Dobički:
- Sposobnost opredelitve vloge umetne inteligence pri predhodnem presejanju, določanju prednosti in pripravi poročila na radiografskih, ultrazvočnih in citoloških slikah
- Sposobnost potrjevanja ugotovitev, označenih z umetno inteligenco, s kliničnim kontekstom, standardnim pozicioniranjem in strokovno oceno (radiolog/patolog)
- Sposobnost razumevanja, da umetna inteligenca na podlagi slike ne zagotavlja dokončne diagnoze, da so razlike v vrsti/položaju/kakovosti zavajajoče in da je končna razlaga v rokah zdravnika.
Slikanje je okno, ki pripelje veterinarjevo oko v telo. Radiografija (rentgen; slikanje notranjih struktur z rentgenskimi žarki), ultrazvok (slikanje mehkih tkiv z zvočnimi valovi) in citologija (pregled celičnih vzorcev pod mikroskopom) so sestavni del vsakodnevne prakse. Umetna inteligenca (AI) je v zadnjih letih hitro napredovala pri prepoznavanju vzorcev na teh slikah: lahko označi morebitno maso na rentgenskem posnetku, določi prednost nizu slik, sestavi poročilo. Toda najbolj nevarna zmota je naslednja: AI ne postavi dokončne diagnoze na podlagi slike. Razlike v položaju, izpostavljenosti (doza žarka), vrsti in superpoziciji (prekrivanje organov) zlahka zavedejo AI. V tej enoti se boste naučili, kako varno uporabljati umetno inteligenco, ki temelji na vidu, kot orodje za predhodni pregled in določanje prednosti. Končna interpretacija vedno pripada zdravniku in po potrebi radiologu ali patologu.
Kaj AI lahko in česa ne more narediti pri slikanju
Legitimne vloge umetne inteligence so: predhodni pregled (označevanje območja, ki ga je treba pregledati), določanje prednosti (predložitev primera, ki se zdi nujen), pomoč pri merjenju (izračun standardnih meritev, kot je razmerje med srcem in prsnim košem) in priprava poročila (prenos ugotovitev v čisto besedilo). Česa AI ne zmore: dokončna diagnoza, dokončna diagnoza malignega/benignega, odločitev o zdravljenju in zamenjava preiskave.
Najbolj zahrbtna past umetne inteligence, ki temelji na viziji, je, da se usposablja predvsem na podatkih o ljudeh ali omejenih podatkih o vrstah. Anatomija prsnega koša psa in mačke, hrta in buldoga je različna. Umetna inteligenca lahko zamenja te razlike in označi normalno variacijo kot patologijo ali obratno.
Pozor: samo zato, ker umetna inteligenca označi najdbo, še ne pomeni, da "je nekaj tam"; Pomeni "poglej sem". Vsako označeno območje je treba validirati glede na klinični kontekst in standardno pozicionirano slikanje; Zdravnik mora pregledati tudi neoznačena področja.
Dvosmerna napaka: lažno pozitivna in lažno negativna
Image AI naredi dve vrsti napak. Lažno pozitivno: označuje ugotovitev, ki ne obstaja (npr. zamenjana za maso v superpoziciji). To vodi do nepotrebnega pregleda in skrbi lastnika. Lažno negativen: zgreši pravi izvid (npr. zgreši majhno metastazo). To je bolj nevarno, ker lahko zdravnika spravi v lažno zaupanje. Torej samo zato, ker AI pravi "čist", ne izključuje patologije; Zdravnik mora celotno sliko oceniti na lastne oči.
Korak za korakom: Predhodna ocena slike z AI
- Pridobite kakovostne slike. Brez standardnega položaja, pravilne osvetlitve, jasne slike nobena interpretacija ni zanesljiva.
- Dodajte klinični kontekst. AI sporočite vrsto, starost, pritožbo in ugotovitve pregleda.
- Zahtevajte predhodni pregled. Prosite umetno inteligenco, naj "označi področja, ki jih je treba pogledati", ne "postavi diagnozo".
