在心脏病学AI工具开发的整个过程中，临床医生的输入至关重要。然而，目前这种输入往往在开发后期才被征询，甚至有时根本没有被征询。
关键要点：
- 在AI工具开发过程中，临床医生的输入通常在后期才被征询，甚至有时根本没有被征询。
- 临床医生最了解临床需求和现有技术的不足之处。
编辑注释：
这是Healio独家系列报道的第三部分，该系列报道探讨了AI在心血管医学中改善临床结果的应用，以及监管标签和患者隐私方面的考虑。第一部分可在此查看，第二部分可在此查看。
医生参与的重要性
医生参与AI工具的开发对于确保这些工具不仅能够改善临床结果，还能优化日常工作流程和减轻医生的工作负担至关重要。AI有潜力帮助我们更好地完成工作，我们称之为“增强智能”，因为它可以增强我们的护理能力。AI为我们提供了一个做对事情的机会。在电子健康记录方面，我们曾惨败并为此付出了代价。现在，我们有机会引领这一变革。
Healio | 心脏病学今日编辑委员会成员Dipti Itchhaporia博士（Dipti Itchhaporia, MD, MACC, FESC）表示：“目前医生的参与度比过去要高得多。很长一段时间内，情况并非如此……有些工程师只是开发产品，然后才去弄清楚临床需求是什么。”
临床医生在AI工具开发中的参与
在《心理学前沿》（Frontiers in Psychology）上发表的一篇系统文献综述中，研究人员评估了临床医生在临床AI模型开发和评估中的参与率。他们发现，在旨在开发新的临床医学AI工具的24项研究中，只有不到四分之一的研究征求了临床医生的意见，而在那些征求意见的研究中，88%没有在AI模型开发的早期阶段进行。
在《英国医学杂志·健康与护理信息学》（BMJ Health & Care Informatics）上发表的一篇综述中，一个国际研究小组提出了开发用于临床医学的预测AI模型的九个阶段：1. 明确感兴趣的临床问题；2. 特征选择；3. 选择相关数据集；4. 开发AI模型；5. 验证模型；6. 解释模型的预测；7. 许可模型；8. 维护模型；9. 持续评估预测模型的影响。研究人员写道，在开发的第一阶段，明确AI模型需要回答的临床问题时，寻求多学科临床专家团队的支持至关重要。
实际案例
一个典型的临床医生参与的例子是Paul A. Friedman博士（Paul A. Friedman, MD, FHRS）和Patricia A. Pellikka博士（Patricia A. Pellikka, MD）在EAGLE试验中的参与。EAGLE是一项随机对照试验，评估了一种基于AI的临床决策支持工具，用于早期诊断左心室射血分数低的情况。试验结果发表在《自然医学》（Nature Medicine）上（关于结果的讨论见本系列第一部分），随后该算法获得了FDA 510(k)许可，用于识别低LVEF。
Friedman在接受Healio采访时说：“如果我们真的想改善健康，我们需要确保我们在提出具有影响力的问题。”“临床医生最适合确定哪些是问题，哪些是未解决的问题，哪些是需要解决的临床空白。”
Pellikka还是《美国超声心动图学会杂志》（Journal of the American Society of Echocardiography）的主编，她领导了一个项目，开发了一个3D卷积神经网络（EchoGo Heart Failure, Ultromics），用于从单次标准超声心动图中检测射血分数保留的心力衰竭。该AI模型表现出色，训练期间的曲线下面积为0.97，验证时为0.95，具有高灵敏度（87.8%）和特异性（81.9%）。正如Healio此前报道的那样，该AI模型于2022年12月获得FDA批准。
Pellikka告诉Healio：“我们正在扩展这一合作，开发其他疾病检测模型。”“鉴于美国心脏超声技师短缺和接受超声心动图检查的患者复杂性增加，这些工具在临床实践中具有巨大的潜力。”
AI模型在预测心律失常事件方面也正在进行积极研究。2021年，Shaan Khurshid博士（Shaan Khurshid, MD, MPH）及其同事在《循环》（Circulation）上发表了他们的研究结果，利用基于ECG的深度学习结合临床风险因素来预测未来房颤。研究人员报告称，该AI模型预测5年AF风险的AUC与CHARGE-AF临床风险因素模型相似（CHARGE-AF, 0.752；AI模型, 0.747）。
成为开发的一部分
Itchhaporia告诉Healio：“这是一个真正的机会，也是心脏病学AI历史上的一个重要时刻……临床医生必须尽早参与，帮助共同创造和共同开发所有我们需要收集的东西，以真正实现AI的价值。”“自我教育，积极参与，不要害怕它，但也要发挥作用。对正在开发的嵌入式AI产品的临床需求提供输入将是无价的。”
对于研究导向的临床医生，最好的参与方式是成为开发的一部分。对于不感兴趣于研究的临床医生，Khurshid告诉Healio：“我认为他们仍然应该参与这个过程。”“有一些数据显示，非MD提供者如执业护士和助理医师对AI工具的接受速度比一些MD更快。这些因素很重要，因为它们是决定临床医生是否会实际使用AI工具的关键因素。它们有助于我们设计更好的服务于最终用户的AI工具。这是一个相对未被充分研究的领域。”
在2024年2月发表于《循环》（Circulation）的美国心脏协会科学声明中，作者指出，迫切需要开发实施科学，将AI工具应用于临床实践，以解决核心未满足的临床需求，而临床医生最适合识别这些需求。“临床医生应在AI工具的开发中发挥核心作用。”Pellikka说，“临床医生最了解临床需求和现有技术的不足之处。”
在最近发表于2023年7月的《美国心脏病学会杂志》（Journal of the American College of Cardiology）的最新综述中，研究人员概述了AI在心脏病学临床实践和生物医学发现中的当前应用情况。作者写道，了解当前的AI应用状况是临床医生参与未来发展的前提。
Khera博士（Rohan Khera, MD, MS）告诉Healio：“他们的参与始于对新兴技术的认识。”“社区也应该对AI工具持一定的怀疑态度，就像对待新药和新设备一样。最终，改变护理是必然的，但确保患者的安全和隐私需要我们了解所使用工具背后的证据。”
(全文结束)
