การอธิบายภาพ CT หัวใจของผู้เชี่ยวชาญของ Shaip ช่วยเร่งการตรวจพบอะไมลอยโดซิสของหัวใจในระยะเริ่มต้นได้อย่างไร
กลุ่มวิจัย AI ทางคลินิกร่วมมือกับ Shaip เพื่อสร้างคำอธิบายประกอบ CT หัวใจแบบครบวงจรและเวิร์กโฟลว์การฝึกแบบจำลอง โดยแปลงเกณฑ์ของแพทย์รังสีวิทยาสำหรับอะไมลอยโดซิสหัวใจระยะเริ่มต้นเป็นฉลากและคุณลักษณะที่ควบคุมในระดับการผลิตสำหรับ ML ปลายทาง
ภาพรวมโครงการ
กลุ่มวิจัย AI ทางคลินิกที่มุ่งเน้นไปที่การวินิจฉัยโดยใช้ภาพสำหรับกรณีการใช้งานด้านหัวใจที่ซับซ้อน โดยแสวงหาการติดฉลากที่ควบคุมโดยผู้เชี่ยวชาญที่ทำซ้ำได้ในระดับขนาดใหญ่
ลูกค้ามีเป้าหมายที่จะตรวจจับภาวะอะไมลอยโดซิสในหัวใจระยะเริ่มต้นจากภาพสแกน CT ซึ่งเป็นสัญญาณที่ละเอียดอ่อนและมักถูกมองข้าม พวกเขาจึงร่วมมือกับ Shaip เพื่อสร้างเวิร์กโฟลว์แบบครบวงจรสำหรับการระบุข้อมูลและการฝึกโมเดลโดยแปลงความรู้เฉพาะทางให้เป็นป้ายกำกับและคุณลักษณะที่สอดคล้องกันสำหรับแมชชีนเลิร์นนิงในขั้นตอนต่อไป
สถิติสำคัญ
การเป็นกิริยาช่วย
CT หัวใจ; กลุ่มตัวอย่างที่มีปริมาณมาก หลายชุด สอดคล้องกับเกณฑ์ของผู้เชี่ยวชาญ
ความร่วมมือ SME
นักรังสีวิทยา + นักวิทยาศาสตร์ข้อมูลในวงจรการตรวจสอบแบบวงจรปิด
การส่งมอบ
ชุดภาพที่ติดแท็กทางคลินิก + โปรโตคอลคำอธิบายประกอบแบบมีเวอร์ชัน
ผลกระทบของโมเดล
ความแม่นยำที่ได้รับการตรวจสอบแล้ว 99.8%ในการจำแนกเงื่อนไขเป้าหมาย
การกำกับดูแลกิจการ
เวิร์กโฟลว์ที่รักษาความเป็นส่วนตัวและการติดตามเอกสาร
ชาเลนจ์ (Challenge)
- แปล สัญญาณภาพในระยะเริ่มต้นที่ละเอียดอ่อน เข้าสู่อนุกรมวิธานเชิงปฏิบัติการ
- การบำรุงรักษา ความสม่ำเสมอของการติดฉลาก ในกลุ่มขนาดใหญ่ที่มีหลายชุด
- ตรงกัน การตอบรับจากนักรังสีวิทยา ด้วยรอบการฝึกอบรมแบบจำลองแบบวนซ้ำ
- การรักษา ความเป็นส่วนตัวและความเข้มงวดในการจัดทำเอกสาร ตลอดระยะเวลาการจัดส่ง
Solution
กลยุทธ์ข้อมูล
รวบรวมเกณฑ์ของนักรังสีวิทยาสำหรับโรคอะไมลอยโดซิสระยะเริ่มต้นเป็นแนวทางการติดฉลากในทางปฏิบัติ โดยมีเกณฑ์การยอมรับ เส้นทางการยกระดับ และแท็กหลักฐานเพื่อรวบรวมเหตุผล
การรวบรวมและคำอธิบายประกอบ
