AI简化神经放射学报告:对沟通质量影响的前瞻性随机盲法研究
该项前瞻性随机盲法研究纳入 100 名成人参与者,比较经 AI 简化的同一份标准化神经放射学报告与常规专业术语报告在受试者主观沟通质量上的差异。结果显示 AI 简化版在清晰度与结构、语气与信任、可用性、总体印象四个领域评分均显著更高,效应量大到非常大。
要点
- AI 简化报告在清晰度、语气信任、可用性、总体印象评分均显著高于常规报告。
- 简化为面向患者的辅助解释,不能替代常规放射学报告作为诊断依据。
- AI 简化存在语义偏移风险,需影像专科医师审核并建立质量保证标准。
核心结论
- AI 简化神经放射学报告可显著提高受试者主观评价的沟通质量。
- 该结果来自单一标准化病例,尚不能推广到客观理解、回忆或临床决策获益。
研究设计与样本
- 前瞻性随机对照单中心研究,于德国一家三级学术医学中心开展。
- 100 名 18 岁及以上成人按 1:1 随机分配至 AI 简化报告组或常规报告组。
- 以同一标准化脑 MRI 报告为基础,采用结构式量表评分;定量分析用 Welch t 检验与 Mann-Whitney U 检验。
- 简化版由两位超过 10 年经验的认证放射科医师审查后用于评估。
- 数据收集时间为 2025 年 6 月 1 日至 12 月 31 日。
关键影像表现/征象
- 标准化虚构脑 MRI 报告描述脑外占位符合脑膜瘤,并含蛛网膜囊肿、陈旧性梗死、轻度微血管病变等偶然发现。
- 常规报告语言专业复杂;AI 简化版采用通俗语言、简短句子、术语解释与更清晰结构。
诊断标准与关键数值
- Clarity and Structure 组 4.00±1.03 对 2.17±1.01,效应量 d=1.79,95% CI: 1.32–2.25。
- Tone and Trust 组 4.03±0.88 对 2.83±0.96,效应量 d=1.31,95% CI: 0.87–1.74。
- Usability 组 4.05±0.89 对 2.49±1.21,效应量 d=1.46,95% CI: 1.02–1.90。
- Overall Impression 组 4.21±0.98 对 2.05±1.07,效应量 d=2.10,95% CI: 1.61–2.59。
- 四个量表差异均为 p<0.001。
临床应用与阅片要点
- AI 简化报告可作为患者门户中常规报告的辅助说明,不替代常规报告。
- 报告医师应审查 AI 简化文本的语义保真度、诊断不确定性保留及无事实因果推断。
- 临床采用需建立机构层面数据保护、临床治理与专业审核流程。
局限性
- 仅评估单一标准化虚构神经放射学报告,缺乏多病例、多报告类型验证。
- 主观沟通质量评估基于自报告量表,未进行客观理解或回忆测试。
- 简化版在专家审核后仍存在语义偏移或因果归因,如把头痛归因于脑膜瘤。
- 单中心招募,基线在性别、报告经验、教育分类上存在差异。
全文中译21 节 · 点击展开
引言
放射学报告是诊断医疗的核心内容,主要用于医疗专业人员之间的沟通 [1–4]。随着电子健康档案和患者门户的广泛使用,患者可直接获取这些报告 [5, 6]。然而,语言的复杂性以及专业术语的频繁使用可能限制患者对报告内容的理解以及解读检查结果的信心 [7–9]。有限的可理解性可能导致不确定性、误解以及医疗决策参与度下降,从而妨碍以患者为中心的沟通 [1, 8, 10, 11]。
大语言模型(LLMs)可将技术性医学文本转换为更便于患者理解的语言 [3, 12]。既往研究表明,基于大语言模型的简化可提高不同影像背景下放射学报告的可读性,且通常以既有的可读性指标作为主要结局 [13, 14]。新出现的证据也提示客观理解力和感知清晰度有所改善,但对AI生成报告解释的信任问题仍值得关注 [7, 15]。
