医学成像是医疗保健中使用最广泛的诊断工具之一，提供者每天为患者订购数十项成像研究。这些研究用于获取有关患者具有的某些症状或他们正在接受治疗的病症的信息，但经常有与研究的原始适应症无关的偶然发现。

虽然放射学报告中提到了偶然发现，但订购提供者通常不会注意到这些发现，因为他们专注于解决研究的原始意图。虽然其中许多发现是良性的，但有些可能会发展为恶性肿瘤，因此及时随访对于防止长期损害患者的健康至关重要。

对偶发诊断成像结果的延迟和错过随访是医疗保健中最多产的问题之一，它伤害了全国数百万患者并推高了成本。在全国范围内，医院和卫生系统每年花费约 4300 万美元来解决仅对肺部检查结果遗漏的诉讼。

这个问题是一个可预防伤害的案例研究：有一个记录在案但未被承认的发现可能会导致有意义的干预，但患者的疾病却不受控制地发展。”

Mozziyar Etemadi，医学博士，西北医学先进技术医学主任

认识到对患者安全和财务风险的严重威胁，西北医学动员了一个由放射学、质量、患者安全、流程改进、初级保健、护理、信息学和其他方面的成员组成的多学科团队来解决这个问题。该团队创建了一个利用人工智能 (AI) 集成到电子健康记录 (EHR) 中的系统，该系统运行在几乎所有在 11 家医院卫生系统中订购的成像研究中。需要时，人工智能会在 EHR 中触发警报，直接在预约医生的工作流程中清楚地显示结果和建议的后续行动。

一旦系统触发警报，它就会跟踪建议的后续发现的完成情况，以发现偶然发现和预期发现。如果未采取措施安排额外的成像或其他随访，则会发送另一个警报以防止延误护理并改善患者预后。

Northwestern Medicine 于 2020 年 12 月首次实施该技术以寻找肺部和肾上腺的发现，然后对其进行了一年多的前瞻性测试。该研究的结果今天发表在NEJM Catalyst Innovations in Care Delivery上，这是在临床实践中部署的 AI 工具的首批前瞻性研究之一。

Catalyst研究着眼于 2020 年 12 月实时实施 AI 系统后的一年数据。筛选了超过 460,000 项影像学研究，其中 23,000 项被标记为包含肺部随访建议，代表相关影像学发现肺部的发生率为 5%研究——这是每天需要跟进的 68 项发现。

“我们的数据显示了这些偶然发现在诊断成像研究中的普遍性，并进一步支持了寻找可扩展解决方案的必要性，”Etemadi 博士说。“我们的团队开发了一个电子健康记录 (EHR) 集成自然语言处理 (NLP) 系统，以自动识别需要跟进的放射检查结果。一旦确定，人工智能就会向医生和患者触发自动警报，以安排和跟踪建议的跟进完成-UPS。”