相关实验视频
Updated: May 27, 2026

Use of 3D Robotic Ultrasound for In Vivo Analysis of Mouse Kidneys
Published on: August 12, 2021
STREAM-URO和APPRAISE-AI报告标准在儿科泌尿病学人工智能研究中的应用:儿科水性缩的案例:
Adree Khondker1, Jethro C C Kwong2, Mandy Rickard3
1Division of Urology, Department of Surgery, The Hospital for Sick Children, Toronto, ON, Canada; Division of Urology, Department of Surgery, University of Toronto, Toronto, ON, Canada; Temerty Center for AI Research and Education in Medicine, University of Toronto, Toronto, ON, Canada.
像STREAM-URO这样的标准化报告框架和像APPRISE-AI这样的评估工具对于在儿科泌尿病学中推进人工智能 (AI) 和机器学习 (ML) 是至关重要的. 实施这些工具提高了模型质量,并促进了人工智能应用的临床翻译.
科学领域:
- 儿科泌尿外科 儿科泌尿外科
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 人工智能 (AI) 和机器学习 (ML) 越来越多地被用于儿科泌尿病学.
- 缺乏标准化的报告和方法改进,阻碍了AI模型的比较和临床实施.
- STREAM-URO框架和APPRAISE-AI工具旨在提高AI研究报告透明度和质量评估.
研究的目的:
- 将STREAM-URO框架和APPRAISE-AI工具应用于儿科水缩学文献.
- 描述泌尿病学ML报告的最佳实践,并提供ML质量的关键评估工具.
- 提供开发和评估ML模型的教程,并突出儿童水缩ML研究的改进领域.
主要方法:
- 应用26项的STREAM-URO框架和24项的评估-AI工具.
- 对8ML模型的分析,应用于儿科水.
- 使用提供的框架评估报告合规性和研究质量.
主要成果:
- 在8项研究中,对STREAM-URO的平均遵守率为67%.
- 总体而言,研究质量中等.
- 评价AI领域中得分最高的是临床相关性和报告质量;最低的是方法论行为,稳定性和可重复性.
结论:
- 正确进行和报告的ML可以显著影响儿科泌尿外科护理.
- 缺乏强有力的证据目前限制了人工智能模型的转化到实践中.
- STREAM-URO和APPRESISE-AI可以促进更好的报告和批判性评估,为临床翻译铺平道路.
相关概念视频
Imaging Studies I: Kidney, Ureter, and Bladder Studies
Imaging Studies II: Ultrasonography
Imaging Studies IV: Magnetic Resonance Imaging
Imaging Studies V: Intravenous Urography and Retrograde Pyelography
Urodynamic Studies: Uroflowmetry

