在2014年至2020年评估使用AI进行现实世界共享临床决策的34项代表性研究中,只有两项将模型的外部验证纳入考虑范围。
此外,大多数已审查的研究仅使用一种算法进行训练,测试和内部验证,只有八种算法在其进度上采用了多种算法。
因此,报告行业的研究人员进行了系统的文献综述,以评估研究的稳健性,这些研究的重点是使用机器学习来协助患者与提供者共同做出决定。
BMC医学信息学和决策制定于2月15日发布了该研究。
礼来公司的Lisa Hess博士和Alan Brnabic这么说,以至于他们的评论揭示了各种不合常规的方法,统计软件和验证策略。
Hess和Brnabic评论了许多研究方法的多样性以及相对薄弱之处,呼吁临床AI研究人员确保“在基于机器学习的患者护理模型的开发中采用了多种建模方法,这需要最高的研究标准,以可靠地支持基于证据的共享决策。”
作者认为,展望未来,在将模型推荐用于现实世界的患者护理之前,应通过内部和外部验证对实验机器学习模型进行规模调整。
赫斯和布朗纳比克评论说:“很少有研究能够达到这一证据标准,可以指导患者提供者的决策。”
该研究是免费的。
责任编辑:lq
-
算法
+关注
关注
23文章
4608浏览量
92847 -
AI
+关注
关注
87文章
30775浏览量
268919 -
机器学习
+关注
关注
66文章
8408浏览量
132580
发布评论请先 登录
相关推荐
评论