Я до сих пор помню первую настоящую ошибку, которую сделал радиолог. Это была крошечная ошибка, почти незаметная, но оказавшая огромное влияние на данного пациента. Ошибка обнаружилась только на следующий день после того, как я ее сделал, да и то было уже поздно ...

Ошибка упущения

Несколько лет назад я сообщал об экстренной компьютерной томографии в травматологическом центре, где я работал в вечернюю смену. Там были обычные вещи, множество компьютерных томографов, обнаружение камней в почках и пара исследований травм всего тела. Среди них появятся срочные сканы из палат, таких как послеоперационные брюшные полости и тела ITU. Все шло довольно быстро, и каждый раз, когда я заканчивал отчет, в списке работ появлялось новое исследование. В тот вечер я был старшим регистратором (стажером), а на следующее утро мой консультант перепроверил все.

Одно исследование, проведенное в хирургических палатах, проводилось с участием молодого человека, которого доставили в театр для операции по поводу разрыва аппендикса. По всей видимости, после операции у него были проблемы с сепсисом, и команда совершенно справедливо хотела проверить состояние его живота. Я поднял его компьютерную томографию и осмотрел ее. Обилие свободной жидкости в правой подвздошной ямке с скоплением жира, как и ожидалось, с оторванным стенками скоплением, прилегающим к слепой кишке. Типичные признаки отсроченного проявления аппендицита. Затем я открыл последнее послеоперационное сканирование и начал диктовать. Сбор был обработан хирургическим путем, и свободной жидкости осталось совсем немного. Рана выглядела нормально, и ничего нового нельзя было заметить. Я закончил свой отчет и перешел к следующему исследованию. После того, как список был составлен (ну, его так и не сделали, но закончилась моя смена), я пошел домой.

На следующий день, по прибытии на работу, я, как обычно, проверил электронную почту. Первое сообщение было озаглавлено «СРОЧНО: радиологическая ошибка на эскалацию». Я замер на минуту - что я наделал? Мой мозг не мог представить, что могло быть. Я открыл письмо и прочитал его. Это было коротко, но по делу. Однако для меня это не имело смысла, поначалу. Перечитал.

«Д-р Харви, вчера вы сообщили о послеоперационной компьютерной томографии пациенту X. В результате вашего отчета пациент был доставлен обратно в операционную на ночь для исследовательской лапаротомии, в результате которой операция была прервана. хирургическая бригада не смогла сопоставить свои выводы с тем, что вы сообщили. Пациент сейчас находится в реанимации с послеоперационным ведением. Пожалуйста, свяжитесь с ведущим хирургическим консультантом, чтобы договориться о времени для расследования этого инцидента, которое будет передано руководству ».

Вопросы пролетали у меня в голове. Почему они забрали его обратно в театр? Я сказал, что его живот выглядит лучше, не так ли? Сообщил ли я о неправильном сканировании?

Я бросился в отчетный офис и загрузил вчерашние отсканированные изображения, о которых я сообщил. Я пролистал список, и вот он. Его даже перепроверил и проверил консультант. Я открыл его и снова посмотрел на изображения - но ничего не изменилось, это было то же исследование, о котором я сообщил вчера. Я определенно сообщил о правильном исследовании. Прочитал еще раз свой отчет. И снова. Я не мог понять, почему они решили пойти в театр, основываясь на моих выводах. Я сказал, что коллекции больше нет и что окружающая свободная жидкость рассеялась.

На самом деле нет.

Там простым черно-белым текстом была моя ошибка, и это было одно из упущений. Иногда труднее всего увидеть то, чего нет. Я хотел сказать, что «ранее отмеченного паракаекального сбора не наблюдается». На самом деле я сообщил, что «наблюдается отмеченный ранее парацекальный отбор».

Я пропустил одно слово. "Нет". И только на этом основании хирурги предположили, что коллекция осталась, была источником сепсиса, и отправили пациента обратно в театр, чтобы удалить ее.

