Cum accelerează adnotarea CT cardiacă expertă de la Shaip detectarea timpurie a amiloidozei cardiace
Un grup de cercetare clinică în domeniul inteligenței artificiale a colaborat cu Shaip pentru a construi un flux de lucru complet pentru adnotarea și antrenarea modelelor de tomografie computerizată cardiacă, transformând criteriile radiologilor pentru amiloidoza cardiacă precoce în etichete și caracteristici guvernate, de calitate superioară, pentru tehnologia de învățare automată (ML) în ulterioare.
rezumatul proiectului
Un grup de cercetare clinică în domeniul inteligenței artificiale s-a concentrat pe diagnosticarea bazată pe imagini pentru cazuri complexe de utilizare în cardiologie, căutând o etichetare repetabilă ghidată de experți la scară largă.
Clientul a urmărit să detecteze amiloidoză cardiacă în stadiu incipient de la scanările CT - semnale subtile și adesea trecute cu vederea. Au colaborat cu Shaip pentru a construi un adnotare end-to-end și flux de lucru pentru antrenamentul modelelor, transformând cunoștințele specializate în etichete și caracteristici consecvente pentru ML în aval.
Statistici cheie
Modalitatea
CT cardiac; cohorte cu volum mare, în loturi multiple, aliniate la criteriile experților
Colaborarea IMM-urilor
Radiologi + oameni de știință în domeniul datelor în cicluri de evaluare în buclă închisă
livrabile
Seturi de imagini etichetate clinic + protocol de adnotare versionat
Impactul modelului
99.8% precizie validată a clasificării condițiilor țintă
Guvernanță
Fluxuri de lucru care păstrează confidențialitatea și trasabilitatea documentației
Activități
- traducerea indicii imagistice subtile, în stadiu incipient într-o taxonomie operațională.
- Mentine consecvența etichetării în cohorte mari, cu loturi multiple.
- Sincronizarea feedback-ul radiologului cu cicluri iterative de antrenament ale modelului.
- conservarea confidențialitate și rigurozitate în documentație pe tot parcursul livrării.
Soluţie
Strategia datelor
Criteriile radiologice codificate pentru amiloidoza precoce au fost integrate într-un ghid practic de etichetare cu praguri de acceptare, căi de escaladare și etichete de dovezi pentru a surprinde justificarea.
Colecție și adnotare
A executat o canalul de radiologi implicați în procesul de lucru: Adnotatorii instruiți au aplicat etichete structurate; evaluatorii seniori au evaluat cazurile limită; etichetele aurii finale au fost alimentate de antrenament.
Dezvoltarea modelului
Clasificatori antrenați și validați în sprinturi iterative; metrici urmărite per revizie pentru a cuantifica îmbunătățirile taxonomiei. Precizia validată a atins 99.8%.
Asigurarea Calității:
Control al calității pe mai multe niveluri, cu verificări ale duplicării, monitorizare a derivelor și tablouri de bord pentru discrepanțe.
Conformitate și guvernanță
Procese care păstrează confidențialitatea; documente de protocol versionate; trasabilitate de la caz → etichetă → artefact decizional.
Domeniul de aplicare al proiectului
| Urmări | Ce am făcut | producție | Porți QC |
|---|---|---|---|
| Taxonomie | Criteriile expertului au fost convertite în scheme de etichetare | Instrumente semiautomate + control vizual al calității | Protecția identității cu semnal păstrat |
| De-ID-ul metadatelor | Curățarea etichetelor DICOM | Eliminare bazată pe reguli + listă albă | Nicio scurgere PHI în colectoare |
| Verificare | Audituri de recenzori | Liste de verificare; planuri de eșantionare | Reducerea măsurabilă a riscului de informații medicale protejate (PHI) |
| Guvernanță | Proceduri operaționale standard (SOP) și instruire | Piste de audit; controale de acces | Reproductibilitate și conformitate |
Rezultat
- Precizie validată de 99.8% pentru clasificarea țintelor, permițând cercetarea pregătită pentru implementare.
- Iterație mai rapidă prin integrarea feedback-ului de specialitate direct în ciclurile de instruire.
- Manuale de joc reutilizabile pentru viitoare inițiative de inteligență artificială în cardiologie, cu locații multiple.
Impact strategic: Cunoștințele implicite ale experților au fost transformate într-un flux scalabil și guvernat, sporind performanța de detectare și consolidând în același timp conformitatea.
Shaip a transpus cunoștințele specializate într-un flux de lucru pentru adnotări și antrenament la nivel de producție, crescând precizia și accelerând în același timp experimentele.
— Șef al departamentului de imagistică cu inteligență artificială, Partener de cercetare în domeniul sănătății
