Добици:
- Способност комбиновања слика, сигнала, података и делова регулације у један одговоран биомедицински АИ радни ток
- Способност примене принципа ревизије „људи у петљи“, следљивости и праћења након дистрибуције
- Способност одржавања границе у свакој фази у којој вештачка интелигенција не замењује одобрење лекара и инжењера
Модул Екам
1. Шта од следећег је основни принцип који одређује ризик од АИ излаза у биомедицинском инжењерству?
- А) Ризик излаза је једнак штети коју би нанео пацијенту ако би био нетачан; скале валидације у складу са тим ✔
- Б) АИ излаз је генерално безбедан јер је написан течно и технички
- Ц) Валидација је непотребна када се користи најновији модел
- Д) Ако се резултат односи на приручник, нису потребне додатне провере
Објашњење: Ризик од излаза је једнак штети за пацијента ако је тај излаз нетачан. Док је мања грешка у резимеу литературе мали ризик, грешка при уносу детекције слике или клиничке одлуке директно угрожава безбедност пацијената; Стога, интензитет верификације се повећава са потенцијалном штетом, а свака одлука која укључује безбедност пацијената зависи од одобрења лекара.
2. Која је права улога модела детекције подржаног вештачком интелигенцијом у клиничкој употреби у радиологији?
- А) Аутоматски одобрити извештај радиолога и елиминисати оптерећење
- Б) Затварање случајева ниског приоритета без посете радиологу
- Ц) Ако је вероватноћа модела велика, поставити дијагнозу без додатног прегледа
- Д) Бити помоћно средство које скреће пажњу на налаз и даје му приоритет, али одговорност за дијагнозу остаје на радиологу ✔
Опис: Имаге АИ је алат за подршку одлучивању: привлачи, поставља приоритете, мери и означава; међутим, дијагностичка одговорност остаје на радиологу. Излаз модела није замена за одлуку радиолога, већ је само улаз. Излаз се користи у комбинацији са независном клиничком евалуацијом јер су лажно позитивни и лажно негативни увек могући.
3. Који је најчешћи проблем приликом преноса перформанси АИ модела из једне лабораторије у другу у дигиталној патологији?
- А) Модел ради веома брзо
- Б) Датотеке слајдова су премале
- Ц) Промена домена узрокована разликама у бојењу и скенирању ✔
- Д) Патолози уопште не желе да користе модел
Опис: Протокол бојења, марка скенера и дебљина пресека варирају од лабораторије до лабораторије; Ако је модел научио на основу статистике слике једне лабораторије, његове перформансе ће се смањити у другој лабораторији. Овај феномен се назива померањем домена и најчешћи је узрок неуспеха у дигиталној патологији; Због тога су екстерна валидација и нормализација боје критични.
4. Шта би требало да буде инжењеров први рефлекс потврде када модел ЕКГ класификације означи 'атријалну фибрилацију'?
- А) Уписивање налепнице директно у досије пацијента као дијагнозе
- Б) Проверите сирови сигнал, артефакте и физиолошку веродостојност и препустите одлуку лекару ✔
- Ц) Ако је резултат поузданости модела висок, нема потребе за било каквом другом контролом.
- Г) Усмеравање пацијента на лечење лековима
Објашњење: Излаз треба прво да се тестира на физиолошку веродостојност и квалитет сигнала: померање основне линије, артефакт мишића или опуштање електрода у снимку могу да опонашају ритам. Погрешно је веровати етикети без гледања у сирови сигнал и Р-Р интервале; Коначна дијагноза ритма припада лекару. Модел производи прелиминарни сигнал, он не доноси одлуку.
5. Која је кључна карактеристика АИ обраде ЕЕГ сигнала која посебно отежава верификацију?
- А) Низак однос сигнал-шум и велика артефакт/варијабилност ✔
- Б) ЕЕГ сигнал је веома велике амплитуде и бешуман
- Ц) Снимање ЕЕГ-а само са једног канала
- Д) ЕЕГ подаци никада нису дигитални
Објашњење: ЕЕГ је сигнал веома ниске амплитуде (опсег микроволта) и лако се контаминира артефактима као што су трептање ока, покрети мишића, шум електрода и мреже; Поред тога, варијабилност између појединаца и снимака је велика. Овај низак однос сигнал-шум узрокује крхкост излаза модела и захтева проверу стручњака неурофизиолога.
6. Која је најважнија граница када радите са подацима о пулсу са уређаја који се може носити?
- А) Батерија уређаја се брзо празни
- Б) Чување података у облаку
- Ц) Уређај често није медицински сертификован и сигнал је подложан артефакту/пристрасности ✔
- Д) Уређај је прескуп
Откривање: Већина уређаја који се могу носити нису сертификовани као медицински уређаји; На ППГ (фотоплетизмографију) сигнал утиче артефакт покрета, а фактори као што су тамни тон коже и тетоваже могу смањити прецизност. Ови подаци су драгоцени за склоност/свесност, али су валидирана клиничка мерења и процена лекара потребни за дијагностичку одлуку.
7. Шта значи 'временско цурење' када се гради предиктивни модел са подацима електронског здравственог картона (ЕХР)?
- А) Шифровано складиштење података
- Б) Цурење будућих информација у карактеристике које још не постоје у време предвиђања ✔
- Ц) Подаци су престари
- Д) Обучавање модела преспоро
Објашњење: Временско цурење је мешање функција обуке са информацијама које још нису доступне у време предвиђања (будућност); на пример, коришћење дијагнозе отпуста за предвиђање ризика при пријему. Ово доводи до високих перформанси у лабораторији, али до пада перформанси у стварној клиничкој употреби и један је од најподмуклијих недостатака модела клиничких података.
