论文部分内容阅读
第一部分人工智能临床决策支持系统与不同年资医生在Ⅰ-Ⅲ期乳腺癌辅助治疗决策中指南遵从情况的对比研究目的:本研究旨在评估人工智能临床决策支持系统和不同年资医生在Ⅰ-Ⅲ期乳腺癌术后辅助治疗决策中对临床指南的遵从情况。一方面,评估不同年资医生间的规范性诊疗的差异现状;另一方面,从规范化的层面评估人工智能临床决策支持系统的决策水平,从而明确其临床应用价值。方法:本研究共纳入Ⅰ-Ⅲ乳腺癌术后辅助治疗阶段患者531例,四个辅助治疗阶段共包含2124个独立决策点;决策医生包含高年资3名、中年资3名和低年资3名。纳入病例后,病例被随机分配给不同年资的医生进行二次审查并进行独立的前瞻性决策,形成“医生建议”。同时,分别由CSCO AI和CSCO BC指南专家组对相应的病例进行前瞻性决策,分别形成“CSCO AI建议”和“CSCO BC指南建议”。CSCO BC指南的治疗建议分为“推荐”和“不推荐”;其中“推荐”进一步分为“I级推荐”、“Ⅱ级推荐”和“Ⅲ级推荐”。“不推荐”则表示建议患者豁免相关治疗。当医生与指南均推荐相关治疗且医生方案与指南的“I级推荐”方案一致或医生和指南均不推荐相关治疗时,认为医生意见是符合指南的,其它情况均是不符合的。同样的,当CSCO AI与指南均推荐相关治疗且CSCO AI“I级推荐”与指南的“I级推荐”方案一致或CSCO AI和指南均不推荐相关治疗时,认为CSCO AI意见是符合指南的,其它情况均是不符合的。结果:1.总体上,医生的指南符合率为78.2%;高年资医生的指南符合率最高(83.6%),中年资医生和低年资医生的指南符合率稍低(分别为76.8%和74.3%);不同医生间符合率的标准差为7.4%,平均差值为9.4%。2.总体上,CSCO AI的指南符合率明显高于医生(97.5%vs.78.2%),符合率差值达19.3%。亚层分析显示,CSCO AI的指南符合率明显高于所有决策医生的表现。3.CSCO AI在不同医生病例组间的指南符合率的标准差为1.3%,平均差值为1.6%。对比发现,CSCO AI和医生相比,内部的诊疗差异较小;CSCO AI和医生间指南符合率的标准差之差达6.1%,平均差值之差达7.8%。4.总体上共有2.5%的案例发生了CSCO AI建议不符合指南的情况。绝大部分案例是由于治疗决策差异所造成的,并且主要集中在辅助化疗阶段(50.9%)和辅助内分泌治疗阶段(28.3%)。结论:1.在Ⅰ-Ⅲ期乳腺癌辅助治疗决策中不同年资医生间存在着较大的诊疗差异;与高年资医生相比,低年资医生和中年资医生的诊疗规范性水平有待进一步提高。2.CSCO AI具有远高于所有医生的诊疗规范性。3.和医生相比,CSCO AI在不同病例组间的诊疗差异较小,CSCO AI的决策水平较为成熟和稳定。4.结合合理的应用模式,CSCO AI有望作为一种高水平的辅助工具为医生提供即时的决策支持并对规范医生的诊疗行为产生积极的影响。第二部分人工智能临床决策支持系统对不同年资医生在Ⅰ-Ⅲ期乳腺癌辅助治疗决策中指南遵从情况的影响目的:本研究的目的在于进一步评估人工智能临床决策支持系统对医生治疗决策的具体影响,以及从专业指南的角度评估人工智能临床决策支持系统在提升不同年资医生诊疗的规范性水平和平衡不同医生间规范性诊疗差异上的综合表现。方法:本研究共纳入Ⅰ-Ⅲ期乳腺癌术后辅助治疗阶段患者531例,四个辅助治疗阶段共包含2124个独立决策点;决策医生包含高年资3名、中年资3名和低年资3名。纳入病例后,分别由CSCO AI和CSCO BC指南专家组对所有病例的辅助治疗进行独立决策,形成“CSCO AI建议”和“CSCO BC指南建议”。随后,病例被随机分配给不同决策医生进行二次审查,在医生做出独立的“初始决策”后将CSCO AI决策报告提供给决策医生,由医生决定对初始决策的更改或者保留并做出“最终决策”。CSCO AI建议和CSCO BC指南建议结构类似,均分为“推荐”和“不推荐”,其中“推荐”细分为“I级推荐”和“II级推荐”;“不推荐”则表示建议患者豁免相关治疗;特别的,CSCO BC治疗建议还包括有“III级推荐”。若“最终决策”与“初始决策”不同,则评估为决策改变。当医生与指南均推荐相关治疗且医生方案与指南的“I级推荐”方案一致或医生和指南均不推荐相关治疗时,认为医生意见是符合指南的,其它情况均是不符合的。结果:1.总体上,在参考CSCO AI提供的决策意见和证据后,共有10.3%(219/2124)的病例决策发生了更改。2.医生做出决策改变主要是受人工智能系统所提供的证据的强度和有效性的影响,这种情况发生在69.9%(153/219)的决策更改病例中。其中,57.5%(126/219)的病例是医生看到CSCO AI方案和证据后,考虑到CSCO AIⅠ级推荐意见证据更加充分而更改了决策并且接受CSCO AI意见。另外,尚有27.9%(61/219)的情况是由于医生错看或漏看重要病情信息造成的,在CSCO AI提醒下对原始病案进行了重新审查并对错误的初始决策进行了修正。3.研究显示,在医生对10.3%(219/2124)的病例决策进行修改后,所有医生的指南符合程度均获得了显著的提升;总体上医生的指南符合率由78.2%提升到了87.1%,符合率总体提高了8.9%。特别的,中年资医生和低年资医生在CSCO AI辅助下其指南符合率超过了高年资医生在没有CSCO AI辅助下的指南符合率(85.9%,85.0%vs.83.6%)。4.针对医生内部诊疗差异的分析显示,决策改变后医生间指南符合率的标准差由7.4%降为5.1%,降低了2.4%;平均差值由9.4%降为6.3%,降低了3.1%。结论:1.研究发现人工智能临床决策支持系统对临床医生的治疗决策具有显著的影响。总体上,在参考CSCO AI决策报告后,共有10.3%的病例决策发生了更改。2.CSCO AI为推荐的每一条治疗建议都提供了相关的临床指南依据、循证医学证据等治疗信息,可促进临床医生对相关治疗方案的思考和重新审查,是促使医生做出决策改变的主要原因;同时可促进临床医生对相关指南和循证医学证据的再次学习,有助于促进医生自身的学习和诊疗水平的提升。另外,可以提醒临床医生在繁忙的工作中及时发现诊疗中的明显失误并予以及时纠正。3.研究提示人工智能临床决策支持系统辅助临床医生共同决策是目前有效的应用模式,有助于提升整体临床医生诊疗的规范性,并且有助于平衡不同年资医生间的诊疗差异。4.未来尚需要深入评估人工智能临床决策支持系统对不同级别医院乃至不同医疗区域间的整体影响,探索最佳的临床实践模式。