चिकित्सा छवि प्रसंस्करण में, अधिकांश प्रकाशित कार्य झूठी सकारात्मक दर (FPR) को कम करने की कोशिश करते हैं, जबकि वास्तव में झूठी नकारात्मक झूठी सकारात्मक से अधिक खतरनाक होती हैं। इसके पीछे तर्क क्या है?
चिकित्सा छवि प्रसंस्करण में, अधिकांश प्रकाशित कार्य झूठी सकारात्मक दर (FPR) को कम करने की कोशिश करते हैं, जबकि वास्तव में झूठी नकारात्मक झूठी सकारात्मक से अधिक खतरनाक होती हैं। इसके पीछे तर्क क्या है?
जवाबों:
टीएल; डीआर: रोग दुर्लभ हैं, इसलिए झूठी सकारात्मकता की पूर्ण संख्या झूठी नकारात्मक की तुलना में बहुत अधिक है।
मान लेते हैं कि हमारे सिस्टम में 1% (बहुत अच्छा!) की झूठी सकारात्मक और झूठी नकारात्मक दर है, और हम इस वर्ष नए कैंसर की उपस्थिति का पता लगा रहे हैं: 439.2 / 100,000 लोग, या 0.5% आबादी। [ स्रोत ]
इसलिए हम देख सकते हैं कि हमारे पास एक समस्या है: हर किसी के लिए जिसके पास कैंसर है, दो लोग जिनके पास कैंसर नहीं है, वे आक्रामक सर्जरी, कीमोथेरेपी या रेडियोथेरेपी के साथ हैं।
वर्तमान कैंसर का पता लगाने में विफल रहने वाले प्रत्येक व्यक्ति के लिए, दो सौ लोग सक्रिय रूप से हानिकारक उपचार प्राप्त करते हैं जिनकी उन्हें आवश्यकता नहीं थी और वास्तव में बर्दाश्त नहीं कर सकता।
आप उस लड़के की कहानी जानते हैं जो भेड़िया रोया था, है ना?
यह एक ही विचार है। कुछ क्लासिफायर के बाद झूठी अलार्म (रोता हुआ भेड़िया) इतनी बार देता है, तो मेडिकल कर्मचारी इसे बंद कर देंगे या उसे अनदेखा कर देंगे।
"ओह, यह फिर से! NOPE!"
कम से कम मैंने जिन बायोइंजीनियरिंग ग्रुप के साथ काम किया है, उनमें विशेष रूप से एफपीआर को कम करने पर जोर दिया गया है क्योंकि लक्ष्य एक ऐसा उपकरण बनाना है जो चिकित्सकों को संभावित रोग विज्ञान के लिए सचेत करेगा, और उन्होंने हमें बताया है कि वे एक उत्पाद की उपेक्षा करेंगे जो भेड़िया को रोता है बहुत ज्यादा।
एक उत्पाद के लिए जो चिकित्सकों को एड्स करता है, हमें उनके मनोविज्ञान के लिए अपील करनी होगी, वैध तर्क के बावजूद कि खेत पर भेड़िये को गायब करना रोते हुए भेड़िये से भी बदतर है।
संपादित करें : झूठे सकारात्मक को कम करना भी एक वैध तर्क है। यदि आपका कंप्यूटर कभी-कभार सकारात्मक (और अधिकांश वास्तविक सकारात्मकता को पकड़ते हुए) भेड़िया को रोता रहता है, तो यह प्रभावी रूप से कह रहा है कि कोई व्यक्ति बीमार हो सकता है। वे अस्पताल में हैं। चिकित्सक जानता है कि रोगी बीमार हो सकता है।
सारांश: सवाल शायद * यह नहीं है कि क्या एक झूठी नकारात्मक एक झूठी सकारात्मक से भी बदतर है , यह संभवतः * अधिक है जैसे कि 500 झूठे सकारात्मक एक झूठे नकारात्मक के लिए नीचे उतरने के लिए स्वीकार्य हैं।
* आवेदन पर निर्भर करता है
मुझे @ ड्रैगन के उत्तर पर थोड़ा विस्तार दें:
