Lợi nhuận:
- Khả năng tạo quy trình làm việc trí tuệ nhân tạo trong việc loại bỏ hiện vật, phát hiện sự kiện và trích xuất tính năng trong bản ghi EEG
- Khả năng nhận biết tác động của tỷ lệ tín hiệu trên nhiễu thấp của EEG và độ biến thiên cao trong quá trình xác minh
- Khả năng giải thích rằng đầu ra tín hiệu thần kinh AI cần được kiểm tra với sự chấp thuận của nhà sinh lý học thần kinh lâm sàng
Điện não đồ (EEG; điện não đồ tiếng Anh) là ghi lại hoạt động điện của não bằng các điện cực đặt trên da đầu. EEG được sử dụng trong nhiều lĩnh vực, từ chẩn đoán bệnh động kinh đến phân chia giai đoạn giấc ngủ, từ theo dõi chăm sóc đặc biệt đến giao diện não-máy tính. Nhưng đó là một tín hiệu khó khăn hơn nhiều so với ECG: biên độ của nó ở mức microvolt (một phần triệu volt), nghĩa là nó gần như nhỏ bằng nhiễu. Tỷ lệ tín hiệu trên nhiễu thấp này (viết tắt là SNR; cường độ tương đối của tín hiệu hữu ích với nhiễu) khiến EEG vừa hấp dẫn vừa nguy hiểm đối với trí tuệ nhân tạo. Trong phần này, chúng ta sẽ thấy quy trình làm việc của EEG, vấn đề về tạo tác và lý do tại sao sự chấp thuận của bác sĩ sinh lý thần kinh là không thể thiếu.
Hãy nêu rõ ngay từ đầu: mô hình điện não đồ có thể cho biết "có thể xảy ra động kinh"; Nhưng việc chẩn đoán bệnh động kinh và giải thích cơn động kinh thuộc về nhà sinh lý học thần kinh lâm sàng. Trí tuệ nhân tạo không chẩn đoán được.
Chuỗi xử lý EEG
Bước 1 - Đăng ký và lắp ráp. Điện não đồ có nhiều kênh (thường là 19-256 điện cực). Việc đặt các điện cực được thực hiện theo trình tự tiêu chuẩn quốc tế (hệ thống 10-20). Tín hiệu được đọc liên quan đến điện cực tham chiếu; Lựa chọn gắn kết ảnh hưởng đến việc giải thích.
Bước 2 - Trích xuất hiện vật. Nguồn gây ô nhiễm EEG rất phong phú: chớp mắt và chuyển động của mắt, hoạt động của cơ (đặc biệt là hàm và cổ), nhịp tim, đổ mồ hôi, tiếp xúc với điện cực và nhiễu lưới. Những hiện vật này có thể bắt chước sóng não thật. Trí tuệ nhân tạo giúp dọn dẹp các phân đoạn giả tạo thông qua các phương pháp như gắn cờ và phân tích thành phần độc lập.
Bước 3 - Trích xuất tính năng. Điện não đồ thường được chia thành các dải tần số: delta (ngủ chậm, sâu), theta, alpha (nghỉ ngơi), beta (tỉnh táo) và gamma. Điểm mạnh của băng tần, thước đo kết nối và phản hồi liên quan đến sự kiện được sử dụng làm tính năng.
Bước 4 - Phát hiện/phân loại sự cố. Mô hình gợi ý các sự kiện như hoạt động co giật, phóng sóng tăng đột biến hoặc giai đoạn ngủ. Đầu ra là các nhãn và thẻ được đánh dấu thời gian.
Bước 5 - Đánh giá của chuyên gia. Các dấu hiệu được trình bày cho nhà sinh lý học thần kinh lâm sàng; Chuyên gia xác nhận, sửa chữa hoặc bác bỏ. Bình luận là dành cho các chuyên gia.
Tại sao việc xác minh EEG lại khó khăn đến vậy?
Ba lý do khiến EEG đặc biệt dễ vỡ. Đầu tiên, SNR thấp: tín hiệu thực bị ẩn trong nhiễu, mô hình có thể dễ dàng nhầm nhiễu với một mẫu. Thứ hai, độ biến thiên cao: ngay cả điện não đồ của cùng một người cũng thay đổi theo mức độ tỉnh táo, thuốc men và độ tuổi; Sự khác biệt giữa các cá nhân thậm chí còn lớn hơn. Thứ ba, sự không chắc chắn về tham chiếu: ngay cả các chuyên gia cũng không phải lúc nào cũng đồng ý về việc đánh dấu các sự kiện như “tiêu chuẩn vàng” như động kinh (sự biến thiên của các máy chủ liên quan). Khi cả ba điều này được kết hợp lại, một mẫu EEG trông rất ấn tượng trong phòng thí nghiệm sẽ dễ dàng bị phá hủy trong phòng khám thực tế.
Ba trường hợp nhỏ: Bằng những con số
Trường hợp 1 - Nháy mắt giống như một cơn động kinh. Một mô hình phát hiện cơn động kinh đã nhầm lẫn nhịp chớp mắt nhịp nhàng với các xung và sóng ở vùng trán ở một bệnh nhân trẻ em, tạo ra một số tín hiệu sai mỗi phút. Chuyên gia nhận thấy các dấu vết chồng lên ống mắt và tách hiện vật ra. Mô hình đưa ra dấu hiệu, chuyên gia rút ra hiện thực.
Trường hợp 2 - Tiết kiệm thời gian trong việc dàn dựng giấc ngủ. Phòng thí nghiệm về giấc ngủ ghi lại các giai đoạn ghi âm theo cách thủ công theo từng đoạn 30 giây suốt đêm; Khoảng 2 giờ cho mỗi lần ghi âm. Giai đoạn trước AI giảm thời gian này xuống còn 35 phút; kỹ thuật viên chỉ kiểm tra các lát cắt và chuyển tiếp mà mô hình không rõ ràng. Chuyên gia đã phê duyệt báo cáo giai đoạn cuối cùng.
Trường hợp 3 - Từ chối xác nhận bên ngoài. Một mô hình phát hiện cơn động kinh cho thấy độ nhạy 90% tại trung tâm nơi nó được phát triển; Tỷ lệ này giảm xuống còn 68% trong dữ liệu được thu thập bởi một bệnh viện khác bằng điện cực và thiết bị ghi âm khác. Số lượng điện cực, tốc độ lấy mẫu và hồ sơ bệnh nhân khác nhau. Mô hình không thể được coi là đáng tin cậy cho đến khi nó được xác nhận lại trong từng môi trường mà nó sẽ được sử dụng.
Nhắc yếu / Nhắc mạnh
Lưu ý: Những lời nhắc sau đây hữu ích trong việc chỉnh sửa văn bản tính năng/báo cáo EEG; Giải thích EEG thô là công việc của phần mềm và nhà sinh lý học thần kinh đã được xác minh.
Dấu nhắc yếu:
Có bệnh động kinh trong điện não đồ này không? [tính năng]
Lời nhắc mạnh mẽ:
Vai trò của bạn: Bạn là trợ lý phân tích tín hiệu thần kinh (BẠN KHÔNG CHẨN ĐOÁN). Đánh giá các tính năng tóm tắt EEG ẩn danh sau: - Lập bảng cường độ băng tần và tín hiệu sự kiện, giải thích chúng nhưng không chẩn đoán. - Đối với mỗi dấu hiệu sự kiện, "có thể có hiện vật?" thêm cột (mắt/cơ/lưới).- Viết những chỗ mơ hồ rõ ràng; thêm cảnh báo SNR thấp.- Cuối cùng liệt kê 3 điểm mà nhà sinh lý học thần kinh cần xác nhận trong bản ghi thô. Tính năng ẩn danh: [cường độ băng tần, dấu thời gian sự kiện, thông tin kênh]
Bốn mẫu có thể sao chép
1) Tóm tắt cường độ băng tần:
Lập bảng các cường độ của dải EEG sau đây (delta, theta, alpha, beta) và đánh giá tính hợp lý của chúng với trạng thái tỉnh táo. Đừng chẩn đoán. Dữ liệu: [giá trị]
2) Kiểm tra khả năng tạo tác:
Đối với mỗi dấu hiệu xuất hiện này, hãy đánh dấu khả năng xảy ra hiện tượng mắt/cơ/mạng là thấp/trung bình/cao và viết cơ sở lý luận của bạn. Dấu hiệu: [danh sách]
3) QC phân chia giai đoạn giấc ngủ:
Đánh dấu các chuyển đổi đột ngột/không thể xảy ra (ví dụ: chuyển từ giấc ngủ REM sang giấc ngủ sâu) trong đầu ra phân giai đoạn giấc ngủ AI bên dưới; Liệt kê các lát yêu cầu kỹ thuật viên kiểm soát. Đầu ra: [dàn dựng]
4) Kế hoạch xác minh bên ngoài:
Viết bản dự thảo kế hoạch xác thực bên ngoài cho mô hình phát hiện sự kiện EEG: số lượng thiết bị/điện cực khác nhau, thỏa thuận giữa các máy chủ (kappa), SNR và kiểm tra giả. Đánh dấu các điểm xác nhận riêng lẻ.
Vai trò của người mẫu: Theo loại nhiệm vụ
Loại nhiệm vụ
Đóng góp của AI
sự quan trọng
xác minh
Đánh dấu hiện vật
cao
thấp
Đánh giá của chuyên gia
Trích xuất dải/tính năng
cao
trung bình
tính hợp lý về mặt sinh lý
Công việc sơ bộ dàn dựng giấc ngủ
cao
trung bình
Sự chấp thuận của chuyên gia
Phát hiện trước cơn động kinh
trung bình
cao
Nhà sinh lý học thần kinh + ghi âm thô
quyết định chẩn đoán
hạn chế
rất cao
Sự chấp thuận đầy đủ của chuyên gia
Mẹo: Trước khi dựa vào dấu hiệu mẫu trong điện não đồ, hãy kiểm tra sự chồng chéo tạm thời của tín hiệu đó với các kênh mắt và cơ. Phần lớn hoạt động có vẻ giống như một cơn động kinh thực ra là do sinh học tạo ra.
Thận trọng: Khi các mô hình EEG được huấn luyện dựa trên dữ liệu được thu thập từ một số ít bệnh nhân, chúng sẽ khớp quá mức (ghi nhớ) các mẫu cụ thể của từng cá nhân và bị lỗi ở những bệnh nhân mới. Hiệu suất xét nghiệm cao không đảm bảo cho thành công lâm sàng thực sự; xác nhận bên ngoài là cần thiết.
Những lỗi thường gặp
- Nhầm hiện tượng này với tín hiệu não. Nháy mắt và hoạt động cơ bắp giống như một cơn động kinh; Cần kiểm tra sự chồng chéo kênh.
- Bỏ qua SNR thấp. Tín hiệu yếu trong nhiễu dễ gây nhầm lẫn cho mô hình.
- Xác minh tại một trung tâm. Bố trí thiết bị và điện cực khác nhau làm giảm hiệu suất.
- Bỏ qua sự thay đổi của interobserver. Số liệu mô hình sẽ gây hiểu nhầm nếu bản thân tài liệu tham khảo không rõ ràng.
- Loại bỏ chuyên gia. Dấu hiệu là sự hỗ trợ; Việc giải thích cơn động kinh và chẩn đoán thuộc về chuyên gia.
Tóm lại
- EEG là tín hiệu đa kênh, microvolt có SNR thấp; Nó cực kỳ dễ bị ảnh hưởng bởi hiện vật.
- Quy trình công việc bao gồm lắp ráp, trích xuất tạo tác, trích xuất tính năng và phát hiện sự kiện.
- SNR thấp, độ biến thiên cao và độ không đảm bảo tham chiếu khiến việc xác minh trở nên đặc biệt khó khăn.
- Các mô hình phải được xác nhận lại trong từng thiết bị và nhóm người mà chúng sẽ được sử dụng.
- Việc giải thích cơn động kinh và chẩn đoán thuộc về nhà sinh lý học thần kinh lâm sàng; AI không chẩn đoán.
Nhiệm vụ ứng dụng
Chọn một kịch bản phát hiện sự kiện EEG giả định (ví dụ: phát hiện trước cơn động kinh). Liệt kê năm chữ ký sự kiện mà mô hình tạo ra và hỏi từng chữ ký, "đây có phải là một tạo tác không?" điền vào cột (mắt/cơ/lưới/thực). Sau đó viết ba mục của kế hoạch xác nhận bên ngoài cho mô hình này và đánh dấu rõ ràng thời điểm mà chuyên gia đưa ra quyết định cuối cùng.
danh sách kiểm tra
- [ ] Tôi biết rằng EEG là tín hiệu có SNR thấp, đa kênh và dễ bị giả.
- [ ] Tôi đã hiểu các bước lắp ráp, trích xuất tạo tác, phát hiện tính năng và sự kiện của quy trình làm việc.
- [ ] Tôi có thể thấy rằng các tạo phẩm bắt chước các sự kiện và áp dụng khả năng kiểm soát chồng chéo kênh.
- [ ] Tôi hiểu tại sao việc xác thực bên ngoài là cần thiết và tôi hiểu tính biến đổi của máy chủ liên quan.
- [ ] Tôi đã hiểu rằng việc giải thích các cơn động kinh và chẩn đoán vẫn thuộc về bác sĩ chuyên khoa.