公众号 / 文章胸部技术与安全CT

英国全国肺癌筛查项目放射报告质量保障方案

Ensuring radiology reporting quality across a national lung cancer screening program.
PubMed 文献 · Br J Radiol · 2026-01-01

本文介绍英国HLH影像集团在NHS England肺癌筛查项目中实施的近实时质量保障与常规双读机制。根据2025-26年136名报告医师的转诊率数据,比较NHSE固定阈值与统计学阈值。肺结节转诊NHSE阈值7.0%时无报告者被标记,而均数+2SD阈值4.5%时标记5人。

要点

  • 肺结节转诊率高于同一指标连续两个季度超过NHSE阈值才启动正式异常处理流程。
  • 5%阴性报告随机双读用于发现潜在假阴性并区分满意、有学习点、不满意三级。
  • 作者认为当前NHSE肺结节阈值7.0%可能不够敏感,建议结合统计学阈值再校准。

核心结论

  • LDCT肺癌筛查可降低肺癌特异性死亡率和全因死亡率,NELSON最长筛查间隔2.5年被认为过长。
  • HLH近实时QA框架以教育性反馈为主,目的是在偏差早期被发现并通过反馈纠正而非直接惩罚。
  • 建议将HLH描述的QA要素作为NHSE标准化近实时质量保障框架的基础,并与PERFECTS外部质量保障互补。

研究设计与样本

  • 本文为英国肺癌筛查国家级项目放射报告质量保障方案的经验与方法描述,由HLH影像集团提供。
  • 2025-26财年纳入136名达到最低报告量的HLH报告者进行转诊率分布与阈值比较分析。
  • 常规双读随机抽取5%绿色RAG阴性报告,所有HLH心胸放射亚专科医师均参与第二读片。
  • 参考标准包括NHSE质量保障标准、PERFECTS外部质量保障平台及Yorkshire肺部筛查试验QA流程。

关键影像表现/征象

  • LDCT筛查中无活动性结节或活动性偶发发现的扫描被分配绿色RAG评级并推迟至下一轮24个月筛查。
  • 双读评级分为满意、满意但有学习点、不满意,不满意或有学习点病例进入独立差异小组共识审核。
  • 报告医师总体SRM转诊率在2025-26年各季度间可返回预期水平、新突破阈值或持续超阈值成为异常者。

诊断标准与关键数值

  • HLH定义同一指标转诊率连续两个季度超过NHSE阈值即为异常者,季度最低报告量为125例LCS报告。
  • 2025-26年肺结节转诊率均数2.74%、SD0.85、中位数2.62%、MAD0.77,均数+2SD上界4.44%。
  • 2025-26年偶发发现转诊率均数5.71%、SD1.77、中位数5.80%、MAD1.82,均数+2SD上界9.25%。
  • 当前NHSE肺结节上阈7.0%下无报告者被标记,均数+2SD阈值4.5%下5名报告者被标记。
  • 偶发发现NHSE阈值8.0%标记10人,统计学阈值9.0%标记6人;肺结节下阈1.0%和偶发发现下阈2.0%各标记1人。

临床应用与阅片要点

  • 报告医师每个季度获得个性化转诊率数据包,可将自身表现与HLH专家池均值和中位数对照以进行反思和校正。
  • 二线独立差异小组在原始QA报告及彼此意见均设盲的情况下共识分级,临床仍有行动意义时通知所在单位。
  • 转诊率监控面向实时较高频信号,不直接使用癌检出率作为近实时信号,因为每轮癌患病率仅1%-1.5%。
  • 采用连续两个季度超出阈值才触发正式异常处理可降低假阳性标记概率,预计单季度0.05联合概率约为0.0025。

局限性

  • 当前NHSE肺结节阈值7.0%被作者认为可能不够敏感,需结合同期报告数据重新校准。
  • 统计学阈值会随报告者池漂移,尤其是下阈值需在用于惩罚性措施前与确认的癌检出结局进行校准。
  • 本文只描述HLH一家供应商的方案,全国覆盖所有NHSE LCS读片者的质量保障仍仅有PERFECTS。
全文中译14 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:Br J Radiol. 2026 Jun 29;99(1186):2065–79. doi: 10.1093/bjr/tqag158

