机构名称：
¥ 1.0
然而，有人担心在医疗保健领域采用人工智能技术可能会带来负面影响 (Coiera, 2018; Yu & Kohane, 2019)，因为很难预见人工智能的变革范围和广泛使用的影响，这可能会影响医疗保健的各个方面，包括生物医学科学和发展（例如疫苗）、医疗服务运行方式的基础业务流程的变化以及人们每天做出的与健康相关的决策 (Coiera, 2019)。表 1 总结了在医疗保健中使用人工智能的一些挑战 (Challen et al., 2019; Jeter et al., 2019; Ross & Spates, 2020; Saria et al., 2018)。许多关于医疗保健领域 AI 的研究重点是算法的性能，而不是使用 AI 的服务的安全性和保证（Sujan 等人，2019 年）。丹麦的一项回顾性研究评估了一种用于识别 OHCA 的 AI 系统。评估发现，与人类操作员相比，AI 系统的曲线下面积 (AUC) 性能明显更高，并且能够更快地识别 OHCA（Blomberg 等人，2019 年）。这些发现在随后的瑞典研究（Byrsell 等人，2021 年）中得到证实，该研究还研究了不同假阳性率阈值的使用。然而，丹麦最近的一项前瞻性研究发现，虽然人工智能决策支持系统在识别OHCA方面比人类操作员更好，但由人工智能支持的操作员的表现并没有显着提高（Blomberg 等人，2021 年）。该研究仅考虑了结果（就OHCA识别的准确性和及时性而言），并没有调查为什么联合系统的性能没有改善。造成这种情况的两个原因可能是 (1) 本研究中算法的假阳性率阈值太高，导致操作员对算法失去信心，以及 (2) 由于其高识别率，对丹麦 EMS 的识别受到天花板效应的影响。迫切需要进一步开展前瞻性研究，包括小规模评估研究，为临床试验中更昂贵、更严格的 AI 评估奠定基础 (Vasey 等人，2021)。在这项研究中，我们旨在构建一个用于识别 OHCA 的 AI 系统，作为救护车服务更广泛临床系统的一部分。该研究的目的有两个：（1）探索救护车服务利益相关者对呼叫中心 OHCA AI 决策支持安全性的看法，以及（2）为 OHCA AI 决策支持制定临床安全案例（Sujan 等人，2016 年）
确保关键救护车服务响应中的安全人工智能：研究方案
主要关键词
相关文件推荐
