《Radiography》:Patient perceptions of artificial intelligence in MRI reconstruction: A mixed methods study from a single NHS trust
编辑推荐:
摘要 引言:作为提高磁共振成像(MRI)容量的策略的一部分,英国政府资助在MRI扫描仪上购买制造商人工智能(AI)MRI图像重建软件。其目标是在不损害图像质量的情况下缩短扫描持续时间,并已在英国临床MRI扫描仪上广泛安装。方法:这是一项混合方法研究,先使用问卷
摘要 引言:作为提高磁共振成像(MRI)容量的策略的一部分,英国政府资助在MRI扫描仪上购买制造商人工智能(AI)MRI图像重建软件。其目标是在不损害图像质量的情况下缩短扫描持续时间,并已在英国临床MRI扫描仪上广泛安装。方法:这是一项混合方法研究,先使用问卷量化意见,随后由应答者组成焦点小组,进一步探讨其对技术问题的看法。研究评估了患者对使用AI进行MRI图像重建以缩短采集时间的看法,以及对其MRI诊疗路径中更广泛使用AI的看法。结果:研究参与者更偏好改善图像质量而非更快采集时间。如果使用AI缩短采集时间,他们认为只有在能够确认图像极其准确时才应使用。对于在未说明准确性的情况下使用制造商AI软件进行图像重建,他们感到不安,并希望被告知MRI中AI的使用。结论:许多参与者认为,制造商AI软件用于MRI图像重建只有在证明高准确性、且训练数据能代表患者人群以避免加剧健康不平等时才可使用。制造商目前未提供这些信息,这使患者代表感到担忧。实践启示:对AI图像重建软件进行本地验证可能使患者对其使用更有信心。AI患者信息材料应易于获取并讨论准确性,放射技师可接受培训以帮助告知和安抚患者。应与MRI所有临床利益相关者接触,了解其对AI的看法以及应如何实施制造商AI软件。
该研究由 A. Peplinski 等开展,关注患者对人工智能(AI,artificial intelligence)用于磁共振成像(MRI,magnetic resonance imaging)图像重建的认知。研究背景是:国家健康服务体系(NHS,National Health Service)的MRI等待时间较长,约1/5患者等待超过六周,可能造成压力、焦虑、病情恶化或治疗延迟;仅靠增加扫描仪或人员提高容量成本高,因此缩短单次扫描时间具有吸引力。MRI典型扫描约30–40 min,分辨率越高耗时越长。英国政府资助在MRI扫描仪上购置制造商AI图像重建软件,如Deep Resolve (Siemens)、Air Recon DL (GE Healthcare)和SmartSpeed (Philips),目标是在不损害图像质量的前提下缩短扫描时间,并已广泛安装。问题在于制造商未完整公开算法和训练数据,准确性及对患者人群的适用性存疑;AI重建直接改变用于决定患者路径的图像;患者对此的观点尚不清楚,既往研究未探索患者对AI用于MRI图像重建的看法。由于实施成功依赖包括患者在内的利益相关者信任和接受,研究旨在了解患者对AI在MRI路径中应用的看法、信任、接受和决策因素,为改善患者信任与接受提供依据。
研究采用解释性序贯混合方法设计,以定性描述为重点。第一阶段使用自行开发的26项问卷,由MRI Physics团队与Trust Research Engagement Team联合开发,并以简单英语试点优化;问卷未正式验证。第二阶段开展两个半结构视频焦点小组,采用非引导性投票和测验,录音并自动转录。参与者经Trust的患者与公众参与和参与(PPIE,Patient and Public Involvement and Engagement)渠道及等待区海报,以便利抽样结合目的性元素招募,来源为与Barts Health NHS Trust相关的患者代表及当地人群;问卷37名,焦点小组17名(10名和7名)。定量资料以计数和百分比描述,Likert量表反应按分类变量处理,未做推断统计;定性资料采用Braun and Clarke主题分析;解释阶段进行混合方法整合。可信度通过三角验证、同行汇报和反思性讨论评估;词云用Flourish生成。
