AITRICS 研究揭示了医院 AI 模型中缺失数据的信息

快速阅读: 《韩国生物医学评论》消息，韩国AI公司AITRICS研究发现，电子健康记录中的缺失数据可能反映医生判断。其模型在不同数据密度下表现稳定，显示临床背景比数据量更重要。

一家位于韩国的医疗人工智能公司AITRICS在一篇发表于《临床医学杂志》上的同行评审论文中指出，电子健康记录数据中的缺失可能具有重要的临床意义，而不仅仅是简单的遗漏。AITRICS发布了一项关于多模态深度学习模型用于急诊科临床恶化预测的研究。这张图片显示的是2022年AITRICS首席执行官金光俊在新闻发布会上的情景。

这项回顾性研究分析了24,359名在全罗北道全州长老会医院普通内科和外科病房入院的成年患者的病历。研究人员旨在测试“信息性存在”这一概念，该概念提出，是否进行检查或放弃检查的决定本身是医生判断的反映。

为了验证这一假设，团队使用查尔森合并症指数将患者分为高风险组和低至中等风险组，将得分高于3分的人归类为高风险。高风险组患者进行了更频繁的实验室检查和生命体征测量，导致缺失值率较低，而低风险组则表现出相反的趋势。

值得注意的是，在两个组别中，后来出现临床恶化的患者比其稳定的对照者有更少的数据缺失点，这表明当医生怀疑病情下降时，无论基础合并症评分如何，都会加强检测。

尽管数据密度存在显著差异，AI模型的判别性能几乎没有变化。受试者工作特征曲线下面积（AUC）在总体人群中达到0.86，在高风险子集中相同，并且在低风险组中仅低了百分之一。

作者认为，该模型隐含地捕捉到了检测是否进行所反映出的医生决策信号，证据表明定性临床背景可能比单纯的数据量更具影响力。

AITRICS首席执行官金光俊表示：“检测模式会根据患者的病情严重程度而变化，因此AI系统必须学习并理解这些实际操作中的细微差别。那些考虑到临床推理而非仅仅依赖数值规模的算法，将在临床场景中获得更大的信任并证明其更高的有效性。”

(以上内容均由Ai生成)