Pelnas:
- Gebėjimas apibrėžti AI vaidmenį atliekant išankstinį patikrinimą, prioritetų nustatymą ir ataskaitų rengimą rentgenografijos, ultragarso ir citologiniuose vaizduose
- Galimybė patvirtinti AI pažymėtas išvadas su klinikiniu kontekstu, standartine padėtimi ir eksperto (radiologo / patologo) vertinimu
- Gebėjimas suprasti, kad vaizdais pagrįstas AI nepateikia galutinės diagnozės, kad tipo / padėties / kokybės skirtumai yra klaidinantys ir kad galutinį aiškinimą turi gydytojas.
Vaizdavimas yra langas, per kurį veterinarijos gydytojo akis patenka į kūną. Rentgenografija (rentgenas; vidinių struktūrų vaizdavimas rentgeno spinduliais), ultragarsas (minkštųjų audinių vaizdavimas garso bangomis) ir citologija (ląstelių mėginių tyrimas mikroskopu) yra neatsiejama kasdienės praktikos dalis. Dirbtinis intelektas (AI) pastaraisiais metais sparčiai pažengė į priekį atpažindamas šiuos vaizdus: jis gali pažymėti galimą masę rentgenogramoje, nustatyti vaizdų rinkinio prioritetus, parengti ataskaitą. Tačiau pavojingiausias klaidingas supratimas yra toks: AI nenustato galutinės diagnozės pagal vaizdą. Padėties, poveikio (spindulio dozės), tipo ir superpozicijos (organų persidengimo) skirtumai lengvai suklaidina AI. Šiame skyriuje sužinosite, kaip saugiai naudoti regėjimu pagrįstą AI kaip išankstinio patikrinimo ir prioritetų nustatymo įrankį. Galutinis aiškinimas visada priklauso gydytojui ir, kai reikia, radiologui ar patologui.
Ką AI gali ir ko negali padaryti vaizduojant
Teisėtos dirbtinio intelekto funkcijos yra šios: išankstinis patikrinimas (sritys, kurią reikia ieškoti), prioritetų nustatymas (atsižvelgiant į neatidėliotiną atvejį), pagalba matuojant (standartinių matavimų, pvz., širdies ir krūtinės ląstos santykio, skaičiavimas) ir ataskaitos rengimas (išvadų įtraukimas į tvarkingą tekstą). Ko AI negali padaryti: galutinė diagnozė, galutinė piktybinio / gerybinio naviko diagnozė, gydymo sprendimas ir tyrimo pakeitimas.
Labiausiai klastingas regėjimu pagrįsto AI spąstas yra tas, kad jis daugiausia mokomas remiantis žmonių duomenimis arba ribotais duomenimis apie rūšis. Skiriasi šuns ir katės krūtinės ląstos, kurto ir buldogo krūtinės anatomija. AI gali supainioti šiuos skirtumus ir pažymėti įprastą pokytį kaip patologiją arba atvirkščiai.
Atsargiai: vien todėl, kad AI pažymi radinį, dar nereiškia, kad „ten kažkas yra“; Tai reiškia „pažiūrėk čia“. Kiekviena pažymėta sritis turi būti patvirtinta atsižvelgiant į klinikinį kontekstą ir standartinį vaizdą; Nepažymėtas vietas taip pat turėtų ištirti gydytojas.
Dvipusė klaida: klaidingai teigiama ir klaidingai neigiama
Vaizdo AI daro dviejų tipų klaidas. Klaidingai teigiamas: pažymi radinį, kurio nėra (pvz., supainiota su superpozicijoje esančia mase). Tai sukelia nereikalingą tyrimą ir savininko nerimą. Klaidingai neigiamas: nepatenka tikrojo radinio (pvz., praranda mažą metastazę). Tai pavojingiau, nes gali sukelti gydytojo klaidingą pasitikėjimą. Taigi vien todėl, kad dirbtinis intelektas sako „švarus“, neatmeta patologijos; Gydytojas turi įvertinti visą vaizdą savo akimis.
Žingsnis po žingsnio: išankstinis vaizdo įvertinimas naudojant AI
- Gaukite kokybiškus vaizdus. Be standartinės padėties, teisingos ekspozicijos, aiškaus vaizdo jokia interpretacija nėra patikima.
- Pridėkite klinikinį kontekstą. Pateikite AI rūšį, amžių, nusiskundimus ir tyrimo išvadas.
- Prašyti išankstinio patikrinimo. Paprašykite dirbtinio intelekto „pažymėti sritis, į kurias reikia žiūrėti“, o ne „nustatyti diagnozę“.
