人工智能用于神经瘤学反应评估 (AI-RANO),第2部分:标准化,验证和良好临床实践的建议
Spyridon Bakas1, Philipp Vollmuth2, Norbert Galldiks3
1Department of Pathology & Laboratory Medicine, Division of Computational Pathology, Indiana University, Indianopolis, IN, USA; Department of Radiology & Imaging Sciences, School of Medicine, Indiana University, Indianapolis, IN, USA; Department of Neurological Surgery, School of Medicine, Indiana University, Indianapolis, IN, USA; Department of Biostatistics and Health Data Science, School of Medicine, Indiana University, Indianapolis, IN, USA; Indiana University Melvin and Bren Simon Comprehensive Cancer Center, Indianopolis, IN, USA; Department of Computer Science, Luddy School of Informatics, Computing, and Engineering, Indiana University, Indianapolis, IN, USA.
神经瘤学中的人工智能 (AI) 是有希望的,但在概括性和验证方面面临挑战. 本综述为标准化人工智能实践提供了建议,以确保在临床试验中可靠的应用.
科学领域:
- 计算方法和人工智能 (AI) 越来越多地应用于医疗保健,特别是神经瘤学.
- 放射学是开发诊断,预测和预后生物标志物的关键人工智能应用.
背景情况:
- 神经瘤学中的人工智能在概括性,可重现性,可扩展性和验证性方面面临挑战,这阻碍了临床翻译.
- 标准化和良好的临床实践对于可靠的AI实施至关重要.
研究的目的:
- 为标准化医疗保健中的AI方法提供建议,重点关注神经瘤学.
- 研究AI在神经瘤学反应评估中的可重复性,可复制性和稳定性.
主要方法:
- 对影响神经瘤学AI计算方法的因素研究的综述.
- 对公开可用的开源数据和计算软件工具的分析.
- 在响应评估中检查AI的重复性,可重复性和稳定性.
主要成果:
- 确定了影响神经瘤学AI计算方法的因素.
- 使用开源数据评估AI工具的稳定性和可重复性.
- 强调需要在临床环境中为AI制定标准化验证途径.
结论:
- 标准化和验证对于神经瘤学中可靠的人工智能至关重要.
- 支持人工智能的临床试验需要强大的计算方法和良好的临床实践.
- 概述了人工智能在神经瘤学的未来发展轨迹.
