[論文レビュー] Investigating the Cognitive Processes Involved in Cancer Cell Image Identification

Jennifer S. Trueblood, William R. Holmes+7 more|arXiv (Cornell University)|Sep 19, 2017

AI in cancer detection被引用数 1

ひとこと要約

本研究では、信号検出理論（SDT）および拡散意思決定モデル（DDM）を用いて、初心者と熟練者におけるがん細胞画像同定の認知プロセスを比較した。判別能の違いにもかかわらず、時間的圧力や確率的ヒントの下では両群ともに類似した反応パターンを示し、がん細胞画像認識における意思決定メカニズムが共通している可能性を示唆している。

ABSTRACT

Training individuals to make accurate decisions from medical images is a critical component of education in diagnostic pathology. We describe a joint experimental and computational modeling approach to examine the similarities and differences in the cognitive processes of novice participants and experienced participants (pathology residents and pathology faculty) in cancer cell image identification. For this study we collected a bank of hundreds of digital images that were identified by cell type and classified by difficulty by a panel of expert hematopathologists. The key manipulations in our study included examining the speed-accuracy tradeoff as well as the impact of prior expectations on decisions. In addition, our study examined individual differences in decision-making by comparing task performance to domain general visual ability (as measured using the Novel Object Memory Test (NOMT) (Richler et al., 2017). Using Signal Detection Theory (SDT) and the Diffusion Decision Model (DDM), we found many similarities between expert and novices in our task. While experts tended to have better discriminability, the two groups responded similarly to time pressure (i.e., reduced caution under speed instructions in the DDM) and to the introduction of a probabilistic cue (i.e., increased response bias in the DDM). These results have important implications for training in this area as well as using novice participants in research on medical image perception and decision-making.

研究の動機と目的

• 初心者および熟練者診断医におけるがん細胞画像同定の認知的メカニズムを理解すること。
• 時間的圧力および事前の期待が、医療画像認識における意思決定に与える影響を調査すること。
• ドメインに一般化可能な視覚能力の測定値を用いて、意思決定パフォーマンスの個人差を検討すること。
• 医療画像認識および意思決定に関する研究において、初心者参加者を用いる妥当性を評価すること。
• 計算モデルフレームワークを用いて、病理学研修医と教員の認知戦略を比較すること。

提案手法

• 専門の血液病理医によって細胞タイプおよび難易度が検証された、デジタル分類済みのがん細胞画像の大規模データベースを収集した。
• スピードと正確性のトレードオフのパラダイムを用いて、意思決定時間を操作し、反応の慎重さを評価した。
• 信号検出理論（SDT）を用いて、画像同定タスクにおける判別能および反応バイアスを分析した。
• 拡散意思決定モデル（DDM）を用いて、意思決定ダイナミクス（漂移速度、閾値、非意思決定時間）をモデル化した。
• ドメインに一般化可能な視覚能力を測定するため、新規オブジェクト記憶テスト（NOMT）を用いて個人差を評価した。
• 初心者参加者と経験を積んだ病理学研修医・教員との間で、モデルパラメータを比較した。

実験結果

リサーチクエスチョン

• RQ1 初心者と熟練者では、がん細胞画像同定の認知処理においてどのように異なるか？
• RQ2 時間的圧力は、初心者および熟練者両群の反応の慎重さと意思決定の正確性にどのように影響するか？
• RQ3 確率的ヒントによる事前の期待は、医療画像意思決定における反応バイアスにどのように影響するか？
• RQ4 視覚能力の個人差が、医療画像認識タスクのパフォーマンスにどの程度予測力を持つのか？
• RQ5 熟練者のパフォーマンスから導かれた認知モデルは、診断病理学における初心者学習者にも一般化可能か？

主な発見

• 熟練者の方が、画像からのがん細胞同定において著しく優れた判別能（d'）を示した。
• 時間的圧力の下で、初心者および熟練者両者が反応の慎重さを低下させ、DDMにおける意思決定閾値が類似して低下した。
• 確率的ヒントの導入により、両群ともに反応バイアスが増加し、共通して事前の期待に敏感であることが示された。
• 正確性や判別能の違いにもかかわらず、熟練者と初心者との間で意思決定の認知ダイナミクスは顕著に類似していた。
• NOMTで測定された視覚能力の個人差は、パフォーマンスと相関していたが、熟練者と初心者の差の主因ではなかった。
• 研究の結果、制御された条件下で意思決定プロセスが熟練者と類似していることから、初心者参加者が医療画像認識に関する研究に有効に利用可能であると考えられる。