Видит то, чего нет, и не видит очевидного. Почему искусственный интеллект не заменит глаза рентгенолога

сегодня в 12:54 Журнал «Практикующие врачи лучевой и функциональной диагностики»

Галина Фомина, рентгенолог АНО ЦКБ имени Св. Алексия, Ассистент кафедры лучевой диагностики МНОЦ МГУ имени М.В. Ломоносова, Москва

Проблемы обучения ИИ

При обучении анализу рентгенологических изображений алгоритмы на основе ИИ могут использовать наиболее простой и короткий путь «наименьшего сопротивления». Это приводит к ложным корреляциям, особенно в контексте моделей глубинного обучения. Система ИИ может научиться диагностировать патологии на основе текстовых маркеров, а не рентгенологических признаках. Например, на тех, которые указывают на положение пациента лежа на спине, а не на рентгенологических признаках пневмонии.

Необходимо проводить своевременные и регулярные аудиты для проверки и переобучения моделей. Рентгенолог должен регулярно генерировать метки для новых редких и сложных случаев (рисунок 1).

Рисунок 1. 94-летний пациент с клиникой одышки. КТ-ангиография легочного ствола и легочных артерий. На снимках A—C, аксиальной КТ (A) и коронарных (B и C) проекциях видны необструктивные дефекты наполнения (стрелки) в сегментарных ветвях правой нижней доли, характерные для тромбоэмболии легочной артерии. Находку обнаружил рентгенолог, но алгоритм ИИ ее пропустил

Варианты нормы и возрастные изменения

Рентгенологи изучают не только патологию, но и анатомические варианты нормы, а также возрастные изменения. ИИ тоже должен их учитывать. Например, к возрастной норме у пожилых относятся оссификация реберных хрящей и трахеобронхиального дерева, потеря плотности костей в позвоночнике, возрастное умеренное расширение мозговых борозд и потеря объема мозговой паренхимы, а также дегенеративные изменения суставов. Кроме того, ИИ может пропустить переломы позвонков при остеофитах передних тел позвонков или кальцификатах вдоль передней продольной связки.

На рисунке 2 — результаты КТ пациентки, у которой ИИ неправильно классифицировал кальцификацию на переднем серпе большого мозга как кровоизлияние. Эту ошибку можно было бы предотвратить, если бы алгоритм ИИ обучали с помощью более разнообразных данных.

Рисунок 2. 94-летняя пациентка с черепно-мозговой травмой, поступившая в отделение неотложной помощи с левосторонним парезом лица после падения. Аксиальная КТ головы показывает небольшой кальцифицированный очаг на переднем серпе большого мозга (стрелка). Алгоритм искусственного интеллекта интерпретировал находку как внутричерепное кровоизлияние. Аксиальная КТ головы, выполненная примерно за год до этого, показывает похожую находку (стрелка). Рентгенолог расценил ее как кальцификацию переднего серпа большого мозга

На рисунке 3 — результаты исследования пациента с посттравматическим компрессионным переломом тела второго грудного позвонка и сопутствующим спондилезом. ИИ не смог определить перелом из-за неправильной интерпретации размеров тела позвонка.

Рисунок 3. 85-летний пациент, поступивший в отделение неотложной помощи после падения. Сагиттальное КТ-изображение показывает компрессионный перелом тела Th1 позвонка (стрелка), а также крупные остеофиты вдоль передней границы шейного и верхнегрудного отделов позвоночника. ИИ не смог идентифицировать деформацию компрессионного перелома тела позвонка Th2. При этом также была потеря приблизительно 50% высоты переднего тела позвонка при неповрежденном заднем контуре. Вероятно, остеофиты на передне-нижней стороне сломанного тела позвонка способствовали тому, что передняя граница выглядела по размеру похожей на заднюю

Послеоперационные изменения

Послеоперационные изменения также влияют на интерпретацию изображений. Это могут быть последствия операций, изменяющих анатомию органов, например, краниэктомия, ламинэктомия, а также хирургические клипсы или хирургические инструменты. Алгоритмы ИИ не обучены учитывать эти изменения, поэтому результаты будут ложноположительными [10].

На рисунке 4 — результаты исследования пациента с посткраниэктомической субдуральной гигромой. ИИ интерпретировал послеоперационное утолщение твердой мозговой оболочки как внутричерепное кровоизлияние.

Рисунок 4. 63-летняя женщина после краниэктомии, которая обратилась с правосторонним парезом лица и слабостью в левом плече. A. Аксиальная КТ головы показывает скопление субдуральной жидкости в правой лобной области (стрелка). Алгоритм ИИ интерпретировал находку как внутричерепное кровоизлияние. B. Аксиальное изображение КТ головы, выполненное за 8 месяцев до этого, показывает, что вид находки не изменился (стрелка). Рентгенолог интерпретировал это как вероятную субдуральную гигрому

Медицинские устройства

На точность алгоритмов ИИ также влияют медицинские устройства — катетеры, имплантаты, протезы или кардиостимуляторы. Он может неверно толковать их как аномалию.

Медицинские устройства «прячут» от ИИ анатомические структуры и патологии.

На рисунке 5 — результат КТ пациента, у которого ИИ неверно истолковал вентрикуло- плевральное шунтирование грудной клетки как перелом ребра. Изогнутая траектория высокоплотного катетера вблизи ребра имитировала перелом на аксиальных изображениях. Повысить точность модели может включение пресканов (scout), которые помогают идентифицировать и определить локализацию медицинских устройств.