Одно слово. Всего одно слово причинило ненужный вред крайне нездоровому молодому пациенту, рискуя еще одной серьезной операцией. Более того, хирургическая бригада проделала это в одночасье, что дорого обошлось больнице, что, несомненно, только добавило задержек к оказанию помощи другим пациентам. Я был огорчен.

Я отправил ответ по электронной почте, договорился о встрече и прошел процесс официального рассмотрения. Я мог только извиниться. Я мог попытаться свалить вину на мое программное обеспечение для автоматической диктовки за то, что он пропустил слово, или на хирургов, которые не проверили сами изображения, или на моего консультанта, за то, что он не прочитал отчет досконально перед его проверкой. Однако, совершенно правильно, вся вина была на мне. Надо было внимательнее прочитать свой отчет. К счастью, с пациентом все закончилось хорошо, после короткого пребывания в отделении интенсивной терапии. Против меня не было предпринято никаких действий. Его сепсис был вызван сепсисом (инфекцией крови), и он хорошо отреагировал на лечение антибиотиками. Я извлек урок из своей ошибки и с тех пор выработал привычку неукоснительно проверять свои продиктованные отчеты, особенно потому, что они автоматически обрабатываются программой распознавания голоса. Каждый раз, когда я подписываю отчет, я все еще вспоминаю этого молодого человека и ненужные страдания, которые я ему причинил.

Слова имеют значение

Историю моей первой серьезной ошибки узнают многие радиологи. Я не одинок. Одно исследование показало, что до 33,8% неотредактированных отчетов содержат такие ошибки. Мы - профессия, связанная нашими словами, и наши слова являются предметом юридической записи в пути наших пациентов. Слова имеют значение, и жизненно важно, чтобы мы понимали их правильно. Какими бы полезными ни были такие технологии, как программное обеспечение для распознавания голоса, конечная ответственность лежит на нас, людях. Итак, как нам уменьшить эти ошибки? В мире постоянно растущих рабочих нагрузок и изнуряющих, выгоревших рентгенологов, возможно, мы не можем ожидать, что каждое слово будет рассмотрено, проверено и проверено.

Что меня больше беспокоит, так это недавний толчок к использованию искусственного интеллекта в восприятии изображений, который полагается на отчеты, составленные человеком, чтобы предоставлять данные для алгоритмов, на которых можно учиться. Если отчеты с произвольным текстом уже содержат ошибки, и обработка естественного языка пытается разобрать текст и найти смысл, то эти ошибки будут только переданы. Хуже того, все отчеты людей в произвольном виде очень разные - каждый радиолог делает отчеты в своем стиле, используя разные дескрипторы. Я уже освещал эту тему в своем блоге об исследовании CheXnet и объяснил, как на самом деле нельзя использовать свободный текст, полученный от человека, как основную истину, чтобы узнать, что находится на рентгеновских снимках грудной клетки. По крайней мере, не так точно, как люди.

Это не меня беспокоит. Huesch et al из Медицинского центра Херши в Пенсильвании недавно опубликовали результаты своих исследований по поиску текстовых отчетов компьютерной томографии для выявления легочной эмболии (сгустков крови в артериях легких). Они пришли к выводу, что отчеты с произвольным текстом связаны с большим разнообразием длины отчетов и используемых терминов. Авторы продолжают заявлять, что эти результаты подтверждают перспективную оценку влияния полностью структурированного шаблона отчета с по крайней мере некоторыми обязательными дискретными полями на простоту использования отчетов и их понимание. Другими словами, они предлагают структурировать отчеты не только для обеспечения стандартизации, но и для лучшего понимания их машинным обучением.

Все дело в структуре

Уже более двух десятилетий существует толчок к так называемой «структурированной отчетности». По сути, структурированный отчет - это шаблон, в котором прописаны определенные поля, которые должен заполнить рентгенолог. Например, в отчете о рентгеновском снимке грудной клетки поля могут включать легкие, сердце и кости. Цель состоит в том, чтобы создать стандартизированный отчет, содержащий одинаковое количество полезной информации в одном и том же формате, независимо от того, какой рентгенолог его заполняет.

