Ripoti ya Usimamizi hutumia ripoti za radiolojia ili kuboresha sehemu za uvimbe wa AI

Nini kilitokea

Watafiti walianzisha Usimamiaji wa Ripoti, au R-Super, mfumo wa mafunzo unaotumia ripoti za radiolojia ili kuongoza miundo ya AI katika kutafuta na kubainisha uvimbe kwenye skana za CT. Ripoti za karatasi ziliboresha ugunduzi na ugawaji wa uvimbe wa figo na kongosho, ikijumuisha mipangilio iliyo na vinyago vichache vya uvimbe 50 vilivyofafanuliwa.

Karatasi inaelezea R-Super kama njia ya kutoa mafunzo kwa miundo ya sehemu kutoka kwa aina mbili za habari: vinyago vya kina vya tumor na ripoti za radiolojia. Ripoti hutumika wakati wa mafunzo, si kama mchango wa ziada wakati wa utabiri wa kimatibabu, kulingana na muhtasari. Mfumo huu unatanguliza utendakazi wa upotezaji unaokusudiwa kufanya hesabu ya tumor iliyotabiriwa, saizi na eneo kulingana na maelezo katika ripoti. Muundo huo unalenga kubadilisha maandishi ya kimatibabu yasiyo sahihi lakini mengi zaidi kuwa usimamizi unaofaa kwa kazi ya kugawanya picha. Katika akaunti hii, ripoti huongeza kinyago wakati wa kujifunza huku kazi ya kugawanya ikisalia kuzingatia picha ya CT. Tofauti kati ya usimamizi wa mafunzo na utabiri wa kimatibabu kwa hivyo ni muhimu kwa kile karatasi inaelezea haswa.

Waandishi walitathmini mbinu ya ugawaji wa tumor ya figo na kongosho. Majaribio yao yalitumia kiasi tofauti cha data ya mafunzo, ikijumuisha michanganyiko inayofikia jozi 41,418 za ripoti ya CT na jozi 3,488 za uvimbe wa kongosho za CT-mask. Karatasi hiyo inaripoti kwamba, kwa uthibitisho wa nje, R-Super iliongeza alama ya F1 ya utambuzi wa tumor na mgawo wa ulinganifu wa Kete kwa hadi 15% ikilinganishwa na mafunzo ya barakoa pekee. Pia inaripoti kuwa mbinu za ulinganishaji za R-Super zilizobobea zaidi ikiwa ni pamoja na mafunzo yanayotegemea CLIP na kujifunza kwa kazi nyingi. Ulinganisho huu huweka matokeo yaliyoripotiwa kama tathmini ya mikakati ya mafunzo, na ugunduzi na ubora wa mipaka ukizingatiwa pamoja. Matokeo yaliyoelezwa ni kwa hivyo juu ya utendaji wa mfano katika majaribio ya karatasi.

Dai kuu la vitendo ni kwamba njia husaidia katika uhaba wa data na mipangilio mikubwa ya barakoa. Muhtasari huangazia matokeo haswa wakati barakoa 50 pekee zinapatikana na wakati barakoa 3,488 zinapatikana. Pia inasema ripoti zinapatikana kwa wingi: hifadhidata za umma zina makumi ya maelfu ya jozi za ripoti ya CT, wakati hospitali zinashikilia mamia kwa maelfu. Chanzo kinahusisha msukumo wa kimsingi na muda unaohitajika ili kuunda kinyago cha uvimbe cha 3D—hadi dakika 30—na ukweli kwamba vinyago vya uvimbe kwa ujumla havitoleshwi kama sehemu ya ripoti ya kliniki ya mara kwa mara. Thamani inayopendekezwa inatokana na kuchanganya vinyago vyenye maelezo zaidi na ripoti zisizo sahihi ambazo tayari zimehusishwa na uchanganuzi. Mchanganyiko huo ndio msingi wa hoja iliyoripotiwa ya mfumo wa ufanisi wa data.

