Kasu:
- Oskus selgitada, kuidas radioloogiliste piltide puhul luuakse tehisintellekti toetatud tuvastamise, segmenteerimise ja prioriseerimise töövood
- Võimalus eraldada mudeli väljundid (soojuskaart, tõenäosus, mõõtmine) radioloogi otsusest ja paigutada need tugirolli
- Võimalus kinnitada pildimudeli väljundeid tundlikkuse/spetsiifilisuse, valepositiivse koormuse ja kliinilise kontekstiga
Radioloogia on tehisintellekti kõige küpsem rakendusvaldkond biomeditsiinitehnikas. Röntgenikiirgus (röntgen), kompuutertomograafia (CT; inglise keeles CT, mis ühendab erinevate nurkade alt tehtud röntgenilõike) ja magnetresonants (MR; inglise keeles MRI, kudede kujutamine tugeva magnetvälja ja raadiolainetega) toodavad iga päev miljoneid pilte. Radioloogil kulub nende piltide tõlgendamiseks aastatepikkune kogemus. Tehisintellekt aitab sellele protsessile kaasa tuvastamise (leiule tähelepanu juhtimine), segmenteerimise (struktuuri piiride tõmbamine; inglise keeles segmenteerimine) ja prioritiseerimisega (kiireloomuliste juhtumite panemine järjekorra algusesse; inglise keeles triage). Selles üksuses näeme, kuidas need töövood on üles seatud ja – mis kõige tähtsam – kuidas väljund positsioneeritakse radioloogi otsuse sisendiks, mitte selle asendajaks.
Insenerina on teie töö sageli mudeli väljatöötamine, integreerimine, valideerimine ja selle toimivuse jälgimine koos kliinilise meeskonnaga. Diagnoosi teeb radioloog. AI ei diagnoosi; juhib tähelepanu, mõõdab, sorteerib.
Radioloogilise tehisintellekti töövoo etapid
1. etapp – andmed ja eeltöötlus. Pildid tulevad DICOM-ina (Digital Imaging and Communications in Medicine; meditsiiniliste piltide standardne faili- ja suhtlusvorming). Eeltöötlemine; Nende hulka kuuluvad aknad (pildi kontrasti reguleerimine), resampling (lõikude suuruse muutmine standardsuurusele) ja müra vähendamine. See samm on ohutu ja sobib automatiseerimiseks.
2. etapp – tuvastamine ja segmenteerimine. Muster tähistab piirkonda, mis vastab kopsusõlmele, luumurrule või hemorraagiale. Väljund on tavaliselt tõenäosusskoori ja soojuskaardi kujul (kiht, mis näitab värvi järgi alasid, kuhu mudeli tähelepanu on koondunud). Segmenteerimisel joonistab mudel organi või kahjustuse pikslipiirid; Seda kasutatakse mahu mõõtmiseks.
3. samm – seadke prioriteedid. Kui avastatakse kiireloomuline leid (nt ajuverejooks), tuuakse juhtum töönimekirjas ettepoole. Siin ei ole eesmärk radioloogi vahetada, vaid tagada, et kriitilist juhtumit nähakse varem.
4. etapp – radioloogi hindamine. Mudeli väljundid esitatakse radioloogile soovituskihina. Radioloog aktsepteerib, lükkab tagasi või muudab. Lõppraport ja diagnoos kuuluvad radioloogile.
5. etapp – kontrollimine ja järelevalve. Kui mudel on põllul, jälgitakse selle toimivust pidevalt; Valepositiivseid ja valenegatiivseid määrasid jälgitakse erinevates seadmetes ja patsiendirühmades eraldi.
Tundlikkus, spetsiifilisus ja valepositiivne koormus
Pildimudeli hindamiseks on kaks põhimõõdikut. Tundlikkus on nende inimeste avastamise määr, kes on tõeliselt haiged: kõrge tundlikkus tähendab, et vahelejäänud leide on vähem. Spetsiifilisus on kiirus, millega me tõeliselt tervisliku täpselt kõrvaldame: kõrge spetsiifilisus tähendab vähem valehäireid. Nende kahe vahel on tasakaal; Kui alandate läve ja avastate rohkem leide, suureneb valehäirete arv.
