Zyski:
- Umiejętność zdefiniowania roli sztucznej inteligencji we wstępnej selekcji, ustalaniu priorytetów i sporządzaniu raportów na obrazach radiologicznych, USG i cytologicznych
- Możliwość walidacji wyników oznaczonych przez sztuczną inteligencję w kontekście klinicznym, standardowym umiejscowieniu i ocenie eksperta (radiologa/patologa).
- Umiejętność zrozumienia, że sztuczna inteligencja oparta na obrazach nie pozwala na postawienie ostatecznej diagnozy, że różnice w typie/pozycji/jakości mogą wprowadzać w błąd oraz że ostateczna interpretacja należy do lekarza.
Obrazowanie to okno, które przenosi oko weterynarza na ciało. Radiografia (prześwietlenie; obrazowanie struktur wewnętrznych za pomocą promieni rentgenowskich), ultradźwięki (obrazowanie tkanek miękkich za pomocą fal dźwiękowych) i cytologia (badanie próbek komórek pod mikroskopem) są integralną częścią codziennej praktyki. W ostatnich latach sztuczna inteligencja (AI) osiągnęła szybki postęp w rozpoznawaniu wzorców na tych obrazach: może wskazać możliwą masę na zdjęciu rentgenowskim, nadać priorytet zestawowi obrazów i sporządzić raport. Jednak najbardziej niebezpiecznym błędnym przekonaniem jest to, że sztuczna inteligencja nie stawia ostatecznej diagnozy na podstawie obrazu. Różnice w położeniu, ekspozycji (dawka wiązki), typie i superpozycji (nakładanie się narządów) łatwo wprowadzają sztuczną inteligencję w błąd. W tej części dowiesz się, jak bezpiecznie wykorzystywać sztuczną inteligencję opartą na wizji jako narzędzie do wstępnej kontroli i ustalania priorytetów. Ostateczna interpretacja zawsze należy do lekarza, a w razie potrzeby radiologa lub patologa.
Co sztuczna inteligencja może, a czego nie może zrobić w obrazowaniu
Uzasadnione role sztucznej inteligencji to: wstępna selekcja (zaznaczanie obszaru wymagającego sprawdzenia), ustalanie priorytetów (zgłaszanie sprawy, która wydaje się pilna), pomoc w pomiarach (obliczanie standardowych pomiarów, takich jak stosunek serca do klatki piersiowej) i sporządzanie raportów (umieszczanie ustaleń w schludnym tekście). Czego sztuczna inteligencja nie może zrobić: ostateczna diagnoza, ostateczna diagnoza nowotworu złośliwego/łagodnego, decyzja o leczeniu i wymiana badania.
Najbardziej podstępną pułapką sztucznej inteligencji opartej na wizji jest to, że szkoli się ją głównie w oparciu o dane ludzkie lub dane o ograniczonej liczbie gatunków. Anatomia klatki piersiowej psa i kota, greyhounda i buldoga jest inna. Sztuczna inteligencja może pomylić te różnice i oznaczyć normalne zmiany jako patologię lub odwrotnie.
Uwaga: fakt, że sztuczna inteligencja zaznacza odkrycie, nie oznacza, że „coś w tym jest”; Oznacza „spójrz tutaj”. Każdy zaznaczony obszar powinien zostać zweryfikowany pod kątem kontekstu klinicznego i standardowego obrazowania pozycyjnego; Lekarz powinien również zbadać obszary nieoznaczone.
Błąd dwukierunkowy: fałszywie dodatni i fałszywie ujemny
Sztuczna inteligencja obrazu popełnia dwa rodzaje błędów. Fałszywie dodatnie: oznacza odkrycie, które nie istnieje (np. pomylone z masą w superpozycji). Prowadzi to do niepotrzebnego sprawdzania i niepokoju właściciela. Fałszywie ujemny: pomija prawdziwy wynik (np. pomija mały przerzut). Jest to bardziej niebezpieczne, ponieważ może wprowadzić lekarza w fałszywą pewność. Zatem to, że sztuczna inteligencja mówi „czysto”, nie wyklucza patologii; Lekarz musi ocenić cały obraz na własne oczy.
Krok po kroku: Wstępna ocena obrazu za pomocą AI
- Uzyskaj wysokiej jakości obrazy. Bez standardowej pozycji, prawidłowej ekspozycji, wyraźnego obrazu żadna interpretacja nie jest wiarygodna.
- Dodaj kontekst kliniczny. Podaj AI gatunek, wiek, skargę i wyniki badań.
