人工智能模型在放射学中的可用性和透明度:一个元研究研究
Taehee Lee1, Jong Hyuk Lee1,2, Soon Ho Yoon1,2
1Department of Radiology, Seoul National University Hospital, Jongno-gu, Korea.
European radiology
|March 17, 2025
概括
人工智能 (AI) 模型在放射学研究中的可用性很低,特别是在深度学习 (DL) 模型中,阻碍了独立复制和临床验证. 改善模型共享对于在患者护理中推进人工智能至关重要.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 人工智能 (AI) 在放射学中的发展正在迅速推进.
- 透明度和可重现性对于AI工具的临床采用至关重要.
- 从已发表的研究中获得AI模型的可用性对于独立验证至关重要.
研究的目的:
- 从2022年在领先的放射学期刊上发表的开发研究中评估AI模型的可用性.
- 确定提供技术细节透明报告以进行独立复制的研究比例.
- 确定与放射学研究中AI模型可用性相关的因素.
主要方法:
- 系统地搜索Ovid Medline和Embase的AI研究在2022年五个领先的放射学期刊中.
- 提取关于研究特征,模型细节和代码/模型共享实践的数据.
- 后勤回归分析,以探索研究特征和模型可用性之间的关联.
主要成果:
- 只有39.9%的AI研究报告提供了模型.
- 深度学习 (DL) 模型的可用性特别低 (11.5%).
- 传统的回归模型与更高的可用性相关 (OR,17.11),而放射性组件的使用与更低的可用性相关 (OR,0.27).
结论:
- 人工智能模型在放射学出版物中的可用性不足,特别是DL模型.
- 需要加强模型共享政策和开放存储库,以提高透明度和可复制性.
- 增加可用性对于外部验证,临床可靠性和推进患者护理至关重要.
