赋予医疗保健专业人员无代码的人工智能平台,用于模型开发,为病理学提供实用演示

科学领域:

• 医疗信息学 医疗信息学
• 计算病理学计算病理学
• 人工智能在医学中的应用

背景情况:

• 人工智能 (AI) 和机器学习 (ML) 在医疗诊断和患者管理方面提供了变革性的潜力.
• 在医学中采用人工智能的重要障碍是人工智能专业知识和临床/编码知识之间的差距.
• 无代码人工智能平台正在出现,以弥合这一差距,使医疗专业人员能够在没有编程技能的情况下开发人工智能模型.

研究的目的:

• 评估无代码人工智能平台 (Teachable MachineTM) 的有效性,以对白细胞进行分类.
• 评估使用可访问的人工智能工具用于血液病理学应用的可行性.
• 为缺乏编码专业知识的医疗保健专业人员展示无代码AI的价值.

主要方法:

• 利用无代码AI平台Teachable MachineTM,对五种常见的白细胞类型进行分类.
• 采用公开可用的数据集用于模型训练和微调超参数以优化性能.
• 使用灵敏度,精度和F1分数评估模型性能,并对独立数据集进行验证.

主要成果:

• 无代码的人工智能模型在分类白细胞方面取得了97%的准确性.
• 该模型表现出高灵敏度和精度,显示出强大的性能.
• 独立的验证证实了该模型在血液病理学中进一步开发和应用的潜力.

结论:

• 像Teachable MachineTM这样的无代码人工智能平台是医疗专业人员在血液病理学中创建实用AI模型的有效工具.
• 这种方法使人工智能开发民主化,允许医疗保健专业人员在没有编码先决条件的情况下获得实践经验.
• 该研究强调了将人工智能纳入临床实践的可行途径,从可访问的工具和真实的数据集开始.