Kiedy zdjęcia ze smartfona zniekształcają kliniczną prawdę
Wzrost użycia zdjęć z smartfonów w diagnostyce rodzi obawy o ich jakość i dokładność, co może wpływać na bezpieczeństwo pacjentów.
Opieka zdrowotna z wykorzystaniem technologii cyfrowych zyskuje na znaczeniu w Europie i poza nią. Konsultacje wideo oraz zdjęcia przesyłane przez pacjentów stały się powszechne w triage, diagnozowaniu i monitorowaniu. Smartfon stał się efektywnym narzędziem diagnostycznym, jednak nie jest instrumentem klinicznym.
W miarę wzrostu zależności od zdalnej oceny wizualnej, rośnie obawa, że obrazy, na których polegają klinicyści, mogą nie odzwierciedlać rzeczywistości klinicznej. Niekorzystne oświetlenie, złe kadrowanie, niska rozdzielczość i kompresja pasma mogą pogarszać jakość obrazu. Co gorsza, oparte na oprogramowaniu ulepszenia, w tym filtry oparte na sztucznej inteligencji, mogą zmieniać kolor, teksturę i kontrast w sposób, który zaciera istotne klinicznie oznaki. Zgodnie z nowymi badaniami, implikacje dla bezpieczeństwa pacjentów są znaczące.
Optymalizacja dla estetyki, nie dla medycyny
Nowoczesne aparaty w smartfonach są zaprojektowane do tworzenia wizualnie atrakcyjnych treści. Automatyczna korekcja balansu bieli, optymalizacja zakresu dynamicznego i algorytmy wygładzania skóry są dostosowane do tworzenia obrazów, które dobrze wyglądają w mediach społecznościowych. Nie są one zaprojektowane z myślą o zachowaniu dokładności klinicznej.
Każdy krok w łańcuchu przechwytywania, przesyłania i wyświetlania wprowadza możliwość zniekształcenia. Kamery interpretują światło za pomocą własnych algorytmów. Platformy wideo kompresują pliki, aby zmniejszyć zużycie pasma. Ekrany różnią się pod względem kalibracji kolorów i jasności. Tryby nocne mogą wprowadzać żółte odcienie; kompresja może rozmywać drobne szczegóły; automatyczne ulepszenia mogą tłumić lub wyolbrzymiać wskazówki kolorystyczne.
Dla stanów, w których kolor jest diagnostyczny, takich jak żółtaczka, sinica, bladość czy rumień, te zmiany mają znaczenie. Pacjent z anemią może wyglądać na mniej bladego. Pacjent z zapaleniem wątroby może wyglądać na mniej żółtaczkowego. Subtelna sinica lub wczesny obrzęk mogą zostać całkowicie przeoczone. Klinicyści mogą nie zdawać sobie sprawy, jak bardzo urządzenia konsumenckie modyfikują obrazy. Powstałe dane wizualne mogą wydawać się przekonujące, mimo że są technicznie niepoprawne.
Nieproporcjonalny wpływ i subtelne uprzedzenia
Te ryzyka nie są równomiernie rozłożone. Ocena oznak klinicznych zależnych od koloru jest już bardziej skomplikowana u osób o ciemniejszej karnacji. Jeśli algorytmy obrazowania nie są zoptymalizowane dla różnych populacji, zniekształcenia mogą dodatkowo zmniejszać niezawodność diagnostyczną i poszerzać nierówności.
Subtelne znaki są szczególnie narażone. Łagodne wysypki, delikatne siniaki czy wczesne zmiany zapalne mogą być wygładzane przez procesy kompresji lub ulepszania. Gdy ani pacjent, ani klinicysta nie zdają sobie sprawy, że zniekształcenie miało miejsce, wizualne informacje mogą zyskać nieuzasadnioną wagę diagnostyczną. Niebezpieczeństwo tkwi mniej w dramatycznych błędach, a bardziej w fałszywej pewności.
Warstwa generatywnej AI
Integracja generatywnej AI w obrazowaniu konsumenckim wprowadza nową kategorię ryzyka. Platformy takie jak Snapchat spopularyzowały cyfrowe filtry, które wygładzają skórę i poprawiają cechy twarzy. Dzisiejsze systemy AI idą dalej, regenerując obszary twarzy, zmieniając cienie i dostosowując odcień skóry w bardzo realistyczny sposób.
W codziennym życiu te funkcje są nieszkodliwe lub nawet pożądane. W kontekście klinicznym mogą niezamierzenie zatarć istotne medycznie wskazówki. Siniak może być złagodzony, asymetria zminimalizowana, a przebarwienia skorygowane. Coraz częściej takie ulepszenia są stosowane automatycznie i niewidocznie.
Pacjenci mogą nie zdawać sobie sprawy, że filtry są aktywne. Klinicyści mogą nie podejrzewać ich obecności. Jednak obraz na ekranie może być rekonstrukcją obliczeniową, a nie wiernym odwzorowaniem.
Brak standardów i świadomości
Obawy dotyczące bezpieczeństwa pacjentów w zdalnych konsultacjach są dobrze znane. Jednak stosunkowo mało uwagi poświęcono samemu procesowi obrazowania jako źródłu ryzyka. Obecnie nie ma powszechnie przyjętych minimalnych standardów definiujących, kiedy obrazy generowane przez pacjentów są wystarczającej jakości do podejmowania decyzji klinicznych. Niewiele systemów opieki zdrowotnej zapewnia strukturalne szkolenia w zakresie rozpoznawania zniekształceń wywołanych technologią. Wskazówki dotyczące tego, kiedy należy przejść do oceny osobistej z powodu niepewności wizualnej, są ograniczone.
Co więcej, praktyczne bariery utrudniają badania. Konsultacje wideo często nie są rutynowo przechowywane z powodu ograniczeń rozmiaru plików, co ogranicza retrospektywną analizę bezpieczeństwa. Współpraca między klinicystami a naukowcami komputerowymi pozostaje wyjątkiem, a nie regułą. Cyfrowa adopcja wyprzedza cyfrowe zarządzanie.
Łagodzenie ryzyka: pragmatyczne zabezpieczenia teraz, strukturalne rozwiązania później
Niektóre środki redukcji ryzyka są proste. Pacjentów można zachęcać do korzystania z naturalnego światła, unikania mieszanych źródeł światła, stabilnego ustawienia kamer i zapewnienia, że odpowiedni obszar ciała jest wyraźnie widoczny. Wyraźne przypomnienia o wyłączeniu trybów piękności i filtrów przed wykonaniem zdjęć lub dołączeniem do konsultacji wideo mogą stać się rutyną. Prosta werbalna lub elektroniczna potwierdzenie, że żadne filtry nie są aktywne, może pomóc zwiększyć świadomość.
Klinicyści z kolei powinni podchodzić do obrazów generowanych przez pacjentów jako do potencjalnie zniekształconych reprezentacji, a nie obiektywnych dowodów. Wprowadzenie przypomnień do szablonów triage, pytanie o warunki oświetleniowe lub użycie filtrów może znormalizować tę świadomość. Potwierdzenie wrażeń bezpośrednio z pacjentami („Czy to wygląda jak Twój zwykły kolor skóry?”) wprowadza wspólną kontrolę bezpieczeństwa. Gdy jakość obrazu jest suboptymalna lub subtelne oznaki zależne od koloru są klinicznie istotne, próg do oceny osobistej powinien pozostać niski.
Na poziomie systemowym wymagane są głębsze zmiany. Należy przeprowadzić badania, aby określić, jak procesy obrazowania konsumenckiego wpływają na widoczność konkretnych oznak klinicznych. Platformy używane w opiece zdrowotnej mogłyby dostarczać powiadomienia w czasie rzeczywistym o słabym oświetleniu lub nadmiernej kompresji. Producenci smartfonów mogliby opracować dedykowany „tryb opieki zdrowotnej”, który minimalizuje ulepszenia i priorytetowo traktuje dokładność kolorów. Minimalne standardy dla ekranów wyświetlających w kontekście klinicznym oraz przejrzystość w przetwarzaniu obrazów mogłyby stać się częścią przyszłych ram regulacyjnych.
W miarę jak generatywna AI staje się coraz bardziej zintegrowana w urządzeniach konsumenckich, systemy telemedyczne mogą również wymagać narzędzi do uwierzytelniania treści, aby zachować integralność obserwacji klinicznych.
Rekalibracja opieki cyfrowej
Smartfony stały się powszechnymi narzędziami w zdalnej opiece zdrowotnej, ale pozostają niekalibrowanymi instrumentami diagnostycznymi. Założenie, że informacje wizualne przesyłane przez technologię konsumencką są z natury wiarygodne, nie jest już uzasadnione.
Wierność wizualna musi stać się uznawanym problemem bezpieczeństwa pacjentów. Oznacza to zwiększenie świadomości wśród klinicystów i pacjentów, wprowadzenie pragmatycznych zabezpieczeń w procesach roboczych, inwestowanie w badania interdyscyplinarne oraz rozwijanie standardów regulacyjnych dostosowanych do rzeczywistości obrazowania wzbogaconego o AI.
Opieka cyfrowa przyniosła dostępność i wygodę na dużą skalę. Zapewnienie, że to, co klinicyści widzą, rzeczywiście odzwierciedla to, co jest klinicznie obecne, jest kolejnym krokiem w uczynieniu zdalnej opieki zdrowotnej nie tylko efektywnej, ale i bezpiecznej.
Źródło: https://www.icthealth.org/news/when-smartphone-images-misrepresent-clinical-truth
Źródło: www.icthealth.org