肺癌筛查的证据

肺癌是全球癌症死亡的首要原因,2022年年龄标化发病率(ASR)约为每10万人23.6例,年龄标化死亡率为每10万人16.8例(GLOBOCAN)。1,2 由于晚期肺癌诊断带来的高昂社会经济负担,20世纪50年代启动了使用胸片(CXR)和痰细胞学进行肺癌筛查(LCS)的早期观察性研究,20世纪70年代启动了首批基于CXR筛查的随机对照试验(包括Mayo肺部项目、Memorial Sloan-Kettering和Johns Hopkins研究)。3 自20世纪90年代起,计算机断层扫描(CT)的新进展为基于低剂量CT(LDCT)的肺癌筛查铺平了道路。4 此后多项随机对照试验证明,LDCT肺癌筛查通过检测期别前移降低了肺癌特异性死亡率,从而提高了根治性治疗的比例。5 美国的美国国家肺部筛查试验(NLST)采用两阶段随机化方法,将53 452名肺癌高危参与者分配至接受LDCT或CXR检查,观察到LDCT组肺癌死亡率降低20%。6 国际早期肺癌行动计划(I-ELCAP)在1992年至2005年间招募了31 567名参与者进行年度LDCT筛查,其长期随访数据显示,2006年报告的484名I-ELCAP参与者80%的10年肺癌特异性生存率7在扩展至1257名参与者的队列中经20年随访后仍然持续。8 NELSON试验纳入了13 195名男性和2594名女性,报告在随机化后8至10年的随访期内,接受LDCT筛查者的肺癌死亡率显著降低。9 重要的是,NELSON中最长的筛查间隔为2.5年(第三轮与第四轮之间),后续分析表明该间隔过长,第8年和第9年观察到的更大死亡率获益被解释为与该间隔局限性一致。这一观察结果支撑了英国国家医疗服务体系(NHS England)靶向肺部健康检查项目采用更短筛查间隔(目前为24个月)的做法,同时正在评估是否应对高风险参与者采用年度筛查。

培训与标准

放射学报告的卓越性对于肺癌筛查项目绝对至关重要,因为筛查检测本质上是一项放射学检测,LDCT报告的准确性决定了后续路径决策、成本和患者结局。然而,筛查放射科医生只是多学科筛查团队的一个组成部分。行政和预约/召回工作人员、执行风险评估的筛查从业人员、主持筛查审核会议(SRM)的责任呼吸科医生以及更广泛的多学科团队(MDT)同事都对最终的筛查决策做出贡献。因此,在放射学环节保持卓越性是必要的,但还不够。它必须嵌入多学科框架中,对临床和运行质量共同负责。

英格兰国家医疗服务体系(NHSE)的所有肺癌筛查(LCS)报告均按照《标准方案》和《质量保证标准》政策执行。10,11 这些文件还包括一份关于LCS中偶然发现报告的国家方案,构成了英格兰LCS经济学论证的基础。NHSE要求筛查阅片医师须在英国医学总会注册,为皇家放射医师学院(RCR)院士,或已完成放射学培训并取得被认可为同等效力的资格,从而获得专科注册资格证明。RCR和英国胸部影像学会(BSTI)建议阅片医师在其日常临床实践中每年至少报告500例胸部CT(其中相当比例应为肺癌相关检查),定期参加胸部多学科团队(MDT)会议,完成BSTI/NHSE认可的CT筛查工作坊,并参与质量保证(QA),特别是需要外部质量保证(EQA)来监测放射科医师的持续表现。遵守这些标准非常重要,因为报告无症状参与者的筛查低剂量CT(LDCT)不同于报告有症状患者的临床指征性胸部CT。

除了最低病例量要求外,结构化的LCS教育越来越被认为是任何国家筛查项目临床和经济效益的关键。12 在国际上,欧洲胸部影像学会(ESTI)在欧洲放射学会的支持下,开发了肺癌筛查认证项目,以标准化整个欧洲的阅片医师培训;同时,国际早期肺癌行动计划提供了一个免费开放的在线教学文件。Shaham和Kazerooni最近的一篇综合综述12 认为,以经过验证的教育工具——如I-ELCAP教学文件、ESTI认证项目以及英国的CT筛查表现评估(PERFECTS)EQA平台——为依托的结构化放射科医师培训,是维持基于LDCT的筛查诊断卓越水平的基础。在英国背景下,基于试验的结构化经验为最佳实践提供了参考。约克郡肺癌筛查试验(YLST)表明,在项目规模上,对随机选取的5%阴性扫描进行方案化复核,同时复核所有随后的肺外癌和间期癌,是可行的,并为嵌入式教育机制(如放射学事件与学习会议[REALM])提供了模板。13 本文其余部分描述的近实时QA框架,从设计上主要是教育性的而非惩罚性的:其目的是足够早地暴露与预期实践的偏差,以便通过反馈和迭代改进来解决,而不是通过正式的补救措施来处理。我们认为,最低病例量、经认证的工作坊参与、EQA参与以及国家报告网络内的结构化同行教育,是多层次培训生态系统中相互补充而非相互替代的组成部分。

