Zyski:
- Zrozumienie, jak działa wstępna klasyfikacja obrazu wspomagana sztuczną inteligencją (rozmaz obwodowy, osad moczu, kolonia) i co przyspiesza
- Możliwość wykorzystania wstępnej klasyfikacji AI wyłącznie do celów przesiewowych i pozostawienia diagnozy nieprawidłowych i krytycznych komórek/mikroorganizmów weryfikacji eksperckiej
- Umiejętność rozpoznawania ograniczeń modeli obrazu (rzadkie komórki, artefakty, jakość barwienia, zmiana dystrybucji) i zarządzania ryzykiem fałszywych negatywów
Mikroskop jest najstarszym, ale wciąż najpotężniejszym narzędziem laboratorium medycznego. Kształt komórek w rozmazie krwi, kryształy w osadzie moczu, kolor i rozmieszczenie bakterii w barwieniu metodą Grama – wszystko to wzory, które wprawne oko może odczytać w ciągu kilku sekund, ale aby zacząć, potrzebne są lata doświadczenia. W ostatnich latach do mikroskopijnego świata wkroczyła analiza obrazu wspomagana sztuczną inteligencją: automatycznie wstępnie klasyfikuje zeskanowane cyfrowo preparaty, eliminując te, które wydają się normalne i kierując uwagę specjalisty na obszary, które faktycznie wymagają zbadania. Jest to ogromny wzrost szybkości, ale jest to również jeden z obszarów, w którym należy wyznaczyć najostrzejsze granice, ponieważ fałszywie negatywny wynik (pominięcie prawdziwej nieprawidłowości) oznacza pominięcie bezpośredniej diagnozy.
Jak w tym urządzeniu działa wstępna klasyfikacja obrazów wspomagana sztuczną inteligencją; rozmaz obwodowy, osad moczu i jego wykorzystanie w mikrobiologii; i omówimy granice modelu (rzadkie komórki, artefakty, jakość barwienia, przesunięcie dystrybucji). Podstawowa zasada: wstępna klasyfikacja AI to badanie przesiewowe, a nie diagnoza; Rozpoznanie i ostateczne zatwierdzenie nieprawidłowych i krytycznych wyników należy do specjalisty.
Jak działa wstępna klasyfikacja obrazu
Modele obrazów AI uczą się kategoryzować komórkę lub strukturę, ucząc się na dużej liczbie oznaczonych przykładów. W cyfrowym analizatorze hematologicznym urządzenie skanuje rozmaz krwi, wychwytuje pojedyncze komórki i na podstawie wzoru przypisuje je do klasy (neutrofile, limfocyty, monocyty, eozynofile, bazofile itp.). Ekspert otrzymuje wstępnie sklasyfikowane komórki w formie galerii; Biegły potwierdza, koryguje lub przeklasyfikuje. Podobnie analizatory osadu moczu wykrywają erytrocyty, leukocyty, nabłonek, kryształy i wałeczki; Niektóre systemy mikrobiologiczne wstępnie oceniają liczbę kolonii i wzorce wzrostu.
Dane wyjściowe modelu zawierają dwa elementy: klasę (ta komórka to neutrofile) i poziom ufności (jak pewna jest ona w tej klasyfikacji). Komórki o niskim poziomie pewności lub oznaczone jako „nietypowe/niezidentyfikowane” należy zdecydowanie skierować do specjalisty. Należy pamiętać, że model może błędnie sklasyfikować komórkę z dużą pewnością; Wynik zaufania nie jest gwarancją dokładności.
