লাভ:
- সম্পূর্ণ স্লাইড ইমেজ (WSI) ওয়ার্কফ্লোতে সেল গণনা, বিভাজন এবং গ্রেডিংয়ের জন্য AI এর সমর্থন ব্যাখ্যা করার ক্ষমতা
- মডেল পারফরম্যান্স এবং ডোমেন শিফটের উপর পেইন্টিং এবং স্ক্যানিং পরিবর্তনশীলতার প্রভাব সনাক্ত করার ক্ষমতা
- রেফারেন্স স্ট্যান্ডার্ড, স্যাম্পলিং এবং প্যাথলজিস্ট অনুমোদন সহ প্যাথলজি এআই আউটপুট যাচাই করার ক্ষমতা
প্যাথলজি হল ওষুধের একটি শাখা যেখানে একটি অণুবীক্ষণ যন্ত্রের নিচে টিস্যুর নমুনা পরীক্ষা করে রোগ সনাক্ত করা হয়; অনেক ক্যান্সার নির্ণয়ের "গোল্ড স্ট্যান্ডার্ড" এখানে তৈরি করা হয়। ডিজিটাল প্যাথলজি হল একটি উচ্চ-রেজোলিউশন স্ক্যানার সহ একটি কাচের স্লাইডে একটি দাগযুক্ত টিস্যু বিভাগের ডিজিটাইজেশন। ফলস্বরূপ ফাইলটিকে একটি সম্পূর্ণ স্লাইড চিত্র বলা হয় (সংক্ষেপে WSI); একটি একক স্লাইড গিগাপিক্সেল আকারের একটি বিশাল ছবি হতে পারে, অর্থাৎ বিলিয়ন পিক্সেল। কৃত্রিম বুদ্ধিমত্তা এই বিশাল চিত্রগুলিতে কোষ গণনা, অঞ্চল বিভাজন এবং গ্রেডিং সমর্থন করে। এই ইউনিটে আমরা WSI ওয়ার্কফ্লো দেখতে পাব, এটির সবচেয়ে বড় প্রযুক্তিগত সমস্যা: স্টেনিং/স্ক্যানিং পরিবর্তনশীলতা এবং কেন প্যাথলজিস্টের অনুমোদন অপরিহার্য।
আসুন শুরু থেকে বলা যাক: কৃত্রিম বুদ্ধিমত্তা একটি পাল্টা, একটি প্রাথমিক স্ক্যানার এবং প্যাথলজিতে একটি দ্বিতীয় চোখ হতে পারে; কিন্তু ক্যান্সার নির্ণয়, স্টেজিং এবং গ্রেডিংয়ের সিদ্ধান্ত প্যাথলজিস্টের। মডেল নির্ণয় করে না।
WSI কর্মপ্রবাহের ধাপ
ধাপ 1 - স্ক্রীনিং এবং মান নিয়ন্ত্রণ। গ্লাস স্লাইড স্ক্যান করা হয়; ডিফোকাস, ভাঁজ চিহ্ন এবং বায়ু বুদবুদগুলির মতো ত্রুটিগুলি স্বয়ংক্রিয়ভাবে সনাক্ত করা যেতে পারে। দরিদ্র মানের স্ক্যান মোটেও মডেল প্রবেশ করা উচিত নয়.
