Dobički:
- Sposobnost ustvarjanja poteka dela z umetno inteligenco pri odstranjevanju artefaktov, zaznavanju dogodkov in ekstrakciji funkcij v posnetkih EEG
- Sposobnost prepoznavanja vpliva nizkega razmerja med signalom in šumom EEG in visoke variabilnosti na preverjanje
- Sposobnost razlage, da je treba nevrosignalne izhode umetne inteligence testirati z odobritvijo kliničnega nevrofiziologa
Elektroencefalografija (EEG; angleško electroencephalography) je snemanje električne aktivnosti možganov z elektrodami, nameščenimi na lasišču. EEG se uporablja na številnih področjih, od diagnoze epilepsije do določanja stopnje spanja, od spremljanja intenzivne nege do vmesnikov možgani-računalnik. Je pa veliko bolj zahteven signal kot EKG: njegova amplituda je velikosti mikrovoltov (ena milijoninka volta), kar pomeni, da je skoraj tako majhen kot šum. Zaradi tega nizkega razmerja med signalom in šumom (na kratko SNR; relativna moč uporabnega signala glede na šum) je EEG hkrati privlačen in nevaren za umetno inteligenco. V tej enoti bomo videli potek dela EEG, problem artefaktov in zakaj je odobritev nevrofiziologa nepogrešljiva.
Povejmo od začetka: model EEG lahko pravi, da je napad možen; Toda diagnoza epilepsije in razlaga napadov pripadata kliničnemu nevrofiziologu. Umetna inteligenca ne postavlja diagnoz.
Veriga obdelave EEG
1. korak — Registracija in montaža. EEG je večkanalni (običajno 19-256 elektrod). Postavitev elektrod poteka po mednarodnem standardnem naročilu (sistem 10-20). Signali se berejo glede na referenčne elektrode; Izbira namestitve vpliva na interpretacijo.
2. korak — Ekstrakcija artefakta. Viri kontaminantov EEG so številni: mežikanje in premikanje oči, aktivnost mišic (zlasti čeljusti in vratu), srčni utrip, znojenje, stik z elektrodami in motnje mreže. Ti artefakti lahko posnemajo prave možganske valove. Umetna inteligenca pomaga pri čiščenju umetnih segmentov z metodami, kot sta označevanje in analiza neodvisnih komponent.
3. korak — Ekstrakcija funkcij. EEG je običajno razdeljen na frekvenčne pasove: delta (počasen, globok spanec), theta, alfa (počitek), beta (budna pozornost) in gama. Moč pasu, meritve povezljivosti in odzivi, povezani z dogodki, se uporabljajo kot funkcije.
Korak 4 – Odkrivanje/razvrščanje incidentov. Model predlaga dogodke, kot so epileptična aktivnost, izcedek s konicami ali faza spanja. Rezultat so oznake in oznake s časovnimi žigi.
5. korak — Strokovna ocena. Znake predstavimo kliničnemu nevrofiziologu; Izvedenec potrdi, popravi ali zavrne. Komentar je za strokovnjaka.
Zakaj je preverjanje EEG tako težko?
Zaradi treh razlogov je EEG še posebej občutljiv. Prvič, nizek SNR: pravi signal je skrit v šumu, model lahko šum zlahka zamenja za vzorec. Drugič, velika variabilnost: celo EEG iste osebe se spreminja glede na budnost, zdravila in starost; Še večja je razlika med posamezniki. Tretjič, referenčna negotovost: celo strokovnjaki se ne strinjajo vedno glede "zlatega standarda" označevanja dogodkov, kot so epileptični napadi (variabilnost med opazovalci). Ko se ta tri združijo, se vzorec EEG, ki je v laboratoriju videti impresivno, v resnični kliniki zlahka zruši.
Trije mini kovčki: po številkah
1. primer – mežikanje je posnemalo napad. Model za odkrivanje napadov je ritmično mežikanje z očmi zamenjal za konice in valove v čelnih predelih pri otroku, kar je povzročilo več lažnih signalov na minuto. Specialist je videl, da se oznake prekrivajo z očesnimi kanali in ločil artefakt. Model je izdelal znak, strokovnjak je izluščil realnost.
Primer 2 – Prihranek časa pri uprizarjanju spanja. Laboratorij za spanje je ročno razdelil posnetke v 30-sekundnih segmentih skozi noč; Približno 2 uri na posnetek. Umetna inteligenca je ta čas skrajšala na 35 minut; tehnik je pregledal le rezine in prehode, ki jih je model pustil nejasne. Specialist je potrdil končno poročilo o uprizoritvi.
Primer 3 – zavrnitev zunanje validacije. Model za odkrivanje napadov je pokazal 90-odstotno občutljivost v središču, kjer je bil razvit; Zmanjšalo se je na 68 % v podatkih, ki jih je zbrala druga bolnišnica z drugo elektrodo in snemalno napravo. Število elektrod, hitrost vzorčenja in profil bolnika so se razlikovali. Modela ni bilo mogoče šteti za zanesljivega, dokler ni bil ponovno preverjen v vsakem okolju, v katerem bi se uporabljal.
Šibek poziv / močan poziv
Opomba: Naslednji pozivi so v pomoč pri urejanju poročila EEG/predstavnega besedila; Neobdelana interpretacija EEG je delo preverjene programske opreme in nevrofiziologa.
