Печалби:
- Възможност за създаване на работен процес с изкуствен интелект при отстраняване на артефакти, откриване на събития и извличане на функции в EEG записи
- Способност за разпознаване на въздействието на ниското съотношение сигнал/шум на ЕЕГ и високата вариабилност върху проверката
- Способност да се обясни, че изходите на невросигналите с AI трябва да бъдат тествани с одобрението на клиничен неврофизиолог
Електроенцефалографията (EEG; англ. electroencephalography) е запис на електрическата активност на мозъка с електроди, поставени върху скалпа. ЕЕГ се използва в широк спектър от области, от диагностика на епилепсия до определяне на стадия на съня, от наблюдение на интензивни грижи до интерфейси мозък-компютър. Но това е много по-предизвикателен сигнал от ЕКГ: амплитудата му е от порядъка на микроволта (една милионна от волта), което означава, че е почти толкова малък, колкото шума. Това ниско съотношение сигнал/шум (накратко SNR; относителната сила на полезния сигнал спрямо шума) прави ЕЕГ едновременно привлекателна и опасна за изкуствения интелект. В тази част ще видим работния процес на ЕЕГ, проблема с артефактите и защо одобрението на неврофизиолог е необходимо.
Нека заявим от самото начало: един ЕЕГ модел може да каже „възможен е пристъп“; Но диагнозата на епилепсията и тълкуването на пристъпите принадлежат на клиничния неврофизиолог. Изкуственият интелект не диагностицира.
Верига за обработка на ЕЕГ
Стъпка 1 — Регистрация и сглобяване. ЕЕГ е многоканален (обикновено 19-256 електрода). Поставянето на електродите се извършва по международен стандартен ред (система 10-20). Сигналите се четат спрямо референтните електроди; Изборът на монтаж влияе върху интерпретацията.
Стъпка 2 — Извличане на артефакт. Източниците на замърсители на ЕЕГ са изобилни: мигане и движение на очите, мускулна активност (особено челюстта и шията), сърдечен ритъм, изпотяване, контакт с електроди и смущения в мрежата. Тези артефакти могат да имитират истински мозъчни вълни. Изкуственият интелект помага при почистването на изкуствени сегменти чрез методи като маркиране и анализ на независими компоненти.
Стъпка 3 — Извличане на функции. ЕЕГ обикновено се разделя на честотни ленти: делта (бавен, дълбок сън), тета, алфа (почивка), бета (будно внимание) и гама. Силите на лентата, мерките за свързаност и отговорите, свързани със събития, се използват като функции.
Стъпка 4 — Откриване/класифициране на инциденти. Моделът предлага събития като припадъчна активност, пикова вълна или фаза на сън. Резултатът е маркирани с време маркировки и тагове.
Стъпка 5 — Експертна оценка. Признаците се представят на клиничния неврофизиолог; Експертът потвърждава, коригира или отхвърля. Коментарът е за експерта.
Защо проверката на ЕЕГ е толкова трудна?
Три причини правят ЕЕГ особено крехък. Първо, нисък SNR: истинският сигнал е скрит в шума, моделът може лесно да обърка шума с модел. Второ, голяма вариабилност: дори ЕЕГ на един и същ човек варира в зависимост от бдителността, лекарствата и възрастта; Разликата между индивидите е още по-голяма. Трето, референтна несигурност: дори експертите не винаги са съгласни относно „златния стандарт“ за маркиране на събития като припадъци (променливост между наблюдателите). Когато тези три се комбинират, ЕЕГ модел, който изглежда впечатляващо в лабораторията, лесно се срива в реалната клиника.
Три мини калъфа: с числата
Случай 1 — Мигането имитира припадък. Модел за откриване на припадъци погрешно приема ритмичните мигания на очите за шипове и вълни във фронталните области при дете пациент, произвеждайки няколко фалшиви сигнала в минута. Специалистът видял, че белезите се припокриват с очните канали и разделил артефакта. Моделът изработи знака, експертът извади реалността.
Случай 2 — Спестяване на време при определяне на съня. Лаборатория за сън ръчно фазира записи в 30-секундни сегменти през цялата нощ; Приблизително 2 часа на запис. Предварителната настройка на AI намали това време до 35 минути; техникът прегледа само срезовете и преходите, които моделът остави неясни. Специалистът одобри окончателния доклад за постановката.
Случай 3 — Отказ във външно валидиране. Модел за откриване на припадък показа 90% чувствителност в центъра, където е разработен; Той намалява до 68% в данните, събрани от различна болница с различен електрод и записващо устройство. Броят на електродите, честотата на вземане на проби и профилът на пациента се различаваха. Моделът не може да се счита за надежден, докато не бъде повторно валидиран във всяка среда, в която ще бъде използван.
Слаба подкана / Силна подкана
Забележка: Следните подкани са полезни при редактиране на ЕЕГ доклада/текста на характеристиката; Суровата ЕЕГ интерпретация е дело на проверен софтуер и неврофизиолог.
Слаба подкана:
Има ли епилепсия в това ЕЕГ? [характеристики]
Мощна подкана:
Вашата роля: Вие сте асистент по анализ на невросигнали (ВИЕ НЕ СТЕ ДИАГНОЗА). Оценете следните анонимни обобщени характеристики на ЕЕГ: - Таблица на силите на лентата и сигналите за събития, интерпретирайте ги, но не диагностицирайте. - За всеки знак за събитие, "може ли да има артефакт?" добавете колона (око/мускул/решетка).- Пишете ясно неяснотите; добавете предупреждение за нисък SNR.- Накрая избройте 3 точки, които неврофизиологът трябва да потвърди в необработения запис. Анонимни функции: [силни ленти, времеви клеймца на събития, информация за канала]
Четири копируеми шаблона
1) Обобщение на силата на лентата:
Таблица на мощностите на ЕЕГ лентата (делта, тета, алфа, бета) и оценете тяхната правдоподобност в будно състояние. Не поставяйте диагноза. Данни: [стойности]
2) Проверка на възможността за артефакт:
За всеки от тези признаци на поява, маркирайте вероятността за артефакт на очите/мускулите/мрежата като ниска/средна/висока и напишете своята обосновка. Знаци: [списък]
3) КК за стадиране на съня:
Маркирайте внезапни/малко вероятни преходи (напр. прескачане от REM към дълбок сън) в изхода за стадий на сън на AI по-долу; Избройте срезове, които изискват контрол от техник. Резултат: [постановка]
4) План за външна проверка:
Напишете проект на план за външно валидиране за модел за откриване на ЕЕГ събития: различен брой устройства/електроди, споразумение между наблюдателите (kappa), SNR и тестове за артефакти. Маркирайте отделни точки за валидиране.
Роля на модела: По вид задача
Тип задача
Принос на AI
критичност
проверка
Маркиране на артефакти
високо
ниско
Експертен преглед
Извличане на лента/функция
високо
среден
физиологична правдоподобност
Предварителна работа по постановката на съня
високо
среден
Експертно одобрение
Откриване преди припадък
среден
високо
Неврофизиолог + необработен запис
диагностично решение
ограничен
много високо
Пълно експертно одобрение
Съвет: Преди да разчитате на сигнатура на модел в ЕЕГ, проверете временното припокриване на този сигнал с очните и мускулните канали. Голяма част от дейността, която изглежда като припадък, всъщност е биологичен артефакт.
Внимание: Когато ЕЕГ моделите се обучават върху данни, събрани от малък брой пациенти, те пренастройват (запаметяват) индивидуално специфични модели и се сриват при нови пациенти. Високата лабораторна ефективност не е гаранция за истински клиничен успех; външното валидиране е от съществено значение.
Често срещани грешки
- Сбърка артефакта с мозъчен сигнал. Мигането на очите и мускулната активност имитират припадък; Трябва да се провери припокриването на каналите.
- Игнориране на нисък SNR. Слаб сигнал в шум лесно подвежда модела.
- Проверка в един център. Различното устройство и разположение на електродите намаляват производителността.
- Пренебрегване на променливостта между наблюдателите. Показателите на модела са подвеждащи, ако самата препратка е двусмислена.
- Елиминиране на експерта. Знаците са подкрепа; Тълкуването на пристъпа и диагнозата принадлежи на специалиста.
В обобщение
- ЕЕГ е многоканален, микроволтов сигнал с нисък SNR; Той е изключително податлив на артефакти.
- Работният процес се състои от сглобяване, извличане на артефакти, извличане на функции и откриване на събития.
- Ниският SNR, високата променливост и референтната несигурност правят проверката особено трудна.
- Моделите трябва да бъдат повторно валидирани за всяко устройство и популация, в която ще бъдат използвани.
- Припадъците и диагностичната интерпретация принадлежат на клиничния неврофизиолог; AI не диагностицира.
Задача за приложение
Изберете хипотетичен сценарий за откриване на ЕЕГ събитие (напр. предварително откриване на пристъп). Избройте пет сигнатури на събития, които моделът създава, и попитайте за всяка от тях „може ли това да е артефакт?“ попълнете колоната (око/мускул/решетка/реално). След това напишете три елемента от план за външно валидиране за този модел и ясно маркирайте точката, в която експертът взема окончателното решение.
контролен списък
- [ ] Знам, че ЕЕГ е сигнал с ниско SNR, многоканален и склонен към артефакти.
- [ ] Разбрах стъпките за сглобяване, извличане на артефакти, функции и откриване на събития в работния процес.
- [ ] Виждам, че артефактите имитират събития и прилагат контрол на припокриването на каналите.
- [ ] Разбирам защо външното валидиране е от съществено значение и разбирам променливостта между наблюдателите.
- [ ] Разбрах, че тълкуването на пристъпите и диагнозата остават при специалиста.