临床医生越来越多地借助算法工具做出重要的医疗保健决策，这些工具利用大量复杂数据，其程度远远超过人类思维的推理能力。例如，研究人员开发了算法，可以从以前患者的大量数据中学习，以预测新患者在手术后出现并发症的风险。
然而，虽然现有的指导方针已到位，确保以清晰、标准化的方式向医疗保健界报告此类算法，但仍缺乏评估这些算法的框架。
佛罗里达大学的研究人员提出了一个理想算法的框架，包括 6 个要求：可解释、动态、精确、自主、公平和可重复性。并提出了一个理想的算法清单并将其应用于高引用算法。
该评论文章以「Ideal algorithms in healthcare: Explainable, dynamic, precise, autonomous, fair, and reproducible」为题，于 2022 年 1 月 18 日发布在《PLOS Digital Health》上。

内容中包含的图片若涉及版权问题，请及时与我们联系删除