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。