基于AI的报告简化也存在风险。简化版本可能丢失具有临床意义的细微差别,未能充分传达诊断不确定性,或引入语义偏移,从而导致误读或错误信息 [3, 16–20]。比较性评估显示,不同大语言模型在结构、可读性、可理解性和沟通特征方面存在差异 [21]。这些因素支持将基于AI的简化作为常规放射学报告的面向患者的补充工具进行评估,并应制定明确的质量保证标准和专家监督。
除语言简化之外,与实施相关的问题仍然存在。当读者不知晓使用了AI时,其对经放射科医师审核的AI简化报告沟通质量的感知尚不清楚。这一区分很重要,因为与信任相关的评分否则可能反映的是对AI的态度,而非报告文本本身。因此,本项随机、设盲的参与者研究评估了将一份标准化神经放射学报告进行基于AI的简化后,与传统专业语言报告相比,是否能提高参与者评定的沟通质量。
材料与方法
伦理考虑
本研究遵循《赫尔辛基宣言》开展,并经当地机构伦理委员会批准(参考编号 D 492/25)。所有参与者在参与前均提供了知情同意。参与为自愿和匿名,未收集任何可直接识别身份的数据。
研究设计与设置
我们在德国一家三级学术医疗中心开展了一项前瞻性、随机、对照平行组研究。参与者在阅读AI简化版或传统版报告后,匿名完成一份标准化问卷。数据收集时间为2025年6月1日至12月31日,届时按计划结束招募。由于这是一项基于问卷的参与者评估,未进行正式的预先样本量计算;样本量基于预定的招募期和连续招募的可行性从实用角度确定。本研究的实施和报告遵循随机试验报告统一标准(CONSORT)建议[22]。完整的清单另行提供;部分条目对这一基于单一标准化病例的问卷评估仅间接适用。
参与者
参与者于2025年6月1日至12月31日期间从放射科候诊区连续招募。符合条件者为年满18岁、能够阅读和理解德语并提供书面知情同意的成年人。未满18岁或拒绝参与者被排除。匿名记录人口学信息,包括年龄、性别、最高自报教育水平、专业背景以及自报既往接触放射学报告的经历。
随机化和分配
参与者按1:1比例被分配至AI简化报告组或传统报告组,采用随机混合的纸质问卷版本进行分配。招募前,准备等量的两种版本,随机混合后按顺序分发,每位参与者获得下一份可用版本。未使用区组随机化。分发问卷的研究人员不知道即将分配的版本。参与者对研究假设、分组情况和AI简化技术的使用不知情。然而,由于两种报告版本在语言、结构和解释性细节上有意存在差异,盲法不延伸至交流形式本身。每位参与者仅评估一种报告版本。参与者流程见图1。
干预和对照条件
对照条件为一份以标准专业医学语言撰写的传统德语神经放射学报告。干预为同一报告的语言简化版本,使用GPT-4o(OpenAI,美国加利福尼亚州旧金山)通过ChatGPT界面中的自定义GPT生成。该自定义GPT由作者开发的预定义基于规则的提示框架指导,该框架参考了已有的易懂交流和文本简化模型[23, 24]。
简化处理的目的是保留传统报告的诊断内容,同时通过通俗易懂的措辞、对医学术语的简要解释、更短的句子以及更清晰的组织结构,提高非医学读者的可读性。因此,两个报告版本主要在语言表述、解释性细节和结构上存在差异。关于自定义GPT配置、提示语言、使用日期、生成过程、放射科医师审核、审核后编辑以及提示框架的详细信息见补充材料1。
补充材料2提供了完整的传统报告和AI简化报告,包括参与问卷中使用的德语原文以及为方便读者而提供的英文翻译。
AI简化报告的放射科医师审核
在参与者评估之前,AI简化报告作为内部质量保证步骤,由两名具有10年以上临床经验的委员会认证放射科医师进行审核。审核人员评估了简化版本是否保留了传统报告的相关诊断内容和临床含义,是否存在任何相关发现的遗漏或添加,以及措辞是否适合非医学读者。审核后的版本随后在参与者评估中未经修改地使用。
放射学病例示例的特征
所评估的文本基于一份标准化的虚构脑部MRI报告,反映了常规神经放射学报告的结构和复杂性。该报告描述了一个符合脑膜瘤表现的轴外肿块,以及偶然发现,包括蛛网膜囊肿、陈旧性梗死证据、轻度微血管病变改变和非特异性鼻旁窦黏膜增厚。
