Pelnas:
- Gebėjimas paaiškinti AI palaikymą ląstelių skaičiavimui, segmentavimui ir klasifikavimui visos skaidrės vaizdo (WSI) darbo eigoje
- Gebėjimas atpažinti dažymo ir nuskaitymo kintamumo įtaką modelio veikimui ir srities poslinkiui
- Gebėjimas patvirtinti patologijos AI rezultatus su etaloniniu standartu, mėginių ėmimu ir patologo patvirtinimu
Patologija – medicinos šaka, kurioje liga nustatoma tiriant audinio mėginį mikroskopu; Čia nustatytas daugelio vėžio diagnozių „auksinis standartas“. Skaitmeninė patologija – tai tamsinto audinio pjūvio ant stiklelio skaitmeninimas didelės raiškos skaitytuvu. Gautas failas vadinamas visu skaidrės vaizdu (sutrumpintai WSI); Viena skaidrė gali būti milžiniškas gigapikselių, ty milijardų pikselių, vaizdas. Dirbtinis intelektas palaiko ląstelių skaičiavimą, regionų segmentavimą ir klasifikavimą šiuose didžiuliuose vaizduose. Šiame skyriuje pamatysime WSI darbo eigą, jos didžiausią techninę spąstą: dažymo / nuskaitymo kintamumą ir kodėl būtinas patologo patvirtinimas.
Pareikškime nuo pat pradžių: dirbtinis intelektas gali būti skaitiklis, preliminarus skeneris ir antroji akis patologijoje; Tačiau vėžio diagnozė, stadijos ir klasifikavimo sprendimai priklauso patologui. Modelis nediagnozuoja.
WSI darbo eigos žingsniai
1 žingsnis – atranka ir kokybės kontrolė. Stiklinė nuskenuojama; Defektai, tokie kaip defokusavimas, lenkimo žymės ir oro burbuliukai, gali būti aptikti automatiškai. Prastos kokybės nuskaitymai neturėtų patekti į modelį.
2 veiksmas – plytelių (lopo) pašalinimas. Gigapikselių vaizdo negalima apdoroti tiesiogiai; yra padalintas į mažus kvadratėlius (angliškas pleistras, paprastai 256x256 arba 512x512 pikselių). Modelis įvertina kiekvieną plytelę atskirai, tada rezultatai sujungiami.
3 veiksmas – audinių/ląstelių analizė. Modelis; Ji atlieka tokias užduotis kaip naviko vietos segmentavimas, mitozės (ląstelių dalijimosi) skaičiavimas, branduolio tankis arba žymeklio (pvz., Ki-67 dažymo greičio) apskaičiavimas. Išvestis yra skaitinis matavimas arba šilumos žemėlapis.
4 žingsnis. Konsolidavimas ir ataskaitų teikimas. Plytelių rezultatai sujungiami skaidrės lygiu; Sudaroma santrauka, pavyzdžiui, „naviko ploto procentas“ arba „mitozinis skaičius“.
5 žingsnis – patologo įvertinimas. Patologas apžiūri modeliu pažymėtus regionus ir skaičiuoja; priima, taiso arba atmeta. Diagnozė ir įvertinimas priklauso patologui.
Didžiausias spąstas: dažymo ir nuskaitymo kintamumas
Audinių sekcijos dažniausiai nudažomos H&E (hematoksilinu ir eozinu; standartiniais dažais, kurie nudažo branduolius mėlynai violetine spalva, o citoplazma – rožine spalva). Tačiau dažymo intensyvumas labai skiriasi priklausomai nuo laboratorijos, dėmių partijos, sekcijos storio ir skaitytuvo prekės ženklo. Žmogaus akis lengvai prisitaiko prie šių skirtumų; Modelis gali būti nesuderinamas.
Jei modelis išmoko remdamasis rausvai violetiniais A laboratorijos tonais, jo našumas sumažės dėl blyškesnio ar tamsesnio B laboratorijos dažymo. Šis reiškinys vadinamas srities poslinkiu ir yra dažniausia skaitmeninės patologijos gedimo priežastis. Sprendimo metodai: spalvų normalizavimas (vaizdų perkėlimas į bendrą spalvų erdvę), daugiacentriai mokymo duomenys ir, svarbiausia, išorinis patvirtinimas kiekvienoje naudojamoje laboratorijoje.
