Fouten (“Errors”) en discrepanties in de radiologische praktijk zijn ongewenst. Een geschatte dag-op-dag ratio van 3-5% wordt gerapporteerd in meerdere studies. Belangrijker is de juiste betekenis van deze termen: error en discrepantie staat niet gelijk aan medische nalatigheid of fout, schrijft de Belgian Society of Radiology naar aanleiding van de casus met de radiologie ZNA Cadix.
"Radiologie staat heel centraal in de moderne diagnostische geneeskunde, zonder radiologische diagnose kan je een patiënt vaak geen therapie mogelijk. Het belang van een correcte diagnostiek kan niet genoeg benadrukt worden. Het feit dat radiologie centraal staat werkt eveneens interpretatieve errors in de hand. Echter de omschrijving van wat nu een error in de radiologie juist is, vergt verdere verduidelijking."
“Error” in radiologie
"Ongeveer 1 biljoen radiologische onderzoeken worden wereldwijd jaarlijks uitgevoerd, de meerderheid hiervan wordt beoordeeld door radiologen. De meeste wetenschappelijke verengingen gaan akkoord dat een radiologisch verslag moet gemaakt worden met een expert radiologische opinie. Een radiologisch verslag vertegenwoordigt een klinische consultatie met een opinie als resultaat. In veel gevallen wordt de radiologische interpretatie bepaald door klinische omstandigheden van de patiënt, voorgeschiedenis, voorgaande beeldvorming, en andere. Radiologische studies zijn verre van binair in hun beoordeling (normaal vs abnormaal; kanker vs “all-clear”)."
"De terminologie “error” impliceert dan ook dat er geen discussie meer mogelijk is over wat correct is. Een gemiste afwijking kan volledig zonder gevolgen zijn voor de patiënt of kan net cruciaal zijn voor zijn behandeling."
Mogelijke oorzaken van deze “errors” in de radiologie
Volgens wetenschappelijke literatuur zijn er 3-5% errors en discrepanties dag-tot-dag wereldwijd in de studie van Brady et al. (2016)
In 5-9% van de radiologische RX-onderzoeken op spoedgevallen is er een verschil van mening bij de interpretatie van deze onderzoeken wanneer bekeken door twee observatoren. (Error incidentie per observator van 3-6%, Robinson et al.) Bruno et al. (2015) onderzocht de epidemiologie van fouten in diagnostische radiologie door een classificatie van fouten van radiologen te presenteren en mogelijke onderliggende oorzaken te verkennen. Het benadrukt voornamelijk het belang van het identificeren en aanpakken van de kernoorzaken van deze fouten." (Table 1)
Table 1: Cognitieve bias
"Busby et al. (2018) en Itri et al. (2018) benadrukken dat cognitieve vooroordelen, zoals onder andere ‘satisfaction of search’, een belangrijke rol spelen bij diagnostische fouten (cfr Table 1 en Table 2.) in radiologie. Het is cruciaal deze bias te begrijpen om fouten te verminderen en de kwaliteit van interpretaties te verbeteren. Egri et al. (2018) onderstrepen het belang van het analyseren van procesfouten in abdominale beeldvorming, waarbij zowel individuele als systemische factoren worden aangepakt om de patiëntenzorg te verbeteren."
Table 2: Radiologische error categorieën
"Onderbrekingen in de radiologische verslaggeving kunnen een oorzaak zijn van fouten in radiologie. Radiologen hebben een uitgebreid bijkomend takenpakket tijdens de beeldvorming interpretatie zoals continu beantwoorden op vragen van verwijzers collega’s, supervisie van scanprotocols, en andere. Het optimaliseren van de werkplekken is hierdoor cruciaal om onderbrekingen te minimaliseren en de diagnostische nauwkeurigheid te verhogen" (Banziger et al., 2022) (Fig 1.).
"Daarnaast is de workload de laatste jaren ook sterk toegenomen met een grote toename in data- en werk-intensieve cross-sectionele beeldvorming (CT en MRI). Op 3 jaar tijd is bijvoorbeeld het aantal beelden toegenomen met 50-75% per verschillende lichaamsdeel. Door de enorme vooruitgang in de radiologie is de complexiteit van de medische beeldvorming toegenomen. Nauwkeurige beelden kunnen genomen worden met veel meer informatie. Als de complexiteit toeneemt, stijgt ook het risico dat er iets misloopt. Radiologen dienen zich dan ook continu bij te scholen om deze beelden juister te kunnen interpreteren. Door deze stijging in de complexiteit is er bijkomende superspecialisatie bij de radiologie. Bijvoorbeeld Abdominale radiologie, pediatrische radiologie."
Figuur 1: Frequentie van ondebrekingen tijdens protocoleren
Mogelijke oplossingen
- "Peer review-processen bieden waardevolle leermogelijkheden en helpen bij het identificeren van foutpatronen in diagnostische radiologie (Scali et al., 2017).
- Gestandaardiseerde rapportagesystemen kunnen helpen de fouten in radiologische rapporten te verminderen en de algehele kwaliteit van interpretaties te verbeteren (Hawkins et al., 2014).
- De snelle toegang tot radiologische beeldvorming kan eveneens errors in de hand werken. Een goede relatie tussen de verwijzer en de radioloog kan een interpretatie van een bevinding verbeteren.
- Aanpassingen van de werkruimte in het kader net van al deze variabelen voor de interpretatie van een radiologisch onderzoek."
