醫療人工智慧 · us
從病歷找出免疫治療毒性:AI輔助讓審閱時間縮短43.5%
癌症免疫治療的不良反應,常藏在零散的臨床紀錄裡。一項多階段驗證研究顯示,AI能協助人員更快、更一致地整理這些線索;但進入前瞻測試後表現下降,也提醒臨床效益仍待證實。
癌症免疫治療的安全監測,有時得從一頁頁病歷中重新拼起:不良反應是否正在發生、嚴重到什麼程度,又是否與治療有關?10月29日刊於《Nature Cancer》的研究,將AI用於這項繁重的審閱工作,發現有AI協助時,人員標註病歷的中位時間縮短43.5%,判讀準確度與彼此的一致性也有所改善。
研究聚焦免疫檢查點抑制劑治療中的免疫相關不良事件。系統從臨床文字擷取六類事件的存在與否、發生時間、嚴重度,以及醫師記載的治療歸因與確定程度。這些資訊有助整理安全性資料,但仍須由人員核對;辨識病歷裡的描述,也不等於獨立確認病因。
驗證分成回溯測試、前瞻性靜默部署,以及人員使用研究。PubMed與馬斯垂克大學收錄的同研究3月預印本,已記載263份回溯測試病歷及884份前瞻測試病歷。回溯測試中,事件偵測的F1分數為0.92,嚴重度分級則為0.66。F1綜合衡量精確率與召回率;兩項分數的差距顯示,找出事件比判定輕重更容易。
正式論文的人員研究採隨機交叉設計,由17名臨床研究工作人員比較人工與AI輔助流程,共取得316次可分析的計時觀察。每份病歷的中位標註時間從428秒降至242秒。這裡的43.5%是兩組中位數的降幅;較早預印本摘要使用約40%的表述,報導時應以正式版本的明確定義為準。
速度提升之外,要求六類當前事件分級全部吻合參考答案的「完全符合率」,也由19.4%升至25.9%。審閱者間的一致性指標則從0.22–0.51提高至0.82–0.85。不過,完全符合率仍偏低,而彼此更一致,也不能單獨證明每次判斷都正確。
更貼近實際資料流的三個月前瞻性靜默部署,呈現了另一層考驗:偵測F1降至0.72–0.79,低於回溯測試。所謂靜默部署,是在不介入照護決策的情況下評估系統,因此這些結果支持的是病歷資訊擷取能力,尚不能據此推論患者能更早接受處置,或減少住院與治療中斷。
目前各階段驗證都來自同一醫療體系,換到其他醫院、病歷格式與癌症照護情境後能否維持表現,仍缺乏外部驗證。這項研究為免疫治療安全資料的整理提供了具體工具與驗證路徑;要進一步成為照護決策的可靠支援,還須證明它能在不同環境辨識錯誤,並帶來可量測的患者效益。