سود:
- توانایی توضیح چگونگی شناسایی، تقسیمبندی و اولویتبندی جریانهای کار با پشتیبانی هوش مصنوعی در تصاویر رادیولوژیکی
- امکان جداسازی خروجی های مدل (نقشه حرارتی، احتمال، اندازه گیری) از تصمیم رادیولوژیست و قرار دادن آنها در نقش پشتیبانی
- امکان اعتبارسنجی خروجی های مدل تصویر با حساسیت/ویژگی، بار مثبت کاذب، و زمینه بالینی
رادیولوژی بالغ ترین حوزه کاربردی هوش مصنوعی در مهندسی پزشکی است. اشعه ایکس (اشعه ایکس)، توموگرافی کامپیوتری (CT؛ CT به انگلیسی، ترکیب بخشهای اشعه ایکس گرفتهشده از زوایای مختلف) و تشدید مغناطیسی (MR؛ MRI به انگلیسی، تصویربرداری از بافت با میدان مغناطیسی قوی و امواج رادیویی) روزانه میلیونها تصویر تولید میکند. یک رادیولوژیست برای تفسیر این تصاویر سالها تخصص نیاز دارد. هوش مصنوعی با تشخیص ( جلب توجه به یک یافته)، بخشبندی ( ترسیم مرزهای یک ساختار، تقسیمبندی به انگلیسی) و اولویتبندی (قرار دادن موارد فوری در ابتدای صف، تریاژ در انگلیسی) به این فرآیند کمک میکند. در این واحد، خواهیم دید که چگونه این گردشهای کاری تنظیم میشوند و - مهمتر از همه - چگونه خروجی بهعنوان ورودی به جای جایگزینی برای تصمیم رادیولوژیست قرار میگیرد.
به عنوان یک مهندس، وظیفه شما اغلب توسعه مدل، ادغام آن، تأیید اعتبار و نظارت بر عملکرد آن با تیم بالینی است. رادیولوژیست تشخیص می دهد. هوش مصنوعی تشخیص نمی دهد. جلب توجه می کند، اندازه گیری می کند، مرتب می کند.
مراحل گردش کار هوش مصنوعی رادیولوژیکی
مرحله 1 - داده ها و پیش پردازش تصاویر به عنوان DICOM (تصویربرداری دیجیتال و ارتباطات در پزشکی؛ فایل استاندارد و فرمت ارتباطی برای تصاویر پزشکی) ارائه می شوند. پیش پردازش؛ اینها شامل پنجره (تنظیم کنتراست تصویر)، نمونه برداری مجدد (تغییر اندازه برش ها به اندازه استاندارد) و کاهش نویز است. این مرحله ایمن و برای اتوماسیون مناسب است.
مرحله 2 - تشخیص و تقسیم بندی این الگو ناحیه مربوط به ندول ریه، شکستگی یا خونریزی را مشخص می کند. خروجی معمولاً به صورت یک امتیاز احتمال و یک نقشه حرارتی (لایه ای که با رنگ مناطقی را که توجه مدل در آن متمرکز شده است نشان می دهد) است. در تقسیم بندی، مدل مرزهای پیکسلی یک اندام یا ضایعه را ترسیم می کند. این برای اندازه گیری حجم استفاده می شود.
مرحله 3 - اولویت بندی اگر یک یافته فوری (مثلاً خونریزی مغزی) تشخیص داده شود، مورد در لیست کار مطرح می شود. هدف در اینجا تغییر رادیولوژیست نیست، بلکه اطمینان از اینکه مورد بحرانی زودتر دیده می شود.
مرحله 4 - ارزیابی رادیولوژیست. خروجی های مدل به عنوان یک لایه توصیه به رادیولوژیست ارائه می شود. رادیولوژیست می پذیرد، رد می کند یا تغییر می دهد. گزارش نهایی و تشخیص متعلق به رادیولوژیست است.
مرحله 5 - تأیید و نظارت. هنگامی که مدل در میدان است، عملکرد آن به طور مداوم نظارت می شود. نرخ های مثبت کاذب و منفی کاذب به طور جداگانه در دستگاه های مختلف و گروه های بیمار ردیابی می شوند.
حساسیت، ویژگی و بار مثبت کاذب
دو معیار اساسی برای ارزیابی مدل تصویر وجود دارد. حساسیت میزان تشخیص افرادی است که واقعاً بیمار هستند: حساسیت بالا به معنای کمتر یافتن از دست رفته است. ویژگی سرعتی است که با آن ما افراد واقعاً سالم را با دقت حذف می کنیم: ویژگی بالا به معنای هشدارهای نادرست کمتر است. بین این دو تعادل وجود دارد. اگر آستانه را پایین بیاورید و یافته های بیشتری را شناسایی کنید، هشدارهای نادرست افزایش می یابد.