ধাপ 2 — টাইল (প্যাচ) অপসারণ। গিগাপিক্সেল ইমেজ সরাসরি প্রক্রিয়া করা যাবে না; ছোট স্কোয়ারে বিভক্ত (ইংরেজি প্যাচ, সাধারণত 256x256 বা 512x512 পিক্সেল)। মডেল প্রতিটি টাইল আলাদাভাবে মূল্যায়ন করে, তারপর ফলাফল মিলিত হয়।
ধাপ 3 - টিস্যু/কোষ বিশ্লেষণ। মডেল; এটি টিউমার সাইট সেগমেন্টেশন, মাইটোসিস (কোষ বিভাজন) গণনা, পারমাণবিক ঘনত্ব বা মার্কার গণনা (যেমন কি-67 স্টেনিং রেট) এর মতো কাজগুলি বহন করে। আউটপুট একটি সংখ্যাসূচক পরিমাপ বা একটি তাপ মানচিত্র।
ধাপ 4 — একত্রীকরণ এবং রিপোর্টিং। টাইল ফলাফল স্লাইড স্তরে মিলিত হয়; একটি সারসংক্ষেপ উত্পাদিত হয়, উদাহরণস্বরূপ, "টিউমার এলাকার শতাংশ" বা "মিটোটিক গণনা"।
ধাপ 5 - প্যাথলজিস্ট মূল্যায়ন। প্যাথলজিস্ট মডেল দ্বারা চিহ্নিত অঞ্চল এবং গণনা পরীক্ষা করে; গ্রহণ করে, সংশোধন করে বা প্রত্যাখ্যান করে। রোগ নির্ণয় এবং গ্রেডিং প্যাথলজিস্টের উপর নির্ভর করে।
সবচেয়ে বড় ক্ষতি: ডাইং এবং স্ক্যানিং পরিবর্তনশীলতা
টিস্যু বিভাগগুলি সাধারণত H&E (হেমাটোক্সিলিন এবং ইওসিন; মানক রঞ্জক যা নিউক্লিয়াস ব্লু-ভায়োলেট এবং সাইটোপ্লাজম গোলাপী দাগ) দিয়ে দাগযুক্ত থাকে। কিন্তু দাগের তীব্রতা পরীক্ষাগার, দাগের ব্যাচ, বিভাগের বেধ এবং স্ক্যানার ব্র্যান্ডের দ্বারা স্পষ্টভাবে পরিবর্তিত হয়। মানুষের চোখ সহজেই এই পার্থক্যগুলির সাথে খাপ খায়; মডেল সামঞ্জস্যপূর্ণ নাও হতে পারে.
যদি একটি মডেল ল্যাব A-এর গোলাপী-বেগুনি টোনগুলির উপর ভিত্তি করে শিখে থাকে, তবে ল্যাব B-এর ফ্যাকাশে বা গাঢ় দাগের উপর এর কার্যকারিতা হ্রাস পাবে। এই ঘটনাটিকে ডোমেন শিফট বলা হয় এবং এটি ডিজিটাল প্যাথলজিতে ব্যর্থতার সবচেয়ে সাধারণ কারণ। সমাধান পদ্ধতি: রঙ স্বাভাবিককরণ (একটি সাধারণ রঙের জায়গায় ছবি স্থানান্তর করা), মাল্টিসেন্টার প্রশিক্ষণ ডেটা, এবং - সবচেয়ে গুরুত্বপূর্ণভাবে - প্রতিটি পরীক্ষাগারে বাহ্যিক বৈধতা ব্যবহার করা হবে।
তিনটি মিনি কেস: সংখ্যা দ্বারা
কেস 1 - মাইটোটিক গণনার মধ্যে সামঞ্জস্য। স্তন ক্যান্সারের গ্রেডিংয়ে মাইটোটিক গণনা গুরুত্বপূর্ণ কিন্তু শ্রমসাধ্য এবং পর্যবেক্ষক থেকে পর্যবেক্ষক পর্যন্ত পরিবর্তনশীল। একটি পরীক্ষাগারে এআই-সহায়ক প্রাথমিক গণনা, দুই প্যাথলজিস্টের মধ্যে চুক্তি (কাপ্পা) 0.55 থেকে 0.71 এ বেড়েছে এবং প্রতি স্লাইডে গণনার সময় 4 মিনিট থেকে 1.5 মিনিটে কমেছে। যাইহোক, প্রতিটি চূড়ান্ত গণনা প্যাথলজিস্ট দ্বারা নিশ্চিত করা হয়েছিল; মডেল পরামর্শ দিলেন, প্যাথলজিস্ট সিদ্ধান্ত নিলেন।
