疾病|“AI问诊就是抛硬币”！甚至漏掉67%病患( 三 ) 看病|AI|“AI问诊就是抛硬币”

所以我们需要想清楚到底向算法展示什么数据，才能平衡好数据的代表性和丰富性之间的关系。
哥本哈根大学的转化性疾病系统生物学家Soren Brunak如是评价。
除此之外，还可以请行业大佬们制定一个检查表，规范医疗AI领域的研究开发步骤。
然后，研究人员就能更方便地搞清楚先做什么、再做什么，有条不紊地操作；还能Check一些可能遗漏的问题，比如一项研究是回顾性还是前瞻性的，数据与模型的预期用途是否匹配等等。
其实，现有已有多种机器学习检查表，其中大部分是基于“EQUATOR Network”先提出的，这是一项旨在提高健康研究可靠性的国际倡议。

文章图片

此前，上文提到的普林斯顿的Kapoor博士，也和团队共同发表了一份包含21个问题的清单。
他们建议，对于一个预测结果的模型，研究人员得确认训练集中的数据要早于测试集，这样可以确保两个数据集是独立的，不会有数据重叠和相互影响。