MMC+：用于临床医学影像AI可扩展漂移监测的模块化框架

《npj Digital Medicine》：Scalable drift monitoring in medical imaging AI

　　

摘要

将人工智能（AI）整合到临床医学影像中推动了诊断技术的发展，但也带来了随着输入数据变化而维持长期可靠性的挑战。为解决此问题，我们提出了MMC+，一个用于可扩展漂移监测的模块化框架，该框架基于我们的CheXstray框架，利用多模态数据一致性（MMC）进行实时漂移检测。MMC+提供了一种灵活的架构，能够在现实医疗环境中实现具有成本效益的持续性能监测。该框架的功能包括：利用统计检验或距离度量聚合来自多个数据流的信息，利用基础模型嵌入来免除特定站点编码器训练的需求，以及量化不确定性以更好地传达漂移的显著性。利用麻省总医院在COVID-19大流行期间的数据进行验证，MMC+能够有效检测出与性能变化相关的显著数据偏移，并指示AI系统何时可能偏离可接受的性能界限。MMC+的代码已公开（链接：https://github.com/FJDorfner/MedImaging-ModelDriftMonitoring/tree/MMC_plus），促进了AI解决方案在临床环境中的更广泛采用。我们的框架显著推进了漂移检测，同时促进了临床AI研究的透明度和合作。