在2014年至2020年評(píng)估使用AI進(jìn)行現(xiàn)實(shí)世界共享臨床決策的34項(xiàng)代表性研究中，只有兩項(xiàng)將模型的外部驗(yàn)證納入考慮范圍。

此外，大多數(shù)已審查的研究?jī)H使用一種算法進(jìn)行訓(xùn)練，測(cè)試和內(nèi)部驗(yàn)證，只有八種算法在其進(jìn)度上采用了多種算法。

因此，報(bào)告行業(yè)的研究人員進(jìn)行了系統(tǒng)的文獻(xiàn)綜述，以評(píng)估研究的穩(wěn)健性，這些研究的重點(diǎn)是使用機(jī)器學(xué)習(xí)來(lái)協(xié)助患者與提供者共同做出決定。

BMC醫(yī)學(xué)信息學(xué)和決策制定于2月15日發(fā)布了該研究。

禮來(lái)公司的Lisa Hess博士和Alan Brnabic這么說(shuō)，以至于他們的評(píng)論揭示了各種不合常規(guī)的方法，統(tǒng)計(jì)軟件和驗(yàn)證策略。

Hess和Brnabic評(píng)論了許多研究方法的多樣性以及相對(duì)薄弱之處，呼吁臨床AI研究人員確保“在基于機(jī)器學(xué)習(xí)的患者護(hù)理模型的開發(fā)中采用了多種建模方法，這需要最高的研究標(biāo)準(zhǔn)，以可靠地支持基于證據(jù)的共享決策。”

作者認(rèn)為，展望未來(lái)，在將模型推薦用于現(xiàn)實(shí)世界的患者護(hù)理之前，應(yīng)通過(guò)內(nèi)部和外部驗(yàn)證對(duì)實(shí)驗(yàn)機(jī)器學(xué)習(xí)模型進(jìn)行規(guī)模調(diào)整。

赫斯和布朗納比克評(píng)論說(shuō)：“很少有研究能夠達(dá)到這一證據(jù)標(biāo)準(zhǔn)，可以指導(dǎo)患者提供者的決策。”

該研究是免費(fèi)的。

責(zé)任編輯：lq