Ieguvumi:
- Spēja izskaidrot, kā mākslīgā intelekta atbalstītas noteikšanas, segmentācijas un prioritāšu noteikšanas darbplūsmas tiek izveidotas radioloģiskajos attēlos
- Spēja nošķirt modeļa rezultātus (siltuma karti, varbūtību, mērījumu) no radiologa lēmuma un pozicionēt tos atbalsta lomā
- Spēja apstiprināt attēla modeļa rezultātus ar jutīgumu/specifiskumu, viltus pozitīvu slodzi un klīnisko kontekstu
Radioloģija ir visnobriedušākā mākslīgā intelekta pielietojuma joma biomedicīnas inženierijā. Rentgens (rentgens), datortomogrāfija (CT; CT angļu valodā, apvienojot rentgena sekcijas, kas uzņemtas no dažādiem leņķiem) un magnētiskā rezonanse (MR; MRI angļu valodā, audu attēlveidošana ar spēcīgu magnētisko lauku un radioviļņiem) katru dienu rada miljoniem attēlu. Radiologam ir vajadzīgas gadu ilgas zināšanas, lai interpretētu šos attēlus. Mākslīgais intelekts veicina šo procesu ar noteikšanu (pievēršot uzmanību atradumam), segmentēšanu (struktūras robežu novilkšanu; segmentēšanu angļu valodā) un prioritāšu noteikšanu (steidzamo gadījumu ievietošana rindas sākumā; triage angļu valodā). Šajā nodaļā mēs redzēsim, kā šīs darbplūsmas ir iestatītas un — pats galvenais — kā izvade tiek pozicionēta kā radiologa lēmuma ievads, nevis tā aizstājējs.
Kā inženierim jūsu uzdevums bieži ir izstrādāt modeli, integrēt to, apstiprināt un pārraudzīt tā veiktspēju kopā ar klīnisko komandu. Radiologs veic diagnozi. AI neveic diagnozi; pievērš uzmanību, mēra, šķiro.
Radioloģiskā AI darbplūsmas soļi
1. solis — dati un pirmapstrāde. Attēli tiek piegādāti kā DICOM (digitālā attēlveidošana un sakari medicīnā; standarta failu un saziņas formāts medicīniskiem attēliem). Iepriekšēja apstrāde; Tie ietver logus (attēla kontrasta pielāgošanu), atkārtotu paraugu ņemšanu (slāņu izmēru maiņa līdz standarta izmēram) un trokšņu samazināšanu. Šis solis ir drošs un piemērots automatizācijai.
2. darbība — noteikšana un segmentēšana. Raksts iezīmē zonu, kas atbilst plaušu mezgliņam, lūzumam vai asiņošanai. Rezultāts parasti ir varbūtības rādītāja un siltuma kartes veidā (slānis, kas pēc krāsas parāda apgabalus, kur ir koncentrēta modeļa uzmanība). Segmentācijā modelis zīmē orgāna vai bojājuma pikseļu robežas; To izmanto tilpuma mērīšanai.
3. darbība — nosakiet prioritātes. Ja tiek atklāts steidzams konstatējums (piemēram, smadzeņu asiņošana), lieta tiek virzīta uz priekšu darba sarakstā. Šeit mērķis nav mainīt radiologu, bet gan nodrošināt, lai kritiskais gadījums tiktu redzēts agrāk.
4. solis. Radiologa novērtējums. Modeļa rezultāti tiek parādīti radiologam kā ieteikumu slānis. Radiologs pieņem, noraida vai maina. Gala ziņojums un diagnoze pieder radiologam.
5. posms — pārbaude un uzraudzība. Kad modelis atrodas uz lauka, tā darbība tiek pastāvīgi uzraudzīta; Kļūdaini pozitīvo un viltus negatīvo rādītāji tiek izsekoti atsevišķi dažādās ierīcēs un pacientu grupās.
Jutīgums, specifiskums un viltus pozitīva slodze
Attēla modeļa novērtēšanai ir divi pamata rādītāji. Jutīgums ir patiesi slimo cilvēku atklāšanas ātrums: augsta jutība nozīmē mazāk nepamanītu konstatējumu. Specifiskums ir ātrums, ar kādu mēs precīzi novēršam patiesi veselīgu: augsta specifika nozīmē mazāk viltus trauksmju. Starp šiem diviem ir līdzsvars; Ja pazemināt slieksni un atklājat vairāk atradumu, palielinās viltus trauksmes.
