AMIA برای حمایت از راه حل های بالینی هوش مصنوعی ، پیشنهادهای ایجاد اعتماد به نفس دارد



انجمن آمریکایی انفورماتیک پزشکی چندین توصیه جدید در مورد چگونگی کنترل ابزارهای پشتیبانی بالینی منتشر کرده است که الگوریتم های آنها را تطبیق می دهد زیرا با داده های جدید آموزش داده می شوند تا از ایمنی و کارایی اطمینان حاصل کنند.

چرا مهم است
در مقاله تصویب شده توسط هیئت مدیره ، منتشر شده در مجله انجمن انفورماتیک پزشکی آمریکا، گروه انفورماتیک بالینی ، با توجه به “چالشها و ملاحظات منحصر به فرد” ارائه شده ، به سازمان غذا و داروی آمریكا و سایر سیاستگذاران پیشنهاد می دهد كه چگونه چنین “CDS سازگار” را در حین توسعه مدیریت كنند.

AMIA می گوید طیف گسترده ای از ابزارها و برنامه های جدید در حال ظهور – اکنون و در آینده – نیاز به یک چارچوب مشخص دارد “برای اطمینان از استفاده ایمن و موثر از CDS تحت مدیریت AI برای مراقبت از بیمار و تسهیل بحث گسترده تر در مورد سیاست های لازم برای ایجاد اعتماد به نفس در استفاده گسترده تر از هوش مصنوعی در مراقبت های بهداشتی. “

HIMSS20 دیجیتال

در صورت تقاضا ، کسب اعتبار ، یافتن محصولات و راه حل ها را بیاموزید. شروع کنید >>

نویسندگان گفتند: “بحث در مورد دامنه و قدرت نظارت بر ایمنی و اثربخشی CDS تمرکز بر روی قوانینی است که حاکمیت کمیاب و نهادی است ، که اغلب به طور کامل وجود ندارد.” “رهبران سازمان ایجاد محتوا ، تجزیه و تحلیل و گزارش دهی ، و حاکمیت و مدیریت را به عنوان م componentsلفه های مهم در توسعه CDS تشخیص داده اند ، اما دستیابی به هر 3 مورد به اندازه کافی برای سازمانها همچنان یک چالش است.”

AMIA بر دو مورد استفاده از CDS تطبیقی ​​تمرکز دارد:

  • این ابزارها برای استفاده در مراکز درمانی به مشتریان فروخته می شوند (“ACDS به بازار”).
  • توسط سیستم های بهداشتی برای استفاده شخصی (“ACDS خود ساخته”) ،

اگرچه FDA بر بیشترین ابزارهای CDS سازگار در بازار نظارت می کند ، اگرچه خود آژانس هنوز در حال مرتب سازی است که این دقیقاً به چه معناست و چه شکلی خواهد بود ، “ACDS خود ساخته احتمالاً توسط هیچ مرجع فدرال تنظیم نمی شود و از قبل به طور معمول استفاده می شود. بدون نظارت هیچ ارگان معتبری – دولتی ، خصوصی یا غیر انتفاعی “، نظر AMIA را یادداشت می کند.

دکتر جوزف کانری ، رئیس کمیته سیاست های AMIA و نویسنده گزارش ، گفت: “سیاست و نظارت فعلی برای CDS سازگار ناکافی است.” “شکاف های موجود در حوزه قضایی فدرال Adaptive CDS باعث شده است که بیماران تحت تعصبات الگوریتمی قرار بگیرند و به طور بالقوه در معرض مسائل ایمنی بیمار قرار بگیرند. در این مقاله ، ما یک چارچوب سیاست ارائه می دهیم که شامل طراحی و توسعه ، اجرا ، ارزیابی و نگهداری مداوم Adaptive CDS “

به طور خاص ، این گروه بر دو چیز اجباری تأکید دارند:

  • اول ، این امر باعث می شود “شفافیت در نحوه آموزش CDS سازگار از اهمیت بالاتری برخوردار باشد”. چارچوب جدید به استانداردهایی در مورد نحوه آموزش الگوریتم های پشتیبانی تصمیم نیاز دارد ، “از جمله معناشناسی و ریشه مجموعه داده های آموزش … برای اعتبار سنجی قبل از استقرار لازم است.” برای جلوگیری از ایجاد تعصب ، این گروه همچنین خواستار مشاهده چگونگی بدست آوردن داده های تغذیه کننده مدلها ، معیارهایی در انتخاب آنها و ویژگیهایی است که می تواند بر نحوه ارائه مدلها در مدلهای جدید تأثیر بگذارد.
  • دوم ، AMIA خواستار “استانداردهای ارتباطی برای انتقال ویژگیهای خاصی از نحوه آموزش مدل ، نحوه طراحی و نحوه کار در محل است.” وی گفت: چنین دستورالعمل هایی برای “مقایسه عینی ، ارزیابی و هدایت نگهداری مداوم الگوریتم” لازم است.