国家EQA

为满足外部EQA的要求,开发了PERFECTS项目。PERFECTS是一个供应商中立的、基于网络的EQA平台,内置医学数字成像与通信(DICOM)文件查看器以显示图像,并包含标准的测量和注释工具。所有在NHS英格兰(NHSE)报告肺癌筛查(LCS)的放射科医生必须每年参加PERFECTS,以符合国家质量保证标准。11 报告者会收到针对其筛查表现的定制反馈,并与同行进行国家基准比对。PERFECTS的一个关键优势在于其能够通过统计学方法识别表现欠佳的放射科医生,并提供有针对性的改进建议,其方式与乳腺筛查中成熟的PERFORMS方案直接类似。PERFECTS的异常值处理程序根据与均值相差的标准差倍数来定义轻度和重度异常值,并采取相应的补救措施,其中可能包括对轻度异常值在下一轮EQA中进行监测,或对重度异常值要求重新参加EQA并与相关负责放射科医生讨论其表现。14 在其他癌症筛查(如乳腺筛查)中使用国家EQA,有可能预测和识别实际工作中的欠佳表现。15,16 重要的是,PERFECTS是强制性的,覆盖每一位NHSE LCS阅片者;因此,本文其余部分所述框架旨在补充而非取代PERFECTS。

近实时质量保证与常规双人阅片

当前国家EQA测试在一个经过整理的数据集中评估表现。现实中的阅片者表现数据通常被视为“金标准”。然而,重要的是区分两种独立的现实测量指标:(1)每位报告医师的癌症检出率,由于每次筛查的癌症患病率为1%-1.5%,其作为近实时异常信号具有非常低的统计学效能;(2)每位报告医师的转诊率(肺结节和偶然发现),这是一个频率高得多的信号,因此适合进行近实时统计监测。本文描述的近实时框架侧重于后者;近实时使用癌症检出率需要数年数据积累才能产生有统计学意义的信号,而到那时可能已经对患者造成了相当大的伤害。其他数据可用作放射科医师表现的实时替代指标,例如转诊进行 interim 影像学检查或因偶然发现而转诊的比例。个体数据可以与阈值进行比较,如果提供反馈以改变实践,则可从一开始就防止报告医师成为异常值。缺乏金标准意味着必须假设更接近平均值反映了正确的决策。LCS报告经验的广度和深度对个人很重要,对放射科医师进行基准比较的群体也同样重要。HLH影像集团(HLH)具有独特的优势,能够提供如此稳健且快速的近实时QA。这将作为已建立的EQA的补充。HLH由胸科/心胸亚专业放射科医师于2020年6月创立,旨在连接英国各地的心胸放射科医师,无论地理位置如何,为LCS参与者提供专业知识。通过安全的云图像存档系统(Cimar UK)以及集成的供应商中立肺结节人工智能和结构化模板报告,HLH已发展成为最大的LCS报告单一提供商之一,自2020年以来由180名亚专业报告医师报告了超过100万例LCS检查,在撰写本文时每月报告超过4万例LCS扫描(图1)。

图1 HLH影像集团肺癌筛查报告网络的增长。(A)自项目启动以来,HLH及每个单独站点每月报告的低剂量CT(LDCT)肺癌筛查检查数量。(B)HLH及各单独站点累计报告的检查数量,接近100万次检查。(C)随时间推移活跃的HLH报告医师数量。这些共同展示了HLH报告网络的快速扩展和规模。 查看原图 ↗

召回率

每季度,HLH 的数据与分析部门计算所有站点和所有报告者的以下召回率(表1)。SRM 转诊率根据不同指标进行计算(图2)。相对于 NHSE 设定的阈值以及来自同期报告者群体的统计推导界限,进行主动的近实时异常值追踪(见下文“异常值处理”部分)。异常值追踪是在全球报告 LCS 实践范围内进行的,而不是按每个站点每位报告者分别进行,以确保最全面的报告评估(图3)。要求每位报告者每季度至少报告 125 份 LCS 报告,相当于每年至少 500 份 LCS 报告,以确保刚开始报告 LCS 的报告者不会因基于百分比的阈值而受到不公平的处罚。如果某位报告者在某一季度任何指标上的转诊率超过 NHSE 的阈值,将通知该报告者并对其进行主动监测。HLH 还向报告者提供其报告表现相对于 HLH 专家群体的细粒度分解数据。这些定制的个体化表现数据旨在作为一种早期预警系统,使报告者能够反思其当前的报告实践和转诊阈值,并迭代调整其报告行为。这可能帮助某一季度高于 NHSE 阈值的报告者在下一季度恢复到可接受的召回率,或者可能防止某一季度接近阈值的报告者在下一季度正式触发阈值。在这方面,以易于理解的形式对报告数据进行近实时分析和综合,有助于 QA 过程从纯粹的异常值检测过程转变为持续改进的教育性工作。为确保完全透明,每个季度各站点收到以下追踪数据:1)新近突破转诊阈值的报告者,2)此前突破转诊阈值但现已回到阈值以下的报告者,以及3)连续2个季度突破转诊阈值的报告者(图4)。如果某位报告者连续2个季度在同一指标上的转诊率超过 NHSE 的阈值,则将其定义为异常值,并启动 HLH 的异常值标准操作程序(见下文“异常值处理”部分)。

