公众号 / 文章乳腺技术与安全乳腺X线

乳腺癌筛查AI分流后放射科医生工作量的测量

Measuring Radiologist Workload After AI Triage in Breast Cancer Screening.
PubMed 文献 · Acad Radiol · 2026-09-10

本文提出一种基于会话层面的报告标准,用每千名筛查女性的总活跃判读分钟数、转移到其他环节的工作量及诊断结果来衡量AI分流效果。同时建议采用匹配会话设计直接测量这些变化。

要点

  • 阅片量减少不代表医生总工作时间减少,需关注工作转移
  • 建议报告每千名筛查女性的总活跃判读分钟数
  • 评估AI分流时应同时考虑诊断结局与工作再分配

核心结论

  • 单纯用阅片数量无法反映AI分流节省的放射科医生时间或工作转移情况
  • 应建立包含总活跃判读分钟数、工作转移和诊断结局的会话级报告标准

研究设计与样本

  • 提出匹配会话设计以直接测量AI分流后放射科医生工作量变化
  • 报告标准基于每千名筛查女性的总活跃判读分钟数、工作转移和诊断结局

诊断标准与关键数值

  • 建议报告每千名筛查女性的总活跃人工判读分钟数
  • 需同时报告工作是否转移至仲裁、共识或其他任务
  • 需同时报告诊断结局作为评估指标

临床应用与阅片要点

  • 在评估AI分流效果时,不能仅统计阅片数量
  • 日常报告中可纳入总活跃判读时间和工作转移环节
  • 匹配会话设计有助于直接比较AI分流前后工作量差异

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

英文原文(摘要)· 点击展开

Artificial intelligence triage can sharply reduce the number of human readings in breast cancer screening. Reading count, however, does not show how much radiologist time is saved or whether work shifts to arbitration, consensus, or other tasks. We propose a session-level reporting standard based on total active human interpretation minutes per 1000 women screened, work shifted elsewhere in the pathway, and diagnostic outcomes, together with a matched-session design to measure these effects directly.

来源:Acad Radiol,查看原文。版权归原作者所有。

引用

  1. Sorin, Klang. Measuring Radiologist Workload After AI Triage in Breast Cancer Screening. Acad Radiol. 2026. PMID: 42722553. doi:10.1016/j.acra.2026.08.100

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。