面向数字健康的在线 AI 可重复工作流程
计算机与社会
2025-10-29 v3 人工智能
摘要
在线人工智能（AI）算法是数字健康干预的重要组成部分。这些在线算法旨在随着对个体的流式数据收集而持续学习和改进其性能。部署在线 AI presents 一个关键挑战：在可重复性和在线 AI 的适应性之间进行权衡。数字健康干预的在线 AI 正在快速发展，这由算法、传感器、软件和设备的进步推动。数字健康干预的开发和部署是一个持续的过程，其中实现——包括 AI 决策算法——在开发和优化的循环中交织进行。每一次部署都为下一轮提供信息，使得迭代部署成为该领域的定义性特征。这种迭代性质凸显了可重复性的重要性：必须准确存储跨部署收集的数据才能具有科学实用性，算法行为必须是可审计的，结果必须在时间上可比较，以促进科学发现和可信赖的改进。本文提出了一种面向数字健康干预中开发、部署和分析在线 AI 决策算法的可重复科学工作流程。该工作流程基于多个真实部署的实际经验，解决了该在线 AI 算法开发生命周期中所有阶段的可重复性关键挑战。
引用
@article{arxiv.2509.13499,
title = {Reproducible workflow for online AI in digital health},
author = {Susobhan Ghosh and Bhanu T. Gullapalli and Daiqi Gao and Asim Gazi and Anna Trella and Ziping Xu and Kelly Zhang and Susan A. Murphy},
journal= {arXiv preprint arXiv:2509.13499},
year = {2025}
}