在病理学中对机器学习的性能评估的建议:美国病理学家学院的概念论文

科学领域:

• * 病理学 病理学
• * 医学信息学 医学信息学
• *临床实验室科学 *临床实验室科学

背景情况:

• *机器学习 (ML) 应用在临床病理学中快速增长.
• * 缺乏现有指导方针来评估ML系统在病理学中的性能.
• * 实验室需要明确的指导来验证基于ML的决策支持系统.

研究的目的:

• * 提出评估基于ML的体外诊断试验的建议.
• * 涵盖ML在分析前,分析后和分析后实验室阶段的整合.
• * 解决ML模型评估和在临床实践中实施的关键方面.

主要方法:

• * 文献评论. 这是一本文学评论.
• * 临床和实验室标准研究所 (CLSI) 指导的分析.
• * 检查实验室和政府监管框架.

主要成果:

• *为ML系统性能评估制定建议建议.
• *确定验证和验证ML模型的关键因素.
• *强调需要现实世界的临床数据来支持建议.

结论:

• *性能评估对于临床病理学中的ML系统至关重要.
• *建议涉及风险评估,数据管理和培训.
• *鼓励对临床数据进行进一步的研究,以验证这些建议的指南.