Key points are not available for this paper at this time.
Os algoritmos de aprendizado de máquina (ML) e inteligência artificial (IA) têm o potencial de derivar insights a partir de dados clínicos e melhorar os resultados dos pacientes. No entanto, esses sistemas altamente complexos são sensíveis a mudanças no ambiente e suscetíveis à degradação de desempenho. Mesmo após sua integração bem-sucedida na prática clínica, os algoritmos de ML/IA devem ser continuamente monitorados e atualizados para garantir sua segurança e eficácia a longo prazo. Para levar a IA à maturidade nos cuidados clínicos, defendemos a criação de unidades hospitalares responsáveis pela garantia e melhoria da qualidade desses algoritmos, que chamamos de unidades "AI-QI". Discutimos como ferramentas que há muito são utilizadas na garantia e melhoria da qualidade hospitalar podem ser adaptadas para monitorar algoritmos de ML estáticos. Por outro lado, os procedimentos para atualização contínua de modelos ainda são incipientes. Destacamos considerações-chave ao escolher entre métodos existentes e oportunidades para inovação metodológica.
Feng et al. (Ter,) estudaram essa questão.