- Preverite znake. Preverite vsak znak s standardno sliko in kliničnim kontekstom.
- Iskanje tistih, ki so pobegnili. Sami preglejte področja, ki jih AI ni označil.
- Posvetujte se s strokovnjakom. V primeru dvomljivih ali kritičnih ugotovitev pridobite oceno radiologa/patologa.
- Naj zdravnik odobri poročilo. Končna razlaga in podpis pripada zdravniku.
trije mini kovčki
Primer 1. AI pri 9-letnem psu je označil možen vozlič v desnem kavdalnem pljučnem režnju. Zdravnik je pregledal območje s standardno ekstrakcijo v dveh položajih; videl je, da je znamenje pravzaprav prekrivajoča senca reber in žil (lažno pozitivno). AI je usmeril pozornost, vendar je zdravnik popravil diagnozo.
Primer 2. 14 rentgenskih posnetkov, nabranih med naporno izmeno v sili. Umetna inteligenca je slike razvrstila po verjetnosti nujnosti in predstavila možen primer proste trebušne tekočine. Zdravnik je to naročilo uporabil kot prednostno iztočnico, vendar je še vedno sam ocenil vsako sliko. Določanje prednosti prihranilo čas; Odločitev je bila zdravnikova.
Primer 3. Citološki vzorec iz mase je bil "verjetno vneten," je dejal AI. Zdravnik je opazil, da je kakovost vzorca slaba (malo celic, kontaminacija krvi), vzel nov vzorec in ga poslal patologu; Rezultat je bil drugačen. Ta primer kaže, da če je kakovost vzorca/slike slaba, je tudi izhod AI nezanesljiv.
Primerjalna tabela
Stanje
Vloga AI
Vloga zdravnika
Kakovost slike je slaba
Nezanesljivo, opozorilo
Ponovno snemanje/vzorec
Najdba označena
Namig "Poglej tukaj".
Preverite s standardno sliko
Ugotovitev ni
Ne izključuje patologije
Preverite sami
Kritična/vprašljiva ugotovitev
Prijavi osnutek
Posvetujte se z radiologom/patologom, potrdite
Štiri predloge za kopiranje
Vloga: Pomočnik pri predhodnem pregledu slike (ne postavljate diagnoze, temveč pritegnete pozornost). Kontekst: Vrsta [...], starost [...], pritožba [...], vrsta posnetka [...] položaj. Naloga: Naštejte področja na tej sliki, ki jih je treba natančno pogledati in zakaj. Postavitev "dokončne diagnoze"; Za vsako postavko napišite "preverjeno z zdravnikom".
Naloga: Ustvarite strukturiran OSNUTEK POROČILA iz naslednjih radioloških izvidov (tehnična kakovost / izvidi / predlagana interpretacija). Pravilo: Napišite interpretacijo v "možnem" jeziku, ne postavljajte dokončne diagnoze. Končno razlago ima zdravnik. Ugotovitve: [...]
Naloga: Podajte kontrolni seznam tehnične kakovosti za to sliko/vzorec (položaj, osvetlitev, gibanje, ustreznost vzorca). Če je kakovost nizka, bo označeno opozorilo "komentar je nezanesljiv, treba ga je ponovno objaviti". Kontekst: [...]
Naloga: Navedite merila z rdečo zastavico, ko je za naslednjo ugotovitev potrebna napotitev k specialistu (radiologu/patologu). Odločitev je v rokah zdravnika. Ugotovitev: [...]
Šibek poziv/močan poziv
Slabo: "Kaj je na tem rentgenskem posnetku, diagnosticirajte."
Güçlü: "Desno-levi bočni rentgenski posnetek prsnega koša 10-letne mačke, ki se pritožuje zaradi kašlja. Naštejte področja, ki jih je treba skrbno pregledati, in razlog; ne postavljajte dokončne diagnoze, za vsako postavko napišite 'zdravnik mora preveriti'. Če opazite težavo s kakovostjo slike, jo najprej navedite."
