实验室医学中的机器学习:IFCC工作组的建议
Stephen R Master1,2, Tony C Badrick3, Andreas Bietenbeck4
1Department of Pathology and Laboratory Medicine, Children's Hospital of Philadelphia, Philadelphia, PA, United States.
Clinical chemistry
|May 30, 2023
概括
本指导文件概述了在实验室医学中开发和验证机器学习 (ML) 模型的最佳实践. 实施这些建议可以提高临床环境中ML应用的质量和可重复性.
科学领域:
- 临床实验室科学 临床实验室科学
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
背景情况:
- 机器学习 (ML) 显示了实验室医学在预测任务中的巨大潜力.
- 然而,不受控制的开发和验证管道对ML应用构成风险.
- 在ML工作流程中的潜在陷需要仔细考虑可靠的临床使用.
研究的目的:
- 为实验室医学中最佳实践提供共识性建议 ML.
- 为了应对挑战,并减轻在这个领域应用ML的陷.
- 提高临床实验室ML模型的质量和可重复性.
主要方法:
- 国际临床化学和实验室医学联合会召开了一个工作组.
- 该小组根据共识制定了一份指导文件.
- 建议涵盖了ML模型开发和实施的所有阶段.
主要成果:
- 该手稿提出了对实验室医学ML最佳实践的共识建议.
- 这些指南旨在提高开发和发布的ML模型的质量.
- 实践范围从问题制定到预测性实施.
结论:
- 遵守这些最佳实践将提高实验室医学中的ML质量和可重复性.
- 实施确保了临床实验室问题的有效和可重复的ML模型.
- 这些指南针对实验室医学ML新兴领域的常见和关键错误.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
1.5K
