诊断和远程医疗中心的专家已经开发了一个基于人工智能的自检服务平台，该平台设计用于医疗任务，例如用于分析诊断图像。该平台的第一个可运行的原型托管在流行的GitHub服务上，来自世界各地的开发人员可以根据服务的目的通过添加验证标准来参与其改进。

诊断与远程医疗中心首席执行官谢尔盖·莫罗佐夫(Sergey Morozov)在专门针对人工智能的主题周上谈到了这一点，这是欧洲放射学大会(ECR 2020)计划的一部分。

在将基于人工智能(AI)的服务实施到常规临床实践之前，有必要对其进行技术准备测试，并验证其是否符合规定的特征。这称为算法的分析验证。通过它的服务被允许集成到医疗系统中，包括城市医疗保健。

集成是一个复杂且昂贵的过程，因此对于许多无法保证其所集成的系统处理数据的算法的准确性和速度的团队来说，这成为一个障碍。当前，分析验证是手动执行的。手动验证允许意外或故意偏离批准的测试程序，以及操纵数据集，并且还可能使不同的测试参与者处于不平等的条件下。

为了解决这些问题并自动化验证过程，确保用户的信任，诊断和远程医疗中心的专家已经开发了一个平台，该平台使基于AI的服务的开发人员可以独立地对其算法进行初步测试(分析验证)。该平台的原型已托管在GitHub上，用于交换数据集和数据分析结果的服务的第一个版本已经上载。

该平台为从测试集中无限制访问数据实例的单个样本提供了机会，以便微调算法。它具有统一的使用规则，并且可以同时测试多个服务。同时，该平台会记录软件在数据处理(时间研究)上花费的时间，并且开发人员会收到有关测试结果的自动报告，-诊断和远程医疗中心首席执行官Sergey Morozov解释说。

通过使自检平台上的整个过程自动化，可以最大程度地减少人为因素，从而无法进行数据处理(以改善结果)。此外，将服务的验证结果与参考数据进行比较是绝对透明的-开发人员可以看到使用了哪些度量标准，以及如何计算报告中反映的最终结果。

任何人都可以参与改进平台并向其中添加必要的指标，这些指标将用于评估该算法在某些医疗目的(例如，用于分析X射线照片或乳房X线照片)的性能。但是，该平台的添加将受到监控-唯一具有科学依据的指标将包括在以该中心为基础的平台中，-该平台的开发商Nikolai Pavlov指出，该平台的数据集标签传送带负责人诊断和远程医疗中心，医学信息学，放射医学和放射基因组学部门。

该平台的创建者邀请AI算法的开发人员，程序员和研究人员参与更新和改进该平台，以便开发一种统一，通用且用户友好的工具，用于自定义医学用途的人工智能算法。国际社会。目前，还没有专门针对基于AI技术的服务的临床实施的工具。