休斯顿,我们有AI问题! 在帕金森病中基于神经成像的人工智能的质量问题:系统性审查

科学领域:

• 神经成像和人工智能的人工智能
• 神经学和运动障碍 神经学和运动障碍

背景情况:

• 人工智能 (AI) 越来越多地用于帕金森病 (PD) 研究的神经成像.
• 在使用人工智能驱动的神经成像的PD诊断,预后和干预方面仍然存在挑战.
• 需要进行系统审查,以评估现有的AI神经成像研究在PD中的质量.

研究的目的:

• 在帕金森病中提供基于神经成像的AI研究的概述.
• 用最低质量标准 (MQC) 评估这些研究的方法质量.
• 确定PD神经成像AI应用中需要改进的关键领域.

主要方法:

• 对244个基于神经成像的AI研究进行了系统审查,以诊断PD,预后或干预.
• 研究根据结果进行分类,并根据五个MQC (数据分割,泄漏,模型复杂性,性能报告,生物可信性) 进行评分.
• 对MQC的遵守,数据泄露的影响,外部测试集的使用和数据失衡处理的分析.

主要成果:

• 大多数研究集中在PD诊断 (54%) 与预后或干预 (稀少) 上.
• 只有20%的研究符合所有五个MQC;数据泄露,模型复杂性和生物可信性是主要的质量问题.
• 数据泄露显著增加了准确性;外部验证很少 (8%),使用时的准确性更低. 数据不平衡往往没有得到解决 (19%).

结论:

• 虽然人工智能在PD神经成像研究中得到广泛应用,但大量研究显示出令人担忧的方法学弱点.
• 对MQC的遵守程度较低,特别是在数据泄露和验证方面,会损害研究结果的可靠性和通用性.
• 提供了建议,以提高未来在帕金森病中人工智能神经成像研究的解释性,概括性和临床实用性.