一种旨在支持临床医生对有败血症风险的住院患者做出决策的人工智能工具具有一个不寻常的特点：它可以解释其缺乏确定性，并建议需要哪些人口统计数据、生命体征和实验室测试结果来提高其预测性能。
该系统名为 SepsisLab，是根据急诊科和重症监护室治疗患者的医生和护士的反馈开发的，在这些科室，败血症(人体对感染的强烈反应)是最常见的。他们对现有的 AI 辅助工具表示不满，该工具仅使用电子健康记录生成患者风险预测评分，而无需临床医生的输入数据。
俄亥俄州立大学的科学家设计了 SepsisLab，能够在四小时内预测患者的败血症风险——但在时钟滴答作响的同时，系统会识别缺失的患者信息，量化其重要性，并向临床医生直观地展示特定信息将如何影响最终的风险预测。使用公开和专有患者数据组合进行的实验表明，添加 8% 的推荐数据可将系统的败血症预测准确率提高 11%。
“现有模型代表了更传统的人机竞争范式，在重症监护室和急诊室中发出大量令人恼火的错误警报，而不听取临床医生的意见，”资深研究作者、俄亥俄州立大学计算机科学与工程和生物医学信息学副教授张平说。
“我们的想法是，通过采用‘人工智能在人机循环中’的概念，让人工智能参与到决策的每个中间步骤中。我们不仅仅是在开发一种工具，我们还招募了医生参与这个项目。这是计算机科学家和临床医生之间的真正合作，旨在开发一个以人为本的系统，让医生占据主导地位。”
标签：
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！