人工智能在眼科报告中的透明度-一个范围审查
Dinah Chen1, Alexi Geevarghese1, Samuel Lee2
1Department of Ophthalmology, NYU Langone Health, New York, New York.
Ophthalmology science
|April 9, 2024
概括
关于眼科人工智能 (AI) 的报告显示,模型开发和验证细节的变化很大. 提高透明度对于AI工具的批判性评估和公平的临床实施至关重要.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 医疗信息学 医疗信息学
背景情况:
- 人工智能 (AI) 在眼科中越来越多地用于疾病分类.
- 缺乏对AI模型开发和验证的标准化报告.
- 人工智能报告的透明度对于临床实施和偏差缓解至关重要.
研究的目的:
- 在眼科文献中对人工智能报告进行范围审查.
- 描述AI模型开发和潜在验证报告的透明度.
- 发现眼科人工智能报告准则中的差距.
主要方法:
- 对2022年1月之前发表的研究进行范围审查.
- 在PubMed,Embase,Web of Science和CINAHL进行的搜索.
- 对来自CONSORT-AI,MI-CLAIM和模型卡的参数报告研究的评估,重点关注数据集细节,人口统计和潜在的验证结果.
主要成果:
- 审查了37项涉及27个独特AI模型的前性验证研究.
- 报告培训数据集注释和数据分布是可变的.
- 人口统计报告 (年龄,性别,种族,民族) 不一致,特别是培训数据,阻碍了公平性和可概括性的评估.
结论:
- 目前关于眼科人工智能模型开发和验证的报告缺乏透明度.
- 需要标准化报告,以确保对人工智能工具的适当和公平的临床使用.
- 提高透明度将促进批判性评估,并最大限度地减少人工智能实施中的偏见.


