Vaizdo gavimo išankstinis įvertinimas ir radiologijos AI

Pelnas:

• Gebėjimas apibrėžti vaizdo gavimo AI (rūšiavimo, matavimo, išankstinio patikrinimo) vaidmenį ir ribas klinikinėje darbo eigoje
• Gebėjimas suprasti, kad dirbtinio intelekto produkcija gali duoti klaidingai neigiamą / teigiamą ir galutinė ataskaita priklauso kompetentingam radiologui
• Galimybė užtikrinti vaizdo duomenų privatumą ir būtinybę patvirtinti modelio išvestį atsižvelgiant į klinikinį kontekstą

Medicininis vaizdavimas (rentgenas, KT, MRT, ultragarsas, mamografija) yra vienas iš galingiausių diagnostikos priemonių. Dirbtinis intelektas (AI) pastaraisiais metais padarė didelę pažangą vaizdų atpažinimo srityje: jis gali pažymėti mazgą krūtinės ląstos rentgenogramoje, teikti pirmenybę kraujavimui smegenų KT, paryškinti įtartiną vietą mamografijoje, išmatuoti kaulų amžių. Tai sumažina darbo krūvį ir užkerta kelią skubiems atvejams laukti eilėje. Tačiau vaizdinis AI nepakeičia gydytojo; Jis gali duoti klaidingai neigiamą (trūksta esamo radinio) ir klaidingai teigiamą (pažymi radinį, kurio nėra). Šiame skyriuje sužinosite apie vaizdavimo AI vaidmenį, jo apribojimus ir kodėl galutinė ataskaita visada priklauso kompetentingam radiologui.

Ką daro vaizdinis AI?

Klinikinė vaizdo gavimo AI vertė patenka į tris antraštes. Pirmasis yra prioritetų nustatymas (triažas): jis perkelia tyrimą su skubiu radiniu (pvz., smegenų kraujavimas, pneumotoraksas) į sąrašo viršų, todėl radiologas gali jį apžiūrėti pirmas. Antra, matavimas ir kiekybinis įvertinimas: greitai ir atkuriamai matuoja tokias reikšmes kaip mazgelio dydis, kaulų tankis, išstūmimo frakcija ir kt. Trečia – antroji akis / dėmesio atkreipimas: ji primena radiologui, pažymėdama sritį, kuri gali būti nepastebėta.

Šios užduotys turi bendrą tai, kad jos visos padeda radiologui, o ne jį pakeičia. AI žymi sritį; Radiologas kartu su paciento klinikiniu kontekstu nusprendžia, ar ta sritis tikrai patologija.

Dėmesio: „AI nenustatė jokių anomalijų“ nėra ataskaita. Vaizdo AI gali pateikti klaidingus neigiamus rezultatus; gali praleisti radinius, kurie yra maži, netipiški arba kuriems dirbtinis intelektas nebuvo apmokytas. Jei kyla klinikinių abejonių, vaizdą perskaito kompetentingas radiologas.

Klaidingų neigiamų ir klaidingų teigiamų rezultatų balansas

Kiekvienas vaizdinis AI turi pusiausvyrą tarp jautrumo (tikrųjų pacientų fiksavimo greitis) ir specifiškumo (tinkamo sveikų pacientų pašalinimo greitis). Jei padidinate jautrumą, padaugėja klaidingų teigiamų rezultatų (nereikalingas tyrimas, paciento nerimas); jei padidinsite specifiškumą, padaugės klaidingų neigiamų rezultatų (praleista diagnozė). Joks modelis negali puikiai išspręsti šios pusiausvyros. Be to, AI gali veikti blogiau nei tikėtasi (paskirstymo poslinkis) dėl mokymo duomenų kitame įrenginyje, skirtingos gavimo technikos ar skirtingos pacientų grupės. Todėl AI produkcija visada vertinama klinikiniame kontekste ir prižiūrint radiologui.