یک مفهوم مهم در کلینیک، بار مثبتهای کاذب است: اگر مدل اغلب اوقات «مشکوک» میگوید، رادیولوژیست باید هر بار این پرچمها را رد کند و پس از مدتی هشدارها را جدی نگیرد (خستگی هشدار). بنابراین، نه تنها حساسیت یک مدل باید ارزیابی شود، بلکه تعداد موارد مثبت کاذب در گردش کار واقعی نیز باید ارزیابی شود.
سه مورد کوچک: با اعداد
مورد 1 - زمان صرفه جویی شده توسط اولویت بندی. یک مدل اولویتبندی خونریزی در سیتیهای مغزی در بیمارستان اجرا شد. میانگین زمان برای اولین بار خونریزی توسط رادیولوژیست از 28 دقیقه به 8 دقیقه کاهش یافت. با این حال، مدل موفق به گرفتن یک خونریزی زیر عنکبوتیه کوچک از دست رفته. بنابراین همه موارد دوباره تحت مطالعه کامل رادیولوژیست قرار گرفتند. این مدل مرتبسازی را تسریع کرد، اما خواندن را حذف نکرد.
مورد 2 - بار مثبت کاذب. یک مدل تشخیص گره ریه به طور متوسط 6 علامت "مشکوک" به ازای هر بیمار زمانی که با آستانه پایین اجرا می شود برای افزایش حساسیت به 94٪ تولید می کند. اکثر این بخشهای عروقی و کانونهای خوشخیم بودند. در عرض دو هفته، رادیولوژیست ها شروع به نادیده گرفتن علائم کردند. هنگامی که آستانه تنظیم مجدد شد و تعداد نمرات به 1.5 برای هر بیمار کاهش یافت، مدل دوباره مفید شد.
مورد 3 - تغییر میدان. یک مدل تشخیص شکستگی با حساسیت 91 درصد بر روی دستگاههای دیجیتالی اشعه ایکس در بیمارستان A انجام شد، اما در بیمارستان B با استفاده از دستگاههای قابل حمل از یک سازنده دیگر به 72 درصد کاهش یافت. کیفیت و موقعیت تصویر متفاوت بود. مدل را نمی توان بدون تایید بیشتر در مورد هر دستگاه و جمعیتی که در آن استفاده می شود قابل اعتماد در نظر گرفت.
اعلان ضعیف / اعلان قوی
توجه: دستورات زیر برای پیکربندی یک گزارش متنی یا گردش کار هستند، نه برای تفسیر خود تصویر. تشخیص تصویر کار نرم افزار بالینی معتبر و رادیولوژیست است.
اعلان ضعیف:
به این گزارش اشعه ایکس نگاه کنید و به من بگویید که آیا بیمار بیمار است.[گزارش]
اعلان قدرتمند:
نقش شما: شما یک دستیار گردش کار رادیولوژی هستید (شما در حال تشخیص نیستید). متن گزارش رادیولوژی ناشناس را به صورت زیر ساختار دهید: - جدول یافته ها، اندازه گیری ها و مکان های تشریحی. - اظهارات مبهم/منفی ("نمی توان حذف شود") را همانطور که هست نگه دارید، نهایی نکنید. - هیچ یافته ای که در متن نیست اضافه نکنید. - جملات «توصیه/پیگیری» را در قسمتی جداگانه جمع آوری کنید. - در پایان 3 نکته را که رادیولوژیست باید تایید کند ذکر کنید. گزارش ناشناس: [متن]
مدل سریع قدرتمند مدل را از تفسیر دور نگه می دارد و بر پیکربندی تمرکز می کند. حفظ ابهام مطلوب است، زیرا در زبان رادیولوژی تفاوت بین "نمی توان حذف شد" و "در دسترس است" بسیار مهم است.
چهار قالب قابل کپی
1) پیکربندی گزارش:
گزارش رادیولوژی ناشناس زیر را به عناوین زیر تقسیم کنید: نشانه، تکنیک، یافته ها، نتیجه گیری، توصیه. به متن پایبند باشید، نظر اضافه نکنید. گزارش: [متن]
2) بررسی سازگاری اندازه گیری:
تمام اندازه گیری های عددی (میلی متر، سانتی متر، HU) را در این گزارش فهرست کنید و مقادیر متناقض یا غیر فیزیولوژیکی را علامت بزنید. گزارش: [متن]
3) طرح ارزیابی مدل:
یک پیش نویس طرح ارزیابی برای یک مدل تشخیص تصویر بنویسید: حساسیت، ویژگی، مثبت کاذب/بیمار، تجزیه و تحلیل زیر گروه (دستگاه، سن)، مجموعه اعتبارسنجی خارجی. نقاط تایید بالینی را جداگانه علامت بزنید.
