摘要 依据 肺结节常在影像学检查中偶然发现，这需要有效的管理策略。Fleischner协会的指南概述了对结节的管理，但遵循程度不一，遗漏后续检查可能延迟癌症诊断。传统识别方法依赖国际疾病分类(ICD)编码，这捕捉了已被医疗服务提供者识别的患者。人工智能(AI) 可能改善意外肺结节(ILN)的检测和管理。与传统方法相比，基于AI的自然语言处理(NLP)平台可以从放射学报告中提取结节数据，提高检测率并支持管理。 方法 本中心的回顾性研究评估了2023年4月至2024年5月之间接受影像学检查的成年人。分析了两个组：AI前期(2023年4月至9月) 使用ICD代码识别结节的时段和AI后期(2024年10月至2024年5月) 使用基于NLP的AI平台(Thynk Health, Lexington, Kentucky)识别结节的时段。变量包括人口统计学信息、影像学地点和类型及管理情况。在AI后期，引入了一名肺结节导航员来追踪结果，与患者和提供者沟通，并协调后续检查。结果 在1098名患者中，该平台提高了ILN的识别率(228个AI前期vs 870个AI后期)。AI前期的检测主要发生在门诊影像学检查中(74%)，而AI后期扩展至住院(35%)和急诊部门(26%)。AI前期的管理包括转诊给肺病科(23%)、胸外科或介入肺病学(12%)、肿瘤学(4%)、序列影像学检查(56%)和无后续检查(5%)。AI后期的管理包括转诊给肺病科(7%)、胸外科或介入肺病学(6%)、肿瘤学(1%)、序列影像学检查(50%)和无后续检查(35%)。影像学检查到活检的中位时间在AI后期更长(120 vs 78天)，而影像学检查到治疗的时间间隔相似(129 vs 109天)。恶性ILN在AI前期占12%，而在AI后期占1.7%。 结论 基于AI的NLP平台在各医疗环境中增加了ILN的识别，但在后续和管理中表现出挑战。AI前期组通过ICD代码识别，更可能对发现进行积极管理，从而缩短了影像学检查到活检的时间。尽管ILN的识别增加，但癌症的检测或早期治疗并未增加，这表明单靠识别可能无法改善临床结果。后续努力受到系统性和保险障碍的限制，限制了对专科护理的获得。针对日益增加的数量，我们机构扩展了导航员角色，并制定了多学科协议以改善及时评估和结果。该摘要未获得资助。
Ploucher等人（周五）研究了这个问题。