CliniGA CRO

Blog CliniGA CRO

Muestreo de revisión humana para resultados automatizados

Diseñe muestras humanas que incluyan casos ambiguos y fallos para evaluar los resultados automatizados según su uso y riesgo.

Fotografía representativa de la categoría: Muestreo de revisión humana para resultados automatizados
Foto: Kim Dornic (IFREMER, Pôle média & web, Centre Bretagne - ZI de la Pointe du Diable - CS 10070 - 29280 Plouzané) Kim Dornic (IFREMER, Pôle média & web, Centre Bretagne - ZI de la Pointe du Diable - CS 10070 - 29280 Plouzané) · Licencia: CC BY 4.0 · Imagen recortada y redimensionada.
Publicación
Actualización

Cuando la automatización produce cientos de registros, la revisión humana puede cubrir solo unos pocos ejemplos. Seleccionar casos cómodos y sin problemas puede dejar invisibles errores importantes. El diseño de revisión debe indicar qué decisión respalda la automatización y las consecuencias de una salida incorrecta.

Alcance de la decisión

Una muestra puede incluir situaciones habituales junto con ejemplos ambiguos, limítrofes y de entradas fallidas. Sin embargo, la selección dirigida no proporciona una tasa estadística de error de todos los registros. Defina de antemano la competencia del revisor, las fuentes de comparación y una vía para suspender el uso de resultados problemáticos.

Revisión práctica

Por ejemplo, la automatización categoriza notas de monitorización. Las comprobaciones iniciales cubren solo notas cortas y no detectan la clasificación errónea de textos largos con varias cuestiones. El equipo añade a la revisión notas largas, contradictorias e incompletas y evalúa si desaparecen preocupaciones importantes cuando el sistema las fuerza a una sola categoría.

Comprobaciones prácticas

  • Conecte la selección con el uso previsto y el efecto de una decisión equivocada.
  • Incluya ejemplos adecuados con ambigüedad, información faltante y varios temas.
  • Explique cómo se investigarán resultados similares afectados después de encontrar un error.

Aceptación y límites

La aceptación exige evidencia de revisión adecuada para el uso definido y limitaciones explícitas. Unos pocos ejemplos correctos no aprueban todas las salidas. Reevalúe si el mismo enfoque de selección sigue detectando errores importantes cuando cambia el comportamiento del sistema o las características de las entradas.

Preguntas frecuentes

¿La aprobación humana hace fiable la automatización?
Por sí sola, no. Son esenciales lo que comprueba la revisión y la evidencia que la respalda.
¿Deben recrearse manualmente todas las salidas?
Los usos diferentes requieren alcances diferentes. El riesgo de decisión y una evaluación autorizada adecuada determinan la profundidad de revisión.

Fuentes

  1. FDA — Sistemas, registros y firmas electrónicos
  2. EMA — ICH E6: buena práctica clínica