图2 所有 HLH 报告者的 SRM 转诊率条形图:A)肺结节和 B)可采取行动的偶发发现。为 HLH 站点生成了类似的图表,并绘制了均值、中位数和 NHSE 阈值以供比较。为每个站点和放射科医生提供个体化图表,以展示其在 HLH 分布中的位置,从而提供分析和反思的机会。 查看原图 ↗
图3 某位放射科医生季度质量保证报告中的示例汇总数据。向各站点提供类似的汇总。偶发 T 轮检查是在 NHSE LCS 方案中以 24 个月间隔进行的 LDCT,其中未发现可采取行动的肺结节。间隔/监测研究是在偶发 T 轮之间进行的 LDCT,其中发现可采取行动的结节,需要根据 BTS 2015 结节指南/NHSE LCS 方案进行更密切的监测以确定变化率。总体 SRM 转诊率小于肺结节 SRM 转诊率与偶发发现转诊率之和,因为有些参与者同时因两者被转诊。 查看原图 ↗
图4 桑基图展示了2025—2026年各季度报告者总体SRM转诊率表现的变化,其中NHSE阈值为<15%。在各季度之间,恢复至预期表现水平的放射科医生从红色带绿线过渡到绿色;新突破阈值的报告者从绿色带黄线过渡到红色;仍高于阈值并成为离群值的报告者则通过线从红色移动到红色。 查看原图 ↗
表1 汇总NHSE肺癌筛查团队设定的报告指标和目标的表格。 查看原表 ↗

常规双读

对报告者召回率的近实时评估将检出召回率高于平均水平的报告者,其假设是其中一些召回将为假阳性。有必要收集关于潜在假阴性的近实时数据。HLH通过对一部分LCS研究进行常规双读来实现这一目标。HLH报告的每例LCS扫描均由专有的红-黄-绿(RAG)诊断支持分诊工具进行编码。无可操作结节或可操作偶然发现的LCS扫描被评定为“绿色”RAG等级,并推迟至下一轮筛查,根据NHSE LCS方案,目前为每24个月一次。HLH在所有新发T轮次(T0、T1、T2等)中随机抽取5%的阴性(绿色RAG)报告,并按机构和报告者分层,以确保数据集均衡且具有代表性。选择5%的抽样比例是为了与已发表的约克郡肺癌筛查试验(YLST)QA流程中所用的随机抽样比例保持一致,13这是英国嵌入式LCS QA的主要先例,并且该比例在项目规模下不会实质性增加报告者工作量。这确保了一部分在LCS项目内24个月内不会被常规复审的病例得到审核。这些病例在定制的HLH QA软件内被随机分配给不同的报告者进行双读。所有第二阅读均由所有在岗的HLH心胸放射学亚专科医师完成,每位医师均持有临床放射学CCT(或同等资历),为皇家放射科医师学会会员(或具有公认的同等资格),符合BSTI/NHSE每年≥500例胸部CT的阅片量标准,已完成BSTI/NHSE认可的LCS研讨会,并参与PERFECTS EQA。第二阅读者审阅图像、原始报告和原始RAG分诊评定,并记录其QA意见。我们流程的优势之一是所有HLH报告者都参与常规双读,因此QA意见来自常规LCS报告者,且所有报告者都能受益于看到许多其他报告者的报告风格和干预阈值(图5)。病例根据先前发表的LCS专用分级标准进行分级:13

满意

满意但有学习要点

不满意

当某一病例被初审质量保证(QA)放射科医生评为“满意但有学习要点”或“不满意”时,该病例随后会被转交至一个独立的差异审查小组,该小组所有成员均不知晓初审QA报告及其他差异审查小组成员的意见。差异审查小组成员为具有丰富临床经验的肺癌筛查(LCS)报告医师,其LCS报告经验至少为4年。进行共识评分,若病例仍需临床处理,则通知相关机构。初审报告医师会实时逐例收到通知以供个人反思,所有双读结果的摘要则随QA数据包提供给每位报告医师及每个机构(图6)。