কেস 2 — ফিল্ড শিফট হিট। একটি টিউমার সেগমেন্টেশন মডেল তৈরি করা পরীক্ষাগারে, এটি 93% সময় সঠিকভাবে কাজ করছিল। একই মডেল পদ্ধতিগতভাবে একটি ভিন্ন স্ক্যানার এবং রঞ্জক ব্যবহার করে অংশীদার পরীক্ষাগারে টিউমার এলাকাকে 20% বেশি করে দিয়েছে। সেই পরীক্ষাগার থেকে 200টি স্লাইডের সাথে রঙ স্বাভাবিককরণ এবং পুনর্বিবেচনার পরে, পার্থক্যটি একটি গ্রহণযোগ্য স্তরে হ্রাস পেয়েছে।
কেস 3 — স্যাম্পলিং ফ্যালাসি। একটি মডেল একটি স্লাইডে "না" টিউমার বলেছেন; যাইহোক, মডেলটি শুধুমাত্র স্ক্যান করা এলাকার মূল্যায়ন করেছে এবং টিউমারটি একটি নমুনাবিহীন বিভাগে ছিল। প্যাথলজি নির্ণয় স্লাইড নির্বাচন এবং নমুনা হিসাবে ভাল; এআই "নেতিবাচক" আউটপুট আন্ডারস্যাম্পিংয়ের জন্য ক্ষতিপূরণ দেয় না। একারণে নেতিবাচক AI ফলাফলের অর্থ কখনই "কোন রোগ নয়"।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দ্রষ্টব্য: নিম্নলিখিত প্রম্পটগুলি প্যাথলজি রিপোর্ট এবং ওয়ার্কফ্লো টেক্সট কনফিগার করার জন্য; টিস্যু ইমেজ নির্ণয় হল যাচাইকৃত সফটওয়্যার এবং প্যাথলজিস্টদের কাজ।
দুর্বল প্রম্পট:
এই প্যাথলজি রিপোর্ট অনুযায়ী ক্যান্সার আছে কি? [প্রতিবেদন]
শক্তিশালী প্রম্পট:
আপনার ভূমিকা: আপনি প্যাথলজি রিপোর্ট স্ট্রাকচারিং সহকারী (আপনি ডায়াগনসিস নন)। নিম্নলিখিত বেনামী প্যাথলজি রিপোর্ট গঠন করুন:- নমুনার ধরন, স্টেনিং, টিউমারের ধরন/গ্রেড, অস্ত্রোপচারের মার্জিন, মার্কারগুলি টেবিল করুন।- অস্পষ্ট শব্দগুলি ("অ্যাটিপিকাল, ক্লিনিকাল পারস্পরিক সম্পর্ক প্রস্তাবিত") অক্ষত রাখুন।- পাঠ্যটিতে নেই এমন কোনও অনুসন্ধান যোগ করবেন না; অনুপস্থিত ক্ষেত্রটিতে "অনির্দিষ্ট" লিখুন।- অবশেষে, প্যাথলজিস্টের নিশ্চিত হওয়া উচিত এমন ৩টি পয়েন্ট তালিকাভুক্ত করুন। বেনামী প্রতিবেদন:[পাঠ্য]
চারটি অনুলিপিযোগ্য টেমপ্লেট
1) রিপোর্ট প্রমিতকরণ:
নিম্নোক্ত বেনামী প্যাথলজি রিপোর্টকে কাঠামোগত ক্ষেত্রগুলিতে প্লট করুন (অঙ্গ, রোগ নির্ণয়, গ্রেড, মার্জিন, মার্কার শতাংশ)। লেখায় লেগে থাকুন। প্রতিবেদন: [পাঠ্য]