Šibek poziv:
Ali je v tem EEG epilepsija? [lastnosti]
Močan poziv:
Vaša vloga: Ste pomočnik pri analizi nevrosignalov (NISTE DIAGNOZA). Ocenite naslednje funkcije povzetka anonimnega EEG: - Pregledajte jakosti pasov in signale dogodkov, jih interpretirajte, vendar ne postavljajte diagnoze. - Za vsak znak dogodka, "ali bi lahko obstajal artefakt?" dodajte stolpec (oko/mišica/mreža).- Jasno zapišite nejasnosti; dodajte opozorilo o nizkem SNR.- Končno navedite 3 točke, ki jih mora nevrofiziolog potrditi v neobdelanem posnetku. Anonimne funkcije: [moč pasov, časovni žigi dogodkov, informacije o kanalih]
Štiri kopirane predloge
1) Povzetek moči pasu:
Navedite naslednje moči pasov EEG (delta, theta, alfa, beta) in ocenite njihovo verodostojnost v budnem stanju. Ne postavljajte diagnoze. Podatki: [vrednosti]
2) Preverjanje možnosti artefakta:
Za vsakega od teh znakov pojava označite verjetnost artefakta oči/mišice/omrežja kot nizko/srednje/visoko in napišite svojo utemeljitev. Znaki: [seznam]
3) QC določanja faze spanja:
Označite nenadne/malo verjetne prehode (npr. preskok iz faze REM v globok spanec) v spodnjem izhodu za uprizoritev spanja AI; Seznam rezin, ki zahtevajo tehnični nadzor. Izhod: [uprizoritev]
4) Načrt zunanjega preverjanja:
Napišite osnutek zunanjega validacijskega načrta za model zaznavanja dogodkov EEG: različno število naprav/elektrod, sporazum med opazovalci (kappa), SNR in testi artefaktov. Označite posamezne potrditvene točke.
Vloga modela: glede na vrsto naloge
Vrsta naloge
Prispevek AI
kritičnost
preverjanje
Označevanje artefaktov
visoka
nizka
Strokovni pregled
Ekstrakcija pasu/funkcije
visoka
srednje
fiziološka verjetnost
Pripravljalno delo za uprizoritev spanja
visoka
srednje
Odobritev strokovnjaka
Odkrivanje pred napadom
srednje
visoka
Nevrofiziolog + neobdelani posnetek
diagnostična odločitev
omejeno
zelo visoko
Popolna strokovna odobritev
Nasvet: Preden se zanesete na podpis vzorca v EEG, preverite časovno prekrivanje tega signala z očesnimi in mišičnimi kanali. Velik del dejavnosti, ki je videti kot napad, je pravzaprav biološki artefakt.
Pozor: Ko se modeli EEG urijo na podatkih, zbranih pri majhnem številu bolnikov, se preveč prilagodijo (zapomnijo) posamezne vzorce in se pri novih bolnikih zrušijo. Visoka laboratorijska učinkovitost ni jamstvo za pravi klinični uspeh; zunanja validacija je bistvena.
Pogoste napake
- Zamenjali artefakt za možganski signal. Mežikanje z očmi in mišična aktivnost posnemata napad; Treba je preveriti prekrivanje kanalov.
- Ignoriranje nizkega SNR. Šibek signal v šumu zlahka zavede model.
- Preverjanje v enem centru. Drugačna postavitev naprav in elektrod zmanjša zmogljivost.
- Ignoriranje variabilnosti med opazovalci. Meritve modela so zavajajoče, če je sama referenca dvoumna.
- Odprava strokovnjaka. Znaki so podpora; Zaseg in interpretacija diagnoze pripada specialistu.
Če povzamem
- EEG je večkanalni mikrovoltni signal z nizkim SNR; Je izjemno dovzeten za artefakte.
- Potek dela je sestavljen iz sestavljanja, ekstrakcije artefakta, ekstrakcije funkcij in zaznavanja dogodkov.
- Nizek SNR, velika variabilnost in referenčna negotovost otežujejo preverjanje.
- Modele je treba ponovno validirati v vsaki napravi in populaciji, v kateri se bodo uporabljali.
- Napad in diagnostična interpretacija pripadata kliničnemu nevrofiziologu; AI ne diagnosticira.
Aplikacijska naloga
Izberite hipotetični scenarij zaznavanja dogodkov EEG (npr. predhodno zaznavanje napadov). Naštejte pet podpisov dogodkov, ki jih ustvari model, in za vsakega vprašajte, "ali je to lahko artefakt?" izpolnite stolpec (oko/mišica/mreža/resnično). Nato napišite tri postavke zunanjega validacijskega načrta za ta model in jasno označite točko, na kateri strokovnjak sprejme končno odločitev.
kontrolni seznam
- [ ] Vem, da je EEG signal z nizkim SNR, večkanalni in nagnjen k artefaktom.
- [ ] Razumel sem korake delovnega toka sestavljanja, pridobivanja artefaktov, funkcij in odkrivanja dogodkov.
- [ ] Vidim, da artefakti posnemajo dogodke in uporabljajo nadzor prekrivanja kanalov.
- [ ] Razumem, zakaj je zunanja validacija bistvena, in razumem spremenljivost med opazovalci.
- [ ] Ponotranjil sem, da razlaga napadov in diagnoza ostaja pri specialistu.