全部商品分類
越來越多的ＡＩ工具被用于從敗血癥到中風(fēng)等等一切疾病的預(yù)測，希望能夠及早提供護(hù)理，挽救生命。
但隨著時(shí)間的推移，有新的研究表明，這些預(yù)測模型很可能伴隨著其本身的成功而墮入深淵——由于預(yù)測成功，導(dǎo)致其表現(xiàn)急劇下降，并產(chǎn)生不準(zhǔn)確的、潛在有害的結(jié)果。
這項(xiàng)新研究于近日發(fā)表在《內(nèi)科年鑒》上。西奈山伊坎醫(yī)學(xué)院數(shù)據(jù)驅(qū)動(dòng)和數(shù)字醫(yī)學(xué)講師、這項(xiàng)新研究的作者Ａｋｈｉｌ Ｖａｉｄ說：“在測試模型時(shí)，沒有辦法解釋這一點(diǎn)。你不能進(jìn)行驗(yàn)證研究，不能進(jìn)行外部驗(yàn)證，不能進(jìn)行臨床試驗(yàn)，因?yàn)樗麄冎粫?huì)告訴你這個(gè)模型是有效的。一旦它開始工作，問題就會(huì)出現(xiàn)。”
Ｖａｉｄ 和他在西奈山的同事模擬了兩種模型的部署，預(yù)測患者在進(jìn)入 ＩＣＵ 后五天內(nèi)死亡和急性腎損傷的風(fēng)險(xiǎn)。
他們的模擬中，假設(shè)這些模型做到了他們預(yù)期應(yīng)該做的事情，即通過識(shí)別患者進(jìn)行早期干預(yù)來降低死亡和腎損傷。
但是，當(dāng)患者開始好轉(zhuǎn)時(shí)，這些模型在預(yù)測腎衰竭和死亡率的可能性方面就變得不那么準(zhǔn)確了。即便重新訓(xùn)練模型，或是用其他方法來阻止預(yù)測能力的衰退，都無濟(jì)于事。
很少有醫(yī)療衛(wèi)生系統(tǒng)會(huì)隨著時(shí)間的推移去跟蹤ＡＩ模型的性能，上述新研究成為了一個(gè)警示，并且提出了問題——ＡＩ預(yù)測模型潛在的性能下降對(duì)患者意味著什么，特別是在部署了多個(gè)ＡＩ系統(tǒng)的環(huán)境中，這些系統(tǒng)可能會(huì)影響患者的治療效果，并且隨著時(shí)間的推移，它們彼此之間的性能表現(xiàn)也會(huì)互相影響。
去年，美國醫(yī)療媒體ＳＴＡＴ和麻省理工學(xué)院的一項(xiàng)調(diào)查，通過測試三種預(yù)測算法的性能，捕捉到了模型性能如何隨著時(shí)間的推移而下降。在過去的十年中，預(yù)測敗血癥、住院時(shí)間和死亡率的準(zhǔn)確性確實(shí)存在明顯差異。導(dǎo)致這一問題的罪魁禍?zhǔn)资桥R床變化的組合、醫(yī)院使用新的醫(yī)學(xué)編碼標(biāo)準(zhǔn)、以及來自新社區(qū)的患者大量涌入。
模型出現(xiàn)這樣的故障是由于“數(shù)據(jù)漂移”造成的。約翰·霍普金斯大學(xué)醫(yī)學(xué)院傳染病與健康信息學(xué)研究員Ｍａｔｔｈｅｗ Ｒｏｂｉｎｓｏｎ，也是西奈山研究的作者之一，他表示：“關(guān)于輸入數(shù)據(jù)如何隨著時(shí)間的推移而變化，并產(chǎn)生令人意想不到的輸出，人們進(jìn)行了很多討論。”
這項(xiàng)新的研究發(fā)現(xiàn)了一個(gè)反常的問題，隨著時(shí)間的推移，預(yù)測模型的性能可能會(huì)下降。成功的預(yù)測模型卻創(chuàng)建了這樣一個(gè)反饋循環(huán)：隨著ＡＩ幫助推動(dòng)干預(yù)措施以保持患者的健康，那么系統(tǒng)內(nèi)的電子健康記錄可能就會(huì)開始反映較低的腎損傷率或死亡率，然后隨著時(shí)間的推移這些數(shù)據(jù)被用于重新訓(xùn)練模型。
