在医疗保健中负责任地采用多式联通人工智能:承诺和挑战

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 临床决策支持系统 临床决策支持系统

背景情况:

• 临床医生利用各种数据模式 (病史,症状,成像,实验室) 来做出明智的决策.
• 多模式人工智能 (AI) 为处理异质健康数据提供了先进的功能.
• 由于数据集成的复杂性和异质性,多式联络人工智能的临床采用面临障碍.

研究的目的:

• 总结2024年泰默蒂中心关于多式联络人工智能在医疗保健方面的研讨会的见解.
• 探索在临床实践中实施多式联络人工智能的潜力和挑战.
• 确定克服在医疗保健中采用多式联络人工智能的障碍的策略.

主要方法:

• 在2024年泰默蒂人工智能研究与医学教育中心研讨会上提出的见解的回顾.
• 讨论当前多式联通AI应用在诸如败血症诊断和心脏病学等领域.
• 确定关键障碍,包括数据融合,模型选择,概括,公平,安全和安全.

主要成果:

• 多模式人工智能在早期诊断 (如败血症,心脏病学) 中表现有前途,但面临着重大实施挑战.
• 确定的主要障碍包括数据融合技术,模型通用性,公平性,安全性,安全性以及国际部署考虑因素.
• 联合学习被强调为一种减轻偏见和促进公平医疗保健的战略.

结论:

• 克服已确定的挑战对于在临床实践中实现多式联络人工智能的变革潜力至关重要.
• 负责任的部署策略,包括通过联合学习解决偏见,对于公平的全球医疗保健至关重要.
• 多模式人工智能有能力在有效实施时显著改善全球患者的治疗结果.