लाभ:
- संपूर्ण स्लाइड छवि (डब्ल्यूएसआई) वर्कफ़्लो में सेल गिनती, विभाजन और ग्रेडिंग के लिए एआई के समर्थन को समझाने की क्षमता
- मॉडल प्रदर्शन और डोमेन शिफ्ट पर पेंटिंग और स्कैनिंग परिवर्तनशीलता के प्रभाव को पहचानने की क्षमता
- संदर्भ मानक, नमूनाकरण और रोगविज्ञानी अनुमोदन के साथ पैथोलॉजी एआई आउटपुट को मान्य करने की क्षमता
पैथोलॉजी चिकित्सा की वह शाखा है जिसमें माइक्रोस्कोप के नीचे ऊतक के नमूने की जांच करके रोग की पहचान की जाती है; कई कैंसर निदानों का "स्वर्ण मानक" यहीं बनाया गया है। डिजिटल पैथोलॉजी एक उच्च-रिज़ॉल्यूशन स्कैनर के साथ ग्लास स्लाइड पर दाग वाले ऊतक अनुभाग का डिजिटलीकरण है। परिणामी फ़ाइल को संपूर्ण स्लाइड छवि (संक्षेप में WSI) कहा जाता है; एक एकल स्लाइड गीगापिक्सेल आकार, यानी अरबों पिक्सेल की एक विशाल छवि हो सकती है। कृत्रिम बुद्धिमत्ता इन विशाल छवियों में कोशिका गणना, क्षेत्र विभाजन और ग्रेडिंग का समर्थन करती है। इस इकाई में हम WSI वर्कफ़्लो देखेंगे, इसका सबसे बड़ा तकनीकी ख़तरा: धुंधलापन/स्कैनिंग परिवर्तनशीलता, और पैथोलॉजिस्ट अनुमोदन क्यों आवश्यक है।
आइए शुरुआत से बताएं: कृत्रिम बुद्धिमत्ता एक काउंटर, एक प्रारंभिक स्कैनर और पैथोलॉजी में दूसरी आंख हो सकती है; लेकिन कैंसर का निदान, स्टेजिंग और ग्रेडिंग का निर्णय रोगविज्ञानी का होता है। मॉडल निदान नहीं करता.
WSI वर्कफ़्लो के चरण
चरण 1 - स्क्रीनिंग और गुणवत्ता नियंत्रण। ग्लास स्लाइड स्कैन की गई है; डिफोकस, फोल्ड मार्क्स और एयर बबल्स जैसे दोषों का स्वचालित रूप से पता लगाया जा सकता है। खराब गुणवत्ता वाले स्कैन को मॉडल में बिल्कुल भी प्रवेश नहीं करना चाहिए।
चरण 2 - टाइल (पैच) हटाना। गीगापिक्सेल छवि को सीधे संसाधित नहीं किया जा सकता; छोटे वर्गों में विभाजित किया गया है (अंग्रेजी पैच, आमतौर पर 256x256 या 512x512 पिक्सेल)। मॉडल प्रत्येक टाइल का अलग-अलग मूल्यांकन करता है, फिर परिणाम संयुक्त होते हैं।
चरण 3 - ऊतक/कोशिका विश्लेषण। नमूना; यह ट्यूमर साइट विभाजन, माइटोसिस (कोशिका को विभाजित करना) गिनती, परमाणु घनत्व या मार्कर की गणना (उदाहरण के लिए Ki-67 धुंधला दर) जैसे कार्य करता है। आउटपुट एक संख्यात्मक माप या हीट मैप है।
चरण 4 - समेकन और रिपोर्टिंग। टाइल परिणाम स्लाइड स्तर पर संयुक्त होते हैं; एक सारांश तैयार किया जाता है, उदाहरण के लिए, "ट्यूमर क्षेत्र का प्रतिशत" या "माइटोटिक गिनती"।
चरण 5 - रोगविज्ञानी मूल्यांकन। रोगविज्ञानी मॉडल द्वारा चिह्नित क्षेत्रों और गणनाओं की जांच करता है; स्वीकार करता है, सुधारता है या अस्वीकार करता है। निदान और ग्रेडिंग रोगविज्ञानी पर निर्भर है।
सबसे बड़ा ख़तरा: रंगाई और स्कैनिंग परिवर्तनशीलता
ऊतक वर्गों को आमतौर पर एच एंड ई (हेमेटोक्सिलिन और ईओसिन; मानक डाई जो नाभिक को नीला-बैंगनी और साइटोप्लाज्म को गुलाबी रंग देता है) से रंगा जाता है। लेकिन धुंधला होने की तीव्रता प्रयोगशाला, दाग बैच, अनुभाग की मोटाई और स्कैनर ब्रांड के अनुसार स्पष्ट रूप से भिन्न होती है। मानव आँख आसानी से इन भिन्नताओं को अपना लेती है; मॉडल संगत नहीं हो सकता.
