征见表1。在年龄方面,大多数参与者年龄在40–59岁之间,其中549名受访者(35.8%)年龄为40–49岁,402名受访者(26.2%)年龄为50–59岁。共有411名受访者(26.8%)拥有学士学位或更高学历。近四分之一的参与者有一级亲属患有乳腺癌或本人有乳腺癌病史。
就诊乳腺门诊的原因包括检查乳腺症状(n = 770,50.2%),其余参与者因其他原因就诊,例如因本人乳腺癌病史而行乳腺X线检查(19.2%),或门诊随访(15.4%)。共有732名参与者(47.7%)对AI有一定兴趣,其中211名参与者(14%)表示有强烈兴趣,331名(22%)表示没有兴趣。当更具体地问及参与者是否认为在医疗保健中使用AI是个好主意时,711名参与者同意(46.3%),仅113名(7.4%)不同意,其余46%对该问题持中性回答/无回答。总体而言,大多数参与者表示对AI有兴趣;然而,当被问及在医疗保健中使用AI是否是个好主意时,回答并不明确。
对在乳腺影像中使用AI的看法和意见
大多数参与者(66.9%,n = 1026)不同意未来由AI工具作为其乳腺X线检查的唯一阅片者,仅少数人(10.4%,n = 160)对此表示同意(图2)。大多数参与者(61%,n = 935)同意未来其乳腺X线检查由放射科医生和AI工具共同阅片,而12.9%(n = 198)对此表示不同意,25.5%(n = 392)既不表示同意也不表示不同意(图3)。作为一个后续问题,75.4%(n = 1156)的受访者表示即使AI工具更高效,他们也更希望由放射科医生出具其乳腺X线检查报告(图4),而66.1%(n = 1014)的受访者即使AI更准确也更倾向于由放射科医生阅片(图5)。
如果AI工具和放射科医生共同解读乳腺X线检查时出现判读错误,大多数受访者(73.7%,n = 1130)认为出具报告的放射科医生和软件开发者均应为此错误负责(图6)。仅350名受访者(22.8%)认为乳腺放射科医生未来会被AI取代,但近三分之一(31%)的人表示不确定(补充图2)。大多数参与者(70.6%,n = 1083)同意将其匿名图像用于未来AI研究。
多项回归分析:参与者社会人口学特征与其对AI用于乳腺癌影像的看法和意见之间的关联
在年龄方面,与中立回答相比,50–69岁年龄组参与者同意AI与放射科医生共同阅读乳腺X线片的预期风险是<40岁年龄组的1.55倍(校正后RRR 1.55,95% CI:1.04–2.32,p=0.03)(表2)。与中立回答相比,40–49岁组(校正后RRR 1.50,95% CI:1.03–2.16,p=0.03)和50–69岁组(校正后RRR 1.59,95% CI:1.08–2.36,p=0.02)不同意AI作为乳腺X线片唯一阅读者的预期风险显著高于<40岁组(表3)。与中立回答相比,50–69岁组即使AI工具更高效也更倾向于选择放射科医生的预期风险也显著高于<40岁组(校正后RRR 1.52,95% CI:1.02–2.26,p=0.04)(表4)。与<40岁组相比,50–69岁组和>70岁组即使AI工具更准确也更倾向于选择放射科医生的预期风险显著更高(50–69岁:校正后RRR 1.60,95% CI:1.12–2.32,p=0.01;>70岁:校正后RRR 1.84,95% CI:1.03–3.28,p=0.04)(补充表1)。
在教育水平方面,与中立回答相比,拥有学士及以上学位的参与者同意和不同意放射科医生与AI工具共同阅读其乳腺X线片的预期风险均显著高于中等教育及以下学历者(同意:校正后RRR 2.33,95% CI:1.75–3.12,p<0.001;不同意:校正后RRR 1.50,95% CI:1.01–1.21,p=0.04)(表2)。拥有学士及以上学位者不同意AI作为乳腺X线片唯一阅读者的预期风险显著高于中等教育及以下学历者(校正后RRR 2.10,95% CI:1.58–2.80,p<0.001)(表3)。与中立回答相比,拥有高等教育学历者不同意“即使AI更高效也更倾向于选择放射科医生”(校正后RRR 2.07,95% CI:1.08–3.99,p=0.03)以及不同意“即使AI更准确也更倾向于选择放射科医生”(校正后RRR 3.25,95% CI:1.84–5.76,p<0.001)的预期风险显著高于无高等教育学历者(表4和补充表1)。
