皮膚病変セグメンテーション改善のための人間-AI不確実性キャリブレーション

この無作為化比較試験の目的は、黒色腫、ほくろ、その他の良性皮膚病変を鑑別する経験豊富な皮膚科医において、診断精度を向上させ、診断の不確実性を軽減するために、新たな個別化された不確実性認識意思決定モデル（FDM）と標準的な画像認識モデルの効果を比較することです。 主な研究課題：FDMは、信頼が構築され、誤診が回避され、不確実性が適切に導入または軽減される、改善された人間-AIパートナーシップの実現可能な方法であるかどうか。

介入前の診断精度が高い熟練皮膚科医が対象であるため、両介入群における全体的な診断精度の向上はわずかであると予測されます。

FDM介入群では、基本モデル介入群と比較して、診断確実性のより大きな向上が見られると予測されます。

FDM群では、基本モデル群と比較して、誤診から正診への診断変更がより多く見られると予測されます。

本研究期間中の学習効果は認められないと予測されます。

参加者は、皮膚病変の画像からなる一連のトレーニングケースに回答することから開始します。 これらは個々のFDM（FDM介入群のみ）のトレーニングに使用されます。 その後、参加者はどちらの介入を受けるかを決定する2群に無作為に割り付けられます。 参加者は各ケースを最初に介入なしで解決し、この回答が対照として機能します。