让医疗人工智能更接近现实

凯斯西储大学的科学家表明，人工智能工具可以有效地适用于不同的地点和人群。为了让人工智能 (AI) 充分发挥其造福癌症患者的潜力，研究人员必须证明他们的机器学习成功可以在不同环境和患者人群中持续复制。

这就是为什么凯斯西储生物医学工程研究人员越来越专注于将他们的新算法应用于来自多个位置的患者扫描。

例如，今年春天早些时候，他们 发表了有希望的发现， 涉及对来自三个医疗保健系统的 400 名患者进行肺癌诊断。2020 年的一项研究表明，他们的方法可以预测四个部位的 610 名早期肺癌患者的复发。

该大学计算成像和个性化诊断中心主任 Anant Madabhushi 解释说：“这不是一件小事——这是让 AI 有朝一日可供临床医生使用的重要下一步，这是我们必须直面的问题之一。” CCIPD) 说。“例如，我们知道，即使在同一家医院内，患者也可能在不同的 CT 扫描仪上进行扫描，从而导致图像外观不同，因此 AI 必须能够解释这些差异。”

因此，如果 AI 被医生和临床医生信任，然后被常规使用，Madabhushi 说，这些最终用户不仅必须确信计算机诊断是可能的，而且它可以被复制——并且专门为他们自己工作耐心。

研究人员称这种可重复性或通常为“普遍性”，即成功的方法、治疗或工具无论何时、何地、对谁都有效——或者在面对几乎任何其他变量时都能奏效。

它已被证明是一个难以捉摸的目标， 甚至被其他研究人员称为“神话”，他们已经确定了几个令人生畏的障碍。这些困难包括 CT 机器如何产生图像的差异、硬件和软件的差异以及患者人口统计数据。

为此，Madabhushi 和他的团队正在计划前瞻性临床试验，在他们已经确定的 CT 扫描中使用肺癌的广义 AI 特征。

研究人员一直在与俄亥俄州东北部的医院合作，以评估这些 AI 工具对肺癌诊断和预后相关问题的现实普遍性。

现在，新发表的研究建立在 CCIPD 过去几年在开发通用 AI 模型领域的先前和正在进行的工作的基础上。

新功能是创建了一个更正式的框架来识别稳定和准确的特征，同时还在大量研究和机构中验证该方法。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！