Faida:
- Uwezo wa kuelezea usaidizi wa AI kwa kuhesabu seli, sehemu, na kuweka alama katika mtiririko wa kazi wa picha ya slaidi (WSI)
- Uwezo wa kutambua athari za uchoraji na utofauti wa skanning kwenye utendaji wa mfano na mabadiliko ya kikoa
- Uwezo wa kuhalalisha matokeo ya AI ya patholojia kwa kiwango cha kumbukumbu, sampuli na idhini ya daktari wa magonjwa
Patholojia ni tawi la dawa ambalo ugonjwa hutambuliwa kwa kuchunguza sampuli ya tishu chini ya darubini; "Kiwango cha dhahabu" cha utambuzi wa saratani nyingi hufanywa hapa. Ugonjwa wa kidijitali ni uwekaji dijitali wa sehemu ya tishu zilizo na madoa kwenye slaidi ya glasi yenye skana ya msongo wa juu. Faili inayotokana inaitwa picha nzima ya slaidi (WSI kwa kifupi); Slaidi moja inaweza kuwa picha kubwa ya ukubwa wa gigapixel, yaani, mabilioni ya saizi. Upelelezi wa Bandia hutumia kuhesabu seli, sehemu za eneo na kuweka alama katika picha hizi kubwa. Katika kitengo hiki tutaona mtiririko wa kazi wa WSI, shida yake kubwa ya kiufundi: kutofautiana kwa madoa/changanuzi, na kwa nini idhini ya mwanapatholojia ni muhimu.
Hebu tuseme tangu mwanzo: akili ya bandia inaweza kuwa counter, scanner ya awali na jicho la pili katika patholojia; Lakini utambuzi wa saratani, maamuzi ya hatua na upangaji wa alama ni ya mtaalam wa magonjwa. Mfano hautambui.
Hatua za WSI Workflow
Hatua ya 1 - Uchunguzi na udhibiti wa ubora. Slide ya kioo inachanganuliwa; Kasoro kama vile kupunguza umakini, alama za kukunjwa, na viputo vya hewa vinaweza kutambuliwa kiotomatiki. Vipimo vya ubora duni haipaswi kuingia kwenye mfano kabisa.
Hatua ya 2 - Uondoaji wa vigae (kiraka). Picha ya Gigapixel haiwezi kuchakatwa moja kwa moja; imegawanywa katika viwanja vidogo (kiraka cha Kiingereza, kawaida 256x256 au 512x512 saizi). Mfano hutathmini kila tile tofauti, basi matokeo yanaunganishwa.
Hatua ya 3 - Uchambuzi wa tishu/seli. Mfano; Hutekeleza majukumu kama vile mgawanyo wa tovuti ya uvimbe, kuhesabu mitosisi (seli inayogawanya), msongamano wa nyuklia au kukokotoa alama (k.m. kiwango cha uchafu cha Ki-67). Pato ni kipimo cha nambari au ramani ya joto.
Hatua ya 4 - Kujumuisha na kutoa taarifa. Matokeo ya vigae yanajumuishwa kwenye kiwango cha slaidi; Muhtasari hutolewa, kwa mfano, "asilimia ya eneo la tumor" au "hesabu ya mitotic".
Hatua ya 5 - Tathmini ya mwanapatholojia. Daktari wa magonjwa huchunguza mikoa na hesabu zilizowekwa na mfano; anakubali, anasahihisha au anakataa. Utambuzi na uainishaji ni kwa mtaalamu wa magonjwa.
Shimo Kubwa Zaidi: Kupaka rangi na Kuchanganua Tofauti
Sehemu za tishu kwa kawaida hutiwa madoa na H&E (hematoksilini na eosin; rangi ya kawaida inayotia madoa viini bluu-violet na saitoplazimu pink). Lakini kiwango cha upakaji madoa hutofautiana haswa kulingana na maabara, bechi ya doa, unene wa sehemu, na chapa ya skana. Jicho la mwanadamu linabadilika kwa urahisi kwa tofauti hizi; Mfano huo unaweza kuwa hauendani.
Ikiwa mfano umejifunza kulingana na tani za pink-zambarau za maabara A, utendaji wake utapungua kwenye paler au uchafu wa giza wa maabara B. Jambo hili linaitwa mabadiliko ya kikoa na ndiyo sababu ya kawaida ya kushindwa katika patholojia ya digital. Mbinu za suluhisho: urekebishaji wa rangi (kusogeza picha kwenye nafasi ya rangi ya kawaida), data ya mafunzo ya vituo vingi, na - muhimu zaidi - uthibitishaji wa nje katika kila maabara itakayotumika.
