AI生成风险预测对乳腺影像临床决策的影响及不同培训阶段住院医师的自动化偏见研究

《Diagnostics》:The Influence of Large Language Model-Generated Artificial Intelligence Risk Estimates on Clinical Decision-Making in Breast Imaging: A Simulation-Based Study

【字体: 大 中 小 】 时间:2026年10月08日 来源:Diagnostics 3.8

编辑推荐:

   摘要 背景/目的:大语言模型(LLMs)越来越多地被用作放射学中的决策支持工具,然而其对临床决策的影响仍然令人担忧。本研究评估了人工智能(AI)生成的恶性风险预测如何影响乳腺影像中的临床决策,并评估了不同培训阶段的放射科住院医师中的自动化偏见(AB)。方法:在这项基于模拟

  

摘要

背景/目的:大语言模型(LLMs)越来越多地被用作放射学中的决策支持工具,然而其对临床决策的影响仍然令人担忧。本研究评估了人工智能(AI)生成的恶性风险预测如何影响乳腺影像中的临床决策,并评估了不同培训阶段的放射科住院医师中的自动化偏见(AB)。方法:在这项基于模拟的研究中,20名住院医师审阅了由ChatGPT-4 Turbo生成的15个合成乳腺影像病例的放射学报告,每个病例以一致或不一致的形式呈现。参与者根据其是否完成乳腺影像轮转培训被分为两组,并对每个病例进行评分、推荐管理方案,并评估其对AI风险预测的信心程度。采用广义估计方程(GEE)分析诊断准确率和自动化偏见的独立预测因素,以考虑阅片者水平的聚类效应。结果:在AI输出不一致的病例中,总体管理准确率显著降低(p = 0.008)。BI-RADS准确率也呈现相似但无统计学意义的下降趋势。虽然高年资住院医师无论AI输出是否一致都保持了较高的管理准确率,但低年资住院医师在不一致病例中显著下降(77.3% vs. 45.3%;p = 0.006)。这种下降在低年资住院医师的恶性病例中最为严重,准确率从92.0%降至48.0%(p < 0.001)。在多变量GEE逻辑回归模型中,培训水平是自动化偏见的唯一独立预测因素(OR: 0.09,95% CI: 0.03–0.28,p < 0.001)。结论:在这项模拟研究中,乳腺影像中的高级临床培训与较低的自动化偏见易感性相关,但仅凭培训水平不太可能成为充分的保障措施。安全地整合AI工具需要初级受训者保持警惕,同时还需实施系统层面的措施,如模型透明度和机构监督。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号