问卷与结局指标
使用结构化问卷获取参与者报告的评估结果,包括人口学条目、定量评分量表和开放式反馈。四个问卷量表被预先设定为探索性参与者报告结局域,未定义主要和次要结局的正式层级。
定量评估包括四个量表,每个量表包含三个条目:清晰度与结构:整体理解、术语的可理解性、清晰度和逻辑结构。
语气与信任:共情和尊重的语言、专业性和可信度、阅读后的不确定感(反向计分)。
可用性:版面布局、快速识别关键信息的能力、标题和结构的辅助作用。
总体印象:感到充分知情、未来对类似报告的偏好、整体有用性和可理解性。
所有条目均采用5点李克特量表评分(1 = 强烈不同意,5 = 强烈同意)。开放式回答采用Mayring的定性内容分析法进行分析,随后进行描述性总结[25]。
数据处理与统计分析
统计分析使用jamovi软件(版本2.7.15;jamovi项目,澳大利亚悉尼)进行。量表得分计算为相应条目的平均值。分析前,对数据的完整性和合理性进行了筛查。条目级缺失数据采用各量表内个人均值插补法处理,前提是三个条目中至少有两个可用。问卷量表的内部一致性采用Cronbach’s α进行评估。为描述基线可比性,对基线特征计算了绝对标准化差异,年龄采用标准化均数差,分类变量采用比例标准化差异。与探索性结局结构一致,组间比较作为预设参与者报告结局域的探索性分析进行。接受AI简化报告与接受常规报告的参与者之间的差异采用Welch’s t检验进行分析。效应量以Cohen’s d及其相应的95%置信区间(CI)报告。由于Likert型评分可能不完全满足区间尺度数据的假设,采用Mann–Whitney U检验作为非参数敏感性分析,以评估组间比较的稳健性。另外进行了事后探索性效应修饰分析,使用线性回归模型,纳入报告组别、潜在效应修饰因子及相应的组别×修饰因子交互项。潜在效应修饰因子包括年龄(以年为单位的连续变量)、大学学位(有vs无)以及医疗专业背景。所有统计检验均为双侧检验,显著性水平设为α = 0.05。图形使用GraphPad Prism软件(版本10.6.1;GraphPad Software,美国马萨诸塞州波士顿)绘制。
结果
参与者流程
共189人接受了资格评估。其中89人拒绝参与。其余100名参与者被随机分配,按1:1比例分至AI简化报告组(n = 50)或常规报告组(n = 50)。所有参与者均收到了所分配的报告版本。无参与者失访或中止研究。所有随机分配的参与者均按其所分配的组别进行分析(图1)。
参与者特征
分析队列的基线人口统计学特征见表1,包括绝对标准化差异。队列平均年龄为64.4 ± 16.2岁。样本包括38名女性、60名男性和2名非二元性别参与者。大多数参与者无医疗专业背景(89%),约一半报告有既往阅读放射学报告的经历。年龄和医疗专业背景在两组间均衡,而性别、既往放射学报告经历以及各教育类别方面观察到差异。
内部一致性
根据常用阈值[26],所有四个问卷量表(清晰度与结构、语气与信任、可用性及总体印象)均显示出可接受至优秀的内部一致性。Cronbach’s α范围为0.771至0.970(表2)。
定量结局
在所有评估维度上,收到AI简化版报告的研究对象对文本的评价显著高于阅读常规报告的研究对象(表3和图2)。AI简化组的平均得分在清晰度与结构(4.00 ± 1.03 vs 2.17 ± 1.01)、语气与信任(4.03 ± 0.88 vs 2.83 ± 0.96)、可用性(4.05 ± 0.89 vs 2.49 ± 1.21)及总体印象(4.21 ± 0.98 vs 2.05 ± 1.07)方面均一致更高。
Welch t检验证实所有结局指标的组间差异均有统计学意义(均p < 0.001;表4)。所有量表的效应量均为大到非常大。在清晰度与结构方面,AI简化组的效应量非常大(d = 1.79,95% CI:1.32–2.25)。同样,语气与信任(d = 1.31,95% CI:0.87–1.74)和可用性(d = 1.46,95% CI:1.02–1.90)也观察到大的效应量。最大的效应出现在总体印象(d = 2.10,95% CI:1.61–2.59)。
