臨床意思決定ツールにおける不確実性管理のための棄権および閾値特定：ヒト・イン・ザ・ループ小児自閉症分類器を用いたケーススタディ

科学分野:

• ヘルスケアにおける人工知能
• 臨床意思決定支援システム
• 診断のための機械学習

背景:

• 不確実性定量化は、AI臨床意思決定ツールでは未発達です。
• AIの不確実性を管理することは、安全なヘルスケア統合に不可欠です。
• 現在のAI診断ツールには、堅牢な不確実性管理が欠けています。

研究 の 目的:

• 診断分類器における不確実性を管理するための実用的なメカニズムとして棄権を調査すること。
• 小児自閉症のビデオ評価のノイズの多いデータセットで棄権のパフォーマンスを評価すること。
• AIの不確実性を定量化および管理することにより、臨床的意思決定をどのようにサポートできるかを示すこと。

主な方法:

• 既存の自閉症分類器に棄権戦略を適用し、診断データでトレーニングしました。
• 小児自閉症のビデオ評価の異種データセットでパフォーマンスを評価しました。
• 棄権のためのさまざまな閾値設定構成でベースラインパフォーマンスを比較しました。

主要な成果:

• 棄権戦略を意図的にノイズの多いデータセットでテストしました。
• カバレッジと臨床指標のバランスをとるためのさまざまな閾値設定構成でのパフォーマンスを比較しました。
• 感度、特異度、またはバランスの取れた改善（YoudenのJ）を優先するための実証されたユースケース。

結論:

• 棄権は、診断AIにおける不確実性管理のための具体的な方法を提供します。
• 棄権の統合は、AI意思決定ツールの信頼性と臨床的有用性を向上させます。
• このアプローチにより、ヘルスケアAIにおける不確実性の定量化と管理の両方が可能になります。