Kriitiline kontseptsioon kliinikus on valepositiivsete tulemuste koorem: kui modell ütleb liiga sageli "kahtlane", peab radioloog need lipud iga kord välistama ja mõne aja pärast ei võta hoiatusi tõsiselt (alert fatigue). Seetõttu tuleks hinnata mitte ainult mudeli tundlikkust, vaid ka tegeliku töövoo valepositiivsete tulemuste arvu.
Kolm miniümbrist: numbrite järgi
Juhtum 1 – prioritiseerimisega säästetud aeg. Haiglas rakendati aju CT-s verejooksu prioriseerimise mudelit. Keskmine aeg, mil verejooksujuhtumid radioloogile esmalt pöördusid, vähenes 28 minutilt 8 minutile. Siiski ei õnnestunud mudelil tabada vahelejäänud väikest subarahnoidaalset hemorraagiat; seetõttu läbisid kõik juhtumid taas täieliku radioloogi näidu. Mudel kiirendas sorteerimist, kuid ei kõrvaldanud lugemist.
Juhtum 2 – valepositiivne koormus. Kopsusõlmede tuvastamise mudel andis keskmiselt 6 „kahtlast” märki patsiendi kohta, kui seda kasutati madala läviväärtusega, et tõsta tundlikkust 94%-ni; Enamik neist olid veresoonte lõigud ja healoomulised kolded. Kahe nädala jooksul hakkasid radioloogid märke ignoreerima. Kui läve korrigeeriti ja märkide arvu vähendati 1,5-ni patsiendi kohta, muutus mudel taas kasulikuks.
Juhtum 3 – väli nihe. Luumurdude tuvastamise mudel viidi läbi 91% tundlikkusega digitaalsete röntgeniaparaatidega haiglas A, kuid langes haiglas B 72%ni, kasutades teise tootja kaasaskantavaid seadmeid. Pildikvaliteet ja paigutus olid erinevad. Mudelit ei saa pidada usaldusväärseks, kui seda pole täiendavalt kinnitatud igas seadmes ja populatsioonis, milles seda kasutatakse.
Nõrk viip / Tugev viip
Märkus. Allolevad viibad on mõeldud tekstiaruande või töövoo konfigureerimiseks, mitte pildi enda tõlgendamiseks. Pildidiagnostika on valideeritud kliinilise tarkvara ja radioloogi töö.
Nõrk viip:
Vaadake seda röntgeniaruannet ja öelge mulle, kas patsient on haige.[aruanne]
Võimas viip:
Teie roll: olete radioloogia töövoo assistent (TE EI OLE DIAGNOOSIK). Struktureerige anonüümse radioloogiaaruande tekst järgmiselt: - Tabelistage leiud, mõõtmised ja anatoomilised asukohad. - Jätke ebamäärased/negatiivsed väited ("ei saa välistada") nii nagu on, ärge muutke lõplikuks. - Ärge lisage leide, mida tekstis pole. - Koguge eraldi jaotisesse "soovitus/järeltegevus" laused. - Lõpus loetlege 3 punkti, mida radioloog peaks kinnitama. Anonüümne teade: [tekst]
Võimas viipemudel hoiab mudeli tõlgendamisest eemal ja keskendub konfigureerimisele; Soovitav on säilitada ebaselgus, sest radioloogia keeles on ülioluline erinevus "ei saa välistada" ja "on saadaval".
Neli kopeeritavat malli
1) Aruande konfiguratsioon:
Jagage järgmine anonüümne radioloogiaaruanne järgmistesse rubriikidesse: Näidustus, Tehnika, Leiud, Järeldus, Soovitus. Jää teksti juurde, ära lisa kommentaare. Aruanne: [tekst]
2) Mõõtmiste järjepidevuse kontroll:
Loetlege selles aruandes kõik numbrilised mõõtmised (mm, cm, HU) ja märkige vastuolulised või mittefüsioloogilised väärtused. Aruanne: [tekst]
3) Mudel hindamiskava:
Kirjutage kujutise tuvastamise mudeli hindamisplaani kavand: tundlikkus, spetsiifilisus, valepositiivne/patsient, alarühma (seade, vanus) analüüs, väline valideerimiskomplekt. Märgi kliinilise heakskiidu punktid eraldi.
