一種旨在支持臨床醫(yī)生對(duì)有敗血癥風(fēng)險(xiǎn)的住院患者做出決策的人工智能工具具有一個(gè)不尋常的特點(diǎn)：它可以解釋其缺乏確定性，并建議需要哪些人口統(tǒng)計(jì)數(shù)據(jù)、生命體征和實(shí)驗(yàn)室測(cè)試結(jié)果來(lái)提高其預(yù)測(cè)性能。
該系統(tǒng)名為 SepsisLab，是根據(jù)急診科和重癥監(jiān)護(hù)室治療患者的醫(yī)生和護(hù)士的反饋開(kāi)發(fā)的，在這些科室，敗血癥(人體對(duì)感染的強(qiáng)烈反應(yīng))是最常見(jiàn)的。他們對(duì)現(xiàn)有的 AI 輔助工具表示不滿，該工具僅使用電子健康記錄生成患者風(fēng)險(xiǎn)預(yù)測(cè)評(píng)分，而無(wú)需臨床醫(yī)生的輸入數(shù)據(jù)。
俄亥俄州立大學(xué)的科學(xué)家設(shè)計(jì)了 SepsisLab，能夠在四小時(shí)內(nèi)預(yù)測(cè)患者的敗血癥風(fēng)險(xiǎn)——但在時(shí)鐘滴答作響的同時(shí)，系統(tǒng)會(huì)識(shí)別缺失的患者信息，量化其重要性，并向臨床醫(yī)生直觀地展示特定信息將如何影響最終的風(fēng)險(xiǎn)預(yù)測(cè)。使用公開(kāi)和專(zhuān)有患者數(shù)據(jù)組合進(jìn)行的實(shí)驗(yàn)表明，添加 8% 的推薦數(shù)據(jù)可將系統(tǒng)的敗血癥預(yù)測(cè)準(zhǔn)確率提高 11%。
“現(xiàn)有模型代表了更傳統(tǒng)的人機(jī)競(jìng)爭(zhēng)范式，在重癥監(jiān)護(hù)室和急診室中發(fā)出大量令人惱火的錯(cuò)誤警報(bào)，而不聽(tīng)取臨床醫(yī)生的意見(jiàn)，”資深研究作者、俄亥俄州立大學(xué)計(jì)算機(jī)科學(xué)與工程和生物醫(yī)學(xué)信息學(xué)副教授張平說(shuō)。
“我們的想法是，通過(guò)采用‘人工智能在人機(jī)循環(huán)中’的概念，讓人工智能參與到?jīng)Q策的每個(gè)中間步驟中。我們不僅僅是在開(kāi)發(fā)一種工具，我們還招募了醫(yī)生參與這個(gè)項(xiàng)目。這是計(jì)算機(jī)科學(xué)家和臨床醫(yī)生之間的真正合作，旨在開(kāi)發(fā)一個(gè)以人為本的系統(tǒng)，讓醫(yī)生占據(jù)主導(dǎo)地位。”
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！