Машинное обучение при принятии клинических решений

Машинное обучение всё шире внедряется в клиническую практику: его применяют для обработки доклинических данных, помощи в диагностике у постели больного, стратификации пациентов, выбора лечения и раннего предупреждения в рамках первичной и вторичной профилактики. Однако при использовании технологий машинного обучения необходимо учитывать множество технологических, медицинских и этических аспектов. К ним относятся тщательная проверка технологий на основе машинного обучения в реальных условиях, беспристрастная оценка пользы и рисков, а также предотвращение чрезмерной зависимости от технологий и связанной с ней утраты способности принимать решения с учётом клинических, этических и социальных аспектов. К другим проблемам относятся необходимость тщательного сравнения с эталонными методами и внешней валидации, передачи знаний от специалистов по вычислительным методам конечным пользователям, а также ответственного обмена кодом и данными, обеспечивающего прозрачную оценку вычислительных конвейеров. В этом обзоре освещены ключевые перспективы и достижения интеграции платформ машинного обучения в клиническую медицину, а также ограничения, потенциальные ошибки и проблемы, препятствующие более широкому внедрению обучающихся систем в медицину.