一个由人工智能和医学专家组成的团队与谷歌研究(Google Research)和谷歌深度思维(Google DeepMind)合作，开发了一种基于人工智能的系统，旨在判断用于分析医学扫描的现有人工智能系统的置信度，以此作为改进诊断工具(如乳房x光检查或胸部x光检查)分析的一种手段。
在他们发表在《自然医学》杂志上的论文中，研究小组描述了他们是如何建立这个系统的，以及它在测试时的效果如何。剑桥大学临床医学院的菲奥娜·吉尔伯特在同一期杂志上发表了一篇新闻与观点文章，概述了该团队在这项新研究中所做的工作。
在过去的几年里，随着人工智能应用变得更加完善，医疗机构已经接受了这项技术，认为它可以减少人类放射科医生的工作量，同时保持或提高质量。目前，人工智能应用程序被用于分析乳房x光片和x光片等扫描，以寻找乳房或肺部的肿瘤。
先前的研究表明，最可靠的方法是让人类和人工智能应用程序同时分析相同的扫描结果。这样，漏诊的肿瘤就更少了。两位放射科医生的分析得出了几乎相同的结果。
在这项新的研究中，研究人员试图通过分析在这种情况下工作的人工智能系统给出的结果来改进该系统。为了实现这一目标，他们创建了一个名为互补性驱动的延迟到临床工作流程(CoDoC)的系统。它的设计目的是与已经在该领域使用的当前人工智能系统一起工作，并使用这些系统已经提供的指标。
新系统的工作是分析诊断人工智能系统给出的结果，然后判断其结果的可信度，并将这些信息提供给提供最终诊断的人类诊断医生。
CoDoC也是一个人工智能系统。它使用从延期病例中获得的金标准结果数据进行训练。研究小组设计了一个改进循环，理论上，使用得越多，它就越准确。目前，它的设计目的是与诊断人工智能系统和人类放射科医生一起工作。
最后，CoDoC用于帮助确定哪些结果最有可能是正确的，这应该会提高准确性。系统的测试证明了这一点。我们发现，人工智能系统与CoDoC和放射科医生一起使用的场景比单独使用任何一个系统都更可靠。
更多信息:Krishnamurthy Dvijotham等人，通过互补性驱动的临床医生延迟提高人工智能诊断的可靠性和准确性，《自然医学》(2023)。DOI: 10.1038 / s41591 – 023 – 02437 – x
Fiona Gilbert，平衡人类和人工智能在临床成像中的作用，《自然医学》(2023)。期刊信息:Nature Medicine
©2023 Science X Network
引用一个人工智能系统，可以判断何时信任AI-based医学诊断(2023年，7月18日)检索自https://medicalxpress.com/news/2023-07-ai-figure-ai-ba
html本文档
作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司
内容仅供参考之用。
本文来自投稿，不代表牛批号立场，如若转载，请注明出处：https://cn.wwwhere.cn/uncategorized/202501-9895.html