- Poproś o wstępną selekcję. Poproś sztuczną inteligencję, aby „zaznaczyła obszary do sprawdzenia”, a nie „postawiła diagnozę”.
- Sprawdź znaki. Sprawdź każdy znak za pomocą standardowego obrazu i kontekstu klinicznego.
- Szukaj tych, którzy uciekli. Sprawdź sam obszary, których sztuczna inteligencja nie zaznaczyła.
- Skonsultuj się z ekspertem. W przypadku wątpliwych lub krytycznych wyników należy zasięgnąć opinii radiologa/patologa.
- Niech lekarz zatwierdzi raport. Ostateczna interpretacja i podpis należy do lekarza.
trzy mini etui
Przypadek 1. AI u 9-letniego psa zaznaczyła prawdopodobny guzek w prawym płacie płuca ogonowego. Lekarz sprawdził okolicę standardową ekstrakcją dwupozycyjną; zobaczył, że znak był w rzeczywistości nakładającym się cieniem żeber i żył (fałszywie pozytywny). AI skierowała uwagę, ale lekarz skorygował diagnozę.
Przypadek 2. 14 zdjęć rentgenowskich zgromadzonych podczas pracowitej zmiany awaryjnej. Sztuczna inteligencja posortowała obrazy według prawdopodobieństwa pilności i przedstawiła możliwy przypadek wolnego płynu w jamie brzusznej. Lekarz uznał tę kolejność za wskazówkę priorytetową, mimo to sam oceniał każdy obraz. Priorytetyzacja zaoszczędzonego czasu; Decyzja należała do lekarza.
Przypadek 3. Próbka cytologiczna masy miała „prawdopodobnie stan zapalny” – stwierdziła AI. Lekarz zauważył, że jakość próbki była niska (mało komórek, zanieczyszczenie krwi), pobrał nową próbkę i wysłał ją do patologa; Wynik był inny. Ten przypadek pokazuje, że jeśli jakość próbki/obrazu jest niska, dane wyjściowe AI również są zawodne.
Wykres porównawczy
Stan
Rola sztucznej inteligencji
Rola lekarza
Jakość obrazu jest słaba
Niewiarygodne, ostrzegaj
Ponowne zdjęcie/próbka
Znalezisko zaznaczone
Wskazówka „Spójrz tutaj”.
Sprawdź za pomocą standardowego obrazu
Nie ma żadnych ustaleń
Nie wyklucza patologii
Sprawdź to sam
Krytyczne/wątpliwe ustalenie
Wersja robocza raportu
Skonsultować się z radiologiem/patologiem, potwierdzić
Cztery szablony do kopiowania
Rola: Asystent wstępnej selekcji obrazu (nie diagnozujesz, zwracasz uwagę). Kontekst: Typ [...], wiek [...], skarga [...], rodzaj zdjęcia [...] pozycja. Zadanie: Wypisz obszary na tym obrazie, którym należy się uważnie przyjrzeć i dlaczego. Postawienie „ostatecznej diagnozy”; Przy każdym elemencie napisz „zweryfikowany przez lekarza”.
Zadanie: Stwórz ustrukturyzowany PROJEKT RAPORTU na podstawie następujących wyników badań radiologicznych (jakość techniczna / wyniki / sugerowana interpretacja). Zasada: Zapisz interpretację w „możliwym” języku, nie stawiaj ostatecznej diagnozy. Ostateczna interpretacja należy do lekarza. Ustalenia: [...]
Zadanie: Podaj listę kontrolną jakości technicznej tego obrazu/próbki (pozycja, ekspozycja, ruch, adekwatność próbki). Jeśli jakość jest niska, zostanie podświetlone ostrzeżenie „komentarz jest niewiarygodny, należy go opublikować ponownie”. Kontekst: [...]
Zadanie: Lista z kryteriami ostrzegawczymi, gdy wymagane jest skierowanie do specjalisty (radiologa/patologa) w przypadku następującego ustalenia. Decyzja należy do lekarza. Znalezienie: [...]
Słaba zachęta/silna zachęta
Słabe: „Co jest na tym prześwietleniu, zdiagnozuj to”.
Güçlü: „Zdjęcie rentgenowskie prawej i lewej bocznej klatki piersiowej 10-letniego kota skarżącego się na kaszel. Wymień obszary, które wymagają dokładnego zbadania i przyczynę; nie stawiaj ostatecznej diagnozy, przy każdym punkcie napisz „lekarz musi sprawdzić”. Jeśli widzisz problem z jakością obrazu, najpierw go podaj”.