Ｖａｉｄ：“只要你的數(shù)據(jù)受到了模型輸出的污染或破壞，那么你就會(huì)遇到問題。”
研究人員基于當(dāng)今的ＡＩ醫(yī)療衛(wèi)生系統(tǒng)，展示了該問題在三種情況下是如何出現(xiàn)的。
首先，他們自己部署了死亡率預(yù)測模型，并根據(jù)新的患者數(shù)據(jù)對(duì)其進(jìn)行了重新訓(xùn)練——這是避免數(shù)據(jù)漂移的常見策略。然后，與直覺相反，他們發(fā)現(xiàn)，利用模型幫助過的患者數(shù)據(jù)重新訓(xùn)練出的模型，可能會(huì)低估死亡風(fēng)險(xiǎn)，并且模型的特異性驟降至 ３９％。Ｖａｉｄ說：“這太大了，意味著一旦你重新訓(xùn)練你的模型，它實(shí)際上就沒用了。”
在另外兩種情況下，急性腎損傷預(yù)測因子和死亡率預(yù)測因子一起使用。當(dāng)腎臟模型的預(yù)測幫助患者避免急性腎損傷時(shí)，它也降低了死亡率——因此當(dāng)后來再使用這些數(shù)據(jù)創(chuàng)建死亡率預(yù)測因子時(shí)，其特異性就受到了影響。當(dāng)兩個(gè)模型同時(shí)部署時(shí)，每個(gè)模型各自所驅(qū)動(dòng)的醫(yī)療保健變化都會(huì)使其他模型的預(yù)測失效。
Ｖａｉｄ 表示，他與聲稱已同時(shí)部署 １５ 或 ２０ 個(gè)模型的衛(wèi)生系統(tǒng)進(jìn)行了交談。他表示，這會(huì)導(dǎo)致一些可怕的錯(cuò)誤，衛(wèi)生系統(tǒng)使用預(yù)測模型的時(shí)間越長，而不考慮性能下降的反饋循環(huán)，它們的可靠性就越低，這就像一顆定時(shí)炸彈。
范德比爾特大學(xué)醫(yī)學(xué)中心生物醫(yī)學(xué)信息學(xué)教授 Ｓｈａｒｏｎ Ｄａｖｉｓ 表示：“我們?cè)缇鸵庾R(shí)到，影響患者預(yù)后和 ＥＨＲ 數(shù)據(jù)下游反饋的成功實(shí)施，需要新的方法來更新模型。” “ＡＩ工具按順序或者同時(shí)部署的交互效果，對(duì)于需要?jiǎng)?chuàng)新解決方案的模型管理者來說，這是另一個(gè)復(fù)雜的問題。”
資深作者、西奈山數(shù)據(jù)驅(qū)動(dòng)和數(shù)字醫(yī)學(xué)部門的系統(tǒng)主管Ｇｉｒｉｓｈ Ｎａｄｋａｒｎｉ表示，雖然許多衛(wèi)生系統(tǒng)都在思考如何管理數(shù)據(jù)漂移等問題，但還沒有人想過如何管理這么多模型同時(shí)運(yùn)行的性能，并且連續(xù)幾代的患者數(shù)據(jù)都受到影響，在沒有適當(dāng)監(jiān)控、適當(dāng)測試、適當(dāng)驗(yàn)證系統(tǒng)的情況下引入了一堆模型，所有這些模型都在相互作用，并且影響臨床醫(yī)生和患者。
加州大學(xué)伯克利分校和加州大學(xué)舊金山分校計(jì)算精準(zhǔn)健康助理教授Ａｄａｍ Ｙａｌａ稱，這項(xiàng)研究引起了臨床界的注意。“這是一個(gè)被嚴(yán)重低估的問題，我們目前的最佳實(shí)踐、模型監(jiān)控、監(jiān)管實(shí)踐，以及我們構(gòu)建的工具，都沒有解決這個(gè)問題。”
作者承認(rèn)，真實(shí)世界的性能下降可能與他們的模擬有所不同，上述模擬是基于西奈山和貝斯以色列女執(zhí)事醫(yī)療中心的１３００００名ＩＣＵ住院患者進(jìn)行的。他們必須猜測衛(wèi)生系統(tǒng)內(nèi)的模型依從性是什么樣的，以及臨床干預(yù)措施在減少腎臟損傷和死亡方面的效果如何。
Ｙａｌａ說：“一定是存在局限性的，因?yàn)楦深A(yù)措施是模擬的，但這不是重點(diǎn)，重點(diǎn)是表明存在這樣一個(gè)真實(shí)的現(xiàn)象，我們所做的任何事情目前都無法解決解決這個(gè)問題。”
為了在模型的性能開始受到影響時(shí)捕捉到它們，衛(wèi)生系統(tǒng)必須主動(dòng)跟蹤各類指標(biāo)，但許多系統(tǒng)并沒有這樣做。Ｒｏｂｉｎｓｏｎ說：“機(jī)構(gòu)可能會(huì)為了資金或噱頭來創(chuàng)建、部署模型，但是后續(xù)觀察這些模型隨著隨著時(shí)間的推移性能表現(xiàn)如何，這類工作卻沒有那么令人興奮。”
西奈山的研究表明，即使監(jiān)測發(fā)現(xiàn)模型的性能下降，也很難糾正這種數(shù)據(jù)污染，因?yàn)樵俅斡?xùn)練并不能恢復(fù)模型的性能。當(dāng)衛(wèi)生系統(tǒng)訓(xùn)練新模型或重新訓(xùn)練舊模型時(shí)，他們需要確保使用的患者數(shù)據(jù)沒有被先前ＡＩ工具的實(shí)施所破壞，這意味著他們必須更加嚴(yán)格地跟蹤醫(yī)生何時(shí)以及如何使用ＡＩ預(yù)測來做出臨床決策。
Ｒｏｂｉｎｓｏｎ和他的論文合著者認(rèn)為，采用新的變量來重新訓(xùn)練模型可能會(huì)有所幫助。Ｖａｉｄ則表示，需要制定相關(guān)的法規(guī)對(duì)此進(jìn)行監(jiān)管。
今年３月，ＦＤＡ發(fā)布了指導(dǎo)草案，試圖解決臨床ＡＩ性能隨著時(shí)間的推移而下降的現(xiàn)實(shí)，為開發(fā)者提供了一個(gè)以預(yù)定方式更新模型的框架，而不需要機(jī)構(gòu)對(duì)每次更改進(jìn)行審查。但新的研究表明，“變更控制計(jì)劃”中的步驟，包括模型再訓(xùn)練，仍然不應(yīng)該隨意地實(shí)施。
Ｎａｄｋａｒｎｉ說：“還需要深入考慮。ＦＤＡ的計(jì)劃目前包括再培訓(xùn)、評(píng)估和更新，但在不考慮預(yù)測性能、干預(yù)效果和依從性的情況下大規(guī)模實(shí)施這些計(jì)劃實(shí)際上可能會(huì)使問題變得更糟。”
隨著許多衛(wèi)生系統(tǒng)繼續(xù)推遲對(duì)現(xiàn)有人工智能模型的評(píng)估，Ｒｏｂｉｎｓｏｎ指出，這些問題擴(kuò)展到由大型語言模型支持的下一代臨床工具。隨著時(shí)間的推移，接受ＡＩ生成輸出訓(xùn)練的大模型的表現(xiàn)越來越差。“隨著放射學(xué)報(bào)告、病理學(xué)報(bào)告甚至臨床記錄越來越多地由大模型構(gòu)建，未來的迭代將接受這些數(shù)據(jù)的訓(xùn)練，而且可能會(huì)產(chǎn)生意想不到的后果。
Ｖａｉｄ 說得更簡單——我們生活在一個(gè)模型吞噬模型的世界。
注：文章來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除
