В этом отчете рассматриваются четыре темы: 1) Доступные в настоящее время медицинские диагностические технологии машинного обучения 2) Новые медицинские диагностические технологии 3) Проблемы, влияющие на разработку и внедрение технологий машинного обучения для медицинской диагностики и 4) Варианты политики, которые помогут решить эти проблемы.
Основное содержание:
- В США доступно несколько технологий машинного обучения, которые помогают в процессе диагностики. Полученные в результате преимущества включают более раннее выявление заболеваний; более последовательный анализ медицинских данных; и расширение доступа к медицинской помощи, особенно для недостаточно обслуживаемых групп населения.
- Исследователи академического, государственного и частного секторов работают над расширением возможностей медицинских диагностических технологий на основе машинного обучения для пяти заболеваний: болезни сердца, рак, COVID-19, болезнь Альцгеймера, диабетическая ретинопатия.
- Однако эти подходы также имеют определенные ограничения. Например, несмотря на то, что адаптивные технологии диагностики могут обеспечивать более точные диагнозы или улучшать функции для пользователей, изменения в данных алгоритма также могут привести к непоследовательности или снижению производительности алгоритма.
- Директивные органы могли бы создать стимулы, руководящие указания или политику для поощрения или требования оценки диагностических технологий МО в различных условиях развертывания и демографии, репрезентативной для предполагаемого использования. Этот вариант политики мог бы помочь решить проблему демонстрации реальных результатов.
- Директивные органы могли бы развивать или расширять доступ к высококачественным медицинским данным для разработки и тестирования медицинских диагностических технологий МО. Примеры включают стандарты сбора и обмена данными, создание общих ресурсов данных или использование стимулов для поощрения обмена данными.
