Keuntungan:
- Kemampuan untuk menjelaskan konsep positif palsu dan negatif palsu dengan contoh-contoh dari kedokteran gigi dan mengevaluasi konsekuensi klinisnya pada pasien.
- Kemampuan untuk membaca indikator seperti skor kepercayaan AI, sensitivitas dan spesifisitas pada tingkat dasar dan memutuskan seberapa besar bobot keluaran yang harus ditanggung
- Kemampuan untuk membuat protokol yang mengonfirmasi setiap temuan radiografi AI dengan korelasi klinis, gambar tambahan, dan opini dokter kedua bila diperlukan
Pada unit sebelumnya, kita telah melihat cara kerja alat radiografi AI. Dalam unit ini kita akan membahas inti permasalahannya: seberapa akurat alat-alat tersebut, kapan alat tersebut mengalami kesalahan, dan apa konsekuensi dari kesalahan tersebut bagi pasien? Karena apakah suatu alat "membantu" atau "berbahaya" ditentukan bukan oleh kapan alat tersebut berfungsi dengan benar, tetapi oleh apa yang terjadi jika alat tersebut tidak berfungsi. Memahami dua jenis kesalahan dasar AI dalam kedokteran gigi – positif palsu dan negatif palsu – merupakan prasyarat untuk penggunaan yang aman.
Dua jenis kesalahan dasar
Positif palsu: Ketika AI menandai sesuatu sebagai ada padahal sebenarnya tidak ada. Misalnya, gigi yang sehat ditampilkan sebagai "kerusakan". Akibatnya: rasa cemas yang tidak perlu, pemeriksaan lebih lanjut yang tidak perlu, bahkan risiko hilangnya jaringan sehat akibat pengobatan yang salah.
Negatif palsu: Ketika AI "mengabaikan" sesuatu yang sebenarnya terjadi, yaitu tidak menandainya. Misalnya, melewati lesi periapikal yang sudah ada (area inflamasi di ujung akar). Hasil: hilangnya patologi, keterlambatan pengobatan, perkembangan penyakit. Ini sering kali merupakan kesalahan paling berbahaya dalam kedokteran gigi; karena jika dokter memercayai AI dan mengatakan "bersih", patologi sebenarnya akan berlangsung secara diam-diam.
Perhatian: Hanya karena AI tidak menandai apa pun BUKAN berarti "semuanya baik-baik saja". Negatif palsu selalu mungkin terjadi. Pemeriksaan klinis dan pembacaan dokter tidak boleh dilewati dalam keadaan apa pun.
Sensitivitas dan spesifisitas: dua indikator utama
Dua angka merangkum kinerja kendaraan:
- Sensitivitas: Tingkat tertularnya mereka yang benar-benar sakit. Sensitivitas tinggi mengurangi negatif palsu. Artinya “Dia tidak ketinggalan penyakitnya”.
- Kekhususan: Tingkat dimana orang yang benar-benar sehat secara akurat dianggap “bersih”. Spesifisitas yang tinggi mengurangi hasil positif palsu. Artinya, "Dia tidak membunyikan alarm tanpa alasan."
Keduanya sering berselisih satu sama lain. Jika Anda menyetel suatu alat terlalu “sensitif” (alat ini menandai setiap kecurigaan) maka alat tersebut akan melewatkan lebih sedikit patologi namun memberikan banyak peringatan palsu. Jika Anda mengaturnya terlalu "selektif", alarm palsu akan berkurang tetapi risiko kehilangan patologi yang sebenarnya meningkat. Secara klinis, sensitivitas tinggi sering kali lebih disukai dalam kedokteran gigi — karena kehilangan satu lesi lebih berisiko dibandingkan alarm kosong. Namun keputusan akhir sekali lagi ada pada pemeriksaan klinis.
konsep
Tindakan apa
Apa yang didapat dari menjadi tinggi?
Sensitivitas
Tangkap pasiennya
Negatif palsu berkurang
kekhususan
Membersihkan yang sehat
Positif palsu berkurang
Skor kepercayaan diri
"Keyakinan" model terhadap sampel tersebut
Tip untuk peringkat/ambang batas saja
Tip: Jika suatu alat hanya menunjukkan skor keyakinan kepada Anda, tanyakan kepada produsen nilai sensitivitas/spesifisitas di balik skor tersebut. Nilai-nilai ini bermakna pada populasi mana dan bagaimana mereka diuji.
Protokol validasi: untuk setiap temuan
Verifikasi setiap temuan radiografi AI dengan langkah-langkah berikut:
- Korelasi klinis: Apakah temuannya sesuai dengan gejala dan pemeriksaan pasien?