条目层面的缺失应答很少。总体而言,1200个条目层面应答中有14个缺失(1.17%),其中AI简化组5个,常规报告组9个。经个人均值插补后,无量表层面数值缺失,所有量表层面分析均纳入每组50名研究对象。非参数Mann–Whitney U敏感性分析证实了组间差异的方向和统计学显著性;中位数和四分位距以及U统计量见补充表1。
事后探索性效应修饰分析未显示报告组别的效应因年龄、大学学历或医学专业背景而存在差异的证据。在四个研究对象评分的结局领域中,所有组别×修饰因素交互项均不显著,年龄p值≥0.204,大学学历p值≥0.275,医学专业背景p值≥0.307(补充表2)。
定性结果
开放式回答支持定量结果。AI简化组的研究对象频繁强调更清晰的解释、更简单的语言和更优的结构。相比之下,阅读常规报告的研究对象常描述文本因技术术语而难以理解,并表示有必要获取额外解释或自行查询信息。代表性示例及编码框架见表5。
讨论
主要发现
这项随机、设盲的受试者研究显示,对一份标准化神经放射学报告进行基于人工智能的语言简化,显著提高了受试者在清晰度与结构、语气与信任、可用性及总体印象方面评价的沟通质量。由于传统报告是为专业沟通而撰写,而简化版本则是作为面向患者的说明而设计的,因此在解释这些较大的效应量时,应考虑到两个报告版本在目标受众、解释性细节、结构和语言上的刻意差异。
清晰易懂的医疗信息对于有效的医患沟通十分重要 [27, 28]。随着患者越来越多地通过电子健康档案和患者门户直接查阅放射学报告,专业报告与患者理解之间的语言差距变得更加突出 [5, 6]。在此背景下,人工智能辅助的报告简化可能有助于患者认为放射学信息更易理解,并可在临床咨询前或咨询期间支持以患者为中心的沟通,而不会取代专业解读 [7, 15, 29]。
与既往研究的比较
这项随机、设盲的受试者研究通过评价在隐蔽人工智能参与情况下的受试者评价沟通质量,拓展了既往工作。既往研究表明,大语言模型(LLMs)可以改善放射学报告的可读性、可理解性、客观理解以及患者报告的感受 [3, 7, 13–15, 29]。对人工智能参与的隐蔽处理对于语气与信任维度尤为重要。尽管既往一项研究报告了人们对人工智能翻译的报告解释信任度较低 [15],但本研究中的受试者对人工智能的使用并不知情。因此,观察到的AI简化版本在语气与信任方面评分更高,应主要解释为对简化文本本身的反应,而非对明确AI标签的反应。然而,这些评分需要谨慎解读。对更简单、加工更流畅的文本产生更高的信任相关评分,并不一定意味着这种信任是有依据的,也不意味着诊断可靠性更高。它们可能部分反映了加工流畅性、感知清晰度以及面向患者的说明在组织上更易于获取。
这些一致的大到极大效应得到了定性反馈的支持,反馈表明受试者认为AI简化报告比传统版本更清晰、更易获取且更有用。这些优势可能反映了通俗语言改写、解释性补充、更短的句子结构以及更优的组织方式的综合效果,而不仅仅是术语简化本身。
观察到的效应量可能部分反映了传统影像学报告的高度语言复杂性,这类报告主要为专业交流而设计,而非面向非专业读者 [1–4, 9]。这一挑战在影像学报告中也曾被描述为“知识的诅咒”,即面向专家的语言可能无意中妨碍患者和转诊医生的理解 [30]。因此,此类报告可能对没有医学培训背景的读者构成相当大的初始障碍,这可能是两种报告版本之间差异的部分原因 [1, 4, 7, 15]。AI简化版中包含的结构化布局和解释性段落可能进一步提高了可用性和感知清晰度,这与患者教育材料评估工具(PEMAT)一致,该工具将组织结构、通俗语言和医学术语解释确定为可理解性的促进因素 [31]。
局限性
