Dobički:
- Sposobnost razlikovanja tipičnih področij uporabe in omejitev, specifičnih za modalitete, aplikacij umetne inteligence v različnih modalitetah (grafija, CT, MR, mamografija)
- Sposobnost ovrednotenja vloge umetne inteligence kot drugega čitalca in kliničnih posledic odločilnih pragov na področjih z velikim vplivom, kot sta mamografija in CT možganske kapi
- Razumevanje, da se lahko zmogljivost zmanjša (premik distribucije), ko se populacija in naprava, na kateri se umetna inteligenca usposablja v vsaki modaliteti, preselijo
Umetna inteligenca ni samo ena stvar v radiologiji; Za vsako modalnost (metoda slikanja) nosi drugačno orodje, drugačno moč in drugačno mejo. Rentgenski model prsnega koša in CT-model možganske kapi rešujeta povsem različne težave in povzročata različne vzorce napak. V tej enoti bomo obravnavali pet najpogostejših področij – radiografijo prsnega koša, CT, MRI, mamografijo in možgansko kap – z načini uporabe in pastmi. Cilj je uporabiti vsako orodje za pravo delo s pravimi omejitvami.
Osnovno načelo se ne spremeni, ampak dobi nov obraz v vsaki modaliteti: vsak model se uri na določeni napravi, določenem protokolu in določeni populaciji bolnikov. Ko so ti pogoji preseženi, se lahko zmogljivost zmanjša; To se imenuje distribucijski premik. Diagnoza pripada radiologu, ki je prvi, ne drugi.
Uporaba in omejitve po načinu
Radiografija pljuč (rentgen): Najobsežnejši podatki so tukaj; modeli ustvarijo oznake za pnevmotoraks, konsolidacijo (vnetna polnost pljuč), vozlič, plevralni izliv (interplevralna tekočina) in velikost srca. Njegovi prednosti sta hitrost in skeniranje; njegova slabost je veliko število lažno pozitivnih rezultatov zaradi prekrivajočih se struktur (kost, žila, senca dojke) in nagnjenost k izpuščanju majhnih vozličkov.
CT (računalniška tomografija): Zahvaljujoč sliki prečnega prereza so modeli močni za embolijo, krvavitev, vozliče, zlome, volumen organa. Njegova moč je tridimenzionalna meritev; Slabost je visoka občutljivost na protokol/debelino rezine in fazo kontrasta – zmogljivost se razlikuje glede na različne protokole.
MRI (magnetna resonanca): kontrast mehkih tkiv je visok; Obstajajo modeli za difuzijo kapi, lezijo prostate, možganske lezije, hrustanec. Njegova slabost je, da obstaja preveč raznolikosti naprav/zaporedij – model izgubi zanesljivost zunaj zaporedja, na katerem je bil usposobljen.
Mamografija: polje z velikim vplivom; Modeli delujejo kot drugi čitalci za mase in mikrokalcifikacije. Njegova prednost je zmanjšanje zamud pri presejanju raka dojke; Njegova slabost je poslabšanje delovanja v gostem tkivu dojk in priklic lažnih pozitivnih rezultatov.
Možganska kap (CT možganov/CT angiografija/perfuzija): To je časovno kritično področje; modeli zagotavljajo hitre zastavice za okluzijo velikih žil (LVO), zgodnje znake ishemije in krvavitev, kar pospešuje odločitve o zdravljenju (trombektomija). Njegove slabosti so artefakt gibanja in omejena zanesljivost zgodnjih/slabih ugotovitev.
modalnost
Tipična uporaba AI
močna stran
Omejitev specifičnega načina
Rentgen pljuč
Pnevmotoraks, nodul, zastava izliva
hitrost, skeniranje
Prekrivanje, veliko lažnih pozitivnih rezultatov
IT
Embolija, krvavitev, vozlič, volumen
3D merjenje
Občutljivo na fazo protokola/kontrasta
MRI
Difuzija kapi, prostata, možgani
mehko tkivo
Raznolikost sekvenc/naprav
mamografija
Masa, mikrokalcifikacija (2. branje)
Zmanjšajte inkontinenco
Spustite se v goste prsi, prikličite obremenitev
CT možganske kapi
LVO, ishemija, zastava krvavitve
prihranek časa
Artefakt, zgodnja/šibka najdba
Vloga drugega bralca in prag odločitve
Na področjih z velikim vplivom, kot sta mamografija in možganska kap, je umetna inteligenca pogosto postavljena kot drugi bralnik: radiolog prebere, nato pa se pregleda, kar AI označi (ali obratno). To daje priložnost, da ujamete, kar je en radiolog zamudil. Vendar obstajata dve nevarnosti. Prvič, območje, ki ni označeno z AI se šteje za "čisto" (avtomatizacija pristranskosti). Drugič, klinična posledica praga odločitve: če je prag pri mamografiji nizek, bo več odpoklicov (in nepotrebnih biopsij, tesnobe); Če je visoka, se puščanje poveča. Ta prag je določen s filozofijo presejanja ustanove in interpretacijo radiologa; ni inženirska privzeta vrednost.
