影像诊断是影像医生参与的综合复杂的信息处理过程，错误或延迟的诊断确实可能产生不良后果，但是人非圣贤，孰能无过，我们今天就要面对影像真实世界客观存在的问题：影像诊断中存在的偏差和错误。
影像诊断中的错误可以来源于两个方面：技术因素和人为因素。
技术因素包括影像设备、拍照**、阅片设备、阅片环境等因素，这些因素影响图像的分辨率，内在/外在对比，信噪比等。
人为因素占了更多的比例，本文把影像医生书写报告时可能出现的错误做了回顾，举了例子，希望每一位读过本文的影像医生，能够正确认识这些不可避免的错误，在未来的工作中更加出色！
01
影像错误包括哪些？
全世界每年的影像检查约10亿次，影像报告出错率约4%，也就是每年有4000万份报告存在错误和偏差。但需要指出，这里面有很多是影像专家有分歧的报告，无法经病理/尸检证实。当两位医生意见不一致时，保守来说可能至少一位报告者出现了“错误”。那么影像错误都包括哪些呢？
1.感观错误
感观错误，指的是病灶存在，但是医生没有看到，产生这种错误的原因有很多，包括图像质量不佳、报告者疲劳、读片工作量大节奏快、读片过程被打扰（电话、邮件、网络），还有被称作满意感的主观因素（发现一个病灶后就出现懈怠，没有认真寻找另外的病灶）。这是回顾性地观察，“事后诸葛亮”，对于初次报告的医生来说，这些病灶确实是“莫名其妙”地没看到。
其实这个是全世界的问题，可能出现在所有不同年资的医生身上，出现在所有类型的检查当中，单纯“责备”医生不能解决任何问题。下面就是现实世界一些影像错误的例子：
① 4岁男孩，前后位胸片，有经验的儿科影像医生，两次检查都没有发现吞咽进入食管的硬币，病史确实没有提供异物，医生以为这是“体外”衣物里的东西（见图1）。
② 69岁女性，怀疑
胰腺癌患者，医生在左图发现了边界不清、低强化的胰尾部占位，诊断为胰腺癌（见图2），但满足于此，漏诊了该患者胃部占位（见图3箭头）。
图2
图3
2.认知错误
认知错误，指的是发现了病灶，但对病变性质判断错误，导致诊断错误。可能由于知识不足、临床信息误导、先前报告结论误导等。
医生可能产生的认知偏差有以下几点
锚定偏差：就是读片中首先观察到明显的疾病而忽略了观察其他部位；
获得性偏差：近期做出的诊断可能会提高它在后续读片中出现的概率，同时很久没做过的诊断可能被忽视；
证实偏差：医生会努力寻找支持自己假设诊断的证据，而忽略不支持该诊断的证据；
结果偏差：医生会倾向对患者有更好预后的诊断；
“斑马”偏差：医生会对罕见的诊断产生犹豫，尽管有很多支持的证据。
举两个小例子：
① 你一定会认为左图（图4）中，A比B颜色深，但其实，通过右图（图5）可以发现，它们颜色是相同的。
② 50岁呕血患者（见图6），最初诊断根据轴位和冠状位CT提示为胃占位（箭头），然而手术提示为
肝癌，回顾图像，最大密度投影（MIP）提示该病变由肝左动脉供血（C图箭头）。
图6
当然还有其他常见的错误原因，在临床中应引起我们的重视（见下表）：
影像诊断中主要错误一览
（Kim and Mansfield分类系统）
02
这些错误没有办法避免吗？
以某些角度来说，是的。我的老师说，没发现病变就是没“用心”，我收到批评后也反思过自己。的确，有一部分是因为没有观察到，比如腹部CT出现骨病变，只关注了腹部，没有用骨窗观察骨。
但更多的影像视觉研究发现，漏诊不是由于视线没有观察到该部位，其实漏诊的部位眼光同样有停留，甚至还会反复停留，这也提示漏诊是多重因素导致的，涉及精神心理的复杂认知过程。就好像，我们不会记得早上上班路上见过的第三个路人穿什么颜色的衣服。
另外，疲劳严重提高了错误的发生率，研究指出每天书写超过20份断层报告错误发生率显著增加。但国内的医生，尤其是初级医生，每天工作量远高于此。短暂记忆困难也导致了错误的发生，先前发现病变，但结论没有指出，这样前后说辞矛盾也多是由于记忆出现偏差导致的。
03
我们需要什么样的条件？
除人为因素外，客观因素非常重要，需要完备的影像检查设备，标准的检查方法，严谨的后处理流程，才能够为影像医生最大限度地提供高质量的图像，这是读片的基础。就拿日常接触最多的平片来说，拍摄环境、拍摄设备质量、摆**决定了平片的质量。
下图（见图7）箭头所指均是拍摄机器出现的伪影，这些细线严重影响了影像医生的判断，因此我们非常需要可靠的仪器。
图7
下面我们一起来看一次标准的胸片拍摄流程：
注：DuraDiagnost F30是Philips智能16bit无线DR系统，能进行高智能图像采集、分析和存储，无需操作人员调节参数；采用纳米无线探测器既能直接生成并全程传输和存储16bit DICOM无损图像，又能满足所有体型患者，摆位方便，无位不至，稳定性高。
04
如何减少错误的发生？
既然错误和偏差无法避免，单纯责备影像医生对于解决问题没有任何帮助。那么该如何解决问题呢？
有学者建议医生用一些“技巧”来提醒自己，比如团队开发一些“清单”，在适当的地方显示，提示医生要注意哪些部位，观察哪些角度。或者采用半结构式的报告来提醒医生完全观察，避免遗漏，这些或许有所帮助。但很明显，也需要有经验的医生来进行主导、参与开发。发达国家的影像医生会定期组织错误分析会议，以尽可能总结经验，完善不足。
当然，未来会有更多的计算机辅助和人工智能工具帮助影像医生发现问题，提醒医生关注重点区域等等。相信随着时代进步，旧的问题会得到解决，影像也会迎来翻天覆地的变化。
发表于 2018-9-26 07:07
收藏
分享
淘帖
支持