8. Шта од следећег постаје обавезно када се сам софтвер описује као „софтвер за медицинске уређаје“ (СаМД)?
- А) Довољан је само брз рад
- Б) Не захтева никакву документацију
- Ц) Потребан је само леп интерфејс
- Д) Контрола дизајна, управљање ризиком, верификација/валидација и усклађеност са прописима постају обавезни ✔
Опис: СаМД (Софтвер као медицински уређај) је софтвер који ради у сврху дијагнозе, лечења или праћења и не зависи од било каквог хардвера. У овом случају, контроле дизајна, управљање ризиком (ИСО 14971), верификација/валидација и усклађеност са прописима су обавезни; Софтвер се не може третирати као „само софтвер“ јер његов квар директно утиче на безбедност пацијената.
9. Који је најкритичнији ризик када од АИ затражите МДР (Директива о медицинским уређајима) клаузулу или стандардни број?
- А) Модел производи лажне артикле/стандардне референце и безбедно их представља ✔
- Б) Модел даје прекратак одговор
- Ц) Модел одговара на енглеском
- Д) Модел реагује преспоро
Објашњење: Језички модели могу поуздано произвести непостојеће бројеве ставки, нетачне стандардне верзије и измишљене референце (халуцинације). У складу са прописима, нетачна референца супстанце доводи до озбиљног неусаглашености; тако да свака атрибуција треба да буде верификована независно од званичног текста, АИ треба да се користи само за навигацију/нацрт.
10. У коју категорију спадају здравствени подаци у оквиру КВКК и шта то значи?
- А) Обични лични подаци; може се слободно обрађивати
- Б) То нису лични подаци; нема ограничења
- Ц) Посебне категорије личних података; Обрађено уз строжије услове и заштиту ✔
- Д) само пословна тајна; није потребна приватност
Објашњење: Здравствени подаци се сматрају 'посебним личним подацима' у КВКК; По правилу, обрада зависи од изричитог пристанка или изузетака предвиђених законом и захтева строже мере заштите. Због тога се подаци о пацијентима не могу уносити у неконтролисане алате; Уговори о анонимизацији, ограничењу приступа и обради података су обавезни.
11. Шта значи 'калибрација' у клиничком АИ моделу и зашто је важна?
- А) Колико брзо модел ради
- Б) Колико параметара има модел?
- Ц) Боја интерфејса модела
- Д) Компатибилност вероватноћа датих моделом са стварним учесталостима догађаја ✔
Објашњење: Калибрација је прилагођавање вероватноћа које је модел дао стварним фреквенцијама: догађај би требало да се деси код око 20% пацијената за које пише '20% ризика'. Пошто се одлуке у клиници доносе на основу прагова вероватноће, лоше калибрисан модел ће довести до погрешних одлука о прагу чак и ако је исправно рангиран; стога, калибрација као и дискриминација (АУЦ) морају бити верификовани.
12. Зашто би 'перформансе подгрупе' требало посебно проверавати у моделима слике, сигнала или клиничких података?
- А) Само потпуна тачност је увек довољна
- Б) Зато што подгрупе утичу на брзину модела
- Ц) Генеричка метрика може сакрити слабе перформансе и пристрасност у одређеним групама пацијената ✔
- Д) Анализа подгрупа је неопходна само за маркетинг
Објашњење: Иако модел може изгледати добро у просеку, може бити знатно лошији у одређеним подгрупама (старост, пол, нијанса коже, тип уређаја, болница); Општа метрика сакрива ову неједнакост. У здравству, то доводи до систематске штете у неким групама пацијената; Стога, учинак треба поделити у подгрупе и извести га ради правичности.
13. Који је најбољи приступ против ризика од „поновне идентификације“ када се ради са подацима о пацијентима?
- А) Само брисање имена је довољно у свим околностима.
- Б) Генерализовати индиректне идентификаторе као и директне идентификаторе и ограничити приступ ✔
- Ц) Ако подаци припадају малом броју људи, нису потребне мере предострожности
- Д) Само промените име датотеке уместо шифровања
Опис: Чак и подаци са избрисаним именом могу се поново идентификовати ретким комбинацијама дијагнозе, датума рођења, поштанског броја и датума. Дакле, није довољно само издвојити директне идентификаторе; Технике као што су померање датума, генерализација, к-анонимност и контрола приступа треба применити заједно, а осетљиви слободни текст такође треба очистити.
14. Који је примарни разлог за одржавање свеобухватне контроле „људи у петљи“ у току рада биомедицинске АИ?
- А) Људска контрола само ствара спорост и треба је уклонити
- Б) Ако је резултат поузданости модела висок, људска валидација није потребна
- Ц) Нема практичног разлога осим правне обавезе
- Д) АИ је подложан пристрасности и грешкама; Одлуке о безбедности пацијената и одговорност треба да остану на квалификованом специјалисту ✔
Опис: Вештачка интелигенција генерише, поставља приоритете и саставља хипотезе; али обрасци које учи из података могу бити непотпуни, пристрасни или ван контекста. Императив је да одлуке у вези са безбедношћу пацијената остану уз одобрење овлашћеног лекара и инжењера, како да се ухвате грешке, тако и да се одговорност задржи на правом месту; АИ не замењује ово одобрење ни у једној фази.