Protocol for a Multimethod Evaluation of AI-Based Colorectal Cancer Risk Prediction in an Emulated Primary Care Electronic Health Record Environment: Trust, Usability, and Diagnostic Decision-Making
这项多方法研究通过结合对诊断决策的定量评估以及关于信任度和可用性的定性访谈，评估了全科医生在模拟电子健康档案环境中如何解读并利用基于人工智能的结直肠癌风险预测，旨在为未来在常规初级保健中的前瞻性试验提供参考。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在家庭医生诊所那宁静却往往混乱的世界里，最困难的任务之一就是在疾病进入晚期之前发现特定类型的疾病。结直肠癌是一种影响大肠的疾病，由于其早期预警信号可能非常模糊，或者容易被误认为是较轻微的消化系统问题，因此在早期阶段经常被漏诊。虽然医生依赖于他们的专业训练和病历中提供的信息，但海量的数据和症状的细微之处使得早期检测成为一个持久的挑战。为了提供帮助，研究人员开始开发使用人工智能的计算机程序，通过筛选医疗记录，寻找可能在正式诊断前很久就发出危险信号的模式。这些工具有望充当“第二双眼睛”，凸显出人类可能会忽略的风险。然而，一个计算机程序的优劣取决于医生对它的信任程度以及对其理解程度。如果一个工具令人困惑，或者医生不知道如何解读它的建议，那么无论算法多么聪明，它都无法改善患者的护理。
这项研究旨在测试全科医生在安全、受控的环境下是如何与这类工具进行互动的。研究人员创建了一个模拟的一级护理电子健康记录，即医生通常存储患者笔记和检查结果的数字系统。他们收集了来自真实结直肠癌确诊患者的历史记录，并删除了所有姓名和个人细节以保护隐私。十名医生（包括经验丰富的专家和仍在接受培训的医生）受邀审查了四十到六十个这些去标识化的病例。医生们在处理这些记录时，仿佛是第一次见到这些患者，但他们并未被告知研究中的每一个人都已被诊断出患有癌症。这种设置让研究人员能够观察到，仅基于所呈现的信息，医生会产生什么样的怀疑并做出怎样的决定。
实验的设计目的是观察向医生展示计算机生成的风险评分是否会改变他们的想法。对于某些病例，医生只能看到标准的病史，包括症状、实验室结果和过往就诊记录。而对于其他病例，在显示相同记录的同时，还增加了一个功能：一个表示计算机计算出的结直肠癌风险百分比，以及导致该数值的具体因素列表。医生被要求说明他们是否怀疑癌症、怀疑程度有多强，以及下一步会怎么做，例如安排检查或将患者转诊给专科医生。他们还必须解释记录中的哪些症状或发现导致了他们的结论。在审查完病例后，每位医生都会进行一次私人访谈，讨论他们的体验，分享关于计算机预测是否感觉有用、可信或令人困惑的想法。
这项研究并没有测量患者是否痊愈，也没有测量该工具是否挽救了生命，因为在这一阶段并没有涉及真实的患者。相反，研究的重心完全在于过程中的“人为因素”。研究人员想要了解人工智能工具是否影响了医生的推理过程，它是帮助医生更准确地发现疾病，还是导致他们对自己判断产生了怀疑。通过比较医生在有计算机辅助与没有计算机辅助时的决策，团队可以识别出该工具如何融入临床思维的流程。访谈提供了更深层次的观察，揭示了医生是否觉得风险评分易于理解，以及他们是否认为该工具足够可靠，足以在实际诊所中依赖。
在研究报告时，所有十名参与其中的医生都已完成了审查和访谈，对其答案的分析工作正在进行中。研究人员指出，模拟环境运作良好，使他们能够在不危及患者安全的情况下测试该工具。他们发现，让医生审查病例并随后立即讨论想法的过程是切实可行且易于管理的。这项研究并不是关于这些计算机工具是否应该在每家诊所使用的最终定论，而是理解它们在进入现实世界之前如何运作的一个关键步骤。从这里获得的见解将帮助研究人员改进工具的设计，并为未来在实际基层医疗环境中测试该系统的更大规模试验做计划。最终目标是确保当此类技术被引入时，它能有效地支持医生，帮助他们更早、更准确地发现结直肠癌，同时无缝融入医生繁忙的日常工作中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。