Priorytetyzacja rentgenów klatki piersiowej oparta na AI w ścieżce diagnostycznej raka płuca: randomizowane badanie kontrolowane LungIMPACT

Dlaczego to badanie ma znaczenie dla pacjentów

Rak płuca jest jednym z najgroźniejszych nowotworów częściowo dlatego, że bywa wykrywany późno. Wiele osób liczy, że sztuczna inteligencja szybko wskaże niepokojące zdjęcia rentgenowskie klatki piersiowej, dzięki czemu pacjenci szybciej otrzymają potrzebne badania i leczenie. To duże badanie sprawdzało, czy wykorzystanie AI do przesuwania podejrzanych zdjęć na początek kolejki w brytyjskim NHS rzeczywiście przyspieszy rozpoznanie raka płuca. Odpowiedź daje ważne sprostowanie oczekiwań dotyczących codziennego zastosowania AI w opiece zdrowotnej.

Jak zwykle wykrywa się raka płuca

Dla wielu osób pierwszym krokiem w kierunku rozpoznania raka płuca jest rentgen klatki piersiowej zlecony przez lekarza rodzinnego. Jeśli zdjęcie wygląda nieprawidłowo lub pacjent należy do grupy wysokiego ryzyka, powinien zostać skierowany szybko na dokładniejsze badanie—tomografię komputerową (TK)—i do specjalistów. Krajowe wytyczne w Anglii zalecają, aby TK odbył się idealnie w ciągu trzech dni od podejrzanego zdjęcia rentgenowskiego, ale obciążenie aparatów i personelu często powoduje opóźnienia. Te oczekiwania mogą pogarszać rokowanie i powodować duży niepokój u pacjentów, którzy nie wiedzą, czego się spodziewać po wynikach.

Co miała robić sztuczna inteligencja

Badacze przetestowali program AI analizujący zdjęcia rentgenowskie klatki piersiowej natychmiast po ich wykonaniu. W niektóre dni, jeśli AI uznało zdjęcie za podejrzane, przypadek był przesuwany na początek listy zleceń radiologii do szybkiej oceny przez człowieka. W inne dni oznaczenia AI były nadal widoczne dla personelu, ale nie było specjalnej priorytetyzacji. W badaniu uwzględniono ponad 93 000 zdjęć od prawie 87 000 dorosłych pacjentów w pięciu grupach szpitali NHS. Główne pytania dotyczyły tego, czy priorytetyzacja przez AI skraca czas do TK i do potwierdzonego rozpoznania raka płuca w porównaniu z rutynową praktyką.

Co badanie faktycznie wykazało

Mimo skali badania priorytetyzacja przez AI nie przyspieszyła kluczowych etapów ścieżki diagnostycznej raka płuca. Wśród ponad 13 000 osób, które miały TK, typowy czas oczekiwania od zdjęcia rentgenowskiego do TK wynosił 53 dni niezależnie od zastosowania priorytetyzacji AI. Wśród 558 osób z rozpoznanym rakiem płuca mediana czasu od zdjęcia do rozpoznania wynosiła około półtora miesiąca w obu grupach. Nie zaobserwowano też istotnych różnic w szybkości pilnych skierowań, rozpoczęcia leczenia ani w stadium wykrycia raka płuca. AI skróciło czas od wykonania zdjęcia do otrzymania pisemnego raportu, ale ta redukcja nie była na tyle duża, by wpłynąć na dalszy przebieg opieki nad pacjentami.

Co AI zrobiło dobrze, a co źle

Zespół dokładnie przeanalizował przypadki, w których AI i czytający je ludzie się nie zgadzali. Takie rozbieżności występowały w około jednym na trzy zdjęcia. Eksperci ocenili, że w prawie jednej czwartej tych niezgodnych przypadków znajdowały się istotne zmiany wymagające jakiejś reakcji, w tym wiele późniejszych rozpoznań raka. Ogólnie AI wykrywało większość nowotworów przedstawiających się jako wyraźne zacienienia, ale generowało też znaczną liczbę fałszywych alarmów i nie wykryło niewielkiej części nowotworów, zwłaszcza subtelnych guzków. Te dodatkowe kontrole mogą zwiększać obciążenie pracą dla już zajętego personelu i prowadzić do zmęczenia powiadomieniami (alert fatigue), gdzie częste ostrzeżenia z czasem zmniejszają czujność pracowników.

Co to oznacza dla przyszłości AI w klinikach

Główne przesłanie tego badania jest takie, że samo użycie AI do przestawiania zdjęć na liście raportów nie przyspiesza rozpoznania raka płuca w ramach już istniejącej ścieżki opieki. Potencjalne korzyści z szybszych analiz komputerowych ograniczają rzeczywiste wąskie gardła, takie jak dostępność aparatów TK i przepustowość poradni. Autorzy wnioskują, że narzędzia AI do analizy zdjęć rentgenowskich nie powinny być wdrażane wyłącznie w celu priorytetyzacji list zadań w takim kontekście. Zamiast tego przyszłe działania powinny koncentrować się na tym, jak AI można połączyć ze szerszymi zmianami w ścieżce diagnostycznej — na przykład decyzjami tego samego dnia i łączeniem badań — oraz jak najlepiej wspierać, a nie zastępować, staranną ocenę ekspertów.

Cytowanie: Woznitza, N., Smith, L., Rawlinson, J. et al. AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial. Nat Med 32, 1737–1744 (2026). https://doi.org/10.1038/s41591-026-04253-5

Słowa kluczowe: rak płuca, rentgen klatki piersiowej, AI medyczna, ścieżki diagnostyczne, badania kliniczne