临床试验的人类- AI 协作框架：在差模型存活
机器学习
2025-10-09 v1 人工智能
图像与视频处理
摘要
人工智能（AI）在支持临床试验方面发挥着巨大的潜力，从患者招募、终点评估到治疗反应预测。然而，在评估直接影响试验结论的患者终点时，无防护措施的部署 AI 可能带来显著风险。我们将两种 AI 框架与人类唯一评估进行比较，衡量成本、准确性、鲁棒性和泛化能力。为压力测试这些框架，我们注入差模型，从随机猜测到天真预测，以确保即使在严重模型退化情况下，观察到的治疗效应仍然有效。我们使用两个随机对照试验，终点来源于脊椎 X 光片图像。我们的发现表明，使用 AI 作为支持阅读器（AI-SR）是临床试验最合适的选择，因为它在各种模型类型下都满足所有标准，即使包含差模型。该方法在持续提供可靠的疾病估计、保持临床试验治疗效应估计和结论方面具有一致的优势，并在应用于不同人群时保留这些优势。
引用
@article{arxiv.2510.06567,
title = {The Framework That Survives Bad Models: Human-AI Collaboration For Clinical Trials},
author = {Yao Chen and David Ohlssen and Aimee Readie and Gregory Ligozio and Ruvie Martin and Thibaud Coroller},
journal= {arXiv preprint arXiv:2510.06567},
year = {2025}
}