Руководство по проведению собеседований с клиницистами, которое я использовал в 18 интервью для получения степени магистра здравоохранения (ссылка здесь) для Школы общественного здравоохранения Калифорнийского университета в Беркли.

Посетите мой сайт Укрепление доверия и внедрение машинного обучения в здравоохранении (ссылка здесь), чтобы ознакомиться с сокращенной и полной версиями моего диплома в области здравоохранения, а также с предстоящими резюме интервью и дополнительных исследований.

Контекст

Я аспирант Калифорнийского университета в Беркли, получив двойную степень магистра в области здравоохранения и магистра делового администрирования, специализируюсь на машинном обучении в здравоохранении. Я работаю над магистерской диссертацией о том, как машинное обучение или машинное обучение можно использовать для помощи врачам в скрининге, сортировке населения, диагностике и/или мониторинге. Я беру интервью у разных клиницистов — врачей, NP, RN и других — из разных слоев общества — по всей стране, разных специальностей, с разным стажем работы и разным уровнем заинтересованности или использования инструментов ML.

Ваше имя, связанное с выводами из этого интервью, будет храниться в тайне от меня и моих читателей. В конечном итоге я могу опубликовать избранные резюме моих интервью, но они будут деидентифицированы и одобрены интервьюируемым перед распространением. Как только мое исследование будет завершено, я хотел бы поделиться с вами конечным продуктом. У вас есть вопросы по процессу или ожиданиям?

Знание ML в здравоохранении

  • Для начала, что вы слышали об искусственном интеллекте и/или машинном обучении в здравоохранении?

Прошлое и будущее использование

  • Использовали ли вы какие-либо инструменты ML? Не могли бы вы?

Волнение и беспокойство

  • Что вас беспокоит или волнует в отношении машинного обучения в здравоохранении? Что еще волнует или беспокоит вас?

Этика и конфиденциальность

  • При чем тут этика? Что может пойти не так, или что можно было бы сделать хорошо?
  • Как конфиденциальность вписывается во все это?
  • Как следует использовать данные? Кто должен или не должен иметь к нему доступ?
  • Кто еще должен помочь вам проинформировать или решить за вас, является ли инструмент ML этичным и достаточно личным?
  • Доверяете ли вы этим разработчикам инструментов машинного обучения доступ к этим данным? Почему или почему нет?

Знание машинного обучения и объяснимость модели

  • На каком уровне вам нужно понять, как модель делает свой прогноз?

Требования к внешней проверке

  • Какое внешнее подтверждение вам потребуется, чтобы вы захотели использовать инструмент машинного обучения? Какие типы государственных и/или неправительственных учреждений будут играть роль?

Клиническое образование

  • Как это повлияет на клиническое образование?

Желаемые варианты использования

  • Где есть возможности помочь клиницистам с ML? Представьте себе: технологическая компания мирового класса разработала инструмент машинного обучения, который предлагает возможные диагнозы или сортирует пациентов. Что им лучше построить сейчас и почему?

Выполнение

  • Когда внедряется инструмент машинного обучения, как это следует делать? Кто должен иметь доступ в первую очередь; кто не должен?

Процесс покупки

  • Если вы занимаетесь медициной, кто будет принимать участие в принятии решения о покупке и использовании инструмента машинного обучения?
  • Какие данные, ссылки и обещания им нужно будет узнать, чтобы в конечном итоге сказать «да» или «нет»?