4) Valepositiivne triaažimärge:
Klassifitseerige järgmine tuvastusväljundite loend "radioloogi prioriteediks kõrge/madal"; Kirjutage iga klassi põhjendus. Öelge, et jätate otsustamise radioloogile. Loetelu: [väljundid]
Mudeli roll: leidu tüübi järgi
Tüübi leidmine
AI panus
kriitilisus
kontrollimine
Kiireloomuline verejooksu prioriseerimine
kõrge
väga kõrge
Radioloogi täielik lugemine
Kopsusõlmede tuvastamine
kõrge
kõrge
Lävi + jälgimisprotokoll
Luu vanus/mõõtmine
kõrge
keskmine
Ekspertkontroll
Elundimahu segmenteerimine
kõrge
keskmine
Näidise käsitsi kontrollimine
Aruande seadistus (tekst)
kõrge
madal
Radioloogi kinnitus
Näpunäide. Ärge kunagi tuginege kuvamudeli hindamisel ühele täpsusprotsendile. Küsige koos tundlikkust, spetsiifilisust, valepositiivset koormust ja alarühma jõudlust; "Millisel seadmel ja patsiendirühmal te mudelit testisite?" küsimus paljastab enamiku probleemidest.
Ettevaatust: soojuskaart ei garanteeri, "miks" mudel otsustas nii, nagu ta tegi; See lihtsalt näitab, kuhu teie tähelepanu on keskendunud. Mõnikord annab mudel õige vastuse valel põhjusel (näiteks pildil olevat markerit vaadates). Seletavuse väljund nõuab ka valideerimist.
Levinud vead
- Tuginedes ühele mõõdikule. Kõrge üldine täpsus võib varjata madalat tundlikkust kriitilises alarühmas.
- Valepositiivse koormuse mõõtmata jätmine. Mudel, mis toodab liiga palju signaale, tekitab ärrituse väsimust ja jäetakse maha.
- Kinnitage mudel ühes seadmes ja kasutage seda kõikjal. Välja triiv on pildi AI tõrke kõige levinum põhjus.
- Kuumakaardi eksitamine tõendite saamiseks. Tähelepanukaart ei ole seletus; Õige vastus võib põhineda valel põhjusel.
- Radioloogi kõrvaldamine. Mudel seab prioriteedid ja lipud; Diagnoos ja aruanne kuuluvad radioloogile.
Kokkuvõttes
- Radioloogiline AI; See loob väärtust tuvastamise, segmenteerimise ja prioriteetide seadmise kaudu ning ei asenda diagnoosi.
- Tundlikkuse ja spetsiifilisuse vahel valitseb tasakaal; Valepositiivne koormus on kliinikus kriitiline mõõdik.
- Mudelid peavad läbima välise valideerimise (domeeni nihutamise) igas seadmes ja populatsioonis, kus neid kasutatakse.
- Kuumakaardid näitavad tähelepanu, kuid ei taga selgitust; ei saa võtta tõendina.
- Lõplik diagnoos ja aruanne kuulub radioloogile; AI on tugikiht.
Rakenduse ülesanne
Valige olemasolev (või hüpoteetiline) pildituvastuse stsenaarium. Kirjutage selle mudeli jaoks hindamisraamistik: määrake, milliseid mõõdikuid (tundlikkus, spetsiifilisus, valepositiivne/patsient), milliseid alarühmi (seade, vanus, sugu) ja millist välist valideerimiskomplekti kasutate. Seejärel märkige töövoos täpne punkt, kus radioloog otsuse tegi, ja selgitage lõigus, kuidas mudeli väljund sellesse otsusesse sisestati.
kontrollnimekiri
- [ ] Oskan eristada radioloogilise tehisintellekti tuvastamise, segmenteerimise ja prioriseerimise rolle.
- [ ] Oskan hinnata tundlikkust, spetsiifilisust ja valepositiivset koormust koos.
- [ ] Ma tean, mis on väljade nihutamine ja miks on vaja välist valideerimist.
- [ ] Sain aru, et soojuskaart ei ole selgitus ja seda on vaja kontrollida.
- [ ] Võin positsioneerida mudeli väljundi pigem radioloogi otsuse sisendiks kui selle asendajaks.