与既不同意也不反对相比,对AI有一定兴趣和强烈兴趣的参与者同意和不同意AI工具与放射科医生共同阅读其乳腺X线片的预期风险均显著高于对AI无兴趣者(表2)。虽然对AI有一定或强烈兴趣的参与者同意AI作为乳腺X线片唯一阅读者的预期风险显著高于中立回答,但不同意AI作为唯一阅读者的预期风险在对AI有强烈兴趣者中显著较低(表3)。与中立回答相比,对AI兴趣不确定的参与者同意“即使AI更高效也更倾向于选择放射科医生”的预期风险显著较低(表4)。而与中立回答相比,对AI有强烈兴趣的参与者不同意“即使AI更准确也更倾向于选择放射科医生”的预期风险显著较高(补充表1)。
讨论
本研究采用自愿匿名问卷,评估有症状乳腺门诊患者对AI用于乳腺影像的看法。我们发现61%的参与者同意将AI工具与放射科医生结合用于乳腺X线检查判读。三分之二的患者不同意AI作为其乳腺X线检查的唯一判读者,且在大多数情况下,即使AI工具更高效、更准确,他们仍倾向于由放射科医生参与。50–69岁年龄段、受教育程度较高以及对AI兴趣较大的受访者对AI用于乳腺影像持更积极的态度。
总体而言,本研究人群中的女性对AI用于乳腺影像持积极态度,结果与既往相关研究具有可比性。一项针对荷兰16–75岁女性的研究发现,45.9%的人同意将AI作为乳腺X线筛查的第二判读者[11]。一项针对女性NHS工作人员及其亲友的研究[6]显示,47.2%的女性对AI用于乳腺筛查持积极态度。我们的结果与一项在挪威接受乳腺筛查的女性中进行的研究相似,该研究中64%的女性愿意参与一项AI与放射科医生共同判读乳腺X线检查的研究[7]。与英国和荷兰的研究相比,本研究中更大比例的女性同意将AI用于影像判读,推测这可能是因为研究人群为有症状的乳腺患者群体,其中一半参与者因随访乳腺X线检查和乳腺操作等就诊。这些患者与普通公众相比可能对乳腺影像有更多的了解,并且有过接受乳腺X线检查/乳腺癌治疗的经历。
本研究中的多项logistic回归显示,与持中立态度相比,同意由放射科医生和AI软件进行双判读的预期风险在筛查年龄组(50–69岁)参与者中更高,这与Lennox-Chhugani等[6]报告的趋势相似。报告对AI有一定或强烈基线个人兴趣的女性更有可能同意由放射科医生和AI进行双判读,Holen等[7]也证实了这一点。与既往研究[10, 12]相似,我们发现,与持中立态度相比,同意将AI用于影像判读的预期风险在受过高等教育的参与者中更高。然而,我们也发现,与持中立态度相比,不同意AI作为乳腺X线检查唯一判读者的预期风险在受过高等教育的参与者中更高。可以推测,受教育程度较高的女性可能对AI有更多的背景知识,因此更愿意接受其引入,但对其在影像中的自主应用持谨慎态度。
总体而言,本研究凸显了向患者开展关于人工智能在乳腺影像中应用的教育的重要性。当被问及对人工智能的总体兴趣时,22%的参与者回答“不感兴趣”,15%选择了“不知道”选项。在参与者中,44%的人不确定在医疗保健中使用人工智能是否是个好主意,7%的人对这一说法表示不同意。这些结果与Holen等人的一项研究相似,该研究显示46.8%的参与者对医疗保健中的人工智能没有了解或了解甚少[7]。Carter等人利用讨论小组进行的一项定性研究显示,女性希望了解有关人工智能在乳腺X线筛查判读中应用的研究情况,希望在人工智能全面实施之前有较长的测试期,并希望放射科医生有严格的交叉核查方案[5]。在开展一个关于人工智能的短期教育项目前后分别对患者进行问卷调查,以确定回答是否发生变化,将是有意义的研究。