Trys mini dėklai: pagal numerius
1 atvejis – mitozinio skaičiaus nuoseklumas. Mitozinis skaičiavimas vertinant krūties vėžį yra svarbus, bet sunkus ir kintantis nuo stebėtojo iki stebėtojo. AI padedamas preliminarus skaičiavimas vienoje laboratorijoje, susitarimas (kappa) tarp dviejų patologų padidėjo nuo 0, 55 iki 0, 71, o skaičiavimo laikas vienoje skaidrėje sumažėjo nuo 4 minučių iki 1, 5 minutės. Tačiau kiekvieną galutinį skaičių patvirtino patologas; Modelis pasiūlė, nusprendė patologas.
2 atvejis – lauko poslinkio smūgis. Laboratorijoje, kurioje buvo sukurtas naviko segmentavimo modelis, jis veikė tinkamai 93 % laiko. Tas pats modelis sistemingai pervertino naviko plotą 20% partnerio laboratorijoje, naudojant kitą skaitytuvą ir dažus. Po spalvų normalizavimo ir pakartotinio patvirtinimo su 200 stiklelių iš tos laboratorijos skirtumas sumažėjo iki priimtino lygio.
3 atvejis – atrankos klaida. Vienas modelis ant skaidrės pasakė „ne“ naviko; tačiau modelis įvertino tik nuskaitytą sritį, o navikas buvo neatrinktoje dalyje. Patologijos diagnostika yra tokia pat gera, kaip stiklelio parinkimas ir mėginių paėmimas; AI „neigiama“ išvestis nekompensuoja nepakankamo atrankos. Štai kodėl vien neigiamas AI rezultatas niekada nereiškia „nėra ligos“.
Silpnas raginimas / stiprus raginimas
Pastaba: šie raginimai skirti patologijos ataskaitai ir darbo eigos tekstui konfigūruoti; Audinių vaizdo diagnostika yra patikrintos programinės įrangos ir patologų darbas.
Silpnas raginimas:
Ar pagal šią patologijos ataskaitą yra vėžys? [ataskaita]
Galingas raginimas:
Jūsų vaidmuo: esate patologijos ataskaitos struktūrizavimo asistentas (JUMS NE DIAGNOZĖ). Struktūruokite šią anoniminę patologijos ataskaitą: - Pateikite lentelę mėginio tipo, dažymo, naviko tipo / laipsnio, chirurginės paraštės, žymenų. - Nepalikite dviprasmiškos formuluotės ("rekomenduojama netipiška, klinikinė koreliacija"). - Nepridėkite jokių radinių, kurių nėra tekste; trūkstamame laukelyje parašykite „nenurodyta“.- Galiausiai surašykite 3 punktus, kuriuos patologas turėtų patvirtinti.Anoniminis pranešimas:[tekstas]
Keturi kopijuojami šablonai
1) Pranešti apie standartizavimą:
Nubraižykite šią anoniminę patologijos ataskaitą į struktūrinius laukus (organas, diagnozė, laipsnis, marža, žymeklio procentai). Laikykitės teksto. Pranešimas: [tekstas]
2) Ženklo nuoseklumo patikrinimas:
Išvardykite visus procentinius ir skaitinius žymenis (Ki-67, ER, PR, HER2), paminėtus šioje ataskaitoje; Pažymėkite vertybes, kurios prieštarauja viena kitai arba diagnozei. Pranešimas: [tekstas]
3) Modelio patvirtinimo planas (skaitmeninė patologija):
Parašykite WSI segmentavimo modelio patvirtinimo plano projektą: spalvų normalizavimas, daugiacentris išorinis patvirtinimas, patologo susitarimas (kappa), lauko poslinkio bandymas. Atskirai pažymėkite patologo patvirtinimo taškus.
