評価される翻訳AI：双方向移動ターゲット問題

科学分野:

• ヘルスインフォマティクス
• ヘルスケアにおける人工知能
• 科学的根拠に基づく医療

背景:

• 予測人工知能（AI）モデルは、医療システムでますます使用されている。
• 一貫性のない監視は、医療機器としてのソフトウェアを含むAIツールに、コンプライアンスおよび規制上のギャップを生じさせる。
• 既存の監視メカニズムは、ケアへの影響の可能性のある管理および運用のAIモデルには不十分である。

研究 の 目的:

• ヘルスケアにおける予測AIモデルの監視における重大なギャップに対処する。
• AIモデルの自己管理を損なう「双方向移動ターゲット問題」を強調する。
• 患者の転帰または利用を予測するAIモデルを実装するための新しい標準を提案する。

主な方法:

• AI実装におけるコンプライアンスおよび規制上のギャップを特定した。
• 同時介入交絡と処置誘発性アウトカムバイアスを記述した。
• 新しい標準として、対照群を伴う短期ランダム化展開を提案した。

主要な成果:

• 従来の評価方法は、「双方向移動ターゲット問題」のため不十分である。
• 実装機関は、AIの安全性と有効性を確保する責任を負う。
• ランダム化展開は、厳密なAI評価のための重要な対照を提供する。

結論:

• 医療システムは、AI実装のための新しい標準を採用しなければならない。
• AIのパフォーマンスと介入の効果を評価するためには、短期ランダム化展開が不可欠である。
• このアプローチは、AIツールが安全で、効果的で、公平であることを保証し、患者の信頼を構築する。