人工智能辅助决策在冠状动脉造影患者选择上未能证明不劣于临床医生单独判断

Upton及其同事评估了由独立工作的临床医生或借助AI工具进行的冠状动脉造影转诊的适当性。主要结果差异未达到非劣效性边界，其他指标也未显示出显著差异。该研究的证据评级水平为1（优秀）。

研究概要：临床医生依赖于非侵入性影像学检查（如应激超声心动图）来评估疑似心脏病患者。然而，超声心动图的解读依赖于定性评估。Upton及其同事进行了一项随机对照试验（RCT），研究AI增强临床决策的能力。符合条件的疑似冠状动脉疾病（CAD）患者被盲法随机分配到标准决策组（对照组）或AI增强组（干预组），比例为1:1。在对照组中，患者根据临床医生的决定继续其治疗路径；在干预组中，超声心动图图像还由AI增强设备评估，该设备会告知临床医生患者是否有严重CAD的低或高概率。

主要结果是通过受试者工作特征曲线下面积（AUROC）、敏感性和特异性评估冠状动脉造影转诊的适当性。研究发现两组的AUROC未能达到预设的非劣效性边界；两组之间的敏感性和特异性也没有统计学上的显著差异。这项研究表明，在大量情况下，AI在增强应激超声心动图解释方面存在局限性。

深入研究：Upton及其同事从20个应激超声心动图中心招募了4,907名患者。符合条件的患者为被转诊进行缺血性心脏病调查的成年人，且没有重大合并症、严重心脏疾病或既往心脏手术史。所有患者在超声心动图后接受了6个月的随访。一个裁定委员会确定了冠状动脉造影转诊的适当性。真阳性被定义为需要血运重建的严重CAD患者，假阴性为6个月内发生的急性冠脉事件。患者对其组别分配不知情，裁定委员会也不了解应激超声心动图结果和AI报告。最终，有2,213名（94.53%）患者完成了随访。对照组的AUROC为0.55（95%置信区间，0.33至0.80），而干预组的AUROC为0.63（95%置信区间，0.43至0.83）。两组之间的差异为0.09（95%置信区间，-0.22至0.39），未达到预设的非劣效性边界-0.05。两组的敏感性和特异性也没有显著差异，前者差异为9.05（95%置信区间，-21.8至39.59），后者差异为-0.58（95%置信区间，-2.13至0.94）。然而，亚组分析发现在低容量应激超声心动图中心，AUROC差异显著，为0.25（95%置信区间，-0.02至0.62）。作者得出结论，AI增强并未显示出与标准决策相比有显著差异，但在低容量中心可能有助于决策。

(全文结束)