ලාභ:
- සම්පූර්ණ විනිවිදක රූපයක් (WSI) කාර්ය ප්රවාහයක් තුළ සෛල ගණන් කිරීම, ඛණ්ඩනය කිරීම සහ ශ්රේණිගත කිරීම සඳහා AI හි සහාය පැහැදිලි කිරීමේ හැකියාව
- ආදර්ශ කාර්ය සාධනය සහ වසම් මාරුව මත පින්තාරු කිරීමේ සහ ස්කෑන් කිරීමේ විචල්යතාවයේ බලපෑම හඳුනා ගැනීමේ හැකියාව
- යොමු ප්රමිතිය, නියැදීම සහ ව්යාධි විද්යාඥ අනුමැතිය සමඟ ව්යාධි විද්යා AI ප්රතිදානයන් වලංගු කිරීමේ හැකියාව
ව්යාධිවේදය යනු අන්වීක්ෂයක් යටතේ පටක සාම්පලයක් පරීක්ෂා කිරීමෙන් රෝගය හඳුනා ගන්නා වෛද්ය ශාඛාවකි; බොහෝ පිළිකා රෝග විනිශ්චය වල "රන් ප්රමිතිය" මෙහි සාදා ඇත. ඩිජිටල් ව්යාධිවේදය යනු අධි-විභේදන ස්කෑනරයක් සහිත වීදුරු ස්ලයිඩයක් මත පැල්ලම් සහිත පටක කොටසක් ඩිජිටල්කරණය කිරීමයි. ලැබෙන ගොනුව සම්පූර්ණ විනිවිදක රූපයක් ලෙස හැඳින්වේ (කෙටියෙන් WSI); තනි ස්ලයිඩයක් ගිගාපික්සල් ප්රමාණයේ, එනම් පික්සල බිලියන ගණනක යෝධ රූපයක් විය හැක. කෘතිම බුද්ධිය මෙම දැවැන්ත රූපවල සෛල ගණන් කිරීම, කලාප ඛණ්ඩනය කිරීම සහ ශ්රේණිගත කිරීම සඳහා සහාය වේ. මෙම ඒකකය තුළ අපි එහි විශාලතම තාක්ෂණික අන්තරාය වන WSI කාර්ය ප්රවාහය දකිනු ඇත: පැල්ලම්/ස්කෑන් කිරීමේ විචල්යතාවය සහ ව්යාධි විද්යාඥ අනුමැතිය අත්යවශ්ය වන්නේ ඇයි.
අපි මුල සිටම ප්රකාශ කරමු: කෘතිම බුද්ධිය කවුන්ටරයක්, මූලික ස්කෑනරයක් සහ ව්යාධි විද්යාවේ දෙවන ඇසක් විය හැකිය; නමුත් පිළිකා රෝග විනිශ්චය, වේදිකාගත කිරීම සහ ශ්රේණිගත කිරීමේ තීරණ අයත් වන්නේ ව්යාධිවේදියාට ය. ආකෘතිය රෝග විනිශ්චය නොකරයි.
WSI කාර්ය ප්රවාහයේ පියවර
පියවර 1 - Screening සහ තත්ත්ව පාලනය. වීදුරු ස්ලයිඩය ස්කෑන් කර ඇත; නාභිගත වීම, නැමීම් සලකුණු සහ වායු බුබුලු වැනි දෝෂ ස්වයංක්රීයව හඳුනාගත හැකිය. දුර්වල තත්ත්වයේ ස්කෑන් කිරීම් ආකෘතියට කිසිසේත් ඇතුල් නොවිය යුතුය.
පියවර 2 - ටයිල් (පැච්) ඉවත් කිරීම. Gigapixel රූපය සෘජුවම සැකසිය නොහැක; කුඩා කොටු වලට බෙදා ඇත (ඉංග්රීසි පැච්, සාමාන්යයෙන් 256x256 හෝ 512x512 පික්සල). ආකෘතිය එක් එක් ටයිල් වෙන වෙනම ඇගයීමට ලක් කරයි, එවිට ප්රතිඵල ඒකාබද්ධ වේ.
