Прогностические модели ИИ в медицине могут терять точность после внедрения
Краткое изложение публикации в сообществе «Врачи РФ» от .
Исследование, опубликованное в Annals of Internal Medicine в 2023 году, показало, что применение прогностических моделей машинного обучения в клинической практике может со временем снижать точность этих и последующих моделей. Причина — решения, принятые на основании прогнозов, меняют данные о пациентах и результаты лечения, на которых обучаются алгоритмы.
Исследователи смоделировали 130 000 госпитализаций в отделения интенсивной терапии в двух медицинских учреждениях Нью-Йорка и Бостона. В сценариях рассматривались повторное обучение модели, создание новой модели на данных после применения прогнозов и одновременная работа двух моделей. Учёные рекомендуют отслеживать пациентов, на которых повлияли прогнозы машинного обучения, и считают необходимой разработку методических рекомендаций государственными учреждениями.
Главное
- Исследователи смоделировали 130 000 госпитализаций в отделения интенсивной терапии в двух медицинских учреждениях Нью-Йорка и Бостона.
- В исследовании оценили повторное обучение моделей, создание новых моделей на изменённых данных и одновременное применение двух моделей.
- Применение прогнозов может изменить данные, используемые для обучения последующих моделей.
- Исследователи рекомендуют отслеживать пациентов, на которых повлияли прогнозы машинного обучения.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация