机构名称：
¥ 1.0
在过去的十年中，在包括医疗保健在内的许多行业中，人工智能（AI）支持算法的研究大大增加。特别是在诊断过程中依靠大量数据的专业，例如放射学和病理学。通过这些建模技术的初始开发通常使用绩效评估，仅限于实验室环境中的回顾性数据，[1]。要实现潜力，并将这些模型纳入生产中，需要进行其他临床测试；确保现实世界的绩效，有效性和安全性。但是，目前，此类研究的尝试相对较少，并且大多数依赖人群或非随机测试，[2]。最近，使用机器学习的心电图（ECG）分类的开发达到了回顾性数据的各种任务的理想性能，例如[3]。同样，这种ECG分类模型需要在部署前进行进一步的临床测试，[4]。然而，临床试验需要全面的准备工作；两者均与研究设计有关，尤其是在启用基础设施，连接基础医疗保健系统的一部分方面。特别是，允许预测模型实时运行，临床医生可以与推理结果相互作用。那么，我们如何设计一个支持AI在包括临床试验在内的AI有效发展周期的基础设施？1通讯作者：Akershus Universitetssykehus HF，1478Lørenskog，挪威Arian Ranjbar；电子邮件：arian.ranjbar@ahus.no。这项研究由Nasjonalforeningen为Folkehelsen提供资金，部分基础设施由Novartis Norway AS赞助。
启用人工智能的临床试验
主要关键词
相关文件推荐