图5 双读质量保证中报告医师一致率分布。直方图显示HLH报告医师(n = 121)初审与复审之间一致率的分布。虚线表示一致率的均数和中位数,点线标记报告医师表现的第10百分位数。 查看原图 ↗
图6 单个放射科医生或机构常规双读质量保证的结果。经独立二次阅读和差异审查后,被审核病例分类为满意(正常研究或无伤害的轻微问题)、满意但有学习要点(具有临床意义的中度问题)或重大错误的比例。大多数病例被评为满意,少部分需要学习要点,极少出现重大错误。 查看原图 ↗

处理离群值

NHSE质量保证标准11明确定义了各领域在季度和年度基础上的预期绩效指标。就放射科医生绩效而言,相关阈值汇总于表1。该标准指出,“100%的离群值(按季度或年度审查定义)将有证据表明已与相关责任放射科医生达成一致行动(包括一段时间的双重报告)。”以及“一旦识别出离群值,即可向责任放射科医生、个体放射科医生及高级转诊管理者(SRM)提供反馈,用于教育和校准。”11然而,该标准并未规定:(1)离群状态触发后应回顾性审查的最低病例样本量;(2)使报告医师恢复常规报告的判定标准(以一致率或转诊率的绝对变化来衡量);(3)何种差异阈值下必须进行正式监督报告或进一步培训;或(4)持续超出范围的表现构成持续性而非暂时性信号的时间框架。

离群值定义的简单统计学框架

界定何种情况构成对阈值的有意义突破,可借助一个简单的统计学框架。单个季度观察到的报告者转诊率受二项抽样噪声影响:在每季度最低报告量125份、真实基础转诊率约为5%的条件下,观察率的标准误约为 √(p(1−p)/n) = √(0.05 × 0.95/125) ≈ 1.9%。因此,仅凭偶然因素,单季度在真实率附近出现约±2%的偏离即为预期之内。要求连续2个季度超过阈值才触发正式异常值状态,可大幅降低假阳性异常值认定的概率:假设各季度相互独立且单季度假阳性概率为0.05,则联合概率约为0.0025。这在概念上类似于(但远简单于)PERFECTS中使用的多SD异常值程序,后者根据与均值的标准化距离来定义轻度和重度异常值。

该方法可与固定阈值联合使用,或替代固定阈值。我们分析了2025—26财政年度所有达到最低报告量的HLH报告者的经验转诊数据(n = 136名报告者;图7)。对于肺结节转诊,经验分布的均值为2.74%(SD 0.85;中位数2.62%,MAD 0.77);参数法均值+2SD上限为4.44%,稳健法中位数 + k·MAD上限(k = 1.4826,即高斯一致性因子)为4.54%。对于偶发发现转诊,经验分布的均值为5.71%(SD 1.77;中位数5.80%,MAD 1.82);相应的上限分别为9.25%和10.36%。参数估计量与稳健估计量之间的高度一致性支持其在该数据集中的应用。图8显示了在不同候选阈值下被标记的报告者数量的敏感性分析。在当前NHSE肺结节上限阈值7.0%下,2025—26年度将不会有任何报告者被标记;在均值+2SD阈值(4.5%)下,将有5名报告者被标记。相反,对于可操作的偶发发现,NHSE阈值8.0%会标记10名报告者,而一个实用的统计学推导阈值9.0%则会标记6名。因此,在当前HLH报告者群体中,肺结节转诊的经验均值+2SD上限远低于NHSE固定阈值(4.44%对7.0%),而偶发发现的两个界值则紧密匹配(9.25%对8.0%)。这表明当前固定的肺结节阈值在现代项目中可能敏感性不足,或许值得根据当代报告数据进行重新校准,而偶发发现阈值与统计学推导界值大体一致。重要的是,我们的数据还表明更低的阈值是可行的。拟议的肺结节转诊下限阈值1.0%(接近均值−2SD的1.04%)会标记1名报告者,拟议的偶发发现转诊下限阈值2.0%(接近均值−2SD的2.17%)同样会标记1名报告者。这为近乎实时地识别潜在漏报者提供了一种手段。我们承认,统计学推导阈值会随基础报告者群体的变化而漂移,尤其是下限阈值在用于惩罚性目的之前,需要根据已确诊的癌症检出结局进行校准。因此,它们最适合作为教育性触发指标,而非正式补救触发指标。

