CGP热点关注 | 人工智能胸部疾病辅助诊断系统在基层医疗机构全科医生诊断中的实效性评估

当前，我国基层医疗机构面临专业技术人员欠缺、设施设备滞后、资金投入不足等问题，影响了医疗服务的质量与效率。尤为突出的是，很多基层医疗机构在放射科、超声科等关键领域存在着医生数量不足的情况，甚至部分机构未配备相关专业医生，进一步加剧了基层医疗服务的压力，限制了服务能力的提升。因此，寻求更高效的诊疗方式成为难题，而不断发展的AI技术为基层医疗机构提供了新的解决思路。

本研究旨在通过实证分析，深入探讨在基层医疗机构使用胸部疾病辅助诊断系统（ADSC）对胸部疾病诊断的应用效果，重点评估其在提升全科医生诊断效率、准确性以及患者满意度方面的实际效果，以期为AI技术在基层医疗机构的推广和应用提供有力支持。

01 研究方法 

于2024年4月，在北京市东城区东花市社区卫生服务中心选取16名全科医生为研究对象，采用随机分组法，分为全科+AI组8名、对照组8名，同时纳入两组医生接诊的共100例需X光影像检查的呼吸系统疾病患者，每组各50例，全科+AI组采用ADSC识别X光影像，辅助全科医生做出疾病诊断，对照组按照常规流程诊治，记录两组医生所用时间并进行对比，将两组患者X光影像上传区域影像中心进行阅片审核，评估两组医生诊断准确性；对患者进行满意度调查，对两组医生进行ADSC使用体验评价。

02 研究结果 

两组全科医生和患者基线资料对比 

两组医生的性别、年龄、学历、职称比较，差异无统计学意义（P>0.05）；两组患者的性别、年龄比较，差异无统计学意义（P>0.05）。

诊断准确性

全科+AI组中，诊断结果正确48例（96%），诊断错误2例（4%）；对照组中，诊断结果正确36例（72%），诊断错误14例（28%）。两组患者诊断准确率比较，全科+AI 组诊断准确性高于对照组，差异具有统计学意义（χ2=9.003，P=0.0027）。

诊断即时性 

全科+AI 组用ADSC到得出最终诊断所需时间为（92.47±24.52）s， 对 照 组 时 间（249.31±56.46）s。全科+AI 明显短于对照组，差异有统计学意义（t=13.96，P<0.001）。如采用传统流程，通过等待区域影像中心反馈报告的时间为0.5~4h。

患者满意度

全科+AI组患者中，对检查非常满意者31例，满意者18例，不满意者仅1例，总体满意度为98%（49/50）；观察组患者中，对检查非常满意者24例，满意者18例，不满意者仅8例，总体满意度为84%（42/50），全科+AI组显著高于对照组（χ2=4.396，P=0.036）。

全科医生对ADSC使用体验评价 

由于使用ADSC系统的全科+AI组医生样本量较少，故培训对照组8名全科医生使用ADSC，共16名全科医生参与 ADSC 体验评价，结果15名全科医生对ADSC使用持肯定态度，≥80%的全科医生认为其在使用便捷性（81.25%）、诊断决策（93.75%）、专业知识助益（87.50%）、应用可行性（87.50%）方面具有意义，93.75%的全科医生对系统使用感到满意，并愿意继续使用该系统。

03 讨 论 

本研究结果显示：

（1）全科+AI 组的诊断准确性为96%，高于对照组的72%。ADSC基于深度学习模型进行诊断，能够利用大量训练数据学习专家经验，自动分析影像数据，快速生成诊断报告，有效减少人为错误，显著提高诊断准确性和诊疗结果的一致性。特别是在基层医疗机构中，全科医生对胸部影像的解读能力有限的情况下，ADSC 作为智能辅助诊断工具较好地弥补了这一不足。

（2）诊断时间从对照组的（249.31±56.46）s缩短至全科 +AI 组的（92.47±24.52）s，相较于通过区域影像中心反馈报告的传统流程（0.5~4 h）有大幅减少，表明利用ADSC快速诊断疾病，能使患者更快地获取治疗建议或方案，提高整体医疗服务效率，也能够对紧急医疗状况下全科医生的快速决策产生积极影响。

（3）患者满意度调查显示，全科+AI 组患者总体满意度 98%（49/50）高于观察组 84%（42/50），充分证明 ADSC有利于提升全科医生工作效率，减少患者因等待时间过长而产生的焦虑情绪，提升其对医疗服务的满意度和信任度。

（4）通过全科医生对ADSC使用体验评价反馈，大多数医生对ADSC持积极态度，认为其在便捷性、诊断决策、专业知识助益等方面提供了帮助，提高了医疗服务水平，与国际上医生对于AI辅助诊断的积极态度一致。另外，ADSC还能够提高医疗服务的可达性，使更多患者能够及时获得准确诊断，这对于偏远地区或医疗资源匮乏的地区尤其重要。

ADSC经济价值显著

（1）通过提高诊断效率和准确性，ADSC能够缩短患者等待时间，减少重复检查和误诊率，从而降低医疗成本；

（2）ADSC的使用还能够提高基层医疗机构的诊疗水平和服务质量，吸引更多患者前来就诊，增加医疗机构收入；

（3）考虑到ADSC的一次性投入成本和后续维护成本相对较低，其在基层医疗机构中的普及和推广具有较高可行性。

 ADSC仍需进一步优化

（1）需持续收集和分析基层医疗机构的诊断数据，不断优化ADSC的算法模型，以提高诊断效率和准确性；

（2）需加强计算机科学、医学影像学、临床医学等领域的跨学科合作，共同探索AI在医疗诊断中的新应用，推动医疗智能化的发展，为临床诊疗提供更加全面、精准的支持；

（3）需注重简化ADSC操作流程，提升用户体验；

（4）通过用户反馈机制，及时收集并响应医生的意见和建议，不断优化系统功能；

（5）在推广AI辅助诊断技术的同时，应积极构建相应的伦理与法律框架，确保技术的合法合规使用，保护患者隐私和数据安全。

ADSC局限性 

（1）本文样本量有限，可能影响结果的普遍性和代表性，之后研究需扩大样本量，以应对更加复杂和多样化的病例；

（2）ADSC的良好运行要有优秀的硬件、稳定的网络环境及持续维护，需要政策扶持和稳定的资金支持；

（3）医疗影像数据属于敏感信息，如何确保数据在传输、存储及处理过程中的安全性，是实施ADSC时必须考虑的问题；

（4）部分医生可能因对新技术不熟悉或担忧其准确性而持保留态度，需要提高医生对AI辅助诊断的信任度；

（5）全科医生在使用AI辅助诊断工具时，仍需保持对病例的独立思考和判断，避免因过度依赖AI而造成误诊、漏诊等情况。

小 结

综上所述，本研究通过探讨ADSC在基层医疗机构中的应用效果，发现其在提高全科医生对疾病诊断准确性、诊断即时性及提高患者满意度方面具有明显优势，全科医生也对其持积极态度，然而基层医疗环境中AI系统的实施仍面临诸多挑战，未来研究尚需继续探索AI技术在基层医疗中的有效整合和应用。此外，随着政策扶持力度的加大及标准化进程的加快，AI与医学影像的融合将进一步深化，为临床诊疗带来兼具高效与精准性的诊断内容。未来的AI将能有效提高现有诊断模式的效率，使优质资源能够无缝对接至基层，为全科医生提供更加全面的技术支撑，提升基层服务的质量与效率，推动整体服务体系的均衡化、智能化发展。

本文来源：方俊泽，高怀婷，邢素霞，等 . 人工智能胸部疾病辅助诊断系统在基层医疗机构全科医生诊断中的实效性评估［J］. 中国全科医学，2025. DOI：10.12114/j.issn.1007-9572.2024.0423.