机构名称：
¥ 5.0
医疗错误是结果，但如果没有对过去案件的艰苦审查，就难以研究。i应用算法工具来衡量最常见的医学评估之一中的错误程度和性质：胸部X射线解释。使用大型医院的匿名医疗记录，我将放射科医生关于心脏健康的主张与相同的机器学习预测进行了比较，并使用外源给予的血液测试在两者之间进行裁定。至少有58％的放射科医生会犯错误，发出的报告可以预见，这些报告误解了患者心脏健康的严重程度。纠正这些错误会将假阴性率降低23.5％，假阳性率降低了7.6％，而代表性不足和诊断不足的患者群体的准确性明确提高了。审慎的算法基准选择表明，大约三分之二的错误是可以解释的，因为个人放射科医生做出不一致的决策（表现不佳的“个人边界”），而三分之一反映了人类实践与算法预测之间的差距（A”机器边界）。与医学文献中的主要假设相比，错误并不能反映放射学家超重的显着信息；相反，它们系统地对患者风险的信号有系统地反应。在一起，这些结果表明，算法工具的比较强度在于它们的潜力减少人类判断的过多变异性。
X射线专家：放射学中可预测的错误
主要关键词
相关文件推荐
