Κέρδη:
- Δυνατότητα δημιουργίας ροής εργασιών τεχνητής νοημοσύνης στην αφαίρεση τεχνουργημάτων, την ανίχνευση συμβάντων και την εξαγωγή χαρακτηριστικών σε εγγραφές ΗΕΓ
- Ικανότητα αναγνώρισης της επίδρασης του χαμηλού λόγου σήματος προς θόρυβο του EEG και της υψηλής μεταβλητότητας στην επαλήθευση
- Ικανότητα εξήγησης ότι οι έξοδοι νευροσημάτων AI θα πρέπει να ελέγχονται με την έγκριση ενός κλινικού νευροφυσιολόγου
Η ηλεκτροεγκεφαλογραφία (EEG, αγγλική ηλεκτροεγκεφαλογραφία) είναι η καταγραφή της ηλεκτρικής δραστηριότητας του εγκεφάλου με ηλεκτρόδια που τοποθετούνται στο τριχωτό της κεφαλής. Το ΗΕΓ χρησιμοποιείται σε ένα ευρύ φάσμα περιοχών, από τη διάγνωση της επιληψίας έως τη σταδιοποίηση του ύπνου, από την παρακολούθηση της εντατικής θεραπείας έως τις διεπαφές εγκεφάλου-υπολογιστή. Αλλά είναι ένα πολύ πιο δύσκολο σήμα από ένα ΗΚΓ: το πλάτος του είναι της τάξης των μικροβολτ (ένα εκατομμυριοστό του βολτ), που σημαίνει ότι είναι σχεδόν τόσο μικρό όσο ο θόρυβος. Αυτή η χαμηλή αναλογία σήματος προς θόρυβο (SNR για συντομία, η σχετική ισχύς του χρήσιμου σήματος προς τον θόρυβο) καθιστά το ΗΕΓ ελκυστικό και επικίνδυνο για την τεχνητή νοημοσύνη. Σε αυτή την ενότητα, θα δούμε τη ροή εργασιών EEG, το πρόβλημα των τεχνουργημάτων και γιατί η έγκριση νευροφυσιολόγο είναι απαραίτητη.
Ας πούμε από την αρχή: ένα μοντέλο ΗΕΓ μπορεί να λέει "η κρίση είναι δυνατή". Όμως η διάγνωση της επιληψίας και η ερμηνεία των κρίσεων ανήκουν στον κλινικό νευροφυσιολόγο. Η τεχνητή νοημοσύνη δεν κάνει διάγνωση.
Αλυσίδα Επεξεργασίας ΗΕΓ
Βήμα 1 — Εγγραφή και συναρμολόγηση. Το ΗΕΓ είναι πολυκαναλικό (συνήθως 19-256 ηλεκτρόδια). Η τοποθέτηση των ηλεκτροδίων γίνεται σύμφωνα με διεθνή τυποποιημένη παραγγελία (σύστημα 10-20). Τα σήματα διαβάζονται σε σχέση με τα ηλεκτρόδια αναφοράς. Η επιλογή τοποθέτησης επηρεάζει την ερμηνεία.
Βήμα 2 — Εξαγωγή τεχνουργημάτων. Οι πηγές μολυσματικών ουσιών EEG είναι άφθονες: αναλαμπή και κίνηση των ματιών, μυϊκή δραστηριότητα (ιδιαίτερα γνάθος και λαιμός), καρδιακός παλμός, εφίδρωση, επαφή ηλεκτροδίων και παρεμβολή στο πλέγμα. Αυτά τα τεχνουργήματα μπορούν να μιμηθούν πραγματικά εγκεφαλικά κύματα. Η τεχνητή νοημοσύνη βοηθά στον καθαρισμό τεχνητών τμημάτων μέσω μεθόδων όπως η επισήμανση και η ανεξάρτητη ανάλυση στοιχείων.
Βήμα 3 — Εξαγωγή χαρακτηριστικών. Το ΗΕΓ συνήθως χωρίζεται σε ζώνες συχνοτήτων: δέλτα (αργός, βαθύς ύπνος), θήτα, άλφα (ανάπαυση), βήτα (αφύπνιση προσοχή) και γάμμα. Ως χαρακτηριστικά χρησιμοποιούνται τα πλεονεκτήματα της ζώνης, τα μέτρα συνδεσιμότητας και οι αποκρίσεις που σχετίζονται με συμβάντα.
