相关实验视频
Updated: Jan 15, 2026
06:02
Assessing Cardiac Reprogramming using High Content Imaging Analysis
Published on: October 26, 2020
1.5K
评估人工智能/机器学习研究中的报告质量,用于心脏粉样化症
Asiful Arefeen1,2, Simar Singh3,4, Crystal Razavi3
1School of Computing and Augmented Intelligence, Arizona State University, Tempe, AZ 85281, United States.
JAMIA open
|October 10, 2025
概括
对心脏粉症的AI/ML研究报告质量是可变的. 需要遵守医学AI报告最低信息 (MINIMAR) 标准,以提高这些AI模型的可靠性和临床使用.
科学领域:
- 医学的人工智能 (AI)
- 机器学习 (ML) 是指机器学习.
- 心脏 Amyloidosis (CA) (心脏 Amyloidosis) (CA) 的意思是心脏粉症,也就是心脏粉症.
背景情况:
- 在临床医学中,AI/ML显示出前景,但面临着可重现性和报告挑战.
- 医学AI报告最低信息 (MINIMAR) 标准旨在提高AI报告质量并减少偏见.
- 对于心脏粉症的AI/ML研究中MINIMAR标准的应用仍然未被评估.
研究的目的:
- 评估心脏粉症 (CA) 的AI/ML研究报告质量.
- 评估CA AI/ML研究是否符合MINIMAR报告标准.
- 识别报告中的缺陷,这些缺陷妨碍了AI/ML模型在CA中的临床实用性.
主要方法:
- 根据PRISMA-ScR指南进行了范围审查.
- 包括到2023年5月发表的英语文章,重点是针对CA诊断或预测的AI/ML.
- 评估了20项研究是否遵守MINIMAR标准,数据由两位研究人员独立选和提取.
主要成果:
- 在20项审查的研究中观察到MINIMAR遵守的显著变化.
- 虽然经常报告年龄和性别等人口统计数据,但缺乏种族/种族和社会经济数据.
- 在模型培训特征 (85%描述),缺少数据处理 (20%) 和外部验证 (20%) 中发现了报告缺陷.
结论:
- 这次审查突出了AI/ML研究心脏粉样化症报告质量的重大缺陷.
- 严格遵守MINIMAR等标准化报告准则是非常必要的.
- 改善报告对于提高AI/ML模型在CA中的可靠性,通用性和临床适用性至关重要.
