5 tips til AI-drevet forskning i sundhedsvæsenet

Claus Thorn Ekstrøm, Professor i Biostatistik på KU og medlem af NVK, giver her ansøgere til Videnskabsetisk Komité 5 gode tips til AI-drevet forskning i sundhedsvæsnet.

1. Vær præcis omkring analysemetoden og de detaljer, der bruges for at analysere data.

Det er ikke nok at skrive, at man bruger machine learning, kunstig intelligens eller neurale netværk. Det er simpelthen ikke præcis nok.

Vi har brug for konkrete detaljer om, hvilken analysemetode man vil bruge, hvorfor den er valgt, for at man kan lave en vurdering af, om det er relevant for de pågældende data.

2. Hvordan vurderes resultaterne, og hvad er tilfredsstillende?

Beskriv i ansøgningen, hvordan man vil måle, om der er en effekt af en algoritme, og også hvor stor den her effekt skal være, for at man synes, at resultatet er tilfredsstillende.

Hvis man f.eks. skal bruge en algoritme til at analysere røntgenbilleder, det kunne være deep neural networks, er det ikke nok at sige, at det er bare den her metode, man benytter. Man skal også fortælle, hvad er det, man vil finde i de her billeder, hvordan måler man det, og hvor stor skal den effekt være, når man bruger den pågældende algoritme.

3. Undgå overfitting

I ansøgningen er det vigtigt at redegøre for, hvilke forholdsregler man har tænkt sig at tage, for at undgå, at man overfitter. Det kunne f.eks. være, at man tager sit dataset og splitter op i et træningsdataset, et valideringsdataset og et testdataset, eller andre udvidelser til analysemetoderne, som forhindrer, at man overfitter.

4. Redegør for stikprøvestørrelsen

Det er stadig nødvendigt at redegøre for stikprøvestørrelsen med de her avancerede metoder, og vi kan bruge de samme ideer, som man kan for traditionelle analysemetoder. F.eks. hvor præcis skal en forudsigelse være, eller hvor stor en præcision ønsker man for at kunne lave en givet forudsigelse.

Det er altså nødvendigt at komme med en forklaring på, hvor stor det dataset, man har brug for, og hvordan man har målt det, for at man kan vurdere, om der er tilstrækkeligt datagrundlag til at gennemføre projektet.

5. Hvem skal lave og udføre analyserne?

Moderne analysemetoder stiller store krav til de personer, der skal lave analyserne. Præciser hvem, der skal lave analyserne, og hvad deres baggrund er, så vi kan vurdere, om projektet kan gennemføres.

Senest opdateret 01-02-2024