醫療人工智慧 · asia
AI助辨罕見腎癌提高判讀準確率,醫師也更易接受錯誤建議
一項21名醫師參與的病理判讀研究,呈現AI協助辨識罕見腎癌的潛力,也揭示信任的代價:越能從正確建議受益,越可能跟著錯誤建議走。
罕見癌症的診斷,有時卡在醫師是否想到「可能是它」。若組織外觀與常見癌症相似,確認病因所需的追加檢查便可能沒有啟動。南韓首爾峨山醫院公布的一項研究顯示,AI能協助醫師辨識這類容易漏想的腎癌,但當醫師更願意接受它的判斷,也更容易受到錯誤建議牽引。
院方11月19日英文公告介紹的,是已刊於《npj Digital Medicine》的研究,而非當日發表的新論文;韓文公告已於11月12日發布,《數位朝鮮日報》則指出論文於8月13日上線。研究由Namkug Kim與Yong Mee Cho領導,目標是協助篩出「延胡索酸水合酶缺乏型腎細胞癌」(FHdRCC),找出需要進一步檢查的病例。
依院方說明,FHdRCC占腎癌不到0.4%,進展快速,組織形態卻可能與其他腎癌相似,確診須結合進一步檢查,包括基因檢測。研究納入的39名此類患者中,最初便被懷疑患有這種癌症的僅36%。這也說明模型試圖補上的缺口:先讓少見的可能性進入診斷視野。
團隊使用335張數位病理影像開發並評估模型。衡量疾病區辨能力的曲線下面積(AUC),內部驗證為0.954,兩組外部驗證分別為0.820與0.867。數值越接近1,代表區辨能力越好;外部表現低於內部結果,也提醒模型在不同資料來源上的能力並不一致,這些數字更不能直接當成臨床診斷正確率。
醫師實際使用後是否有幫助,則透過另一場判讀實驗檢驗。據《數位朝鮮日報》報導,參與者包括泌尿生殖系統病理專家、其他領域病理專科醫師及住院醫師,各7名。他們相隔兩週,分別在沒有AI與有AI協助下判讀同一批30個困難病例,其中15例為FHdRCC,另15例為其他腎癌。
加入AI後,醫師診斷準確率由60.0%升至73.3%,增加13.3個百分點;醫師之間的判讀一致性也提高,判讀時間則未顯著增加。然而,整體改善掩蓋了不同使用方式的差異:探索性分析將醫師分成較積極接受AI建議的14人,以及較審慎的7人,前者從正確建議獲得的幫助較大,也更容易接受錯誤建議。
兩組對錯誤AI建議的過度依賴指標中位數,分別為0.800與0.600。這反映自動化偏誤的風險:系統提供答案後,人可能順著它修改判斷。研究未發現AI接受傾向與醫師年資或次專科有顯著關聯,因而提出,診斷專業與有效使用AI可能是不同能力,教育訓練也應處理如何辨認與質疑錯誤建議。
這項結果仍有清楚的適用界線。判讀實驗只有單一機構的21名醫師、30個病例,AI答錯的病例僅5個,行為分組也屬探索性分析;病例中罕見癌占一半,更與日常診療的低盛行率相距甚遠。目前證據支持的是受控判讀環境中的輔助潛力,尚未證明能提高實際追加檢查率、提早確診或改善存活。走進臨床後,能否在提醒醫師與避免誤導之間取得平衡,仍須更大規模驗證。