应考虑到若干局限性。首先,本研究评估的是一份标准化的虚构神经放射学报告,而非常规实践中的真实报告。这使得能够基于同一底层病例进行对照比较,但限制了其推广到其他影像模态、报告类型和临床场景的能力。由于仅评估了一份传统报告和一份AI简化版对应报告,观察到的效应也可能反映了这一特定报告对的特征。因此,在就基于AI的简化得出更广泛的结论之前,需要使用多个病例、报告类型和独立生成的AI输出进行研究。标准化比较也可能增加了版本之间的对比度,导致对照组出现地板效应。在AI简化组中,总体印象评分聚集在5分制量表的上限附近,提示存在天花板效应,可能降低了对高度好评之间的区分能力。参与者对研究假设、分组和AI参与均不知情,但能看到可见的交流格式。因此,研究结果应被解释为对所评估文本的反应,而非独立于其不同语言、结构和解释性细节的效应。
第二,感知理解和交流质量是通过自我报告指标而非客观的基于知识的测试来评估的。未进行理解力检查;因此,研究结果并未证明客观理解、记忆或临床决策能力的改善。它们反而表明感知交流质量有所改善,未来的研究应辅以客观理解力测量 [32]。
第三,问卷量表为研究专用,未经外部验证,尽管内部一致性为可接受至优秀。仅在单一三级医疗中心招募进一步限制了普遍性。尽管进行了随机化,但在性别、既往阅读放射学报告的经验以及各教育类别方面仍存在基线差异。这些特征可能影响了参与者评定的结局,且无法排除残余混杂。此外,189名符合条件的个体中有89人拒绝参与。由于未从非参与者处收集任何信息,无法排除参与偏倚。同意参与者可能在参与书面医疗信息的意愿、时间或能力方面存在差异,因此样本可能无法完全代表在常规诊疗中查阅放射学报告的患者。
最后,尽管经过放射科医师审核,简化文本仍包含若干解释性新增内容或语义偏移。具体而言,其将就诊时的头痛归因于脑膜瘤,将颅内血管造影未见异常描述为脑部供血正常,并将上颌窦黏膜增厚解读为轻度慢性鼻窦炎症,尽管这些结论在常规报告中并未明确确立。因此,放射科医师审核可减少但无法消除语义偏移。未来的质量保证工作流程应在面向患者使用前纳入明确的语义保真度、诊断不确定性的保留以及避免无依据的因果归因等标准。
实践意义
基于AI的面向患者简化应作为常规放射学报告的辅助手段而非替代方案进行评估。简化说明可通过安全的患者门户网站或机构托管的应用程序提供[5, 6],前提是确保数据保护、临床治理和专业监督[17, 18]。常规报告应仍是权威的诊断文件。由于AI生成的简化内容可能引入语义偏移或遗漏具有临床相关性的细微差别[3, 16–20],实施时需要结构化的质量保证、专家审核、受约束的提示词以及针对特定任务的验证。
未来研究应使用来自多种模态的真实报告、客观理解力测试以及真实临床工作流程。需要与放射科医师撰写的通俗摘要进行比较,以确定AI是否提供增量获益,以及感知到的沟通改善是否转化为客观理解、更好的就诊准备以及有临床意义的患者获益。
结论
对一份标准化的神经放射学报告进行基于AI的简化改善了参与者评定的沟通质量。未来使用多个病例和输出的研究应确定这些感知获益是否能在真实世界环境中转化为客观理解力和具有临床意义的沟通结局。
补充信息
电子补充材料
引用
- Horr, Walther, Bonietzki, et al. Perceived communication quality of a standardized neuroradiology report following AI-based simplification: a randomized, blinded study. Insights Imaging. 2026. PMID: 42658364. doi:10.1186/s13244-026-02391-5
- 全文:PMC13522326(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13522326/
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。