Mga nadagdag:
- Unawain kung paano nakakatipid ng oras ang artificial intelligence sa awtomatikong pagpaparehistro sa mga nakaraang pagsusuri, pagtukoy ng pagbabago at pagsubaybay sa lesyon.
- Kakayahang i-validate ang mga automated na pagsukat at gumawa ng pare-parehong follow-up na mga desisyon sa response evaluation frameworks gaya ng RECIST
- Ang kakayahang makilala ang mga hindi pagkakatugma at iba't ibang protocol pitfalls ng awtomatikong paghahambing at gawin ang panghuling pagsusuri bilang isang radiologist
Sa radiology, ang isang imahe lamang ay kadalasang kalahati ng isang pangungusap; Ang kahulugan nito ay nakumpleto kung ihahambing sa mga nakaraang pagsusulit. Kung ang lung nodule ay 8 mm ngayon, mabuti ba iyon o masama? Ang sagot ay depende sa kung ito ay 8 mm (matatag, malamang na benign) o 4 mm (lumalaki, kahina-hinala) anim na buwan na ang nakalipas. Kung ang paggamot ay gumagana para sa isang pasyente ng kanser ay mauunawaan lamang sa pamamagitan ng paghahambing ng mga sugat sa nakaraan at kasalukuyang pagsusuri. Ang paghahambing na pagbabasa at pag-follow-up ay isa sa pinakamatagal ngunit mahalagang gawain sa radiology, at ang artificial intelligence ay isang makapangyarihang katulong dito: nakakatipid ito ng mga minuto sa pamamagitan ng awtomatikong pagtutugma (pagpaparehistro) sa mga nakaraang pagsusuri, pag-detect ng mga pagbabago at pagsubaybay sa mga lesyon.
Pangunahing prinsipyo: Mga bilis ng awtomatikong paghahambing na tumutugma sa nakaraang pagsusuri at pagsukat ng pagbabago; Ngunit may mga pitfalls ng mismatch, iba't ibang protocol at pagkakaiba sa pamamaraan. Ang huling pagtatasa—kung ang pagbabago ay totoo o paraan/protocol-induced, ang desisyon sa pagtugon sa paggamot—ay pagmamay-ari ng radiologist.
Paano gumagana ang awtomatikong paghahambing
Pagpaparehistro (pag-align ng imahe): Ito ang proseso ng paglalagay ng pagsusuri sa dalawang magkaibang petsa sa parehong spatial frame; kaya ang isang sugat ay maaaring ipakita sa parehong lokasyon sa parehong mga imahe. Kapag ang pasyente ay kinukunan sa ibang posisyon, pinipigilan ang kanyang hininga, o nakunan sa ibang device, nagiging mahirap ang pagkakahanay at may panganib na hindi magkatugma.
Karaniwang daloy:
- Nahanap at naitugma ang nakaraang pagsusulit. Kinukuha ng system ang mga lumang pagsusuri ng pasyente at inihanay ang mga ito sa bagong pagsusuri.
- Ang mga sugat ay ipinares. Ang modelo ay nagmamapa ng isang sugat sa katapat nito sa isang nakaraang pagsusulit.
- Ang pagbabago ay kinakalkula. Ang pagkakaiba sa diameter/volume, pagbabago ng porsyento, rate ng paglago ay ginawa.
- Nakikita ang pagbabago. Sa pamamagitan ng side-by-side o overlapping (fusion) na display, minarkahan ang mga "lumalabas" na lesyon.
- Kinukumpirma ng radiologist. Sinusuri nito kung tama ang pagpapares, maihahambing ang mga protocol, at totoo ang palitan.
RECIST at pagsusuri ng tugon
Sa oncological follow-up, ang RECIST (Response Evaluation Criteria In Solid Tumor) ay isang balangkas na ginagamit upang sukatin ang tugon sa paggamot sa karaniwang paraan. Ang mga partikular na "target na sugat" ay pinili, ang kanilang mga diameter ay summed, at ang tugon ay ikinategorya ayon sa pagbabago sa paglipas ng panahon: kumpletong tugon, bahagyang tugon, matatag na sakit, pag-unlad. Maaaring i-automate ng AI ang pagsukat at pagbubuod ng mga target na lesyon; Ngunit ang mga panuntunan ng RECIST (aling lesyon ang pipiliin, kung paano susukatin, kung kailan tatawagin ang pag-unlad) ay nangangailangan ng mahigpit, at ang isang awtomatikong label na "pag-unlad" na walang pag-verify mula sa radiologist ay isang malupit na desisyon na hahantong sa pagbabago sa paggamot.
hakbang
kontribusyon ng AI
bitag
pagpapatunay
Pagtutugma ng nakaraang pag-aaral
awtomatikong pagpaparehistro
hindi pagkakahanay
Visual na kumpirmasyon ng tugma
Pagtutugma ng sugat
Paghahanap ng parehong sugat
Pagma-map ng iba't ibang sugat
Kontrol ng anatomikal na posisyon
baguhin ang pagsukat
Diameter/volume/porsiyento
Pagkakaiba ng pamamaraan/protokol
Ihambing sa parehong paraan
RECIST kabuuan
Kabuuan ng target na sugat
Maling pagpili ng target
Pagsunod sa tuntunin ng RECIST
Kategorya ng tugon
draft na panukala
Awtomatikong "pag-unlad"
Kinakategorya ng radiologist
Mag-ingat: Ang isang awtomatikong "paglago" o "pag-unlad" na output ay palaging nabe-verify bago baguhin ang therapy. Ang pinakakaraniwang sanhi ng maling pag-unlad ay ang dati at kasalukuyang pagsukat ay ginawa gamit ang iba't ibang pamamaraan/eroplano/protokol. Ang isang maling label ng pag-unlad ay maaaring hindi kinakailangang baguhin ang isang paggamot na gumagana.
tatlong mini case
Case 1 — Maling tugma ng lesyon. Mayroong dalawang metastases sa isang atay. Ang awtomatikong pagsubaybay ay tumutugma sa malaking sugat sa bagong pagsusulit sa maliit na sugat sa nakaraang pagsusulit (nakalilito sa anatomical na lokasyon) at nag-uulat ng "80% na paglaki." Sinusuri ng radiologist ang tugma: dalawang magkahiwalay na sugat ang aktwal na nalilito; Parehong matatag kapag ang bawat isa ay ipinares sa katapat nito. Ang mismatch ay gumawa ng isang huwad na pag-unlad; Itinama ito ng radiologist.
Kaso 2 — Iba't ibang protocol trap. Ang nakaraang pagsusuri ng isang lung nodule ay kinuha gamit ang isang 5 mm na seksyon, ang bago ay may isang 1 mm na seksyon. Ang manipis na seksyon ay nagpapakita ng nodule nang mas malinaw at pinapataas ang awtomatikong pagsukat mula 6 hanggang 8 mm. Ang sistema ay nagsasabing "paglago". Napansin ng radiologist ang pagkakaiba ng protocol, muling sinusuri nang may parehong kapal ng slice, at nalaman na ang nodule ay matatag. Ang pagkakaiba sa protocol ay lumikha ng maling paglago.
Case 3 — Ang RECIST ay ipinatupad nang tama. Sa isang pasyente ng oncology, awtomatikong kinakalkula ng AI ang diameter sum ng mga target na lesyon ng RECIST at gumagawa ng plot na "partial response". Sinusuri ng radiologist na ang pagpili ng target na lesyon ay sumusunod sa mga panuntunan ng RECIST, na ang mga pagsukat ay ginawa sa parehong paraan at walang mga bagong sugat, at kinukumpirma ang kategorya. Ipinagpapatuloy ng oncologist ang paggamot nang ligtas. Pinabilis ng AI ang pagkalkula; Kinumpirma ng radiologist ang klinikal na desisyon.
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Magpasya kung lumaki ang buhol, dating 5 ngayon 8.
Walang paraan, eroplano, protocol, pag-verify ng tugma; ang modelo ay walang taros na nagsasabing "grown up" at kinukumpirma ang maling pag-unlad.
Napakahusay na prompt:
Ang iyong tungkulin: ASSISTANT sa pagsubaybay sa paghahambing. Paggawa ng desisyon; Gumawa ng checklist ng pag-verify. Ibibigay ko sa iyo ang sukat at konteksto mula sa dalawang pag-aaral. Itanong at markahan ang sumusunod: (1) wasto ba ang lesion matching anatomically, (2) ang measurement ba ay parehong method/plane, (3) pareho ba ang protocol/section thickness, (4) may bagong lesyon ba, (5) ang pagbabago sa itaas ng measurement margin of error. Kung mayroon mang nag-aalinlangan, magbigay ng babala na "kailangan ng pare-parehong pagsukat para sa pagpapasya sa pagbabago." Nasa radiologist ang desisyon. Nakaraan: 5 mm, axial, manual, 5 mm na seksyon. Bago: 8 mm, axial, awtomatiko, 1 mm na seksyon.
Napakahusay na mga prompt na query na tumutugma, pamamaraan, at pagkakapare-pareho ng protocol; Ang desisyon ay nananatili sa radiologist.
Nakokopya na mga template ng prompt
TRACKING VERIFICATION TEMPLATEAng iyong tungkulin: ASSISTANT sa pagsubaybay sa paghahambing. Bibigyan kita ng dalawang sukat at konteksto ng pagsusuri. Suriin ang katumpakan ng pagtutugma ng lesyon, pagkakapare-pareho ng pamamaraan/plano/protokol, pagkakaroon ng mga bagong sugat, at kung ang pagbabago ay nasa margin ng error sa pagsukat. Magrekomenda ng pare-parehong muling pagsukat ng bawat kaduda-dudang item. Nasa radiologist ang desisyon. Data: [sumulat]
Ibibigay sa iyo ng RECIST CHECK TEMPLATEI ang mga target na lesyon, ang kanilang mga diameter at petsa. Sa mga tuntunin ng RECIST: kalkulahin ang kaangkupan ng pagpili ng target na lesyon, kabuuan ng diameter, pagbabago ng porsyento at posibleng kategorya ng pagtugon bilang DRAFT; Lagyan din ng tsek ang tanong na "Mayroon bang mga bagong sugat?" Ang huling kategorya ng sagot ay ang radiologist. Data: [sumulat]
MISMATCH AUDIT TEMPLATERIpaalala sa akin ang mga puntong kailangan kong suriin kapag nag-audit ng awtomatikong pagtutugma ng lesyon: pareho ba ang anatomical na lokasyon, may kalituhan ba sa kalapit na sugat, talagang nasusukat ba ang sugat na ito sa nakaraang pagsusuri. Gumawa ng maikling checklist.
PEKENG PROGRESSION IDENTIFICATION TEMPLATE Bibigyan kita ng alertong "paglago/pag-unlad" at impormasyon ng protocol para sa dalawang pagsusuri. Suriin kung totoo ang pagbabagong ito o maaaring dahil sa pagkakaiba ng pamamaraan/plane/protocol/contrast phase at magrekomenda ng pag-verify na dapat gawin bago baguhin ang paggamot. Nasa radiologist ang desisyon. Data: [sumulat]
Mga karaniwang pagkakamali
- Pagtanggap ng awtomatikong pagtutugma nang hindi sinusuri. Ang maling pagtutugma ng lesyon ay nagbubunga ng maling paglaki/pag-urong.
- Paghahambing ng iba't ibang mga protocol. Ang pagkakaiba sa kapal ng slice/contrast phase ay lumilikha ng maling pag-unlad.
- Awtomatikong baguhin ang paggamot gamit ang "pag-unlad". Ang kategorya ng pagtugon ay nangangailangan ng pag-verify ng radiologist.
- Nilaktawan ang bagong pagsusuri sa sugat. Sa RECIST, ang isang bagong sugat mismo ay maaaring mangahulugan ng pag-unlad.
- Hindi ipagpalagay na ang pagbabago ay nasa margin ng error sa pagsukat. Maaaring hindi tunay na pagbabago ang maliliit na pagkakaiba.
Tip: Sa bawat follow-up na paghahambing, magtanong ng dalawang tanong nang sabay-sabay: "Inihahambing ko ba ang tamang sugat?" at "Nasusukat ba ito sa ilalim ng parehong mga kondisyon?" Kung alinman ay hindi oo, ang pagbabagong nakikita mo ay maaaring hindi totoo ngunit isang sukatan/tugmang ilusyon.
Sa buod
Ang paghahambing na pagbabasa at pagsubaybay ay nagdaragdag sa kahulugan ng isang imahe sa mga nakaraang pag-aaral; Ito ay isa sa mga pinakamahalagang trabaho sa radiology. Ang artificial intelligence ay nakakatipid ng oras sa pamamagitan ng awtomatikong pag-align sa nakaraang pagsusuri, pagtutugma ng lesyon at pagsukat ng pagbabago; Maaari nitong kalkulahin ang kabuuan ng target na sugat sa mga balangkas tulad ng RECIST. Ngunit may tatlong pangunahing pitfalls: hindi tamang pagtutugma ng lesyon, iba't ibang protocol, at pagkakaiba sa pamamaraan—na lahat ay maaaring magbunga ng huwad na paglaki o pag-unlad. Sinusuri ng radiologist ang tugma, tinitiyak na ang mga sukat ay ginawa sa ilalim ng parehong mga kundisyon, sinusuri ang bagong sugat, at itinalaga mismo ang kategorya ng pagtugon. Ang isang awtomatikong "pag-unlad" ay dapat ma-verify bago baguhin ang paggamot; Ang huling pagsusuri ay ang radiologist.
Gawain ng aplikasyon
Bumuo ng isang follow-up na kaso (halimbawa, isang pasyente ng oncology, dalawang pagsusuri). Suriin ang tugma, paraan at pagkakapare-pareho ng protocol gamit ang template na "Pag-verify ng Pagsubaybay." Pagkatapos ay magdagdag ng intentional decoy — isa para sa ibang kapal ng slice, isa para sa mismatch ng mga sugat — at subukan kung ang template na "Distinguish Spurious Progression" ay nakakakuha sa kanila. Kung gumagamit ka ng RECIST, kalkulahin ang kabuuang target na lesyon gamit ang template na "RECIST Control" at idagdag ang bagong lesion control.
checklist
- [ ] Sinuri ko ang awtomatikong pagtutugma ng lesyon ayon sa anatomical na lokasyon.
- [ ] Kinumpirma ko na ang mga sukat ay ginawa gamit ang parehong paraan at eroplano.
- [ ] Sinuri ko ang protocol/slice thickness/contrast phase consistency.
- [ ] Sinuri ko rin kung may bagong sugat.
- [ ] Kinumpirma ko na ang pagbabago ay nasa itaas ng margin ng error sa pagsukat.
- [ ] Na-verify ko ang awtomatikong "pag-unlad" na output bago ang pagbabago ng paggamot.
- [ ] Ibinigay ko ang kategorya ng tugon (RECIST); Hindi ko ito inilipat sa modelo.