Çalışma: Sağlık bakımında makine öğrenimi araçları için az sayıda randomize klinik çalışma yürütülmüştür.



Çalışmaların gözden geçirilmesi yayınlanan JAMA Ağı Açık tıbbi makine öğrenimi algoritmaları için birkaç randomize klinik çalışma buldu ve araştırmacılar, analiz ettikleri yayınlanmış birçok çalışmada kalite sorunlarına dikkat çekti.

İnceleme, makine öğrenimi müdahalelerine ilişkin 41 RKÇ’yi içeriyordu. %39’unun daha geçen yıl yayınlandığını ve yarısından fazlasının tek sitelerde yürütüldüğünü buldu. ABD’de on beş deneme yapılırken, Çin’de 13 deneme yapıldı. Birden fazla ülkede altı çalışma yapılmıştır.

Sadece 11 denemede ırk ve etnik köken verileri toplandı. Bunlardan, katılımcıların %21’lik bir medyanı, yeterince temsil edilmeyen azınlık gruplarına aitti.

Denemelerin hiçbiri Konsolide Raporlama Deneme Standartlarına tam olarak uymadı – Yapay Zeka (CONSORT-AI)AI içeren tıbbi müdahaleleri değerlendiren klinik denemeler için geliştirilmiş bir dizi kılavuz. On üç deneme, 11 CONSORT-AI kriterinden en az sekizini karşıladı.

Araştırmacılar, düşük kaliteli veya mevcut olmayan girdi verilerini değerlendirmemek, performans hatalarını analiz etmemek ve kod veya algoritma kullanılabilirliği hakkında bilgi içermemek dahil, denemelerin bu standartları karşılamamasının bazı yaygın nedenlerine dikkat çekti.

Kullanmak Cochrane Önyargı Riski aracı RKÇ’lerde potansiyel yanlılığı değerlendirmek için, çalışma ayrıca klinik çalışmaların yedisinde genel yanlılık riskinin yüksek olduğunu bulmuştur.

“Bu sistematik inceleme, geliştirilmekte olan çok sayıda tıbbi makine öğrenimi tabanlı algoritmaya rağmen, bu teknolojiler için az sayıda RCT’nin yürütüldüğünü buldu. Yayınlanmış RCT’ler arasında, raporlama standartlarına bağlılıkta yüksek değişkenlik ve yanlılık riski ve yeterince temsil edilmeyen azınlık gruplarından katılımcılar. Bu bulgular dikkati hak ediyor ve gelecekteki RCT tasarımı ve raporlamasında dikkate alınmalıdır” diye yazdı çalışmanın yazarları.

NEDEN ÖNEMLİ

Araştırmacılar, incelemelerinde bazı sınırlamalar olduğunu söyledi. Gelecekteki araştırmaların iş akışı verimliliği veya hasta sınıflandırması gibi daha geniş bir müdahale yelpazesine bakabilmesi için klinik karar vermeyi doğrudan etkileyen bir makine öğrenimi aracını değerlendiren çalışmalara baktılar. İnceleme ayrıca yalnızca Ekim 2021’e kadar olan çalışmaları değerlendirdi ve yeni makine öğrenimi müdahaleleri geliştirilip incelendiği için daha fazla inceleme gerekli olacaktır.

Bununla birlikte, çalışmanın yazarları, incelemelerinin, sağlık hizmeti makine öğrenimi algoritmalarının daha yüksek kaliteli RCT’lerinin yapılması gerektiğini gösterdiğini söyledi. Süre yüzlerce makine öğrenimi etkin cihaz FDA tarafından onaylandıysa, inceleme büyük çoğunluğun bir RCT içermediğini gösteriyor.

Araştırmacılar, “Yeni bir teknolojinin her potansiyel yinelemesini bir RCT (örneğin, bir hastane sisteminde kullanılan ve daha sonra başka bir coğrafi konumda aynı klinik senaryo için kullanılan bir makine öğrenimi algoritması) aracılığıyla resmi olarak değerlendirmek pratik değildir.”

“Bir müdahalenin etkinliğinin temel bir RCT’si, yeni bir aracın klinik fayda ve değer sağlayıp sağlamadığını belirlemeye yardımcı olacaktır. Bu temel değerlendirmeyi, bir müdahalenin etkinliğinin zaman içinde ve klinik ortamlarda nasıl genelleştiğini göstermek için geriye dönük veya ileriye dönük dış doğrulama çalışmaları takip edebilir.”


Kaynak : https://www.mobihealthnews.com/news/study-few-randomized-clinical-trials-have-been-conducted-healthcare-machine-learning-tools

SMM Panel PDF Kitap indir