- Patikrinkite ženklus. Patikrinkite kiekvieną požymį naudodami standartinį vaizdą ir klinikinį kontekstą.
- Ieškokite tų, kurie pabėgo. Ištirkite sritis, kurių AI nepažymėjo.
- Kreipkitės į ekspertą. Jei yra abejotinų ar kritinių išvadų, gaukite radiologo/patologo įvertinimą.
- Tegul gydytojas patvirtina ataskaitą. Galutinis aiškinimas ir parašas priklauso gydytojui.
trys mini dėklai
1 atvejis. 9 metų šuniui AI pažymėjo galimą mazgą dešinėje uodegos skiltyje. Gydytojas patikrino sritį standartine dviejų padėčių ekstrakcija; jis pamatė, kad žymė iš tikrųjų buvo persidengiantis šonkaulių ir venų šešėlis (klaidingai teigiama). AI atkreipė dėmesį, bet gydytojas pataisė diagnozę.
2 atvejis. Per užimtą avarinę pamainą sukaupta 14 rentgenogramų. AI surūšiavo vaizdus pagal skubos tikimybę ir iškėlė galimą laisvo pilvo skysčio atvejį. Gydytojas naudojo šį nurodymą kaip prioritetinį užuominą, bet vis tiek įvertino kiekvieną vaizdą pats. Prioritetų nustatymas sutaupo laiko; Sprendimas buvo gydytojo.
3 atvejis. Citologinis mėginys iš masės buvo „galbūt uždegiminis“, sakė AI. Gydytojas pastebėjo, kad mėginio kokybė prasta (mažai ląstelių, užterštas krauju), paėmė naują mėginį ir nusiuntė patologui; Rezultatas buvo kitoks. Šis atvejis rodo, kad jei mėginio / vaizdo kokybė yra prasta, AI išvestis taip pat yra nepatikima.
Palyginimo diagrama
Būsena
AI vaidmuo
Gydytojo vaidmuo
Vaizdo kokybė prasta
Nepatikimas, perspėkite
Fotografuoti iš naujo / paimti mėginį
Radinys pažymėtas
„Žiūrėk čia“ užuomina
Patvirtinkite naudodami standartinį vaizdą
Išvadų nėra
Neatmeta patologijos
Patikrinkite patys
Kritinė/abejotina išvada
Ataskaitos juodraštis
Pasikonsultuokite su radiologu/patologu, patvirtinkite
Keturi kopijuojami šablonai
Vaidmuo: Vaizdo išankstinio patikrinimo asistentas (jūs nediagnozuojate, o atkreipiate dėmesį).Kontekstas: tipas [...], amžius [...], skundas [...], šūvio tipas [...] padėtis.Užduotis: Išvardykite šio vaizdo sritis, kurias reikia atidžiai apžiūrėti ir kodėl. „Galutinės diagnozės“ suteikimas; Prie kiekvienos prekės parašykite „patvirtintas gydytojas“.
Užduotis: Iš toliau pateiktų radiologijos radinių (techninė kokybė / išvados / siūloma interpretacija) sudaryti struktūrizuotą ATASKAITĄ. Taisyklė: Vertimą parašykite „galima“ kalba, nenustatykite galutinės diagnozės. Galutinis aiškinimas priklauso gydytojui. Išvados: [...]
Užduotis: Pateikite šio vaizdo / pavyzdžio techninės kokybės kontrolinį sąrašą (pozicija, ekspozicija, judėjimas, pavyzdžio tinkamumas). Jei kokybė žema, bus paryškintas įspėjimas „komentaras nepatikimas, turi būti paskelbtas iš naujo“. Kontekstas: [...]
Užduotis: Išvardykite raudonos spalvos kriterijų sąrašą, kada reikia kreiptis į specialistą (radiologą/patologą) dėl šios išvados. Sprendimas priklauso gydytojui. Išvada: [...]
Silpnas raginimas / Stiprus raginimas
Silpnas: „Kas yra šioje rentgeno nuotraukoje, diagnozuok“.
Güçlü: "10 metų katės, besiskundžiančios kosuliu, dešinės ir kairės šoninės krūtinės ląstos rentgenograma. Išvardykite sritis, kurias reikia atidžiai ištirti ir nurodykite priežastį; nenustatykite galutinės diagnozės, prie kiekvieno elemento parašykite "gydytojas turi patikrinti". Jei matote vaizdo kokybės problemą, pirmiausia tai nurodykite."
