Keuntungan:
- Keupayaan untuk menentukan peranan AI dalam pra-penyaringan, keutamaan dan penggubalan laporan dalam radiografi, ultrasound dan imej sitologi
- Keupayaan untuk mengesahkan penemuan yang dibenderakan AI dengan konteks klinikal, kedudukan standard dan penilaian pakar (ahli radiologi/patologi)
- Keupayaan untuk memahami bahawa AI berasaskan imej tidak memberikan diagnosis yang pasti, perbezaan jenis/kedudukan/kualiti adalah mengelirukan, dan tafsiran akhir terletak pada doktor.
Pengimejan adalah tingkap yang membawa mata doktor haiwan ke dalam badan. Radiografi (x-ray; pengimejan struktur dalaman dengan X-ray), ultrabunyi (pengimejan tisu lembut dengan gelombang bunyi) dan sitologi (pemeriksaan sampel sel di bawah mikroskop) adalah bahagian penting dalam amalan harian. Kecerdasan buatan (AI) telah berkembang pesat dalam pengecaman corak dalam imej ini dalam beberapa tahun kebelakangan ini: ia boleh menandakan jisim yang mungkin dalam radiograf, mengutamakan satu set imej, mendraf laporan. Tetapi salah tanggapan yang paling berbahaya di sini ialah: AI tidak membuat diagnosis definitif daripada imej. Perbezaan dalam kedudukan, pendedahan (dos rasuk), jenis dan superposisi (bertindih organ) dengan mudah mengelirukan AI. Dalam unit ini, anda akan belajar cara menggunakan AI berasaskan penglihatan dengan selamat sebagai alat pra-penyaringan dan keutamaan. Tafsiran akhir sentiasa milik doktor dan, apabila perlu, ahli radiologi atau ahli patologi.
Perkara yang boleh dan tidak boleh dilakukan oleh AI dalam pengimejan
Peranan yang sah untuk AI ialah: pra-penyaringan (menandai kawasan yang perlu dilihat), keutamaan (membawa ke hadapan kes yang kelihatan mendesak), bantuan pengukuran (mengira ukuran standard seperti nisbah jantung/toraks), dan penggubalan laporan (meletakkan penemuan ke dalam teks yang kemas). Perkara yang tidak boleh dilakukan oleh AI: diagnosis muktamad, diagnosis muktamad malignan/jinak, keputusan rawatan dan penggantian pemeriksaan.
Perangkap AI berasaskan penglihatan yang paling berbahaya ialah ia dilatih kebanyakannya pada data manusia atau data spesies terhad. Anatomi toraks anjing dan toraks kucing, anjing greyhound dan bulldog adalah berbeza. AI boleh mengelirukan perbezaan ini dan menandakan variasi normal sebagai patologi, atau sebaliknya.
Awas: Hanya kerana AI menandakan penemuan tidak bermakna "ada sesuatu di sana"; Maksudnya "tengok sini". Setiap kawasan yang ditanda harus disahkan terhadap konteks klinikal dan pengimejan kedudukan standard; Kawasan yang tidak bertanda juga harus diperiksa oleh doktor.
Ralat dua hala: positif palsu dan negatif palsu
Imej AI membuat dua jenis ralat. Positif palsu: menandakan penemuan yang tidak wujud (mis., disalah anggap sebagai jisim dalam superposisi). Ini membawa kepada pemeriksaan yang tidak perlu dan kebimbangan kepada pemiliknya. Negatif palsu: terlepas penemuan sebenar (mis. terlepas metastasis kecil). Ini lebih berbahaya kerana ia boleh membawa doktor kepada keyakinan palsu. Jadi hanya kerana AI berkata "bersih" tidak mengecualikan patologi; Doktor mesti menilai keseluruhan imej dengan matanya sendiri.
Langkah demi langkah: Pra-penilaian imej dengan AI
- Dapatkan imej yang berkualiti. Tanpa kedudukan standard, pendedahan yang betul, imej yang jelas, tiada tafsiran boleh dipercayai.
- Tambah konteks klinikal. Berikan spesies, umur, aduan dan dapatan peperiksaan kepada AI.
- Minta pra-penyaringan. Minta AI untuk "menandai kawasan untuk dilihat", bukan "membuat diagnosis".
