AI助力破疲劳：规培医师肺结节检出更稳更高

【研究要点】

💡 聚焦痛点：对AI辅助软件在疲劳影响下，能否改善放射科规培医师肺结节识别表现进行系统评估。

📈 效能“反转”：结果显示，AI辅助不仅能把疲劳带来的不利影响完全抵消，还能让规培医师的检出敏感度达到并超过其正常状态水平。

🎯 临床价值清晰：在微小结节（<4mm）方面，AI辅助带来的检出率提升最为突出，增幅超过110%，为临床借助AI优化诊断质量与效率提供了直接依据。

在放射科，长时间且高强度的阅片属于常见工作模式，而疲劳引发的诊断偏差始终难以完全规避。对经验仍在积累阶段的规培医师而言，这种影响往往更加明显。那么，已经日益成熟的人工智能（AI）辅助诊断工具，是否能够成为应对疲劳并提升诊断准确性的有效“抓手”？大连大学附属中山医院放射科王亮、许迪、孙丹丹、伍建林、于晶团队与北京推想科技有限公司顾俊合作开展研究，通过严谨的前瞻性方案证实：在AI肺结节检测软件的协助下，疲劳状态下的规培医师不仅能“回到状态”，其肺结节检出表现甚至可超过正常时的自身水平。

题目：《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》

作者与机构：王亮, 许迪, 孙丹丹, 顾俊, 伍建林, 于晶。大连大学附属中山医院放射科（王亮、许迪、孙丹丹、伍建林、于晶）；北京推想科技有限公司（顾俊）

研究背景与目的：评估在人工智能肺结节检测软件辅助下，能否提升疲劳条件下放射科规培医师对肺结节的检出效能。

研究方法：前瞻性纳入182例患者胸部CT薄层影像。由一名放射科规培医师在三种阅片条件下完成判读：

正常状态下独立阅片（A组）

疲劳状态下（工作8小时后）独立阅片（B组）

疲劳状态下使用AI软件辅助阅片（C组）

以两位中级医师结合AI结果先行判断、一位主任医师最终裁定形成共识标准作为金标准。并对三组的敏感度及（患者）人均假阳性结节数进行对比。

核心结果：

金标准共确认1281个肺结节。

疲劳显著削弱效能：B组（疲劳独立）敏感度为40.36%，显著低于A组（正常独立）的46.21%；同时，人均误诊结节数也呈现更低水平（1.24 vs 1.63）。

AI辅助带来“逆袭”：C组（疲劳+AI）敏感度达到77.67%，显著高于B组与A组；其人均误诊结节数（0.91）在三组中最低。

小结节受益更明显：在直径<4mm的结节上，AI辅助对检出敏感度的提升超过40个百分点。

结论：疲劳会降低规培医师对肺结节的检测效能，而AI辅助软件能够显著提高其在疲劳状态下的检出表现，且甚至可达到高于正常状态的水平。

临床痛点：放射科医师面对的工作量较大，长时间阅片造成的视觉与认知疲劳，是导致诊断错误（尤其是漏诊）的关键因素之一。对诊断经验相对不足的规培医师而言，疲劳带来的影响更突出，并直接影响医疗安全与整体质量。

现有方法局限：既往主要通过轮班、休息等管理措施来缓解疲劳，缺少能够直接发挥作用的技术性辅助手段。虽然计算机辅助检测（CAD）系统已应用多年，但其在应对医师疲劳、提升规培医师诊断能力方面的具体效益仍缺少系统化验证。

AI机遇：新一代基于深度学习的AI肺结节检测软件，其检出敏感度与稳定性已被广泛证实，为协助临床判断（尤其是对状态波动更敏感的年轻医师）提供了新的技术路径。

本研究定位：本研究首次同时聚焦“疲劳状态”和“规培医师”这两个关键临床情境，采用前瞻性对照实验对AI辅助软件在真实工作压力下的诊断效能增益进行定量评估，为AI在放射科临床流程中的价值界定提供了关键证据。

1、 研究设计与数据集

数据