在2014年至2020年評估使用AI進行現實世界共享臨床決策的34項代表性研究中,只有兩項將模型的外部驗證納入考慮范圍。
此外,大多數已審查的研究僅使用一種算法進行訓練,測試和內部驗證,只有八種算法在其進度上采用了多種算法。
因此,報告行業的研究人員進行了系統的文獻綜述,以評估研究的穩健性,這些研究的重點是使用機器學習來協助患者與提供者共同做出決定。
BMC醫學信息學和決策制定于2月15日發布了該研究。
禮來公司的Lisa Hess博士和Alan Brnabic這么說,以至于他們的評論揭示了各種不合常規的方法,統計軟件和驗證策略。
Hess和Brnabic評論了許多研究方法的多樣性以及相對薄弱之處,呼吁臨床AI研究人員確保“在基于機器學習的患者護理模型的開發中采用了多種建模方法,這需要最高的研究標準,以可靠地支持基于證據的共享決策。”
作者認為,展望未來,在將模型推薦用于現實世界的患者護理之前,應通過內部和外部驗證對實驗機器學習模型進行規模調整。
赫斯和布朗納比克評論說:“很少有研究能夠達到這一證據標準,可以指導患者提供者的決策。”
該研究是免費的。
責任編輯:lq
-
算法
+關注
關注
23文章
4607瀏覽量
92840 -
AI
+關注
關注
87文章
30728瀏覽量
268892 -
機器學習
+關注
關注
66文章
8406瀏覽量
132567
發布評論請先 登錄
相關推薦
評論