Preferované položky hlášení pro systematické kontroly a metaanalýzy – rozšíření umělé inteligence (PRISMA-AI)

S pokrokem v umělé inteligenci (AI) za poslední dvě desetiletí nadšení a přijetí této technologie v medicíně neustále rostlo. Navzdory většímu zavádění umělé inteligence v medicíně se způsob, jakým jsou tyto metodiky a výsledky uváděny, značně liší a čitelnost klinických studií využívajících umělou inteligenci může být pro praktického lékaře náročná.

Systematické revize aplikací umělé inteligence jsou důležitou oblastí, pro kterou je zapotřebí zvláštních pokynů. Probíhající systematický přezkum vedený naším týmem ukázal, že počet systematických recenzí aplikací umělé inteligence (s metaanalýzou nebo bez ní) v průběhu času dramaticky narůstá, ale kvalita zpráv je stále nízká a heterogenní, což vede k nekonzistentnosti vykazování informačních detailů mezi jednotlivými studiemi. V důsledku toho může nedostatek těchto podrobností informací vést k problémům primárního výzkumu a syntézy a potenciálně omezovat jejich užitečnost pro zúčastněné strany, které se zajímají o implementaci umělé inteligence nebo využití informací v systematických přehledech.

Kritéria se budou odvíjet od konsenzu mezi víceodbornými odborníky (v každé lékařské specializaci), kteří již publikovali o aplikacích umělé inteligence v předních lékařských časopisech, a hlavními autory PRISMA, STARD-AI, CONSORT-AI, SPIRIT-AI, TRIPOD- AI, PROBAST-AI, CLAIM-AI a DECIDE-AI, aby bylo zajištěno, že kritéria mají globální použitelnost ve všech oborech a pro každý typ studia, který zahrnuje AI.

Navrhovaná kritéria rozšíření PRISMA-AI se zaměřují na standardizaci vykazování metod a výsledků pro klinické studie využívající AI. Tato kritéria budou odrážet nejrelevantnější technické detaily, které vědci s údaji vyžadují pro budoucí reprodukovatelnost, ale zaměřují se na schopnost klinického čtenáře kriticky sledovat a zjišťovat relevantní výsledky takových studií.

Výsledné rozšíření PRISMA-AI bude

1. pomáhat zúčastněným stranám, které mají zájem o implementaci umělé inteligence nebo používání informací souvisejících s umělou inteligencí v systematických kontrolách
2. vytvořit rámec pro recenzenty, kteří posuzují publikace,
3. poskytnout nástroj pro školení výzkumníků v metodologii umělé inteligence SR
4. pomoci koncovým uživatelům SR, jako jsou lékaři a tvůrci politik, lépe vyhodnotit platnost a použitelnost SR v jejich rozhodovacím procesu.

Úspěch kritérií bude vidět v tom, jak jsou rukopisy psány, jak je hodnotí recenzenti a nakonec, jak je široká čtenářská obec schopna číst a strávit publikované studie.