醫療科技 · global
AI輔助攝護腺切片判讀,資淺病理住院醫師準確率升至75%
15名住院醫師的研究顯示,AI標註可能幫助經驗較少的判讀者辨識病灶。但所有人都先自行判讀、再看AI提示,進步有多少來自重新檢視,尚無法拆解。
在攝護腺穿刺切片上辨認癌症,病理住院醫師必須從細微的組織形態中作出判斷。當螢幕多了AI標示的可疑區域,判讀能否更準確?一項新研究觀察到,經驗較少的住院醫師在輔助下改善幅度較大;但這份結果,也留下了「AI提示」與「多看一次」各有多少功勞的問題。
這項於11月4日刊登於《BMC Medical Education》的同儕審查研究,邀請15名第一至第三年病理住院醫師,判讀186張攝護腺穿刺切片的全玻片數位影像。其中104張為腺癌、75張為良性,另有7張屬於非典型小腺泡增生。數位平台提供腫瘤區域提示與Gleason組織型態標註,供醫師判讀時參考。
研究依過往泌尿生殖病理經驗分組。經驗較少者的觀察準確率從62.3%升至75.1%,約增加13個百分點;較有經驗者則從77.9%升至83.0%。兩組在輔助判讀時的表現都有改善,原有差距也隨之縮小。Scienmag對同一研究的報導亦指出,這項結果反映的是當下使用工具的表現,不能直接視為訓練成效。
AI提示帶來的改變並非全都朝向正確答案。研究記錄中,原先786次錯誤判讀,有307次在輔助下改為正確;另一方面,原先正確的1,913次判讀,也有75次轉為錯誤。這些數字顯示,評估輔助工具除了計算它修正多少錯誤,也必須看它是否使判讀者偏離原本正確的判斷。
最關鍵的限制藏在閱讀順序:所有住院醫師都先獨立判讀,再於AI輔助下重看相同切片。由於順序固定,熟悉影像、重新思考等第二次檢視的效果,與AI本身的作用交織在一起。因此,準確率上升雖是研究中觀察到的現象,卻不能全部歸因於AI。
研究也沒有測量學習與記憶保留,無法回答住院醫師日後離開提示,是否仍能判讀得更好。切片上的診斷表現,同樣不能直接換算成病人的治療或健康結果。論文另揭露,部分作者隸屬開發受測平台與AI模型的NovinoAI;後續獨立驗證將有助於判斷結果能否推廣。
這項研究提供了一個具體方向:AI標註可能成為病理訓練現場的判讀支援,尤其能幫助經驗尚淺者。要確認它的獨立效益,下一步需要安排不同的判讀順序,並追蹤撤去輔助後的表現,才能釐清工具是在當下提供線索,還是也能幫助醫師累積可持續的診斷能力。