Βήμα 4 — Ανίχνευση/ταξινόμηση περιστατικών. Το μοντέλο προτείνει συμβάντα όπως δραστηριότητα επιληπτικών κρίσεων, εκκένωση κυμάτων αιχμής ή φάση ύπνου. Η έξοδος είναι χρονικά σήματα και ετικέτες.
Βήμα 5 — Αξιολόγηση εμπειρογνωμόνων. Τα σημεία παρουσιάζονται στον κλινικό νευροφυσιολόγο. Ο ειδικός επιβεβαιώνει, διορθώνει ή απορρίπτει. Το σχόλιο είναι για τον ειδικό.
Γιατί είναι τόσο δύσκολη η επαλήθευση του ΗΕΓ;
Τρεις λόγοι κάνουν το ΗΕΓ ιδιαίτερα εύθραυστο. Πρώτον, χαμηλό SNR: το πραγματικό σήμα κρύβεται στον θόρυβο, το μοντέλο μπορεί εύκολα να μπερδέψει τον θόρυβο ως μοτίβο. Δεύτερον, υψηλή μεταβλητότητα: ακόμη και το ΗΕΓ του ίδιου ατόμου ποικίλλει ανάλογα με την εγρήγορση, τη φαρμακευτική αγωγή και την ηλικία. Η διαφορά μεταξύ των ατόμων είναι ακόμη μεγαλύτερη. Τρίτον, αβεβαιότητα αναφοράς: ακόμη και οι ειδικοί δεν συμφωνούν πάντα σχετικά με τη σήμανση «χρυσού κανόνα» συμβάντων όπως οι επιληπτικές κρίσεις (μεταβλητότητα μεταξύ των παρατηρητών). Όταν αυτά τα τρία συνδυάζονται, ένα μοτίβο ΗΕΓ που φαίνεται εντυπωσιακό στο εργαστήριο καταρρέει εύκολα στην πραγματική κλινική.
Three Mini Cases: By the Numbers
Περίπτωση 1 — Το να αναβοσβήνει μιμείται μια κρίση. Ένα μοντέλο ανίχνευσης επιληπτικών κρίσεων παρέκαμψε τα ρυθμικά βλεφαρίσματα των ματιών για αιχμές και κύματα σε μετωπιαίες περιοχές σε παιδί ασθενή, παράγοντας πολλά ψευδή σήματα ανά λεπτό. Ο ειδικός είδε ότι τα σημάδια αλληλεπικαλύπτονταν με τα κανάλια των ματιών και χώρισαν το τεχνούργημα. Το μοντέλο παρήγαγε το σημάδι, ο ειδικός εξήγαγε την πραγματικότητα.
Περίπτωση 2 — Εξοικονόμηση χρόνου στη σταδιοποίηση ύπνου. Ένα εργαστήριο ύπνου με μη αυτόματο τρόπο καταγραφές σε τμήματα των 30 δευτερολέπτων κατά τη διάρκεια της νύχτας. Περίπου 2 ώρες ανά εγγραφή. Η προ-σταδιοποίηση AI μείωσε αυτόν τον χρόνο σε 35 λεπτά. ο τεχνικός εξέτασε μόνο τις φέτες και τις μεταβάσεις που το μοντέλο άφησε ασαφείς. Ο ειδικός ενέκρινε την τελική έκθεση σταδιοποίησης.
Περίπτωση 3 — Απόρριψη εξωτερικής επικύρωσης. Ένα μοντέλο ανίχνευσης επιληπτικών κρίσεων έδειξε ευαισθησία 90% στο κέντρο όπου αναπτύχθηκε. Μειώθηκε στο 68% στα δεδομένα που συνέλεξε διαφορετικό νοσοκομείο με διαφορετικό ηλεκτρόδιο και συσκευή καταγραφής. Ο αριθμός των ηλεκτροδίων, ο ρυθμός δειγματοληψίας και το προφίλ ασθενούς διέφεραν. Το μοντέλο δεν θα μπορούσε να θεωρηθεί αξιόπιστο μέχρι να επικυρωθεί εκ νέου σε κάθε περιβάλλον στο οποίο θα χρησιμοποιηθεί.