स्क्रीनिंग का मतलब है कि हम एक स्वस्थ आबादी के बीच बीमारी की तलाश कर रहे हैं। जैसा कि @ द्रेगन ने बताया, इसके लिए हमें बेहद कम FPR (या उच्च संवेदनशीलता) की आवश्यकता होती है, अन्यथा हम वास्तविक सकारात्मकता की तुलना में कई अधिक गलत सकारात्मकता को समाप्त करेंगे। यानी, पॉजिटिव प्रेडिक्टिव वैल्यू (# सभी निदान किए गए सकारात्मक के बीच वास्तव में रोगग्रस्त) अस्वीकार्य रूप से कम होगा।
निदान प्रणाली के लिए संवेदनशीलता (टीपीआर) और विशिष्टता (टीएनआर) को मापना आसान है: सही मायने में (गैर) रोगग्रस्त मामलों की एक संख्या ले लो और सही तरीके से पहचाने गए लोगों के अंश को मापें।
ओटीओएच, डॉक्टरों के और मरीजों के दृष्टिकोण से, दोनों के लिए प्राथमिक मूल्य अधिक महत्वपूर्ण हैं। वे संवेदनशीलता और विशिष्टता के "प्रतिलोम" हैं और आपको सभी सकारात्मक (नकारात्मक) पूर्वानुमानों के बीच बताते हैं कि कौन सा अंश सही है। दूसरे शब्दों में, परीक्षण के बाद कहा गया "रोग" क्या संभावना है कि रोगी वास्तव में बीमारी है।
जैसा कि @ द्रेगन ने आपको दिखाया, घटना (या व्यापकता, इस बात पर निर्भर करती है कि हम किस परीक्षण की बात कर रहे हैं) यहां एक महत्वपूर्ण भूमिका निभाती है। सभी प्रकार की जांच / प्रारंभिक कैंसर निदान अनुप्रयोगों में घटना कम है।
इसका वर्णन करने के लिए, रजोनिवृत्ति के बाद की महिलाओं में डिम्बग्रंथि के कैंसर की जांच सामान्य आबादी में 0.04% और परिवार के इतिहास के साथ उच्च जोखिम वाली महिलाओं में 0.5% और ट्यूमर दमन करने वाले जीन BRR1 और 2 [बुचेन, एल। कर्क: निशान छूटना। नेचर, 2011, 471, 428-432]
तो यह सवाल आमतौर पर नहीं है कि क्या एक झूठी नकारात्मक एक झूठी सकारात्मक से भी बदतर है , लेकिन यहां तक कि 99% विशिष्टता (1% एफपीआर) और 95% संवेदनशीलता (ऊपर लिंक किए गए पेपर से ली गई संख्या) का मतलब है तो प्रत्येक झूठे नकारात्मक के लिए लगभग 500 झूठी सकारात्मकताएं ।
एक साइड नोट के रूप में, यह भी ध्यान रखें कि कैंसर का प्रारंभिक निदान अपने आप में कैंसर का कोई जादुई इलाज नहीं है। जैसे स्तन कैंसर स्क्रीनिंग मैमोग्राफी के लिए, केवल 3 - 13% वास्तविक सकारात्मक रोगियों को वास्तव में स्क्रीनिंग से लाभ होता है ।
इसलिए हमें प्रत्येक लाभकारी रोगी के लिए झूठी सकारात्मकता की संख्या पर नज़र रखने की आवश्यकता है । मैमोग्राफी के लिए, इन नंबरों के साथ , एक मोटे तौर पर यह अनुमान लगाया गया है कि हमारे पास सच्चे सकारात्मक (39 - 49 वर्षीय समूह) प्रति लाभकारी 400 - 1800 झूठी सकारात्मक की सीमा में है।
झूठी नकारात्मक प्रति सैकड़ों झूठी सकारात्मक के साथ (और शायद सैकड़ों या हजारों झूठी सकारात्मक रोगी प्रति स्क्रीनिंग से लाभ उठाते हुए) स्थिति उतनी स्पष्ट नहीं है "एक गलत सकारात्मक कैंसर निदान से एक कैंसर बदतर है": झूठी सकारात्मक एक प्रभाव पड़ता है, मनोवैज्ञानिक और मनो-दैहिक से लेकर (चिंता है कि आप अपने आप में कैंसर है स्वस्थ नहीं है) बायोप्सी (जो एक छोटी सी सर्जरी है, और जैसे कि अपने स्वयं के साथ आता है) जोखिम)।
