Kuiz berkaitan panduan · Sederhana Tahap
Menilai Alat AI Perubatan sebagai Kuiz Pakar Klinik
Menguji menilai data pengesahan vendor, sebab nilai ramalan positif dan penentukuran penting secara tempatan, dan perkara yang ditunjukkan oleh pelepasan FDA 510(k).
soalan 1 daripada 8
Seorang vendor melaporkan AUC sebanyak 0.85 untuk model kemerosotannya. Apakah yang dikatakan oleh panduan nombor ini gagal memberitahu hospital?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Seorang vendor melaporkan AUC sebanyak 0.85 untuk model kemerosotannya. Apakah yang dikatakan oleh panduan nombor ini gagal memberitahu hospital?
- Sejauh mana model menyusun kedudukan kes dalam set data vendor sendiri
- Sama ada model itu dibina dengan pembelajaran mesin
- Bagaimana alat itu akan bertindak dengan pesakit hospital sendiri, aliran kerja dan ambang amaran
- Sama ada model itu boleh dipasang dalam EHR
- Apakah yang didapati oleh pengesahan luaran model sepsis proprietari 2021, yang diterbitkan dalam Perubatan Dalaman JAMA?
- Diskriminasi yang lebih lemah daripada yang dilaporkan oleh pembangun, dengan banyak kes terlepas dan makluman yang kerap
- Prestasi yang sama dengan angka pembangun
- Prestasi yang lebih baik di tapak luaran daripada di tapak pembangunan
- Bahawa FDA telah membatalkan pelepasan model
- Model telah disahkan di mana keadaan menjejaskan 10 peratus pesakit. Mengapakah ia boleh menghasilkan lebih banyak penggera palsu pada unit yang hanya 2 peratus mempunyai keadaan tersebut?
- Penentukuran sentiasa bertambah baik pada kelaziman yang lebih rendah
- AUC secara automatik jatuh apabila kelaziman jatuh
- Sensitiviti meningkat secara mendadak pada prevalens yang lebih rendah
- Nilai ramalan positif bergantung pada kelaziman, jadi sebahagian besar makluman adalah palsu apabila keadaan lebih jarang berlaku
- Menurut panduan itu, laluan manakah yang kebanyakan peranti perubatan AI gunakan untuk mencapai pasaran AS?
- Kelulusan prapasaran disokong oleh percubaan rawak
- Laluan 510(k), berdasarkan kesetaraan yang besar dengan peranti sedia ada
- Tiada semakan FDA dalam apa jua bentuk
- Kebenaran penggunaan kecemasan
- Apakah penggunaan senyap atau bayangan model AI klinikal?
- Meredamkan bunyi pada pemberitahuan amaran
- Seorang vendor mengemas kini model tanpa memberitahu pelanggan
- Membiarkan model menjaringkan pesakit secara langsung tanpa menunjukkan hasil kepada doktor, supaya prestasi tempatan boleh diukur
- Menjalankan model hanya semasa syif semalaman
- Kumpulan dermatologi mengetahui bahawa ton kulit yang lebih gelap jarang berlaku dalam imej latihan pengelas. Bidang penilaian manakah yang membimbangkan ini?
- Pemantauan selepas penempatan
- Bias, bermakna prestasi merentas subkumpulan pesakit
- Status kawal selia
- Pemilihan ambang makluman
- Model memperuntukkan 30 peratus risiko kepada sekumpulan pesakit, tetapi hanya 10 peratus daripada mereka terus mendapat hasilnya. Apakah masalah yang ditunjukkan ini?
- AUC yang rendah, semestinya
- Kegagalan kesetaraan yang ketara
- Nilai ramalan positif yang tinggi
- Penentukuran yang lemah
- Selepas siaran langsung, hospital bertukar kepada ujian makmal baharu dan nilai yang memberi perubahan kepada model. Apakah yang disebut oleh panduan ini, dan bagaimana ia harus dikendalikan?
- Input drift, yang mana pemantauan berterusan harus mengesan
- Penghindaran algoritma, latihan mana yang harus diperbaiki
- Kesetaraan yang besar, yang dikendalikan oleh FDA
- Peralihan kelaziman, yang tidak memerlukan tindakan