تشخیص رایانه (CAD): یک مرور کلی

تشخیص رایانه (CAD) یک فناوری است که برای کاهش نظارت های مشاهده ای - و در نتیجه نرخ منفی کاذب - پزشکانی که تصاویر پزشکی را تفسیر می کنند ، طراحی شده است. مطالعات بالینی آینده نگر افزایش در تشخیص سرطان پستان با کمک CAD را نشان داده است. این نمای کلی به طور خلاصه معیارهایی را که برای تعریف عملکرد سیستم CAD استفاده شده است ، شرح می دهد.

مقدمه

استفاده از رایانه ها برای کمک به رادیولوژیست ها در خرید (به عنوان مثال CT ، MRI ، ایالات متحده ، رادیوگرافی محاسبه شده) ، مدیریت و ذخیره سازی (PACS) و گزارش (RI) تصاویر پزشکی به خوبی مشخص شده است. اخیراً ، برنامه های رایانه ای برای استفاده در عمل بالینی تهیه و تصویب شده است که به رادیولوژیست ها در تشخیص ناهنجاری های احتمالی در معاینات رادیولوژی تشخیصی کمک می کند. این برنامه به عنوان شناسایی (یا کمک شده) رایانه ، که معمولاً به عنوان CAD گفته می شود ، نامیده می شود.

همانطور که در این نمای کلی استفاده می شود ، اصطلاح "تشخیص به کمک رایانه" به نرم افزار تشخیص الگوی اشاره دارد که ویژگی های مشکوک روی تصویر را مشخص می کند و آنها را به توجه رادیولوژیست می رساند تا بتواند قرائت های منفی کاذب را کاهش دهد. همانطور که در حال حاضر استفاده می شود ، رادیولوژیست ابتدا امتحان را بررسی می کند ، سپس نرم افزار CAD را فعال می کند و قبل از انتشار گزارش نهایی ، مناطق نگرانی CAD را مجدداً ارزیابی می کند. CAD در حال حاضر FDA و CE برای استفاده از هر دو ماموگرافی فیلم و دیجیتال ، برای هر دو امتحانات غربالگری و تشخیصی تأیید شده است. برای CT قفسه سینه ؛و برای رادیوگرافی قفسه سینه.

این متفاوت از مفهوم "تشخیص به کمک رایانه" (که به آن CAD نیز گفته می شود) متفاوت است ، که به نرم افزاری اشاره دارد که یک یافته رادیوگرافی را برای برآورد احتمال اینکه این ویژگی یک فرایند بیماری خاص را نشان دهد (به عنوان مثال خوش خیم در مقابل بدخیم) تجزیه و تحلیل می کند. به نظر من ، این فناوری هنوز برای استفاده بالینی تأیید نشده است.

زمینه

در ساده ترین اصطلاحات ، تمرین رادیولوژی شامل (الف) است که به یک تصویر (ادراک بصری) نگاه می کند و سپس (ب) تفسیر آنچه دیده می شود (شناخت) [1]. مطالعات بیشماری نشان داده است که ناهنجاری های رادیوگرافی که به وضوح روی یک تصویر وجود دارد ، در بعضی مواقع گزارش نشده است. برای پرداختن به این موضوع ، از استراتژی هایی مانند خواندن مضاعف استفاده شده است ، مانند غربالگری ماموگرافی ، که باعث افزایش میزان تشخیص سرطان می شود. با این حال ، این کار فشرده است و از این رو به طور گسترده مورد استفاده قرار نمی گیرد ، مگر اینکه توسط سازمان های پزشکی یا دولتی اجباری شود.

هدف اصلی CAD افزایش تشخیص بیماری با کاهش میزان منفی کاذب به دلیل نظارت مشاهده است. استفاده از رایانه به جای ناظر دوم انسانی این مزیت را دارد که افزایش خواسته های مربوط به رادیولوژیست (یا ناظر آموزش دیده) را افزایش ندهد. جنبه مهم هر دو روش افزایش تشخیص بیماری بدون تأثیر خنثیسازی بر فراخوان و افزایش نرخ است. سرانجام ، در برخی از برنامه های کاربردی CAD ، با ابزارهای نرم افزاری خودکار همراه ، این پتانسیل را دارد که راندمان گردش کار را ارائه دهد. این برنامه دوم فراتر از محدوده این نمای کلی است.

الگوریتم های CAD برای جستجوی همان ویژگی هایی که یک رادیولوژیست در هنگام بررسی پرونده به دنبال آن است ، تهیه شده اند. بنابراین ، برای سرطان پستان در ماموگرافی ، الگوریتم های CAD در جستجوی ریزگردها و توده ها (اعوجاج و غیر اسپیکر شده ، تحریفات معماری و عدم تقارن) هستند. در رادیوگرافی قفسه سینه و سی تی اسکن ، برنامه های کنونی CAD در جستجوی تراکم ریوی که دارای خصوصیات بدنی خاصی هستند ، به عنوان مثال. کروی ، که ممکن است نشان دهنده گره های ریه باشد.

جای تعجب نیست که الگوریتم های CAD ویژگی هایی را نشان می دهند که الگوریتم را برآورده می کند ، اما این یافته هایی را نشان نمی دهد که رادیولوژیست برای تضمین تحقیقات بیشتر ، یعنی علائم کاذب کاذب در نظر دارد. همچنین ، در بعضی مواقع ، یک علامت CAD مثبت مثبت ، پس از بررسی توسط رادیولوژیست ، به دلیل عدم تضمین تحقیقات بیشتر برکنار می شود. در این مثال ، گزارش منفی کاذب نتیجه یک ترمیم کننده - به جای یک ادراک - خواهد بود.

اجرای بالینی CAD

الگوریتم های CAD برای تجزیه و تحلیل به یک مجموعه داده دیجیتالی از تصویر نیاز دارند. اگر تصویر در فیلم اشعه ایکس مانند ماموگرافی صفحه نمایش فیلم به دست آورد ، ابتدا باید تصویر آنالوگ دیجیتالی شود. با این حال ، الگوریتم های CAD می توانند به طور مستقیم تصاویر به دست آمده در قالب دیجیتال ، مانند ماموگرافی دیجیتال (FFDM) و CT را تجزیه و تحلیل کنند.

در عمل فعلی (و همانطور که توسط FDA لازم است) ، ابتدا باید امتحان را به صورت معمول بررسی و تفسیر کرد. فقط در این صورت علائم CAD نمایش داده می شود ، که در ادامه رادیولوژیست دوباره مناطقی را که توسط سیستم CAD مطرح می شود ، بررسی می کند. دو اصل مهم باید رعایت شود:

سیستم های فعلی CAD تمام یافته های عملی را نشان نمی دهند. بنابراین ، عدم وجود علامت CAD در یافتن رادیولوژیست نگران بررسی قبل از CAD وی نیست ، نباید از ارزیابی بیشتر جلوگیری کند.

سیستم های CAD کنونی علائم CAD نادرست بیشتری نسبت به علائم CAD واقعی تولید می کنند. بنابراین، این وظیفه رادیولوژیست است که تشخیص دهد آیا علامت CAD نیاز به ارزیابی بیشتر دارد یا خیر.

نحوه ارزیابی یک سیستم CAD

یک سیستم CAD را می توان به روش های مختلفی ارزیابی کرد، که شامل تجزیه و تحلیل داده های تولید شده در یک آزمایشگاه یا محیط آزمایشی، و با تاثیر CAD بر عملکرد رادیولوژیست در یک محیط عمل بالینی واقعی است.

حساسیت و ویژگی "Stand only".

این اطلاعات را می توان با مشاهده عملکرد یک سیستم CAD در مجموعه ای از موارد "حقیقت" به دست آورد. حقیقت به طور کلی با تأیید بافت شناسی وجود (به عنوان مثال سرطان) یا عدم وجود (مثلاً پیگیری بالینی) بیماری مشخص می شود. حساسیت با درصد موارد مثبتی که در آن سیستم CAD علامتی روی محل بیماری قرار می دهد، تعیین می شود. تعداد علائم CAD کاذب در هر تصویر یا مورد معمولی معمولاً به عنوان جانشین برای ویژگی استفاده می شود.

نتایج این تمرین البته به مجموعه پرونده بستگی دارد. تعصب، در نظر گرفته شده یا غیرمنتظره، در جمع آوری موارد مثبتی که یافته های آشکارتری دارند، منجر به عملکرد بهتر CAD ظاهری در مقایسه با مواردی می شود که کمتر مشهود هستند، حتی اگر الگوریتم CAD یکسان است. بنابراین، همان الگوریتم CAD بسته به ترکیب مورد، حساسیت ها و ویژگی های متفاوتی (علامت های نادرست در هر مورد) را نشان می دهد.

یک روش ترجیحی برای مقایسه سیستم های CAD، تعیین میزان حساسیت و نشانگرهای نادرست در مجموعه ای از موارد «حقیقت» است. این موارد باید برای سیستم CAD «ناشناخته» باشند، یعنی نباید از آنها برای آموزش الگوریتم های CAD استفاده می شد. به منظور ایجاد اهمیت آماری برتری یا هم ارزی در عملکرد هنگام مقایسه سیستم های CAD، به تعداد کافی (و اغلب زیاد) موارد نیاز است.

مطالعات "آزمایشگاهی" بهبود تشخیص بالقوه

این مطالعات، رادیولوژیست ها (یا سایر «خوانندگان») را برای ارزیابی مجموعه ای از موارد «حقیقت» برای تعیین حساسیت و نرخ تماس خواننده بدون کمک (قبل از CAD) با خواننده با کمک CAD استخدام می کنند. چنین مطالعاتی برای ارزیابی مزایای بالقوه CAD و ارائه تخمینی از تغییرات مورد انتظار در تشخیص بیماری و نرخ کار / فراخوان مفید هستند. با این حال، تنظیمات تست اغلب عملکرد خواننده را به خطر می اندازد، به این ترتیب که خواننده ممکن است موارد بررسی شده را در یک محیط آزمایشی بیش از حد یا کمتر از آن فراخوانی کند.

