立场论文：建立对临床人工智能合成数据的信任

深度生成模型和合成医疗数据在解决医疗保健领域的关键挑战方面显示出巨大潜力，例如隐私问题、数据偏见以及真实数据集的稀缺。尽管该领域的研究增长迅速，并展示了巨大的理论潜力，但其在临床环境中的实际应用仍然有限。尽管合成数据提供了诸多好处，但围绕其可靠性和可信度的问题依然存在，导致临床医生对其缺乏信任。本立场论文认为，培养对合成医疗数据的信任对于其临床采用至关重要。它旨在激发关于合成医疗数据在临床实践中可行性的讨论，特别是在当前人工智能进步的背景下。我们展示了来自脑肿瘤分割的经验证据，以证明合成数据的质量、多样性和比例直接影响对临床AI模型的信任。我们的发现为改进合成数据驱动的AI系统在真实世界临床工作流程中的部署和接受度提供了见解。