研究结果:Participant characteristics(参与者特征):通过问卷人口学资料、MRI体验评分和焦点小组子样本描述得出,28/37名问卷应答者提供人口学信息,年龄23–84岁、中位48岁;19%报告残疾;74%邮编位于Trust医院直接服务区,87%位于London,26%来自Trust服务区外;种族为亚洲42%、白人35%、黑人15%、其他8%,与East London人群有代表性,宗教分布类似但穆斯林比例更高;MRI扫描次数0–10+,体验多样;58%至少基本理解AI,22%曾与使用AI的医疗服务互动。General perceptions of AI in healthcare(对医疗保健中AI的总体认知):通过问卷词云/定量与焦点小组定性得出,AI被视为可加快医疗、改善患者结局、提高准确性、减轻NHS负担、早期发现疾病和作为“第二意见”;担忧集中在决策和照护缺乏人类参与、应始终人工检查、加剧健康不平等、偏见和系统故障;61%认为存在伦理考虑或风险,最常见为准确性、缺乏人际互动或经验、偏见;焦点小组确认并联系到人类监督需求。Conditional acceptance of AI in MRI: importance of human oversight(对MRI中AI的有条件接受:人类监督的重要性):通过问卷场景题与焦点小组得出,患者接受是有条件的,依赖临床医生监督,AI应支持而非替代临床决策;对AI做决定或无医生监督有担忧;焦点小组扩展至临床监督和劳动力去技能化担忧。Prioritisation of image quality over speed of acquisition(图像质量优先于采集速度):通过问卷和焦点小组解释AI重建后的投票得出,问卷对AI缩短扫描时间积极但担心图像质量代价;焦点小组中77%愿花更多时间获得更详细图像,23%选择更短且同等细节的MRI。Transparency and communication around the use of AI in MRI(MRI中AI使用的透明度与沟通):通过问卷和焦点小组得出,主要担忧制造商软件准确性,希望保证并说明,有人希望“99.9% accurate”;对不披露训练数据感到不可接受;希望被告知AI使用,尤其AI做诊断决策或图像分析支持医生时,最高比例希望无监督诊断被告知;信息提供方式44%希望预约时给传单、33%随预约信寄送、11%由医疗专业人员面对面解释;最初偏好患者选择,讨论后倾向由医疗专业人员决定;担心未知训练数据和算法,希望训练数据代表患者人群,最担心进一步/固化健康不平等;71%愿意接受AI使图像更好的MRI,7%不愿意,21%不确定;透明、清晰解释和临床验证可增加信心。
讨论部分总结:讨论指出,该Trust患者对MRI中AI态度多样但总体积极,与Rainey et al.和Arkoh et al.等关于放射技师和放射科医生观点一致;Rainey et al.发现放射技师希望AI减少工作量并增加患者照护时间,Arkoh et al.发现放射技师和放射科医生乐观但AI素养低需解决,且放射科医生担心准确性和偏见。本研究首次专门考察患者对AI用于MRI图像重建的认知,发现患者偏好图像质量而非扫描时长、透明度和训练数据塑造信任,这与临床实施聚焦容量和患者吞吐量形成矛盾。教育、透明和本地验证重要;患者最初偏好选择,讨论后认为医疗专业人员应决定,77%愿意个人使用;应从采购点监测接受度。患者中心材料应含AI工作原理摘要、疗效和医疗专业人员建议;放射技师应培训;放射技师、放射科医生和物理师可本地验证软件,该Trust已在肌肉骨骼MRI实施。可转移至NHS影像部门及相似人群,AI用于扫描优先和临床医生辅助诊断的接受度及准确性临床验证担忧可转移至更广区域,AI重建担忧也适用于计算机断层扫描(CT,computed tomography)和正电子发射断层扫描(PET,positron emission tomography)。局限性包括便利抽样自选择偏倚、问卷未正式验证和信度测试、焦点小组投票测验可能影响回答、主持人MRI物理师可能影响、年龄分布可能不代表服务使用者、探索性设计和小样本限制推断比较。
研究结论(翻译):在本Trust中,患者对MRI中的AI总体持积极看法,人类监督是维持患者信心的关键。患者更希望AI成为提高诊断质量的工具,而不是增加NHS容量的工具。然而,在准确性、健康不平等和缺乏人类监督方面仍存在担忧。对MRI中AI使用的完全透明至关重要,尤其是MRI图像重建,因为关于性能和训练数据的信息可能有助于信任和采用。围绕AI使用的沟通策略应侧重于清晰且可获取的信息,并强调尽量减少健康不平等。