放射学人工智能实验室：实时评估 AI 对放射科医生工作流程的影响

为解决 AI 在放射学临床应用受限问题，研究人员开展 Radiology AI lab 研究，实现实时客观测量，意义重大。

　　# 放射学人工智能实验室：突破 AI 临床应用困境的新探索
在医疗科技飞速发展的当下，人工智能（AI）无疑是一颗耀眼的明星。在放射学领域，AI 同样展现出巨大的潜力，欧盟已批准超 200 种放射学 AI 应用 。然而，现实却有些骨感，这些 AI 应用在临床实践中的广泛采用仍然受到诸多限制。许多放射科医生反映，AI 工具并没有显著减轻他们的实际工作量。这背后的原因是什么呢？原来，目前对 AI 工具在放射科医生工作流程中所产生影响的理解并不充分，而且现有的 AI 评估大多依赖事后评价，像调查问卷之类的方式，无法捕捉放射科医生与 AI 应用实时互动的细节，导致工作流程整合、决策过程以及用户满意度等重要方面被忽视。

为了打破这一僵局，来自莱顿大学医学中心（Leiden University Medical Center，LUMC）等机构的研究人员开展了一项极具意义的研究，相关成果发表在《Journal of Imaging Informatics in Medicine》上。他们致力于打造放射学人工智能实验室（Radiology AI lab），希望能实现对 AI 应用影响放射科医生工作流程的实时、客观测量。

研究人员提出了用户状态感知框架（User-State Sensing Framework，USSF），该框架从个人、交互和情境状态三个维度，对放射科医生与 AI 的交互进行结构化感知。基于此框架，研究人员建立了 Radiology AI lab。在这个实验室里，他们运用了三种非侵入性生物测量技术：眼动追踪、心率监测和面部表情分析。这三种技术就像三个 “小侦探”，分别从不同角度收集数据，帮助研究人员全面了解放射科医生与 AI 应用的交互情况。

为了测试实验室的设置和各种生物测量设备的数据分析流程，研究人员进行了一项试点测试。他们邀请了 4 位不同经验水平的放射科医生，让他们在标准图像存档和通信系统（PACS）环境以及模拟 AI 标注的 PACS 环境中，阅读超低剂量（ULD）胸部 CT 扫描图像。这 4 位医生分别是有 4 年培训经验的住院医师、有 1 年临床实践经验且完成胸部影像 fellowship 的初级放射科医生、有超 10 年临床实践经验且经过胸部影像 fellowship 培训的高级放射科医生，以及有超 30 年临床实践经验且经过胸部影像 fellowship 培训的资深放射科医生。

在研究结果方面：

• 实验室搭建成果：Radiology AI lab 成功在莱顿大学医学中心的一个专用房间内建成，这里模拟了标准的临床放射学工作站，配备了各种设备，如眼动追踪器、心率监测手环和网络摄像头等，能够有效收集相关生物识别数据。
• 试点测试解读时间结果：4 位放射科医生在两种工作流程中阅读了 32 例 ULDCT 病例，标准 PACS 环境下平均阅读时间为 4.1±2.2 分钟，AI 标注的 PACS 环境下为 3.9±1.9 分钟，二者无显著差异（p=0.48） 。
• 眼动追踪指标结果：分析眼动追踪数据发现，除初级参与者的扫视数量外，其他参与者在使用 AI 标注的工作流程时，扫视持续时间、扫视数量、注视持续时间、注视数量和瞳孔直径等指标均发生了显著变化（p<0.02） 。这些变化与文献中提到的指标变化趋势一致，表明在 AI 辅助解读时，放射科医生采用了更高效的视觉搜索策略，认知负荷有所降低。
• 心率监测和面部表情分析结果：单独分析心率变异性（HRV）指标，没有发现显著结果。但结合面部表情分析，二者在试点测试中能够帮助识别关键事件。例如，当参与者意识到自己漏诊时，面部表情的效价会明显下降，同时 HRV 和眼动追踪数据也会出现相应变化。

从研究结论和讨论来看，Radiology AI lab 的建立意义非凡。它成功实现了 USSF 中的个人、交互和情境状态的测量，为客观分析放射科医生的工作流程提供了有力支持，有效捕捉了相关生物特征。不过，研究也存在一些局限性，比如实验室的设置在其他机构可能难以复制，实验环境与真实临床环境存在差异等。但这些不足也为未来研究指明了方向，后续研究可以进一步扩展对用户状态感知框架中情境状态的感知，完善基线测定，持续探索 AI 工具在放射学工作流程中的应用。

总之，这项研究为 AI 在放射学领域的应用开辟了新的道路，虽然目前还存在一些挑战，但随着研究的不断深入，有望为临床放射学带来更高效、更精准的诊断方式，让 AI 真正发挥出其在医疗领域的巨大价值。

关键技术方法

本研究主要采用了三种关键技术方法。一是眼动追踪技术，使用 Tobii Nano 眼动追踪器，安装在主显示器下方，用于追踪参与者的注视和捕捉各种与眼睛相关的指标，如注视持续时间、扫视持续时间等。二是心率监测技术，通过让放射科医生佩戴 Corsano Cardiowatch 287 - 2 腕带，记录心率、皮肤色调和温度等数据，进而计算心率变异性（HRV）。三是面部表情分析技术，利用安装在主显示器上的网络摄像头捕捉面部表情，借助开源面部表情分析工具箱 py - feat，从视频静态图像中计算效价分数和各种情感表情指标 。