Artificial intellegence
"De oplossing voor al deze problemen lijkt niet artificial-intelligence te zijn. Artificial intelligence in radiologie is voornamelijk gebaseerd op patroonherkenning en detectie van afwijkingen. Deze technologie kan een oplossing bieden voor bijvoorbeeld “satisfaction of search”- error met het missen van bijkomende elementen. Het werk van de radioloog zal echter niet vervangen kunnen worden maar kan helpen in detectie van bepaalde afwijkingen. De interpretatie van de radiologische bevindingen is nog steeds een heel andere zaak."
Conclusie
"Errors in de radiologie worden voornamelijk veroorzaakt door onderbrekingen in de verslaglegging, de toegenomen workload en complexiteit van de onderzoeken. Een foutenmarge is op zich geen perfecte graadmeter voor het perfecte verslag. De type van fout en het effect op de patient en het behandeltraject is zeer belangrijk. Sommige bevindigen hebben helemaal geen effect op de uitkomst voor de patient en worden niet vermeld, als je echter een cruciale afwijking mist is dit dodelijk. De werkdruk blijft dan ook zeer hoog."
Mede namens de board van de BSR
Dr. T. De Beule: voorzitter BSR (foto)
Dr. P. Vanhoenacker: voorzitter wetenschappelijke raad BSR
Referenties:
Banziger, C., McNeil, K., Goh, H., Choi, S., & Zealley, I. (2022). Simple changes to the reporting environment produce a large reduction in the frequency of interruptions to the reporting radiologist: an observational study. Acta Radiologica, 64(5), 1873-1879. https://doi.org/10.1177/02841851221139624
Brady, A. (2016). Error and discrepancy in radiology: inevitable or avoidable?. Insights Into Imaging, 8(1), 171-182. https://doi.org/10.1007/s13244-016-0534-1
Bruno, M., Walker, E., & Abujudeh, H. (2015). Understanding and confronting our mistakes: the epidemiology of error in radiology and strategies for error reduction. Radiographics, 35(6), 1668-1676. https://doi.org/10.1148/rg.2015150023
Busby, L., Courtier, J., & Glastonbury, C. (2018). Bias in radiology: the how and why of misses and misinterpretations. Radiographics, 38(1), 236-247. https://doi.org/10.1148/rg.2018170107
Castro, F. (2019). Diagnostic error in radiology.. https://doi.org/10.26044/ecr2019/c-0733
Cohen, J., Fischetti, A., & Daverio, H. (2023). Veterinary radiologic error rate as determined by necropsy. Veterinary Radiology & Ultrasound, 64(4), 573-584. https://doi.org/10.1111/vru.13259
Egri, C., Darras, K., Scali, E., & Harris, A. (2018). Classification of error in abdominal imaging: pearls and pitfalls for radiologists. Canadian Association of Radiologists Journal, 69(4), 409-416. https://doi.org/10.1016/j.carj.2018.06.006
Femi-Abodunde, A., Olinger, K., Burke, L., Benefield, T., Lee, E., McGinty, K., … & Mervak, B. (2021). Radiology dictation errors with covid-19 protective equipment: does wearing a surgical mask increase the dictation error rate?. Journal of Digital Imaging, 34(5), 1294-1301. https://doi.org/10.1007/s10278-021-00502-w
Hawkins, C., Hall, S., Zhang, B., & Towbin, A. (2014). Creation and implementation of department-wide structured reports: an analysis of the impact on error rate in radiology reports. Journal of Digital Imaging, 27(5), 581-587. https://doi.org/10.1007/s10278-014-9699-7
Itri, J., Tappouni, R., McEachern, R., Pesch, A., & Patel, S. (2018). Fundamentals of diagnostic error in imaging. Radiographics, 38(6), 1845-1865. https://doi.org/10.1148/rg.2018180021
Kim, Y. and Mansfield, L. (2014). Fool me twice: delayed diagnoses in radiology with emphasis on perpetuated errors. American Journal of Roentgenology, 202(3), 465-470. https://doi.org/10.2214/ajr.13.11493
Scali, E., Harris, A., & Martin, M. (2017). Peer review in radiology: how can we learn from our mistakes?. Canadian Association of Radiologists Journal, 68(4), 368-370. https://doi.org/10.1016/j.carj.2017.04.002
Siegal, D., Stratchko, L., & DeRoo, C. (2017). The role of radiology in diagnostic error: a medical malpractice claims review. Diagnosis, 4(3), 125-131. https://doi.org/10.1515/dx-2017-0025
Simonis, S., Kok, B., Korving, J., Kopp, W., Baranski, A., Huurman, V., … & Braat, A. (2021). Applicability and reproducibility of the cpat-grading system for pancreas allograft thrombosis. European Journal of Radiology, 134, 109462. https://doi.org/10.1016/j.ejrad.2020.109462
Vong, S., Chang, J., Assadsangabi, R., & Ivanović, V. (2022). Analysis of perceptual errors in skull-base pathology. The Neuroradiology Journal, 36(5), 515-523. https://doi.org/10.1177/19714009221108679
Önder, Ö., Yaraşır, Y., Azizova, A., Durhan, G., Onur, M., & Arıyürek, O. (2021). Errors, discrepancies and underlying bias in radiology with case examples: a pictorial review. Insights Into Imaging, 12(1). https://doi.org/10.1186/s13244-021-00986-8
Robinson PJ, Wilson D, Coral A, Murphy A, Verow (1999) Variation between experiences observers in the interpretation of accident and emergency radiographs Br Journal of radiology 72:323-330