පියවර 3 - පටක/සෛල විශ්ලේෂණය. ආකෘතිය; එය tumor site segmentation, mitosis (Diving Cell) ගණන් කිරීම, න්යෂ්ටික ඝනත්වය හෝ සලකුණක් ගණනය කිරීම (උදා: Ki-67 පැල්ලම් අනුපාතය) වැනි කාර්යයන් සිදු කරයි. ප්රතිදානය යනු සංඛ්යාත්මක මිනුම් හෝ තාප සිතියමකි.
පියවර 4 - ඒකාබද්ධ කිරීම සහ වාර්තා කිරීම. ටයිල් ප්රතිඵල ස්ලයිඩ මට්ටමේ ඒකාබද්ධ වේ; සාරාංශයක් නිපදවනු ලැබේ, උදාහරණයක් ලෙස, "ගැටිති ප්රදේශයේ ප්රතිශතය" හෝ "මයිටොටික් ගණන".
පියවර 5 - ව්යාධිවේදය ඇගයීම. ව්යාධිවේදය විසින් ආකෘතිය මගින් සලකුණු කර ඇති කලාප සහ ගණනය කිරීම් පරීක්ෂා කරයි; පිළිගනී, නිවැරදි කරයි හෝ ප්රතික්ෂේප කරයි. රෝග විනිශ්චය සහ ශ්රේණිගත කිරීම ව්යාධිවේදියා වෙත වේ.
විශාලතම අන්තරාය: ඩයි කිරීම සහ ස්කෑන් කිරීමේ විචල්යතාවය
පටක කොටස් සාමාන්යයෙන් H&E (hematoxylin සහ eosin; න්යෂ්ටිය නිල්-වයලට් සහ සයිටොප්ලාස්ම රෝස පැහැයට ගන්නා සම්මත සායම්) වලින් වර්ණාලේප කර ඇත. නමුත් පැල්ලම් තීව්රතාවය රසායනාගාරය, පැල්ලම් කණ්ඩායම, කොටස් ඝණකම සහ ස්කෑනර් සන්නාමය අනුව කැපී පෙනෙන ලෙස වෙනස් වේ. මිනිස් ඇස මෙම වෙනස්කම් වලට පහසුවෙන් අනුගත වේ; ආකෘතිය නොගැලපේ.
A රසායනාගාරයේ රෝස-දම් නාද මත පදනම්ව ආකෘතියක් ඉගෙන ගෙන තිබේ නම්, එහි කාර්ය සාධනය B රසායනාගාරයේ සුදුමැලි හෝ අඳුරු පැල්ලම් මත අඩු වනු ඇත. මෙම සංසිද්ධිය වසම් මාරුව ලෙස හඳුන්වනු ලබන අතර ඩිජිටල් ව්යාධිවේදය තුළ අසාර්ථක වීමට වඩාත් පොදු හේතුව වේ. විසඳුම් ප්රවේශයන්: වර්ණ සාමාන්යකරණය (රූප පොදු වර්ණ අවකාශයකට ගෙන යාම), බහු කේන්ද්ර පුහුණු දත්ත, සහ - වඩාත්ම වැදගත් - එක් එක් රසායනාගාරයේ බාහිර වලංගුකරණය භාවිතා කළ යුතුය.
කුඩා අවස්ථා තුනක්: අංක අනුව
නඩුව 1 - මයිටොටික් ගණනෙහි අනුකූලතාව. පියයුරු පිළිකා ශ්රේණිගත කිරීමේදී මයිටොටික් ගණන් කිරීම වැදගත් නමුත් වෙහෙසකාරී සහ නිරීක්ෂකයාගෙන් නිරීක්ෂකයාට විචල්ය වේ. එක් රසායනාගාරයක AI-සහාය මූලික ගණනය කිරීම, රෝග විද්යාඥයින් දෙදෙනෙකු අතර එකඟතාව (කප්පා) 0.55 සිට 0.71 දක්වා වැඩි වූ අතර, එක් ස්ලයිඩයකට ගණන් කිරීමේ කාලය මිනිත්තු 4 සිට විනාඩි 1.5 දක්වා අඩු විය. කෙසේ වෙතත්, එක් එක් අවසාන ගණනය රෝග විශේෂඥයා විසින් තහවුරු කරන ලදී; ආකෘතිය යෝජනා කළේය, ව්යාධිවේදය තීරණය කළේය.