Maelezo ya chanzo: arxiv.org ↗

Kwa nini ni muhimu

Miundo ya sehemu za uvimbe inaweza kutoa muhtasari ambao husaidia wataalamu wa radiolojia kukagua matokeo ya AI, lakini kuunda vinyago vya uvimbe vya 3D ni kazi kubwa. Kutumia ripoti ambazo tayari hospitali zinazalisha kunaweza kuwapa watengenezaji maelezo zaidi ya mafunzo bila kuhitaji kila skanisho kupokea kinyago kipya cha kina.

Mgawanyiko hutofautiana na matokeo rahisi ya uainishaji kwa sababu hubainisha mahali ambapo uvimbe unaoshukiwa unapatikana na kubainisha mipaka yake. Chanzo kinasema muhtasari huo unaweza kurahisisha wataalamu wa radiolojia kuthibitisha na kuamini matokeo ya AI. Ikiwa mafanikio yaliyoripotiwa yatadumu katika mipangilio yote, kuboresha utengaji kunaweza kufanya usaidizi wa AI kukaguliwa zaidi kuliko mfumo unaorudisha lebo au uwezekano pekee. Kwa hivyo, thamani ya kiutendaji inahusishwa sio tu na alama za juu zaidi, lakini kutoa kitu cha kuona ambacho daktari anaweza kukagua. Mpaka unaweza kuchunguzwa kuhusiana na uchanganuzi, ambao huipa matokeo yaliyoripotiwa fomu ambayo ni rahisi kukagua kuliko ubashiri uliojitenga. Jukumu hilo linalohusiana na ukalimani ni sehemu ya kwa nini ubora wa sehemu ni muhimu.

Tatizo la data linaloshughulikiwa na R-Super ni la kawaida katika taswira ya kimatibabu: kidokezo muhimu zaidi kinaweza kuwa ghali, ilhali maelezo mengine yanayotokana na kliniki ni mengi. Ripoti za radiolojia zinaweza kuelezea nambari ya kidonda, ukubwa wa takriban na eneo, ingawa haziwezi kufuatilia kila pikseli ya mpaka kwa pikseli. Mbinu ya R-Super inajaribu kutumia maelezo hayo kama vikwazo kwenye mchakato wa mafunzo wa modeli. Hilo linaweza kupunguza kiasi cha vidokezo vinavyohitajika ili kupanua hifadhidata za sehemu za uvimbe, hasa kwa taasisi ambazo zina kumbukumbu kubwa za uchunguzi na ripoti zilizooanishwa. Kwa hivyo mfumo huu unaunganisha maelezo ambayo tayari yameundwa katika ripoti ya kimatibabu na usimamizi mahususi zaidi unaohitajika kwa ugawaji. Umuhimu wake unategemea ikiwa muunganisho huo utaendelea kuwa muhimu wakati maelezo yanayopatikana si sahihi zaidi kuliko vinyago.

Matokeo yanaweza pia kujali jinsi mifumo ya matibabu ya AI inavyotengenezwa na kutathminiwa. Mwanamitindo aliyefunzwa na ripoti anaweza kutumia rekodi zilizopo za kimatibabu kwa ufanisi zaidi kuliko bomba la kutumia barakoa pekee, uwezekano wa kupanua anuwai ya hospitali zinazoweza kushiriki katika utayarishaji. Lakini chanzo ni tathmini iliyoripotiwa ya karatasi moja. Haithibitishi kwamba mfumo huo unaboresha utambuzi, upangaji wa matibabu, matokeo ya mgonjwa au mzigo wa kazi wa radiologist. Wala muhtasari hauashirii ikiwa maneno ya ripoti, kanuni za kitaasisi au makosa katika hati za kimatibabu huathiri matokeo. Vikomo hivyo huweka ugunduzi kulenga mafunzo yaliyoripotiwa na tathmini ya sehemu. Pia zinamaanisha kuwa umuhimu mpana wa kimatibabu unasalia kuwa swali la ushahidi wa ziada, badala ya hitimisho lililoanzishwa na utafiti huu.

