在临床环境中实施神经影像计算机辅助诊断模型的挑战
Matthew J Leming1,2, Esther E Bron3, Rose Bruffaerts4,5
1Center for Systems Biology, Massachusetts General Hospital, Boston, MA, USA. mleming@mgh.harvard.edu.
NPJ digital medicine
|July 13, 2023
概括
人工智能 (AI) 显示出使用神经成像来诊断神经系统疾病的前景. 然而,尽管进行了广泛的研究,但重大挑战阻碍了这些AI诊断模型的临床实施.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 临床诊断 临床诊断 临床诊断
背景情况:
- 机器学习 (ML) 模型越来越多地应用于神经成像,用于诊断神经和心理疾病.
- 公共可用的数据集促进了对阿尔茨海默氏症,多动症和自闭症等疾病的ML模型开发.
- 尽管有研究兴趣,但诊断AI在神经成像中的临床转化仍然有限.
研究的目的:
- 分析用于神经成像数据的诊断AI模型临床实施中的具体挑战.
- 为了确定实验室研究环境和临床实践之间的差异.
- 探索诊断AI固有的局限性以及研究,工业和医疗保健中不同的激励措施.
主要方法:
- 在诊断神经成像中对人工智能的当前文献的审查.
- 分析阻碍临床翻译的因素.
- 实验室与临床环境的比较评估.
主要成果:
- 在研究中的AI模型开发和实际的临床部署之间存在很大的差距.
- 研究和临床环境之间的数据处理,验证要求和监管格局的差异构成了障碍.
- 利益相关者 (研究人员,科技公司,临床医生) 之间的激励和技能组的错误调整使实施变得复杂.
结论:
- 诊断AI用于神经成像的临床实施面临着多方面的挑战.
- 弥合差距需要解决技术,实践和经济复杂性.
- 识别和减轻这些复杂性对于成功从实验室转移到临床至关重要.