නඩුව 2 - ක්ෂේත්ර මාරු පහර. පිළිකා ඛණ්ඩනය කිරීමේ ආකෘතියක් නිර්මාණය කළ රසායනාගාරයේ එය 93% ක්ම නිවැරදිව ක්රියාත්මක විය. එම ආකෘතියම වෙනත් ස්කෑනරයක් සහ ඩයි භාවිතා කරමින් හවුල්කාර රසායනාගාරයේදී පිළිකා ප්රදේශය 20% කින් ක්රමානුකූලව අධිතක්සේරු කරන ලදී. එම රසායනාගාරයෙන් විනිවිදක 200ක් සමඟ වර්ණ සාමාන්යකරණය සහ නැවත වලංගු කිරීමෙන් පසුව, වෙනස පිළිගත හැකි මට්ටමකට අඩු විය.
නඩුව 3 - නියැදි වැරදි. එක් ආකෘතියක් ස්ලයිඩයක් මත ගෙඩියක් "නැත" කීවේය; කෙසේ වෙතත්, ආකෘතිය විසින් ස්කෑන් කරන ලද ප්රදේශය පමණක් ඇගයීමට ලක් කරන ලද අතර ගෙඩිය නියැදි නොකළ කොටසක විය. ව්යාධිවේදය රෝග විනිශ්චය විනිවිදක තෝරා ගැනීම සහ නියැදීම තරම් හොඳයි; AI "සෘණ" ප්රතිදානය අඩු නියැදීම සඳහා වන්දි ලබා නොදේ. AI සෘණාත්මක ප්රතිඵලයක් පමණක් කිසිවිටෙක "රෝගයක් නැත" යන්න අදහස් නොකරන්නේ එබැවිනි.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
සටහන: ව්යාධි විද්යා වාර්තාව සහ කාර්ය ප්රවාහ පෙළ වින්යාස කිරීම සඳහා පහත විමසුම් වේ; පටක රූප රෝග විනිශ්චය යනු සත්යාපිත මෘදුකාංග සහ ව්යාධි විද්යාඥයින්ගේ කාර්යයකි.
දුර්වල ක්ෂණික:
මෙම ව්යාධිවේදය වාර්තාවට අනුව පිළිකාවක් තිබේද? [වාර්තාව]
බලවත් විමසුම:
ඔබේ කාර්යභාරය: ඔබ ව්යාධි වාර්තා ව්යුහාත්මක සහායකයා වේ (ඔබ රෝග විනිශ්චය නොවේ). පහත සඳහන් නිර්නාමික ව්යාධි වාර්තාව ව්යුහගත කරන්න:- නියැදි වර්ගය, පැල්ලම්, ගෙඩි වර්ගය/ශ්රේණිය, ශල්ය ආන්තිකය, සලකුණු කරන්න.- අපැහැදිලි වචන ("විපරීත, සායනික සහසම්බන්ධතා නිර්දේශිත") නොවෙනස්ව තබා ගන්න.- පෙළෙහි නොමැති සොයාගැනීම් එකතු නොකරන්න; නැතිවූ ක්ෂේත්රය තුළ "නිශ්චිත නොවන" ලියන්න.- අවසාන වශයෙන්, රෝග විශේෂඥයා තහවුරු කළ යුතු කරුණු 3 ලැයිස්තුගත කරන්න. නිර්නාමික වාර්තාව:[පෙළ]
පිටපත් කළ හැකි සැකිලි හතරක්
1) වාර්තා ප්රමිතිකරණය:
පහත සඳහන් නිර්නාමික ව්යාධි වාර්තාව ව්යුහගත ක්ෂේත්රවලට (ඉන්ද්රිය, රෝග විනිශ්චය, ශ්රේණිය, ආන්තිකය, සලකුණු කිරීමේ ප්රතිශත) ඇතුළත් කරන්න. පෙළට ඇලී සිටින්න. වාර්තාව: [පෙළ]
2) ටෝකන් අනුකූලතා පරීක්ෂාව:
මෙම වාර්තාවේ සඳහන් සියලුම ප්රතිශත සහ සංඛ්යාත්මක සලකුණු (Ki-67, ER, PR, HER2) ලැයිස්තුගත කරන්න; එකිනෙකා සමඟ හෝ රෝග විනිශ්චය සමඟ ගැටෙන අගයන් සලකුණු කරන්න. වාර්තාව: [පෙළ]
3) ආදර්ශ වලංගු කිරීමේ සැලැස්ම (ඩිජිටල් ව්යාධිවේදය):
WSI ඛණ්ඩන ආකෘතියක් සඳහා කෙටුම්පත් වලංගු කිරීමේ සැලැස්මක් ලියන්න: වර්ණ සාමාන්යකරණය, බහු කේන්ද්ර බාහිර වලංගුකරණය, ව්යාධි විද්යා ගිවිසුම (කප්පා), ක්ෂේත්ර මාරු පරීක්ෂාව. ව්යාධි විද්යාඥ තහවුරු කිරීමේ ලක්ෂ්ය වෙන වෙනම සලකුණු කරන්න.