图7 2025-26财年HLH报告者的SRM转诊率分布(n = 136名报告者)。3个面板分别显示总体SRM转诊率(上)、肺结节转诊率(中)和偶发发现转诊率(下)的经验分布。垂直参考线表示均值、参数统计阈值(均值±2SD)、稳健统计阈值(中位数±k·MAD,其中k = 1.4826为一致性因子,在高斯假设下可恢复2SD),以及适用的现行NHSE固定阈值。参数阈值与稳健阈值之间的高度一致性支持在该数据集中采用统计推导界限的适用性。 查看原图 ↗
图8 2025-26年肺结节和偶发发现SRM转诊率上下阈值的敏感性。(A)因超过给定肺结节SRM转诊率上限阈值而被标记的报告者数量。(B)因超过给定偶发发现SRM转诊率上限阈值而被标记的报告者数量。(C)将低于肺结节SRM转诊率下限阈值的报告者数量。(D)将低于偶发发现SRM转诊率下限阈值的报告者数量。垂直参考线表示现行NHS England阈值(适用处为橙色点线)、均值±2SD统计阈值(紫色点划线)以及经务实取整的“拟议”阈值(绿色点线)。标注数字表示在NHSE阈值处(橙色点线旁)和拟议阈值处(绿色点线旁)被标记的报告者数量。这些数据表明,统计推导的阈值会实质性改变被标记的报告者数量,并且在不标记大量具有自然较低转诊率的报告者的情况下,定义下限阈值是可行的。 查看原图 ↗

HLH中的操作化实施

在对数据进行实时审查后,明显发现放射科医生可能由于病例组合、机构相关的社会经济和人口统计学差异的影响以及聚集性等因素而超过转诊率阈值(尤其是偶发发现)。因此,该放射科医生可能“正确”且完全按照方案11进行报告,但仍无意中超过了阈值。最终,离群值流程的目的是检测和改进超出预期限度的表现,并最大化LCS项目的获益。对“离群值”审查的初步经验发现,放射科医生可能在一个季度内超过转诊阈值(通常仅非常轻微地超出),然后在随后一个季度恢复到“可接受”的实践水平,尤其是在接受针对性反馈以改进表现之后——这一模式与上述二项噪声论点一致。因此,基于统计学和操作方面的理由,我们将任何连续2个季度超过NHSE指标的放射科医生视为离群值,因而需要采取正式行动(图9)。

如果某位放射科医生被确认在相关领域超过了阈值,他们会收到关于其表现性质的详细数据,并被告知已超过阈值;对于偶发发现,这包括按类型的具体细分。如果他们连续第二个季度超过转诊阈值,他们将收到HLH临床领导团队关于在该领域处于异常值的正式通知。鉴于许多转诊决策具有主观性,最重要的因素是确保该发现在LCS项目背景下确实值得采取进一步行动。因此,根据国家指南,由具有LCS亚专科专业知识的放射科医生进行一段有针对性的双重阅片。鉴于大量LCS扫描是“正常”的(即没有显著发现),且异常值状态的认定具体基于超过参数(即旨在识别“过度报告者”),双重阅片专门针对已超过的特征。例如,如果某位放射科医生在偶发发现转诊至SRM的比率方面是异常值,将对最近25例因可采取行动的偶发发现而转诊的病例进行回顾性双重阅片以评估一致性。选择25这个数字是为了在需要足够大的样本量以产生有意义的一致性数据(25例病例在观察到的80%一致率周围给出约±18%的精确二项式95%置信区间)与专家双重阅片者所承担的工作量之间取得平衡,并且大致相当于典型工作量下1至2个月的可采取行动的偶发发现转诊量。该双重阅片过程的结果由HLH临床领导团队汇总并反馈给放射科医生,同时附有定制化的建议和指导以改进实践。令人欣慰的是,放射科医生在此干预后往往恢复到正常水平。如果异常值状态在随后多个季度持续存在,将提供针对该放射科医生实践量身定制的进一步培训和支持。如有需要,这可能包括一段监督报告期。如果放射科医生在某领域超过预期值,则进行类似的有针对性的双重阅片;例如,间隔CT推荐率>20%将触发对最近25例推荐了间隔扫描(“橙色”)的扫描进行双重阅片。该流程在季度之间的实际动态影响见图4。

图9 流程图展示了HLH在肺癌筛查中处理异常值的方法。 查看原图 ↗

HLH在最大的LCS项目之一中报告LCS超过5年的经验教训

随着肺癌筛查(LCS)项目在真实世界医疗环境中逐渐成熟,在质量保证和标准方面有许多经验教训值得总结。在报告了超过100万例LCS扫描之后,HLH在近乎实时的质量保证报告与监测以及异常值管理方面积累了丰富的经验;我们将这些反思作为一家医疗机构的经验进行分享,并承认所描述的框架需要在英国其他报告网络和国际上进行检验,才能得出可推广的结论。除了根据NHSE设定的LCS结节和意外发现召回率阈值对放射科报告医师进行基准评估之外,我们了解到,为每位报告医师提供其报告的定制化细粒度数据似乎有助于其对个人报告实践进行反思,尽管我们目前尚无关于报告医师感知的正式调查数据。