Žingsnis po žingsnio: saugus vaizdavimo AI naudojimas

1. Paskirti AI kaip asistentą. Pirmenybė, matavimas, dėmesys; Tai ne sprendimas.
2. Pridėkite klinikinį kontekstą. Aiškinant vaizdą lemiamą reikšmę turi paciento nusiskundimai ir istorija.
3. Jei AI neigiamas, išlaikykite klinikinį įtarimą. Neigiamas rezultatas nesustabdo tolesnio tyrimo.
4. Jei AI teigiamas, patikrinkite. Ar pažymėta sritis tikrai patologija ar artefaktas?
5. Tegul radiologas parašo galutinį pranešimą. Su klinikiniu kontekstu.
6. Apsaugokite vaizdo duomenis. Privatumas ir KVKK; anonimizuota, saugi sistema.

trys mini dėklai

1 atvejis – gautas klaidingai neigiamas. 70 metų pacientas kosėja ir krenta svoris. Plaučių AI sako „nėra akivaizdžių mazgelių“. Radiologas atidžiai apžiūri su klinikiniu įtarimu ir randa 9 mm mazgą už kaukolės šešėlio; Tai patvirtina KT. AI nepastebėjo mažo, paslėpto pažeidimo; Diagnozę išgelbėjo klinikinis įtarimas ir radiologo akis.

2 atvejis – klaidingai teigiamas susirūpinimas. Mammogramos AI žymi tai, kas iš tikrųjų yra gerybinis kalcifikacija, kaip „įtartiną“. Gydytojas radiologas palygina jį su ankstesniais tyrimais, kad pamatytų, ar jis pasikeitė, ir apsaugo nuo nereikalingos biopsijos. AI jį pažymėjo, radiologas įvertino kontekstą ir priėmė teisingą sprendimą.

3 atvejis – teisingas prioritetų nustatymas. Esant intensyviam priepuoliui, smegenų KT AI perkelia tyrimą su ūminiu kraujavimu į sąrašo viršų. Radiologas jį apžiūri per 2 minutes, patvirtina kraujavimą ir įspėja insulto komandą. Jei jis lauktų eilėje, minutės būtų prarastos. AI sutaupė laiko; Radiologas ir klinikų komanda nustatė diagnozę ir sprendimą.

Vaizdo AI vaidmenų lentelė

Quest

AI vaidmuo

Kas nusprendžia

Skubios išvados prioritetų nustatymas

Paspartinkite rūšiavimą

radiologas

Mazgelio/pažeidimo žymėjimas

pritraukti dėmesį

radiologas

Matavimas (dydis, tankis)

Greitas, kartojamas matavimas

Radiologas patvirtina

Galutinė diagnostikos ataskaita

Naudinga informacija

Kompetentingas radiologas

klinikinis sprendimas

Suteikia įvestį

gydantis gydytojas

Keturi kopijuojami šablonai

Pastaba: toliau pateikti šablonai nėra skirti vaizdams skaityti; Už radiologo ataskaitos redagavimą ir klinikinę komunikaciją. Vaizdo interpretacija priklauso radiologui.

Užduotis: Sukurkite kontrolinį sąrašą, kad galėčiau palyginti šią radiologijos AI išvestį su klinikiniu kontekstu PACIENTŲ FAILĖJE:- ar AI pažymėta sritis atitinka klinikinį įtarimą?- ar tai gali būti klaidingai teigiamas / artefaktas?- ar reikia lyginti su senu tyrimu? AI išvestis: [...] / Klinikinis kontekstas (anoniminis): [...]

Užduotis: Parašykite šią radiologo ataskaitą kaip dvi atskiras supaprastintas santraukas, skirtas gydančiam gydytojui ir pacientui. PRIDĖJIMAS RASTI; naudoti tik ataskaitoje esančią informaciją. Pridedamas galutinis diagnozės teiginys. Pranešimas: [...]

Užduotis: sugeneruokite klausimus, kurie padėtų man išsiaiškinti šio vaizdo užsakymo loginį pagrindą: koks yra klinikinis klausimas, kokios išvados ieškoma, kokia technika galėtų būti tinkama? Sprendimą priima radiologas/gydytojas; tu tik ruoši klausimus. Greitas juodraštis (anoniminis): [...]

Užduotis: Raskite likusius kredencialus toliau pateiktoje vaizdų ataskaitos tekste ir pakeiskite juos [ANONOMY]. Klinikinės reikšmės iškraipymas.Tekstas: [...]

Silpnas raginimas / Stiprus raginimas

Silpnas: „Kas yra šioje rentgeno nuotraukoje, diagnozuok“. (Be to, vaizdo interpretavimo negalima palikti teksto modeliui.)

Stiprus: „Padarykite kontrolinį sąrašą, kad galėčiau palyginti radiologo ataskaitą ir išankstinį AI vertinimą su klinikiniu kontekstu: ar AI pažymėta sritis atitinka klinikinį įtarimą, ar tai gali būti klaidingas teigiamas rezultatas, ar reikia lyginti su senu tyrimu? Nurodykite, kad galutinį sprendimą priima kvalifikuotas radiologas.

