ხელოვნური ინტელექტით დამხმარე ოქტ ბაზალური უჯრედოვანი კარცინომის დროს: დამწყებებს კითხვის დაჩქარებაში ეხმარება, მაგრამ ჯერ კიდევ მზად არ არის

რატომ ღირს ამ კვლევის განხილვა

ბაზალური უჯრედოვანი კარცინომა (ბუკ) კანის გავრცელებული კიბოა, და არაინვაზიური ვიზუალიზაცია საინტერესოა, რადგან მას შეუძლია დაეხმაროს დიაგნოზის დასმას ქსოვილის დაუყოვნებლივი ნიმუშის აღების გარეშე. ოპტიკური კოჰერენტული ტომოგრაფია (ოკტ) ერთ-ერთი ასეთი ინსტრუმენტია, მაგრამ გამოსახულებების წაკითხვა ტრენინგს მოითხოვს. ჟურნალ Lasers in Surgery and Medicine-ში გამოქვეყნებული ახალი ანგარიში სვამს ვიწრო, პრაქტიკულ კითხვას: შეუძლია თუ არა ხელოვნური ინტელექტის გადაწყვეტილების დამხმარე სისტემას დამწყებთათვის BCC-ის OCT სკანირებების ინტერპრეტაციაში დახმარება? [PMID:42960626]

ამ მცირე მონაცემთა ნაკრებში პასუხი კვალიფიციური "დიახა". უფრო საინტერესო ნაწილია ის, თუ როგორ მიიღეს ეს შედეგი.

რას აკეთებდნენ მკვლევრები

გუნდმა შეამოწმა გადაწყვეტილების მხარდაჭერის სისტემა სახელწოდებით VivoAID, რომელიც გამოიყენება VivoSight Dx OCT სისტემასთან ერთად. ორმა დერმატოლოგიის მკვლევარმა თანამშრომელმა პირველ რიგში გაიარა სტრუქტურირებული OCT ტრენინგის მოდული BCC-ის იდენტიფიკაციისთვის. შემდეგ თითოეულმა მათგანმა დამოუკიდებლად განიხილა 45 ანონიმურიზებული OCT სკანი: 31 BCC-დადებითი და 14 BCC-უარყოფითი. უარყოფით ჯგუფში შედიოდა ლესიები, რომლებიც შეიძლება BCC-ს შეეშალოს ან სხვაგვარად რთულია, კერძოდ, ფსევდო-სკვამური ეპითელური კარცინომა, კერატოაკანთომები, აქტინური კერატოზები და ნაწიბუროვანი ქსოვილი. საბოლოო შეფასება ეფუძნებოდა ექსპერტის კლინიკურ ინტერპრეტაციასა და ჰისტოპათოლოგიას. [PMID:42960626]

თითოეულმა მკვლევარმა ორი სესია გაიარა, ერთი დაუხმარებლად და ერთი ხელოვნური ინტელექტის დახმარებით. თანმიმდევრობა დაბალანსებული იყო ორ მკვლევარს შორის, ხოლო სკანირების ფაილები ხელახლა დაიხარისხა ხელოვნური ინტელექტის სესიებისთვის. დახმარების გარეშე სესიაში მათ სკანირებული მასალები ხელით დააკლასიფიცირეს. ხელოვნური ინტელექტით დახმარებული სესიის დროს მათ ათვალიერეს ხელოვნური ინტელექტით ანოტებული სკანირებული მასალები, აღნიშნავდნენ, ეთანხმებოდნენ თუ არა ხელოვნურ ინტელექტს, და რთავდნენ დამატებით აღმოჩენებს. მკვლევრებმა ასევე დააფიქსირეს თითოეული გადაწყვეტილების მიღების დრო. [PMID:42960626]

რა აღმოაჩინეს

ზუსტობა. ხელოვნური ინტელექტის გარეშე, სწორი BCC იდენტიფიკაციის მაჩვენებელი იყო 62% პირველი მსმენელისთვის და 64% მეორე მსმენელისთვის (ჯამში 63%). ხელოვნური ინტელექტის გამოყენებისას ეს მაჩვენებელი 78%-მდე და 76%-მდე გაიზარდა (ჯამში 77%). ავტორები იუწყებიან შედარებით გაუმჯობესებას 25%-ითა და 17%-ით, ანუ ჯამში დაახლოებით 21%-ით. [PMID:42960626]

სიჩქარე. გადაწყვეტის საშუალო დრო შემცირდა 45 წამიდან 28 წამამდე პირველი მსწავლელისთვის და 35 წამიდან 22 წამამდე მეორე მსწავლელისთვის. ჯამში, ეს 40 წამიდან 25 წამამდე შემცირებაა, რაც დაახლოებით 38%-ით უფრო სწრაფია. ხაზოვანი შერეული ეფექტების მოდელმა, რომელიც ითვალისწინებდა სკანირების სირთულეს, შეაფასა საშუალო შემცირება 15.1 წამით ერთ სურათზე (p < 0.0001). [PMID:42960626]

მხოლოდ ხელოვნური ინტელექტი. დამოუკიდებელი ხელოვნური ინტელექტის სიზუსტე ექსპერტთა აზრთან შედარებით 64% იყო. ეს, ფაქტობრივად, იგივეა, რაც დამწყებთა დაუხმარებელი საწყისი მაჩვენებელი — 63%. [PMID:42960626]

საინტერესო თავსატეხი: საშუალო დონის ხელოვნური ინტელექტი, რომელიც მაინც დაეხმარა

თუ მხოლოდ ხელოვნური ინტელექტი ისეთივე ზუსტია, როგორც დაუხმარებელი დამწყები, როგორ მიაღწიეს დამწყებებმა ხელოვნურ ინტელექტთან ერთად 77%-ს? ანოტაცია ამას არ განმარტავს და აქ შეჯამებული მონაცემები ამ საკითხის გადაწყვეტას ვერ ახერხებენ. ავტორები ინსტრუმენტს განიხილავენ, როგორც გადაწყვეტილების მიღების მხარდამჭერ და პოტენციურად საგანმანათლებლო დახმარებას და არა როგორც ადამიანის განსჯის შემცვლელს. [PMID:42960626] რადგან დამწყებებმა ჩაიწერეს თანხმობა ან უთანხმოება ხელოვნურ ინტელექტთან, გაერთიანებული შედეგი შეიძლება ასახავდეს იმას, რომ ადამიანები იღებდნენ სასარგებლო ანოტაციებს და უარყოფდნენ არასასარგებლოს. მაგრამ რეზიუმეში არ არის მითითებული, თუ რამდენად ხშირად ეთანხმებოდნენ ან არ ეთანხმებოდნენ დამწყებნი, ან სწორი იყო თუ არა მათი უთანხმოება, ამიტომ ეს ჰიპოთეზად რჩება.

ეს ხარვეზი მნიშვნელოვანია. ინსტრუმენტი, რომელიც 64%-ით ზუსტია, ასევე შეიძლება მომხმარებლები შეცდომაში შეიყვანოს. იმის თქმა, თუ უფრო ხშირად იხსნებოდნენ დამწყებნი თუ შეცდომაში შედიოდნენ, და რომელი ტიპის სკანირებებისას, ხელმისაწვდომი ტექსტიდან არ შეგვიძლია.

რამდენად სანდოა ეს მონაცემები?

ჯერჯერობით, არც ისე ბევრი. თავად რეზიუმეში აღნიშნულია შეზღუდვები ნიმუშის მცირე ზომის, ერთი ინსტიტუციის კვლევისა და ერთი და იმავე სკანირებების განმეორებითი განხილვის გამო. სხვა შეზღუდვებიც ჩანს წარმოდგენილი ინფორმაციიდან.