यदि किसी मॉडल ने लैब ए के गुलाबी-बैंगनी टोन के आधार पर सीखा है, तो लैब बी के हल्के या गहरे रंग पर इसका प्रदर्शन कम हो जाएगा। इस घटना को डोमेन शिफ्ट कहा जाता है और यह डिजिटल पैथोलॉजी में विफलता का सबसे आम कारण है। समाधान दृष्टिकोण: रंग सामान्यीकरण (छवियों को एक सामान्य रंग स्थान में ले जाना), बहुकेंद्रीय प्रशिक्षण डेटा, और - सबसे महत्वपूर्ण - उपयोग की जाने वाली प्रत्येक प्रयोगशाला में बाहरी सत्यापन।
तीन मिनी मामले: संख्याओं द्वारा
केस 1 - माइटोटिक गिनती में स्थिरता। स्तन कैंसर की ग्रेडिंग में माइटोटिक गिनती महत्वपूर्ण है लेकिन श्रमसाध्य है और पर्यवेक्षक से पर्यवेक्षक तक परिवर्तनशील है। एक प्रयोगशाला में एआई-सहायता प्राप्त प्रारंभिक गिनती, दो रोगविज्ञानियों के बीच सहमति (कप्पा) 0.55 से बढ़कर 0.71 हो गई, और प्रति स्लाइड गिनती का समय 4 मिनट से घटकर 1.5 मिनट हो गया। हालाँकि, प्रत्येक अंतिम गणना की पुष्टि रोगविज्ञानी द्वारा की गई थी; मॉडल ने सुझाव दिया, रोगविज्ञानी ने निर्णय लिया।
केस 2 - फील्ड शिफ्ट हिट। जिस प्रयोगशाला में ट्यूमर विभाजन मॉडल विकसित किया गया, वह 93% समय सही ढंग से काम कर रहा था। एक ही मॉडल ने एक अलग स्कैनर और डाई का उपयोग करके साझेदार प्रयोगशाला में ट्यूमर क्षेत्र को व्यवस्थित रूप से 20% तक बढ़ा दिया। उस प्रयोगशाला से 200 स्लाइडों के साथ रंग सामान्यीकरण और पुनर्वैधीकरण के बाद, अंतर स्वीकार्य स्तर तक कम हो गया।
केस 3 - नमूनाकरण भ्रांति। एक मॉडल ने स्लाइड पर ट्यूमर को "नहीं" कहा; हालाँकि, मॉडल ने केवल स्कैन किए गए क्षेत्र का मूल्यांकन किया और ट्यूमर एक अनसैंपल्ड सेक्शन में था। पैथोलॉजी निदान स्लाइड चयन और नमूनाकरण जितना ही अच्छा है; एआई "नकारात्मक" आउटपुट अंडरसैंपलिंग के लिए क्षतिपूर्ति नहीं करता है। यही कारण है कि अकेले नकारात्मक एआई परिणाम का मतलब कभी भी "कोई बीमारी नहीं" होता है।
कमजोर संकेत/मजबूत संकेत
नोट: निम्नलिखित संकेत पैथोलॉजी रिपोर्ट और वर्कफ़्लो टेक्स्ट को कॉन्फ़िगर करने के लिए हैं; ऊतक छवि निदान सत्यापित सॉफ़्टवेयर और रोगविज्ञानी का काम है।
कमजोर संकेत:
इस पैथोलॉजी रिपोर्ट के मुताबिक, क्या कैंसर है? [रिपोर्ट]
शक्तिशाली संकेत:
आपकी भूमिका: आप पैथोलॉजी रिपोर्ट संरचना सहायक हैं (आप निदान नहीं हैं)। निम्नलिखित अनाम पैथोलॉजी रिपोर्ट की संरचना करें: - नमूना प्रकार, धुंधलापन, ट्यूमर प्रकार / ग्रेड, सर्जिकल मार्जिन, मार्करों की तालिका बनाएं। - अस्पष्ट शब्दों ("असामान्य, नैदानिक सहसंबंध अनुशंसित") को बरकरार रखें। - कोई निष्कर्ष न जोड़ें जो पाठ में नहीं हैं; लुप्त फ़ील्ड में "अनिर्दिष्ट" लिखें।- अंत में, 3 बिंदुओं की सूची बनाएं जिनकी रोगविज्ञानी को पुष्टि करनी चाहिए। अज्ञात रिपोर्ट:[पाठ]
चार प्रतिलिपि योग्य टेम्पलेट
1) रिपोर्ट मानकीकरण:
निम्नलिखित अनाम पैथोलॉजी रिपोर्ट को संरचित क्षेत्रों (अंग, निदान, ग्रेड, मार्जिन, मार्कर प्रतिशत) में प्लॉट करें। पाठ पर टिके रहें. रिपोर्ट: [पाठ]
2) टोकन संगति जांच:
इस रिपोर्ट में उल्लिखित सभी प्रतिशत और संख्यात्मक मार्करों (की-67, ईआर, पीआर, एचईआर2) की सूची बनाएं; उन मूल्यों को चिह्नित करें जो एक दूसरे के साथ या निदान के साथ संघर्ष करते हैं। रिपोर्ट: [पाठ]
3) मॉडल सत्यापन योजना (डिजिटल पैथोलॉजी):
WSI विभाजन मॉडल के लिए एक मसौदा सत्यापन योजना लिखें: रंग सामान्यीकरण, बहुकेंद्र बाहरी सत्यापन, रोगविज्ञानी समझौता (कप्पा), फ़ील्ड शिफ्ट परीक्षण। पैथोलॉजिस्ट सत्यापन बिंदुओं को अलग से चिह्नित करें।
4) नमूनाकरण चेतावनी जोड़ना:
निम्नलिखित नकारात्मक एआई परिणाम में यह चेतावनी जोड़ें कि "नमूना सीमित हो सकता है, एक नकारात्मक परिणाम बीमारी को बाहर नहीं करता है" और रोगविज्ञानी की पुष्टि की आवश्यकता है। आउटपुट: [पाठ]
मॉडल की भूमिका: कार्य प्रकार के अनुसार
कार्य का प्रकार
एआई योगदान
आलोचनात्मकता
सत्यापन
ट्यूमर क्षेत्र विभाजन
उच्च
उच्च
पैथोलॉजिस्ट + बाहरी सत्यापन
माइटोसिस/कोशिका गिनती
उच्च
उच्च
रोगविज्ञानी पुष्टि
मार्कर का प्रतिशत (Ki-67)
उच्च
मध्यम
संदर्भ तुलना
गुणवत्ता नियंत्रण (फोकस/दोष)
उच्च
कम
मौके पर जांच
रिपोर्ट कॉन्फ़िगरेशन (पाठ)
उच्च
कम
रोगविज्ञानी पुष्टि
युक्ति: डिजिटल पैथोलॉजी में एक मॉडल प्रस्ताव का मूल्यांकन करते समय, हमेशा पूछें: "इस मॉडल को किन प्रयोगशालाओं के स्टेन और स्कैनर पर प्रशिक्षित किया गया है, और क्या इसे मेरी प्रयोगशाला में मान्य किया गया है?" यदि उत्तर "नहीं" है, तो प्रदर्शन के आंकड़े अभी आप पर लागू नहीं होते हैं।
सावधानी: सिर्फ इसलिए कि एआई कहता है "कोई ट्यूमर नहीं" इसका मतलब यह नहीं है कि अनसैंपल्ड ऊतक में कोई ट्यूमर नहीं है। पैथोलॉजी में नकारात्मक परिणाम नमूने की गुणवत्ता से सीमित होता है; पैटर्न इस सीमा से अधिक नहीं हो सकता और नकारात्मक परिणाम नैदानिक आश्वासन नहीं है।
