机构名称：
¥ 1.0
提交：2023年11月21日；修订：2024年1月2日；接受：2024年3月30日；引用：Hoseini SS，DewarR。使用无代码人工智能平台授权医疗保健专业人员用于模型开发，这是病理学的实用演示。发现2024; 12（1）：E182。doi：10.15190/d.2024.1抽象人工智能（AI）和基于机器学习的应用被认为可以通过改变诊断患者管理方法来影响医疗保健实践。但是，领域知识，临床和编码专业知识可能是开发实用AI模型的最大挑战和巨大的障碍。大多数信息学和AI专家都不熟悉医学上的细微差别，而且大多数医生都不是有效的编码员。为了解决此障碍，一些“无代码” AI平台正在出现。他们使医疗专业人员能够在不编码技能的情况下创建AI模型。本研究检查了一个无代码AI平台Thotable Machine™，将白细胞分类为五种常见的WBC类型。使用了来自公开可用数据集的培训数据，并通过微调超参数提高了模型精度。敏感性，精度和F1分数计算评估了模型性能和独立数据集进行测试。测试了影响模型性能的几个因素。该模型具有高灵敏度和精确度，在对白细胞进行分类时达到了97％的精度。独立验证支持其进一步发展的潜力。这是第一个证明基于无代算法的AI平台在血液病理学中使用的价值的研究
提交：2023年11月21日；修订：2024年1月2日；接受：2024年3月30日；引用：Hoseini SS，DewarR。授权医疗保健专业人员
主要关键词
相关文件推荐
![arxiv：2312.00189v1 [cs.lg] 2023年11月30日](/simg/2/278c56b945375190fd24bc0470f3ee0f0d75531f.webp)
![arxiv：2301.08835v1 [cs.hc] 2023年1月21日](/simg/a/aac467863f27e28c322f00b2865359076a24668c.webp)
