Антон Владзимирский – Оценка качества и эксплуатационных параметров технологий искусственного интеллекта в здравоохранении. Учебное пособие (страница 4)

Шрифт

– требуемое качество решений СИИ;

– тип и архитектура алгоритма СИИ;

– количество параметров алгоритма СИИ;

– качество данных, включая качество аннотаций, распределение метрик и уровень шума в наборе данных.

Для практического здравоохранения применяются выборки со следующими размерами: с целью получения стабильного значения эксплуатационных параметров точности СИИ с бинарным исходом достаточно9:

– 80 исследований при условии баланса классов 50 на 50%;

– 400 исследований при условии минимальной доли любого из классов 10%.

1. Показатели точности СИИ для анализа медицинских данных с приоритетной целью определения факта наличия целевой патологии (детекции), ее вида (классификации) и локализации

Пример. СИИ необходимо выявить признаки онкологических заболеваний в результатах профилактического исследования, для чего ей нужно определить характерные признаки, соотнести их с конкретным заболеванием, указать локализацию патологического проявления в пределах органа.

Базовые параметры точности:

– доля ошибок 1-го (ложноположительный результат) и 2-го рода (ложноотрицательный результат) при принятии решений СИИ. Этот параметр представляет собой характеристику точности. Доля ошибок 1-го рода подтверждает прогнозируемую вероятность ложноположительного результата при работе СИИ, а доля ошибок 2-го рода, соответственно, – вероятность ложноотрицательного результата;

– чувствительность;

– специфичность;

– площадь под характеристической кривой;

– прогностическая ценность положительного и отрицательного результата;

– согласованность.

Для расчета метрик результаты работы индекс-теста по анализу эталонного набора данных классифицируют по 4 видам (таблица 1).

Строят соответствующую четырехпольную таблицу и вносят в нее абсолютное значение для каждого вида результатов. Далее выполняют расчет показателей (общепринятый список показателей точности представлен в таблице 2).

Определение площади под характеристической кривой (рисунок 2). Площадь под кривой (AUC – от англ. area under curve) – площадь, ограниченная ROC-кривой и абсциссой. В свою очередь, характеристическая ROC-кривая (ROC – от англ. receiver operating characteristic curve

Конец ознакомительного фрагмента.

Текст предоставлен ООО «Литрес».

Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

3 4