Обширные исследования преимуществ структурированной отчетности убедительны. Было показано, что структурированные отчеты категорически более полны и эффективны, чем неструктурированные, превосходят по ясности, обеспечивают повышенное воспринимаемое клиническое воздействие, что они облегчают извлечение информации и предпочтительны. направив врачей », и может улучшить хирургическое планирование. В Америке, где деньги - это главное в здравоохранении, структурированные отчеты могут быть неоценимыми для определения кодов выставления счетов. Кроме того, структурированные отчеты были рекомендованы для любой исследовательской деятельности, связанной с отчетностью радиологии, четко изложенной в заявлении Стандарты отчетности по исследованиям диагностической точности (STARD). Короче говоря, структурированная отчетность лучше, чем текстовая отчетность. Отчеты более ясны, лучше интерпретируются, содержат больше информации, машиночитаемы, и вашим коллегам-клиницистам они нравятся.

Так почему же не все радиологи используют структурированные отчеты? Вот тут-то и сложно. Структурированная отчетность в основном плохо оформляется поставщиками и поставщиками радиологических услуг. Некоторые решения представляют собой буквально несколько слов на пустом месте, рассказывающих вам, какими должны быть субтитры в отчете. Вы должны заполнить остальное, и, в конечном итоге, радиологи просто поместят произвольный текстовый отчет под заголовком и оставят все как есть.

В других структурированных отчетах слишком много разделов для заполнения, поэтому создается впечатление, что вы ставите галочки в ненужных полях, тратите время на ответы на несущественные вопросы и замедляет рабочий процесс. Они не адаптивны, они универсальны для всех и могут казаться сковывающими и обременительными. Еще одно беспокойство вызывает то, что время, потраченное на заполнение структурированного отчета, - это время, потраченное не на просмотр изображений, что не нравится радиологам!

Синоптическая отчетность

Ясно, что мы должны уменьшить количество ошибок и сделать медицинские данные понятными как для человека, так и для машины. С появлением стандартизированной лексики для радиологии и инструментов для интеграции структурированных отчетов в формат DICOM мы наблюдаем конвергенцию технологии с клиническими потребностями, которая, наконец, может сделать структурированные отчеты пригодной для использования реальностью благодаря так называемой синоптической системе. составление отчетов'. Это концепция создания машиночитаемых отчетов непосредственно из входных данных. Таким образом, клинические данные токенизируются в источнике, прикрепляются к любой системе кодирования, которая вам нравится (ICD-10, FIHR, SNOMED), а затем обрабатывается в текстовый отчет в структурированном шаблоне. Таким образом, лежащие в основе кодированные данные гораздо лучше подходят для вычислительного анализа, чем традиционный текстовый отчет, открывая двери для точного крупномасштабного опроса радиологических данных.

На RSNA 2017 один поставщик, Smart Reporting, продемонстрировал элегантное решение для синоптических отчетов. Вместо дидактической установки флажков программа преобразует поля данных в удобный для чтения свободный текст. Используя голосовые команды (связанные с Nuance, ведущим программным обеспечением для голосовой диктовки в радиологии), радиологи могут просто говорить, чтобы перемещаться по полям шаблона, устраняя необходимость в щелчках мышью.

Каждое поле полностью настраивается, поэтому каждое радиологическое отделение может установить свой собственный формат по мере необходимости или выбрать использование шаблонов, разработанных специалистами в узких областях для каждого клинического случая использования. По мере продвижения радиолога отображается поддержка принятия решений в реальном времени (как в приведенном выше примере с измерениями узелков в легких), гарантируя, что все радиологи работают в соответствии с одним и тем же золотым стандартом. «Обычные» исследования могут быть представлены в считанные секунды в формате, который нравится вашему отделению и врачам-клиницистам. Исследования рака особенно выигрывают от детальной стандартизации, а Smart Reporting стремится сделать заполнение таких отчетов менее утомительным.

По сути, программа создает произвольный текст из данных, предоставленных рентгенологом, устраняя необходимость диктовать целые куски прозы. Преимущество для исследователей машинного обучения заключается в том, что базовые данные уже жестко запрограммированы и не требуют NLP для просеивания. Это отличная новость для тех, кто пытается заставить НЛП работать точно и последовательно. Фактически, это полностью исключает необходимость НЛП.

Нам больше не нужно создавать документы, из которых мы надеемся получить данные, вместо этого мы можем создавать четкие, сфокусированные, мультимедийные документы из наших данных.

Тем из вас, кто беспокоится о том, чтобы потерять нюансы своих обычных остроумных отчетов, не волнуйтесь, вы всегда можете отредактировать шаблон, включив в него свои любимые высказывания, будучи уверенными в том, что ваш отчет по-прежнему имеет адекватную структуру. Базовая точка данных, которую вы редактируете, остается прежней, но текст остается вашим собственным. Более того, ваши остроты могут быть мгновенно переведены на несколько языков, и есть даже возможность создавать отчеты для пациентов на основе одних и тех же основных структурированных данных, что является одним из моих пяти лучших вариантов использования искусственного интеллекта в радиологии.

Еще одна умная функция заключается в том, что вы можете включать результаты алгоритмов восприятия изображений искусственным интеллектом, автоматически помещая в отчет соответствующий текст (отредактированный по своему усмотрению). В настоящее время он проходит испытания в Медицинском центре Университета Радбауд в Нидерландах с помощью средства визуализации Thirona. Также имеется интегрированный пакет аналитики, так что вы можете погрузиться в данные всех своих отчетов, что просто невозможно с одним свободным текстом. Все эти точки данных потенциально могут быть связаны с электронной записью вашей больницы и использоваться для аудита, анализа данных и исследований в области машинного обучения. Это тесно связано с актуальной актуальной темой и даже более горячим делом реальных данных в технологиях здравоохранения. Те, кто знает, как создавать и использовать точные реальные данные в большом масштабе, получают огромную отдачу; Достаточно взглянуть на Flatiron, приобретенный Roche за 1,9 миллиарда долларов в этом году. Ценность создания и поддержки собственного озера данных очевидна. Теперь дело за рентгенологами.

Синопсис

Если мы хотим разработать настоящие радиологические системы с искусственным интеллектом, нам потребуются миллиарды чистых точек данных. Произвольный текст и извлечение данных апостериорного НЛП не сокращают его в критически важной для безопасности среде, такой как медицина, поэтому нам нужно быть более умными в том, как мы производим данные, чтобы использовать наши алгоритмы для обучения. Более того, мы обязаны нашим пациентам делать все, что в наших силах, чтобы уменьшить наши собственные ошибки, и мы обязаны нашим коллегам-клиницистам и пациентам предоставлять ясные, действенные и читаемые отчеты.

И наоборот, по мере роста масштабов и функциональности искусственного интеллекта синоптическая отчетность будет единственным способом, которым эти системы будут давать результаты. Мы определенно не собираемся обучать системы ИИ создавать блоки произвольного текста без базовых кодированных точек данных!

Синоптическая отчетность может повысить качество лечения, одновременно улучшая наше взаимодействие и общение с нашими коллегами и пациентами и обеспечивая, чтобы каждый радиолог отчитывался в соответствии с высочайшими стандартами.

Это просто более разумный способ делать что-то.

Если вы, как и я, взволнованы будущим радиологического искусственного интеллекта, и хотите обсудить эти идеи, пожалуйста, свяжитесь с нами. Я в Твиттере @drhughharvey

Если вам понравилась эта статья, будет действительно полезно, если вы нажмете "Рекомендовать" и поделитесь ею.

Об авторе:

Д-р Харви - сертифицированный радиолог и клинический академик, прошел обучение в Национальной службе здравоохранения и ведущем европейском научно-исследовательском институте рака, ICR, где он дважды был удостоен звания научного писателя года. Он работал в Babylon Health, возглавляя команду по нормативно-правовым вопросам, получил первую в мире маркировку CE для службы сортировки, поддерживаемой искусственным интеллектом, а теперь является радиологом-консультантом, членом комитета по информатике Королевского колледжа радиологов и советником стартапа AI. компании, включая Algomedica и Kheiron Medical.