对多发性硬化症的可信和可靠人工智能的作用
Lorin Werthen-Brabants1, Tom Dhaene1, Dirk Deschrijver1
1SUMO Lab, IDLab, INTEC, Ghent University - imec, Ghent, Belgium.
Frontiers in digital health
|April 8, 2025
概括
可靠的机器学习 (ML) 对多发性硬化症 (MS) 研究和患者护理至关重要. 本研究探讨了关键的ML方面,如可解释性和概括性,解决临床整合的挑战.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 神经科学研究 神经科学研究
背景情况:
- 多发性硬化症 (MS) 呈现出复杂的,个性化的患者病例,需要先进的分析工具.
- 机器学习 (ML) 在医疗保健中的整合需要可靠和值得信赖的模型.
- 在MS研究中现有的ML应用可能缺乏临床部署所需的稳定性.
研究的目的:
- 调查可靠机器学习 (ML) 在多发性硬化症 (MS) 研究和临床实践中的关键作用.
- 探索值得信赖的ML的基本组成部分,包括分布之外的概括,可解释性和不确定性量化.
- 识别和解决阻碍ML工具无整合到MS护理临床工作流程中的挑战.
主要方法:
- 对值得信赖的ML原则进行文献综述和概念分析.
- 探索关键的ML概念:分布之外的概括,可解释性,不确定性量化和校准.
- 讨论临床整合,数据多样性和数据质量的实际挑战.
主要成果:
- 可靠的ML属性对于可靠的MS研究和患者护理至关重要.
- 挑战包括解释AI输出,确保数据多样性和维护数据质量.
- 特别的ML技术,如可解释性和不确定性定量化,被强调用于医疗保健.
结论:
- 开发技术上健全,临床上相关,以患者为中心的MSML解决方案至关重要.
- 研究人员,临床医生和决策者之间的合作对于在MS中推进可靠的ML至关重要.
- 解决数据质量和可解释性问题是成功在MS中临床实施ML的关键.
