Dobički:
- Razumeti, kako deluje predhodno razvrščanje slik s pomočjo umetne inteligence (periferni bris, urinski sediment, kolonija) in kaj pospešuje
- Sposobnost uporabe predrazvrščanja z umetno inteligenco samo kot presejanje in prepustite diagnozo nenormalnih in kritičnih celic/mikroorganizmov strokovnemu preverjanju
- Sposobnost prepoznavanja omejitev slikovnih modelov (redke celice, artefakti, kakovost obarvanja, premik porazdelitve) in obvladovanje tveganja lažnih negativov
Mikroskop je najstarejše, a še vedno najmočnejše orodje medicinskega laboratorija. Oblika celic v krvnem razmazu, kristali v urinskem sedimentu, barva in razporeditev bakterij v barvanju po Gramu – vse to so vzorci, ki jih lahko izurjeno oko prebere v nekaj sekundah, a za začetek so potrebna leta izkušenj. V zadnjih letih je analiza slik s pomočjo umetne inteligence vstopila v ta mikroskopski svet: samodejno vnaprej razvrsti digitalno skenirane preparate, izloči tiste, ki se zdijo normalni, in usmeri pozornost specialista na področja, ki dejansko zahtevajo pregled. To je veliko povečanje hitrosti — vendar je tudi eno od področij, kjer je treba najprevidneje potegniti meje, saj lažno negativen (manjka resnična nenormalnost) pomeni, da neposredna diagnoza ni postavljena.
Kako deluje predhodno razvrščanje slik, podprto z AI, v tej enoti; periferni bris, urinski sediment in uporaba v mikrobiologiji; in pokrivali bomo meje modela (redka celica, artefakt, kakovost obarvanja, premik porazdelitve). Osnovno načelo: predrazvrščanje AI je presejanje, ne diagnoza; Diagnozo in končno odobritev nenormalnih in kritičnih ugotovitev pripada specialistu.
Kako deluje predhodno razvrščanje slik
Slikovni modeli AI se naučijo kategorizirati celico ali strukturo z urjenjem na velikem številu označenih primerov. V digitalnem hematološkem analizatorju naprava skenira krvni razmaz, zajame posamezne celice in vzorec vsako razvrsti v razred (nevtrofilce, limfocite, monocite, eozinofilce, bazofilce itd.). Strokovnjaku so predstavljene vnaprej razvrščene celice kot galerija; Izvedenec potrdi, popravi ali prerazvrsti. Podobno analizatorji urinskega sedimenta zaznavajo eritrocite, levkocite, epitelij, kristale in odlitke; Nekateri mikrobiološki sistemi predhodno ocenijo število kolonij in vzorce rasti.
Rezultat modela vsebuje dve komponenti: razred (ta celica je nevtrofilna) in oceno zaupanja (kako zanesljiva je v tej klasifikaciji). Celice z nizkimi rezultati zaupanja ali označene kot "atipične/neidentificirane" je vsekakor treba napotiti k specialistu. Upoštevajte, da lahko model z visoko zanesljivostjo napačno razvrsti celico; rezultat zaupanja ni jamstvo za točnost.
Aplikacija
AI preddelo
delo strokovnjaka
periferni bris
Predrazvrščanje celic, postrežba v galeriji
Nenormalna/blast/atipična potrditev, morfološka interpretacija
sediment urina
Predhodno prepoznavanje in štetje elementov
Potrditev kristalov/odlitka/patoloških celic
Mikrobiologija (kolonija)
Štetje kolonij, predhodna ocena rasti
Tipsko razlikovanje, klinični pomen
Kostni mozeg / patologija
Označevanje polja/celice
Diagnostična razlaga, odobritev zdravnika
Zakaj je model "presejanje", ne diagnoza
Najdragocenejši prispevek slikovnih modelov je, da strokovnjaku prihranijo čas s hitrim posredovanjem normalnih in pogostih vzorcev. Toda zanašanje na model pri diagnostičnem odločanju je nevarno iz treh razlogov:
- Redke najdbe. Model morda ne bo prepoznal redke celice (npr. eksplozije, parazita, atipičnega limfocita), ki jo redko vidi v podatkih za usposabljanje. Najbolj kritične ugotovitve so pogosto najredkejše; Tukaj je lažno negativen rezultat najbolj nevaren.
- Artefakt in slika. Kakovost barvanja, debelina preparacije in artefakti sušenja lahko zavedejo model. Pri slabo obarvanem preparatu se lahko model varno napačno razvrsti.
