医療用途における人工知能の評価指標について

臨床医やソフトウェア開発者は、提案された機械学習（ML）モデルがどのように患者ケアを改善できるかを理解する必要があります。単一の指標ですべての望ましいモデルの特性を捉えることはできないため、通常は複数の指標が報告されてモデルの性能を要約します。残念ながら、これらの指標は多くの臨床医にとって理解しにくいものです。さらに、研究間でモデルを客観的に比較することは困難であり、同じ性能指標を用いてモデルを比較するツールは存在しません。本論文では、消化器科で行われた過去のML研究を検討し、提示された研究における二値分類の文脈で各種指標が何を意味するかを説明し、異なる指標の解釈方法について詳細に解説します。また、本論文で提示された最も関連性の高い指標を計算するのに役立つオープンソースのウェブベースツールを公開し、他の研究者や臨床医が容易に自身の研究に取り入れられるようにしました。