ดำเนินการตามขั้นตอนที่ให้รังสีแพทย์มีส่วนร่วมในกระบวนการ:ผู้ให้ข้อมูลที่ได้รับการฝึกฝนใช้แท็กที่มีโครงสร้าง ผู้ตรวจสอบอาวุโสตัดสินกรณีพิเศษ ป้ายกำกับที่ถูกต้องขั้นสุดท้ายใช้เป็นข้อมูลป้อนเข้าสำหรับการฝึกอบรม
การพัฒนาแบบจำลอง
ฝึกฝนและตรวจสอบความถูกต้องของตัวจำแนกประเภทในกระบวนการพัฒนาแบบวนซ้ำ ติดตามตัวชี้วัดในแต่ละเวอร์ชันเพื่อวัดผลการปรับปรุงระบบจำแนกประเภท ความถูกต้องที่ตรวจสอบแล้วอยู่ที่ 99.8%
การประกันคุณภาพ
QC หลายชั้นพร้อมการตรวจสอบซ้ำ การตรวจสอบการดริฟต์ และแดชบอร์ดความคลาดเคลื่อน
การปฏิบัติตามกฎระเบียบและการกำกับดูแล
กระบวนการรักษาความเป็นส่วนตัว เอกสารโปรโตคอลแบบมีเวอร์ชัน ความสามารถในการตรวจสอบย้อนกลับจากกรณี → แท็ก → สิ่งประดิษฐ์การตัดสินใจ
ขอบเขตโครงการ
| ติดตามการจัดส่ง | สิ่งที่เราทำ | เอาท์พุต | คิวซี เกตส์ |
|---|---|---|---|
| อนุกรมวิธาน | แปลงเกณฑ์ผู้เชี่ยวชาญเป็นโครงร่างฉลาก | เครื่องมือกึ่งอัตโนมัติ + QC ภาพ | การป้องกันการระบุตัวตนด้วยการรักษาสัญญาณไว้ |
| การระบุตัวตนเมตาดาต้า | การขัดแท็ก DICOM | การลบตามกฎ + รายการที่อนุญาต | ไม่มีการรั่วไหลของ PHI ในส่วนหัว |
| การตรวจสอบ | การตรวจสอบโดยผู้ตรวจสอบ | รายการตรวจสอบ แผนการสุ่มตัวอย่าง | การลดความเสี่ยง PHI ที่วัดได้ |
| การกำกับดูแลกิจการ | SOP และการฝึกอบรม | เส้นทางการตรวจสอบ; การควบคุมการเข้าถึง | ความสามารถในการทำซ้ำและการปฏิบัติตามข้อกำหนด |
ผลลัพธ์
- ความแม่นยำที่ผ่านการตรวจสอบ 99.8% สำหรับการจำแนกประเภทเป้าหมาย ช่วยให้การวิจัยพร้อมสำหรับการใช้งาน
- การวนซ้ำที่รวดเร็วยิ่งขึ้น โดยการฝังคำติชมของผู้เชี่ยวชาญโดยตรงลงในรอบการฝึกอบรม
- คู่มือการเล่นแบบใช้ซ้ำได้ สำหรับโครงการ AI ด้านหัวใจหลายไซต์ในอนาคต
ผลกระทบเชิงกลยุทธ์:ความรู้โดยปริยายของผู้เชี่ยวชาญถูกแปลงเป็นไปป์ไลน์ที่ปรับขนาดได้และมีการกำกับดูแล ซึ่งช่วยเพิ่มประสิทธิภาพการตรวจจับพร้อมทั้งเสริมความแข็งแกร่งด้านการปฏิบัติตามกฎระเบียบ
Shaip แปลข้อมูลเชิงลึกของผู้เชี่ยวชาญให้เป็นคำอธิบายประกอบและเวิร์กโฟลว์การฝึกอบรมระดับการผลิต ซึ่งเพิ่มความแม่นยำในขณะที่เร่งการทดลอง
