AI 辅助软件对疲劳状态下住培医生检出肋骨骨折的提升作用

张添辉，钟 正，龙 曦，黄志峰，范伟雄（通信作者）

（梅州市人民医院放射科 广东 梅州 514031）

疲劳是造成放射科医生发生医疗错误的重要因素之一[1]。对于放射科医生而言，长时间高度集中注意力对影像图像进行阅片，极易产生视觉疲劳及注意力不集中，由此造成的误诊或漏诊屡见不鲜[2]。住培医生是放射科承担大量阅片诊断工作的一线人员，准确诊断肋骨骨折是其必须掌握的核心技能之一。然而，随着医院诊疗量的剧增，放射科阅片负荷及工作时长显著增加，使得住培医生常处于满负荷工作的疲劳状态，导致漏诊或误诊肋骨骨折的情况时有发生。近年随着AI 算法的不断发展，AI 辅助诊断软件在提升住培医生疾病诊断效能方面展现出良好的应用前景[3-4]。因此，本研究将探讨AI 辅助软件对疲劳状态下住培医生检出肋骨骨折的提升作用，旨在为AI 在住培医生阅片工作中的应用推广提供依据。

1 资料与方法

1.1 一般资料

回顾性分析2021 年1 月—2022 年5 月在梅州市人民医院接受胸部CT 检查的86 例肋骨骨折患者，其中男53 例，女33 例，年龄17 ～96 岁，均龄（52.85±14.76） 岁。纳入标准：①患者接受胸部CT 检查，且图像清晰无明显伪影；②患者临床资料及CT 图像数据完整；③存储于PACS系统的CT薄层图像，能够被AI软件识别及处理。排除标准：①曾接受肋骨手术治疗的患者；②无肋骨骨折或骨折条数≥6 条的患者。

1.2 方法

采用西门子SOMATOM Dedinition As CT 扫描仪进行胸部CT 扫描。患者检查时采用仰卧位，在吸气末单次屏气完成全部扫描。检查参数为：管电流设置为自动毫安秒，管电压120 kV，准直宽度128×0.6 mm，重建矩阵512×512，重建层厚1 mm。

1.3 肋骨骨折参照标准

肋骨骨折的参照标准制定流程如下：由两名主治医生共同对胸部CT 阅片，确定患者的肋骨骨折情况，包括肋骨骨折的位置、数目（其中陈旧性骨折不纳入分析）。然后，将阅片结果交给一名主任医生进行最后阅片确定为肋骨骨折参照标准。

1.4 阅片模式

受试者为放射科基地住培医生（从事影像诊断工作18 个月），阅片前由带教老师对其进行肋骨骨折影像教学及AI 软件使用方法培训。住培医生按以下三种阅片模式进行阅片：①A 模式：住培医生在正常状态下（即白天工作时间的前两小时）独立对每个患者的胸部CT 进行阅片及诊断，并记录每个患者肋骨骨折的数目、部位及阅片时间。阅片时间定义为打开图像至完成诊断关闭图像。②B 模式：受试者在疲劳状态下（即一天工作满8 小时后）独立对每个患者的胸部CT 进行再次阅片及诊断。③C 模式：受试者在疲劳状态下借助AI 辅助软件胸部骨折CT 人工智能影像辅助检测软件v1.0，上海联影智能医疗科技有限公司）对每个患者的胸部CT 进行再次阅片及诊断，见图1。三种阅片模式之间间隔4 周。

图1 胸部骨折CT 人工智能影像辅助检测软件

1.5 统计学方法

采用SPSS 20.0 统计软件进行数据分析。符合正态分布的计量资料以均数±标准差（± s）表示，采用t检验；计数资料以频数（n）、百分率（%）表示，采用χ2检验。以P＜0.05 为差异有统计学意义。

