在临床放射治疗中选择和评估AI自分区系统的指导:来自六家供应商分析的见解
Branimir Rusanov1,2,3, Martin A Ebert4,5,6,7,8, Mahsheed Sabet4,5,6
1School of Physics, Mathematics and Computing, The University of Western Australia, Crawley, WA, Australia. branimir.rusanov@research.uwa.edu.au.
Physical and engineering sciences in medicine
|January 13, 2025
概括
为放射治疗选择人工智能 (AI) 自动细分需要评估供应商的表现. 一个新的框架评估了风险,道德和透明度,发现没有任何供应商在所有标准上都表现出色.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 自动细分为临床放射治疗工作流提供了显著的优势.
- 医疗保健中人工智能的不断变化的环境需要强大的方法来选择和评估人工智能解决方案.
- 人工智能自行细分的临床采用需要考虑性能,风险和伦理影响.
研究的目的:
- 开发和介绍一套全面的选择标准,用于评估放射治疗中的AI自细分系统.
- 为整体评估人工智能供应商提供框架,包括性能,风险和道德考虑.
- 支持临床医生和采用人工智能自行细分的机构的知情决策.
主要方法:
- 对人工智能伦理,标准和放射性瘤学的最佳实践进行了内部经验和专家文献的审查.
- 在七个类别中制定47个选择标准,用于评估AI自动细分供应商.
- 对六家供应商的回顾性定量分析,使用五个表现指标 (Dice,Hausdorff距离,ASD,SAD,APL) 对患者数据 (头部和部,胸部,骨盆).
主要成果:
- 没有任何一家供应商在所有评估标准上表现出色.
- 在数据安全和责任,供应商支持工具以及透明度和道德方面发现了系统性的弱点.
- 原始性能指标在供应商之间差异很大,从优秀到差不多.
结论:
- 一个全面的评估框架对于人工智能自行细分的安全有效的临床采用至关重要.
- 随着法规和临床需求的发展,持续专注于确保AI安全,公平和透明度至关重要.
- 拟议的选择和评估框架旨在增强用户对人工智能自行细分系统的信心.