4) Įspėjimas apie mėginių ėmimą:
Prie toliau pateikto neigiamo AI rezultato pridėkite įspėjimą, kad „mėginių ėmimas gali būti ribotas, neigiamas rezultatas neatmeta ligos“ ir reikalavimas patvirtinti patologą. Išvestis: [tekstas]
Modelio vaidmuo: pagal užduoties tipą
Užduoties tipas
AI indėlis
kritiškumas
patikrinimas
Naviko regiono segmentacija
aukštas
aukštas
Patologas + išorinė patikra
Mitozė / ląstelių skaičius
aukštas
aukštas
Patologo patvirtinimas
Žymeklio procentas (Ki-67)
aukštas
vidutinis
Nuorodų palyginimas
Kokybės kontrolė (fokusas / defektas)
aukštas
žemas
patikra vietoje
Ataskaitos konfigūracija (tekstas)
aukštas
žemas
Patologo patvirtinimas
Patarimas: vertindami skaitmeninės patologijos modelio pasiūlymą, visada paklauskite: „Kokių laboratorijų dėmės ir skaitytuvai buvo apmokyti naudojant šį modelį ir ar jis buvo patvirtintas mano laboratorijoje? Jei atsakymas yra „ne“, našumo skaičiai jums dar netaikomi.
Atsargiai: vien todėl, kad AI sako „nėra naviko“, dar nereiškia, kad neatimtame audinyje naviko nėra. Neigiamą patologijos rezultatą riboja mėginių ėmimo kokybė; modelis negali viršyti šios ribos, o neigiamas rezultatas nėra diagnostinis užtikrinimas.
Dažnos klaidos
- Nepakankamas spalvų / dažų kintamumo įvertinimas. Lauko dreifas yra dažniausia skaitmeninės patologijos gedimų priežastis.
- Treniruokitės viename centre ir naudokitės visur. Skirtingos naršyklės ir spalvos sukuria tylų veikimo pablogėjimą.
- Neigiamo rezultato klaidinimas siekiant užtikrinti. Modelis negali kompensuoti mėginių ėmimo ribos.
- Interobserver kintamumo nepaisymas. Modelis turėtų būti atitinkamai įvertintas, jei pats atskaitos standartas yra kintamas.
- Patologo pašalinimas. Skaičiavimas ir segmentavimas yra parama; Diagnozė ir įvertinimas vyksta kartu su patologu.
Apibendrinant
- Skaitmeninė patologija analizuoja gigapikselių WSI vaizdus, suskirstydama juos į plyteles; AI palaiko ląstelių skaičiavimą ir segmentavimą.
- Didžiausias techninis spąstai yra lauko dreifas dėl dažymo / nuskaitymo kintamumo; spalvų normalizavimas ir išorinis patvirtinimas yra būtini.
- Neigiamas AI rezultatas ribojamas mėginių ėmimo ribos ir nesuteikia diagnostikos garantijos.
- Modelio vertinimo kontekstas yra atskaitos standartas ir stebėtojų kintamumas.
- Diagnostika, stadijos nustatymas ir klasifikavimas yra patologo atsakomybė; AI nediagnozuoja.
Taikymo užduotis
Pasirinkite hipotetinį skaitmeninės patologijos modelį (pvz., Ki-67 procentų skaičiavimas). Parašykite išorinį šio modelio patvirtinimo planą: kiek skaidrių iš kurios laboratorijos, koks spalvų normalizavimas, kaip matuosite patologo susitarimą ir kaip tikrinsite lauko dreifus. Tada vienu sakiniu parašykite apribojimo įspėjimą, kuris turėtų būti pridėtas prie neigiamos / teigiamos modelio išvesties.
kontrolinis sąrašas
- [ ] Žinau WSI darbo eigos nuskaitymo, plytelių klojimo, analizės ir komponavimo veiksmus.
- [ ] Suprantu, kaip dažymo / nuskaitymo kintamumas sukelia lauko dreifus ir kaip jis valdomas.
- [ ] Suprantu, kad neigiamą AI rezultatą riboja atrankos riba.
- [ ] Galiu vartoti išorinio patvirtinimo ir patologo susitarimo (kappa) sąvokas.
- [ ] Įsisąmoninau, kad diagnozę ir įvertinimą priima patologas.