位置:编程技术网 > 架构设计 > 正文 >

Nature子刊深度综述:“人工智能+医疗”的实施现状与未来发展(2)

2019年01月12日 10:27来源:未知手机版

大话西游2藏宝阁大话西游2藏宝阁,module是什么意思,葡萄酒庄园,诺基亚c6游戏,梦幻西游叶子猪论坛,手机影视

透明度还影响到模型的可解释性,也就是让人类可以理解或阐释特定预测或决策所产生的逻辑。应用于医疗的AI技术需要打开“黑箱”,有足够的透明度来评判诊断、治疗建议或预测结果的合理性。

透明度的另一个重要原因在于,AI技术可能存在算法偏差,会放大种族、性别或其他特征造成的歧视。训练数据的透明度和模型的可解释性使我们可以检查潜在的偏差。理想情况下,可以用算法解决算法偏差,如果设计时可以根据已知的偏差做出弥补,甚至可以通过机器学习来解决群体之间在健康上的遗传和生物差异。

患者的安全

问责制度是与患者安全有关的一个重要问题。当AI技术对我们的身体造成伤害时,谁应该为此负责?无疑,AI技术将改变传统的医患关系。多国政府和WHO的监管机构正在做出努力,试图在保护患者安全和促进技术创新之间取得微妙的平衡。

数据标准化

鉴于医疗保健数据的复杂性和大规模,AI技术要有效利用各种方式收集的数据,在初始开发阶段就应做好数据标准化的工作,将数据转化为在不同工具和方法中都能被理解的通用格式。

典型的临床工作流程由多个部分组成,对互操作性提出了要求。以AI辅助放射学为例,用于检查操作的算法、研究优先级、特征分析和提取,以及自动化生成报告,可能是由不同的供应商提供的产品,算法之间需要创建一套工作流互操作性标准进行整合,并让算法可以在不同设备上运行。如果不尽早优化互操作性,AI技术实际应用的效果会受到严重制约。

嵌入现有临床工作流程

医学数字成像与通信(DICOM)标准和医学影像存档与通讯系统(PACS)为数据管理提供的一致性平台使医学影像发生了革命性巨变,类似的标准也应该应用到AI技术,开发统一的命名,方便数据的存储和检索。

例如,以实现临床转化为目的的快捷健康互操作资源(FHIR)框架就是目前全世界范围内快速发展的一套标准,基于一系列被称为“资源”的模块化组件来构建。这些资源能够很容易地组装进工作系统,方便在电子病历、移动端应用程序、云通讯等之间进行数据共享,这对于未来AI技术在医疗保健领域的实施至关重要。

经济考量和人才配备的问题

研究人员特别提出,鉴于临床决策的复杂性和潜在的滥用后果,在医学领域实施AI技术需要所有利益相关者的积极参与,在医生、医疗服务提供者、数据科学家、计算机科学家和工程师之间形成沟通和协作。

评估安全性和有效性的政策和监管环境

美国FDA在2017年7月推出数字健康创新行动计划(Digital Health Innovation Action Plan),对医疗软件提出监管新举措,在此基础上,已经有一些AI技术获得了FDA批准。例如,第一款获得FDA批准使用AI的医疗设备——“自主”诊断系统IDx-DR,用AI算法为患者自动检测是否出现轻度糖尿病视网膜病变(DR),根据筛查结果提供是否需要转诊给眼科专家的建议,适用于基层医疗机构。这款AI产品的上市过程就是走了FDA针对低到中度风险的“De Novo重新分类”途径,并获得了突破性产品(Breakthrough Device)资格。

此外,FDA启动软件预认证计划,着重审查软件技术开发商而非单个产品,改善技术获取方式,将资源集中在高风险的产品上。

▲FDA对医用独立软件的预认证概念图(图片来源:根据《Nature Medicine》图片修改)

欧盟从2018年5月正式执行《通用数据保护条例》(General Data Protection and Regulation,简称GDPR),其中规定,公民有获得算法决策解释的权利。这意味着,在医疗健康领域中实施AI技术时,任何个人数据的收集都必须获得知情同意;收集之后,提供数据的患者应有查看收集数据用途以及删除数据的权力。研究人员期待GDPR的推行可以促进公众信任和患者参与,从而在长期上促进AI技术的实施。

本文地址:http://www.reviewcode.cn/jiagousheji/24437.html 转载请注明出处!

今日热点资讯