提供护理:内在的人机团队和数据

科学领域:

• 医疗保健中的人工智能
• 机器学习 机器学习
• 临床决策支持系统 临床决策支持系统

背景情况:

• 人机组合在医疗保健AI中至关重要,但将人类专业知识与定量数据相结合仍然是一个挑战.
• 现有的方法很难有效地将定性见解与数值健康数据相结合.
• 缺乏可解释性和信任性阻碍了AI在临床环境中的采用.

研究的目的:

• 提出一种用于将定性专家观点纳入机器学习培训数据的新方法.
• 开发一种临床关键事件 (CCE) 载体,将定量数据与人类洞察力结合起来.
• 增强基于人工智能的临床决策支持系统 (CDSS) 的可解释性,可理解性和信任性.

主要方法:

• 实施基于的共识结构来管理定性数据.
• 开发一个CCE向量来结合定性和定量数据,解决小样本大小,非正常分布和顺序利克特尺度的问题.
• 将人类考虑直接编码到机器学习模型中.

主要成果:

• CCE 矢量有效地最大限度地减少了与定性数据相关的挑战,使其能够与定量措施相结合.
• 整合人类观点导致机器学习模型编码专家考虑.
• 拟议的方法为增加AI CDSS的解释性和信任提供了基础.

结论:

• 开发的方法提供了一个强大的方法,将人类的专业知识整合到医疗保健的AI中.
• 这种整合是改善临床决策支持中人机合作的关键.
• CCE 矢量促进了医学中更可靠,更易于理解的人工智能系统的开发.