Loading… 剑桥大学研究:查了2000多篇用AI检测新冠的论文,临床使用竟全都“失灵” _TOM财经
正文
Qzone
微博
微信

剑桥大学研究:查了2000多篇用AI检测新冠的论文,临床使用竟全都“失灵”

前瞻网    2021-06-15 11:41

新冠大流行以来,不少机器学习领域的研究人员,希望借助AI与机器之力,帮助医生们从标准护理胸片(CXR)和胸部计算机断层扫描(CT)图像中快速、准确地检测和预测新冠感染。

2020年,许多这类文章发表在学术期刊平台上。不过,剑桥大学团队近日发表在Nature Machine Intelligence上的一篇论文中所阐述的研究发现,却让人大跌眼镜:搜集到的关于用AI进行新冠病毒医学图像检测、诊断的论文,都存在重大缺陷和偏差,没有临床使用的可能性!

剑桥大学研究:查了2000多篇用AI检测新冠的论文,临床使用竟全都“失灵”

研究人员考虑了2020年1月1日至2020年10月3日期间所有已发表的论文和预印本,这些论文从CXR或CT图像中描述了用于COVID-19诊断或预后的新机器学习模型。所有上传至bioRxiv、medRxiv和arXiv的稿件以及EMBASE和MEDLINE在此时间范围内的所有条目将被考虑。

他们搜索确定了2212项研究,其中415项在初步筛选后被纳入,而经过质量筛选后,62项研究被纳入了该系统综述。其中深度学习37篇,传统机器学习23篇,混合学习2篇(采用两种方法)。

剑桥大学研究:查了2000多篇用AI检测新冠的论文,临床使用竟全都“失灵”

在这62篇论文中,有55篇被发现由于各种问题而存在高偏见风险,包括依赖公共数据集,其中许多疑似阳性Covid-19的CT图像也没检测出来。总的来说,所有这些模型在研究中都看起来高度准确,但一到临床就变“智障”,没法派上可靠的用场。

综述发现,由于方法上的缺陷和/或潜在的偏见,这些模型都没有潜在的临床应用。其原因包括:(1)小数据集的偏差;(2)来自国际的大型数据集的可变性;(3)多流数据,特别是成像数据的集成度差;(4)预测任务的难度;(5)临床医生和数据分析师必须并肩工作,以确保开发的AI算法与临床相关,并可用于常规临床护理。

鉴于迫切需要经过验证的COVID-19模型,这是一个主要弱点。也因此,该研究建议——科学界应该为此进行更高质量的模型开发。这样的研究结果,也让专家学者们争论纷纷,国外不少学术界网友则在社交媒体平台上无奈表示:“这给我们上了重要的一课”、“AI真的没那么万能”!

译/前瞻经济学人APP资讯组

 

本文来源前瞻网,转载请注明来源。本文内容仅代表作者个人观点,本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com)

 

广告
责任编辑: 3976DBC

责任编辑: 3976DBC
人家也是有底线的啦~
广告