Lợi nhuận:
- Khả năng giải thích chức năng của các công cụ quét được AI hỗ trợ, những phát hiện mà chúng đánh dấu và những giới hạn mà chúng có trong chụp X quang toàn cảnh và quanh chóp.
- Khả năng thiết lập quy trình làm việc trong đó việc đánh giá trước AI được sử dụng như 'con mắt thứ hai' và bác sĩ đưa ra giải thích X quang cuối cùng cùng với khám lâm sàng
- Khả năng nhận biết chất lượng hình ảnh, hiện tượng giả và lỗi định vị làm giảm chất lượng đầu ra AI và loại bỏ đầu ra không đáng tin cậy như thế nào
Chụp X quang là con mắt của nha khoa. Chụp X quang toàn cảnh (X-quang cho thấy tất cả răng, hàm và các cấu trúc xung quanh trên một phim rộng) để sàng lọc tổng quát; Chụp X quang quanh chóp (phim nhỏ thể hiện chi tiết một số răng cho đến chóp chân răng) được sử dụng để đánh giá chính xác. Trong những năm gần đây, các công cụ AI tự động quét những hình ảnh này đã trở nên phổ biến. Những công cụ này có thể đánh dấu sâu răng, tiêu xương, tổn thương quanh chóp (vùng viêm ở chóp chân răng), răng bị ảnh hưởng và một số cấu trúc giải phẫu. Trong phần này, chúng ta sẽ xem từng bước những công cụ này làm được gì, không thể làm gì và làm thế nào để định vị chúng như một "con mắt thứ hai" an toàn trong phòng khám.
Hãy làm rõ ngay từ đầu: Công cụ chụp X quang AI là một công cụ sàng lọc và thu hút sự chú ý. Việc giải thích X quang cuối cùng được thực hiện bởi bác sĩ kết hợp với khám lâm sàng và bệnh sử của bệnh nhân. Cho dù công cụ này có báo cáo phát hiện hay không thì trách nhiệm thuộc về bác sĩ.
Công cụ chụp X quang AI hoạt động như thế nào?
Những công cụ này là những mô hình được đào tạo trên hàng nghìn bức ảnh chụp X quang được dán nhãn trước đó. “Được gắn thẻ” có nghĩa là các chuyên gia đánh dấu nơi có vết bầm tím và nơi có tổn thương trong mỗi hình ảnh. Mô hình học các mẫu từ những ví dụ này và tìm kiếm các mẫu tương tự trong một hình ảnh mới. Đầu ra thường như thế này:
- Các khu vực đáng ngờ được đánh dấu bằng hộp hoặc bản đồ nhiệt (màu đánh dấu) trên hình ảnh.
- Điểm tin cậy (một con số cho biết mức độ "tin cậy" của mô hình, ví dụ: 0-100%) cho từng khu vực.
- Đôi khi đánh số răng và tìm loại răng (sâu răng, tổn thương chóp, mức độ xương, v.v.).
Mẹo: Điểm tin cậy là ước tính xác suất, không phải bằng chứng. Điểm 92% không có nghĩa là "có lỗ hổng", mà có nghĩa là "hình ảnh này giống 92% với các lỗ hổng trong dữ liệu huấn luyện". Sự khác biệt là rất quan trọng.
Quy trình làm việc an toàn từng bước
- Kiểm tra chất lượng hình ảnh đầu tiên. Đầu ra AI không đáng tin cậy nếu định vị, chuyển động, bóng ma hoặc thiếu sáng không chính xác.
- Hãy tự đọc. Tự mình giải thích hình ảnh trước khi nhìn vào AI; vì vậy AI không dẫn dắt bạn ("thiên vị tự động hóa" - tin tưởng mù quáng vào công cụ).
- So sánh các dấu hiệu AI. So khớp cách đọc của riêng bạn về các khu vực mà AI đã đánh dấu và không đánh dấu.
- Giải quyết mâu thuẫn. Nếu AI đánh dấu mà bạn không nhìn thấy hoặc ngược lại, hãy kiểm tra lại khu vực đó; Chụp thêm hình ảnh nếu cần thiết.
- Tương quan với phòng khám. Tích hợp kết quả chụp X quang với khám trong miệng, triệu chứng và bệnh sử.
- Viết nhận xét cuối cùng như một bác sĩ. Lưu ý trong báo cáo rằng AI được sử dụng như “con mắt thứ hai”, quyết định thuộc về bác sĩ.
Điểm mạnh và điểm yếu của AI
Chủ đề
AI có mạnh không?
ghi chú
Quét nhanh số lượng lớn hình ảnh
Có
Giảm nhìn, thu hút sự chú ý
Đánh dấu sâu răng kẽ (giữa các răng)
một phần
Có thể bỏ sót tổn thương sớm
Đo mức độ xương
một phần
Tham khảo và hiệu chuẩn là quan trọng
Bình luận về hình ảnh chất lượng thấp
không
Hiện vật đánh lừa
bệnh lý hiếm gặp
không
Nó có thể hiếm khi được nhìn thấy trong dữ liệu huấn luyện
Kết hợp bối cảnh lâm sàng
không
Chỉ có bác sĩ mới làm được điều này
Thận trọng: AI không đáng tin cậy trong các tình huống không giống với dữ liệu mà nó đã được đào tạo. Khi có một u nang hiếm gặp, tổn thương không điển hình hoặc giải phẫu bất thường, công cụ có thể giữ im lặng hoặc gắn cờ không chính xác.
Trường hợp nhỏ 1: Con mắt thứ hai nắm bắt được điều bị bỏ qua
Vào cuối một ngày bận rộn, bác sĩ nhanh chóng đánh giá kết quả chụp X quang toàn cảnh. Công cụ AI đánh dấu vùng thấu quang (vùng có thể có bệnh lý xuất hiện tối trên phim X-quang) ở vùng răng hàm thứ ba (răng khôn) mà bác sĩ không để ý. Bác sĩ quay lại và kiểm tra nó, đối chiếu nó với phim lâm sàng và phim quanh chóp, bao gồm u nang (túi chứa đầy chất lỏng xung quanh răng bị ảnh hưởng) trong chẩn đoán phân biệt và hướng dẫn đánh giá thêm. Giá trị của AI ở đây là nó làm giảm những sai sót liên quan đến mệt mỏi.
Trường hợp nhỏ 2: Định vị sai dấu sai
Một bệnh nhân đưa cằm về phía trước quá xa trong ảnh chụp toàn cảnh; Răng cửa bị mờ. Công cụ AI đưa ra ba cờ “rot” riêng biệt trong vùng mờ này, với điểm tin cậy là 70-85%. Bác sĩ chú ý đến chất lượng hình ảnh, nhận thấy dấu vết là do giả tạo và chụp lại phim đúng vị trí. Không có dấu hiệu nào có trong hình ảnh mới. Bài học: trong hình ảnh xấu, đầu ra AI là rác rưởi.
Trường hợp nhỏ 3: Hiệu quả về mặt con số
Một phòng khám chụp trung bình 400 bức ảnh toàn cảnh mỗi tháng. Tính năng quét trước AI thu hút sự chú ý của bác sĩ vào trung bình 2 vùng tiềm năng trong mỗi hình ảnh; Bác sĩ nhận thấy khoảng 30% trong số chúng có ý nghĩa lâm sàng và loại bỏ phần còn lại. Như vậy, việc giám sát giảm bớt nhưng bác sĩ cũng lãng phí thời gian cho 70% bị loại bỏ. Bằng cách tăng ngưỡng điểm tin cậy từ 60% lên 75%, phòng khám giảm số lượng cờ dương tính giả và ổn định quy trình làm việc. Bài học: cài đặt ngưỡng xác định gánh nặng lâm sàng của công cụ.
Mẫu có thể sao chép
Các mẫu này giúp bạn diễn giải và báo cáo kết quả đầu ra của công cụ chụp X quang; Nó KHÔNG chẩn đoán. Không bao gồm ID bệnh nhân thực.
Vai trò: Trợ lý báo cáo X quang (không chẩn đoán). Nhiệm vụ: Dịch bản in chụp X quang AI sau đây thành danh sách kiểm tra để bác sĩ xác minh. Đối với mỗi dấu hiệu: vị trí, danh mục, điểm tin cậy, hãy lưu ý đầu ra AI "cần xác nhận lâm sàng": [danh sách ẩn danh]
Vai trò: Kiểm soát chất lượng hình ảnh. Nhiệm vụ: Đánh giá các điều kiện chụp sau đây và nhận xét xem đầu ra AI có đáng tin cậy hay không. Sử dụng vị trí, chuyển động, độ phơi sáng, tiêu đề tạo tác. Điều kiện: [mô tả]
Vai trò: Nhắc nhở chẩn đoán phân biệt (không quyết định). Nhiệm vụ: Liệt kê các tiêu đề chẩn đoán phân biệt mà bác sĩ nên xem xét cho phát hiện thấu quang/ cản quang sau đây; Đối với mỗi mục, hãy viết ra những đánh giá bổ sung có thể cần thiết. Chẩn đoán xác định VIẾT. Tìm mô tả: [ẩn danh]
Vai trò: Người viết văn bản giải thích cho bệnh nhân. Nhiệm vụ: Viết một đoạn thông tin ngắn giải thích kết quả chụp X quang đã được bác sĩ phê duyệt cho bệnh nhân bằng ngôn ngữ dễ hiểu. Sử dụng ngôn ngữ chẩn đoán đáng sợ hoặc dứt khoát. Phát hiện đã được xác nhận: [viết]
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Liệt kê xem có bao nhiêu vết bầm tím trong bức ảnh toàn cảnh này."
Tại sao yếu: Giao cho AI vai trò diễn giải hình ảnh và đưa ra con số, ẩn điểm tin cậy, bỏ qua mối tương quan lâm sàng.
Strong: "Bảng các dấu hiệu sâu răng do công cụ AI trả về cùng với vị trí và điểm tin cậy; thêm xét nghiệm lâm sàng nào (khám thị giác, thăm dò, phim cắn) cần xác nhận cho từng dấu hiệu. Tôi sẽ đưa ra quyết định cuối cùng."
Tại sao nó mạnh mẽ: Nó biến công cụ thành một trình tạo danh sách kiểm tra, hiển thị bước xác minh và để bác sĩ quyết định.
Toàn cảnh và cận chóp: nhiệm vụ khác nhau, kỳ vọng khác nhau
Chụp X quang toàn cảnh và chụp quanh chóp phục vụ các mục đích khác nhau và kỳ vọng của bạn về AI cũng sẽ thay đổi tương ứng. Toàn cảnh hiển thị một khu vực rộng lớn với độ chi tiết thấp; Quét tổng thể phù hợp với răng ngầm, u nang, bệnh lý xương hàm và mức độ xương nói chung, nhưng nó không thể hiện rõ các vết sâu răng nhỏ ở kẽ răng (giữa các răng). Phim quanh chóp và phim cánh cắn cho thấy một vùng hẹp với độ chi tiết cao; Nó phù hợp hơn nhiều với độ sâu sâu răng, hình thái chân răng và chi tiết quanh chóp. Việc biết công cụ AI đã được đào tạo và xác nhận loại phim nào là rất quan trọng: sẽ là sai lầm khi mong đợi chi tiết sâu răng ở cấp độ quanh chóp từ một mô hình được đào tạo để chụp ảnh toàn cảnh.
Sự khác biệt này cũng hướng dẫn quyết định lâm sàng của bạn. Khi AI đánh dấu một khu vực ở chế độ toàn cảnh, thường cần phải chi tiết hóa khu vực đó bằng phim quanh chóp hoặc phim cắn. Vì vậy, tính năng quét trước toàn cảnh AI cũng có giá trị như một "hướng dẫn" để xác định khu vực nào bạn sẽ muốn có thêm cảnh quay từ đó; Bản thân nó không phải là một công cụ đưa ra quyết định dứt khoát.
Trường hợp nhỏ 4: Đạo diễn đúng thể loại phim
AI đưa ra dấu hiệu không rõ ràng ở vùng răng hàm dưới trong ảnh toàn cảnh. Bác sĩ chụp phim quanh chóp có chủ đích vì biết rằng ảnh toàn cảnh không đủ chi tiết. Trong hình ảnh có độ phân giải cao, có thể thấy rõ tình trạng này là sự thay đổi sớm quanh chóp và bác sĩ sẽ theo dõi nó. Bài học: Tính năng quét trước AI được sử dụng hiệu quả nhất như một công cụ kích hoạt hướng đến hình ảnh bổ sung chính xác.
Những lỗi thường gặp
- Dựa vào đầu ra AI mà không kiểm tra chất lượng hình ảnh.
- Nhìn trực tiếp vào tín hiệu AI mà không tự mình đọc (khuynh hướng tự động hóa).
- Nhầm điểm tin cậy là xác suất tuyệt đối.
- Tự động coi khu vực không được AI đánh dấu là "khỏe mạnh".
- Giải thích đầu ra AI từ lịch sử và khám bệnh của bệnh nhân.
Tóm lại
Các công cụ chụp X quang AI cung cấp một con mắt thứ hai mạnh mẽ giúp giảm thiểu sai sót bằng cách đánh dấu các khu vực đáng ngờ trong hình ảnh toàn cảnh và quanh chóp. Tuy nhiên, điểm tin cậy không phải là bằng chứng, kết quả đầu ra ở những hình ảnh xấu là không đáng tin cậy và trong một số trường hợp hiếm hoi, công cụ này bị lỗi. Quy trình làm việc phù hợp: chất lượng hình ảnh trước tiên, sau đó là kết quả đọc của bác sĩ, sau đó so sánh với AI, giải quyết xung đột, tương quan lâm sàng và diễn giải cuối cùng có chữ ký của bác sĩ.
Nhiệm vụ ứng dụng
Đối với 5 hình ảnh toàn cảnh mà bạn có (ẩn danh hoặc nhằm mục đích giáo dục), trước tiên hãy viết kết quả chụp X quang của riêng bạn, sau đó in ra từ công cụ AI. Đối với mỗi hình ảnh, hãy so sánh những gì AI đã bắt được nhưng bạn đã bỏ lỡ và những gì bạn đã thấy nhưng AI đã bỏ lỡ trong hai cột. Đánh giá những khác biệt xuất hiện và lưu ý loại tìm kiếm nào mà công cụ này mạnh/yếu.
danh sách kiểm tra
- [ ] Trước tiên tôi đã kiểm soát chất lượng của từng hình ảnh.
- [ ] Tôi đã tự viết bài đọc của mình mà không cần nhìn vào AI.
- [ ] Tôi hiểu điểm tin cậy là ước tính xác suất chứ không phải là bằng chứng.
- [ ] Tôi đã giải quyết được những mâu thuẫn giữa AI và khả năng đọc của chính tôi.
- [ ] Tôi đưa ra giải thích cuối cùng về X quang với tư cách là một bác sĩ có mối tương quan lâm sàng.