• მხოლოდ ორი შემფასებელი. ორივე დერმატოლოგიის კვლევების თანამშრომელი იყო. ორი ადამიანი ვერ წარმოადგენს დამწყები მომხმარებლების სრულ სპექტრს და ინდივიდუალურმა განსხვავებებმა შეიძლება გავლენა მოახდინოს შედეგებზე.
• მხოლოდ 45 სკანი. ნაკრები არათანაბარი იყო, 31 BCC-დადებითი და 14 უარყოფითი სკანით, და ის ერთი დაწესებულებიდან იყო.
• იგივე სკანირებები ორჯერ იქნა ნანახი. თითოეულმა მომხმარებელმა იგივე სკანირებები ორივე სესიაზე განიხილა. კონტრასირება და ხელახალი რანდომიზაცია ეხმარება, მაგრამ მეხსიერების ან სწავლის ეფექტებმა შესაძლოა მაინც შეუწყო ხელი ხელოვნური ინტელექტით მიღებულ გაუმჯობესებას. [PMID:42960626]
• ზუსტობის შესახებ შეზღუდული სტატისტიკური მონაცემები. ანოტაციაში მოყვანილი ერთადერთი p-მნიშვნელობა გადაწყვეტის მიღების დროს ეხება. ზუსტობის გაუმჯობესებისთვის არ არის მოყვანილი არც სანდო ინტერვალები, არც მნიშვნელობის ტესტები, ამიტომ ამ გაუმჯობესების მასშტაბი და სიზუსტე გაურკვეველია.
• არ არის მოცემული მგრძნობელობისა და სპეციფიკურობის მაჩვენებლები. ამ მონაცემების გარეშე, ჩვენ არ შეგვიძლია განვსაზღვროთ, ხელოვნურ ინტელექტს თუ მკვლევრებს უფრო ხშირად ჰქონდათ ცრუ დადებითი ან ცრუ უარყოფითი შეცდომები. კიბოს დიაგნოზის შემთხვევაში კი ეს განსხვავება მნიშვნელოვანია.
• არ არის ნათელი რეალური მონაცემების დეტალები. ანოტაციაში არ არის მითითებული, რომელ სკანირებებს ჰქონდა ჰისტოპათოლოგიური დადასტურება.
• მხოლოდ დამწყებთა მონაწილეობა. არ გამოკვლეულა გამოცდილი კლინიცისტები, ისევე როგორც რეალური სამუშაო პროცესები ან პაციენტების შედეგები.
• ინფორმაციის გამჟღავნების დეკლარაცია. რეზიუმე მთავრდება სიტყვით "არცერთი", რაც ორაზროვანია, ამიტომ ხელმისაწვდომი ტექსტიდან დაფინანსებისა და ინტერესთა კონფლიქტის შესახებ ინფორმაციის მიღება შეუძლებელია.

77%-იანი გაუმჯობესებული სიზუსტეც კი მოკრძალებულია. ინსტრუმენტი, რომელიც დამწყებებს 63%-დან 77%-მდე ზრდაში ეხმარება, არ არის იგივე, რაც ინსტრუმენტი, რომელიც მზადაა სამედიცინო დახმარების წარმართვისთვის.

რატომ შეიძლება იყოს ეს მაინც მნიშვნელოვანი

თუ ეს შედეგები უფრო დიდ და მრავალფეროვან ნიმუშებშიც დადასტურდება, ხელოვნური ინტელექტით ანოტირებულმა OCT-მ შეიძლება დაეხმაროს ნაკლებად გამოცდილ მომხმარებლებს BCC-ის უფრო ზუსტად და სწრაფად იდენტიფიცირებაში. მას ასევე შეუძლია ტრენინგის მხარდაჭერა, რადგან სტუდენტებმა განიხილეს და უპასუხეს სისტემის ანოტაციებს. სიჩქარის ზრდა აღსანიშნავია: თითოეულ სურათზე დაზოგილი დაახლოებით 15 წამი შეიძლება მნიშვნელოვანი აღმოჩნდეს მრავალი სკანირებისას, თუმცა კვლევამ სამუშაო პროცესზე მისი გავლენა არ შეუფასებია. [PMID:42960626]

კვლევის დიზაინი თავისთავად ასევე სასარგებლოა. ის განიხილავს მხოლოდ ადამიანს, მხოლოდ ხელოვნურ ინტელექტს და ადამიანს ხელოვნურ ინტელექტთან ერთად — ჩარჩოს, რომელიც კარგად შეესაბამება გადაწყვეტილების მხარდაჭერის ინსტრუმენტებს. შერწყმამ უკეთესი შედეგი აჩვენა, ვიდრე თითოეულმა მათგანმა ცალ-ცალკე (77% 63%-ისა და 64%-ის წინააღმდეგ), მაგრამ ამ სიზუსტის განსხვავებისთვის არცერთი სტატისტიკური ტესტი არ არის მოყვანილი, ამიტომ ეს არის მოსაზრება, რომელიც სამომავლო კვლევებმა უნდა დაადასტურონ და არა საბოლოო შედეგი.

