一份新提出的清单概述了在开发机器学习算法时要努力实现的六个目标，以帮助临床医生为患者做出医疗保健决策和建议。盖恩斯维尔佛罗里达健康大学的 Tyler Loftus 及其同事在2022 年 1 月 18 日 为开放获取期刊PLOS Digital Health 撰写的评论文章中介绍了该框架。
临床医生越来越多地借助算法工具做出重要的医疗保健决策，这些工具利用大量复杂数据，其程度远远超过人类思维的推理能力。例如，研究人员开发了算法，可以从以前患者的大量数据中学习，以预测新患者在手术后出现并发症的风险。
然而，虽然现有的指导方针已到位，以确保以清晰、标准化的方式向医疗保健界报告此类算法，但仍缺乏评估这些算法的框架。
现在，Loftus 及其同事提出了理想医疗保健算法的六个特征。根据研究人员的说法，为了最大限度地发挥其优势，算法必须：
1. 可解释：能够阐明患者的各种特征及其医疗状况在确定结果时的相对重要性，而不会混淆因果关系
2.动态：能够根据患者特征的实时变化调整预测
3. 精确：能够充分利用以足够高的分辨率收集的数据，以稳健地捕捉患者不断变化的状况
4. 自主：能够以最少的人工输入学习和返回结果
5. 公平：能够解释任何隐含的偏见和社会不平等
6. 可重复性：能够与研究界广泛共享以进行验证
为了演示这个新框架，研究人员用它来评估在学术文献中被高度引用的八种算法。没有一个满足所有六个提议的特征，突出了改进的机会——特别是在自主性、公平性、可解释性和可重复性方面。
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！