Daromadlar:
- Butun slayd tasviri (WSI) ish oqimida hujayralarni hisoblash, segmentatsiyalash va baholash uchun AI qo'llab-quvvatlashini tushuntirish qobiliyati
- Bo'yash va skanerlash o'zgaruvchanligining model ishlashiga va domen almashinuviga ta'sirini tan olish qobiliyati
- Patologiyaning AI natijalarini mos yozuvlar standarti, namuna olish va patologning roziligi bilan tasdiqlash qobiliyati
Patologiya - to'qima namunasini mikroskop ostida tekshirish orqali kasallik aniqlanadigan tibbiyot sohasi; Ko'plab saraton tashxislarining "oltin standarti" bu erda amalga oshiriladi. Raqamli patologiya - bu yuqori aniqlikdagi skaner yordamida shisha slaydda bo'yalgan to'qimalar qismini raqamlashtirish. Olingan fayl butun slayd tasviri (qisqacha WSI) deb ataladi; Bitta slayd gigapikselli, ya'ni milliardlab pikselli ulkan tasvir bo'lishi mumkin. Sun'iy intellekt ushbu ulkan tasvirlarda hujayralarni hisoblash, hududlarni segmentatsiyalash va darajalashni qo'llab-quvvatlaydi. Ushbu bo'limda biz WSI ish jarayonini, uning eng katta texnik xatosini ko'rib chiqamiz: bo'yash/skanerlashning o'zgaruvchanligi va nima uchun patologning roziligi muhimligini ko'rib chiqamiz.
Keling, boshidan ta'kidlaymiz: sun'iy intellekt patologiyada hisoblagich, dastlabki skaner va ikkinchi ko'z bo'lishi mumkin; Ammo saraton tashxisi, bosqichlari va tasnifi patologga tegishli. Model tashxis qo'ymaydi.
WSI ish jarayonining bosqichlari
1-qadam - Skrining va sifat nazorati. Shisha slayd skanerdan o'tkaziladi; Defokus, katlama izlari va havo pufakchalari kabi nuqsonlar avtomatik ravishda aniqlanishi mumkin. Sifatsiz skanerlar modelga umuman kirmasligi kerak.
2-qadam - Plitka (yamoq) olib tashlash. Gigapikselli tasvirni bevosita qayta ishlash mumkin emas; kichik kvadratlarga bo'linadi (inglizcha yamoq, odatda 256x256 yoki 512x512 piksel). Model har bir plitkani alohida baholaydi, keyin natijalar birlashtiriladi.
3-qadam - To'qima/hujayra tahlili. Model; U o'simta joyini segmentatsiyasi, mitoz (hujayra bo'linishi) ni hisoblash, yadro zichligi yoki markerni hisoblash (masalan, Ki-67 bo'yash tezligi) kabi vazifalarni bajaradi. Chiqish raqamli o'lchov yoki issiqlik xaritasidir.
4-qadam - Konsolidatsiya va hisobot. Plitka natijalari slayd darajasida birlashtiriladi; Xulosa ishlab chiqariladi, masalan, "o'sma maydonining foizi" yoki "mitoz soni".
5-qadam - Patolog tomonidan baholash. Patolog mintaqalarni tekshiradi va model tomonidan belgilangan hisoblar; qabul qiladi, tuzatadi yoki rad etadi. Tashxis qo'yish va baholash patologga bog'liq.
Eng katta tuzoq: bo'yash va skanerlashning o'zgaruvchanligi
To'qimalarning bo'laklari odatda H&E (gematoksilin va eozin; yadrolarni ko'k-binafsha va sitoplazmani pushti rangga bo'yaydigan standart bo'yoq) bilan bo'yaladi. Ammo binoni intensivligi laboratoriya, dog 'to'plami, bo'lim qalinligi va skaner markasiga qarab sezilarli darajada farq qiladi. Inson ko'zi bu farqlarga osongina moslashadi; Model mos kelmasligi mumkin.
Agar model A laboratoriyasining pushti-binafsha ohanglari asosida o'rganilgan bo'lsa, uning ishlashi B laboratoriyasining ochroq yoki quyuqroq bo'yalishida pasayadi. Bu hodisa domen siljishi deb ataladi va raqamli patologiyada muvaffaqiyatsizlikning eng keng tarqalgan sababidir. Yechim yondashuvlari: ranglarni normallashtirish (tasvirlarni umumiy rang maydoniga ko'chirish), ko'p markazli o'quv ma'lumotlari va eng muhimi - har bir laboratoriyada tashqi tekshirish.
Uchta mini holat: raqamlar bo'yicha
1-holat - Mitotik sondagi izchillik. Ko'krak bezi saratonini baholashda mitozni hisoblash muhim, ammo mashaqqatli va kuzatuvchidan kuzatuvchiga o'zgaruvchan. Bir laboratoriyada AI yordamida dastlabki hisoblash, ikki patolog o'rtasidagi kelishuv (kappa) 0,55 dan 0,71 gacha ko'tarildi va har bir slaydni hisoblash vaqti 4 daqiqadan 1,5 daqiqaga kamaydi. Biroq, har bir yakuniy hisob patolog tomonidan tasdiqlangan; Model taklif qildi, patolog qaror qildi.
2-holat - Dala siljishi zarbasi. O'simta segmentatsiyasi modelini ishlab chiqqan laboratoriyada u vaqtning 93 foizida to'g'ri ishlagan. Xuddi shu model boshqa skaner va bo'yoq yordamida hamkor laboratoriyada o'simta maydonini muntazam ravishda 20% ga oshirib yubordi. Rangni normallashtirish va ushbu laboratoriyadan 200 ta slaydni qayta tekshirishdan so'ng, farq maqbul darajaga kamaydi.
3-holat - Namuna xatosi. Bir model slaydda o'simta "yo'q" deb aytdi; ammo, model faqat skanerlangan maydonni baholadi va o'simta namunasiz bo'limda edi. Patologiya diagnostikasi slaydni tanlash va namuna olish kabi yaxshi; AI "salbiy" chiqishi kam namuna olish uchun kompensatsiya qilmaydi. Shuning uchun AIning salbiy natijasi hech qachon "kasallik yo'q" degani emas.
Zaif taklif / Kuchli taklif
Eslatma: Quyidagi takliflar patologiya hisoboti va ish jarayoni matnini sozlash uchundir; To'qimalarning tasvirini tashxislash - bu tasdiqlangan dasturiy ta'minot va patologlarning ishi.
Zaif taklif:
Ushbu patologiya hisobotiga ko'ra, saraton bormi? [hisobot]
Kuchli so'rov:
Sizning rolingiz: Siz patologiya hisobotini tuzish bo'yicha yordamchisiz (SIZ tashhis EMAS). Quyidagi anonim patologiya hisobotini tuzing: - Namuna turi, bo'yalishi, o'simta turi/darajasi, jarrohlik chegarasi, markerlarni jadvalga kiriting.- Noaniq so'zlarni ("atipik, klinik korrelyatsiya tavsiya etiladi") saqlanib qoling.- Matnda bo'lmagan topilmalarni qo'shmang; etishmayotgan maydonga "aniqlanmagan" deb yozing.- Nihoyat, patologoanatom tasdiqlashi kerak bo'lgan 3 nuqtani sanab o'ting.Anonim hisobot:[matn]
To'rt nusxa ko'chirish shablonlari
1) Hisobotni standartlashtirish:
Quyidagi anonim patologiya hisobotini tuzilgan maydonlarga (organ, tashxis, daraja, chegara, marker foizlari) ajrating. Matnga yopishib oling. Hisobot: [matn]
2) Tokenning mustahkamligini tekshirish:
Ushbu hisobotda keltirilgan barcha foiz va raqamli belgilarni (Ki-67, ER, PR, HER2) sanab o'ting; Bir-biriga yoki tashxisga zid bo'lgan qiymatlarni belgilang. Hisobot: [matn]
3) Modelni tekshirish rejasi (raqamli patologiya):
WSI segmentatsiyasi modeli uchun tasdiqlash rejasi loyihasini yozing: rangni normallashtirish, ko'p markazli tashqi tekshirish, patolog bilan kelishuv (kappa), maydonni almashtirish testi. Patologning tekshiruv nuqtalarini alohida belgilang.
4) Namuna olish to'g'risida ogohlantirish qo'shish:
Quyidagi salbiy AI natijasiga "namuna olish cheklangan bo'lishi mumkin, salbiy natija kasallikni istisno qilmaydi" degan ogohlantirishni va patolog tomonidan tasdiqlash talabini qo'shing. Chiqish: [matn]
Modelning roli: Vazifa turi bo'yicha
Vazifa turi
AI hissasi
tanqidiylik
tekshirish
O'simta mintaqasining segmentatsiyasi
yuqori
yuqori
Patolog + tashqi tekshirish
Mitoz/hujayra soni
yuqori
yuqori
Patolog tomonidan tasdiqlanishi
Marker foizi (Ki-67)
yuqori
o'rta
Malumot taqqoslash
Sifat nazorati (fokus/nuqson)
yuqori
past
joyni tekshirish
Hisobot konfiguratsiyasi (matn)
yuqori
past
Patolog tomonidan tasdiqlanishi
Maslahat: Raqamli patologiya bo'yicha namunaviy taklifni baholashda har doim so'rang: "Ushbu model qaysi laboratoriyalarning dog'lari va skanerlarida o'qitilgan va u mening laboratoriyamda tasdiqlanganmi?" Agar javob "yo'q" bo'lsa, ishlash ko'rsatkichlari hali sizga tegishli emas.
E'tibor bering: AI "o'simta yo'q" degani, namuna olinmagan to'qimalarda o'simta yo'q degani emas. Patologiyada salbiy natija namuna olish sifati bilan cheklanadi; naqsh bu chegaradan oshib keta olmaydi va salbiy natija diagnostika kafolati emas.
Umumiy xatolar
- Rang/bo'yoq o'zgaruvchanligini kam baholash. Dala drifti raqamli patologiyada muvaffaqiyatsizlikning eng keng tarqalgan sababidir.
- Bir markazda mashq qiling va hamma joyda foydalaning. Turli xil brauzer va ranglar jim ishlashning pasayishiga olib keladi.
- Kafolat uchun salbiy natijani xato qilish. Namuna olish chegarasi model tomonidan qoplanishi mumkin emas.
- Kuzatuvchilararo o'zgaruvchanlikka e'tibor bermaslik. Agar mos yozuvlar standartining o'zi o'zgaruvchan bo'lsa, model mos ravishda baholanishi kerak.
- Patologni yo'q qilish. Hisoblash va segmentatsiya qo'llab-quvvatlanadi; Tashxis qo'yish va baholash patolog bilan bog'liq.
Xulosa
- Raqamli patologiya gigapikselli WSI tasvirlarini plitkalarga bo'lish orqali tahlil qiladi; AI hujayralarni hisoblash va segmentatsiyani qo'llab-quvvatlaydi.
- Eng katta texnik tuzoq - bu bo'yash/skanerlash o'zgaruvchanligi tufayli dala siljishi; rangni normallashtirish va tashqi tekshirish muhim ahamiyatga ega.
- Salbiy AI natijasi namuna olish chegarasi bilan cheklangan va diagnostika kafolatini bermaydi.
- Malumot standarti va kuzatuvchilararo o'zgaruvchanlik modelni baholash uchun kontekstdir.
- Tashxis qo'yish, bosqichma-bosqich va tasniflash patologning zimmasidadir; AI tashxis qo'ymaydi.
Ilova vazifasi
Gipotetik raqamli patologiya modelini tanlang (masalan, Ki-67 foizni hisoblash). Ushbu model uchun tashqi tekshirish rejasini yozing: qaysi laboratoriyadan qancha slaydlar, qanday rangni normallashtirish, patologning kelishuvini qanday o'lchashingiz va dala driftini qanday sinab ko'rishingiz. Keyin bitta jumlada modelning salbiy/ijobiy chiqishiga qo'shilishi kerak bo'lgan cheklash ogohlantirishini yozing.
nazorat ro'yxati
- [ ] Men WSI ish jarayonini skanerlash, plitka qoʻyish, tahlil qilish va birlashtirish bosqichlarini bilaman.
- [ ] Men boʻyoq/skanerlash oʻzgaruvchanligi qanday qilib dala siljishiga olib kelishini va u qanday boshqarilishini tushunaman.
- [ ] Men salbiy AI natijasi namuna olish chegarasi bilan cheklanganligini tushunaman.
- [ ] Men tashqi tekshirish va patolog kelishuvi (kappa) tushunchalaridan foydalanishim mumkin.
- [ ] Men diagnostika va baholash qarori patolog tomonidan qolishi mumkinligini ichkariga oldim.