Рисунок 5. 24-летняя пациентка с установкой вентрикуло-плеврального шунта в анамнезе обратилась с болью в грудной клетке. A. Аксиальная КТ грудной клетки показывает две небольшие линейные гиперденсивные структуры (стрелки). Они имеют более крупную структуру, ориентированную параллельно и очень близко к ребру. Алгоритм ИИ интерпретировал эту находку как перелом ребра. B. Дополнительное аксиальное изображение из того же обследования указывает на то, что структура относится к вентрикуло-плевральному шунту (стрелка), проходящему вдоль ребра

Артефакты

Артефакты усиления жесткости пучка происходят, когда полихроматический рентгеновский луч проходит через объект и избирательно ослабляет фотоны с более низкой энергией. Образуется пучок с более высокой энергией. Он проявляется на снимках как отдельные гиподенсивные полоски. Может выглядеть как комбинация гипер- и гиподенсивных полосок, проходящих через ткани. При этих проявлениях артефакт усиления жесткости пучка — серьезная проблема для визуализации кровоизлияния на КТ головы с помощью ИИ.

Модели обучаются оценивать гиперденсивные плотности.

Артефакты усиления жесткости пучка чаще всего появляются на уровне борозд мозга, в передней или средней черепной ямке. Это наиболее типичные области для кровоизлияний, особенно после травмы [11]. Так сложилось, что артефакт движения не включали в изображения обучающих наборов ИИ, поэтому разработанные модели не могут его учитывать [12].

На рисунках 6A—6C — результаты КТ пациента, у которого ИИ неверно интерпретировал артефакт усиления жесткости пучка на КТ головы как внутричерепное кровоизлияние. Артефакты движения — дополнительная причина ложноотрицательных результатов. На изображениях 6D и 6E — результаты КТ пациента, у которого артефакт движения привел к появлению многочисленных неравномерных очагов у основания черепа, из-за чего ИИ пропустил кровоизлияние в мосту.

Рисунок 6. Артефакты визуализации, которые трудно диагностировать с помощью искусственного интеллекта. A—C. 68-летний мужчина, упал после обморока. Аксиальное изображение КТ головы (A) показывает линейную гиперденсивную структуру в правой теменно-затылочной области (стрелка, A и B). ИИ интерпретировал ее как внутричерепное кровоизлияние. Тепловая карта (B) указывает на то, что правая теменно-затылочная область была основной областью исследования ИИ. На аксиальном повторном КТ головы (С) этого нет. Первоначальную картину отнесли к артефакту жесткости пучка, а не к внутричерепному кровоизлиянию. D и E. 84-летняя женщина, упала после падения. Аксиальное КТ головы (D) показывает восьмимиллиметровую паренхиматозную гематому в мосту (стрелка, D). Алгоритм ИИ не обнаружил кровоизлияния, возможно, из-за артефакта движения. Аксиальное изображение с контрольной КТ головы (E) показывает гематому в мосту (стрелка, E). Нет артефакта движения, однако алгоритм ИИ обнаружил кровоизлияние

Сравнение с предыдущими исследованиями

Модели ИИ могут научиться интерпретировать только одно исследование, не принимая во внимание другие результаты [13]. Это ограничение в разработке модели приводит к ошибкам.

На рисунке 7 — результаты КТ головы пациента, у которого коллоидную кисту третьего желудочка ИИ ошибочно интерпретировал как кровоизлияние. На рисунке 8 — КТ другого пациента. У него ИИ интерпретировал парасагиттальную менингиому как кровоизлияние. У обоих пациентов обзор КТ головного мозга в динамике, который выполнил врач, помог идентифицировать долгосрочную стабильность находок. Так смогли установить правильный диагноз. Потенциально ИИ может научиться сравнивать результаты более ранних исследований, однако технически осуществить это крайне сложно.

Рисунок 7. 77-летний пациент, у которого после падения изменилось психическое состояние. A. Аксиальная КТ головы показывает круглый гиперденсивный внутрижелудочковый очаг (стрелка). Алгоритм ИИ интерпретировал фокус как очаговое внутричерепное кровоизлияние. B. Аксиальная КТ головы, выполненная 2 года назад, показывает похожий внешний вид находки (стрелка). Поэтому рентгенолог посчитал кровоизлияние маловероятным и расценил находку как коллоидную кисту отверстия Монро

Рисунок 8. 78-летняя пациентка, поступившая в отделение неотложной помощи с афазией. A. Аксиальная КТ головы показывает овальную структуру неоднородной плотности с гиперденсивным ободком вдоль левой стороны заднего серпа большого мозга (стрелка). Алгоритм ИИ интерпретировал находку как внутричерепное кровоизлияние. B. На аксиальной КТ головы, выполненной 8 месяцев назад, — очаг, похожий по размеру и расположению (стрелка). Рентгенолог посчитал кровоизлияние маловероятным. C. Аксиальная контрастная МРТ, Т1-ВИ-изображение демонстрирует экстрааксиальный очаг с интенсивным гомогенным контрастным усилением (стрелка), что характерно для менингиомы фалькса

Эффект удовлетворенности поиском

В рентгенологии часто после обнаружения первоначальной цели исследования не проводят дополнительный диагностический поиск. Врачи тоже могут допускать эту ошибку при одновременном поиске нескольких патологий [14, 15].

На рисунке 9 — КТ пациента, у которого алгоритм ИИ не смог идентифицировать второе кровоизлияние после успешного обнаружения первоначального очага.

Рисунок 9. 69-летний пациент с измененным психическим статусом. A. На аксиальной КТ головы — паренхиматозное кровоизлияние в левом таламусе (стрелка). Алгоритм ИИ интерпретировал изображение верно. B. Дополнительное аксиальное изображение показывает еще одно паренхиматозное кровоизлияние в правом чечевицеобразном ядре (стрелка). Это кровоизлияние обнаружил только рентгенолог

Ссылка на оригинал: Источник

Источник: vk.com

Комментарии: