研究人员发现，人工智能创建的临床预测模型准确但特定于研究

耶鲁大学和科隆大学的科学家证明，人工智能 (AI) 创建的统计模型可以非常准确地预测药物对精神分裂症患者是否有效。然而，这些模型高度依赖于上下文并且不能概括。

在最近的一项研究中，科学家们一直在调查人工智能模型的准确性，这些模型可以预测精神分裂症患者是否会对抗精神病药物产生反应。

人工智能(AI)领域的统计模型在改善医疗相关决策方面具有巨大潜力。

然而，可用于训练这些模型的医疗数据不仅很少，而且价格昂贵。

因此，统计模型的预测准确性迄今为止仅在少数有限大小的数据集中得到证明。

在目前的工作中，科学家们正在研究人工智能模型的潜力，并在几项独立的临床试验中测试预测精神分裂症抗精神病药物治疗反应的准确性。

来自科隆大学和耶鲁大学医学院的研究人员参与的这项新研究的结果表明，这些模型能够在其开发的试验中高精度地预测患者的结果。

然而，当在原始试验之外使用时，它们并没有表现出比随机预测更好的性能。

汇集各个试验的数据也没有改善预测。这项研究“临床预测模型的虚幻普遍性”发表在《科学》杂志上。

该研究由精准精神病学领域的顶尖科学家领导。

这是精神病学的一个领域，需要确定适合个人或患者群体的数据相关模型、靶向治疗和合适的药物。

科隆大学医学院和大学医院生物精神病学教授 Joseph Kambeitz 博士表示：“我们的目标是利用人工智能领域的新颖模型，更有针对性地治疗患有心理健康问题的患者。”科隆。

“尽管大量初步研究证明此类人工智能模型是成功的，但尚未证明这些模型的稳健性。”

这种安全性对于日常临床使用非常重要。

“我们对临床模型有严格的质量要求，我们还必须确保不同背景下的模型都能提供良好的预测，”Kambeitz 说。

无论这些模型是在美国、德国还是智利的医院使用，它们都应该提供同样好的预测。

研究结果表明，目前无法确保不同研究中心的人工智能模型预测具有普遍性。这是临床实践的一个重要信号，表明需要进一步研究才能真正改善精神科护理。在正在进行的研究中，研究人员希望克服这些障碍。他们与来自美国、英国和澳大利亚的合作伙伴合作，一方面致力于检查大型患者群体和数据集，以提高人工智能模型的准确性，另一方面致力于使用其他数据模式，例如生物样本或新数据。数字标记，例如语言、动作轮廓和智能手机的使用情况。

来源: Materials provided by University of Cologne.
注明: Content may be edited for style and length. Journal Reference: Adam M. Chekroud, Matt Hawrilenko, Hieronimus Loho, Julia Bondar, Ralitza Gueorguieva, Alkomiet Hasan, Joseph Kambeitz, Philip R. Corlett, Nikolaos Koutsouleris, Harlan M. Krumholz, John H. Krystal, Martin Paulus. Illusory generalizability of clinical prediction models. Science, 2024; 383 (6679): 164 DOI: 10.1126/science.adg8538