[ad_1]
دستورالعمل‌های گزارش‌دهی جدید، به طور مشترک در طب طبیعت و BMJ توسط محققان آکسفورد، اطمینان حاصل خواهد کرد که مطالعات اولیه در مورد استفاده از هوش مصنوعی (AI) برای درمان بیماران واقعی، اطلاعات مورد نیاز برای توسعه ایمن و موثر سیستم‌های هوش مصنوعی را در اختیار محققان قرار می‌دهد.
هوش مصنوعی در پزشکی نتایج امیدوارکننده‌ای را در مطالعات شبیه‌سازی متعدد نشان داده است، اما تعداد بسیار کمی از سیستم‌های هوش مصنوعی در مراقبت از بیمار استفاده شده‌اند. اما از آنجایی که تعداد فزاینده‌ای از سیستم‌های پشتیبانی تصمیم‌گیری بالینی مبتنی بر هوش مصنوعی از توسعه به اجرا در حال پیشرفت هستند، راهنمایی بهتر در مورد گزارش عوامل انسانی و ارزیابی بالینی در مراحل اولیه مورد نیاز است.
محققان آکسفورد توسعه یک دستورالعمل جدید به نام DECIDE-AI را رهبری کرده‌اند که هدف آن بهبود گزارش‌دهی تحقیقات در مورد سیستم‌های هوش مصنوعی زمانی است که برای اولین بار در محیط‌های بالینی واقعی توسط پزشکانی که بیماران واقعی را درمان می‌کنند، استفاده می‌شوند. این بر اساس نظرات و بازخوردهای بیش از 150 متخصص در 18 کشور، از جمله دانشمندان علوم کامپیوتر، پزشکان، متخصصان اخلاق، نمایندگان بیماران و کارآفرینان ایجاد شده است.
باپتیست واسی از دپارتمان علوم جراحی نافیلد دانشگاه آکسفورد گفت: “در حالی که هوش مصنوعی نتایج امیدوارکننده ای را برای کاربردهای بالینی در شبیه سازی ها نشان داده است، تعداد بسیار کمی از سیستم های هوش مصنوعی تاثیر قابل توجهی بر مراقبت از بیمار داشته اند. یک مشکل عمده فقدان علمی قوی بوده است. شواهدی برای حمایت از استفاده گسترده در عمل بالینی.
این مطالعه اولین مطالعه ای است که حداقل استانداردهای گزارش دهی را برای ارزیابی مراحل اولیه سیستم های پشتیبانی تصمیم مبتنی بر هوش مصنوعی در تنظیمات بالینی به وضوح تعریف می کند.
پروفسور پیتر مک کالوچ، نویسنده ارشد، همچنین مستقر در دپارتمان نوفیلد، گفت: «این دستورالعمل‌ها اصولی را که برای ارزیابی عمل‌های جراحی جدید توسط شرکت IDEAL در آکسفورد توسعه داده شده است، در نظر می‌گیرند و آن‌ها را در زمینه جدید مهمی که در آن راهنمایی وجود ندارد، به کار می‌گیرند. این ایده که نوآوری و ارزیابی باید در هر مرحله از توسعه درمان‌های جدید به صورت پشت سر هم انجام شود، به همان اندازه که در مورد جراحی اعمال می‌شود، در مورد هوش مصنوعی نیز صدق می‌کند.
بن هورنسبی، هماهنگ‌کننده پروژه همکاری IDEAL در دپارتمان پزشکی نافیلد آکسفورد، گفت: «DECIDE-AI تنها دومین دستورالعمل گزارش‌دهی است که به تحقیقات سیستم‌های هوش مصنوعی اختصاص داده شده است و اولین موردی است که بر مرحله توسعه این فناوری تمرکز دارد.
ما تصمیم گرفتیم بر نتایج ارزیابی در مراحل اولیه تمرکز کنیم تا بر نیاز محققان به گزارش شفاف در مورد چهار جنبه کلیدی تحقیقات هوش مصنوعی، ایجاد اعتماد در فناوری و برجسته کردن مزایای عملی و کارایی بهبود یافته ای که فناوری می تواند برای مراقبت های بهداشتی به ارمغان بیاورد، تمرکز کنیم. “
عواملی که DECIDE-AI ارزیابی می کند عبارتند از:
- اثبات ارزش بالینی در یک محیط مراقبت زنده
- مشخصات ایمنی سیستم هوش مصنوعی و خطرات بالقوه برای بیماران
- عوامل انسانی پیرامون استفاده از سیستم، مانند نحوه ادغام سیستم هوش مصنوعی در مسیر مراقبت موجود و نحوه تأثیر آن بر رفتار پزشکان
- مراحل مورد نیاز برای توسعه آزمایشات در مقیاس بزرگتر که برای ارائه شواهد قطعی لازم برای پذیرفته شدن یک سیستم هوش مصنوعی در مراقبت های معمول بیمار مورد نیاز است.
“راهنمای گزارش برای ارزیابی بالینی در مراحل اولیه سیستم های پشتیبانی تصمیم که توسط هوش مصنوعی هدایت می شوند: DECIDE-AI” منتشر شده است. طب طبیعت و BMJ.
سیستم یادگیری ماشینی جدید برای شناسایی بیماران رو به وخامت در بیمارستان توسعه یافته است
Baptiste Vasey و همکاران، دستورالعمل گزارش برای ارزیابی بالینی در مراحل اولیه سیستم های پشتیبانی تصمیم که توسط هوش مصنوعی هدایت می شوند: DECIDE-AI، طب طبیعت (2022). DOI: 10.1038/s41591-022-01772-9
Baptiste Vasey و همکاران، راهنمای گزارش برای ارزیابی بالینی مراحل اولیه سیستم‌های پشتیبانی تصمیم که توسط هوش مصنوعی هدایت می‌شوند: DECIDE-AI، BMJ (2022). DOI: 10.1136/bmj-2022-070904
ارائه شده توسط دانشگاه آکسفورد
نقل قول: دستورالعمل‌های گزارش‌دهی جدید برای بهبود هوش مصنوعی در تنظیمات مراقبت‌های بهداشتی (2022، 19 مه) در 20 مه 2022 از https://medicalxpress.com/news/2022-05-guidelines-ai-health.html بازیابی شده است.
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.
[ad_2]