在临床试验中基于人工智能的图像分析:从宫癌查中吸取教训

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 临床诊断 临床诊断 临床诊断

背景情况:

• 人工智能 (AI) 图像识别算法用于查和诊断正在迅速出现.
• 对人工智能测试的初步高准确性要求往往缺乏证实,突出了算法开发和临床实用性之间的差距.

研究的目的:

• 介绍一个概念,逐步的框架,用于开发AI算法,以实现临床疗效.
• 引导基于AI的医疗诊断测试的严格评估和实施.

主要方法:

• 清楚地定义AI算法的目的 (选,诊断,预后) 和目标识别.
• 设计算法以尽量减少关键错误,包括为模两可的情况引入"不确定的"类.
• 使用临床流行病学标准评估AI性能,区分内部和外部验证.
• 将AI结果与绝对临床风险估计联系起来,并制定基于风险的指导方针.

主要成果:

• 提出了一种结构化的方法,以弥合人工智能算法创建和临床疗效之间的差距.
• 强调定义明确目标,管理模两可的数据和使用可靠的验证方法的重要性.
• 将AI测试结果转化为临床实践需要关注绝对风险和特定环境的指导方针.

结论:

• 系统的方法对于确保AI诊断工具的可靠性和临床实用性至关重要.
• 这一框架对于在资源较低的环境中解决健康差异尤其重要.
• 讨论的原则适用于各种基于人工智能的医学图像分析应用程序.