《Nature Medicine》：AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial
编辑推荐：
本研究针对英国NHS肺癌诊断路径中胸片(CXR)至CT等待时间过长的问题，通过多中心随机对照试验评估AI优先排序对肺癌诊断时效性的影响。结果显示，在97,731例CXR中，AI优先组(n=45,987)与常规组(n=47,339)的中位CT等待时间均为53天(几何均数比0.97,95%CI=0.93–1.02,P=0.31)，肺癌确诊中位时间分别为44天与46天(P=0.84)。研究表明单纯AI优先排序无法加速肺癌诊断路径，提示需结合即时影像师判读等流程改造。
在英国，肺癌导致的癌症死亡人数居首，患者常因晚期诊断或症状期过晚而错过最佳治疗时机。尽管国家肺癌优化诊疗路径(NOLCP)建议异常胸片后72小时内完成CT检查，现实中英格兰地区胸片报告中位时间达2天，CT等待中位时间15天，远低于标准要求。面对每年超700万次的胸片检查量，放射科医师与技师长期短缺，AI辅助诊断被视为破局希望——通过优先处理可疑影像加速诊断。然而，英国国家卫生与临床优化研究所(NICE)指出，现有证据不足以支持AI临床应用，LungIMPACT研究成为关键验证依据。这项由多中心团队开展的大规模随机对照试验，首次系统评估AI优先排序对肺癌诊断路径的实际影响，成果发表于《Nature Medicine》。
研究采用前瞻性多中心随机对照设计，在5家NHS信托医院纳入97,731例初级保健转诊的胸片检查，按日期分层随机分配至AI优先组(45,987例)与常规组(47,339例)。使用qXR v4.0深度学习算法(CE认证IIb类)进行29类影像特征分析，通过云端处理返回标记图像。主要终点为胸片采集至CT检查及肺癌诊断的时间差，次要终点包括紧急转诊数、癌症分期等。统计学采用对数转换t检验比较几何均数，kappa值评估AI与放射报告一致性，由独立统计师盲法分析。
Descriptive statistics and consort diagram
研究纳入93,326例有效胸片(排除4,405例数据异常)，覆盖莱斯特大学医院(54%)、诺丁汉大学医院(15%)等五家机构，平均年龄59岁，男性占46%。CONSORT流程图清晰展示分组情况，AI优先组与常规组的基线特征均衡。
Primary outcomes
两组中位CT等待时间均为53天(IQR 17–145 vs 19–141)，几何均数比0.97(95%CI 0.93–1.02,P=0.31)；肺癌确诊中位时间44天 vs 46天(IQR 26–90 vs 24–105)，几何均数比0.98(95%CI 0.83–1.16,P=0.84)。亚组分析(按中心、季度、性别)均未显示显著差异。
Secondary outcomes
紧急转诊(2WW)中位时间14天 vs 15天(P=0.13)，治疗启动时间76天 vs 72.5天(P=0.99)，癌症分期分布无差异(P=0.34)。28,261例(30.3%)AI与放射报告不一致，经专家复核发现6,750例(23.9%)需干预病灶。AI对结节类异常的假阳性率11.6%，假阴性率中"其他"和心脏肥大类别占比超50%。
Post hoc analyses
当放射科与AI报告均正常时，癌症确诊中位时间达177天，显著高于双阳性组的38天(P<0.001)。放射正常/AI异常组中53例癌症中位确诊106天，提示AI可能识别被忽视的早期病变。符合NOLCP标准的72小时内CT仅477例(0.5%)，凸显路径执行困境。
讨论与结论
这项迄今最大规模的AI胸片优先排序研究显示，尽管AI使报告时间从47小时缩短至34.1小时，但未显著改善CT等待或确诊时间。关键发现在于：单纯技术叠加无法突破系统瓶颈，需结合即时影像师判读等流程再造。研究同时揭示AI假阳性可能加重工作负荷，而放射正常/AI异常组的延迟诊断现象值得警惕。局限性包括单AI产品验证、未评估"无AI"对照等。该结果为NICE指南制定提供I级证据，明确当前AI部署不应包含工作列表优先功能，未来需区分路径改革与AI本身的独立效应。正如研究者Callister所言："AI不是银弹，但它是拼图的重要一块——我们需要重新设计整个诊断拼图。"
