University of Memphis: AI siger stop i diagnostik

Forskere fra University of Memphis har udviklet en metode, der lærer AI at stoppe sine spørgsmål, når den er sikker nok.

Målet: færre spørgsmål

Når en AI stiller spørgsmål for at stille en diagnose, kan det tage tid. Forskere fra University of Memphis har undersøgt, hvordan man kan få AI'en til at stoppe tidligt, når den er tilstrækkeligt sikker på sin konklusion. De introducerer en metode, der balancerer risikoen for fejldiagnoser med ønsket om at stille færre spørgsmål. Dermed kan man spare tid og ressourcer i klinisk praksis.

Risiko vs. effektivitet

Metoden bygger på en såkaldt risikobegrænset stoppingsregel. AI'en fortsætter kun, hvis den forventede gevinst ved at stille ét spørgsmål mere opvejer risikoen for at tage fejl. Ved at justere en parameter kan man styre, hvor risikovillig AI'en skal være. Det gør det muligt at tilpasse systemet til forskellige kliniske situationer, hvor fejlmarginen kan være mere eller mindre kritisk.

Testet på brystkræftdata

Forskerne testede deres metode på et datasæt med brystkræftpatienter. De sammenlignede med eksisterende metoder og fandt, at deres tilgang kunne reducere antallet af spørgsmål betydeligt, samtidig med at nøjagtigheden blev opretholdt. I nogle tilfælde kunne de skære op til 30 % af spørgsmålene væk uden at gå på kompromis med diagnosens kvalitet. Det viser potentialet for mere effektive AI-diagnosesystemer.

Fremtidens klinik

Selvom metoden er lovende, er der stadig udfordringer. Det kræver omhyggelig kalibrering at vælge det rette risikoniveau, og i praksis kan det være svært at vurdere konsekvenserne af en fejl. Ikke desto mindre peger forskningen på en vej mod AI, der ikke bare stiller spørgsmål i det uendelige, men stopper, når det er sikkert nok. Det kan føre til hurtigere og mere skånsomme diagnostiske forløb for patienterne.

Kilder:
arXiv cs.AI →

Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.