CliMB: An AI-enabled Partner for Clinical Predictive Modeling

要約

人工知能 (AI) の大きな将来性と継続的な技術進歩にもかかわらず、現実世界における人工知能 (AI) の応用は依然として限られています。
私たちはこれを「ドメイン専門家と AI の難題」に起因すると考えています。臨床医の科学者などのドメイン専門家は、リスク スコアなどの予測モデルを構築できるはずですが、最先端のデータ (SOTA) にアクセスするには大きな障壁に直面しています。
）ツール。
自動機械学習 (AutoML) は臨床予測モデリングのパートナーとして提案されていますが、臨床医科学者が機械学習にアクセスできるようにするには、多くの追加要件を満たす必要があります。
このギャップに対処するために、臨床医科学者が自然言語を使用して予測モデルを作成できるように設計されたノーコード AI 対応パートナーである CliMB を紹介します。
CliMB は、医療データ サイエンス パイプライン全体を通して臨床医科学者をガイドし、わずか 1 回の会話で現実世界のデータから予測モデルを作成できるようにします。
CliMB は、構造化されたレポートと解釈可能なビジュアルも作成します。
臨床医科学者が参加する評価とベースライン GPT-4 との体系的な比較において、CliMB は計画、エラー防止、コード実行、モデルのパフォーマンスなどの主要な領域で優れたパフォーマンスを一貫して実証しました。
さらに、さまざまな専門分野やキャリア段階の臨床医 45 名を対象とした盲検評価では、80% 以上が GPT-4 よりも CliMB を好んでいました。
全体として、CliMB は、データ中心の AI、AutoML、解釈可能な ML の分野における明確なガイダンスと SOTA メソッドへのアクセスを備えたノーコード インターフェイスを提供することで、臨床医科学者が堅牢な予測モデルを構築できるようにします。
CliMB の概念実証バージョンは、GitHub (https://github.com/vanderschaarlab/climb) でオープンソース ソフトウェアとして入手できます。

要約(オリジナル)

Despite its significant promise and continuous technical advances, real-world applications of artificial intelligence (AI) remain limited. We attribute this to the ‘domain expert-AI-conundrum’: while domain experts, such as clinician scientists, should be able to build predictive models such as risk scores, they face substantial barriers in accessing state-of-the-art (SOTA) tools. While automated machine learning (AutoML) has been proposed as a partner in clinical predictive modeling, many additional requirements need to be fulfilled to make machine learning accessible for clinician scientists. To address this gap, we introduce CliMB, a no-code AI-enabled partner designed to empower clinician scientists to create predictive models using natural language. CliMB guides clinician scientists through the entire medical data science pipeline, thus empowering them to create predictive models from real-world data in just one conversation. CliMB also creates structured reports and interpretable visuals. In evaluations involving clinician scientists and systematic comparisons against a baseline GPT-4, CliMB consistently demonstrated superior performance in key areas such as planning, error prevention, code execution, and model performance. Moreover, in blinded assessments involving 45 clinicians from diverse specialties and career stages, more than 80% preferred CliMB over GPT-4. Overall, by providing a no-code interface with clear guidance and access to SOTA methods in the fields of data-centric AI, AutoML, and interpretable ML, CliMB empowers clinician scientists to build robust predictive models. The proof-of-concept version of CliMB is available as open-source software on GitHub: https://github.com/vanderschaarlab/climb.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google