의학 공간에 있는 AI는 인구의 광범위를 통해 성과를 위해 주의깊게 시험되어야 합니다

흉부 엑스선 (AI)에 폐염을 검출하기 위하여 교육훈련된 인공 지능 공구는 외부 건강 시스템 때문에, Icahn 의과 대학에 마운트에 연구되곤과 기계 배우고는 및 헬스케어에 PLOS 약의 특별판에서 간행된에 따라 데이터에 시험될 때 성과에 있는 중요한 감소를 손해를 입었습니다. 이 사실 인정은 의학 공간에 있는 인공 지능이 인구의 광범위를 통해 성과를 위해 주의깊게 시험되어야 한다는 것을 건의합니다; 그렇지 않으면, 깊은 배우는 모형은 정확하게로 예상했던대로 능력을 발휘하지 않을 수 있습니다.

전산 도움 진단을 제공하는 것은 증가하는 의학 화상 진찰을 분석하기 위하여 컴퓨터 시스템 기구의 (CNN) 사용중에 있는 관심사가 길쌈 신경 통신망을 부르기 때문에, 최근 연구 결과는 AI 심상 분류가 새로운 데이터에 일반화하지 않을 수 있고 뿐 아니라 일반적으로 초상화을 그리지 않았다는 것을 건의하고.

시내산에 Icahn 의과 대학에 연구원은 AI 모형이 3명의 의료기관을 통해 158,000의 흉부 엑스선에 있는 폐염을 어떻게 확인한지 평가했습니다: 건강의 국제 학회; 시내산 병원; 그리고 인디애나 대학 병원. 연구원은 연구 단체에 있는 그것의 일반적인 발생, 임상 중요성 및 보급을 위한 흉부 엑스선에 폐염의 진단을 공부하는 것을 선택했습니다.

5개의 비교 중에서 3에서는, 그것의 자신의 통신망의 밖에 병원에서 엑스레이에 질병 진단에 있는 CNNs의 성과는 본래 건강 시스템에서 엑스레이에 현저하게 더 낮았습니다. 그러나, CNNs는 엑스레이가 정확도의 높 정도로 취득되고, 훈련 기관에 폐염의 보급에 근거를 둔 그들의 예언하는 업무에 눈 속임된 병원 시스템을 검출할 수 있었습니다. 연구원은 약에 있는 깊은 곳에서 배우는 모형 사용의 어려움이 화상 진찰의 병원 그리고 결의안 질에 사용된 CT 스캐너의 모형과 같은 예측을 모는 특정 가변을 확인하기 위하여 도전하는 하는 매개변수의 다량 수를 사용하다 이다는 것을 것을을 발견했습니다.

"우리의 사실 인정 준엄하게 실사회 임상 조정에 있는 그들의 성과 평가 없이 인공 지능 플래트홈의 급속한 배치를 고려하는 그들에,"는 말합니다 고위 저자 에리크 Oermann, MD 의 시내산에 Icahn 의과 대학에 신경외과학에 있는 교관을 쉼을 주어야 합니다 사려깊은 어디에의 배치되고 있는지. "의료 진단을 능력을 발휘하기 위하여 교육훈련된 깊은 배우는 모형 잘 일반화할 수 있습니다, 그러나 참을성 있는 인구 및 화상 기술이 기관을 통해."는 중요하게 다르기 때문에 이것은 당연한 일로 생각할 수 없습니다

"CNN 시스템이 의료 진단을 위해 사용될 것인 경우에," 말합니다 첫번째 저자 죤 Zech, 시내산에 Icahn 의과 대학에 의학생을 주의깊게 임상 질문을 맞추어지고, 다양한 실사회 대본을 위해 고려하기 위하여 시험되고, 정확한 진단을 어떻게 착탄하는지 결정하기 위하여 주의깊게 평가되어야 합니다.

종이에 이 연구 구조는 컴퓨터 시가 그리고 깊은 학습법, 자연어 가공 산법을 포함하여 적용을 위한 기구를 놓은 전표 방사선학과 성격 약에서 올해 초에 간행했습니다, 왜냐하면 CT를 위한 방사선학 보고에 있는 임상 개념을 확인하는 것은 검사합니다.

근원: https://www.mountsinai.org/

Advertisement