一项新研究发现，旨在预测住院患者死亡可能性的AI系统大多未能检测到患者的病情恶化情况。
为什么这很重要： 根据发表在《自然·通讯医学》杂志上的研究，一些仅基于现有患者数据训练的机器学习模型未能识别出约66%可能导致患者在医院死亡的伤害。
现状： 医院越来越多地使用利用机器学习的工具，这是一种专注于不断学习和调整的AI子集。
- 最近发表在《卫生事务》杂志上的一项单独研究发现，约65%的美国医院使用AI辅助的预测模型，最常见的是用于确定住院患者的健康轨迹。
深入研究： 研究人员查看了几个常在医学文献中引用的用于预测患者恶化的机器学习模型，并向它们输入了关于ICU或癌症患者健康和指标的公开数据集。
- 然后，研究人员创建了测试案例，让这些模型预测如果某些患者指标从初始数据集中改变时可能出现的健康问题和风险评分。
- 研究发现，这些用于住院死亡率预测的模型只能识别平均34%的患者伤害。
他们怎么说： “我们要求这些模型做出重大决策，因此我们真的需要弄清楚……它们在什么情况下能够发挥作用，”该研究的作者之一、弗吉尼亚理工大学计算机科学教授Danfeng (Daphne) Yao说。
- 她表示，用于患者护理决策的技术必须结合医学知识。
- 她补充说，该研究表明“仅依靠纯数据驱动的训练是不够的”。
我们在关注什么： 类似于ChatGPT这样的大型语言模型如果经过医学文献的训练，可能会在医疗环境中更有用。但研究指出，在临床环境中部署之前，还需要更多的研究来验证它们的可信度。
(全文结束)