Αδύναμη προτροπή / Ισχυρή προτροπή
Σημείωση: Τα ακόλουθα μηνύματα είναι χρήσιμα για την επεξεργασία της αναφοράς EEG/του κειμένου της δυνατότητας. Η ερμηνεία του ακατέργαστου ΗΕΓ είναι έργο επαληθευμένου λογισμικού και νευροφυσιολόγου.
Αδύναμη προτροπή:
Υπάρχει επιληψία σε αυτό το ΗΕΓ;[χαρακτηριστικά]
Ισχυρή προτροπή:
Ο ρόλος σας: Είστε βοηθός ανάλυσης νευρωνικών σημάτων (ΔΕΝ ΕΙΣΤΕ ΔΙΑΓΝΩΣΗ). Αξιολογήστε τα ακόλουθα ανώνυμα χαρακτηριστικά σύνοψης ΗΕΓ: - Καταγράψτε τις δυνάμεις της ζώνης και τα σήματα συμβάντων, ερμηνεύστε τα, αλλά μην κάνετε διάγνωση. - Για κάθε πινακίδα εκδήλωσης, "θα μπορούσε να υπάρχει τεχνούργημα;" προσθήκη στήλης (μάτι/μύας/πλέγμα).- Γράψτε καθαρά τις ασάφειες. προσθέστε προειδοποίηση χαμηλού SNR.- Τέλος, παραθέστε 3 σημεία που πρέπει να επιβεβαιώσει ο νευροφυσιολόγος στην ακατέργαστη εγγραφή. Ανώνυμα χαρακτηριστικά: [ισχύς ζώνης, χρονικές σημάνσεις συμβάντων, πληροφορίες καναλιού]
Τέσσερα αντιγράψιμα πρότυπα
1) Περίληψη δύναμης ζώνης:
Καταγράψτε τις ακόλουθες δυνάμεις της ζώνης EEG (δέλτα, θήτα, άλφα, βήτα) και αξιολογήστε την αληθοφάνειά τους με την κατάσταση εγρήγορσης. Μην κάνετε διάγνωση. Δεδομένα: [τιμές]
2) Έλεγχος δυνατότητας τεχνουργήματος:
Για καθένα από αυτά τα σημάδια εμφάνισης, σημειώστε την πιθανότητα εμφάνισης τεχνητού ματιού/μυών/δικτύου ως χαμηλή/μέτρια/υψηλή και γράψτε το σκεπτικό σας. Σημάδια: [λίστα]
3) Σταδιοποίηση ύπνου QC:
Επισημάνετε ξαφνικές/απίθανες μεταβάσεις (π.χ. μετάβαση από REM σε βαθύ ύπνο) στην έξοδο σταδίου ύπνου AI παρακάτω. Καταγράψτε τις φέτες που απαιτούν έλεγχο από τεχνικό. Έξοδος: [σταδιοποίηση]
4) Σχέδιο εξωτερικής επαλήθευσης:
Γράψτε ένα σχέδιο εξωτερικής επικύρωσης για ένα μοντέλο ανίχνευσης συμβάντων EEG: διαφορετικός αριθμός συσκευών/ηλεκτροδίων, συμφωνία μεταξύ παρατηρητών (kappa), SNR και δοκιμές τεχνουργημάτων. Σημειώστε μεμονωμένα σημεία επικύρωσης.
Ρόλος μοντέλου: Ανά τύπο εργασίας
Τύπος εργασίας
συνεισφορά AI
κρισιμότητα
επαλήθευση
Σήμανση αντικειμένων
ψηλά
χαμηλά
Αναθεώρηση εμπειρογνωμόνων
Εξαγωγή ζώνης/χαρακτηριστικού
ψηλά
μεσαίο
φυσιολογική αληθοφάνεια
Προκαταρκτικές εργασίες στάθμισης ύπνου
ψηλά
μεσαίο
Έγκριση ειδικού
Ανίχνευση πριν από την κρίση
μεσαίο
ψηλά
Νευροφυσιολόγος + ακατέργαστη καταγραφή
διαγνωστική απόφαση
περιορισμένη
πολύ ψηλά
Πλήρης έγκριση ειδικού
Συμβουλή: Προτού βασιστείτε σε μια υπογραφή μοτίβου στο ΗΕΓ, ελέγξτε τη χρονική επικάλυψη αυτού του σήματος με τα κανάλια των ματιών και των μυών. Μεγάλο μέρος της δραστηριότητας που φαίνεται να είναι μια κρίση είναι στην πραγματικότητα βιολογικό τεχνούργημα.
