Deploying clinical machine learning? Consider the following…

要約

臨床機械学習研究に対する強い注目と多額の投資にもかかわらず、実際の臨床環境に大規模に導入されたアプリケーションは比較的少数です。
最先端技術を進歩させるには研究が重要ですが、これらの技術やテクノロジーを最終的に医療に影響を与える立場に持っていくには、翻訳も同様に重要です。
私たちは、いくつかの考慮事項が正しく理解されていないことが、期待と現実との乖離の主な原因であると考えています。
研究者と実践者の全体的な視点をよりよく特徴付けるために、臨床展開用の CML 開発における商業経験を持つ数人の実践者を調査しました。
これらの洞察を使用して、臨床機械学習アプリケーションをより適切に設計および開発するために、いくつかの主要なカテゴリの課題を特定します。

要約(オリジナル)

Despite the intense attention and considerable investment into clinical machine learning research, relatively few applications have been deployed at a large-scale in a real-world clinical environment. While research is important in advancing the state-of-the-art, translation is equally important in bringing these techniques and technologies into a position to ultimately impact healthcare. We believe a lack of appreciation for several considerations are a major cause for this discrepancy between expectation and reality. To better characterize a holistic perspective among researchers and practitioners, we survey several practitioners with commercial experience in developing CML for clinical deployment. Using these insights, we identify several main categories of challenges in order to better design and develop clinical machine learning applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google