尽管人工智能在放射学中有多种益处,但也存在一些相关局限性。研究表明,当人工智能生成不正确的报告或发现时,放射科医生所犯的错误比没有人工智能时更多[19]。在本研究中,74%的参与者认为,当放射科医生和人工智能工具软件开发方均参与影像判读时,报告错误应由双方共同负责。这一比例高于Pesapane等人开展的研究,该研究报告称52%的受访者认为错误应由放射科医生和软件开发方共同承担责任[12]。在本研究中,10%的受访者仅归咎于放射科医生,低于Ongena等人一项研究中所报告的38.7%的受访者比例[11]。目前,乳腺影像中人工智能的监管和治理缺乏明确性,仍是患者[6]和临床医生共同关注的问题,也是在乳腺影像中实施人工智能之前最迫切需要解决的问题。值得注意的是,Johansson等人的一项讨论小组研究有趣地发现,患者对放射科医生所犯错误的容忍度远高于对人工智能所犯错误的容忍度[9],这一点也得到了Carter等人2024年发表的一项研究的支持[20]。该研究的参与者表示,如果人工智能犯了错误,责任应由临床医生承担,因为人工智能无法为其错误负责[9]。当前研究的结果提示,围绕人工智能在医疗保健中的应用,尤其是乳腺影像中的应用,对患者开展进一步教育将十分重要,以确保患者对人工智能在常规有症状乳腺门诊环境中可能的工作方式有可接受性和理解。可以在患者接受乳腺X线检查前向其提供信息手册,并附上在线教育网站链接,使他们在前来接受扫描并同意使用人工智能进行判读时,对乳腺影像中的人工智能有更好的了解。
本研究目前的局限性包括:调查仅以英语提供,因此非英语使用者的代表性可能不足。此外,由于问题仅为勾选框形式,参与者没有机会以自由文本表达意见。虽然本研究样本量较大,但根据中央统计局(CSO)公布的数据[21],受访者中接受过第三级教育的比例低于爱尔兰总人口,且自认为爱尔兰白人族裔的参与者人数高于爱尔兰总人口[22]。最后,由于研究仅进行了四个月,可能未能充分收集该研究群体的意见,未来应在更长时间内开展进一步研究。关于应答率,虽然作者认为应答率较高,但未记录就诊于乳腺科的患者人数,因此无法计算实际应答率。
总之,本研究表明,就诊于症状性乳腺科的患者普遍对人工智能在医疗保健中的应用持积极态度,并且大多数人欢迎在症状性乳腺门诊环境中将人工智能作为放射科医生在乳腺X线摄影判读中的辅助工具。处于筛查年龄的女性、受教育程度较高以及对人工智能兴趣更大的女性,对人工智能与放射科医生联合应用表达了更为积极的态度。受访者对自主人工智能的理念感到不适,即使人工智能被认为比放射科医生更准确、更高效。本研究强调了患者教育的重要性,以阐明人工智能在医疗保健中的益处和局限性,以及人工智能在症状性乳腺环境中可能的工作方式。本研究的发现对乳腺放射科医生和人工智能算法软件开发人员都具有价值且令人鼓舞。我们的发现可能有助于临床医生未来在利用人工智能进行图像判读时采用量身定制的知情同意流程。患者可以明确说明他们在多大程度上同意将人工智能应用于其诊疗中。患者是我们乳腺成像工作的核心,在将人工智能引入症状性乳腺科或在该环境中开展未来人工智能研究时,考虑他们的意见至关重要。
数据共享
本研究未收集任何可识别患者身份的数据。问卷均为匿名。
补充信息
电子补充材料
引用
- Singh, Crean, O'Driscoll, et al. Patient perceptions and attitudes towards the use of artificial intelligence in the symptomatic breast unit. Eur Radiol. 2026. PMID: 41565794. doi:10.1007/s00330-025-12288-4
- 全文:PMC13212389(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13212389/
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。