Cykl życia wyniku AI

Model obrazowania nie jest zintegrowany tylko dlatego, że proces inferencji potrafi odczytać plik i wytworzyć wiarygodnie wyglądającą maskę. W przepływie pracy usługa musi wybrać zamierzone źródło, zwrócić obiekt, z którego mogą skorzystać otaczające systemy, oraz pozostawić dość informacji o pochodzeniu, aby można było odtworzyć przebieg zdarzeń. Praktyczny model myślowy obejmuje cztery obowiązki: pobrać, przeprowadzić inferencję, zwrócić i udokumentować. Nie jest to uniwersalna architektura wdrożenia, lecz użyteczny zestaw punktów kontrolnych dla każdej architektury.

Pobierz zamierzone źródło

Usługa potrzebuje najpierw właściwego badania i właściwej serii. Reguła trasowania może wybierać badania w chwili ich nadejścia albo element pracy może wskazywać obiekty źródłowe do przetworzenia. Pobieranie może używać DIMSE lub DICOMweb. Transport nie jest logiką wyboru: w pełni udane zapytanie C-FIND lub QIDO-RS albo odpowiedź WADO-RS nadal mogą dostarczyć niewłaściwą serię, jeśli błędne były klucze dopasowania lub reguła trasowania.

Dlatego lokalizator, obraz przeglądowy, rekonstrukcja pochodna albo nieoczekiwana faza mogą stanowić istotną awarię nawet wtedy, gdy sam model zachowuje się dokładnie tak, jak go wytrenowano. Kontrakt danych wejściowych obejmuje tożsamość badania i serii, kontekst akwizycji, geometrię oraz reprezentację oczekiwaną przez inferencję. Usługa powinna umieć wykazać, które obiekty źródłowe wybrała, a nie jedynie to, że jakiś plik wejściowy był dostępny.

Przeprowadź inferencję, zwróć i powiąż

Etap inferencji przekształca wybrane źródło w wynik pochodny: na przykład segmentację, kodowane ustalenie, pomiar albo inny obiekt DICOM. Etap zwrotu umieszcza następnie wynik tam, skąd może go pobrać przepływ pracy obrazowania, zwykle przez C-STORE lub STOW-RS, oraz wiąże go z badaniem źródłowym i odpowiednimi seriami lub instancjami. Dokładny typ obiektu i reguły powiązań zależą od zamierzonego użycia na dalszym etapie oraz właściwej definicji obiektu informacyjnego DICOM.

Obiekt zwrotny nie jest detalem kosmetycznym. DICOM SEG może reprezentować segmentację wraz z odwołaniami do obrazów źródłowych i informacją przestrzenną. DICOM SR może reprezentować kodowane ustalenia lub pomiary w ustrukturyzowanym drzewie treści wraz z odwołaniami do źródeł. Struktury te mogą wspierać późniejsze wyszukiwanie, obliczenia, powiązanie lub audyt, jeśli systemy odbierające implementują odpowiednie możliwości. Nie gwarantują, że każda przeglądarka wyświetli każdy obiekt, i nie zastępują potrzeby zapisania, w jaki sposób model wytworzył wynik.

PNG lub PDF może być odpowiednią reprezentacją przeznaczoną dla człowieka. Sam wyrenderowany obraz nie zachowuje jednak odczytywalnych maszynowo etykiet segmentacji, geometrii fizycznej, kodowanej semantyki ani odwołań do źródeł, których może potrzebować dalszy proces. Jeśli te szczegóły zostaną odrzucone, późniejszy użytkownik na ogół nie może odtworzyć na podstawie samego obrazu w pełni określonej segmentacji lub pomiaru. Wybór reprezentacji do wyświetlania zamiast obiektu ustrukturyzowanego jest zatem decyzją o przyszłym przepływie pracy, a nie tylko o prezentacji.

Udokumentuj, co się wydarzyło

Informacje o pochodzeniu są częścią cyklu życia, dzięki której wynik pozostaje możliwy do zbadania po zakończeniu działania potoku. Zalecany zapis właściwy dla danego wdrożenia może wiązać wynik z obiektami źródłowymi oraz zapisywać tożsamość i wersję modelu, wybrane dane wejściowe, czas przetwarzania i istotny kontekst konfiguracji lub ośrodka. Znaczenie mają również własna tożsamość obiektu wynikowego i zdarzenie przepływu pracy, które go zwróciło. Dokładny zapis może być rozproszony między obiektami DICOM, elementami pracy AIW-I, repozytorium audytowym i lokalnie zwalidowanymi dziennikami aplikacji, ale relacja musi być możliwa do odtworzenia. Jest to zalecenie dotyczące wdrożenia, a nie deklaracja zgodności z IHE ani zamiennik mających zastosowanie wymagań dotyczących profilu, aktora, transakcji, opcji i obiektu DICOM; lokalny zapis wdrożeniowy może wykraczać poza te wymagania.

Bez tej relacji późniejsza rozbieżność ma zbyt wiele wiarygodnych przyczyn. Mogła zostać wybrana niewłaściwa seria, etap przetwarzania wstępnego mógł zmienić siatkę pomiarową, model mógł zostać zaktualizowany albo wynik mógł zostać powiązany z innym badaniem. Wynik liczbowy bez informacji o pochodzeniu danych wejściowych i przetwarzania trudno poddać audytowi, nawet jeśli jego wartość wygląda rozsądnie.

Ta sama dyscyplina jest użyteczna w potoku badawczym. Zachowanie odwołań do źródeł, metadanych przetwarzania i stabilnych tożsamości wyników wspiera późniejsze kontrole jakości; samo w sobie nie dowodzi istnienia wdrożenia klinicznego ani bezpieczeństwa konkretnej integracji. Twierdzenie o wdrożeniu nadal wymaga dowodów dotyczących otaczającego przepływu pracy.

Cykl życia można teraz ująć jako łańcuch przyczynowy: wybierz źródło, przetwórz je, zwróć powiązany obiekt i zachowaj dość dowodów, aby wyjaśnić wynik. Każde przekazanie może zawieść niezależnie. Następna sekcja analizuje sytuację, w której model i operacja zapisu są poprawne, ale wynik nadal nie dociera do osoby lub systemu, który go potrzebuje.