4) නියැදි අනතුරු ඇඟවීම එකතු කිරීම:
පහත දැක්වෙන සෘණාත්මක AI ප්රතිඵලයට "නියැදීම සීමා විය හැක, සෘණාත්මක ප්රතිඵලයක් රෝගය බැහැර නොකරයි" යන අවවාදය සහ ව්යාධි විද්යාඥ තහවුරු කිරීමේ අවශ්යතාවය එක් කරන්න. ප්රතිදානය: [පෙළ]
ආකෘතියේ කාර්යභාරය: කාර්ය වර්ගය අනුව
කාර්ය වර්ගය
AI දායකත්වය
විවේචනාත්මක බව
සත්යාපනය
පිළිකා කලාප ඛණ්ඩනය
ඉහළ
ඉහළ
ව්යාධිවේදය + බාහිර සත්යාපනය
මයිටෝසිස් / සෛල ගණන
ඉහළ
ඉහළ
ව්යාධිවේදය තහවුරු කිරීම
ලකුණුකරයේ ප්රතිශතය (Ki-67)
ඉහළ
මධ්යම
යොමු සංසන්දනය
තත්ත්ව පාලනය (අවධානය/දෝෂය)
ඉහළ
අඩු
ස්ථාන පරීක්ෂාව
වාර්තා වින්යාසය (පෙළ)
ඉහළ
අඩු
ව්යාධිවේදය තහවුරු කිරීම
ඉඟිය: ඩිජිටල් ව්යාධි විද්යාවේ ආදර්ශ යෝජනාවක් ඇගයීමේදී, සෑම විටම අසන්න: "මෙම ආකෘතිය පුහුණු කර ඇත්තේ කුමන රසායනාගාරවල පැල්ලම් සහ ස්කෑනර් මතද, එය මගේ රසායනාගාරයේ වලංගු කර තිබේද?" පිළිතුර "නැත" නම්, කාර්ය සාධන සංඛ්යා තවමත් ඔබට අදාළ නොවේ.
අවවාදයයි: AI "කිසිදු ගෙඩියක්" යැයි කී පමණින් නියැදිය නොකළ පටකවල ගෙඩියක් නොමැති බව අදහස් නොවේ. ව්යාධි විද්යාවේ ඍණාත්මක ප්රතිඵලය නියැදීමේ ගුණාත්මක භාවයෙන් සීමා වේ; රටාව මෙම සීමාව ඉක්මවිය නොහැකි අතර ඍණාත්මක ප්රතිඵලය රෝග විනිශ්චය සහතික නොවේ.
පොදු වැරදි
- වර්ණ/සායම් විචල්යතාවය අවතක්සේරු කිරීම. ක්ෂේත්ර ප්ලාවිතය ඩිජිටල් ව්යාධි විද්යාවේ අසාර්ථක වීමට වඩාත් පොදු හේතුවයි.
- එක් මධ්යස්ථානයක පුහුණු කර සෑම තැනකම භාවිතා කරන්න. විවිධ බ්රවුසරය සහ වර්ණ ගැන්වීම නිහඬ කාර්ය සාධන පිරිහීමක් ඇති කරයි.