Kritisks jēdziens klīnikā ir viltus pozitīvu rezultātu nasta: ja modele pārāk bieži saka "aizdomīgi", radiologam katru reizi šie karodziņi ir jāizslēdz un pēc kāda laika brīdinājumus neuztver nopietni (trauksmes nogurums). Tāpēc ir jānovērtē ne tikai modeļa jutīgums, bet arī kļūdaini pozitīvu rezultātu skaits faktiskajā darbplūsmā.
Trīs mini futrāļi: pēc skaitļiem
1. gadījums — laiks, ko ietaupa prioritātes noteikšana. Slimnīcā tika ieviests asiņošanas prioritāšu noteikšanas modelis smadzeņu CT. Vidējais asiņošanas gadījumu pirmais apmeklējuma laiks radiologam samazinājās no 28 minūtēm līdz 8 minūtēm. Tomēr modelim neizdevās fiksēt nokavētu nelielu subarahnoidālo asiņošanu; tāpēc visiem gadījumiem atkal tika veikta pilna radiologa nolasīšana. Modelis paātrināja šķirošanu, bet neizslēdza lasīšanu.
2. gadījums — viltus pozitīva slodze. Plaušu mezgliņu noteikšanas modelis katram pacientam radīja vidēji 6 “aizdomīgas” pazīmes, ja to palaiž ar zemu slieksni, lai palielinātu jutību līdz 94%; Lielākā daļa no tiem bija asinsvadu sekcijas un labdabīgi perēkļi. Divu nedēļu laikā radiologi sāka ignorēt pazīmes. Kad slieksnis tika pielāgots un atzīmju skaits tika samazināts līdz 1,5 vienam pacientam, modelis atkal kļuva noderīgs.
3. gadījums — lauka maiņa. Lūzumu noteikšanas modelis tika veikts ar 91% jutību ar digitālajām rentgena iekārtām slimnīcā A, bet slimnīcā B samazinājās līdz 72%, izmantojot cita ražotāja pārnēsājamas ierīces. Attēla kvalitāte un pozicionēšana bija atšķirīga. Modeli nevar uzskatīt par uzticamu, ja tas nav turpmāk apstiprināts katrā ierīcē un populācijā, kurā tas tiks izmantots.
Vāja uzvedne / spēcīga uzvedne
Piezīme. Tālāk sniegtās uzvednes ir paredzētas teksta pārskata vai darbplūsmas konfigurēšanai, nevis paša attēla interpretācijai. Attēlu diagnostika ir apstiprinātas klīniskās programmatūras un radiologa darbs.
Vāja uzvedne:
Apskatiet šo rentgena ziņojumu un pastāstiet man, vai pacients ir slims.[ziņojums]
Spēcīga uzvedne:
Jūsu loma: Jūs esat radioloģijas darbplūsmas asistents (JUMS NAV DIAGNOZE). Strukturējiet anonīmo radioloģijas ziņojuma tekstu šādi: - Tabulējiet atradumus, mērījumus un anatomiskās atrašanās vietas. - Saglabājiet neskaidros/negatīvos apgalvojumus ("nevar izslēgt") tādus, kādi tie ir, nepadariet galīgus. - Nepievienojiet nekādus atradumus, kas nav tekstā. - Atsevišķā sadaļā apkopojiet teikumus "ieteikums/pēcpārbaude". - Beigās uzskaitiet 3 punktus, kas radiologam jāapstiprina. Anonīms ziņojums: [teksts]
Jaudīgais tūlītējais modelis neļauj modelim interpretēt un koncentrējas uz konfigurāciju; Vēlams saglabāt neskaidrību, jo radioloģijas valodā atšķirība starp "nevar izslēgt" un "ir pieejams" ir izšķiroša.
Četras kopējamas veidnes
1) Pārskata konfigurācija:
Sadaliet šo anonīmo radioloģijas ziņojumu šādos virsrakstos: Indikācija, Tehnika, Secinājumi, Secinājums, Ieteikums. Pieturieties pie teksta, nepievienojiet komentārus. Ziņojums: [teksts]
2) Mērījumu konsekvences pārbaude:
Šajā ziņojumā uzskaitiet visus skaitliskos mērījumus (mm, cm, HU) un atzīmējiet pretrunīgas vai nefizioloģiskas vērtības. Ziņojums: [teksts]
3) Modeļa novērtēšanas plāns:
Uzrakstiet attēla noteikšanas modeļa novērtēšanas plāna projektu: jutīgums, specifiskums, viltus pozitīvs/pacients, apakšgrupu (ierīce, vecums) analīze, ārējā validācijas kopa. Atzīmējiet klīniskās apstiprināšanas punktus atsevišķi.
4) Viltus pozitīvs šķirošanas piezīme:
Klasificējiet šādu noteikšanas rezultātu sarakstu kā "radiologa prioritātes augsta/zema"; Uzrakstiet katras klases pamatojumu. Norādiet, ka atstājat lēmumu radiologa ziņā. Saraksts: [izejas]
Modeļa loma: pēc atraduma veida
Veida atrašana
AI ieguldījums
kritiskums
verifikācija
Steidzamas asiņošanas prioritātes noteikšana
augsts
ļoti augsts
Radiologa pilna lasīšana
Plaušu mezgliņu noteikšana
augsts
augsts
Slieksnis + izsekošanas protokols
Kaulu vecums/mērīšana
augsts
vidējs
Ekspertu kontrole
Orgānu tilpuma segmentācija
augsts
vidējs
Manuāla parauga pārbaude
Pārskata konfigurācija (teksts)
augsts
zems
Radiologa apstiprinājums
Padoms. Izvērtējot displeja modeli, nekad nepaļaujieties uz vienu precizitātes procentu. Lūdziet jutīgumu, specifiskumu, viltus pozitīvu slogu un apakšgrupu veiktspēju kopā; "Kurā ierīcē un pacientu grupā jūs testējāt modeli?" jautājums atklāj lielāko daļu problēmu.
Uzmanību: siltuma karte negarantē, "kāpēc" modelis izlēma tā, kā to izdarīja; Tas tikai parāda, kur ir koncentrēta jūsu uzmanība. Dažreiz modelis sniedz pareizo atbildi nepareiza iemesla dēļ (piemēram, skatoties uz marķieri attēlā). Izskaidrojamības izvadei nepieciešama arī validācija.
Biežas kļūdas
- Paļaujoties uz vienu metriku. Augsta vispārējā precizitāte var maskēt zemu jutīgumu kritiskā apakšgrupā.
- Nepatiesi pozitīvās slodzes mērīšana. Modelis, kas rada pārāk daudz signālu, rada stimulu nogurumu un tiek pamests.
- Verificējiet modeli vienā ierīcē un izmantojiet to jebkur. Lauka novirze ir visizplatītākais attēla AI kļūmes cēlonis.
- Siltuma kartes maldināšana pierādījumu iegūšanai. Uzmanības karte nav izskaidrojums; Pareizā atbilde var būt balstīta uz nepareizu iemeslu.
- Radiologa likvidēšana. Modelis nosaka prioritātes un karodziņus; Diagnoze un ziņojums pieder radiologam.
Rezumējot
- Radioloģiskais AI; Tas rada vērtību, izmantojot atklāšanu, segmentēšanu un prioritāšu noteikšanu, un neaizstāj diagnostiku.
- Pastāv līdzsvars starp jutīgumu un specifiskumu; Viltus pozitīvs slogs ir kritisks rādītājs klīnikā.
- Modeļiem ir jāveic ārēja validācija (domēna maiņa) katrā ierīcē un populācijā, kurā tie tiks izmantoti.
- Siltuma kartes parāda uzmanību, bet negarantē skaidrojumu; nevar uzskatīt par pierādījumu.
- Galīgā diagnoze un ziņojums pieder radiologam; AI ir atbalsta slānis.
Lietojumprogrammas uzdevums
Izvēlieties esošu (vai hipotētisku) attēla noteikšanas scenāriju. Uzrakstiet šī modeļa novērtēšanas ietvaru: norādiet, kādus rādītājus (jutīgums, specifiskums, viltus pozitīvs/pacients), kuras apakšgrupas (ierīce, vecums, dzimums) un kādu ārējo validācijas kopu izmantosit. Pēc tam atzīmējiet precīzu punktu darbplūsmā, kurā radiologs pieņēma lēmumu, un rindkopā paskaidrojiet, kā modeļa rezultāti tika ievadīti šajā lēmumā.
kontrolsaraksts
- [ ] Es varu atšķirt radioloģiskā AI noteikšanas, segmentācijas un prioritāšu noteikšanas lomas.
- [ ] Varu kopā novērtēt jutīgumu, specifiskumu un viltus pozitīvo slodzi.
- [ ] Es zinu, kas ir lauka maiņa un kāpēc ir nepieciešama ārēja validācija.
- [ ] Es sapratu, ka siltuma karte nav skaidrojums un ir nepieciešama pārbaude.
- [ ] Modeļa izvadi varu pozicionēt kā radiologa lēmuma ievadi, nevis kā tā aizstājēju.