- Premik distribucije. Če se model usposablja z eno laboratorijsko napravo in protokolom barvanja, se lahko njegova učinkovitost zmanjša z drugo napravo/barvanjem. Če se vaša populacija razlikuje od populacije za usposabljanje, bo model deloval slabše od pričakovanega.
Pozor: »Model je rekel, da je normalno, nisem pogledal« je najpogostejši način, da zgrešite lažno negativno. Če obstaja nenormalen klinični sum (na primer predhodna diagnoza levkemije), bris pregleda specialist, ne glede na to, kaj pravi model.
Korak za korakom: varen tok predocenjevanja slik
- Preverite kakovost barvanja in priprave. Slaba priprava zavede tako model kot oko; najprej zagotoviti kakovost.
- Pridobite predhodno razvrstitev modela kot galerijo. Hitro preglejte običajne, visoke varnostne razrede.
- Najprej preglejte tiste, ki so označeni kot nizko zaupanje in "netipični". Če je model nejasen, je odločitev vaša.
- Ohranite klinični sum nad modelom. Izvedite popoln ročni pregled primera, kjer se pričakuje nepravilnost.
- Preverite in poročajte o kritičnih ugotovitvah. Izvide, kot so eksplozije, paraziti in maligne celice, potrdi strokovnjak; Po potrebi se deli z zdravnikom.
Opomba: poleg uporabe umetne inteligence kot komponente naprave za slikanje v tej enoti obstaja tudi omejitev pri delu z jezikovnim modelom: nalaganje slik priprave pacienta v javno dostopno jezikovno orodje je tveganje za zasebnost in zanašanje na nepotrjeno orodje za klinično diagnozo je napačno. Slikovna diagnoza se izvaja z uporabo validiranih kliničnih sistemov in strokovnih oči.
Šibek poziv/močan poziv
Naslednja primerjava velja pri uporabi AI kot besedilne podpore (npr. za urejanje morfološke opombe ali pripravo opisa vadnice); ne za odločitev o diagnostični sliki.
Šibek poziv:
Diagnosticirajte, kaj je v tem krvnem razmazu. [slika]
Ta poziv AI zahteva diagnozo; ker jezikovno orodje ni potrjeno za klinično diagnozo in je slika bolnika tvegana v smislu zasebnosti. To je napačna in nevarna uporaba.
Močan poziv:
Vaša vloga: pomočnik pri pripravi besedila usposabljanja/poročila za laboratorijskega specialista. DIAGNOZA; Interpretacija slik je moje delo. Spodaj pišem lastna morfološka opažanja (anonimno); Spremenite jih v čist osnutek poročila o brisu in označite, kateri izvid zahteva strokovno potrditev. Moja opažanja: prevlado nevtrofilcev, rahel pomik v levo, nekaj atipičnih limfocitov [strokovna potrditev], vtis toksične granulacije. Ne pomeni dokončne diagnoze.
Močna volja ohranja diagnozo pri strokovnjaku, uporablja AI samo za organizacijo lastnih opazovanj in označi ugotovitev, ki zahteva potrditev.
trije mini kovčki
Primer 1 – Učinkovito izločanje. V hematološkem laboratoriju digitalni analizator predhodno razvrsti 220 krvnih razmazov na dan. Od teh jih ima 150 povsem normalne vzorce in visoke ocene zaupanja; Strokovnjak jih hitro pregleda in potrdi skozi galerijo. Preostalih 70 brisov (z nizko stopnjo zaupanja ali označenih) je podvrženih popolnemu ročnemu pregledu. Rezultat: specialistov čas je osredotočen na primere, ki dejansko zahtevajo pregled, skupni čas se znatno zmanjša. Model izločen, izvedenec pregledan.
Primer 2 – Pobegnila eksplozija. V enem primeru je model z nizko stopnjo zaupanja označil nekaj celic kot "atipične limfocite", vendar je strokovnjak hitro potrdil in šel skozi galerijo zaradi gostote. Kasneje se klinično stanje bolnika poslabša; Ko se bris ponovno pregleda, se vidi, da so te celice pravzaprav blasti. Lekcija: celice, ki jih model označi kot »nizko zaupanje/netipične«, niso nikoli hitro potrjene; Tam se morda skriva najbolj kritična ugotovitev. Lažno negativno je najdražja napaka.
Primer 3 – Artefakt obarvanja. Na analizatorju urinskega sedimenta vzorec označuje številne "kristale" v slabo obarvanem preparatu. Ko strokovnjak pregleda preparat, vidi, da gre za madeže (artefakte); Pravega kristala ni. Priprava je obnovljena. Lekcija: model lahko zamenja artefakt za pravo strukturo; Vedno se najprej preveri kakovost pripravka.