Kesi Tatu Ndogo: Kwa Nambari
Kesi ya 1 - Uthabiti katika hesabu ya mitotiki. Kuhesabu mitotiki katika kupanga saratani ya matiti ni muhimu lakini ni ngumu na inabadilika kutoka kwa mwangalizi hadi mwangalizi. Uhesabuji wa awali uliosaidiwa na AI katika maabara moja, makubaliano (kappa) kati ya wanapatholojia wawili yaliongezeka kutoka 0.55 hadi 0.71, na muda wa kuhesabu kwa kila slaidi ulipungua kutoka dakika 4 hadi dakika 1.5. Hata hivyo, kila hesabu ya mwisho ilithibitishwa na mtaalamu wa magonjwa; Mfano ulipendekeza, mtaalamu wa magonjwa aliamua.
Kesi ya 2 - Hit shift shift. Katika maabara ambayo ilitengeneza mfano wa kugawanya uvimbe, ilikuwa ikifanya kazi kwa usahihi 93% ya wakati huo. Mtindo huo huo ulikadiria zaidi eneo la uvimbe kwa 20% katika maabara ya washirika kwa kutumia skana na rangi tofauti. Baada ya kuhalalisha rangi na kusahihishwa kwa slaidi 200 kutoka kwa maabara hiyo, tofauti ilipungua hadi kiwango kinachokubalika.
Kesi ya 3 - Uongo wa sampuli. Mfano mmoja ulisema "hapana" uvimbe kwenye slaidi; hata hivyo, modeli hiyo ilitathmini eneo lililochanganuliwa tu na uvimbe ulikuwa katika sehemu isiyo na sampuli. Utambuzi wa ugonjwa ni sawa na uteuzi wa slaidi na sampuli; Matokeo ya AI "hasi" hailipii sampuli ndogo. Ndiyo maana matokeo hasi ya AI peke yake kamwe haimaanishi "hakuna ugonjwa".
Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu
Kumbuka: Vidokezo vifuatavyo ni vya kusanidi ripoti ya ugonjwa na maandishi ya mtiririko wa kazi; Utambuzi wa picha ya tishu ni kazi ya programu iliyothibitishwa na wataalamu wa magonjwa.
Agizo dhaifu:
Kulingana na ripoti hii ya ugonjwa, kuna saratani? [ripoti]
Agizo lenye nguvu:
Jukumu lako: Wewe ndiye msaidizi wa uundaji wa ripoti ya ugonjwa (HUJATAMBUA). Muundo wa ripoti ya ugonjwa ifuatayo isiyojulikana:- Jedwali la aina ya kielelezo, rangi, aina/gredi ya uvimbe, ukingo wa upasuaji, vialamisho.- Weka maneno yenye utata ("atypical, kliniki uwiano ilipendekeza") intact.- Usiongeze matokeo ambayo hayako kwenye maandishi; andika “haijabainishwa” katika sehemu inayokosekana.- Hatimaye, orodhesha pointi 3 ambazo mwanapatholojia anapaswa kuthibitisha.Ripoti isiyojulikana:[text]
Violezo Vinne Vinakiliwa
1) Usanifu wa ripoti:
Panga ripoti ya ugonjwa ifuatayo isiyojulikana katika nyanja zilizopangwa (chombo, utambuzi, daraja, ukingo, asilimia za alama). Shikilia maandishi. Ripoti: [maandishi]
2) Angalia uthabiti wa ishara:
Orodhesha alama zote za asilimia na nambari (Ki-67, ER, PR, HER2) zilizotajwa katika ripoti hii; Weka alama kwenye maadili ambayo yanapingana na kila mmoja au na utambuzi. Ripoti: [maandishi]
3) Mpango wa uthibitishaji wa mfano (ugonjwa wa kidijitali):
Andika rasimu ya mpango wa uthibitishaji wa muundo wa sehemu ya WSI: urekebishaji wa rangi, uthibitishaji wa nje wa vituo vingi, makubaliano ya mwanapatholojia (kappa), majaribio ya mabadiliko ya uwanja. Weka alama za uthibitishaji wa mwanapatholojia kando.
4) Kuongeza onyo la sampuli:
Ongeza kwa matokeo mabaya yafuatayo ya AI pango kwamba "sampuli inaweza kuwa ndogo, matokeo mabaya hayazuii ugonjwa" na hitaji la uthibitisho wa mwanapatholojia. Pato: [maandishi]
Wajibu wa Mfano: Kwa Aina ya Kazi
Aina ya kazi
Mchango wa AI
ukosoaji
uthibitishaji
Mgawanyiko wa eneo la tumor
juu
juu
Mtaalamu wa magonjwa + uthibitishaji wa nje
Mitosis/hesabu ya seli
juu
juu
Uthibitisho wa mwanapatholojia
Asilimia ya alama (Ki-67)
juu
kati
Ulinganisho wa marejeleo
Udhibiti wa ubora (lengo/kasoro)
juu
chini
kuangalia doa
Usanidi wa ripoti (maandishi)
juu
chini
Uthibitisho wa mwanapatholojia
Kidokezo: Wakati wa kutathmini pendekezo la kielelezo katika ugonjwa wa kidijitali, uliza kila mara: "Mtindo huu umefunzwa kwenye maabara gani na vichanganuzi, na je, umeidhinishwa katika maabara yangu?" Ikiwa jibu ni "hapana", takwimu za utendaji hazitumiki kwako bado.
Tahadhari: Kwa sababu AI inasema "hakuna tumor" haimaanishi kuwa hakuna uvimbe kwenye tishu zisizo na sampuli. Matokeo mabaya katika patholojia ni mdogo na ubora wa sampuli; muundo hauwezi kuzidi kikomo hiki na matokeo mabaya sio uhakikisho wa uchunguzi.
Makosa ya kawaida
- Inapunguza utofauti wa rangi/rangi. Shamba drift ni sababu ya kawaida ya kushindwa katika patholojia digital.
- Treni katika kituo kimoja na utumie kila mahali. Vivinjari tofauti na upakaji rangi huunda uharibifu wa utendaji wa kimya.
- Kukosea matokeo hasi kwa uhakikisho. Kikomo cha sampuli hakiwezi kulipwa na mfano.
- Kupuuza utofauti wa seva za kuingiliana. Mfano unapaswa kutathminiwa ipasavyo ikiwa kiwango cha marejeleo yenyewe ni tofauti.
- Kuondoa pathologist. Kuhesabu na kugawanya ni msaada; Utambuzi na upangaji wa daraja hupumzika na mtaalam wa magonjwa.
Kwa muhtasari
- Ugonjwa wa kidijitali huchambua picha za gigapixel WSI kwa kuzigawanya katika vigae; AI inasaidia kwa kuhesabu seli na sehemu.
- Mtego mkubwa wa kiufundi ni kuteleza kwa uwanja kwa sababu ya utofauti wa madoa / skanning; kuhalalisha rangi na uthibitisho wa nje ni muhimu.
- Matokeo hasi ya AI yamepunguzwa na kikomo cha sampuli na haitoi uhakikisho wa uchunguzi.
- Kiwango cha marejeleo na utofauti wa interobserver ndio muktadha wa tathmini ya kielelezo.
- Utambuzi, upangaji, na upangaji daraja ni jukumu la mwanapatholojia; AI haitambui.
Jukumu la maombi
Chagua modeli dhahania ya ugonjwa wa dijiti (k.m. hesabu ya asilimia ya Ki-67). Andika mpango wa uthibitisho wa nje wa modeli hii: ni slaidi ngapi kutoka kwa maabara, urekebishaji wa rangi gani, jinsi utakavyopima makubaliano ya mwanapatholojia, na jinsi utakavyojaribu kuteleza kwa uwanja. Kisha andika kwa sentensi moja onyo la kizuizi ambalo linapaswa kuongezwa kwa matokeo hasi / chanya ya mfano.
orodha ya ukaguzi
- [ ] Ninajua hatua za kuchanganua, kuweka tiles, uchanganuzi na utungaji wa mtiririko wa kazi wa WSI.
- [ ] Ninaelewa jinsi utofauti wa rangi/scan husababisha kusogea kwa uwanja na jinsi inavyodhibitiwa.
- [ ] Ninaelewa kuwa matokeo hasi ya AI yanadhibitiwa na kikomo cha sampuli.
- [ ] Ninaweza kutumia dhana za uthibitisho wa nje na makubaliano ya mwanapatholojia (kappa).
- [ ] Nimeweka ndani kwamba uchunguzi na uamuzi wa kuweka alama unabaki kwa mwanapatholojia.