醫療科技 · us
AI先寫影像報告,能少漏看病灶嗎?近24萬次檢查研究呈現潛力與驗證缺口
Mosaic公布內部研究,稱影像語言模型能補出原始報告未記載的異常,並提高判讀效率。但「偵測增加約四成」有特定計算方式,距離證明病人受益,還需要更完整的臨床驗證。
一份影像報告,既要找出異常,也要把發現清楚寫下來。若AI能在醫師簽署前補上遺漏的氣胸、骨折或導管位置異常,價值便不只是節省打字時間。Mosaic Clinical Technologies於11月11日公布一項涵蓋237,905次檢查的內部回溯研究,稱旗下Cognita影像語言模型在50類受測異常中,都找到了經專家確認、原始報告未記載的發現。不過,這些結果目前來自公司公布的研究資料,器材也仍處於研究用途階段。
這套模型的用途,是閱讀影像並產生文字觀察,協助起草放射科報告,再交由醫師確認、修改與簽署。依Cognita研究頁面的兩份配套報告,電腦斷層部分涵蓋71,707次檢查、35類異常;X光部分則包含100,000次胸部攝影,以及66,198次肌肉骨骼與腹部攝影,合計評估15類異常。研究比較的是模型輸出與未使用AI時完成的原始報告。
公司所稱平均約四成的偵測增益,需要放回指標定義理解。X光研究將「相對偵測增益」定義為:模型額外找出、經專家確認的陽性發現,除以原始醫師報告中的真陽性診斷數。因此,它不代表整體準確率提高四十個百分點,也不等於每位病人都能多獲得四成診斷。例如,胸部X光的肺結節或腫塊相對增益為57.5%,氣胸為46.5%;這些數字描述的是補出發現的幅度,不能直接換算成肺癌確診或治療效益。
龐大的檢查總數,也不等於每張影像都經專家重新判讀。X光研究先以內部驗證的大型語言模型,整理AI與醫師報告是否記載指定異常,再從兩者判斷不一致的病例中隨機抽樣,由美國具專科認證的放射科醫師複核,共人工審查713次檢查。審查者不知道文字發現來自AI或原始報告,有助降低來源偏見;但以不一致病例為重點的驗證方式,仍須留意雙方同時漏掉異常的可能性,不能視為全體病例均有獨立診斷標準。
報告品質的評估規模則更小。胸部X光的159例評估中,AI草稿有91.2%被判定沒有錯誤,原始醫師報告為83.0%;另107例肌肉骨骼與腹部X光中,具潛在重大臨床影響的錯誤比例分別為3.7%與6.5%。這些結果提供了草稿品質的初步線索,但樣本有限,不能據此推定近24萬次檢查都有相同比例的改善,更不能直接證明醫師採用草稿後的最終報告一定更安全。
效率數據來自另一部分研究用途下的實際使用紀錄。X光報告指出,使用一定數量AI草稿的醫師,相較於自己導入前的表現,依檢查量加權後效率增加31%。其衡量方式是每分鐘完成的時間型工作單位,並非每份報告耗時一律縮短31%。這類前後比較能呈現工作流程的變化,但仍可能受到病例組成、使用經驗與其他流程調整影響,尚不足以單獨確認改善全由AI造成。
這項研究把問題從「AI能否辨識影像」,推進到「AI起草報告後,醫師能否看得更完整、工作得更有效率」。下一步需要釐清的,是不同醫院與病人族群能否重現結果,以及額外發現是否真正改變處置、減少傷害。Cognita研究頁面與論文均註明,相關模型仍是研究用器材,不得在美國銷售;Mosaic表示正尋求美國食品藥物管理局授權。現階段,這是一組值得進一步檢驗的臨床工具數據,尚非改善病人結局的定論。