सामान्य गलतियाँ
- रंग/डाई परिवर्तनशीलता को कम आंकना। डिजिटल पैथोलॉजी में विफलता का सबसे आम कारण फ़ील्ड बहाव है।
- एक केंद्र में प्रशिक्षण और हर जगह उपयोग. भिन्न ब्राउज़र और रंग चुपचाप प्रदर्शन में गिरावट पैदा करते हैं।
- नकारात्मक परिणाम को आश्वासन समझ लेना। नमूना सीमा की भरपाई मॉडल द्वारा नहीं की जा सकती।
- अंतरपर्यवेक्षक परिवर्तनशीलता को नजरअंदाज करना। यदि संदर्भ मानक स्वयं परिवर्तनशील है तो मॉडल का मूल्यांकन तदनुसार किया जाना चाहिए।
- पैथोलॉजिस्ट को खत्म करना. गिनती और विभाजन समर्थन हैं; रोगविज्ञानी के साथ निदान और आराम की ग्रेडिंग।
संक्षेप में
- डिजिटल पैथोलॉजी गीगापिक्सेल WSI छवियों को टाइल्स में विभाजित करके उनका विश्लेषण करती है; AI सेल गिनती और विभाजन में सहायता करता है।
- सबसे बड़ा तकनीकी जाल धुंधलापन/स्कैनिंग परिवर्तनशीलता के कारण क्षेत्र बहाव है; रंग सामान्यीकरण और बाहरी सत्यापन आवश्यक हैं।
- एक नकारात्मक एआई परिणाम नमूना सीमा द्वारा सीमित है और नैदानिक आश्वासन प्रदान नहीं करता है।
- संदर्भ मानक और अंतरपर्यवेक्षक परिवर्तनशीलता मॉडल मूल्यांकन के लिए संदर्भ हैं।
- निदान, स्टेजिंग और ग्रेडिंग रोगविज्ञानी की जिम्मेदारी है; एआई निदान नहीं करता.
आवेदन कार्य
एक काल्पनिक डिजिटल पैथोलॉजी मॉडल चुनें (उदाहरण के लिए Ki-67 प्रतिशत गणना)। इस मॉडल के लिए एक बाहरी सत्यापन योजना लिखें: किस प्रयोगशाला से कितनी स्लाइडें, कौन सा रंग सामान्यीकरण, आप रोगविज्ञानी समझौते को कैसे मापेंगे, और आप फ़ील्ड बहाव का परीक्षण कैसे करेंगे। फिर एक वाक्य में बाधा चेतावनी लिखें जिसे मॉडल के नकारात्मक/सकारात्मक आउटपुट में जोड़ा जाना चाहिए।
चेकलिस्ट
- [ ] मैं WSI वर्कफ़्लो के स्कैनिंग, टाइलिंग, विश्लेषण और कंपोज़िटिंग चरणों को जानता हूं।
- [ ] मैं समझता हूं कि पेंट/स्कैन परिवर्तनशीलता फ़ील्ड बहाव का कारण कैसे बनती है और इसे कैसे प्रबंधित किया जाता है।
- [ ] मैं समझता हूं कि नकारात्मक एआई परिणाम नमूनाकरण सीमा द्वारा सीमित है।
- [ ] मैं बाहरी सत्यापन और रोगविज्ञानी समझौते (कप्पा) की अवधारणाओं का उपयोग कर सकता हूं।
- [ ] मैंने यह समझ लिया है कि निदान और ग्रेडिंग का निर्णय रोगविज्ञानी के पास रहता है।