Προσοχή: Όταν τα μοντέλα ΗΕΓ εκπαιδεύονται σε δεδομένα που συλλέγονται από έναν μικρό αριθμό ασθενών, προσαρμόζονται υπερβολικά (απομνημονεύουν) συγκεκριμένα μοτίβα για κάθε άτομο και καταρρέουν σε νέους ασθενείς. Η υψηλή εργαστηριακή απόδοση δεν αποτελεί εγγύηση πραγματικής κλινικής επιτυχίας. η εξωτερική επικύρωση είναι απαραίτητη.
Συνήθη λάθη
- Παρεξήγηση του τεχνουργήματος ως εγκεφαλικού σήματος. Οι βλεφαρίδες και η μυϊκή δραστηριότητα μιμούνται μια κρίση. Η επικάλυψη καναλιών πρέπει να ελεγχθεί.
- Αγνοώντας το χαμηλό SNR. Ένα αδύναμο σήμα σε θόρυβο παραπλανά εύκολα το μοντέλο.
- Επαλήθευση σε ένα κέντρο. Η διαφορετική διάταξη συσκευής και ηλεκτροδίου μειώνει την απόδοση.
- Παράβλεψη μεταβλητότητας μεταξύ παρατηρητών. Οι μετρήσεις του μοντέλου είναι παραπλανητικές εάν η ίδια η αναφορά είναι διφορούμενη.
- Εξάλειψη του ειδικού. Τα σημάδια είναι υποστήριξη. Η ερμηνεία της κρίσης και της διάγνωσης ανήκει στον ειδικό.
Συνοπτικά
- Το EEG είναι ένα πολυκαναλικό σήμα microvolt με χαμηλό SNR. Είναι εξαιρετικά ευαίσθητο σε τεχνουργήματα.
- Η ροή εργασίας αποτελείται από τη συναρμολόγηση, την εξαγωγή τεχνουργημάτων, την εξαγωγή χαρακτηριστικών και την ανίχνευση συμβάντων.
- Το χαμηλό SNR, η υψηλή μεταβλητότητα και η αβεβαιότητα αναφοράς καθιστούν την επαλήθευση ιδιαίτερα δύσκολη.
- Τα μοντέλα θα πρέπει να επικυρώνονται εκ νέου σε κάθε συσκευή και πληθυσμό στον οποίο θα χρησιμοποιηθούν.
- Οι επιληπτικές κρίσεις και η διαγνωστική ερμηνεία ανήκουν στον κλινικό νευροφυσιολόγο. Το AI δεν κάνει διάγνωση.
Εργασία εφαρμογής
Επιλέξτε ένα υποθετικό σενάριο ανίχνευσης συμβάντων ΗΕΓ (π.χ. προανίχνευση επιληπτικών κρίσεων). Καταγράψτε πέντε υπογραφές συμβάντων που παράγει το μοντέλο και ρωτήστε για καθεμία, "θα μπορούσε αυτό να είναι ένα τεχνούργημα;" συμπληρώστε τη στήλη (μάτι/μύες/πλέγμα/πραγματικό). Στη συνέχεια, γράψτε τρία στοιχεία ενός εξωτερικού σχεδίου επικύρωσης για αυτό το μοντέλο και σημειώστε με σαφήνεια το σημείο στο οποίο ο ειδικός παίρνει την τελική απόφαση.
λίστα ελέγχου
- [ ] Γνωρίζω ότι το EEG είναι σήμα χαμηλού SNR, πολλαπλών καναλιών και επιρρεπές σε τεχνουργήματα.
- [ ] Κατάλαβα τα βήματα συναρμολόγησης, εξαγωγής τεχνουργημάτων, ανίχνευσης χαρακτηριστικών και συμβάντων της ροής εργασίας.
- [ ] Βλέπω ότι τα τεχνουργήματα μιμούνται συμβάντα και εφαρμόζουν έλεγχο επικάλυψης καναλιών.
- [ ] Κατανοώ γιατί η εξωτερική επικύρωση είναι απαραίτητη και κατανοώ τη μεταβλητότητα μεταξύ των παρατηρητών.
- [ ] Έχω εσωτερικεύσει ότι η ερμηνεία των επιληπτικών κρίσεων και η διάγνωση παραμένουν στον ειδικό.