Gépi tanulás az egészségügyben · Lecke 06

A telepítés valósága

A kurzus kimondja, amit a terület legjobbjai régóta tudnak, a modell megépítése a munka kisebbik fele. A klinikai környezetbe illesztés, a dinamikusan változó gyakorlat követése és az emberi tényezők kezelése dönti el, hogy a modellből betegellátást javító eszköz lesz vagy kikapcsolt riasztás. Ez a lecke erről a nehezebbik feléről szól.

Vissza a tananyaghoz


A munkafolyamat az igazi terep

Egy jóslás önmagában nem tesz semmit. Értékké akkor válik, ha a megfelelő emberhez, a megfelelő pillanatban, cselekvésre alkalmas formában jut el. A telepítés tervezése ezért nem azzal kezdődik, hova tegyük a modellt, hanem azzal, ki és mit fog másképp csinálni a kimenete miatt. Ha a riasztásra nincs kapacitás, protokoll és felelős, a modell csak zajt termel. A klinikai munkafolyamat elemzése, az ellátók bevonása a tervezésbe nem kísérőprogram, hanem a siker feltétele.


A riasztási fáradtság

A kórházi rendszerek már ma is riasztások tömegét zúdítják az ellátókra, és a személyzet megtanulja átkattintani őket. Minden új modell ebbe a telített térbe érkezik, és a téves riasztások aránya dönti el a sorsát. A jól kalibrált, jól hangolt küszöb, az összevont, rangsorolt riasztás és a kevesebb, de megbízhatóbb jelzés elve élet és halál kérdése a rendszer szempontjából, mert a kikapcsolt vagy ignorált riasztás rosszabb, mintha nem is lenne, hamis biztonságérzetet ad.


Modell a szerveren

  • A jóslás egy külön felületen elérhető
  • A riasztásnak nincs gazdája
  • A bevezetés informatikai projekt
  • A pilot után csendben elhal

Modell az ellátásban

  • A jóslás a meglévő rendszerben jelenik meg
  • Riasztási protokoll, felelős, kapacitás
  • A bevezetés klinikai változásprojekt
  • A hatását betegkimeneten mérik

A sodródás és a folyamatos felügyelet

Az egészségügyi gyakorlat változik, új protokollok, új betegösszetétel, új kódolás, és a telepített modell teljesítménye ezzel csendben sodródik. A kurzus ezért a telepítést nem projektzárásnak, hanem üzemeltetés kezdetének tekinti. Kell a folyamatos teljesítménykövetés, a kalibráció rendszeres újramérése, a riasztási statisztikák figyelése, és egy előre kijelölt döntési pont, mikor kell a modellt újratanítani vagy kivonni. A modell nélküli világban a tudás elavulását az orvostovábbképzés kezeli, a modellek világában ugyanez a munka a monitorozás.


Források és további olvasnivaló

Stanford, Fundamentals of Machine Learning for Healthcare, a klinikai alkalmazásfejlesztésről és telepítésről szóló modulok alapján. Az éles üzemeltetés általános kérdéseiről az AI rendszerek termelésben kurzusban írtam.


← Előző lecke Következő lecke →

Workshop

AI Transformation Day

Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, priorizált cselekvési lista.

Érdekel a program →