提高临床医生的诊断准确性

根据 12 月 19 日《杂志》上发表的一项研究，标准人工智能 (AI) 模型提高了诊断准确性，但系统性偏差的降低了这种准确性医学会。

来自安娜堡密歇根大学的 Sarah Jabbour 及其同事在一项随机临床小插曲调查研究中研究了系统性偏见的人工智能对临床医生诊断准确性的影响。向临床医生展示了九名因急性呼吸衰竭住院的患者的临床情况，并要求确定肺炎、心力衰竭或慢性阻塞性肺疾病作为根本原因的可能性。向临床医生展示了两个没有输入的小插图，以建立基线诊断准确性，然后被随机分配看六个有输入的小插图：三个标准模型预测和三个有系统偏差的模型预测。

总体而言，457 名临床医生被随机分配：分别有 231 名和 226 名临床医生接受不带解释和带解释的 AI 模型预测。研究人员发现，对于这三种诊断，临床医生的基线诊断准确率为 73.0%。当显示不带解释和带解释的标准 AI 模型时，临床医生的准​​确性比基线提高了 2.9 和 4.4 个百分点。与基线相比，由于预测存在系统偏差，临床医生的准​​确性降低了 11.3 个百分点;提供有偏差的预测和解释使准确性降低了 9.1 个百分点，与系统偏差模型相比，仅提高了 2.3 个百分点，但并不显着。

作者写道：“尽管研究结果表明，临床医生可能无法充当有缺陷的人工智能的后盾，但他们可以在理解人工智能的局限性方面发挥重要作用。”

一位作者报告称，他从机场的一项专利中获得了特许权使用费。