通过在真实世界的数据上进行分布式验证,实现更安全的眼科人工智能
Siddharth Nath1, Ehsan Rahimy2, Ashley Kras3,4
1Department of Ophthalmology and Visual Sciences, McGill University, Montréal, Québec, Canada.
Current opinion in ophthalmology
|July 17, 2023
概括
在眼科中算法验证对于安全的临床使用至关重要. 迫切需要为机器学习工具制定共识方法,以确保可靠的实施.
科学领域:
- 眼科医生 眼科 眼科
- 机器学习 机器学习
- 医疗信息学 医疗信息学
背景情况:
- 许多机器学习应用程序已经开发用于眼科诊断和监测.
- 尽管有大量的数据集,但很少有算法获得临床实践的监管批准.
研究的目的:
- 提供眼科当前算法验证方法的概述.
- 识别现有的验证方法中的不足,并提出解决方案.
主要方法:
- 审查眼科当前的算法验证实践.
- 分析现实世界验证中的瓶,包括监管指导和部署后监测.
- 探索第三方验证作为一个潜在的解决方案.
主要成果:
- 目前的算法验证方法是可变的和自我决定的.
- 由于缺乏监管指导,监督和复杂的临床环境,现实世界的验证存在重大挑战.
- 只有不到15%的眼科机器学习应用程序获得了监管部门的批准.
结论:
- 对于算法验证,迫切需要达成共识的方法.
- 开发人员,研究人员和临床医生之间的合作对于在眼科中安全和公平地实施机器学习至关重要.