2) টোকেন সামঞ্জস্য পরীক্ষা:
এই প্রতিবেদনে উল্লিখিত সমস্ত শতাংশ এবং সংখ্যাসূচক চিহ্নিতকারী (Ki-67, ER, PR, HER2) তালিকাভুক্ত করুন; একে অপরের সাথে বা রোগ নির্ণয়ের সাথে বিরোধপূর্ণ মানগুলি চিহ্নিত করুন। প্রতিবেদন: [পাঠ্য]
3) মডেল যাচাইকরণ পরিকল্পনা (ডিজিটাল প্যাথলজি):
একটি WSI সেগমেন্টেশন মডেলের জন্য একটি খসড়া বৈধকরণ পরিকল্পনা লিখুন: রঙ স্বাভাবিককরণ, মাল্টিসেন্টার বহিরাগত বৈধতা, প্যাথলজিস্ট চুক্তি (কাপ্পা), ফিল্ড শিফট টেস্টিং। প্যাথলজিস্ট যাচাইকরণ পয়েন্টগুলি আলাদাভাবে চিহ্নিত করুন।
4) নমুনা সতর্কতা যোগ করা:
নিম্নলিখিত নেতিবাচক AI ফলাফলের সাথে সতর্কতা যোগ করুন যে "নমুনা নেওয়া সীমিত হতে পারে, একটি নেতিবাচক ফলাফল রোগকে বাদ দেয় না" এবং প্যাথলজিস্ট নিশ্চিতকরণের প্রয়োজনীয়তা। আউটপুট: [পাঠ্য]
মডেলের ভূমিকা: টাস্ক টাইপ দ্বারা
টাস্ক টাইপ
এআই অবদান
সমালোচনা
যাচাইকরণ
টিউমার অঞ্চল বিভাজন
উচ্চ
উচ্চ
প্যাথলজিস্ট + বাহ্যিক যাচাইকরণ
মাইটোসিস/কোষের সংখ্যা
উচ্চ
উচ্চ
প্যাথলজিস্ট নিশ্চিতকরণ
মার্কার শতাংশ (Ki-67)
উচ্চ
মাঝারি
রেফারেন্স তুলনা
মান নিয়ন্ত্রণ (ফোকাস/ত্রুটি)
উচ্চ
কম
স্পট চেক
রিপোর্ট কনফিগারেশন (পাঠ্য)
উচ্চ
কম
প্যাথলজিস্ট নিশ্চিতকরণ
টিপ: ডিজিটাল প্যাথলজিতে একটি মডেল প্রস্তাবের মূল্যায়ন করার সময়, সর্বদা জিজ্ঞাসা করুন: "কোন পরীক্ষাগারের দাগ এবং স্ক্যানারগুলি এই মডেলটির উপর প্রশিক্ষিত হয়েছে এবং এটি কি আমার পরীক্ষাগারে যাচাই করা হয়েছে?" উত্তর "না" হলে, কর্মক্ষমতা পরিসংখ্যান এখনও আপনার জন্য প্রযোজ্য নয়।
সতর্কতা: শুধু এআই বলে "টিউমার নেই" এর অর্থ এই নয় যে নমুনাবিহীন টিস্যুতে কোনও টিউমার নেই। প্যাথলজিতে একটি নেতিবাচক ফলাফল নমুনার গুণমান দ্বারা সীমাবদ্ধ; প্যাটার্ন এই সীমা অতিক্রম করতে পারে না এবং একটি নেতিবাচক ফলাফল ডায়গনিস্টিক নিশ্চয়তা নয়।
সাধারণ ভুল
- রঙ/রঙের পরিবর্তনশীলতাকে অবমূল্যায়ন করা। ডিজিটাল প্যাথলজিতে ব্যর্থতার সবচেয়ে সাধারণ কারণ হল ফিল্ড ড্রিফট।
- একটি কেন্দ্রে ট্রেন এবং সর্বত্র ব্যবহার করুন. বিভিন্ন ব্রাউজার এবং রঙ নীরব কর্মক্ষমতা অবনতি সৃষ্টি করে।
- নিশ্চয়তার জন্য একটি নেতিবাচক ফলাফল ভুল করা. নমুনা সীমা মডেল দ্বারা ক্ষতিপূরণ করা যাবে না.