भले ही एक झूठी सकारात्मक का प्रभाव छोटा हो, लेकिन यदि सैकड़ों झूठी सकारात्मकता पर विचार किया जाना है, तो संबंधित जोखिम काफी हद तक बढ़ सकते हैं।
सुझाया गया पढ़ना: गर्ड गिगेरेंजर: रिस्क सेवी: कैसे करें अच्छे निर्णय (2014)।
फिर भी, नैदानिक परीक्षण को उपयोगी बनाने के लिए पीपीवी और एनपीवी की क्या आवश्यकता है, यह आवेदन पर अत्यधिक निर्भर करता है।
जैसा कि समझाया गया है, प्रारंभिक कैंसर का पता लगाने के लिए स्क्रीनिंग में आमतौर पर पीपीवी पर ध्यान केंद्रित किया जाता है, यानी यह सुनिश्चित करना कि आप झूठे नकारात्मक लक्षणों से बहुत अधिक नुकसान न करें: शुरुआती कैंसर रोगियों का एक बड़ा अंश (भले ही सभी नहीं) पहले से ही एक सुधार है स्क्रीनिंग के बिना यथास्थिति।
ओटीओएच, रक्त दान में एचआईवी परीक्षण पहले एनपीवी पर ध्यान केंद्रित करता है (यानी यह सुनिश्चित करता है कि रक्त एचआईवी मुक्त है)। फिर भी, एक 2nd (और 3rd) चरण में, झूठे सकारात्मक सकारात्मक परिणामों के साथ लोगों की चिंता करने से पहले आगे के परीक्षणों को लागू करने से झूठी सकारात्मकता कम हो जाती है।
अंतिम लेकिन कम से कम, ऐसे चिकित्सीय परीक्षण अनुप्रयोग भी हैं, जहाँ व्याप्तता या व्यापकता उतनी चरम नहीं है, जितनी कि वे आम तौर पर विशेष रूप से उच्च-जोखिम वाले आबादी की स्क्रीनिंग में नहीं होते हैं, जैसे कुछ विभेदक निदान।
एक व्यक्तिगत दृष्टिकोण से, डेटा विज्ञान के अनुभव के बजाय, एक झूठी सकारात्मक का रोगी के जीवन की गुणवत्ता पर झूठे नकारात्मक (कम से कम चिकित्सा छवि प्रसंस्करण के अधिकांश अनुप्रयोगों में अधिक प्रभाव पड़ता है। हम यहां प्रयोगशाला परिणामों के बारे में बात नहीं कर रहे हैं) ।
आइए एक ठोस उदाहरण देखें: ट्यूमर की जांच ।
एक झूठे नकारात्मक का मतलब है कि एक प्रारंभिक चरण के ट्यूमर को दुर्भावनापूर्ण कैंसर में विकसित होने और विकसित होने में अधिक समय लगता है। कुल मिलाकर यह प्रक्रिया एक लंबा समय लेती है और प्रत्येक बाद की स्क्रीनिंग में इसका पता लगाने का अधिक मौका होता है, लेकिन वास्तविक रूप से रोगी का दीर्घकालिक स्वास्थ्य पीड़ित होता है।
इसके अतिरिक्त, निदान करने में हमेशा एक मानव शामिल होता है। वर्तमान तकनीकी स्तर पर मेडिकल इमेज प्रोसेसिंग का मतलब मेडिकल पर्सनेल के लिए मदद करना है, विकल्प नहीं । यह अक्सर घावों या ऊतक में परिवर्तन को इंगित करने के लिए होता है जो इतने सूक्ष्म होते हैं कि एक मानव उन्हें अनदेखा कर सकता है। कोई मौका नहीं है कि एक डॉक्टर एक उन्नत चरण ट्यूमर की अनदेखी करेगा। उन्हें इसके लिए इमेज प्रोसेसिंग की आवश्यकता नहीं है।
