促进使用常规数据来评估人工智能解决方案:来自NIHR/RCR数据策划工作坊的经验教训

科学领域:

• 医学成像和人工智能 医学成像和人工智能
• 医疗信息学 医疗信息学
• 临床AI评估临床AI评估

背景情况:

• 人工智能 (AI) 正在放射学领域迅速发展,需要为道德和负责任的发展进行合作.
• 确保人工智能在临床实践中的进步需要解决其评估和部署中的挑战.
• 由NIHR/RCR委员会组织了三个研讨会,以促进利益相关者之间的知识共享.

研究的目的:

• 描述第一个工作坊的成果,重点是使用常规数据来评估放射学中的AI解决方案.
• 确定AI在医学成像中的道德和有效使用的关键挑战和战略.
• 促进学术界,行业和临床领导者之间的合作.

主要方法:

• 该研究报告了人工智能和放射学领域的关键利益相关者参与的一次研讨会的发现.
• 讨论的重点是使用常规临床数据用于AI评估的实际方面.
• 关键话题包括道德考虑,数据策划,非识别和数据共享.

主要成果:

• 确定了人工智能开发和部署的基本伦理考虑因素.
• 详细介绍了数据策划,存储和消除身份的方法.
• 探讨了安全的数据共享策略,质量保证,数据访问委员会和患者的观点.

结论:

• 促进常规数据的使用对于评估放射学AI解决方案至关重要.
• 解决道德问题,数据管理和安全共享对于负责任的AI进步至关重要.
• 合作和考虑患者的观点是提高医疗保健AI的关键.