สำเร็จในการแปลของแบบจำลองปัญญาประดิษฐ์ (AI) ในการดูแลสุขภาพ โดยเฉพาะอย่างยิ่งที่ใช้ในการศึกษาโรคโคโรนาไวรัส 2019 (COVID-19) แม้ว่าแอปพลิเคชั่น AI บางตัวจะอยู่ในการทดลองทางคลินิกเพื่อระบุศักยภาพในการรวมเข้ากับระบบข้อมูลทางการแพทย์ แต่ก็ยังขาดการศึกษาที่แสดงให้เห็นถึงความสามารถในการปรับปรุงผลลัพธ์ทางคลินิก อย่างไรก็ตาม การศึกษาได้แสดงให้เห็นถึงความเหนือกว่าของ AI ในการตั้งค่าการทดลองหรือการนำร่อง เนื่องจากประสิทธิภาพที่ลดลงของแอปพลิเคชัน AI เหล่านี้ในการตรวจสอบภายนอกและการยอมรับจากแพทย์ในระดับต่ำ เวิร์กโฟลว์ทางคลินิกที่มีอยู่จึงยังไม่ได้เริ่มต้นการผสานรวม บาคาร่า

ในการศึกษาปัจจุบัน นักวิจัยประเมินแบบจำลอง AI ของ COVID-19 ที่พัฒนาขึ้นระหว่างเดือนธันวาคม 2019 ถึง 2020 โดยใช้การประเมินแบบแปลของ AI ด้านการดูแลสุขภาพ (TEHAI) ซึ่งเป็นกรอบการประเมินที่ครอบคลุมสำหรับการประเมินค่าการแปลของแบบจำลอง AI

TEHAI ประเมินผลการศึกษาทางวิทยาศาสตร์สำหรับการนำไปใช้ ความสามารถโดยกำเนิด และประโยชน์ใช้สอย โดยมุ่งเน้นที่สถิติขององค์ประกอบย่อย 15 องค์ประกอบ กรอบการทำงานอย่างเป็นทางการที่ขับเคลื่อนโดยผู้เชี่ยวชาญนี้ช่วยลดความรู้สึกส่วนตัวของแต่ละบุคคลและแทนที่ด้วยอำนาจฉันทามติของผู้ตรวจสอบหลายคน แต่ละเกณฑ์ของกรอบนี้ให้คะแนนระหว่างศูนย์ถึงสามคะแนน ขึ้นอยู่กับคุณภาพการศึกษา

 การตรวจสอบอย่างเป็นระบบนี้ใช้แพลตฟอร์มซอฟต์แวร์ของ Covidence ในขณะที่ผู้ตรวจสอบอิสระเก้าคนประเมินวรรณกรรมทางวิทยาศาสตร์สำหรับคุณค่าการแปล แต่อีกสองคนรวบรวมข้อมูลเชิงพรรณนาจากการศึกษาแต่ละครั้ง ผู้ตรวจสอบที่สามเปรียบเทียบคะแนนการประเมินและดึงข้อมูลจากการศึกษาทั้งหมดเพื่อแก้ไขความคลาดเคลื่อนหากมี

การทดสอบที่แม่นยำของฟิชเชอร์ใช้เพื่อประเมินความสัมพันธ์ระหว่างการจัดกลุ่มของเอกสารทางวิทยาศาสตร์และการแจกแจงคะแนนส่วนประกอบย่อย ในที่สุด สูตรของ Kendall ถูกนำมาใช้ในการคำนวณความสัมพันธ์ระหว่างส่วนประกอบย่อยทั้ง 15 ชิ้น

การคัดกรองที่ครอบคลุมช่วงเวลาหนึ่งปีให้ผลการศึกษาที่เข้าเกณฑ์กว่า 3,000 ครั้ง ซึ่งบ่งชี้ว่ามีกิจกรรมสูงในด้านนี้ อย่างไรก็ตาม มีงานวิจัยเพียง 102 ชิ้นเท่านั้นที่ให้ผลลัพธ์ที่คาดหวังการศึกษาส่วนใหญ่ดำเนินการได้อย่างน่าทึ่งในองค์ประกอบด้านความสามารถ แต่ได้คะแนนไม่สูงนักในองค์ประกอบด้านยูทิลิตี้และการนำบริการไปใช้ของกรอบงาน TEHAI

การศึกษาส่วนใหญ่ได้คะแนนสูงสำหรับความสามารถทางเทคนิค แต่ได้คะแนนต่ำในแง่ของความสามารถในการแปลทางคลินิก อย่างไรก็ตาม การศึกษาส่วนใหญ่ยังล้มเหลวในพารามิเตอร์ที่เกี่ยวข้องกับ AI เช่น จริยธรรม ความปลอดภัย การตรวจสอบแบบจำลองภายนอก และคุณภาพของการรวมเข้ากับระบบการแพทย์

