กำไร:
- ความสามารถในการอธิบายว่าการตรวจจับ การแบ่งส่วน และการจัดลำดับความสำคัญที่สนับสนุนปัญญาประดิษฐ์นั้นถูกสร้างขึ้นในภาพรังสีวิทยาได้อย่างไร
- ความสามารถในการแยกเอาท์พุตของแบบจำลอง (แผนที่ความร้อน ความน่าจะเป็น การวัด) ออกจากการตัดสินใจของนักรังสีวิทยา และวางตำแหน่งไว้ในบทบาทสนับสนุน
- ความสามารถในการตรวจสอบผลลัพธ์ของแบบจำลองภาพด้วยความไว/ความจำเพาะ ภาระผลบวกลวง และบริบททางคลินิก
รังสีวิทยาเป็นสาขาการประยุกต์ใช้ปัญญาประดิษฐ์ที่เป็นผู้ใหญ่ที่สุดในวิศวกรรมชีวการแพทย์ การเอกซเรย์ (X-ray), การตรวจเอกซเรย์คอมพิวเตอร์ (CT; CT ในภาษาอังกฤษ, การรวมส่วนการเอกซเรย์ที่นำมาจากมุมที่แตกต่างกัน) และการสั่นพ้องของสนามแม่เหล็ก (MR; MRI ในภาษาอังกฤษ, การถ่ายภาพเนื้อเยื่อที่มีสนามแม่เหล็กแรงสูงและคลื่นวิทยุ) จะสร้างภาพนับล้านภาพทุกวัน นักรังสีวิทยาต้องใช้เวลาหลายปีในการตีความภาพเหล่านี้ ปัญญาประดิษฐ์มีส่วนช่วยในกระบวนการนี้ด้วยการตรวจจับ (ดึงความสนใจไปยังการค้นพบ) การแบ่งส่วน (การวาดขอบเขตของโครงสร้าง การแบ่งส่วนในภาษาอังกฤษ) และการจัดลำดับความสำคัญ (การวางกรณีเร่งด่วนไว้ที่จุดเริ่มต้นของคิว; การคัดแยกในภาษาอังกฤษ) ในหน่วยนี้ เราจะดูว่าขั้นตอนการทำงานเหล่านี้ได้รับการตั้งค่าอย่างไร และที่สำคัญที่สุด คือ วิธีการวางตำแหน่งเอาต์พุตเป็นข้อมูลนำเข้า แทนที่จะมาแทนที่การตัดสินใจของนักรังสีวิทยา
ในฐานะวิศวกร งานของคุณมักจะเป็นการพัฒนาแบบจำลอง บูรณาการ ตรวจสอบความถูกต้อง และตรวจสอบประสิทธิภาพกับทีมคลินิก นักรังสีวิทยาทำการวินิจฉัย AI ไม่ได้วินิจฉัย ดึงดูดความสนใจมาตรการเรียงลำดับ
ขั้นตอนของเวิร์กโฟลว์ AI รังสีวิทยา
ขั้นตอนที่ 1 — ข้อมูลและการประมวลผลล่วงหน้า รูปภาพมาเป็น DICOM (การถ่ายภาพดิจิทัลและการสื่อสารทางการแพทย์ ไฟล์มาตรฐานและรูปแบบการสื่อสารสำหรับภาพทางการแพทย์) การประมวลผลล่วงหน้า ซึ่งรวมถึงการกำหนดหน้าต่าง (การปรับคอนทราสต์ของภาพ) การสุ่มตัวอย่างใหม่ (การปรับขนาดชิ้นเป็นขนาดมาตรฐาน) และการลดสัญญาณรบกวน ขั้นตอนนี้ปลอดภัยและเหมาะสำหรับระบบอัตโนมัติ