Naudodamas galingą raginimą AI reguliuoja procesą, o ne vaizdą; Sprendimą priima radiologas.

Dažnos klaidos

• Klaidingai AI neigiamas kaip „švarus“. Tai gali būti klaidingai neigiamas; Klinikinis įtarimas išlieka.
• Teigiamo AI priėmimas jo nepatvirtinus. Artefaktai ir gerybiniai radiniai gali būti pažymėti.
• Klinikinio konteksto praleidimas. Vaizdas negali būti interpretuojamas be paciento istorijos.
• Galutinės ataskaitos spausdinimas AI. Pranešimas priklauso kvalifikuotam radiologui.
• Neapsaugo vaizdo duomenų. Negalima pamiršti privatumo ir KVKK.

Paskirstymo poslinkis ir apibendrinimo problema

Labiausiai klastingas vaizdo gavimo AI apribojimas yra „paskirstymo poslinkis“: kai modelis susiduria su situacija, kuri nėra panaši į duomenis, kuriais jis buvo apmokytas, jis veikia daug blogiau nei tikėtasi. Jei modelis mokomas naudojant tam tikros prekės ženklo prietaiso, konkretaus gavimo protokolo ar tam tikros pacientų grupės vaizdus; Jo patikimumas sumažėja, kai susiduriama su kitu įrenginiu, kita technika ar grupe, kuri yra nepakankamai atstovaujama treniruočių rinkinyje. Pavyzdžiui, modelis, parengtas remiantis daugiausia suaugusiųjų duomenimis, gali būti klaidingas vaikų vaizduose.

Taigi vien todėl, kad vaizdo gavimo AI sako, kad „šiame tyrime jis parodė 95 % tikslumą“, dar nereiškia, kad jis taip pat veiks ir jūsų klinikoje. Žinojimas, kuri populiacija ir su kokiu įrenginiu įrankis buvo patvirtintas, yra jo išvesties interpretavimo dalis. Klinikinis kontekstas ir radiologo priežiūra yra būtini norint įveikti šį apibendrinimo neapibrėžtumą.

Įspėjimas: vienoje vietoje gerai veikiantis AI gali tapti mažiau patikimas kitame įrenginyje arba pacientų grupėje. Paklauskite, kur yra patikrinta transporto priemonė; Ištraukus iš konteksto našumo rodiklis yra klaidinantis.

Apibendrinant

Vaizdo AI suteikia tikros vertės nustatant prioritetus, matuojant ir patraukiant dėmesį; Tai pakelia skubų atvejį ir primena, kas buvo nepastebėta. Tačiau ji pateikia klaidingus neigiamus ir klaidingus teigiamus rezultatus, nežino klinikinio konteksto ir negali parašyti galutinės ataskaitos. Naudokite AI kaip pagalbinę priemonę, išlaikykite klinikinį įtarimą dėl neigiamo spaudinio, patvirtinkite teigiamą spaudinį su kontekstu ir visada palikite galutinę ataskaitą kvalifikuotam radiologui. Griežtai saugokite vaizdo duomenų privatumą.

Taikymo užduotis

Naudokite aukščiau pateiktą kontrolinio sąrašo šabloną vaizdo gavimo ataskaitai ir išankstiniam AI vertinimui, jei tokį turite. Ar išvados, kad dirbtinio intelekto vėliavėlės pažymimos / atšauktos, atitinka klinikinį kontekstą? Kur yra klaidingų teigiamų ar klaidingų neigiamų rezultatų rizika? Sudarykite paprastą santrauką gydytojui ir pacientui iš radiologo ataskaitos ir patikrinkite, ar nebuvo pridėta jokių radinių.

kontrolinis sąrašas

• [ ] Dirbinį intelektą vertinu kaip asistentą, o ne kaip sprendimų priėmėją.
• [ ] Į vertinimą įtraukiau klinikinį kontekstą.
• [ ] Išlaikiau klinikinį įtarimą dėl PG neigiamo.
• [ ] Aš patvirtinau AI teigiamą kontekstą ir ankstesnį tyrimą.
• [ ] Galutinį pranešimą palikau kvalifikuotam radiologui.
• [ ] Aš anonimizuojau ir apsaugojau vaizdo / ataskaitos duomenis.
• [ ] Patvirtinau, kad išvadų į paciento ir gydytojo suvestinę nepridėjau.