每个季度,报告医师都会收到数据,将其个人对每种结节亚型(图10)和每种可采取行动的意外发现亚型的召回率与HLH平均值进行比较(图11)。尽管我们目前无法通过正式调查来验证每位报告医师对这些材料的参与程度,但观察到的新报告医师转诊率随时间推移向HLH汇总平均值收敛(图12),以及少数接近或超过NHSE阈值的报告医师所表现出的回归阈值模式(图4),均与报告医师参与并依据其定制化反馈采取行动的情况一致。该方法旨在利用HLH作为一个大型英国心胸放射科报告网络所积累的集体LCS经验规模。这一观察结果与关于筛查中结构化教育的更广泛文献一致,即融入一个嵌入反馈机制的报告网络可以缩短新报告医师的学习曲线。12他们同时还拥有亚专科放射学网络的支撑架构,通过该网络可以每天实时进行有效的培训和指导。

图10 HLH报告医师之间SRM转诊和监测建议的分布。直方图显示了HLH报告医师群体中建议率的分布:(A)因意外发现而进行的SRM转诊,(B)12个月随访,(C)3个月随访,以及(D)常规24个月(下一轮T轮次)筛查。虚线表示HLH平均值和中位数,红色实线表示该报告医师个人的比率,便于与同行以及适用的国家阈值进行比较。 查看原图 ↗
图11 可采取行动的意外发现的细粒度报告医师反馈示例。箱线图显示了HLH报告医师中每种意外发现类别的识别率分布。粉色箱体代表四分位距,中位数以深蓝色线表示,平均值以紫色圆点表示。须线表示典型范围(1.5×IQR),空心圆表示离群值。天蓝色菱形表示该报告医师个人的比率,便于在每种发现类别中与同行进行比较。 查看原图 ↗
图12 报告者SRM转诊率随累计报告经验的收敛情况。每条线代表一位HLH报告者(n = 144)的滚动平均SRM转诊率,按其肺癌筛查(LCS)报告的第一个月对齐。虚线显示合并SRM转诊率(3.0%),低于NHS England设定的7.0%阈值。早期变异反映了报告量较低。然而,随着经验的增加,转诊率趋于稳定并收敛,这与有效的近实时质量保证和反馈机制相一致。 查看原图 ↗

未来方向

目前NHSE的重点是识别结节和偶然发现检出率高于阈值的报告者。这对于确保该计划在向全国推广过程中保持临床效果和成本效益显然十分重要。然而,未来还应关注确定结节和偶然发现召回率的可接受下限。虽然PERFECTS EQA已对报告者的敏感性和特异性进行了测试,但在LCS中利用近实时QA数据来潜在识别漏报者将是审慎之举。如上所述,这一建议适用于每位报告者的转诊率(而非癌症检出率);转诊率的频率足够高,可以支持近实时监测,而癌症检出率则需要数年时间的积累才能产生具有统计学意义的信号。图7和图8中呈现的2025-26年经验数据表明,在大型报告网络中,基于统计学推导的下限阈值(均值−2SD或等效值)是可行的,仅能识别出分布极端的少数报告者,从而提供高特异性的预警信号,而不会过度惩罚那些执业习惯自然处于正常范围低端的报告者。要确认低转诊率确实对应真实的癌症漏检,需要与间期癌结局数据进行关联,因此其时间框架为数年而非数月。

SRM一致性作为额外的近实时指标

本文所提出框架的一个自然延伸是,将每位报告者的SRM转诊与SRM专家组的结局判定进行基准比较。SRM通常是一个多学科专家小组,其设计本身意味着会对一定比例的报告者转诊持不同意见。报告者层面被SRM验证为需要进一步检查的转诊比例,提供了一个衡量转诊特异性的近实时指标,该指标在概念上有别于绝对转诊率。我们目前正在开发所需的数据关联,以便在季度QA数据包中向报告者反馈该指标,并且我们认为应考虑将SRM一致性纳入任何全国性近实时QA框架。然而,目前尚无针对SRM实践的正式QA或EQA,且局部路径决策(如是否活检及何时活检、对某些偶然发现采取行动阈值等)在全国范围内可能存在显著差异,随着LCS计划的扩展,这一问题也需要适时解决。

与NHSE有效性标准的关系

NHSE质量保证标准(在本文正文中讨论)在报告者层面运作。它们由NHSE有效性标准补充,后者在项目层面运作,涉及癌症检出率、分期迁移、参与率和间期癌发生率等结局。本文描述的近实时数据基础设施直接支持那些分母位于影像数据集内的有效性标准,例如触发SRM转诊的扫描比例、按类别划分的偶发发现比例、结节大小和类型的分布、建议提前进行间隔期影像检查的扫描比例,以及建议返回常规筛查的扫描比例。当前若干有效性标准仅有影像数据作为分母,原则上可以在该框架内近实时地反馈给报告者和各站点。依赖于与癌症登记或病理数据链接的标准(癌症检出率、诊断时分期、间期癌发生率、总体死亡率和肺癌特异性死亡率)只能每年报告,并需要外部数据流。我们认为,将近实时框架与有效性标准对齐是任何国家标准化工作的优先事项。