- සෘණාත්මක ප්රතිඵලයක් සහතික කිරීම සඳහා වරදවා වටහා ගැනීම. නියැදීමේ සීමාව ආකෘතියෙන් වන්දි ගෙවිය නොහැක.
- අන්තර් නිරීක්ෂක විචල්යතාවය නොසලකා හැරීම. යොමු ප්රමිතිය විචල්ය නම් ඒ අනුව ආකෘතිය ඇගයීමට ලක් කළ යුතුය.
- ව්යාධිවේදය ඉවත් කිරීම. ගණන් කිරීම සහ ඛණ්ඩනය ආධාරක වේ; රෝග විනිශ්චය සහ ශ්රේණිගත කිරීම රෝග විශේෂඥයා සමඟ පවතී.
සාරාංශයක් ලෙස
- ඩිජිටල් ව්යාධිවේදය ගිගාපික්සල් ඩබ්ලිව්එස්අයි රූප ටයිල් වලට බෙදීම මගින් විශ්ලේෂණය කරයි; සෛල ගණන් කිරීම සහ ඛණ්ඩනය සමඟ AI සහාය දක්වයි.
- විශාලතම තාක්ෂණික උගුල වන්නේ පැල්ලම්/ස්කෑන් කිරීමේ විචල්යතාවය හේතුවෙන් ක්ෂේත්ර ප්ලාවනයයි; වර්ණ සාමාන්යකරණය සහ බාහිර වලංගු කිරීම අත්යවශ්ය වේ.
- සෘණ AI ප්රතිඵලයක් නියැදි සීමාවෙන් සීමා වන අතර රෝග විනිශ්චය සහතිකයක් ලබා නොදේ.
- යොමු ප්රමිතිය සහ අන්තර් නිරීක්ෂණ විචල්යතාවය ආදර්ශ ඇගයීම සඳහා සන්දර්භය වේ.
- රෝග විනිශ්චය, වේදිකාගත කිරීම සහ ශ්රේණිගත කිරීම රෝග විශේෂඥයාගේ වගකීම වේ; AI රෝග විනිශ්චය නොකරයි.
යෙදුම් කාර්යය
උපකල්පිත ඩිජිටල් ව්යාධිවේද ආකෘතියක් තෝරන්න (උදා: Ki-67 ප්රතිශතය ගණනය කිරීම). මෙම ආකෘතිය සඳහා බාහිර වලංගුකරණ සැලැස්මක් ලියන්න: කුමන රසායනාගාරවලින් විනිවිදක කීයක්, කුමන වර්ණ සාමාන්යකරණය, ඔබ ව්යාධි විද්යා ගිවිසුම මනින්නේ කෙසේද සහ ඔබ ක්ෂේත්ර ප්ලාවිතය පරීක්ෂා කරන්නේ කෙසේද. ඉන්පසු ආකෘතියේ සෘණ/ධනාත්මක ප්රතිදානයට එකතු කළ යුතු සීමා අනතුරු ඇඟවීම එක වාක්යයකින් ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] WSI කාර්ය ප්රවාහයේ ස්කෑන් කිරීම, ටයිල් කිරීම, විශ්ලේෂණය සහ සංයුක්ත කිරීමේ පියවර මම දනිමි.
- [ ] තීන්ත/ස්කෑන් විචල්යතාවය ක්ෂේත්ර ප්ලාවිතය ඇති කරන ආකාරය සහ එය කළමනාකරණය කරන ආකාරය මට වැටහෙනවා.
- [ ] සෘණ AI ප්රතිඵලය නියැදි සීමාවෙන් සීමා වී ඇති බව මට වැටහේ.
- [ ] මට බාහිර වලංගුකරණය සහ ව්යාධි විද්යා ගිවිසුම (කප්පා) යන සංකල්ප භාවිතා කළ හැක.
- [ ] රෝග විනිශ්චය සහ ශ්රේණිගත කිරීමේ තීරණය රෝග විද්යාඥයා සතුව පවතින බව මම අභ්යන්තරීකරණය කර ඇත්තෙමි.