Kopirane predloge pozivov
PREDLOGA OSNUTKA MORFOLOŠKEGA POROČILA Vaša vloga: pomočnik, ki prevede morfološka opazovanja, ki sem jih napisal jaz (strokovnjak), v urejen osnutek poročila. Ne postavljajte diagnoze. Moja opažanja spodaj prenesite v standardni jezik poročila o razširjanju; negotove/netipične izvide označite kot "[strokovna potrditev]"; ne pomenijo dokončne diagnoze. Moja opažanja: [besedilo].
PREDLOGA ZA IZJEMO PRAVIL ZA SLIKOVNI MODEL Kot kontrolni seznam za sistem za predhodno razvrščanje slik napišite, kateri primeri MORAJO iti v popoln ročni pregled: nizka ocena zaupanja, oznaka »atipično/neidentificirano«, domnevna klinična nenormalnost, slaba kakovost priprave, kandidat za kritično ugotovitev. Dodajte utemeljitev za vsako postavko.
PREDLOGA ZA NADZOR KAKOVOSTI PRIPRAVKA Navedite postavke kakovosti, ki bi jih preveril, preden bi ocenil pripravek za bris/usedlino: intenzivnost obarvanja, razpršenost/debelina, artefakt, sušenje, kontaminacija. Predlagajte kriterije "sprejmi/ponovno pripravi" za vsak element.
PREDLOGA ZA OPIS USPOSABLJANJA Vaša vloga: pomočnik pri pripravi besedila za usposabljanje laboratorijskih pripravnikov. Preprosto in natančno razložite ta morfološki koncept: [koncept]. Navedite primer, poudarite razliko med podobnimi strukturami, vendar poudarite, da odločitev o diagnozi pripada specialistu. Nalaganje slik; Pojasni samo z besedilom.
Pogoste napake
- Zamenjali klasifikacijo modela za prepoznavanje. Predrazvrščanje je izločanje; Nenormalno/kritično ugotovitev potrdi izvedenec.
- Hitro odobri nizke varne/netipične zastavice. Najbolj kritične ugotovitve so prav tam; Te najprej natančno pregledamo.
- Preskakovanje kakovosti priprave. Slab slikarski model in vara oko; Kakovost je na prvem mestu.
- Pozabljamo na spremembo distribucije. Model, ki je bil usposobljen z drugo napravo/barvilom, bo morda slabo deloval na vaših vzorcih.
- Nalaganje slike bolnika v javno orodje. Tveganje kršitve zaupnosti in nepotrjene diagnoze.
Nasvet: Pri delu s slikovnim modelom naj bo vaše pravilo: "Model me običajno lahko pospeši, nenormalno pa me nikoli ne sprosti." Če obstaja klinični dvom ali je vzorec nejasen, odločitev prevzame strokovnjak za mikroskopom.
Če povzamem
Predhodna ocena slike s pomočjo umetne inteligence odpravi običajne vzorce v krvnih razmazih, urinskem sedimentu in mikrobiologiji, s čimer sprosti čas strokovnjaka, da se osredotoči na primere, ki dejansko zahtevajo preiskavo. Toda model je presejalno orodje, ne diagnoza: lahko zgreši redke najdbe, artefakte zamenja za resnične in oslabi v različnih populacijah. Diagnoza in končna odobritev nenormalnih in kritičnih ugotovitev pripada specialistu; najprej se pregledajo nizkozanesljivi in atipični markerji; Vedno se najprej preveri kakovost pripravka. Ker je lažno negativna najdražja napaka, klinični sum prevlada nad rezultatom modela.
Aplikacijska naloga
S predlogo »Image Model Exception Rule« za sistem predrazvrščanja slik, ki ga uporabljate (ali primer), navedite, kateri primeri bodo zagotovo šli v popoln ročni pregled. Nato nabor morfoloških opazovanj spremenite v običajno poročilo s predlogo »Osnutek morfološkega poročila« in označite ugotovitve, ki zahtevajo potrditev. Na koncu ustvarite kontrolni seznam kakovosti s predlogo »Nadzor kakovosti priprave«.
kontrolni seznam
- [ ] Izhod modela sem uporabil kot izločitev, ne kot diagnozo.
- [ ] Najprej sem natančno pregledal tiste, ki so označeni kot nizko varni/netipični.
- [ ] Pred ocenjevanjem sem preveril kakovost pripravka.
- [ ] V primeru suma na klinično nenormalnost sem opravil popoln ročni pregled.
- [ ] Slike bolnikov nisem naložil v javna orodja.
- [ ] Kritične ugotovitve sem strokovno potrdil in jih po potrebi posredoval zdravniku.