重新思考复杂医疗决策中的人机协作：以脓毒症诊断为例
人机交互
2024-02-27 v2 人工智能
机器学习
摘要
当今用于医疗决策支持的 AI 系统常在研究论文的基准数据集上表现良好，却在实际部署中失败。本工作聚焦于脓毒症的决策——一种急性的、危及生命的系统性感染，需要临床医生在高不确定性下尽早诊断。我们的目标是探索能够支持临床专家更好地进行脓毒症早期决策诊断的 AI 系统设计需求。研究以一项形成性研究开篇，调查临床专家为何弃用其电子健康记录（EHR）系统中现有的 AI 驱动脓毒症预测模块。我们认为，以人为中心的 AI 系统需要支持人类专家在医疗决策过程的中间阶段（例如生成假设或收集数据），而非仅关注最终决策。因此，我们基于最先进的 AI 算法构建了 SepsisLab，并将其扩展以预测脓毒症发展的未来走势、可视化预测不确定性，并提出可操作的建议（即可以收集哪些额外的实验室检测）来降低此类不确定性。通过对六名临床医生使用我们原型系统的启发式评估，我们证明了 SepsisLab 为未来 AI 辅助脓毒症诊断及其他高风险医疗决策提供了一种大有前景的人机协作范式。
引用
@article{arxiv.2309.12368,
title = {Rethinking Human-AI Collaboration in Complex Medical Decision Making: A Case Study in Sepsis Diagnosis},
author = {Shao Zhang and Jianing Yu and Xuhai Xu and Changchang Yin and Yuxuan Lu and Bingsheng Yao and Melanie Tory and Lace M. Padilla and Jeffrey Caterino and Ping Zhang and Dakuo Wang},
journal= {arXiv preprint arXiv:2309.12368},
year = {2024}
}
备注
Accepted by CHI'24