[Interpretación de la Guía actualizada para la presentación de informes de modelos de predicción clínica que utilizan...

Área de la Ciencia:

• Informática clínica
• La inteligencia artificial en la medicina
• Estadísticas biológicas

Sus antecedentes:

• Aumento rápido de los métodos de inteligencia artificial (IA) para los modelos de predicción de riesgos clínicos.
• Necesidad de informes transparentes, completos y precisos de la investigación del modelo de predicción clínica para garantizar su valor.
• Limitaciones en las directrices de notificación existentes para los modelos basados en la IA.

Objetivo del estudio:

• Interpretar y comparar la Guía actualizada para la presentación de informes de modelos de predicción clínica que utilizan métodos de regresión o aprendizaje automático (TRIPOD+AI) con la lista de verificación original de TRIPOD.
• Proporcionar orientación a los investigadores sobre la estandarización de los informes de los modelos de predicción clínica desarrollados utilizando la IA.
• Facilitar la evaluación de la investigación, la evaluación del modelo y la implementación del modelo.

Principales métodos:

• Análisis comparativo de las listas de control de TRIPOD+AI y TRIPOD, centrado en la formulación, el contenido, los escenarios aplicables y las ventajas.
• Interpretación de los 27 puntos principales de la guía TRIPOD+AI.
• Ejemplo ilustrativo de la predicción de la depresión de los ancianos utilizando métodos de IA.

Principales resultados:

• TRIPOD+AI ofrece una guía actualizada y completa específicamente para los modelos de predicción clínica basados en IA.
• La lista de verificación actualizada aborda los desafíos y requisitos únicos de los modelos de información de IA.
• El ejemplo demuestra la aplicación práctica de informes estandarizados para la IA en la predicción clínica.

Conclusiones:

• TRIPOD+AI es esencial para promover modelos de predicción clínica basados en IA de alta calidad, reproducibles e implementables.
• El cumplimiento de las directrices de TRIPOD+AI mejorará la transparencia y la fiabilidad de la IA en la investigación sanitaria.
• Los informes estandarizados son cruciales para avanzar en el campo de la IA en la predicción de riesgos clínicos.