หกสิบเก้าจากการศึกษา 102 ชิ้นเกี่ยวข้องกับการวิเคราะห์ภาพทางการแพทย์ โดยมีเครือข่ายประสาทเทียมเป็นโหมดแมชชีนเลิร์นนิงที่ได้รับความนิยมมากที่สุด ผลลัพธ์นี้เป็นไปตามที่คาดไว้ เนื่องจากเทคนิคการถ่ายภาพเป็นที่เข้าใจกันอย่างกว้างขวางและกำลังถูกนำไปใช้อย่างพร้อมเพรียงในสถานพยาบาลในโลกแห่งความเป็นจริง อย่างไรก็ตาม การศึกษาที่ไม่ใช่การถ่ายภาพได้คะแนนสูงกว่าในการนำไปใช้และส่วนประกอบย่อยของยูทิลิตี้

น่าแปลกที่การศึกษากับชุดข้อมูลขนาดใหญ่ไม่ได้ก้าวหน้าไปในด้านยูทิลิตี้หรือการยอมรับ สิ่งนี้ได้รับการคาดหมายในทำนองเดียวกัน เนื่องจากจำนวนการศึกษาสำหรับการวิเคราะห์จะเพิ่มขึ้น ความแตกต่างในชุดข้อมูลขนาดเล็กและขนาดใหญ่ก็จะมีความสำคัญเช่นกัน

มีการศึกษาอิสระเพียงไม่กี่ชิ้นเท่านั้นที่ทดสอบคำกล่าวอ้างว่าแบบจำลอง AI ระบุผลลัพธ์ที่แม่นยำและเฉพาะเจาะจงในแบบเรียลไทม์มากกว่าผู้เชี่ยวชาญที่เป็นมนุษย์ ดังนั้น แม้ว่าโมเดล AI จะมีศักยภาพ แต่โดยทั่วไปแล้วโมเดล AI ก็ไม่เหมาะสำหรับการแปลทางการแพทย์ และหากใช้งานก่อนเวลาอันควร อาจนำไปสู่ผลลัพธ์ที่ไม่พึงประสงค์ได้ ผลข้างเคียงบางอย่างอาจรวมถึงความเครียดที่เพิ่มขึ้นในระบบการรักษาพยาบาลและผู้ป่วยที่มีขั้นตอนการบุกรุกที่ซ้ำซ้อน ซึ่งอาจนำไปสู่การเสียชีวิตเนื่องจากการวินิจฉัยผิดพลาด

การศึกษาส่วนใหญ่ต้องการการพิจารณาที่เพียงพอมากขึ้นสำหรับขอบเขตการยอมรับบริการของกรอบงาน TEHAI ซึ่งเกี่ยวข้องกับการประยุกต์ใช้แบบจำลองที่ใช้ AI ในโลกแห่งความเป็นจริงในอุตสาหกรรมการแพทย์ ดังนั้น จึงจำเป็นต้องมีข้อมูลนำร่องเพิ่มเติมจากการทดสอบในโลกแห่งความเป็นจริงเกี่ยวกับเครื่องมือใหม่ที่ใช้ AI เพื่อปรับค่าใช้จ่ายจากการจัดประเภทที่ไม่ถูกต้องและการปรับใช้จากมุมมองด้านความปลอดภัยของผู้ป่วย นอกจากนี้ยังมีความจำเป็นเร่งด่วนสำหรับการบัญชีเบื้องต้นเกี่ยวกับข้อกำหนดปริมาณงาน

ข้อสรุปการทบทวนปัจจุบันประเมินการศึกษา AI ของ COVID-19 102 ชิ้น เพื่อแสดงให้เห็นถึงช่องว่างที่โดดเด่นในการศึกษาส่วนใหญ่ที่อาจส่งผลเสียต่อการแปลผลทางคลินิก การค้นพบนี้เน้นย้ำถึงความสำคัญของการจัดการกับความท้าทายด้านความสามารถในการแปลของ AI ในโดเมนระบบข้อมูลทางการแพทย์ นักวิจัยควรแนะนำการแทรกแซงที่เหมาะสมในช่วงต้นของวงจรการพัฒนา AI เพื่อปรับปรุงความสามารถในการแปล ในเรื่องนี้ กรอบการประเมินของ TEHAI อาจเป็นประโยชน์ นอกจากนี้ การค้นพบจากแอปพลิเคชันสามารถแจ้งผู้มีส่วนได้ส่วนเสียทั้งหมด รวมถึงนักพัฒนา นักวิจัย และแพทย์ เพื่อปรับใช้โมเดล AI ที่แปลได้มากขึ้นในการดูแลสุขภาพ