医学におけるヒューマン-AIシステム:スキルを超えることと,新しいスキルを習得すること

科学分野:

• バイオメディカルエンジニアリング
• 医療情報工学 医療情報工学
• 医療における人工知能

背景:

• 人工知能 (AI) は,生物医学分野でますます採用されています.
• "ツール"としてのAIの正確な性質は,特に医療診断において,定義が必要です.
• コンボリューションニューラルネットワーク (CNN) は,画像から統計パターンを学習し,多様なアプリケーションを可能にします.

研究 の 目的:

• 医学診断における人間とAIの相互作用の2つの主要なモード,すなわちアウトスキリングとニュースキリングを区別する.
• 各相互作用モードが臨床実務や科学的発見に及ぼす影響を分析する.
• 医療におけるAIツールの設計と応用を図る.

主な方法:

• 医療診断におけるAIツールの活用に関する概念分析.
• 人工知能によるポリプ検出 (コンピュータ支援診断,CADx) のケーススタディ.
• 新しいスキルの例として, fundus イメージから AI に由来する"網膜の年齢ギャップ"のケーススタディ.

主要な成果:

• ポリプ検出のためのCADxによって例示されるアウトスキリングは,人間のパフォーマンスを向上させることを目的としていますが,明確な成果の利益なしに脱スキリングのリスクがあります.
• "ニュースキリング"は,人工知能が人間の推論能力を超えた新しい変数 (例えば",網膜の年齢ギャップ") を発見し,新しい科学的洞察を育むことを意味します.
• この区別は,AIによって誘発される非訓練の潜在的なリスクと,AIによって誘発される発見の利点を強調しています.

結論:

• AI アプリケーションの設計では,既存のタスクを拡張したり,新しい発見を可能にしたりすることを区別する必要があります.
• 医療における利益の最大化とリスクの軽減のために,AIツールをどのように,いつ使うかについての判断力のある判別は不可欠です.
• 将来のAI開発は,現在の能力の強化と新しい科学的および臨床的洞察の促進のバランスを考慮する必要があります.