- Sahkan tanda-tanda. Semak setiap tanda dengan imej standard dan konteks klinikal.
- Cari mereka yang melarikan diri. Periksa sendiri kawasan yang tidak ditanda AI.
- Rujuk pakar. Dapatkan penilaian ahli radiologi/patologi sekiranya terdapat penemuan yang boleh dipersoalkan atau kritikal.
- Biarkan doktor meluluskan laporan itu. Tafsiran dan tandatangan terakhir adalah milik doktor.
tiga kes mini
Kes 1. AI dalam anjing berusia 9 tahun menandakan kemungkinan nodul di lobus paru-paru ekor kanan. Doktor memeriksa kawasan itu dengan pengekstrakan dua kedudukan standard; dia melihat bahawa tanda itu sebenarnya adalah bayangan bertindih rusuk dan urat (positif palsu). AI mengarahkan perhatian, tetapi doktor membetulkan diagnosis.
Kes 2. 14 radiograf terkumpul semasa syif kecemasan yang sibuk. AI menyusun imej mengikut kemungkinan segera dan mengemukakan kemungkinan kes cecair perut bebas. Doktor menggunakan pesanan ini sebagai petunjuk keutamaan, tetapi masih menilai sendiri setiap imej. Keutamaan menjimatkan masa; Keputusan adalah di tangan doktor.
Kes 3. Sampel sitologi daripada jisim adalah "kemungkinan radang," kata AI. Doktor menyedari bahawa kualiti sampel adalah buruk (beberapa sel, pencemaran darah), mengambil sampel baru dan menghantarnya kepada ahli patologi; Hasilnya berbeza. Kes ini menunjukkan bahawa jika kualiti sampel/imej rendah, output AI juga tidak boleh dipercayai.
Carta perbandingan
Status
Peranan AI
Peranan doktor
Kualiti imej kurang baik
Tidak boleh dipercayai, beri amaran
Rakam semula/sampel
Mencari bertanda
"Tengok sini" petunjuk
Sahkan dengan imej standard
Tiada penemuan
Tidak mengecualikan patologi
Semak sendiri
Penemuan kritikal / dipersoalkan
Laporan draf
Rujuk ahli radiologi/patologi, sahkan
Empat templat yang boleh disalin
Peranan: Pembantu pra-saringan imej (anda tidak mendiagnosis, anda menarik perhatian).Konteks: Jenis [...], umur [...], aduan [...], jenis tangkapan [...] kedudukan. Tugas: Senaraikan kawasan dalam imej ini yang perlu dilihat dengan teliti dan sebabnya. Memberi "diagnosis muktamad"; Tulis "doktor disahkan" untuk setiap item.
Tugas: Buat REPORTDRAF berstruktur daripada penemuan radiologi berikut (kualiti teknikal / penemuan / tafsiran yang dicadangkan). Peraturan: Tulis tafsiran dalam bahasa "kemungkinan", jangan buat diagnosis definitif. Tafsiran terakhir adalah milik doktor. Penemuan: [...]
Tugas: Berikan senarai semak kualiti teknikal untuk imej/sampel ini (kedudukan, pendedahan, pergerakan, kecukupan sampel). Jika kualiti rendah, ia akan menyerlahkan amaran "komen tidak boleh dipercayai, mesti disiarkan semula". Konteks: [...]
Tugas: Senaraikan dengan kriteria bendera merah apabila rujukan kepada pakar (ahli radiologi/patologi) diperlukan untuk penemuan berikut. Keputusan adalah milik doktor. Penemuan: [...]
Gesaan lemah / Gesaan kuat
Lemah: "Apa yang ada dalam x-ray ini, diagnosis."
Güçlü: "Radiograf toraks sisi kiri kanan kucing berusia 10 tahun yang mengadu batuk. Senaraikan kawasan yang perlu diperiksa dengan teliti dan sebabnya; jangan buat diagnosis muktamad, tulis 'doktor mesti mengesahkan' untuk setiap item. Jika anda melihat masalah dengan kualiti imej, nyatakan dahulu."
Dalam gesaan yang kuat, peranan AI terhad kepada pra-penyaringan, kawalan kualiti diutamakan dan diagnosis adalah dilarang.