चिकित्सा प्रक्रियाओं के संदर्भ में, यदि एक ट्यूमर अगली स्क्रीनिंग से पहले अप्रभावी नहीं हो जाता है, तो प्रारंभिक चरण के ट्यूमर को हटाने या एक बड़ा अंतर है जिसे बढ़ने में थोड़ा अधिक समय था। निकाले गए ऊतक की मात्रा अधिक है, लेकिन ऑपरेशन का प्रकार अक्सर समान होता है। (यह मानता है कि रोगी नियमित स्वास्थ्य जांच करता है।)
एक झूठे सकारात्मक के कई निहितार्थ हैं जो सीधे तौर पर किसी बीमारी से संबंधित नहीं हैं:
इस जोखिम-लाभ-मूल्यांकन से पता चलता है कि झूठे नकारात्मक में झूठे सकारात्मक की तुलना में रोगी के लिए कम जोखिम शामिल है। इसलिए झूठी सकारात्मकता को कम करने की प्राथमिकता आम तौर पर अधिक होती है।
क्लिनिशियन का समय कीमती है
चिकित्सा के क्षेत्र के भीतर से, चिकित्सकों को अक्सर पता लगाने और निदान करने की कोशिश करने के लिए कई तरह की बीमारियां होती हैं, और यह एक समय लेने वाली प्रक्रिया है। एक उपकरण जो एक झूठी सकारात्मक प्रस्तुत करता है (भले ही कम दर पर) कम उपयोगी है क्योंकि उस निदान पर भरोसा करना संभव नहीं है, जिसका अर्थ है कि हर बार जब वह निदान करता है, तो उसे जांचने की आवश्यकता होती है। सॉफ्टवेयर के WebMD की तरह इसे सोचो - सब कुछ कैंसर का संकेत है!
एक उपकरण जो झूठी नकारात्मक प्रस्तुत करता है, लेकिन हमेशा सही सकारात्मकता प्रस्तुत करता है, यह कहीं अधिक उपयोगी है, क्योंकि एक चिकित्सक को निदान की जांच करने के लिए समय की दोहरी जांच या दूसरा समय बर्बाद करने की आवश्यकता नहीं है। यदि यह किसी विशिष्ट निदान, काम के साथ बीमार होने के रूप में चिह्नित करता है। यदि ऐसा नहीं है, तो जिन लोगों को बीमार होने के रूप में उजागर नहीं किया गया है उन्हें वैसे भी अतिरिक्त परीक्षण प्राप्त होंगे।
एक उपकरण के लिए बेहतर है कि एक बीमारी के एक भी लक्षण को सटीक रूप से पहचाना जा सकता है, एक उपकरण की तुलना में जो शायद कई लक्षणों को ठगता है।
झूठी सकारात्मक दर (FPR) को झूठी अलार्म दर (FAR) के रूप में भी जाना जाता है; एक बड़ी झूठी सकारात्मक दर मेडिकल इमेज डिटेक्शन सिस्टम के खराब प्रदर्शन का उत्पादन कर सकती है। एक गलत सकारात्मक वह जगह है जहां आपको परीक्षण के लिए एक सकारात्मक परिणाम प्राप्त होता है, जब आपको नकारात्मक परिणाम प्राप्त करना चाहिए था। उदाहरण के लिए एक गर्भावस्था परीक्षण सकारात्मक है, जब वास्तव में व्यक्ति गर्भवती नहीं है।
सभी संभावना में, इस धागे पर हर कोई पहले से ही जानता है कि यह बेयसियन विश्लेषण के मूल में एक समस्या है। भविष्य के तीर्थयात्रियों के लाभ के लिए, जो झूठी सकारात्मकता के बारे में किसी तरह पूरी तरह से रेडियोलॉजी में एक समस्या हो सकती है, मुझे उम्मीद है कि यह टिप्पणी थोड़ा और सामान्य दृष्टिकोण प्रदान करेगी।