4) یادداشت تریاژ مثبت کاذب:
فهرست خروجی های تشخیص زیر را به عنوان "اولویت رادیولوژیست بالا/پایین" طبقه بندی کنید. منطق هر کلاس را بنویسید. بیان کنید که تصمیم گیری را به رادیولوژیست واگذار می کنید. فهرست: [خروجی ها]
نقش مدل: بر اساس نوع یافته
پیدا کردن نوع
سهم هوش مصنوعی
انتقادی بودن
راستی آزمایی
اولویت بندی فوری خونریزی
بالا
بسیار بالا
رادیولوژیست خواندن کامل
تشخیص ندول ریه
بالا
بالا
آستانه + پروتکل ردیابی
سن استخوان / اندازه گیری
بالا
متوسط
کنترل تخصصی
تقسیم بندی حجم اندام
بالا
متوسط
تایید نمونه دستی
پیکربندی گزارش (متن)
بالا
پایین
تایید رادیولوژیست
نکته: هنگام ارزیابی مدل نمایشگر هرگز به یک درصد دقت تکیه نکنید. حساسیت، ویژگی، بار مثبت کاذب و عملکرد زیرگروه را با هم بخواهید. "مدل را روی کدام دستگاه و گروه بیمار آزمایش کردید؟" سوال بیشتر مشکلات را نشان می دهد
احتیاط: نقشه حرارتی تضمین نمی کند که چرا مدل تصمیم گرفت. این فقط نشان می دهد که توجه شما در کجا متمرکز است. گاهی اوقات مدل به دلیل اشتباه (مثلاً با نگاه کردن به یک نشانگر در تصویر) پاسخ درست را می دهد. خروجی قابل توضیح نیز نیاز به اعتبار دارد.
اشتباهات رایج
- تکیه بر یک متریک واحد. دقت کلی بالا ممکن است حساسیت کم را در یک زیر گروه بحرانی پنهان کند.
- عدم اندازه گیری بار مثبت کاذب. مدلی که سیگنال های زیادی تولید می کند، خستگی محرک ایجاد می کند و رها می شود.
- مدل را روی یک دستگاه تأیید کنید و از آن در هر مکانی استفاده کنید. رانش میدان شایع ترین علت شکست هوش مصنوعی تصویر است.
- اشتباه گرفتن نقشه حرارتی برای شواهد نقشه توجه توضیحی نیست. پاسخ درست ممکن است بر اساس دلیل اشتباه باشد.
- حذف رادیولوژیست مدل اولویت بندی می کند و پرچم می دهد. تشخیص و گزارش مربوط به رادیولوژیست است.
به طور خلاصه
- هوش مصنوعی رادیولوژیکی؛ از طریق تشخیص، تقسیم بندی و اولویت بندی ارزش تولید می کند و جایگزین تشخیص نمی شود.
- بین حساسیت و ویژگی تعادل وجود دارد. بار مثبت کاذب یک معیار مهم در کلینیک است.
- مدلها باید در هر دستگاه و جمعیتی که در آن مورد استفاده قرار میگیرند، تحت اعتبارسنجی خارجی (تغییر دامنه) قرار گیرند.
- نقشه های حرارتی توجه را نشان می دهند اما توضیحی را تضمین نمی کنند. را نمی توان به عنوان مدرک در نظر گرفت.
- تشخیص و گزارش نهایی متعلق به رادیولوژیست است. هوش مصنوعی یک لایه پشتیبانی است.
وظیفه کاربردی
یک سناریوی تشخیص تصویر موجود (یا فرضی) را انتخاب کنید. یک چارچوب ارزیابی برای این مدل بنویسید: مشخص کنید از کدام معیارها (حساسیت، ویژگی، مثبت کاذب/بیمار)، کدام زیرگروه (دستگاه، سن، جنسیت) و از کدام مجموعه اعتبارسنجی خارجی استفاده خواهید کرد. سپس نقطه دقیقی را در گردش کار مشخص کنید که رادیولوژیست در آن تصمیم گرفت و در یک پاراگراف توضیح دهید که چگونه خروجی مدل در آن تصمیم وارد شده است.
چک لیست
- [ ] من می توانم نقش های تشخیص، تقسیم بندی و اولویت بندی هوش مصنوعی رادیولوژیکی را تشخیص دهم.
- [ ] من می توانم حساسیت، ویژگی و بار مثبت کاذب را با هم ارزیابی کنم.
- [ ] می دانم تغییر فیلد چیست و چرا اعتبارسنجی خارجی لازم است.
- [ ] متوجه شدم که نقشه حرارتی توضیحی نیست و تأیید لازم است.
- [ ] من می توانم خروجی مدل را به عنوان ورودی تصمیم رادیولوژیست قرار دهم تا جایگزینی برای آن.