2 结果

2.1 一般结果

按照肋骨骨折参考标准，86 例患者共检出175 条肋骨骨折，平均（2.03±1.02）条。

2.2 住培医生不同阅片模式对肋骨骨折的检出率的比较结果

住培医生疲劳状态下独立阅片对肋骨骨折的检出率低于正常状态独立阅片，阅片时间长于正常状态独立阅片，差异均具有统计学意义（P＜0.05）。住培医生疲劳状态下应用AI 辅助阅片对肋骨骨折的检出率高于疲劳状态独立阅片，阅片时间短于疲劳状态独立阅片，差异均具有统计学意义（P＜0.05）。住培医生疲劳状态下应用AI 辅助阅片对肋骨骨折的检出率已超过其正常状态的水平，阅片时间短于其正常状态阅片，差异均具有统计学意义（P＜0.05）。见表1。

表1 住培医生不同阅片模式对肋骨骨折的检出效能比较

3 讨论

在临床工作中，由于放射科医生疲劳导致的误诊或漏诊屡见不鲜，极易引发医疗纠纷[5]。本研究发现，住培医生疲劳状态下独立阅片对肋骨骨折的检出率低于正常状态独立阅片，且阅片时间长于正常状态独立阅片，差异均具有统计学意义（P＜0.05）。分析原因为：肋骨数量众多，形态独特，且部分肋骨骨折隐匿，住培医生即使在正常状态下，也需要集中注意力逐层观察CT 薄层图像，并结合不同图像重建方式详细观察肋骨的解剖结构，才能尽量减少漏诊和误诊[6-7]。在疲劳状态下，住培医生由于疲劳后认知能力、注意力下降及视觉疲劳等原因，更加难以集中注意力进行CT 图像的观察，导致对肋骨骨折的检出率显著降低，阅片时间明显延长。上述结果与王亮等[8]研究结果类似，其研究发现住培医生在正常状态和疲劳状态下对肺结节的检出灵敏度分别为46.21% 和40.36%，疲劳状态下较正常状态下对肺结节的检出灵敏度显著降低，且差异具有统计学意义（P＜0.05）。

史丹迪等[9]研究结果显示，住院医师应用AI 诊断肋骨骨折的灵敏度和准确性高于住院医师独立阅片。董浩等[10]研究结果发现，低年资医生应用AI 诊断肋骨骨折的灵敏度显著高于医生单独阅片，且阅片时间显著减少。刘想等[11]研究发现，AI+医师联合阅片的肋骨骨折检出灵敏度显著优于医师单独阅片（患者层面：89.66%vs.63.46%，P＜0.001；肋骨层面：83.36%vs.61.18%，P＜0.001），提示AI 辅助软件有助于提高住院医师在CT 图像上对肋骨骨折的检出能力。本研究结果与上述结果类似，本研究发现住培医生疲劳状态下应用AI 辅助阅片对肋骨骨折的检出率高于疲劳状态独立阅片，阅片时间短于疲劳状态独立阅片，差异均具有统计学意义（P＜0.05）。分析原因为：住培医生因疲劳状态导致检出肋骨骨折的能力减弱，而AI 软件通过智能算法，能够帮助住培医生快速、精准定位发生骨折的肋骨，提升对肋骨骨折的检出率的同时，提高诊断效率，节省阅片时间[12-13]。值得注意的是，本研究还发现，住培医生疲劳状态下应用AI 辅助阅片对肋骨骨折的检出率已超过其正常状态的水平，阅片时间短于正常状态阅片，差异均具有统计学意义（P＜0.05），该结果与王亮等[8]研究结果相符。

本研究的局限性：首先，本研究为单中心分析，样本量相对较少，有待今后开展多中心大样本研究进一步验证结果。其次，本研究仅分析了AI 软件对住培医生的辅助诊断效能，而对于实习医生、主治医生等不同年资医生的辅助价值尚不清楚，有待进一步深入研究。

综上所述，住培医生疲劳状态下对肋骨骨折的检出效能较正常状态显著降低，但在AI 辅助下能显著提升疲劳状态住培医生检出肋骨骨折的效能，甚至超过其正常状态下的水平。