Kesilapan biasa
- Tersilap tanda sebagai pengiktirafan. AI berkata "lihat di sini", bukan "inilah itu".
- Mengulas dengan imej yang tidak berkualiti. Kedua-dua AI dan manusia tersilap dalam imej berkualiti rendah.
- Mempercayai output "bersih" dan meninggalkan semakan. Negatif palsu adalah risiko sebenar.
- Melangkau perbezaan genre/kedudukan. AI yang dilatih pada manusia atau jenis data lain akan mengelirukan.
- Menangguhkan rujukan pakar. Dalam penemuan kritikal/mencurigakan, penilaian ahli radiologi/patologi adalah penting.
Ambang kepercayaan dan masalah "kotak hitam".
Alat AI berasaskan penglihatan selalunya mengembalikan skor kebarangkalian: "khalayak berkemungkinan tinggi" atau peratusan. Nombor ini mewujudkan rasa kepastian yang mengelirukan; Walau bagaimanapun, selalunya tidak mungkin untuk melihat bagaimana model membuat keputusan di latar belakang. Ini dipanggil masalah kotak hitam: sistem menghasilkan keputusan tetapi tidak menjelaskan alasannya dengan cara yang boleh dikawal oleh manusia. Seorang doktor tidak seharusnya mempunyai keyakinan buta terhadap hasil yang dia tidak dapat melihat justifikasinya. Skor tinggi bermakna jika data dan keadaan di mana model itu dilatih adalah serupa dengan pesakit anda; Jika spesies lain, peranti lain atau kedudukan luar biasa terlibat, skor menjadi tidak boleh dipercayai dengan cepat.
Peraturan biasa ialah tanpa mengira skor AI, lihat sendiri dan padankannya dengan konteks klinikal untuk sebarang penemuan yang akan mengubah keputusan anda. Skor tinggi mungkin mengarahkan anda ke ujian, tetapi ujian dan pemeriksaan membuat diagnosis; Skor rendah tidak sepatutnya meyakinkan anda, kerana negatif palsu sentiasa mungkin. Selain itu, menilai semula imej yang sama dalam keadaan berbeza (kedudukan baharu, pendedahan berbeza) mengurangkan margin ralat untuk anda dan AI. Vision AI ialah alat yang membimbing perhatian mata yang berpengalaman, bukan penggantinya; Berat tafsiran akhir sentiasa terletak pada doktor.
Secara ringkasnya
AI berasaskan penglihatan ialah bantuan yang berkuasa dalam pra-penyaringan, keutamaan dan penggubalan laporan; tetapi ia tidak membuat diagnosis yang pasti. Ambil tanda mereka sebagai petunjuk "lihat di sini", sahkan setiap satu dengan imejan standard dan konteks klinikal, dan periksa sendiri kawasan yang tidak ditanda. Jika kualiti imej/sampel kurang baik, outputnya tidak boleh dipercayai. Sekiranya penemuan kritikal, rujuk ahli radiologi atau ahli patologi. Tafsiran dan tanggungjawab terakhir adalah milik doktor.
Tugasan permohonan
Pra-imbas tiga imej (satu radiograf, satu keping ultrasound, satu sitologi) ke dalam AI. Untuk setiap: (1) mengesahkan kawasan yang ditandakan oleh AI dengan imej standard, (2) menilai sama ada terdapat positif palsu atau negatif palsu, (3) perhatikan kes yang memerlukan rujukan pakar. Buat juga senarai semak kualiti dan gunakannya di klinik.
senarai semak
- [ ] Saya menerima imej berkualiti dengan kedudukan standard dan pendedahan yang betul.
- [ ] Saya memberikan konteks klinikal (jenis, umur, aduan) kepada AI.
- [ ] Saya meminta AI untuk pra-pemeriksaan, bukan diagnosis.
- [ ] Saya mengesahkan kawasan yang ditanda dengan imej standard.
- [ ] Saya juga meneliti sendiri kawasan yang tidak bertanda.
- [ ] Saya berunding dengan pakar tentang penemuan kritikal/mencurigakan.
- [ ] Sebagai seorang doktor, saya meluluskan laporan akhir.