Zastosowanie
Prace wstępne AI
praca eksperta
rozmaz obwodowy
Wstępne sortowanie komórek, obsługa galerii
Potwierdzenie nieprawidłowego/wybuchu/nietypowego, interpretacja morfologii
osad moczu
Wstępne rozpoznawanie i liczenie elementów
Potwierdzenie kryształu/odlewu/komórki patologicznej
Mikrobiologia (kolonia)
Liczba kolonii, wstępna ocena wzrostu
Rozróżnienie typów, znaczenie kliniczne
Szpik kostny / patologia
Oznaczenie pola/komórki
Interpretacja diagnostyczna, zgoda lekarza
Dlaczego model jest „przesiewem”, a nie diagnozą
Najcenniejszym wkładem modeli obrazowych jest to, że oszczędzają czas eksperta, szybko przepuszczając normalne i powszechne wzorce. Jednak poleganie na modelu przy podejmowaniu decyzji diagnostycznych jest niebezpieczne z trzech powodów:
- Rzadkie znaleziska. Model może nie rozpoznać rzadkiej komórki (np. zarazy, pasożyta, atypowego limfocytu), którą rzadko widuje w danych uczących. Najbardziej krytyczne odkrycia są często najrzadsze; W tym przypadku wynik fałszywie negatywny jest najbardziej niebezpieczny.
- Artefakt i malarstwo. Jakość zabarwienia, grubość preparatu i artefakty związane z suszeniem mogą wprowadzić w błąd model. W słabo wybarwionym preparacie model może bezpiecznie zostać błędnie sklasyfikowany.
- Zmiana dystrybucji. Jeśli model zostanie przeszkolony przy użyciu jednego urządzenia laboratoryjnego i protokołu barwienia, jego wydajność może się pogorszyć w przypadku innego urządzenia/barwienia. Jeśli populacja różni się od populacji szkoleniowej, model będzie działał słabo, niż oczekiwano.
Uwaga: „Modelka powiedziała, że to normalne, nie patrzyłem” to najczęstszy sposób na przeoczenie fałszywego negatywu. W przypadku nieprawidłowego podejrzenia klinicznego (na przykład wstępnej diagnozy białaczki) rozmaz jest badany przez specjalistę, niezależnie od tego, co mówi model.
Krok po kroku: bezpieczny przebieg wstępnej oceny obrazu
- Sprawdź jakość barwienia i przygotowania. Złe przygotowanie wprowadza w błąd zarówno modelkę, jak i oko; najpierw zapewnij jakość.
- Uzyskaj wstępną klasyfikację modelu jako galerię. Szybko przeglądaj normalne klasy o wysokim poziomie bezpieczeństwa.
- Najpierw sprawdź te, które charakteryzują się niskim poziomem pewności i „nietypowymi”. Jeśli model jest niejasny, decyzja należy do Ciebie.
- Zachowaj podejrzenia kliniczne nad modelem. Wykonaj pełny ręczny przegląd przypadku, w którym spodziewana jest nieprawidłowość.
- Weryfikuj i zgłaszaj krytyczne ustalenia. Wyniki takie jak blasty, pasożyty i komórki złośliwe zostały potwierdzone przez eksperta; W razie potrzeby przekazuje się go lekarzowi.
Uwaga: Oprócz wykorzystania sztucznej inteligencji jako elementu urządzenia do obrazowania na tym oddziale, istnieją również ograniczenia podczas pracy z modelem językowym: przesyłanie obrazów przygotowania pacjenta do publicznie dostępnego narzędzia językowego stanowi ryzyko dla prywatności, a poleganie na niezatwierdzonym narzędziu w diagnostyce klinicznej jest błędne. Diagnozę obrazową przeprowadza się przy użyciu zwalidowanych systemów klinicznych i oczu ekspertów.
Słaba zachęta/silna zachęta
Poniższe porównanie ma zastosowanie w przypadku wykorzystania AI jako wsparcia tekstowego (np. do edycji notatki morfologicznej lub przygotowania opisu tutoriala); nie do podejmowania decyzji o obrazie diagnostycznym.
Słaba zachęta:
Zdiagnozuj, co jest w tym rozmazie krwi. [obraz]
Ten monit prosi sztuczną inteligencję o diagnozę; mając na uwadze, że narzędzie językowe nie zostało zatwierdzone do celów diagnozy klinicznej, a wizerunek pacjenta jest ryzykowny z punktu widzenia prywatności. Jest to niewłaściwe i niebezpieczne użycie.
Potężny monit:
Twoja rola: asystent przygotowujący tekst szkolenia/raportu dla specjalisty laboratorium. DIAGNOZA; Interpretacja obrazu to moja praca. Poniżej zamieszczam własne obserwacje morfologiczne (anonimowe); Zamień je w schludny projekt raportu o wymazach i zaznacz, które ustalenie wymaga potwierdzenia przez eksperta. Moje obserwacje: przewaga neutrofili, lekkie przesunięcie w lewo, kilka limfocytów atypowych [potwierdzenie eksperta], wrażenie toksycznej ziarniny. Nie sugeruj ostatecznej diagnozy.
Silna wola podtrzymuje diagnozę u eksperta, wykorzystuje sztuczną inteligencję jedynie do porządkowania własnych obserwacji i zaznacza ustalenia wymagające potwierdzenia.
trzy mini etui
Przypadek 1 – Skuteczna eliminacja. W laboratorium hematologicznym analizator cyfrowy wstępnie sortuje 220 rozmazów krwi dziennie. Spośród nich 150 ma całkowicie normalne wzorce i wysoki poziom pewności; Ekspert szybko je przegląda i zatwierdza za pośrednictwem galerii. Pozostałe 70 rozmazów (o niskim poziomie wiarygodności lub oznaczonych) podlega pełnej ręcznej ocenie. Rezultat: czas specjalisty jest skoncentrowany na przypadkach, które rzeczywiście wymagają zbadania, a całkowity czas zostaje znacznie skrócony. Model wyeliminowany, ekspert zbadał.
Przypadek 2 – Uciekający wybuch. W jednym przypadku model z małą pewnością oznaczył kilka komórek jako „nietypowe limfocyty”, ale ekspert szybko to potwierdził i przeszedł przez galerię ze względu na gęstość. Później stan kliniczny pacjenta pogarsza się; Po ponownym zbadaniu rozmazu okazuje się, że komórki te są w rzeczywistości blastami. Lekcja: komórki oznaczone przez model jako „nietypowe” nigdy nie są szybko weryfikowane; Tam może być ukryte najważniejsze znalezisko. Fałszywy wynik negatywny jest najdroższym błędem.
Przypadek 3 — Artefakt barwiący. Na analizatorze osadu moczu wzór oznacza liczne „kryształy” w słabo wybarwionym preparacie. Biegły badając preparat stwierdza, że są to osady plamiące (artefakty); Nie ma prawdziwego kryształu. Przygotowanie zostaje odnowione. Lekcja: model może pomylić artefakt z rzeczywistą konstrukcją; Jakość preparatu jest zawsze sprawdzana w pierwszej kolejności.
Kopiowalne szablony podpowiedzi
SZABLON PROJEKTU RAPORTU MORFOLOGICZNEGO Twoja rola: asystent, który przekłada zapisane przeze mnie (eksperta) obserwacje morfologiczne na uporządkowany projekt raportu. Nie diagnozuj. Umieść moje uwagi poniżej w standardowym języku raportów dotyczących rozpowszechniania; niepewne/nietypowe ustalenia oznacz jako „[potwierdzenie eksperta]”; nie oznaczają ostatecznej diagnozy. Moje spostrzeżenia: [tekst].
SZABLON ZASAD WYJĄTKÓW MODELU OBRAZU Zapisz jako listę kontrolną dla systemu wstępnego sortowania obrazów, które przypadki MUSZĄ zostać poddane pełnej ręcznej ocenie: niski wynik wiarygodności, etykieta „nietypowy/niezidentyfikowany”, podejrzenie nieprawidłowości klinicznej, niska jakość przygotowania, kandydat do krytycznego wyniku. Dodaj uzasadnienie dla każdego elementu.