რა უნდა დავაკვირდეთ შემდეგ

სასარგებლო შემდგომი სამუშაო მოიცავდა უფრო მეტ მკითხველს სხვადასხვა გამოცდილების დონით, უფრო დიდ და მრავალფეროვან სკანირების ნაკრებებს, ახალ სკანირებებს, რომლებიც მკითხველებს აქამდე არ უნახავთ, და სენსიტიურობის, სპეციფიურობისა და ნდობის ინტერვალების ანგარიშგებას. ასევე სასარგებლო იქნებოდა იმის დანახვა, თუ რამდენად ხშირად არ იცავენ მომხმარებლები AI-ის სწორ ან არასწორ რეკომენდაციებს. და ბოლოს, კლინიკური სარგებლის შესახებ დასკვნების გამოტანამდე საჭირო იქნება პაციენტების შედეგებთან დაკავშირებული კვლევები. რეზიუმეში არ არის ნათქვამი, თუ როგორ შეედრება ეს შედეგები წინა კვლევებს, ამიტომ ეს ერთი კვლევა უნდა განვიხილოთ, როგორც ადრეული სიგნალი.

საბოლოო დასკვნა

მკითხველთა ძალიან მცირე ჯგუფზე ჩატარებულ კვლევაში, ხელოვნური ინტელექტის დახმარება უკავშირდებოდა BCC-სთვის OCT სკანირებების დამწყები მკითხველების მიერ უკეთეს და უფრო სწრაფ ინტერპრეტაციას, მიუხედავად იმისა, რომ მხოლოდ ხელოვნურმა ინტელექტმა დაახლოებით ისეთივე შედეგი აჩვენა, როგორიც დაუხმარებელმა დამწყებმა. შედეგი ინტრიგული და სავარაუდოა, როგორც საგანმანათლებლო დამხმარე საშუალება, მაგრამ მტკიცებულებები წინასწარია და არ ადასტურებს კლინიკურ მზაობას.

ძირითადი დასკვნები

• 45 OCT სკანის მქონე ორი მკითხველის კვლევაში, BCC-ის იდენტიფიკაციისას დამწყებთა სიზუსტე ხელოვნური ინტელექტის დახმარებით 63%-დან 77%-მდე გაიზარდა [PMID:42960626].
• გადაწყვეტილების მიღების დრო თითოეულ სკანზე შემცირდა დაახლოებით 40-დან 25 წამამდე, რაც შეადგენს საშუალო 15.1 წამიან შემცირებას (p < 0.0001) [PMID:42960626].
• ხელოვნურმა ინტელექტმა მარტო ექსპერტის დასკვნასთან შედარებით მხოლოდ 64%-იანი სიზუსტე აჩვენა, რაც დაუხმარებელ დამწყებთა მაჩვენებელს ჰგავს, ამიტომ სარგებელი, როგორც ჩანს, ადამიანისა და ხელოვნური ინტელექტის კომბინაციას მოაქვს.
• კვლევა ძალიან მცირე მასშტაბისაა, ჩატარდა მხოლოდ ერთ დაწესებულებაში და სესიების განმავლობაში ერთი და იგივე სკანირებები გამოიყენეს, ამიტომ სწავლის ეფექტების გამორიცხვა შეუძლებელია.
• არ იყო წარმოდგენილი მონაცემები მგრძნობელობის, სპეციფიკურობის, სიზუსტის სანდო ინტერვალებისა და პაციენტთა შედეგების შესახებ, ამიტომ კლინიკური მზაობა დაუმტკიცებელია.

წყაროები

• Beyond the Surface: AI-Assisted Basal Cell Carcinoma Detection via Optical Coherence Tomography. (PMID:42960626 · DOI:10.1002/lsm.70222)