CliMB：面向临床预测建模的 AI 赋能合作伙伴
人机交互
2024-11-26 v2 人工智能
机器学习
摘要
尽管人工智能（AI）在临床预测建模中展现出巨大潜力并不断取得技术进步，但其实际应用仍受限。我们认为，这源于“领域专家-AI-困境”：虽然领域专家（如临床科学家）应能够构建预测模型（如风险评分），但他们在获取最先进（SOTA）工具方面面临诸多障碍。虽然自动机器学习（AutoML）被提出作为临床预测建模的合作伙伴，但要使机器学习真正可及于临床科学家，还需满足更多要求。为此，我们引入 CliMB——一个无代码 AI 赋能合作伙伴，旨在使临床科学家能够通过自然语言创建预测模型。CliMB 指导临床科学家完成整个医学数据科学流程，使其仅需一次对话即可从真实世界数据中构建预测模型。CliMB 还会生成结构化报告和可解释可视化。在涉及临床科学家的评估以及与基线 GPT-4 的系统性比较中，CliMB 在规划、错误预防、代码执行和模型性能等关键领域始终表现优异。此外，在针对45名来自不同专业和职业阶段的临床医生进行的盲测中，超过80%的受试者更倾向于使用 CliMB而非 GPT-4。总体而言，CliMB 通过提供无代码界面、清晰的指导以及数据主义 AI、AutoML 和可解释机器学习领域的最先进方法的访问，使临床科学家能够构建健壁的预测模型。CliMB 的概念验证版本已作为开源软件发布于 GitHub：https://github.com/vanderschaarlab/climb。
引用
@article{arxiv.2410.03736,
title = {CliMB: An AI-enabled Partner for Clinical Predictive Modeling},
author = {Evgeny Saveliev and Tim Schubert and Thomas Pouplin and Vasilis Kosmoliaptsis and Mihaela van der Schaar},
journal= {arXiv preprint arXiv:2410.03736},
year = {2024}
}
备注
* Evgeny Saveliev and Tim Schubert contributed equally to this work