W potężnym komunikacie rola sztucznej inteligencji ogranicza się do wstępnej kontroli, priorytetem jest kontrola jakości, a diagnoza jest zabroniona.
Typowe błędy
- Mylenie znaku z rozpoznaniem. AI mówi „spójrz tutaj”, a nie „to jest to”.
- Komentowanie za pomocą zdjęć o złej jakości. Zarówno sztuczna inteligencja, jak i człowiek mylą się w obrazie o niskiej jakości.
- Zaufanie „czystemu” wynikowi i porzucenie recenzji. Fałszywie negatywne wyniki stanowią realne ryzyko.
- Omijanie różnicy gatunku/pozycji. Sztuczna inteligencja wyszkolona na danych ludzkich lub innych typach będzie wprowadzać w błąd.
- Opóźnianie skierowania do specjalisty. W przypadku krytycznych/podejrzanych ustaleń niezbędna jest ocena radiologa/patologa.
Próg zaufania i problem „czarnej skrzynki”.
Narzędzia AI oparte na wizji często zwracają wynik prawdopodobieństwa: „odbiorcy prawdopodobnie będą dużo” lub wartość procentową. Liczba ta stwarza mylące poczucie pewności; Często jednak nie można zobaczyć, w jaki sposób model podejmuje decyzje w tle. Nazywa się to problemem czarnej skrzynki: system generuje wynik, ale nie wyjaśnia swojego rozumowania w sposób możliwy do kontrolowania przez człowieka. Lekarz nie powinien pokładać ślepej wiary w wynik, dla którego nie widzi uzasadnienia. Wysoki wynik ma znaczenie, jeśli dane i warunki, na których wyszkolono ten model, są podobne do danych i warunków Twojego pacjenta; Jeśli w grę wchodzi inny gatunek, inne urządzenie lub nietypowa pozycja, wynik szybko staje się niewiarygodny.
Ogólna zasada jest taka, że niezależnie od wyniku AI, przekonaj się sam i dopasuj go do kontekstu klinicznego, aby znaleźć jakiekolwiek odkrycie, które mogłoby zmienić Twoją decyzję. Wysoki wynik może skierować Cię do testu, ale test i badanie pozwalają postawić diagnozę; Niski wynik nie powinien Cię uspokajać, ponieważ zawsze możliwy jest wynik fałszywie negatywny. Dodatkowo ponowna ocena tego samego obrazu w innych warunkach (nowa pozycja, inna ekspozycja) zmniejsza margines błędu zarówno dla Ciebie, jak i sztucznej inteligencji. Vision AI to narzędzie, które kieruje uwagą doświadczonego oka, a nie je zastępuje; Ciężar ostatecznej interpretacji zawsze spoczywa na lekarzu.
Podsumowując
Sztuczna inteligencja oparta na wizji stanowi potężną pomoc we wstępnej kontroli, ustalaniu priorytetów i sporządzaniu raportów; ale nie pozwala na ustalenie ostatecznej diagnozy. Potraktuj ich oznaczenia jako wskazówkę „spójrz tutaj”, zweryfikuj każde z nich za pomocą standardowych zdjęć i kontekstu klinicznego i samodzielnie zbadaj nieoznaczone obszary. Jeśli jakość obrazu/próbki jest niska, wydruk będzie zawodny. W przypadku krytycznych wyników należy skonsultować się z radiologiem lub patologiem. Ostateczna interpretacja i odpowiedzialność należy do lekarza.
Zadanie aplikacji
Zeskanuj wstępnie trzy obrazy (jedno zdjęcie rentgenowskie, jeden wycinek USG, jedną cytologię) do AI. Dla każdego: (1) zweryfikuj obszar zaznaczony przez AI za pomocą obrazu standardowego, (2) oceń, czy występuje wynik fałszywie pozytywny lub fałszywie negatywny, (3) zwróć uwagę, który przypadek wymaga skierowania specjalistycznego. Utwórz także listę kontrolną jakości i używaj jej w klinice.
lista kontrolna
- [ ] Otrzymałem wysokiej jakości obraz ze standardową pozycją i prawidłową ekspozycją.
- [ ] Podałem AI kontekst kliniczny (typ, wiek, dolegliwości).
- [ ] Poprosiłem sztuczną inteligencję o wstępne badanie przesiewowe, a nie diagnozę.
- [ ] Sprawdziłem zaznaczone obszary za pomocą standardowego obrazu.
- [ ] Sam również zbadałem nieoznaczone obszary.
- [ ] Konsultowałem się z ekspertem w sprawie krytycznych/podejrzanych ustaleń.
- [ ] Jako lekarz zatwierdziłem raport końcowy.