Прибуток:
- Зрозумійте, як працює попередня класифікація зображень за допомогою штучного інтелекту (периферичний мазок, осад сечі, колонії) і що вона прискорює
- Можливість використовувати попередню класифікацію штучного інтелекту лише як скринінг і залишити діагностику аномальних і критичних клітин/мікроорганізмів для експертної перевірки
- Здатність розпізнавати межі моделей зображень (рідкісні клітини, артефакти, якість фарбування, зміщення розподілу) і керувати ризиком помилкових негативів
Мікроскоп є найстарішим, але все ще найпотужнішим інструментом медичної лабораторії. Форма клітин у мазку крові, кристали в осаді сечі, колір і розташування бактерій у фарбі за Грамом — усе це візерунки, які треноване око може прочитати за секунди, але для початку потрібні роки досвіду. Останніми роками аналіз зображень за допомогою штучного інтелекту увійшов у цей мікроскопічний світ: він автоматично попередньо класифікує цифрові відскановані препарати, усуваючи ті, які виглядають нормальними, і спрямовуючи увагу спеціаліста на ділянки, які насправді потребують дослідження. Це величезний приріст швидкості, але це також одна з областей, де потрібно провести найретельніші межі, тому що хибний негативний результат (відсутність справжньої аномалії) означає, що прямий діагноз упущено.
Як працює попередня класифікація зображень за допомогою ШІ в цьому пристрої; периферичний мазок, осад сечі та як це використовується в мікробіології; і ми охопимо межі моделі (рідкісна клітина, артефакт, якість фарбування, зміщення розподілу). Основний принцип: попередня класифікація ШІ – це скринінг, а не діагностика; Діагностика та остаточне затвердження аномальних і критичних знахідок належить спеціалісту.
Як працює попередня класифікація зображень
ШІ-моделі зображень вчаться класифікувати клітинку або структуру, навчаючись на великій кількості позначених прикладів. У цифровому гематологічному аналізаторі пристрій сканує мазок крові, фіксує окремі клітини, і шаблон розміщує кожну в клас (нейтрофіли, лімфоцити, моноцити, еозинофіли, базофіли тощо). Експерту представлені попередньо класифіковані комірки як галерея; Експерт підтверджує, виправляє або перекласифікує. Так само аналізатори осаду сечі виявляють еритроцити, лейкоцити, епітелій, кристали і зліпки; Деякі мікробіологічні системи попередньо оцінюють кількість колоній і характер росту.
Вихідні дані моделі містять два компоненти: клас (ця клітина є нейтрофілом) і оцінку достовірності (наскільки вона впевнена в цій класифікації). Клітини з низькими оцінками достовірності або позначені як «атипові/неідентифіковані» обов’язково слід направити до спеціаліста. Зверніть увагу, що модель може неправильно класифікувати комірку з високою впевненістю; оцінка довіри не є гарантією точності.
застосування
ШІ попередня робота
робота експерта
периферичний мазок
Попереднє сортування комірок, галерейне обслуговування
Аномальне/вибухове/атипове підтвердження, морфологічна інтерпретація
осад сечі
Попереднє розпізнавання та підрахунок елементів
Підтвердження кристалів/зліпків/патологічних клітин
Мікробіологія (колонія)
Підрахунок колоній, попередня оцінка росту
Розрізнення типу, клінічне значення
Кістковий мозок / патологія
Розмітка полів/комірок
Розшифровка діагнозу, погодження з лікарем
Чому модель є «скринінгом», а не діагнозом
Найцінніший внесок моделей зображень полягає в тому, що вони економлять час експерта, швидко передаючи нормальні та загальні шаблони. Але покладатися на модель для прийняття діагностичних рішень небезпечно з трьох причин:
- Рідкісні знахідки. Модель може не розпізнати рідкісну клітину (наприклад, бласт, паразит, атиповий лімфоцит), яку вона рідко бачить у навчальних даних. Найбільш критичні знахідки часто є найрідкіснішими; Ось де помилковий негатив найбільш небезпечний.
- Артефакт і живопис. Якість фарбування, товщина препарування та артефакти висихання можуть ввести модель в оману. У погано пофарбованому препараті модель можна сміливо неправильно класифікувати.
- Зсув розподілу. Якщо модель тренується з одним лабораторним пристроєм і протоколом фарбування, її ефективність може знизитися з іншим пристроєм/фарбуванням. Якщо ваша популяція відрізняється від популяції для навчання, модель працюватиме погано, ніж очікувалося.
Увага: «модель сказала, що це нормально, я не дивився» — найпоширеніший спосіб пропустити помилковий результат. Якщо є патологічна клінічна підозра (наприклад, попередній діагноз лейкемія), мазок досліджує фахівець, незалежно від того, що говорить модель.
Крок за кроком: безпечний процес попередньої оцінки зображень
- Перевірити якість фарбування та підготовки. Погана підготовка вводить в оману і модель, і око; передусім забезпечити якість.
- Отримайте попередню класифікацію моделі як галерею. Швидко переглядайте нормальні класи високого рівня безпеки.
- Спершу перевірте ті, які позначені як низька надійність і «нетипові». Якщо модель незрозуміла, рішення за вами.
- Тримайте клінічну підозру над моделлю. Виконайте повний ручний огляд випадку, де очікується відхилення від норми.
- Перевірте та повідомте про критичні висновки. Знахідки, такі як бласти, паразити та злоякісні клітини, підтверджуються експертом; При необхідності нею ділиться лікар.
Примітка. Окрім використання штучного інтелекту як компонента пристрою візуалізації в цьому пристрої, існує також обмеження при роботі з мовною моделлю: завантаження зображень препарування пацієнтів у загальнодоступний мовний інструмент є ризиком для конфіденційності, і покладатися на неперевірений інструмент для клінічної діагностики є неправильним. Діагностика зображень виконується за допомогою валідованих клінічних систем і експертних очей.
Слабка підказка / Сильна підказка
Наступне порівняння стосується використання ШІ як текстової підтримки (наприклад, для редагування морфологічної примітки або підготовки опису підручника); не для діагностичного зображення.
Слабка підказка:
Діагностуйте, що міститься в цьому мазку крові. [зображення]
Ця підказка запитує ШІ про діагноз; тоді як мовний інструмент не підтверджений для клінічної діагностики, а зображення пацієнта є ризикованим з точки зору конфіденційності. Це неправильне і небезпечне використання.
Потужна підказка:
Ваша роль: асистент, який готує текст тренінгу/доповіді для лаборанта. ДІАГНОСТИКА; Інтерпретація зображень – моя робота. Нижче я пишу власні морфологічні спостереження (анонімно); Перетворіть їх на акуратний проект звіту про мазок і позначте, який висновок потребує експертного підтвердження. Мої спостереження: переважання нейтрофілів, легкий зсув вліво, кілька атипових лімфоцитів [експертне підтвердження], враження токсичної зернистості. Не означає встановлення остаточного діагнозу.
Сильна воля зберігає діагноз у експерта, використовує AI лише для організації власних спостережень і позначає знахідку, яка потребує підтвердження.
три міні-чохла
Випадок 1 — Ефективне усунення. У гематологічній лабораторії цифровий аналізатор попередньо сортує 220 мазків крові на день. З них 150 мають цілком нормальні моделі та високі показники достовірності; Експерт швидко переглядає та затверджує їх через галерею. Решта 70 мазків (з низьким рівнем достовірності або з прапорцями) проходять повний ручний огляд. Результат: час спеціаліста зосереджено на справах, які дійсно потребують експертизи, загальний час значно скорочується. Модель вилучено, експерт оглянув.
Випадок 2 — врятований вибух. В одному випадку модель позначила кілька клітин як «атипові лімфоцити» з низькою достовірністю, але експерт швидко підтвердив і пропустив галерею через щільність. Надалі клінічний стан хворого погіршується; При повторному дослідженні мазка видно, що ці клітини насправді є бластами. Урок: клітинки, які модель позначає як «низька достовірність/нетипові», ніколи не перевіряються швидко; Там може бути захована найбільш критична знахідка. Помилковий результат – найдорожча помилка.
Випадок 3 — Артефакт фарбування. На аналізаторі осаду сечі малюнок відзначає численні «кристали» в погано забарвленому препараті. При огляді препарату експерт бачить, що це фарбувальні виділення (артефакти); Справжнього кристала немає. Препарат поновлено. Урок: модель може прийняти артефакт за справжню структуру; Якість приготування завжди перевіряється в першу чергу.
Шаблони підказок, які можна копіювати
ШАБЛОН ПРОЕКТУ МОРФОЛОГІЧНОГО ЗВІТУ Ваша роль: помічник, який перекладає морфологічні спостереження, написані мною (експертом), у організований проект звіту. Не ставте діагнозу. Викладіть мої спостереження нижче стандартною мовою звіту про розповсюдження; позначити невизначені/нетипові результати як «[експертне підтвердження]»; не означають встановлення остаточного діагнозу. Мої спостереження: [текст].
ШАБЛОН ПРАВИЛА ВИНЯТКУ З МОДЕЛІ ЗОБРАЖЕННЯ Напишіть як контрольний список для системи попереднього сортування зображень, які випадки ПОВИННІ пройти повну ручну перевірку: низька оцінка достовірності, мітка «нетиповий/неідентифікований», підозрювана клінічна аномалія, низька якість підготовки, кандидат на критичні знахідки. Додайте обґрунтування для кожного пункту.
ШАБЛОН КОНТРОЛЮ ЯКОСТІ ПРЕПАРАТУ Перелічіть елементи якості, які я б перевірив перед оцінкою препарату мазка/осаду: інтенсивність фарбування, дисперсія/товщина, артефакт, висихання, забруднення. Запропонуйте критерії «прийняти/переготувати» для кожного елемента.
ШАБЛОН ОПИСУ НАВЧАННЯ Ваша роль: асистент, який готує навчальний текст для лаборантів. Просто й точно поясніть це морфологічне поняття: [поняття]. Наведіть приклад, вкажіть різницю між подібними конструкціями, але підкресліть, що рішення про діагноз належить фахівцю. Завантаження зображення; Поясніть лише текстом.
Поширені помилки
- Помилково прийняти класифікацію моделі за розпізнавання. Попереднє сортування - це елімінація; Аномальна/критична знахідка підтверджується експертом.
- Швидко затверджуйте низькі безпечні/нетипові позначки. Найбільш критичні знахідки знаходяться саме там; Їх спочатку ретельно перевіряють.
- Пропуск якості підготовки. Погана картина моделі і обманює око; Якість на першому місці.
- Забувши про зміну розподілу. Модель, навчена іншим пристроєм/барвником, може погано працювати на ваших зразках.
- Завантаження зображення пацієнта в публічний інструмент. Ризик порушення конфіденційності та непідтвердженого діагнозу.
Порада: коли працюєте з моделлю зображення, нехай це буде вашим правилом: «Зазвичай модель може пришвидшити мене, але незвично вона ніколи мене не розслабить». Якщо є клінічні сумніви або картина нечітка, рішення приймає експерт за мікроскопом.
Підсумовуючи
Попередня оцінка зображень за допомогою штучного інтелекту усуває нормальні шаблони в мазках крові, осаді сечі та мікробіології, звільняючи час фахівця, щоб зосередитися на випадках, які дійсно потребують дослідження. Але модель є інструментом скринінгу, а не діагностики: вона може пропустити рідкісні знахідки, прийняти артефакти за справжні та послабити в різних популяціях. Діагностика та остаточне затвердження аномальних і критичних знахідок належить спеціалісту; спочатку досліджуються малонадійні та атипові маркери; Якість приготування завжди перевіряється в першу чергу. Оскільки хибний негатив є найдорожчою помилкою, клінічна підозра перевершує результат моделі.
Аплікаційне завдання
За допомогою шаблону «Правило винятку для моделі зображення» для системи попередньої класифікації зображень, яку ви використовуєте (або прикладу), перелічіть, які випадки обов’язково підуть на повну ручну перевірку. Потім перетворіть набір морфологічних спостережень у звичайний звіт за допомогою шаблону «Проект морфологічного звіту» та позначте висновки, які потребують підтвердження. Нарешті створіть контрольний список якості за допомогою шаблону «Контроль якості підготовки».
контрольний список
- [ ] Я використовував результати моделі як усунення, а не діагностику.
- [ ] Я спочатку ретельно перевірив ті, які позначені як безпечні/нетипові.
- [ ] Перш ніж оцінити, я перевірив якість препарату.
- [ ] У разі підозри на клінічну аномалію я провів повне ручне обстеження.
- [ ] Я не завантажував зображення пацієнтів у загальнодоступні інструменти.
- [ ] Я експертно підтвердив критичні висновки та за потреби поділився ними з лікарем.