AI辅助医生和技术人员阅读医学图像资料显示出巨大优势,也暴露了缺憾和误导率。AI医学和临床研究人员发表了多达1.3万篇论文,最新归纳结论是,应当用知识和临床经验,而不是数据或捷径,训练AI算法模型解析医学图像。关注详情。
目前的AI训练数据和模式无法规避其致命性错误率
阅读文摘
近期,研究人员开发了一种新型AI算法,通过模拟人类医生的学习路径来训练AI分析和识别医学图像资料,从而改善了其准确性和可解释性。
常规的AI算法训练是通过向系统输入大量标记数据,使其识别模式并做出最佳决策。然而,这种训练方式容易产生依赖虚假相关性,导致AI的预测分析结果不准确,甚至误导误诊。
为了解决这一问题,研究人员提出了一种名为“知识和经验增强瓶颈”(KnoBo)的方法,要求AI基于已验证的医学知识和临床专家经验做出决策。
通过借鉴临床医生的学习培训过程——从教科书、医学数据库和临床老师的实践经验等来源获得知识和经验,KnoBo使AI在识别临床诊断图像时更具有可解释性,医生也能够理解AI的决策选择依据。
临床验证试验结果显示,KnoBo模型在肺部X光片检测新冠患者等工作中比目前传统AI训练模型更准确,同时在处理不同真实环境下的混乱数据时,表现出更高的稳定性。
研究人员认为这一突破训练模式,能够推动AI医学领域的安全应用和可靠性,尤其在应对未来AI医生全面补充基层医疗保健服务过程中发挥优质作用。
第二期长寿诊所赴美考察交流活动
考察日期:12月5日——12日,美国加州等
1. 2024年长寿诊所圆桌会议(内容如下)
2. 与长寿医学界顶级专家座谈,交流长寿诊所设计、技术和商业模式
3. 参观考察长寿诊所、长寿研究机构,包括克利夫兰诊所等
4. 根据Buck Institute安排交流相关国际合作意向
报名微信:GlobalMD2020
关注我们,获取生物医学前沿最新资讯