医学影像中的非功能性需求

诊断影像部门因工作量不断增加而面临巨大压力。所需扫描数量增加，合格劳动力短缺。用于医学影像应用的 AI 解决方案显示出巨大潜力。然而，极少有诊断影像模型获批医院使用，实际在医院实施的更少。软件项目失败最常见的原因是需求工程不善，尤其是非功能性需求（NFRs）可能对项目造成损害。研究表明，机器学习专业人员难以处理 NFRs，且需要将 NFR 框架适配到机器学习、基于 AI 的软件中。本研究采用定性方法与关键利益相关者互动，以确定哪些类型的 NFRs 对医学影像应用至关重要。研究在一家丹麦医院进行，发现效率、准确性、互操作性、可靠性、可用性、适应性和公平性等类型的 NFRs 对利益相关者很重要。特别是效率，因为诊断影像部门试图在每次扫描上花费尽可能少的时间。