به همین منظور ، خارج از تنظیم كنندگان نظیر FDA ، این مقاله از ایجاد تیم های جدید مدیریت پیاده سازی هوش مصنوعی در سازمان های خاص مراقبت های بهداشتی حمایت می كند و خواستار یك سیستم جدید نظارت بر م institutionsسسات است. این مرکز راه اندازی مراکز تعالی برای ادامه کار در حال توسعه ، آزمایش و ارزیابی CDS سازگار و ایمن را پیشنهاد می کند.

گرایش بزرگتر
AMIA در یک مقاله موضعی گفت: “پشتیبانی از راه حل های بالینی یکی از مهمترین کاربردهای رایانه های مراقبت از بیمار است و همچنان پیشرفت می کند ، همانطور که استقرار گسترده EHR ها و حرفه ای سازی انفورماتیک بالینی نیز انجام می شود.”

سیستم های جدید پشتیبانی و تصمیم گیری نوظهور اکنون قادر به “سازگاری با حجم پویا و رو به رشد دانش و داده” هستند که توسط AI و ML هدایت می شوند و به عنوان یک نرم افزار به عنوان یک وسیله پزشکی ارائه می شوند.

“این روندها نویدهای قابل توجهی برای کاهش خستگی هشدار ، بهبود بار شناختی و ارائه شواهد بهتر برای راه حل های نقطه مراقبت در قالب CDS سازگار است.”

اول ، اطمینان از یکپارچگی داده ها و وضوح الگوریتمی ضروری است و همانطور که گزارش های اخیر نشان داده است ، حتی محصولات پاک شده توسط FDA نیز نمی توانند این قول را بدهند.

اثرات سوverse سوگیری الگوریتمی – با “مدل های توسعه نیافته و بالقوه مغرضانه” که به طور بالقوه باعث افزایش اختلافات سلامتی COVID-19 می شود ، به عنوان مثال برای افراد رنگین پوست – اکنون به خوبی شناخته شده است.

FDA این موضوع را درک می کند و می گوید این موضوع را در اولویت خود قرار داده است. طی ماه گذشته ، آژانس ها برنامه عملیاتی را با تمرکز بر توانایی هوش مصنوعی به عنوان یک وسیله پزشکی تهیه کرده و گفته اند که آنها در حال برنامه ریزی “یک رویکرد چند جانبه” برای پیشبرد نظارت بر دستگاه های یادگیری ماشین هستند تا از ایمنی بیمار ، الگوریتم شفافیت و اطمینان بیمار اطمینان حاصل کنند. نتایج.

در حال ضبط
پاتریشیا سی دایکز ، رئیس هیئت مدیره AMIA و مدیر برنامه های مرکز ایمنی ، تحقیقات و تحقیقات بیماران بریگام و زنان گفت: “جامعه اطلاعات CDS را اختراع کرده است و اعضای AMIA از پیشرفت CDS حمایت می کنند.” در بیانیه ای تمرین کنید.

وی گفت: “رشد تصاعدی داده های بهداشتی ، همراه با ظرفیت روزافزون برای ذخیره و تجزیه و تحلیل چنین داده هایی از طریق رایانش ابری و یادگیری ماشین ، جامعه اطلاعات را ملزم می کند که در مورد روش های ارائه CDS ایمن و موثر در چنین منظره پویایی بحث و گفتگو کند.” .

کارولین پیترسن ، عضو کمیته سیاست های عمومی AMIA و نویسنده اصلی مقاله مقاله ، افزود: “استفاده از هوش مصنوعی در مراقبت های بهداشتی فرصت هایی را برای پزشکان و بیماران فراهم می کند تا مراقبت ها را به روشی غیرقابل مقایسه بهبود بخشند.” “فوریت ایجاد پادمان ها و مکانیسم های نظارتی برای استفاده از برنامه های ماشینی برای مراقبت از بیمار به همان اندازه غیرقابل مقایسه است.”

توییتر: MikeMiliardHITN
برای نویسنده ایمیل ارسال کنید: [email protected]

Health IT News نشریه HIMSS است.




منبع: gharb-khabar.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>