[논문 리뷰] Investigating the Cognitive Processes Involved in Cancer Cell Image Identification

Jennifer S. Trueblood, William R. Holmes외 7명|arXiv (Cornell University)|2017. 09. 19.

AI in cancer detection인용 수 1

한 줄 요약

이 연구는 신호 탐지 이론과 확산 결정 모델을 사용하여 숙련자와 초보자 간의 암세포 영상 식별에서의 인지 과정을 비교한다. 비록 분별도에 차이가 있음에도 불구하고, 시간 압박과 확률적 단서 조건에서 둘 다 유사한 반응 패턴을 보이며, 이는 의료 영상 인식에서 공통된 의사결정 메커니즘이 존재함을 시사한다.

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.

연구 동기 및 목표

• 초보자 및 숙련자 진단의사가 암세포 영상 식별 과정에서 작용하는 인지 메커니즘을 이해하기 위해.
• 시간 압박과 사전 기대가 의료 영상 인식에서의 의사결정에 미치는 영향을 조사하기 위해.
• 도메인 일반 시각 능력 측정을 통해 개인 간 의사결정 성과의 차이를 검토하기 위해.
• 의료 영상 인식 및 의사결정 연구에서 초보자 참가자를 사용하는 것이 타당한지 평가하기 위해.
• 컴퓨터 모델링 프레임워크를 활용해 병리학 레지던트와 교수가 사용하는 인지 전략을 비교하기 위해.

제안 방법

• 전문 혈액병리학자들이 세포 유형과 난이도를 검토한 대규모 디지털 분류 영상 데이터베이스를 확보하였다.
• 빠르기-정확도의 상충 관계를 조작하여 의사결정 시간을 조절하고 반응의 신중함을 평가하기 위한 패러다임을 적용하였다.
• 신호 탐지 이론(SDT)을 사용하여 영상 식별 과제에서의 분별도와 반응 편향을 분석하였다.
• 확산 결정 모델(DDM)을 사용하여 결정 역학을 모델링하였으며, 이는 기울기 속도, 임계값, 비결정 시간을 포함한다.
• 개인 간 차이를 평가하기 위해 도메인 일반 시각 능력을 측정하기 위해 새로운 물체 기억 테스트(NOMT)를 사용하였다.
• 초보자 참가자와 경험 많은 병리학 레지던트 및 교수 간의 모델 매개변수를 비교하였다.

실험 결과

연구 질문

• RQ1 초보자와 숙련자가 암세포 영상 식별 과정에서 어떻게 다른 인지 처리 방식을 보이나?
• RQ2 시간 압박이 초보자 및 숙련자 그룹의 반응의 보수성과 의사결정 정확도에 어떤 영향을 미치는가?
• RQ3 확률적 단서를 통해 사전 기대가 의료 영상 의사결정에서의 반응 편향에 어떻게 영향을 미치는가?
• RQ4 시각 능력의 개인적 차이가 의료 영상 인식 과제 성과에 얼마나 기여하는가?
• RQ5 숙련자 성능에서 유도된 인지 모델이 진단 병리학에서의 초보자 학습자에게 일반화 가능한가?

주요 결과

• 숙련자들은 영상에서 암세포를 식별하는 데 있어 초보자보다 유의미하게 높은 분별도(d')를 보였다.
• 시간 압박 조건에서 초보자와 숙련자 모두 결정 임계값의 유사한 감소를 보이며 반응의 보수성이 감소함을 DDM을 통해 확인하였다.
• 확률적 단서 도입으로 인해 둘 다 반응 편향이 증가하였으며, 이는 사전 기대에 대한 유사한 민감도를 시사한다.
• 정확도와 분별도의 차이가 있음에도 불구하고, 초보자와 숙련자 간의 의사결정 인지 역학은 놀랄 만큼 유사하였다.
• NOMT로 측정된 시각 능력의 개인적 차이는 성과와 상관관계가 있었지만, 숙련자와 초보자 간의 성과 차이의 주요 원인은 아니었다.
• 연구 결과는 제한된 조건 하에서 초보자 참가자가 의료 영상 인식 연구에 타당하게 사용될 수 있음을 시사한다. 왜냐하면 그들의 의사결정 과정이 숙련자와 유사하게 작동하기 때문이다.