Nini cha kutazama baadaye

Matokeo yaliyoripotiwa yanasalia kuwa matokeo ya utafiti badala ya ushahidi wa kupelekwa kwa kliniki mara kwa mara. Maswali muhimu ambayo hayajajibiwa ni pamoja na jinsi utendakazi unavyotofautiana katika hospitali zote, mitindo ya ripoti, aina za uvimbe na idadi ya wagonjwa, na kama mbinu hiyo inaboresha maamuzi ya wataalamu wa radiolojia katika masomo yanayotarajiwa ya kimatibabu.

Uchunguzi zaidi unapaswa kuzingatia muundo kamili wa data ya karatasi na muundo wa uthibitishaji. Muhtasari hutambua uthibitishaji wa nje lakini haubainishi idadi ya taasisi, idadi ya watu ya wagonjwa, usambazaji wa ukubwa wa uvimbe au faida kamili ya utendaji kwa kila kiungo na hali ya data ya mafunzo. Maelezo hayo ni muhimu kwa sababu mbinu inaweza kufanya kazi vyema kwenye seti za data zilizochaguliwa huku ikihamishia kwa njia zisizotegemewa kwa hospitali zinazotumia vichanganuzi, itifaki au lugha tofauti za kuripoti. Kupitia vipengele hivyo kungefafanua jinsi matokeo yaliyoripotiwa yanaweza kufasiriwa kwa upana. Pia ingetenganisha utendakazi chini ya hali zilizojaribiwa za karatasi na utendakazi katika mipangilio mingine. Tofauti hiyo ni muhimu kwa kuhukumu ikiwa mbinu iko tayari kwa tathmini inayohitaji zaidi.

Ubora na ukamilifu wa ripoti ni kutokuwa na uhakika mwingine muhimu. R-Super imeundwa kulingana na maelezo ya idadi ya uvimbe, ukubwa na eneo, lakini muhtasari hausemi ni mara ngapi ripoti huacha maelezo hayo, zina lugha ya kutatanisha au kutokubaliana na vinyago vinavyopatikana. Pia haielezi jinsi vipengele vipya vya utendakazi hushughulikia kutokuwa na uhakika katika maelezo ya maandishi bila malipo. Urudufishaji wa kujitegemea kwenye hifadhidata mbalimbali ungesaidia kubainisha kama njia hiyo ni thabiti kwa tofauti hizo za hati. Suala hili linahusu uhusiano kati ya maelezo katika ripoti na kinyago kinachotumika kulinganisha. Ikiwa uhusiano huo utabadilika katika taasisi zote, manufaa ya usimamizi kulingana na ripoti yanaweza kubadilika pia. Kwa hivyo maswali ya kuripoti ambayo hayajatatuliwa yanabaki kuwa muhimu kufuatwa.

Hatua inayofuata ya maana itakuwa ushahidi kutoka kwa tafiti zinazotarajiwa au za msingi wa mtiririko wa kazi. Masomo kama haya yanaweza kupima ikiwa viwekeleo vya sehemu vinaweza kusaidia wataalamu wa radiolojia kugundua uvimbe, kupunguza muda wa kukagua au kuepuka makosa, badala ya kuboresha tu alama ya F1 au mgawo wa kufanana kwa Kete. Itakuwa muhimu pia kuona matokeo ya aina za uvimbe zaidi ya figo na kongosho, kulinganisha na zana za sasa za kimatibabu, na tathmini ya mahitaji ya faragha, utawala na kushiriki data wakati hospitali zinatumia ripoti kwa mafunzo ya mfano. Masomo hayo yangeshughulikia ikiwa uboreshaji wa kiufundi ulioripotiwa utatafsiri kuwa manufaa ya vitendo. Hadi wakati huo, karatasi inasaidia uchunguzi unaoendelea wa mbinu ya mafunzo, wakati athari yake kwenye kazi ya kliniki bado haijathibitishwa. Tofauti sawa inatumika kwa uwekaji, ambao haujaanzishwa na majaribio yaliyoripotiwa.

Miongozo & maswali yanayohusiana