分享韓國研究人員最近開發了一個基於人工智能（AI）的臨床決策支持係統（CDSS），以協助多攝影技術人員審查AI預測的睡眠分期結果。
睡眠舞台是一個耗時且昂貴的過程。缺乏臨床解釋性和以用戶為中心的接口阻礙了AI係統的采用。其自動化的挑戰包括圍繞模型預測的可靠性，模型的臨床聲音以及模型使用的社會共識的問題。自動化結果的手動審查仍然是強製性的。因此，要使用AI係統，它必須提供大多數深度學習係統所無法的可解釋因素。
為了解決這些缺點，CDSS係統是圍繞一個框架設計的，該框架確定了為什麼需要說明，應包含哪些信息以及提供CDSS中解釋的最佳方法。為了確定CDS解釋設計的關鍵要點，研究人員進行了用戶訪談，觀察會議，並使用了迭代設計過程。在構建CDS之後，通過睡眠登台的準確性和參與者的訪談評估了其在協助多個學術技術人員方麵的性能。九位多功能學技術人員定量和定性研究了CDSS的幫助。
該研究表明，有80％的技術人員希望與睡眠分期腦電圖（EEG）模式相關的臨床上可靠的解釋，以根據其知識評估AI預測的正確性。解釋類型應包括信號的發生（取決於正確檢測），信號之比和信號幅度的變化。
迭代設計過程涉及與技術人員核對，以了解他們希望如何進行原始信號進行完善並提出以突出臨床相關的方麵。總體而言，參與的技術人員認為這些功能減少了工作量，並提供了有用的定量視覺參考。因此，CDSS具有巨大的潛力，可以集成到睡眠實驗室的現實世界臨床工作流程中。