Galingame raginime dirbtinio intelekto vaidmuo apsiriboja išankstiniu patikrinimu, pirmenybė teikiama kokybės kontrolei ir draudžiama diagnozuoti.
Dažnos klaidos
- Supainioti atpažinimo ženklą. AI sako „žiūrėk čia“, o ne „tai tai“.
- Komentuoja prastos kokybės vaizdai. Tiek dirbtinis intelektas, tiek žmogus klysta dėl žemos kokybės vaizdo.
- Pasitikėjimas „švaria“ produkcija ir atsisakymas peržiūros. Klaidingi neigiami rezultatai yra tikra rizika.
- Žanro/pozicijos skirtumo aplenkimas. Dirbtinis intelektas, išmokytas naudoti žmogaus ar kitokio tipo duomenis, suklaidins.
- Specialisto siuntimo vėlavimas. Esant kritinėms/įtartinoms išvadoms, būtinas radiologo/patologo įvertinimas.
Pasitikėjimo slenkstis ir „juodosios dėžės“ problema
Regėjimu pagrįsti AI įrankiai dažnai pateikia tikimybės balą: „tikėtina, kad auditorija bus didelė“ arba procentas. Šis skaičius sukuria klaidinantį tikrumo jausmą; Tačiau dažnai neįmanoma pamatyti, kaip modelis priima sprendimus fone. Tai vadinama juodosios dėžės problema: sistema sukuria rezultatą, bet nepaaiškina savo samprotavimų taip, kad žmonės galėtų juos kontroliuoti. Gydytojas neturėtų aklai pasitikėti rezultatu, kurio pateisinimo jis nemato. Aukštas balas yra reikšmingas, jei duomenys ir sąlygos, pagal kurias buvo apmokytas tas modelis, yra panašūs į jūsų paciento; Jei dalyvauja kita rūšis, kitas įrenginys ar neįprasta padėtis, rezultatas greitai tampa nepatikimas.
Nykščio taisyklė yra ta, kad nepaisant AI balo, įsitikinkite patys ir priderinkite jį prie klinikinio konteksto, kad sužinotumėte, kas pakeistų jūsų sprendimą. Aukštas balas gali nukreipti jus į testą, tačiau testas ir tyrimas nustato diagnozę; Žemas balas neturėtų jus nuraminti, nes visada galimas klaidingas neigiamas rezultatas. Be to, pakartotinai įvertinus tą patį vaizdą skirtingomis sąlygomis (nauja padėtis, kitokia ekspozicija), sumažėja ir jūsų, ir dirbtinio intelekto paklaida. Vision AI – tai įrankis, nukreipiantis patyrusios akies dėmesį, o ne jį pakeičiantis; Galutinis aiškinimo svoris visada tenka gydytojui.
Apibendrinant
Vizija pagrįstas AI yra galinga pagalba atliekant išankstinį patikrinimą, nustatant prioritetus ir rengiant ataskaitas; bet tai nepateikia galutinės diagnozės. Priimkite jų žymes kaip „žiūrėk čia“, patikrinkite kiekvieną naudodami standartinius vaizdus ir klinikinį kontekstą ir patys ištirkite nepažymėtas sritis. Jei vaizdo / pavyzdžio kokybė prasta, išvestis nepatikima. Esant kritiniams radiniams, kreipkitės į radiologą ar patologą. Galutinis aiškinimas ir atsakomybė priklauso gydytojui.
Taikymo užduotis
Iš anksto nuskaitykite tris vaizdus (vieną rentgenogramą, vieną ultragarsinį pjūvį, vieną citologiją) į AI. Kiekvienam: (1) patikrinkite sritį, pažymėtą AI standartiniu vaizdu, (2) įvertinkite, ar yra klaidingai teigiamas ar klaidingas neigiamas rezultatas, (3) atkreipkite dėmesį, kuriuo atveju reikia specialisto siuntimo. Taip pat sukurkite kokybės kontrolinį sąrašą ir naudokite jį klinikoje.
kontrolinis sąrašas
- [ ] Gavau kokybišką vaizdą su standartine padėtimi ir teisinga ekspozicija.
- [ ] Pateikiau klinikinį kontekstą (tipą, amžių, nusiskundimą) AI.
- [ ] Aš paprašiau AI atlikti išankstinę patikrą, o ne diagnozuoti.
- [ ] Pažymėtas sritis patikrinau standartiniu vaizdu.
- [ ] Pats nagrinėjau ir nepažymėtas vietas.
- [ ] Dėl kritinių / įtartinų išvadų konsultavausi su ekspertu.
- [ ] Kaip gydytojas patvirtinau galutinę ataskaitą.