تجربه عمل بالینی واقعی

از بسیاری جهات ، این نتایج ممکن است بهترین ارزیابی یک سیستم CAD در نظر گرفته شود ، به این ترتیب که آنها سهم (یا فقدان آن) CAD را در یک عمل بالینی واقعی ارزیابی می کنند. در این شرایط ، تأثیر CAD بر (الف) تشخیص بیماری و (ب) میزان فراخوان/کار مشخص می شود. این داده ها ، البته ، فقط بازتاب آن عمل بالینی خاص است. با این حال ، مانند همه چنین تحقیقات بالینی ، گزارش های تجمعی از شیوه های مختلف باید روند ارزش (یا عدم وجود آن) از مداخله معرفی شده ، یعنی CAD را نشان دهد.

این کار را می توان در یک کارآزمایی بالینی "متوالی خوانده شده" انجام داد ، که در آن امتحان ابتدا قبل ، و سپس به دنبال آن ، ورودی CAD [2-5] خوانده می شود. تغییر در تشخیص بیماری به دلیل ورودی CAD و همچنین تغییر در میزان فراخوان/تمرین ، سهم CAD در مدیریت بیمار را تعیین می کند. نکته مهم این است که درصد افزایش در تشخیص بیماری باید با یا کمتر از درصد افزایش نرخ فراخوان/تمرین باشد.

رویکرد دیگر کارآزمایی "کنترل تاریخی" است که در آن درصد تغییر در تشخیص بیماری و میزان فراخوان/تمرین با مقایسه داده ها قبل و بعد از اجرای CAD در یک عمل بالینی تعیین می شود [6 ، 7]. این داده ها همچنین مفید هستند ، اما تغییر در جمعیت شناسی بیمار و الگوهای عملی ممکن است تغییر در دوره های قبل از CAD و CAD که مستقل از معرفی CAD هستند ، باشد. هنگام گزارش نتایج چنین مطالعاتی ، باید مراقب باشید که متغیرهایی را که به طور مستقل بر میزان تشخیص بیماری تأثیر می گذارد ، در نظر بگیریم [8].

خلاصه

تشخیص رایانه (CAD) یک فناوری بالینی اثبات شده است که با کمک به رادیولوژیست در کاهش نظارت های مشاهده ای (یعنی کاهش نرخ منفی کاذب) ، تشخیص سرطان پستان را افزایش می دهد. معرفی بالینی اخیر CAD برای کمک به رادیولوژیست ها در تشخیص گره های ریه عملی احتمالاً با توسعه ، اعتبار سنجی آزمایشات بالینی ، تصویب نظارتی و تجاری سازی انواع برنامه های CAD در تصویربرداری تشخیصی دنبال خواهد شد.

منابع

1. کروپینسکی EA. آینده ادراک تصویر در رادیولوژی. Acad Radiol. 2003 ؛10: 1-3.[PubMed] [Google Scholar]

2. Freer TW ، Ulissey MJ. غربالگری ماموگرافی با تشخیص به کمک رایانه: مطالعه آینده نگر از 12. 860 بیمار در یک مرکز پستان جامعه. رادیولوژی2001 ؛220: 781-6.[PubMed] [Google Scholar]

3. Morton MJ، Whaley DH، Brandt KR، و همکاران. اثرات تشخیص به کمک رایانه (CAD) بر یک برنامه ماموگرافی غربالگری محلی/منطقه ای: ارزیابی آینده نگر 12646 بیمار. رادیولوژی. 2002; 225 (ص): 459.[Google Scholar]

4. Bandodkar P، Birdwell R، Ikeda D. تشخیص به کمک رایانه (CAD) با ماموگرافی غربالگری در یک موسسه دانشگاهی: یافته های اولیه. رادیولوژی. 2002; 225 (ص): 458.[Google Scholar]

5. نیکلاس ام جی، اسلانتس پی جی، مندل جی بی. ارزیابی آینده نگر تشخیص به کمک رایانه در تفسیر ماموگرافی غربالگری: کار در حال پیشرفتAJR. 2004; 182 (P): 32-3.[Google Scholar]

6. Cupples TE. تأثیر تشخیص به کمک رایانه (CAD) در یک برنامه ماموگرافی غربالگری منطقه ایرادیولوژی. 2001; 221 (ص): 520.[Google Scholar]

7. Gur D، Sumkin JH، Rockette HE، و همکاران. تغییرات در تشخیص سرطان سینه و میزان یادآوری ماموگرافی پس از معرفی یک سیستم تشخیص به کمک کامپیوتر. J Natl Cancer Inst. 2004; 96: 185-90.[PubMed] [Google Scholar]

8. Feig SA، Sickles EA، Evans WP، Linver MN. نامه به ویراستار. پاسخ: تغییرات در تشخیص سرطان سینه و میزان یادآوری ماموگرافی پس از معرفی یک سیستم تشخیص به کمک کامپیوتر. J Natl Cancer Inst. 2004; 96:1260-1.[PubMed] [Google Scholar]