人工智能辅助软件可提升疲劳状态下放射科规培医师对肺结节的检测效能

王亮，许迪，孙丹丹，顾俊，伍建林，于晶

近几年来，国内外学者越来越关注医疗差错、疲劳等因素在医学诊断和治疗等方面产生的影响，尤其是在放射领域。在放射医师中，回顾性分析发现首诊错误率(假阳性和假阴性)高达约30%[1]，其中疲劳所致的诊断错误占有相当高的比例。随着CT薄层图像技术的广泛应用，图像负荷骤然增加，导致放射科医师工作量及工作时长日益增长。近年来人工智能技术发展迅速，基于人工神经网络的智能计算机辅助诊断系统已逐渐嵌入临床工作流程之中[2]，尤其以基于深度学习的肺结节检测软件的表现更为抢眼。人工智能辅助肺结节检测系统作为放射科医师的“密友”，有助于提高对肺结节的检出率和准确性[3]。国内外众多学者对不同的类似软件及模型在辅助临床工作中的价值和限度等进行了深入研究和分析，但少有学者研究其对疲劳状态下放射科医师工作效能的影响。目前放射科处于一线诊断工作的医师绝大多数为规培医师。本文旨在探究AI辅助软件能否提高疲劳状态下放射科规培医师在临床工作中对肺结节的诊断效能。

材料与方法

1.临床资料

前瞻性将2019年1月1日-1月10日在本院使用2代炫速双源CT行胸部CT检查的200例患者纳入观察。图像纳入标准：①深吸气后屏气状态下连续扫描图像；②无金属伪影、呼吸伪影等原因导致的CT图像质量不佳；③无肺炎、肺不张和胸腔积液等病变而影响病灶的确认及标注者；……