用于诊断辅助的医学数据挖掘的特点（英）

中心思想 医疗数据挖掘诊断辅助的范式转变 本报告的核心观点在于，医疗诊断辅助领域的数据挖掘（DM）研究亟需从单纯追求预测性能的“数据驱动”模式，转向一种以临床医生需求为导向的“专家感知”方法。当前研究虽成果丰硕（1990年至2015年间，医学数据挖掘相关出版物数量从接近零增长至约1200篇），但临床医生对现有决策支持工具的采纳度仍不高，主要原因在于对模型可靠性、可信度及与临床实践脱节的担忧。因此，报告强调，未来的诊断辅助系统设计应将临床医生的专业知识和实际需求置于核心地位，而非仅关注算法的预测准确性。 临床医生与数据科学家深度协作的重要性 为克服临床医生对决策支持工具的抵触，报告倡导数据挖掘者与临床医生之间建立从项目初始阶段到模型开发全过程的深度、持续协作。这种协作旨在将临床需求转化为具体的数据建模目标，包括模型的全局和局部可解释性、性能与鲁棒性、特异性与敏感性的恰当平衡以及提供概率输出的能力。同时，研究需充分考虑医疗数据固有的复杂性和异质性。通过这种专家感知的协作模式，数据挖掘能够开发出更符合临床实际、更具可信度和实用价值的诊断辅助系统，从而真正提升医疗诊断的效率和准确性。 主要内容 2.