研报速递点击标题下「蓝色微信名」可快速关注
来源：Woznitza N, Smith L, Rawlinson J, et al. AI-basedchest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial[J]. Nature Medicine, 2026, 32: 1737–1744. DOI: 10.1038/s41591-026-04253-5.
发表于Nature Medicine的LungIMPACT是一项前瞻性、多中心随机对照试验，探讨了人工智能（AI）驱动的胸部X线检查（胸片）优先排序能否缩短从胸片检查到CT检查及肺癌确诊的时间。该研究主要关注的并非AI能否识别胸片异常，而是一个更接近临床的问题：当AI提示异常并调整影像科阅片顺序后，能否让后续检查和确诊更及时？
如今AI已可辅助识别肺结节、肺门异常、胸腔积液等多种胸片异常。一种直观的应用方式是：检查完成后AI即刻分析，遇到疑似异常就把胸片提升至阅片列表前列，供报告人员优先阅片。这可能缩短报告等待时间，让CT检查和肺癌诊断提前。但这一推断的前提为：阅片等待是可干预的延误环节，且下游诊疗能够及时衔接。
该场景下，肺癌诊疗可能涉及多个环节：胸片→影像报告→临床医生判断→CT申请、预约与检查→专科评估→病理诊断与分期→治疗。AI优先排序主要改变前端的阅片顺序，CT预约、专科转诊依旧依赖医生决策与医疗系统效率。“算法识别异常”和“患者更快得到诊断”，实际上是两个不同层级的问题。
该研究在英国5家NHS医疗信托机构开展，以检查日为单位随机分配是否开启AI优先排序。研究分析了93 326次由基层医疗机构申请的胸部X线检查，涉及86 945例患者。其中，45 987次检查进入AI优先排序状态，47 339次处于常规排序状态。两组阅片时都可以看到AI分析结果，区别在于：前者在AI提示异常时将检查提升至工作列表前列，后者则维持原有工作列表顺序。也就是说，这项试验不是比较有无AI，而是测试AI驱动的工作列表优先排序（worklist prioritization）能否带来额外临床获益。研究的两项共同主要终点是胸片至后续CT检查的时间，以及胸片至肺癌确诊的时间；同时评估转诊、治疗、肺癌分期和AI与放射科报告的一致性等。
研究结果显示，AI优先排序组胸片检查至报告的中位时间为34.1小时，对照组为47.0小时（P<0.001），缩短约13小时，但主要诊疗时间终点未见显著改善。在有后续CT数据并纳入分析的13 347例中，两组胸片至CT的中位时间均为53天（P=0.31）；最终确诊肺癌558例，AI优先排序组胸片至确诊的中位时间为44天，对照组为46天（P=0.84）。紧急转诊时间、治疗启动时间及确诊时肿瘤分期的组间差异均无统计学意义。
这些结果提示，在本研究条件下，报告等待时间的缩短未转化为可检出的下游诊疗提速；“差异无统计学意义”并不等于证实两组效果完全相同。还需注意，53天来自所有纳入分析的后续CT，其中部分检查可能与最初胸片无关，不应等同于肺癌患者的CT等待时间。限制在胸片后14天内完成CT的2 766例中，两组中位时间均为8天，差异仍无统计学意义。AI优先排序本身并不保证即时阅片或自动启动后续检查。下游预约和转诊能力可能限制前端提速的作用，但具体原因仍需进一步研究。
该团队既往开展的单中心radioX试验（https://doi.org/10.1136/thorax-2022-219210）采用了更直接的流程干预：在患者离开影像科前即时报告，并向胸片提示可疑肺癌者提供同日CT。该试验的干预不涉及AI，肺癌确诊的中位时间由常规报告组的63天缩短至干预组的32天（P=0.03）。两项研究共同提示，识别异常只是起点，临床获益还取决于后续诊疗能否及时衔接。
在中国，如何理解这项研究？
LungIMPACT的研究场景具有英国基层医疗特点：由基层医生申请胸片，再根据影像结果和临床风险决定是否进入CT及肺癌诊疗路径。这属于诊断路径研究，不能与面向高风险人群的肺癌筛查直接比较。我国《肺癌筛查与早诊早治方案（2024年版）》推荐高风险人群采用低剂量螺旋CT筛查，不推荐胸片用于肺癌筛查。将本研究结论用于我国时，应结合不同地区、医疗机构的就诊路径和实际等待时间评估，不能笼统认定胸片阅片排队不是瓶颈。
本研究结论也不能直接外推至时间敏感急症或其他影像检查。对于急症，AI优先排序能否加快必要处置、改善患者结局，需要结合具体病种和诊疗流程另行验证。AI优先排序的价值，必须结合疾病的时间敏感性与医疗系统本身的瓶颈来评判。
LungIMPACT带给我们的启示，并不是AI无效，而是医疗AI评价不能只看算法识别性能。需要考察的转化链条包括：AI输出→医生行为与临床决策→诊疗流程→患者结局。如果关键环节未能衔接，算法性能的改善就可能难以转化为患者获益。本研究仅检验了一种AI产品在特定诊疗流程中的优先排序功能，其结果不宜泛化至所有医疗AI应用，也不能用于判断其生存获益。
未来数字医学研究，需要回答：AI对准了哪一个临床瓶颈？能不能真正改变医生行为？改变能否传导至患者结局？这也是本项研究留给医疗AI领域的重要启示。
（编译：胡斌）
胡斌
南京大学医学院临床医学博士，2026年“中国科协青年科技人才培育工程博士生专项计划”入选者，主要从事心脑血管人工智能临床转化研究。主持国家自然科学基金青年科学基金（C类）项目，在The Lancet Digital Health、Science Bulletin、Radiology: Artificial Intelligence等国内外期刊发表SCI论文7篇，相关论文获评2025年江苏省自然科学百篇优秀学术成果论文。
审稿专家丨盛斌（上海交通大学）
编辑丨韩丹
审核丨王丽（初审） 齐文安（终审）
杂志介绍
《数字医学与健康》（CN 10-1909/R，ISSN 2097-3349）是由中国科协主管、中华医学会主办的多学科交叉性学术期刊。本刊已被中国学术期刊数据库（万方数据）、《中国科技期刊引证报告（扩刊版）》、中国生物医学文献数据库、中文科技期刊数据库(维普网)、中华医学期刊全文数据库收录。
办刊宗旨：聚焦国内外数字医学和健康领域的最新发展方向，刊载数字医学和健康领域的新理论、新技术、新方法，打造学术与技术的交流与合作平台，助力“健康中国”战略。
报道范围：国内外数字医学和健康领域前沿进展；数字和信息技术在公共卫生、疾病预防、健康管理、精准医疗、辅助决策、药物研发、临床科研、行业治理、医院管理、医学教育、医疗保险、数据管理及安全等领域的应用；医学和健康与现代信息学等相关学科交叉领域的新理论、新技术、新观点等；数字医学和健康领域的国家政策和法规、行业标准和共识、循证指南、伦理要求及产业信息。
主要栏目：述评、专家笔谈、指南与共识、标准与规范、论著、研究方法与报告、综述、产业研究、医学科幻、技术介绍与评估、医学人文、伦理与监管、讲座、文献速览等。
总编辑：王振常
编辑部主任：齐文安
编辑部地址：北京市西城区东河沿街69号405室，邮政编码：100052。
联系电话：010-51322158，Email：dmh@cmaph.org。
更多阅读：
发表评论
发表评论: