Đánh giá trước hình ảnh: Chụp X quang, Siêu âm và Tế bào học

Lợi nhuận:

• Khả năng xác định vai trò của AI trong sàng lọc trước, ưu tiên và soạn thảo báo cáo trong hình ảnh chụp X quang, siêu âm và tế bào học
• Khả năng xác thực các phát hiện được gắn cờ AI với bối cảnh lâm sàng, định vị tiêu chuẩn và đánh giá của chuyên gia (bác sĩ X quang/bác sĩ bệnh lý)
• Khả năng hiểu rằng AI dựa trên hình ảnh không cung cấp chẩn đoán chính xác, sự khác biệt về loại/vị trí/chất lượng là sai lệch và cách giải thích cuối cùng thuộc về bác sĩ.

Hình ảnh là cửa sổ đưa mắt của bác sĩ thú y vào cơ thể. Chụp X quang (x-quang; chụp ảnh các cấu trúc bên trong bằng tia X), siêu âm (chụp ảnh mô mềm bằng sóng âm) và tế bào học (kiểm tra mẫu tế bào dưới kính hiển vi) là những phần không thể thiếu trong thực hành hàng ngày. Trí tuệ nhân tạo (AI) đã tiến bộ nhanh chóng trong việc nhận dạng mẫu trong những hình ảnh này trong những năm gần đây: nó có thể đánh dấu một khối lượng có thể có trong ảnh chụp X quang, ưu tiên một bộ hình ảnh, soạn thảo báo cáo. Nhưng quan niệm sai lầm nguy hiểm nhất ở đây là: AI không đưa ra chẩn đoán chính xác từ hình ảnh. Sự khác biệt về vị trí, mức độ tiếp xúc (liều chùm tia), loại và sự chồng chất (các cơ quan chồng chéo) dễ dàng đánh lừa AI. Trong phần này, bạn sẽ tìm hiểu cách sử dụng AI dựa trên thị giác một cách an toàn như một công cụ sàng lọc trước và ưu tiên. Việc giải thích cuối cùng luôn thuộc về bác sĩ và khi cần thiết là bác sĩ X quang hoặc nhà nghiên cứu bệnh học.

AI có thể và không thể làm gì trong lĩnh vực chụp ảnh

Vai trò hợp pháp của AI là: sàng lọc trước (đánh dấu khu vực cần tìm kiếm), ưu tiên (đưa ra một trường hợp có vẻ khẩn cấp), hỗ trợ đo lường (tính toán các phép đo tiêu chuẩn như tỷ lệ tim/ngực) và soạn thảo báo cáo (đưa các phát hiện vào văn bản gọn gàng). Những việc AI không thể làm: chẩn đoán xác định, chẩn đoán xác định ác tính/lành tính, quyết định điều trị và thay thế thăm khám.

Cạm bẫy nguy hiểm nhất của AI dựa trên thị giác là nó được đào tạo chủ yếu dựa trên dữ liệu của con người hoặc dữ liệu hạn chế về loài. Giải phẫu ngực của chó và ngực của mèo, chó săn thỏ và chó bulldog là khác nhau. AI có thể nhầm lẫn những khác biệt này và gắn cờ một biến thể bình thường là bệnh lý hoặc ngược lại.

Thận trọng: Chỉ vì AI gắn cờ một phát hiện không có nghĩa là "có gì đó ở đó"; Nó có nghĩa là "nhìn đây". Mỗi khu vực được đánh dấu phải được xác nhận dựa trên bối cảnh lâm sàng và hình ảnh được định vị tiêu chuẩn; Những vùng không được đánh dấu cũng cần được bác sĩ kiểm tra.

Lỗi hai chiều: dương tính giả và âm tính giả

AI hình ảnh mắc hai loại lỗi. Dương tính giả: đánh dấu một phát hiện không tồn tại (ví dụ: bị nhầm với một khối lượng chồng chất). Điều này dẫn đến việc kiểm tra và lo lắng không cần thiết cho chủ sở hữu. Âm tính giả: bỏ sót phát hiện đúng (ví dụ: bỏ sót một di căn nhỏ). Điều này nguy hiểm hơn vì nó có thể khiến bác sĩ tin tưởng sai lầm. Vì vậy, chỉ vì AI nói "sạch" không loại trừ bệnh lý; Bác sĩ phải đánh giá toàn bộ hình ảnh bằng chính mắt mình.

Từng bước: Đánh giá trước hình ảnh bằng AI

1. Có được hình ảnh chất lượng. Không có vị trí chuẩn, độ phơi sáng chính xác, hình ảnh rõ nét thì không có cách diễn giải nào đáng tin cậy.
2. Thêm bối cảnh lâm sàng. Cung cấp các kết quả về loài, độ tuổi, khiếu nại và kiểm tra cho AI.
3. Yêu cầu sàng lọc trước. Yêu cầu AI "đánh dấu khu vực cần xem xét" chứ không phải "đưa ra chẩn đoán".
4. Xác minh các dấu hiệu. Kiểm tra từng dấu hiệu bằng hình ảnh tiêu chuẩn và bối cảnh lâm sàng.
5. Tìm kiếm những người trốn thoát. Hãy tự mình kiểm tra những khu vực mà AI không đánh dấu.
6. Tham khảo ý kiến ​​​​một chuyên gia. Nhận đánh giá của bác sĩ X quang/bác sĩ bệnh học trong trường hợp có phát hiện đáng nghi ngờ hoặc quan trọng.
7. Hãy để bác sĩ phê duyệt báo cáo. Việc giải thích và chữ ký cuối cùng thuộc về bác sĩ.

ba trường hợp nhỏ

Trường hợp 1. AI ở một con chó 9 tuổi đánh dấu có thể có một nốt sần ở thùy đuôi phổi phải. Bác sĩ kiểm tra vùng đó bằng cách nhổ hai vị trí tiêu chuẩn; anh ta thấy rằng vết đó thực chất là một cái bóng chồng lên nhau của xương sườn và đường gân (dương tính giả). AI hướng sự chú ý nhưng bác sĩ đã sửa lại chẩn đoán.

Trường hợp 2. 14 bức ảnh X quang được tích lũy trong ca cấp cứu bận rộn. AI đã sắp xếp các hình ảnh theo mức độ khẩn cấp và đưa ra một trường hợp có thể có dịch bụng tự do. Bác sĩ sử dụng thứ tự này như một gợi ý ưu tiên nhưng vẫn tự mình đánh giá từng hình ảnh. Ưu tiên tiết kiệm thời gian; Quyết định là của bác sĩ.

Trường hợp 3. Mẫu tế bào học từ một khối “có thể bị viêm”, AI cho biết. Bác sĩ nhận thấy chất lượng mẫu kém (ít tế bào, nhiễm máu), lấy mẫu mới gửi cho nhà giải phẫu bệnh; Kết quả đã khác. Trường hợp này cho thấy nếu chất lượng mẫu/hình ảnh kém thì đầu ra AI cũng không đáng tin cậy.

Biểu đồ so sánh

Trạng thái

Vai trò của AI

Vai trò của bác sĩ

Chất lượng hình ảnh kém

Không đáng tin cậy, đưa ra cảnh báo

Chụp lại/mẫu

Tìm đánh dấu

Manh mối "Nhìn đây"

Xác minh bằng hình ảnh chuẩn

Không có phát hiện nào

Không loại trừ bệnh lý

Hãy tự mình kiểm tra nó

Phát hiện quan trọng/nghi vấn

Báo cáo dự thảo

Tham khảo ý kiến ​​bác sĩ X quang/bệnh lý học, xác nhận

Bốn mẫu có thể sao chép

Vai trò: Trợ lý sàng lọc trước hình ảnh (bạn không chẩn đoán, bạn thu hút sự chú ý). Bối cảnh: Loại [...], tuổi […], khiếu nại […], loại ảnh [...] vị trí. Nhiệm vụ: Liệt kê các khu vực trong hình ảnh này cần được xem xét cẩn thận và tại sao. Đưa ra "chẩn đoán xác định"; Viết "bác sĩ đã xác minh" cho mỗi mục.

Nhiệm vụ: Tạo BÁO CÁO có cấu trúc từ các phát hiện X quang sau (chất lượng kỹ thuật / phát hiện / giải thích được đề xuất). Quy tắc: Viết diễn giải bằng ngôn ngữ "có thể", không đưa ra chẩn đoán dứt khoát. Giải thích cuối cùng thuộc về bác sĩ. Các phát hiện: […]

Nhiệm vụ: Đưa ra danh sách kiểm tra chất lượng kỹ thuật cho hình ảnh/mẫu này (vị trí, độ phơi sáng, chuyển động, mức độ phù hợp của mẫu). Nếu chất lượng thấp, nó sẽ làm nổi bật cảnh báo "bình luận không đáng tin cậy, phải đăng lại". Bối cảnh: […]

Nhiệm vụ: Liệt kê các tiêu chí cờ đỏ khi cần giới thiệu đến bác sĩ chuyên khoa (bác sĩ X quang/bác sĩ bệnh lý) cho phát hiện sau. Quyết định thuộc về bác sĩ. Tìm thấy: […]

Dấu nhắc yếu / Dấu nhắc mạnh

Yếu: "X-quang này có gì, chẩn đoán đi."

Güçlü: "Chụp X quang ngực bên phải của một con mèo 10 tuổi kêu ho. Liệt kê các khu vực cần được kiểm tra cẩn thận và lý do; không đưa ra chẩn đoán xác định, hãy ghi 'bác sĩ phải xác minh' cho mỗi mục. Nếu bạn thấy chất lượng hình ảnh có vấn đề, hãy nêu rõ trước."

Trong lời nhắc mạnh mẽ, vai trò của AI bị giới hạn ở việc sàng lọc trước, ưu tiên kiểm soát chất lượng và cấm chẩn đoán.

Những lỗi thường gặp

• Nhầm dấu hiệu để nhận biết. AI nói "nhìn đây", không phải "đây là cái đó".
• Bình luận với hình ảnh chất lượng kém. Cả AI và con người đều nhầm lẫn về chất lượng hình ảnh thấp.
• Tin tưởng vào kết quả “sạch” và từ bỏ đánh giá. Âm tính giả là một rủi ro thực sự.
• Bỏ qua sự khác biệt về thể loại/vị trí. AI được đào tạo về con người hoặc các loại dữ liệu khác sẽ gây hiểu lầm.
• Trì hoãn việc giới thiệu chuyên gia. Trong các phát hiện quan trọng/nghi ngờ, việc đánh giá của bác sĩ X quang/bệnh lý học là cần thiết.

Ngưỡng tin cậy và vấn đề "hộp đen"

Các công cụ AI dựa trên tầm nhìn thường trả về điểm xác suất: “đối tượng có khả năng cao” hoặc tỷ lệ phần trăm. Con số này tạo ra cảm giác chắc chắn sai lầm; Tuy nhiên, thường không thể thấy mô hình đưa ra quyết định như thế nào ở chế độ nền. Đây được gọi là vấn đề hộp đen: hệ thống đưa ra kết quả nhưng không giải thích lý do của nó theo cách mà con người có thể kiểm soát. Một bác sĩ không nên tin tưởng mù quáng vào một kết quả mà anh ta không thể thấy được sự biện minh. Điểm cao có ý nghĩa nếu dữ liệu và điều kiện mà mô hình đó được đào tạo giống với bệnh nhân của bạn; Nếu liên quan đến một loài khác, một thiết bị khác hoặc một vị trí bất thường, điểm số sẽ nhanh chóng trở nên không đáng tin cậy.

Một nguyên tắc nhỏ là bất kể điểm AI là bao nhiêu, hãy tự mình xem và đối chiếu nó với bối cảnh lâm sàng để tìm bất kỳ phát hiện nào có thể thay đổi quyết định của bạn. Điểm cao có thể hướng bạn đến một bài kiểm tra, nhưng bài kiểm tra và kiểm tra sẽ đưa ra chẩn đoán; Điểm thấp sẽ không làm bạn yên tâm vì luôn có thể xảy ra kết quả âm tính giả. Ngoài ra, việc đánh giá lại cùng một hình ảnh trong các điều kiện khác nhau (vị trí mới, độ phơi sáng khác) sẽ giảm thiểu sai sót cho cả bạn và AI. Vision AI là một công cụ hướng dẫn sự chú ý của con mắt có kinh nghiệm chứ không phải là công cụ thay thế nó; Trọng lượng của việc giải thích cuối cùng luôn thuộc về bác sĩ.

Tóm lại

AI dựa trên tầm nhìn là một công cụ hỗ trợ mạnh mẽ trong việc sàng lọc trước, ưu tiên và soạn thảo báo cáo; nhưng nó không đưa ra chẩn đoán xác định. Hãy coi các dấu hiệu của chúng làm gợi ý “xem ở đây”, xác minh từng dấu hiệu bằng hình ảnh tiêu chuẩn và bối cảnh lâm sàng, đồng thời tự mình kiểm tra các khu vực không được đánh dấu. Nếu chất lượng hình ảnh/mẫu kém thì đầu ra không đáng tin cậy. Trong trường hợp phát hiện quan trọng, hãy tham khảo ý kiến ​​bác sĩ X quang hoặc nhà nghiên cứu bệnh học. Việc giải thích và chịu trách nhiệm cuối cùng thuộc về bác sĩ.

Nhiệm vụ ứng dụng

Quét trước ba hình ảnh (một ảnh X quang, một lát siêu âm, một tế bào học) vào AI. Đối với mỗi: (1) xác minh khu vực được AI đánh dấu bằng hình ảnh tiêu chuẩn, (2) đánh giá xem có dương tính giả hay âm tính giả hay không, (3) lưu ý trường hợp nào cần chuyển đến bác sĩ chuyên khoa. Đồng thời tạo một danh sách kiểm tra chất lượng và sử dụng nó trong phòng khám.

danh sách kiểm tra

• [ ] Tôi đã nhận được một bức ảnh chất lượng với vị trí tiêu chuẩn và độ phơi sáng chính xác.
• [ ] Tôi đã cung cấp bối cảnh lâm sàng (loại, độ tuổi, khiếu nại) cho AI.
• [ ] Tôi yêu cầu AI sàng lọc trước chứ không phải chẩn đoán.
• [ ] Tôi đã xác minh các khu vực được đánh dấu bằng hình ảnh tiêu chuẩn.
• [ ] Tôi cũng đã tự mình kiểm tra những khu vực không được đánh dấu.
• [ ] Tôi đã tham khảo ý kiến ​​của một chuyên gia về những phát hiện quan trọng/đáng ngờ.
• [ ] Với tư cách là một bác sĩ, tôi đã phê duyệt báo cáo cuối cùng.