在复杂的医疗决策中重新思考人类-人工智能合作:败血症诊断中的案例研究

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 临床决策支持系统 临床决策支持系统

背景情况:

• 目前用于医疗决策支持的人工智能在现实世界的临床环境中经常失败,尽管在基准数据集上取得了成功.
• 由于不确定性很高,败血症诊断具有挑战性,需要为临床医生提供改进的AI支持.

研究的目的:

• 探索人工智能系统的设计要求,以加强临床专家在早期败血症诊断中的决策.
• 调查为什么临床医生在电子健康记录 (EHR) 系统中放弃现有的AI驱动的败血症预测模块的原因.

主要方法:

• 进行了形成性研究,以了解临床医生放弃现有的AI败血症模块.
• 开发了SepsisLab,这是一个预测败血症发展的AI系统,可视化不确定性,并建议测试以减少不确定性.
• 与六名临床医生一起对SepsisLab原型进行了启发性评估.

主要成果:

• 确定需要人工智能来支持中间决策阶段 (假设生成,数据收集),而不仅仅是最终决策.
• 塞普西斯实验室通过提供未来预测,不确定性可视化和可操作建议,展示了人类-人工智能合作的潜力.
• 临床评估表明,SepsisLab促进了一个有前途的人类-AI协作范式来诊断败血症.

结论:

• 以人为中心的AI系统应该在整个医疗决策过程中支持临床医生.
• 败血症实验室 (SepsisLab) 代表了人工智能辅助败血症诊断的新方法,改善了人类和人工智能之间的合作.
• 开发的AI范式显示了超越败血症诊断的高风险医疗决策的前景.