- ইন্টারঅবজারভার পরিবর্তনশীলতা উপেক্ষা করা। রেফারেন্স স্ট্যান্ডার্ড নিজেই পরিবর্তনশীল হলে মডেলটি সেই অনুযায়ী মূল্যায়ন করা উচিত।
- প্যাথলজিস্ট নির্মূল. গণনা এবং বিভাজন সমর্থন; রোগ বিশেষজ্ঞের সাথে রোগ নির্ণয় এবং গ্রেডিং বিশ্রাম।
সংক্ষেপে
- ডিজিটাল প্যাথলজি গিগাপিক্সেল ডাব্লুএসআই চিত্রগুলিকে টাইলসগুলিতে বিভক্ত করে বিশ্লেষণ করে; AI কোষ গণনা এবং বিভাজন সহ সমর্থন করে।
- সবচেয়ে বড় প্রযুক্তিগত ফাঁদ হল স্টেনিং/স্ক্যানিং পরিবর্তনশীলতার কারণে ফিল্ড ড্রিফ্ট; রঙ স্বাভাবিককরণ এবং বহিরাগত বৈধতা অপরিহার্য.
- একটি নেতিবাচক AI ফলাফল নমুনা সীমা দ্বারা সীমাবদ্ধ এবং ডায়াগনস্টিক নিশ্চয়তা প্রদান করে না।
- রেফারেন্স স্ট্যান্ডার্ড এবং ইন্টারঅবজারভার পরিবর্তনশীলতা হল মডেল মূল্যায়নের প্রসঙ্গ।
- রোগ নির্ণয়, স্টেজিং এবং গ্রেডিং প্যাথলজিস্টের দায়িত্ব; এআই রোগ নির্ণয় করে না।
আবেদন টাস্ক
একটি অনুমানভিত্তিক ডিজিটাল প্যাথলজি মডেল নির্বাচন করুন (যেমন Ki-67 শতাংশ গণনা)। এই মডেলের জন্য একটি বাহ্যিক বৈধতা পরিকল্পনা লিখুন: কোন ল্যাব থেকে কতগুলি স্লাইড, কোন রঙের স্বাভাবিককরণ, আপনি কীভাবে প্যাথলজিস্ট চুক্তি পরিমাপ করবেন এবং আপনি কীভাবে ফিল্ড ড্রিফট পরীক্ষা করবেন। তারপরে মডেলের নেতিবাচক/ইতিবাচক আউটপুটে যোগ করা উচিত এমন সীমাবদ্ধতা সতর্কতাটি এক বাক্যে লিখুন।
চেকলিস্ট
- [ ] আমি WSI কর্মপ্রবাহের স্ক্যানিং, টাইলিং, বিশ্লেষণ এবং কম্পোজিটিং ধাপগুলি জানি৷
- [ ] আমি বুঝতে পারি যে কীভাবে পেইন্ট/স্ক্যান পরিবর্তনশীলতা ফিল্ড ড্রিফটের কারণ হয় এবং কীভাবে এটি পরিচালনা করা হয়।
- [ ] আমি বুঝতে পারি যে নেতিবাচক AI ফলাফল নমুনা সীমা দ্বারা সীমাবদ্ধ।
- [ ] আমি বাহ্যিক বৈধতা এবং প্যাথলজিস্ট চুক্তি (কাপ্পা) ধারণাগুলি ব্যবহার করতে পারি।
- [ ] আমি অভ্যন্তরীণভাবে বলেছি যে রোগ নির্ণয় এবং গ্রেডিংয়ের সিদ্ধান্তটি প্যাথলজিস্টের কাছে থাকে।