弥补临床人工智能中调控标准的匮乏

随着医学中人工智能及预测性分析的使用在全球医院中变得日益常见，有关对它们的评估和使用的规程必须跟上节奏以确保该技术能提高医疗品质和效率。鉴于FDA近来对预测性分析的临床应用给予批准，Ravi Parikh和同事在一则政策论坛中就与日俱增的对预测性分析普遍缺乏管控和临床标准的担忧进行了讨论。最近在人工智能和计算能力方面所取得的进展为应用预测性分析来提高预后效率及改善患者转归开启了新的大门。然而，据作者披露，有关对现代基于AI算法的安全性与影响的评估条规与标准还非常新，它们还未被临床医生充分理解，也未符合传统临床试验的标准。尽管如此，基于先进分析的数种市售装置最近已获得联邦食品与药物管理局（FDA）的批准，后者引发了对目前管控过程严格性的一些担心。据Parikh等人披露，现有的FDA标准并未考虑现代算法独特的动态特性，例如，它们有根据数据量的增加而改变预测绩效的能力。为了解决这些日益增长的忧虑，作者提出了可帮助指导临床预测性分析评估和管控的5项标准。在这些标准中，Parikh等人强调，基于AI的系统需要用已经确立的临床标准进行评估，并将临床医生的行为代理解释纳入他们所受训练的数据之中。

###