Kasu:
- Võimalus määratleda tehisintellekti rolli eelsõelumisel, prioriteetide seadmisel ja aruannete koostamisel radiograafia, ultraheli ja tsütoloogiliste piltide puhul
- Võimalus kinnitada AI märgistatud leide kliinilise konteksti, standardse positsioneerimise ja eksperdi (radioloogi/patoloogi) hinnanguga
- Oskus mõista, et pildipõhine tehisintellekt ei anna lõplikku diagnoosi, et tüübi/asendi/kvaliteedi erinevused on eksitavad ja et lõpliku tõlgenduse teeb arst.
Pildistamine on aken, mis toob loomaarsti silma kehasse. Radiograafia (röntgen; sisestruktuuride pildistamine röntgenikiirgusega), ultraheli (pehmete kudede pildistamine helilainetega) ja tsütoloogia (rakuproovide uurimine mikroskoobi all) on igapäevase praktika lahutamatud osad. Tehisintellekt (AI) on viimastel aastatel nende piltide mustrituvastuses kiiresti edasi arenenud: see suudab radiograafil märgistada võimaliku massi, seada prioriteediks piltide komplekti ja koostada aruande. Kuid kõige ohtlikum eksiarvamus siin on järgmine: AI ei pane pildi põhjal lõplikku diagnoosi. Erinevused asendis, kokkupuutes (kiire doos), tüübis ja superpositsioonis (elundite kattumine) viivad tehisintellekti kergesti eksitada. Selles üksuses saate teada, kuidas ohutult kasutada nägemispõhist tehisintellekti eelsõelu ja prioriteetide seadmise tööriistana. Lõplik tõlgendus kuulub alati arstile ja vajadusel radioloogile või patoloogile.
Mida AI saab ja mida ei saa pildistamisel teha
Tehisintellekti seaduslikud rollid on järgmised: eelsõeluuringud (vaatamist vajava piirkonna märkimine), tähtsuse järjekorda seadmine (kiireloomulise juhtumi esiletoomine), abi mõõtmisel (standardmõõtmiste, näiteks südame/rindkere suhte arvutamine) ja aruande koostamine (leidude vormistamine puhtasse teksti). Mida AI teha ei saa: lõplik diagnoos, pahaloomulise/healoomulise kasvaja lõplik diagnoos, raviotsus ja uuringu asendamine.
Nägemispõhise tehisintellekti kõige salakavalam lõks on see, et seda koolitatakse peamiselt inimeste andmete või piiratud liigiandmete põhjal. Koera ja kassi rindkere, hurta ja buldogi rindkere anatoomia on erinev. AI võib need erinevused segi ajada ja tähistada normaalset variatsiooni patoloogiana või vastupidi.
Ettevaatust: see, et tehisintellekt märgib leiu, ei tähenda, et "seal on midagi"; See tähendab "vaata siia". Iga märgistatud ala tuleks kliinilise konteksti ja standardse positsioneeritud kujutise suhtes valideerida; Arst peaks läbi vaatama ka märgistamata kohad.
Kahesuunaline viga: valepositiivne ja valenegatiivne
Image AI teeb kahte tüüpi vigu. Valepositiivne: tähistab leidu, mida pole olemas (nt ekslikult superpositsioonis oleva massiga). See toob kaasa asjatu läbivaatuse ja omaniku ärevuse. Valenegatiivne: tõene leid jääb märkamata (nt väike metastaas). See on ohtlikum, kuna see võib viia arstile vale usalduse. Nii et see, et tehisintellekt ütleb "puhas", ei välista patoloogiat; Arst peab kogu pilti oma silmaga hindama.
Samm-sammult: piltide eelhindamine tehisintellektiga
- Hankige kvaliteetseid pilte. Ilma standardasendi, õige särituse, selge pildita pole ükski tõlgendus usaldusväärne.
- Lisage kliiniline kontekst. Andke tehisintellektile liik, vanus, kaebus ja uurimistulemused.
- Taotlege eelkontrolli. Paluge AI-l "märkida alad, mida vaadata", mitte "panna diagnoos".
- Kontrollige märke. Kontrollige iga märki standardpildi ja kliinilise kontekstiga.
- Otsige põgenejaid. Uurige ise valdkondi, mida AI ei märkinud.
- Konsulteerige eksperdiga. Küsitavate või kriitiliste leidude korral hankige radioloogi/patoloogi hinnang.
- Las arst kinnitab aruande. Lõplik tõlgendus ja allkiri kuulub arstile.
kolm minikarpi
Juhtum 1. 9-aastasel koeral tuvastas AI võimaliku sõlme paremas kaudaalses kopsusagaras. Arst kontrollis piirkonda standardse kaheasendilise ekstraktsiooniga; ta nägi, et märk oli tegelikult ribide ja veenide kattuv vari (valepositiivne). AI juhtis tähelepanu, kuid arst parandas diagnoosi.
Juhtum 2. Kiire erakorralise vahetuse ajal kogunes 14 röntgenpilti. AI sorteeris pildid kiireloomulisuse tõenäosuse järgi ja tõi esile võimaliku vaba kõhuvedeliku juhtumi. Arst kasutas seda järjekorda prioriteedina, kuid hindas siiski iga pilti ise. Prioriteedi seadmine säästab aega; Otsuse tegi arst.
Juhtum 3. Massist võetud tsütoloogiline proov oli "võimalik, et põletikuline", ütles AI. Arst märkas, et proovi kvaliteet oli halb (vähe rakke, vere saastumine), võttis uue proovi ja saatis selle patoloogile; Tulemus oli erinev. See juhtum näitab, et kui proovi/pildi kvaliteet on halb, on AI väljund samuti ebausaldusväärne.
Võrdluskaart
Olek
AI roll
Arsti roll
Pildi kvaliteet on halb
Ebausaldusväärne, hoiatage
Pildistage uuesti / proovige
Leid märgitud
"Vaata siia" vihje
Kinnitage standardpildiga
Leidu ei ole
Ei välista patoloogiat
Kontrollige seda ise
Kriitiline/küsitav leid
Aruande mustand
Konsulteerige radioloogi/patoloogiga, kinnitage
Neli kopeeritavat malli
Roll: Pildi eelsõeluuringu assistent (te ei pane diagnoosi, vaid juhite tähelepanu).Kontekst: tüüp [...], vanus [...], kaebus [...], võtte tüüp [...] asend.Ülesanne: Loetlege selle pildi piirkonnad, mida tuleb hoolikalt vaadata ja miks. "Lõpliku diagnoosi" andmine; Kirjutage iga kauba juurde "arsti kinnitatud".
Ülesanne: Koostage järgmistest radioloogilistest leidudest (tehniline kvaliteet / leiud / soovituslik tõlgendus) struktureeritud ARUANNE. Reegel: kirjutage tõlgendus "võimalikus" keeles, ärge pange lõplikku diagnoosi. Lõplik tõlgendus kuulub arstile. Leiud: [...]
Ülesanne: esitage selle pildi/näidise tehnilise kvaliteedi kontrollnimekiri (asend, säritus, liikumine, näidise adekvaatsus). Kui kvaliteet on madal, tõstab see esile hoiatuse "kommentaar on ebausaldusväärne, tuleb uuesti postitada". Kontekst: [...]
Ülesanne: Loetelu punase lipuga kriteeriumidega, millal on vaja järgmise leiu korral eriarsti (radioloogi/patoloogi) poole pöördumist. Otsus kuulub arstile. Leidmine: [...]
Nõrk viip / Tugev viip
Nõrk: "Mis selles röntgenis on, tehke diagnoosi."
Güçlü: "10-aastase köha üle kaebava kassi rindkere parem-vasak külgmise röntgenograafia. Loetlege piirkonnad, mida tuleb hoolikalt uurida, ja põhjus; ärge pange lõplikku diagnoosi, kirjutage iga üksuse juurde "arst peab kontrollima". Kui näete pildikvaliteedis probleemi, märkige see kõigepealt."
Võimsas viipas piirdub tehisintellekti roll eelsõeluuringuga, kvaliteedikontroll on prioriteediks ja diagnoosimine on keelatud.
Levinud vead
- Märgi eksitamine äratundmiseks. AI ütleb "vaata siia", mitte "see on see".
- Kommenteerin halva kvaliteediga piltidega. Nii tehisintellekt kui inimene eksivad halva kvaliteediga pildis.
- "Puhase" väljundi usaldamine ja ülevaatest loobumine. Valenegatiivsed tulemused on tõeline oht.
- Žanri/positsiooni erinevusest mööda minnes. Inim- või muud tüüpi andmete põhjal koolitatud tehisintellekt eksitab.
- Spetsialistide suunamisega viivitamine. Kriitiliste/kahtlaste leidude korral on radioloogi/patoloogi hindamine hädavajalik.
Usalduslävi ja "musta kasti" probleem
Nägemispõhised AI-tööriistad annavad sageli tõenäosusskoori: "vaatajaskond on tõenäoliselt kõrge" või protsent. See arv loob eksitava kindlustunde; Tihti pole aga näha, kuidas mudel taustal otsuseid teeb. Seda nimetatakse musta kasti probleemiks: süsteem annab tulemuse, kuid ei selgita oma arutluskäiku viisil, mida inimesed saaksid kontrollida. Arst ei tohiks pimesi usaldada tulemust, mille õigustust ta ei näe. Kõrge skoor on mõttekas, kui andmed ja tingimused, mille alusel seda mudelit koolitati, on sarnased teie patsiendiga; Kui tegemist on erineva liigi, erineva seadme või ebatavalise asendiga, muutub skoor kiiresti ebausaldusväärseks.
Rusikareegel on see, et olenemata tehisintellekti skoorist vaadake ise ja viige see vastavusse kliinilise kontekstiga mis tahes leidu jaoks, mis teie otsust muudaks. Kõrge skoor võib suunata teid testile, kuid test ja uuring panevad diagnoosi; Madal punktisumma ei tohiks teid rahustada, sest vale negatiivne tulemus on alati võimalik. Lisaks vähendab sama pildi ümberhindamine erinevates tingimustes (uus asend, erinev säritus) nii teie kui ka tehisintellekti veamäära. Vision AI on tööriist, mis juhib kogenud silma tähelepanu, mitte ei asenda seda; Lõpliku tõlgenduse kaal lasub alati arstil.
Kokkuvõttes
Visioonipõhine tehisintellekt on võimas abivahend eelsõelumisel, prioriteetide seadmisel ja aruannete koostamisel; kuid see ei pane lõplikku diagnoosi. Võtke nende märgistusi kui "vaata siia" vihjet, kontrollige neid standardsete kujutiste ja kliinilise konteksti abil ning uurige ise märgistamata alasid. Kui pildi/näidise kvaliteet on halb, on väljund ebausaldusväärne. Kriitilise leiu korral pöörduge radioloogi või patoloogi poole. Lõplik tõlgendus ja vastutus kuulub arstile.
Rakenduse ülesanne
Skaneerige kolm pilti (üks radiograafia, üks ultrahelilõik, üks tsütoloogia) tehisintellekti. Igaühe puhul: (1) kontrollige AI-ga tähistatud ala standardkujutise abil, (2) hinnake, kas on olemas valepositiivne või valenegatiivne tulemus, (3) märkige, milline juhtum nõuab spetsialisti suunamist. Koostage ka kvaliteedi kontrollnimekiri ja kasutage seda kliinikus.
kontrollnimekiri
- [ ] Sain kvaliteetse pildi standardasendi ja õige säritusega.
- [ ] Andsin tehisintellektile kliinilise konteksti (tüüp, vanus, kaebus).
- [ ] Palusin tehisintellekti eeluuringut, mitte diagnoosi.
- [ ] Kontrollisin märgitud alasid standardpildiga.
- [ ] Uurisin ise ka märgistamata alasid.
- [ ] Kriitiliste/kahtlaste leidude osas konsulteerisin eksperdiga.
- [ ] Arstina kinnitasin lõpparuande.