一个尚待解决的关键问题是,这些指标中的异常值是否能识别出更可能错失肺癌早期发现机会的放射科医生。在乳腺癌筛查中,英国PERFORMS基于国家测试集的乳腺X线摄影自我评估方案的个人得分已被证明可作为真实世界筛查熟练程度的有用替代指标,尤其是在发现表现不佳的读片者方面。15,16 现在需要在肺癌筛查背景下开展可比的验证研究;现有的PERFECTS基础设施,结合本文所述这类近实时转诊率数据,为构建此类研究奠定了基础。14

处理放射学中的差错和差异是一个复杂的话题,已有许多优秀的综述对此进行了探讨,RCR 也进行了审查。17 即使在常规临床报告背景下,对于单个放射科医生而言,何种程度的差异/差错是可接受的,我们也没有一个公认的衡量标准。大型综述和评论报告称,在日常常规实践中,放射科医生对约 3%-5% 的检查存在实时判读错误,而回顾性审查的错误率更高,可达 30%。18 在 NELSON 预设的筛查表现和间期癌分析中,35% 的间期癌在回顾时于先前 CT 上不可见,但 50% 可见且被归类为放射学检出/判读错误所致(其余为方案错误分类、不依从等)。YLST13 中描述的一个 QA 流程报告称,随机选择的阴性扫描中仅有 1% 最终被判定为“不满意”,并提出这种盲法分级审查加放射学事件与学习会议(REALM)可作为国家项目的模板 QA 模型。在基于人群的乳腺筛查项目中,乳腺 X 线摄影仍是识别乳腺恶性肿瘤的主要手段。然而,来自多项试验的证据表明,诊断不准确仍然存在,研究报告筛查判读的错误率高达 30%。19,20 我们认为有必要引入一种整体性的报告者审查指标,将双重阅片结果、偶然差异和 PERFECTS EQA 等多个质量指标整合在一起,以追踪全球 LCS 表现。这种整合方法将能够更准确地监测真实世界表现,支持早期发现表现不佳,并加强质量保证流程。反过来,它也提供了一个机会,可以在早期阶段识别新出现的问题,并指导有针对性的培训和专业发展举措。LCS 项目的实施本身伴随着放射科医生在这一特定临床背景下积累经验的适应期。对 LCS 项目差异数据库的系统分析可能有助于识别复发性且具有特征性的判读错误模式。对这些模式进行特征描述可支持结构化反馈和有针对性的教育干预措施的制定,尤其是在项目参与的初始阶段。这种方法有可能降低重复出错的可能性,并提升整体报告质量。此外,这些见解可作为国际上计划引入或扩大肺癌筛查举措的机构的宝贵教育资源。

结论

随着肺癌筛查(LCS)举措逐步发展为人群级筛查项目,需要稳健的多方位质量保证流程来维持临床质量。对许多放射科医生而言,LCS报告将是他们首次独立接触筛查工作,与针对有症状患者的报告相比,这要求采用一种更精细、更磨练过的报告方法。我们描述了一个近乎实时追踪报告者表现的框架,以及如何利用这些数据指标在时间推移中迭代改进报告者表现。利用2025-26年的经验数据,我们还说明了基于统计推导的阈值——包括上限和下限——如何能够补充目前NHSE的固定阈值。我们还提供了一项建议的标准操作政策,用于追踪表现、识别离群值,并帮助解决报告实践中的任何问题。我们承认,本文所述的近乎实时框架是在单一国家报告网络(HLH)内开发并应用的,该网络报告了NHSE LCS检查中很大但并非全部的比例。因此,它是对强制性PERFECTS外部质量保证方案的补充,而非替代;PERFECTS仍是覆盖每一位NHSE LCS读片者的唯一全项目质量保证方案。我们建议,本文所述要素(带有统计阈值的季度转诊率基准比较、对随机抽样的绿色RAG病例子集进行常规盲法双读、带有基于理由的补救措施的结构化离群值定义,以及细颗粒度的个体化反馈)可构成NHSE/卫生与社会保健部标准化近乎实时质量保证框架的基础,该框架可适用于所有LCS提供者,并与PERFECTS并行使用。我们强调了当前仍存在不确定性的领域,并对该领域未来工作提出了建议。

引用

  1. Babar, Selby, Hare, et al. Ensuring radiology reporting quality across a national lung cancer screening program. Br J Radiol. 2026. PMID: 42378445. doi:10.1093/bjr/tqag158
  2. 全文:PMC13623233(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13623233/

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。