一份新提出的清單概述了在開發(fā)機器學(xué)習(xí)算法時要努力實現(xiàn)的六個目標(biāo)，以幫助臨床醫(yī)生為患者做出醫(yī)療保健決策和建議。蓋恩斯維爾佛羅里達(dá)健康大學(xué)的 Tyler Loftus 及其同事在2022 年 1 月 18 日 為開放獲取期刊PLOS Digital Health 撰寫的評論文章中介紹了該框架。
臨床醫(yī)生越來越多地借助算法工具做出重要的醫(yī)療保健決策，這些工具利用大量復(fù)雜數(shù)據(jù)，其程度遠(yuǎn)遠(yuǎn)超過人類思維的推理能力。例如，研究人員開發(fā)了算法，可以從以前患者的大量數(shù)據(jù)中學(xué)習(xí)，以預(yù)測新患者在手術(shù)后出現(xiàn)并發(fā)癥的風(fēng)險。
然而，雖然現(xiàn)有的指導(dǎo)方針已到位，以確保以清晰、標(biāo)準(zhǔn)化的方式向醫(yī)療保健界報告此類算法，但仍缺乏評估這些算法的框架。
現(xiàn)在，Loftus 及其同事提出了理想醫(yī)療保健算法的六個特征。根據(jù)研究人員的說法，為了最大限度地發(fā)揮其優(yōu)勢，算法必須：
1. 可解釋：能夠闡明患者的各種特征及其醫(yī)療狀況在確定結(jié)果時的相對重要性，而不會混淆因果關(guān)系
2.動態(tài)：能夠根據(jù)患者特征的實時變化調(diào)整預(yù)測
3. 精確：能夠充分利用以足夠高的分辨率收集的數(shù)據(jù)，以穩(wěn)健地捕捉患者不斷變化的狀況
4. 自主：能夠以最少的人工輸入學(xué)習(xí)和返回結(jié)果
5. 公平：能夠解釋任何隱含的偏見和社會不平等
6. 可重復(fù)性：能夠與研究界廣泛共享以進(jìn)行驗證
為了演示這個新框架，研究人員用它來評估在學(xué)術(shù)文獻(xiàn)中被高度引用的八種算法。沒有一個滿足所有六個提議的特征，突出了改進(jìn)的機會——特別是在自主性、公平性、可解釋性和可重復(fù)性方面。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！