- Pencitraan tambahan: Konfirmasi dengan periapikal, bitewing atau CBCT jika perlu.
- Perbandingan dari waktu ke waktu: Bandingkan dengan radiografi sebelumnya dan evaluasi perubahannya, jika ada.
- Pendapat dokter kedua: Pendapat rekan kerja dalam kasus yang meragukan atau berisiko tinggi.
- Catatan: Tuliskan keputusan, alasan, dan peran AI dengan jelas di bagan pasien.
Kasus mini 1: Biaya positif palsu
Alat AI menandai “karies” pada gigi molar pertama bawah pada pasien berusia 34 tahun dengan tingkat kepercayaan 88%. Pada pemeriksaan klinis, gigi dalam keadaan utuh, tidak dipasang kateter, dan pasien tidak ada keluhan. Dokter memastikan dengan film gigitan: tidak ada karies, tanda tersebut disebabkan oleh bayangan radiografi restorasi (tambalan). Jika dokter langsung mengandalkan AI dan melakukan intervensi, maka akan terjadi hilangnya jaringan sehat. Positif palsu di sini dicegah hanya dengan pengawasan klinis dari dokter.
Kasus mini 2: Bahaya negatif palsu
Seorang pasien berusia 62 tahun mengeluh rasa penuh di rahang bawah. AI tidak menandai apa pun dalam pemindaian panorama. Dokter muda itu lega, "AI bilang bersih." Dokter senior mendesak dan meminta pemeriksaan klinis dan CBCT; Lesi muncul di ujung akar yang terlewatkan oleh AI. Pelajaran: Keheningan AI tidak pernah menjadi diagnosis; Kecurigaan klinis selalu diutamakan.
Kasus mini 3: Pengaruh pengaturan ambang batas
Sebuah klinik menguji ambang batas penandaan kendaraan. Ketika ambang batas diturunkan menjadi 50%, alat ini memberikan 900 sinyal per bulan; hanya 25% di antaranya signifikan secara klinis, sisanya merupakan hasil positif palsu—dokter kewalahan. Ketika ambang batas ditingkatkan menjadi 80%, jumlah penanda turun menjadi 320, signifikansi meningkat menjadi 55%, namun dua lesi awal yang sebenarnya tetap berada di bawah ambang batas dan lolos. Klinik ini menemukan keseimbangan pada ambang batas 70% dan menempatkan area dengan skor rendah pada daftar “tinjauan”. Pelajaran: tidak ada satu ambang batas pun yang sempurna; Mata dokter menutup celah tersebut.
Templat yang dapat disalin
Gunakan tanpa menambahkan ID pasien asli.
Peran: Pelatih konfirmasi (non-diagnostik). Tugas: Membuat daftar periksa verifikasi untuk temuan radiografi AI berikut: pertanyaan korelasi klinis, gambar tambahan yang mungkin direkomendasikan, judul diagnosis banding, item catatan untuk perekaman. PENULISAN keputusan akhir. Temuan: [anonim]
Peran: Tipe kesalahan deskriptif. Tugas: Menentukan apakah skenario berikut membawa risiko positif palsu atau negatif palsu dan menjelaskan kemungkinan hasil klinis kepada pasien. Merekomendasikan tindakan apa yang harus diambil oleh dokter. Skenario: [tulis]
Peran: Deskriptor indikator. Tugas: Menafsirkan sensitivitas, spesifisitas, dan menguji informasi populasi dalam bahasa sederhana yang disediakan oleh produsen; Buat daftar pertanyaan untuk saya pertanyakan apakah nilai-nilai ini sesuai dengan profil pasien kita. Nilai: [tempel]
Peran: Penulis permintaan opini kedua. Tugas: Menyusun pesan singkat, profesional, dan anonim yang meminta pendapat radiografi kedua dari seorang kolega. Jangan sertakan identitas pasien. Konteks: [temuan anonim]
Perintah lemah / Perintah kuat
Lemah: "AI bilang 90%, bukankah ini pasti?"
Alasan lemahnya: Salah menilai skor keyakinan sebagai bukti, melewatkan validasi klinis, dan mendelegasikan keputusan kepada AI.
Kuat: "Untuk area yang ditandai oleh AI dengan tingkat kepercayaan 90%, langkah klinis dan radiografi apa yang harus saya ikuti untuk memastikan atau mengecualikan diagnosis karies? Pertimbangkan juga kemungkinan positif palsu."
Mengapa ini ampuh: Ini tidak menganggap skor sebagai bukti mutlak, ini menghilangkan langkah-langkah verifikasi dan memperhitungkan kemungkinan kesalahan.
Bias otomasi: risiko paling berbahaya
Positif palsu dan negatif palsu adalah kesalahan teknis; Namun risiko paling berbahaya ada di sisi manusia: bias otomatisasi. Ini adalah kecenderungan untuk lebih memercayai keluaran suatu alat daripada penilaian kita sendiri. Karena alat tersebut ternyata “sebagian besar akurat” dari waktu ke waktu, dokter dapat berhenti mempertanyakannya dan secara membabi buta mengikuti sejumlah kecil kasus kritis di mana alat tersebut tidak akurat. Paradoksnya adalah ini: semakin baik alat tersebut bekerja, semakin besar risiko perhatian manusia berkurang dan semakin berbahaya kesalahan yang jarang terjadi.
Cara praktis untuk mengatasi bias ini adalah dengan mengatur alur kerja dalam format “saya dulu, alat kedua”: baca sendiri gambarnya terlebih dahulu, ambil keputusan, lalu bandingkan dengan AI. Jadi, alih-alih memandu Anda, alat ini menjadi opini kedua yang melengkapi bacaan Anda. Saya juga sering bertanya, “Mungkinkah AI salah dalam kasus ini?” Bertanya, menjaga perhatian tetap hidup. Mengajukan pertanyaan ini adalah pertahanan terkuat terhadap bias otomatisasi, bahkan ketika alat tersebut memiliki skor kepercayaan yang tinggi.
Kasus mini 4: Atrofi perhatian
Di sebuah klinik, alat AI bekerja dengan sangat akurat selama berbulan-bulan, dan dokter secara bertahap mulai menerima hasilnya tanpa mempertanyakannya. Suatu hari kendaraan tersebut melewati "pembersihan" lesi nyata yang terlihat tidak biasa; Karena kepercayaan yang sudah menjadi kebiasaan, dokter pertama juga tidak menyadarinya. Untungnya, pemeriksaan klinis menyeluruh yang dilakukan terhadap keluhan pasien yang terus-menerus menunjukkan adanya lesi. Klinik kemudian menerapkan aturan "dokter membaca dulu, baru AI". Pelajaran: keberhasilan alat ini tidak boleh menggantikan perhatian manusia; alur kerja harus memastikan hal ini.
Kesalahan umum
- Meremehkan negatif palsu dan menganggap keheningan AI sebagai hal yang “sehat.”
- Menafsirkan skor kepercayaan secara independen dari sensitivitas/spesifisitas.
- Menggunakan alat tersebut tanpa mengetahui bahwa alat tersebut telah diuji pada populasi yang berbeda dari profil pasien Anda.
- Tidak mencari opini kedua dalam temuan berisiko tinggi.
- Tidak menuliskan peran AI dan alasan keputusannya di bagan pasien.
Singkatnya
Alat radiografi AI membuat dua jenis kesalahan: positif palsu (menampilkan apa yang tidak ada) dan negatif palsu (tidak menampilkan apa yang ada). Dalam kedokteran gigi, hasil negatif palsu seringkali lebih berbahaya karena dokter mungkin mempercayai dan mengabaikan patologinya. Sensitivitas dan spesifisitas adalah kunci untuk memahami kesalahan-kesalahan ini; Skor keyakinan saja bukanlah bukti. Setiap temuan harus dikonfirmasi dengan korelasi klinis, gambar tambahan, perbandingan waktu dan, bila perlu, opini kedua, serta keputusan dan alasan harus dicatat.
Tugas aplikasi
Pilih 3 contoh nyata dari arsip Anda (anonim): contoh di mana AI menghasilkan positif palsu, contoh di mana AI menghasilkan negatif palsu, dan contoh di mana AI benar. Untuk masing-masingnya, tuliskan jenis kesalahan, hasil klinis, dan langkah verifikasi yang benar. Ubah hasilnya menjadi “protokol validasi AI radiografi” satu halaman untuk diterapkan di klinik Anda.
daftar periksa
- [ ] Saya dapat membedakan konsep positif palsu dan negatif palsu dengan contoh.
- [ ] Saya dapat menafsirkan sensitivitas dan spesifisitas pada tingkat dasar.
- [] Saya melakukan korelasi klinis dan langkah gambar tambahan untuk setiap temuan.
- [ ] Saya mendapatkan opini kedua dalam situasi berisiko tinggi.
- [ ] Saya mencatat keputusan, alasannya, dan peran AI dalam bagan pasien.