ขั้นตอนที่ 2 — การตรวจจับและการแบ่งส่วน รูปแบบนี้แสดงถึงบริเวณที่สอดคล้องกับก้อนเนื้อในปอด การแตกหัก หรือการตกเลือด โดยทั่วไปผลลัพธ์จะอยู่ในรูปของคะแนนความน่าจะเป็นและแผนที่ความร้อน (เลเยอร์ที่แสดงพื้นที่ที่ความสนใจของแบบจำลองเข้มข้นตามสี) ในการแบ่งส่วน แบบจำลองจะวาดขอบเขตพิกเซลของอวัยวะหรือรอยโรค ใช้สำหรับการวัดปริมาตร
ขั้นตอนที่ 3 — จัดลำดับความสำคัญ หากตรวจพบสิ่งที่พบอย่างเร่งด่วน (เช่น เลือดออกในสมอง) กรณีดังกล่าวจะถูกยกเข้าสู่รายการงาน จุดมุ่งหมายไม่ใช่เพื่อเปลี่ยนนักรังสีวิทยา แต่เพื่อให้แน่ใจว่าผู้ป่วยวิกฤติจะได้เห็นเร็วขึ้น
ขั้นตอนที่ 4 — การประเมินของนักรังสีวิทยา ผลลัพธ์ของแบบจำลองจะถูกนำเสนอต่อนักรังสีวิทยาเพื่อเป็นชั้นคำแนะนำ นักรังสีวิทยายอมรับ ปฏิเสธ หรือเปลี่ยนแปลง รายงานขั้นสุดท้ายและการวินิจฉัยเป็นของนักรังสีวิทยา
ขั้นตอนที่ 5 — การตรวจสอบและการตรวจสอบ เมื่อโมเดลอยู่ในภาคสนามแล้ว ประสิทธิภาพก็จะถูกตรวจสอบอย่างต่อเนื่อง อัตราผลบวกลวงและผลลบลวงจะถูกติดตามแยกกันในอุปกรณ์และกลุ่มผู้ป่วยที่แตกต่างกัน
ความอ่อนไหว ความเฉพาะเจาะจง และภาระเชิงบวกที่ผิดพลาด
มีเมตริกพื้นฐานสองรายการสำหรับการประเมินโมเดลรูปภาพ ความไวคืออัตราการตรวจพบผู้ที่ป่วยจริง ความไวสูงหมายถึงการค้นพบที่พลาดน้อยลง ความจำเพาะคืออัตราที่เรากำจัดสิ่งที่ดีต่อสุขภาพอย่างแท้จริงได้อย่างแม่นยำ ความจำเพาะสูงหมายถึงการแจ้งเตือนที่ผิดพลาดน้อยลง มีความสมดุลระหว่างสองสิ่งนี้ หากคุณลดเกณฑ์และตรวจพบสิ่งที่ค้นพบมากขึ้น สัญญาณเตือนที่ผิดพลาดก็จะเพิ่มขึ้น
แนวคิดที่สำคัญในคลินิกคือภาระของผลบวกลวง: หากแบบจำลองระบุว่า "น่าสงสัย" บ่อยเกินไป นักรังสีวิทยาจะต้องตัดธงเหล่านี้ออกในแต่ละครั้ง และหลังจากนั้นสักพักจะไม่ให้ความสำคัญกับการแจ้งเตือนอย่างจริงจัง (แจ้งเตือนความเหนื่อยล้า) ดังนั้น ไม่เพียงแต่ควรประเมินความไวของแบบจำลองเท่านั้น แต่ยังควรประเมินจำนวนผลบวกลวงในเวิร์กโฟลว์จริงด้วย
คดีเล็กๆ สามคดี: ตามตัวเลข
กรณีที่ 1 — เวลาที่บันทึกไว้โดยการจัดลำดับความสำคัญ แบบจำลองการจัดลำดับความสำคัญของเลือดออกใน CT สมองถูกนำมาใช้ในโรงพยาบาล ระยะเวลาเฉลี่ยในการพบผู้ป่วยเลือดออกครั้งแรกโดยนักรังสีวิทยาลดลงจาก 28 นาที เหลือ 8 นาที อย่างไรก็ตาม แบบจำลองนี้ล้มเหลวในการจับภาพการตกเลือดใต้ชั้นอะแร็กนอยด์เล็กน้อยที่พลาดไป ดังนั้นทุกกรณีจึงเข้ารับการตรวจรังสีแพทย์อีกครั้ง โมเดลเร่งการเรียงลำดับ แต่ไม่ได้กำจัดการอ่าน
กรณีที่ 2 — ภาระผลบวกลวง แบบจำลองการตรวจจับก้อนเนื้อในปอดสร้างสัญญาณ "น่าสงสัย" โดยเฉลี่ย 6 รายการต่อผู้ป่วยหนึ่งราย เมื่อทำงานโดยมีเกณฑ์ต่ำเพื่อเพิ่มความไวเป็น 94%; สิ่งเหล่านี้ส่วนใหญ่เป็นส่วนของหลอดเลือดและจุดโฟกัสที่ไม่เป็นอันตราย ภายในสองสัปดาห์ นักรังสีวิทยาเริ่มเพิกเฉยต่อสัญญาณดังกล่าว เมื่อมีการปรับเกณฑ์ใหม่และจำนวนคะแนนลดลงเหลือ 1.5 ต่อคนไข้ แบบจำลองก็กลับมามีประโยชน์อีกครั้ง
กรณีที่ 3 — การเปลี่ยนสนาม แบบจำลองการตรวจจับการแตกหักดำเนินการด้วยความไว 91% บนเครื่องเอ็กซเรย์ดิจิทัลที่โรงพยาบาล A แต่ลดลงเหลือ 72% ที่โรงพยาบาล B โดยใช้อุปกรณ์พกพาจากผู้ผลิตรายอื่น คุณภาพของภาพและการวางตำแหน่งแตกต่างกัน โมเดลดังกล่าวไม่สามารถเชื่อถือได้หากไม่ได้รับการตรวจสอบเพิ่มเติมในแต่ละอุปกรณ์และกลุ่มประชากรที่จะใช้โมเดลดังกล่าว
พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง
หมายเหตุ: ข้อความแจ้งด้านล่างมีไว้สำหรับการกำหนดค่ารายงานที่เป็นข้อความหรือเวิร์กโฟลว์ ไม่ใช่สำหรับการตีความรูปภาพ การวินิจฉัยภาพเป็นการทำงานของซอฟต์แวร์ทางคลินิกและนักรังสีวิทยาที่ได้รับการตรวจสอบแล้ว
พรอมต์ที่อ่อนแอ:
ดูรายงานเอ็กซเรย์นี้แล้วบอกฉันว่าผู้ป่วยป่วยหรือไม่[รายงาน]
พรอมต์อันทรงพลัง:
บทบาทของคุณ: คุณเป็นผู้ช่วยขั้นตอนการทำงานของรังสีวิทยา (คุณไม่ใช่การวินิจฉัย) จัดโครงสร้างข้อความรายงานรังสีวิทยาที่ไม่ระบุชื่อดังนี้: - ตารางผลการค้นพบ การวัด และตำแหน่งทางกายวิภาค - ใช้ข้อความที่คลุมเครือ/เชิงลบ ("ไม่สามารถแยกออกได้") ตามที่เป็นอยู่ อย่าถือเป็นที่สิ้นสุด - อย่าเพิ่มสิ่งที่ค้นพบใดๆ ที่ไม่ได้อยู่ในข้อความ - รวบรวมประโยค "คำแนะนำ/ติดตามผล" ไว้ในส่วนแยกต่างหาก - ในตอนท้ายให้ระบุ 3 ประเด็นที่นักรังสีวิทยาควรยืนยัน รายงานที่ไม่ระบุชื่อ: [ข้อความ]
โมเดลพร้อมท์ที่มีประสิทธิภาพช่วยให้โมเดลอยู่ห่างจากการตีความและมุ่งเน้นไปที่การกำหนดค่า เป็นที่พึงปรารถนาที่จะรักษาความคลุมเครือ เนื่องจากในภาษาของรังสีวิทยา ความแตกต่างระหว่าง "ไม่สามารถแยกออก" และ "มีอยู่" เป็นสิ่งสำคัญ
เทมเพลตที่คัดลอกได้สี่แบบ
1) การกำหนดค่ารายงาน:
แบ่งรายงานรังสีวิทยาที่ไม่ระบุชื่อออกเป็นหัวข้อต่างๆ ดังนี้ สิ่งบ่งชี้ เทคนิค ข้อค้นพบ บทสรุป คำแนะนำ ยึดติดกับข้อความอย่าเพิ่มความคิดเห็น รายงาน: [ข้อความ]
2) การตรวจสอบความสอดคล้องของการวัด:
แสดงรายการหน่วยวัดที่เป็นตัวเลขทั้งหมด (มม. ซม. HU) ในรายงานนี้ และทำเครื่องหมายค่าที่ขัดแย้งหรือไม่ใช่ค่าทางสรีรวิทยา รายงาน: [ข้อความ]
3) แผนการประเมินแบบจำลอง:
เขียนแผนการประเมินร่างสำหรับแบบจำลองการตรวจจับภาพ: ความไว ความจำเพาะ ผลบวกลวง/ผู้ป่วย การวิเคราะห์กลุ่มย่อย (อุปกรณ์ อายุ) ชุดการตรวจสอบภายนอก ทำเครื่องหมายจุดอนุมัติทางคลินิกแยกกัน
4) หมายเหตุการตรวจคัดกรองผลบวกลวง:
จำแนกรายการผลลัพธ์การตรวจจับต่อไปนี้เป็น "ลำดับความสำคัญของนักรังสีวิทยาสูง/ต่ำ"; เขียนเหตุผลสำหรับแต่ละชั้นเรียน ระบุว่าคุณฝากการตัดสินใจไว้กับนักรังสีวิทยา รายการ: [ผลลัพธ์]
บทบาทของแบบจำลอง: ตามประเภทของการค้นพบ
ประเภทการค้นหา
การมีส่วนร่วมของ AI
การวิพากษ์วิจารณ์
การตรวจสอบ
การจัดลำดับความสำคัญของการตกเลือดอย่างเร่งด่วน
สูง
สูงมาก
นักรังสีวิทยาอ่านฉบับเต็ม
การตรวจหาก้อนเนื้อในปอด
สูง
สูง
เกณฑ์ + โปรโตคอลการติดตาม
อายุกระดูก/การวัด
สูง
ปานกลาง
การควบคุมโดยผู้เชี่ยวชาญ
การแบ่งส่วนปริมาตรอวัยวะ
สูง
ปานกลาง
การตรวจสอบตัวอย่างด้วยตนเอง
การกำหนดค่ารายงาน (ข้อความ)
สูง
ต่ำ
การยืนยันของนักรังสีวิทยา
เคล็ดลับ: อย่าพึ่งพาเปอร์เซ็นต์ความแม่นยำเพียงเปอร์เซ็นต์เดียวในการประเมินโมเดลการแสดงผล ถามถึงความอ่อนไหว ความเฉพาะเจาะจง ภาระผลบวกลวง และประสิทธิภาพของกลุ่มย่อยร่วมกัน "คุณทดสอบแบบจำลองบนอุปกรณ์และกลุ่มผู้ป่วยใด" คำถามเผยให้เห็นปัญหาส่วนใหญ่
ข้อควรระวัง: แผนที่ความร้อนไม่ได้รับประกันว่า "ทำไม" โมเดลจึงตัดสินใจในลักษณะนั้น มันแค่แสดงให้เห็นว่าความสนใจของคุณมุ่งไปที่จุดใด บางครั้งแบบจำลองก็ให้คำตอบที่ถูกต้องด้วยเหตุผลที่ไม่ถูกต้อง (เช่น โดยการดูเครื่องหมายในภาพ) ผลลัพธ์ที่สามารถอธิบายได้ยังต้องมีการตรวจสอบความถูกต้องด้วย
ข้อผิดพลาดทั่วไป
- อาศัยเมตริกเดียว ความแม่นยำโดยรวมที่สูงอาจปกปิดความไวต่ำในกลุ่มย่อยที่สำคัญ
- ไม่วัดโหลดบวกลวง แบบจำลองที่สร้างสัญญาณมากเกินไปจะสร้างความเหนื่อยล้าจากการกระตุ้นและละทิ้งไป
- ตรวจสอบโมเดลบนอุปกรณ์เครื่องเดียวและใช้งานได้ทุกที่ การเคลื่อนตัวของสนามเป็นสาเหตุที่พบบ่อยที่สุดของความล้มเหลวของ AI ของรูปภาพ
- เข้าใจผิดว่าแผนที่ความร้อนเป็นหลักฐาน แผนที่ความสนใจไม่ใช่คำอธิบาย คำตอบที่ถูกต้องอาจขึ้นอยู่กับเหตุผลที่ผิด
- กำจัดนักรังสีวิทยา โมเดลจัดลำดับความสำคัญและแฟล็ก การวินิจฉัยและรายงานเป็นของนักรังสีวิทยา
โดยสรุป
- AI รังสีวิทยา; โดยสร้างคุณค่าผ่านการตรวจจับ การแบ่งส่วน และการจัดลำดับความสำคัญ และไม่ได้แทนที่การวินิจฉัย
- มีความสมดุลระหว่างความอ่อนไหวและความจำเพาะ ภาระผลบวกลวงเป็นตัวชี้วัดที่สำคัญในคลินิก
- โมเดลต้องผ่านการตรวจสอบจากภายนอก (การเปลี่ยนโดเมน) ในแต่ละอุปกรณ์และประชากรที่จะใช้
- แผนที่ความร้อนแสดงความสนใจแต่ไม่รับประกันคำอธิบาย ไม่สามารถนำมาเป็นหลักฐานได้
- การวินิจฉัยขั้นสุดท้ายและรายงานเป็นของนักรังสีวิทยา AI เป็นเลเยอร์สนับสนุน
งานสมัคร
เลือกสถานการณ์การตรวจจับรูปภาพที่มีอยู่ (หรือสมมุติ) เขียนกรอบการประเมินสำหรับแบบจำลองนี้: ระบุตัวชี้วัด (ความไว ความจำเพาะ ผลบวกลวง/ผู้ป่วย) กลุ่มย่อยใด (อุปกรณ์ อายุ เพศ) และชุดการตรวจสอบภายนอกที่คุณจะใช้ จากนั้นทำเครื่องหมายจุดที่แน่นอนในขั้นตอนการทำงานที่นักรังสีวิทยาทำการตัดสินใจ และอธิบายในย่อหน้าว่านำผลลัพธ์ของแบบจำลองไปใช้ในการตัดสินใจอย่างไร
รายการตรวจสอบ
- [ ] ฉันสามารถแยกแยะบทบาทการตรวจจับ การแบ่งส่วน และการจัดลำดับความสำคัญของ AI รังสีวิทยาได้
- [ ] ฉันสามารถประเมินความไว ความจำเพาะ และภาระผลบวกลวงร่วมกันได้
- [ ] ฉันรู้ว่าการขยับฟิลด์คืออะไร และเหตุใดจึงต้องมีการตรวจสอบความถูกต้องจากภายนอก
- [ ] ฉันพบว่าแผนที่ความร้อนไม่ใช่คำอธิบายและจำเป็นต้องมีการตรวจสอบ
- [ ] ฉันสามารถวางตำแหน่งเอาท์พุตของแบบจำลองเป็นข้อมูลเข้าในการตัดสินใจของนักรังสีวิทยา แทนที่จะแทนที่มัน