Pozor: samo zato, ker model dobro deluje v eni modalnosti, ne pomeni, da bo dobro deloval tudi v drugi modalnosti ali na drugi napravi/protokolu iste modalnosti. Če je model usposobljen za "radiografijo pljuč", se lahko njegova učinkovitost razlikuje pri prenosni radiografiji intenzivne nege. Obseg uporabe je vedno omejen na obseg, za katerega je bil model odobren.
trije mini kovčki
Primer 1 – Mamografija pridobi druge bralce. Radiolog normalno odčita presejalni mamogram. YZ kot drugi bralec označuje skupino mikrokalcinacij v regiji. Radiolog pogleda nazaj in vidi res šibek grozd; Z dodatnim slikanjem se odkrije zgodnji duktalni karcinom in situ (zgodnji stadij raka dojke). AI je preprečil pobeg kot "drugo oko"; Radiolog je postavil diagnozo.
Primer 2 – povečanje časa udarca. Pri nujnem CT angiogramu možganov AI v 2 minutah označi okluzijo velike žile (LVO) in sproži ekipo za možgansko kap. Radiolog potrdi, bolnika odpeljejo na trombektomijo; Čas od vrat do igle je bistveno skrajšan. Toda v istem tednu model zgreši šibko zgodnjo ishemijo; Radiolog ga zajame z lastnim branjem. AI je prinesel hitrost, a prvi bralec je ostal radiolog.
Primer 3 – Distribucijski premik. Rentgenski model prsnega koša odlično deluje na stacionarni opremi v veliki bolnišnici. Ko se isti model uporablja na prenosnih napravah enote intenzivne nege, eksplodirajo lažni pozitivni rezultati: različna osvetlitev, slaba kakovost in sence opreme, ki se prekrivajo, zmedejo model. Ekipa se zaveda, da uporablja model na prenosnih grafih brez lokalne validacije, in zožuje obseg. Lekcija: zmogljivost se spremeni, ko se spremeni naprava/protokol.
Šibek poziv/močan poziv
Šibek poziv:
Je ta model MRI dober? Naj ga uporabimo?
Brez podrobnosti o načinu, zaporedju, populaciji in predvideni uporabi; Sledi splošen in tvegan odgovor.
Močan poziv:
Vaša vloga: CO-svetovalec pri izbiri umetne inteligence za posamezne načine. odločanje; Pomisli, katera vprašanja naj postavim. Razmišljamo o modelu lezije MRI prostate. Razmislite o: (1) na katerih zaporedjih/napravi/moči magnetnega polja je bil model uren, ali se ujema z našim, (2) v kateri populaciji je bil potrjen, (3) ali je drugi bralnik ali diagnostični pripomoček, (4) ali je na znani meji v gostih/netipičnih primerih, (5) ali obstaja tveganje, da bi ga uporabili brez lokalne validacije. Končna odločitev je v pristojnosti zavoda.
Močan poziv postavlja pod vprašaj skladnost, specifično za način, populacijo in lokalno validacijo.
