在居民选择中为人工智能做准备:对当前应用和局限性的范围审查

科学领域:

• 医学教育 医学教育
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 医疗住院项目收到众多申请,需要有效的审查流程.
• 人工智能 (AI) 为优化居民选择提供了潜在的解决方案.
• 本综述探讨了AI在评估医疗住院申请人的应用.

研究的目的:

• 在医疗居民选择中对人工智能应用进行范围审查.
• 确定在这个过程中使用AI的影响和局限性.

主要方法:

• 在六个数据库 (PubMed,OVID,Cochrane,EMBASE,Google Scholar,Web of Science) 搜索了过去10年的英语文章.
• 使用与人工智能,自然语言处理,机器学习,医疗住院和人员选择相关的关键词.
• 包括涉及真实或模拟的居留申请人/申请和AI在选择中的研究;由两个审查员独立选.

主要成果:

• 115篇文章中有11篇符合纳入标准,专注于人工智能用于偏见评估,结果预测和与人类审稿人的比较.
• 人工智能模型包括自然语言处理,机器学习和大型语言模型.
• 人工智能显示出对偏见检测,提高一致性和识别被忽视的申请人的潜力,但存在关于偏见复制,概括性和解释性的担忧.

结论:

• 人工智能在提高居民选择效率和公平性方面表现出有前途的承诺.
• 进一步的研究对于负责任的人工智能开发,验证和监督医学教育至关重要.