Martin Seneviratne博士希望全科医生帮助塑造新兴的医学人工智能领域

“为什么我们看到医学实践中很少使用机器学习工具?”这就是研究科学家Martin Seneviratne博士在GP19大会上发表的关于医疗人工智能(AI)实施差距的演讲的方式。

他问,鉴于对这一领域的大量研究,为什么医生目前无法使用机器学习?Seneviratne博士认为,研究人员和医生不应忽视AI的最终目标。

'任何技术都必须帮助临床医生帮助患者。技术必须适合临床目的。然后,Google临床信息专家在GP19全体会议演讲中概述了关键挑战。

人工智能将意味着医生的终结吗?他说,大多数研究人员对此表示不同意见。``相反,观点是使用AI的医生将取代不使用AI的医生。

``我喜欢它的想法是像MRI一样,它是一种可以使用的工具。当他们出来的时候,他们被预测会取代放射线医生-相反,它催生了一个新学科。

Seneviratne博士说,人工智能可以在几个狭窄的领域胜过人类-包括基于图像的诊断。他列举了增强现实显微镜等领域的进展,其中AI实时围绕可疑病变绘制轮廓。

他说,症状检查工具可能非常有用,特别是在资源匮乏且医疗保健最少的情况下。但是Seneviratne博士指出,在医疗AI工具的承诺和早期测试及其广泛部署之间存在重大实施差距。他说,从论文中的高性能算法到实践已经有了巨大的飞跃。

“在过去的12个月中,该领域已经发表了3800多篇论文,但只有一小部分得以部署。”Seneviratne博士说,全科医生参与的关键机会。他说,临床医生可以发挥关键作用,突出需要解决的临床痛点。

另一个挑战是收集质量足够高的大型数据集,以便能够训练机器学习工具。他说,如果您关心问题,请收集有关问题的数据。``我们收集的初级保健数据越多,人工智能将提供更多帮助的机会。''

Seneviratne博士说,围绕可操作性,纠正数据偏差,黑盒问题(这些AI算法如何真正得出结论)以及通用性等问题存在突出的问题。他呼吁建立一个管理医学AI使用的框架,该框架类似于药物临床试验中使用的框架。

他说:“我们需要在实际工作环境中进行有控制的使用,使用与制药或医疗设备类似的文化,并进行道德审查,监管监督和沙盒测试–在受控环境中进行测试。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。