Системы искусственного интеллекта в клинической медицине, ГОСТ Опции

[Игорь]

В 2022 году утверждены несколько любопытных документов:

ГОСТ Р 59921.1-2021 Системы искусственного интеллекта в клинической медицине. Часть 1. Клинические испытания
ГОСТ Р 59921.2-2021 Системы искусственного интеллекта в клинической медицине. Часть 2. Программа и методика технических испытаний
ГОСТ Р 59921.3-2021 Системы искусственного интеллекта в клинической медицине. Часть 3. Управление изменениями в системах искусственного интеллекта с непрерывным обучением
ГОСТ Р 59921.4-2021 Системы искусственного интеллекта в клинической медицине. Часть 4. Оценка и контроль эксплуатационных параметров
ГОСТ Р 59921.5-2021 Системы искусственного интеллекта в клинической медицине. Часть 5. Требования к структуре и порядку применения набора данных для обучения и тестирования алгоритмов
ГОСТ Р 59921.6-2021 Системы искусственного интеллекта в клинической медицине. Часть 6. Общие требования к эксплуатации

Воспроизводить ГОСТ на форуме запрещено, но каждый может легко найти тексты документов на информационно-справочных ресурсах, в том числе на официальных сайтах правовой информации. Приглашаю коллег ознакомиться и высказаться.

Сообщение отредактировал Игорь - 4.08.2022 - 13:51

[Игорь]

В основе системы ИИ могут использоваться различные технологии, в том числе вероятностные.

Но полезно сначала изучить процессы в ЛПУ, с которыми мы имеем дело, чтобы "не отрываться от коллектива". Начато создание ресурса, с которым можно ознакомиться по адресу https://cr.rosminzdrav.ru. И особенно посмотреть вот этот документ с данного сайта "https://apicr.minzdrav.gov.ru/static/DevelopCR/Критерии оценки качества медицинской помощи.docx". Где здесь вероятности? Вправе ли мы настаивать, что вероятность того или иного диагноза, скажем 0,87? Доктор так и запишет в историю болезни и будет на 87% лечить, а фонд ОМС оплатит 87% затрат?

Тот же логистический или пробит анализ выдает результат распознавания, имеющий смысл вероятности. Подчеркиваю, не вероятность, а смысл вероятности, которая, вообще говоря, сама по себе ничего не означает. Это не окончательный результат распознавания. Окончательный результат - продукт "огрубления" количественной величины до дихотомической порогом отсечения в зависимости от принятых чувствительности и специфичности. При этом чувствительность и специфичность того или иного диагностического теста сообщаются пользователю (доктору), который принимает однозначное решение и берет на себя ответственность.

Например, вместо расспроса пациента после операции о самочувствии задать один вопрос: "Тебе хорошо или плохо?" Ответит "хорошо" - тут же на выписку, ответит "плохо" - на повторную операцию.

Удовлетворенность пациента - есть такой параметр. Но этот параметр далеко не единственный и даже не основной, и решение о выписке только на его основе не принимается. Есть еще много других параметров, например, биохимический анализ крови. И там почти все показатели количественные! Но ... в первой колонке бланка указано наименование параметра, во второй - его значение у пациента, в третьей - интервалы или значение нормы. А результат (во всяком случае для терапевта)? Укладывается ли значение параметра в норму - да/нет!

Наша полезная дискуссия переходит в обсуждение шкал (в соседней ветке форума обсуждение аналогичное). Поэтому определимся - чем количественные шкалы отличаются от качественных в практическом смысле? Ответ парадоксальный - только количеством градаций. Реально измеряемый количественный показатель, например, возраст, для практических целей классификации пациентов принято переводить в качественные переменные - возрастные группы (стандартно - по годам). Хотим более точно (по месяцам) - будет просто больше индикаторных (бинарных) переменных.

Сообщение отредактировал Игорь - 8.08.2022 - 08:34

[ИНО]

Тот же логистический или пробит анализ выдает результат распознавания, имеющий смысл вероятности. Подчеркиваю, не вероятность, а смысл вероятности, которая, вообще говоря, сама по себе ничего не означает. Это не окончательный результат распознавания. Окончательный результат - продукт "огрубления" количественной величины до дихотомической порогом отсечения в зависимости от принятых чувствительности и специфичности.

Логит и пробит - классические регрессионные техники, их конечный результат, как ни странно, логит и пробит (могут быть переведены в смоделированные вероятности, ну или величины имеющие смысл вероятностей, если Вам так больше нравится). И да, регрессионные кривые при этих видах анализа сильно более популярны, чем ряды нулей и единиц.

Мнение Фрэнка Харрелла по данному вопросу: https://www.r-bloggers.com/2020/11/frank-ha...chine-learning/
Встречал примерно это же в виде статьи (наверное, под чуть иным заголовком), но сейчас быстро найти не смог. Тогда ссылку не сохранил, поскольку преимущество "результата распознавания, имеющего смысл вероятности" над жесткой бинарной классификацией казались для меня самоочевидным. Но теперь ясно, что есть иные мнения.

Что касается диагноза, и прочих принятия решений, то это работа врача, а не компьютерной программы. Надеюсь, Вы не станете возражать, что выдача программы типа "вероятность скорой смерти пациента составляет 0,51", гораздо полезнее, чем "пациент умрет - готовьтесь освобождать койку".

Сообщение отредактировал ИНО - 8.08.2022 - 13:30