医疗保健专业人员对基于机器学习的临床决策支持系统对食道癌症管理的看法

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 医疗保健服务研究 医疗服务研究

背景情况:

• 消化管癌 (OC) 治疗决策是复杂的,受到多学科团队 (MDTs),物流和人为因素的影响.
• 机器学习 (ML) 模型为OC提供了潜在的临床决策支持系统 (CDSS),但临床医生的信任仍然是一个障碍.
• 了解临床医生的决策因素对于开发和实施基于AI的CDSS在瘤学中至关重要.

研究的目的:

• 调查临床和社会人口学因素影响临床医生在OC治疗中的有意识决策.
• 将这些因素的主观重要性与从历史的OC治疗数据中训练的ML模型中得出的因素进行比较.
• 探索临床医生对基于ML的CDSS在OC的潜在使用的看法,并确定实施障碍.

主要方法:

• 在英国和爱尔兰的临床医生中进行了一项调查,OC MDTs.
• 临床医生报告了各种因素在他们的决策过程中的主观重要性.
• 该研究将临床医生报告的因素与反映过去治疗决策的ML模型所识别的因素进行了比较.

主要成果:

• 临床医生和ML模型在许多影响决策因素上达成一致.
• ML模型更强调年龄和性别,而不是临床医生有意识地报告的.
• 临床医生强调了其他因素,如调查,症状,营养和社会方面,目前的模型没有完全捕捉到这些因素.

结论:

• 临床医生对OC的MLCDSS的接受通常是积极的,但有所不同,包括透明度,证据需求和对患者个性的担忧等已识别的障碍.
• 解决临床医生的保留以及展示透明度和证据对于在OC治疗计划中成功实施MLCDSS至关重要.
• 未来的MLCDSS开发应纳入临床医生确定的一系列更广泛的临床和整体因素,以增强信任和实用性.