V močnem pozivu je vloga umetne inteligence omejena na predhodni pregled, nadzor kakovosti ima prednost in diagnoza je prepovedana.
Pogoste napake
- Zamenjava znaka za prepoznavanje. AI pravi "poglej sem", ne "to je to".
- Komentiranje s slikami slabe kakovosti. Umetna inteligenca in človek se zmotita pri nizki kakovosti slike.
- Zaupanje v »čist« rezultat in opustitev pregleda. Lažni negativi so resnično tveganje.
- Mimo razlike žanr/pozicija. Umetna inteligenca, usposobljena za podatke o ljudeh ali drugih vrstah podatkov, bo zavajala.
- Zamujanje napotitve specialista. Pri kritičnih/sumljivih izvidih je bistvena ocena radiologa/patologa.
Prag zaupanja in problem "črne skrinjice".
Orodja umetne inteligence, ki temeljijo na viziji, pogosto vrnejo oceno verjetnosti: »občinstvo bo verjetno veliko« ali odstotek. Ta številka ustvarja zavajajoč občutek gotovosti; Vendar pogosto ni mogoče videti, kako se model odloča v ozadju. Temu pravimo problem črne skrinjice: sistem ustvari rezultat, vendar ne razloži svojega razmišljanja na način, ki bi ga lahko nadzorovali ljudje. Zdravnik ne bi smel slepo zaupati v izid, za katerega ne vidi utemeljitve. Visoka ocena je pomembna, če so podatki in pogoji, na katerih je bil ta model usposobljen, podobni vašim pacientom; Če gre za drugo vrsto, drugo napravo ali nenavaden položaj, rezultat hitro postane nezanesljiv.
Osnovno pravilo je, da se ne glede na rezultat AI prepričajte sami in ga primerjajte s kliničnim kontekstom za vsako ugotovitev, ki bi spremenila vašo odločitev. Visoka ocena vas lahko usmeri na test, vendar test in pregled postavita diagnozo; Nizka ocena naj vas ne pomiri, saj je lažno negativna vedno možna. Poleg tega ponovno ocenjevanje iste slike pod drugačnimi pogoji (nov položaj, drugačna osvetlitev) zmanjša stopnjo napake za vas in AI. Vision AI je orodje, ki usmerja pozornost izkušenega očesa in ne nadomestilo zanj; Teža končne razlage je vedno v rokah zdravnika.
Če povzamem
Umetna inteligenca, ki temelji na viziji, je močan pripomoček pri predhodnem pregledu, določanju prednosti in pripravi poročil; vendar ne postavlja dokončne diagnoze. Njihove oznake vzemite kot iztočnico »poglejte sem«, preverite vsako s standardnimi posnetki in kliničnim kontekstom ter sami preglejte neoznačena območja. Če je kakovost slike/vzorca slaba, je izhod nezanesljiv. V primeru kritičnega izvida se posvetujte z radiologom ali patologom. Končno razlago in odgovornost ima zdravnik.
Aplikacijska naloga
Vnaprej poskenirajte tri slike (eno radiografijo, eno ultrazvočno rezino, eno citologijo) v AI. Za vsako: (1) preverite območje, ki ga je AI označil s standardno sliko, (2) ocenite, ali gre za lažno pozitivno ali lažno negativno, (3) zabeležite, kateri primer zahteva napotitev specialista. Ustvarite tudi kakovosten kontrolni seznam in ga uporabite v kliniki.
kontrolni seznam
- [ ] Prejel sem kakovostno sliko s standardnim položajem in pravilno osvetlitvijo.
- [ ] AI sem podal klinični kontekst (vrsto, starost, težavo).
- [ ] AI sem prosil za predhodni pregled, ne za diagnozo.
- [ ] Označena območja sem preveril s standardno sliko.
- [ ] Sam sem pregledal tudi neoznačena območja.
- [ ] O kritičnih/sumljivih ugotovitvah sem se posvetoval s strokovnjakom.
- [ ] Kot zdravnik sem potrdil končno poročilo.