Kopirane predloge pozivov
PREDLOGA ZA SKLADNOST Z MODALITETAVaša vloga: POMOČNIK. Dal vam bom model AI in informacije o naši lastni napravi/protokolu. Primerjajte naše z načinom, napravo, zaporedjem/protokolom in populacijo, na kateri je bil model usposobljen; Navedite razlike, pri katerih obstaja tveganje distribucijskega premika, in ocenite, ali je potrebno lokalno preverjanje. Odločitev je v zavodu. Informacije: [piši]
PREDLOGA DISCIPLINE DRUGEGA BRALCA Pripravite mi kontrolni seznam, ki bo vzdrževal mojo bralno disciplino pri uporabi umetne inteligence drugega bralnika: ali naj najprej berem sam, kako zaščitim območje, ki ga umetna inteligenca ne označi, kako potrdim oznako umetne inteligence, kako se izognem pristranskosti avtomatizacije. Način: [napiši]
PRAG ODLOČITVE REZULTAT TEMPLATEI vam bo ponudil scenarij praga odločitve v modalnosti (npr. mamografija). Pojasnite klinične posledice znižanja/zvišanja praga za odpoklic, nepotrebne biopsije, izogibanja in tesnobe. Spomnite nas, da je prag določen s filozofijo presejanja institucije. Skript: [napiši]
PREDLOGA OPOMNIKA ZA OMEJITEV MODALNOSTII vam bo dal modalnost in nalogo AI. Navedite tipične vire napak, značilne za ta način (npr. prekrivanje pri rentgenskem slikanju prsnega koša, razlika v zaporedju pri MRI, artefakt pri CT možganske kapi) in točke, na katere mora biti radiolog še posebej pozoren. Način/naloga: [napiši]
Pogoste napake
- Uporaba modela, specifičnega za način, v drugem stanju. Model stacionarne naprave se v prenosni obnaša drugače; obseg je treba ohraniti.
- Štetje za »čisto« tistega, česar drugobralec ni označil. Pristranskost avtomatizacije; Njihovo branje je treba zaščititi.
- Zamenjajte prag odločitve kot inženirsko nastavitev. Prag je klinično ravnovesje; Prilagodi se s filozofijo skeniranja.
- Ignoriranje razlike v zaporedju/protokolu. MR/CT modeli izgubijo zanesljivost zunaj protokola, na katerem so bili usposobljeni.
- Razširjanje brez lokalnega preverjanja. Premik porazdelitve tiho poslabša zmogljivost.
Namig: Pred uporabo novega modela, specifičnega za modalnost, postavite tri vprašanja: "Na kateri napravi/protokolu/populaciji je bil ta model učen? Ali je naš takšen? Ali smo ga potrdili na lastnih podatkih?" Če vsi trije niso zadovoljivi, model ni pospeševalnik, temveč skrito tveganje.
Če povzamem
Umetna inteligenca je drugačno orodje v vsaki modaliteti: hitro presejanje pri rentgenskem slikanju prsnega koša, vendar lažno pozitivno zaradi prekrivanja; Zmogljivo 3D merjenje, vendar občutljivost protokola pri CT; Moč mehkega tkiva, vendar raznolikost zaporedja pri MRI; drugo branje zmanjša abdukcijo, vendar obremenitev spomina pri mamografiji; Pridobitev časa pri udarcu, vendar omejitev artefaktov. Na področjih z velikim vplivom, kot sta mamografija in možganska kap, AI postane drugi bralec, vendar je prvi bralec vedno radiolog in prag odločitve je klinično ravnotežje. Ko se naprava, protokol in populacija, na kateri se usposablja vsak model, premaknejo izven obsega, se njegova zmogljivost zmanjša (distribucijski premik); zato je treba ohraniti obseg in izvesti lokalno validacijo.
Aplikacijska naloga
Izberite način v svoji rutini (radiografija, CT, MRI, mamografija ali možganska kap). S pomočjo predloge »Opomnik za omejitev načina« zapišite vsaj tri tipične vire napak umetne inteligence, značilne za to modalnost, in točke, na katere je radiolog še posebej pozoren. Nato s predlogo »Modality Fit« ocenite model, ki ga razmišljate za to modalnost: ali se naprava/protokol/populacija, na kateri se usposablja, ujema z vašo, ali je potrebna lokalna validacija? Če obstaja vloga drugega bralca, prilagodite seznam "Disciplina drugega bralca" svoji rutini.
kontrolni seznam
- [ ] Naučil sem se modalnosti, naprave, protokola in populacije, na kateri je bil model usposobljen.
- [ ] Združljivost sem ocenil z lastnimi pogoji (tveganje distribucijskega premika).
- [ ] Model uporabljam samo v obsegu, v katerem je odobren.
- [ ] Samostojno branje ohranjam v vlogi drugega bralca.
- [ ] Razumem, da je prag odločitve klinično ravnotežje in je določen s filozofijo presejanja.
- [ ] Upoštevam tipične vire napak, specifične za način (artefakt, prekrivanje, razlika v zaporedju).
- [ ] Ne širim v novih pogojih brez lokalne potrditve.