SZABLON KONTROLI JAKOŚCI PREPARATU Wymień elementy jakości, które sprawdziłbym przed oceną preparatu rozmazu/osadu: intensywność barwienia, dyspersja/grubość, artefakt, suszenie, zanieczyszczenie. Zaproponuj kryteria „zaakceptuj/ponownie przygotuj” dla każdego przedmiotu.
SZABLON OPISU SZKOLENIA Twoja rola: asystent przygotowujący tekst szkolenia dla stażystów laboratoryjnych. Wyjaśnij prosto i dokładnie tę koncepcję morfologiczną: [pojęcie]. Podaj przykład, wskaż różnicę między podobnymi strukturami, ale podkreśl, że decyzja o diagnozie należy do specjalisty. Przesyłanie obrazu; Wyjaśnij tylko za pomocą tekstu.
Typowe błędy
- Mylenie klasyfikacji modelu z uznaniem. Sortowanie wstępne to eliminacja; Nieprawidłowe/krytyczne ustalenie zostało potwierdzone przez eksperta.
- Szybko zatwierdzaj niskie bezpieczne/nietypowe flagi. Najbardziej krytyczne ustalenia są właśnie tam; Są one najpierw i dokładnie sprawdzane.
- Pomijam jakość przygotowania. Słabe malowanie modelu i myli oko; Jakość jest najważniejsza.
- Zapominając o zmianie dystrybucji. Model przeszkolony z innym urządzeniem/barwnikiem może słabo działać na Twoich próbkach.
- Przesyłanie obrazu pacjenta do narzędzia publicznego. Ryzyko naruszenia poufności i niezweryfikowanej diagnozy.
Wskazówka: podczas pracy z modelem obrazu kieruj się następującą zasadą: „Model może zwykle przyspieszyć, ale w nietypowych sytuacjach nigdy mnie nie zrelaksuje”. Jeżeli istnieją wątpliwości kliniczne lub wzór jest niejasny, decyzja należy do specjalisty przy mikroskopie.
Podsumowując
Wstępna ocena obrazu wspomagana sztuczną inteligencją eliminuje normalne wzorce rozmazów krwi, osadu moczu i mikrobiologii, uwalniając czas specjalisty na skupienie się na przypadkach, które faktycznie wymagają zbadania. Model jest jednak narzędziem przesiewowym, a nie diagnozą: może przeoczyć rzadkie wyniki, pomylić artefakty z rzeczywistością i osłabić go w różnych populacjach. Diagnoza i ostateczna akceptacja nieprawidłowych i krytycznych wyników należą do specjalisty; w pierwszej kolejności badane są markery o niskim stopniu pewności i nietypowe; Jakość preparatu jest zawsze sprawdzana w pierwszej kolejności. Ponieważ wynik fałszywie ujemny jest najkosztowniejszym błędem, podejrzenia kliniczne przeważają nad wynikami modelu.
Zadanie aplikacji
Korzystając z szablonu „Reguły wyjątków modelu obrazu” dla używanego systemu wstępnej klasyfikacji obrazów (lub przykładu), wypisz, które przypadki na pewno zostaną poddane pełnej ręcznej ocenie. Następnie zamień zestaw obserwacji morfologicznych w regularny raport za pomocą szablonu „Projekt raportu morfologicznego” i zaznacz ustalenia wymagające potwierdzenia. Na koniec utwórz listę kontrolną jakości z szablonem „Kontrola jakości preparatu”.
lista kontrolna
- [ ] Dane wyjściowe modelu wykorzystałem do eliminacji, a nie diagnozy.
- [ ] Najpierw i dokładnie sprawdziłem te oznaczone jako niskie bezpieczne/nietypowe.
- [ ] Sprawdziłem jakość preparatu przed jego oceną.
- [ ] W przypadku podejrzenia nieprawidłowości klinicznych wykonywałam pełne badanie manualne.
- [ ] Nie przesyłałem zdjęć pacjentów do narzędzi publicznych.
- [ ] Profesjonalnie potwierdziłem krytyczne ustalenia i w razie potrzeby podzieliłem się nimi z lekarzem.