Foretrukne rapporteringselementer til systematiske anmeldelser og metaanalyser - Artificial Intelligence Extension (PRISMA-AI)

Med fremskridt inden for kunstig intelligens (AI) i løbet af de sidste to årtier er entusiasme og adoption af denne teknologi inden for medicin steget støt. Alligevel varierer den måde, hvorpå sådanne metoder og resultater rapporteres, meget, på trods af den større anvendelse af AI i medicin, og læsbarheden af ​​kliniske undersøgelser, der anvender AI, kan være udfordrende for den generelle kliniker.

Systematiske gennemgange af AI-applikationer er et vigtigt område, hvor der er behov for specifik vejledning. En løbende systematisk gennemgang ledet af vores team har vist, at antallet af systematiske gennemgange af AI-applikationer (med eller uden meta-analyse) stiger dramatisk over tid, men kvaliteten af ​​rapporteringen er stadig dårlig og heterogen, hvilket fører til uoverensstemmelser i rapportering af informationsdetaljer blandt individuelle undersøgelser. Som følge heraf kan manglen på disse informationsdetaljer give anledning til problemer for primær forskning og syntese og potentielt begrænse deres anvendelighed for interessenter, der er interesseret i at implementere AI eller bruge informationen i systematiske anmeldelser.

Kriterierne vil stamme fra konsensus blandt multi-specialeksperter (i hvert medicinsk speciale), som allerede har publiceret om AI-applikationer i førende medicinske tidsskrifter og hovedforfatterne af PRISMA, STARD-AI, CONSORT-AI, SPIRIT-AI, TRIPOD- AI, PROBAST-AI, CLAIM-AI og DECIDE-AI for at sikre, at kriterierne har global anvendelighed i alle discipliner og for hver type undersøgelse, der involverer AI.

De foreslåede PRISMA-AI-udvidelseskriterier fokuserer på standardisering af rapportering af metoder og resultater for kliniske undersøgelser, der anvender AI. Disse kriterier vil afspejle de mest relevante tekniske detaljer, som en dataforsker kræver for fremtidig reproducerbarhed, men de fokuserer på kliniklæserens evne til kritisk at følge og konstatere de relevante resultater af sådanne undersøgelser.

Den resulterende PRISMA-AI-udvidelse vil

1. hjælpe interessenter, der er interesserede i at implementere AI eller bruge AI-relaterede oplysninger i systematiske reviews
2. skabe en ramme for anmeldere, der vurderer publikationer,
3. give et værktøj til at træne forskere i Artificial Intelligence SR-metodologi
4. hjælpe slutbrugere af SR såsom læger og politiske beslutningstagere til bedre at evaluere SR's gyldighed og anvendelighed i deres beslutningsproces.

Kriteriernes succes vil ses i, hvordan manuskripter skrives, hvordan fagfællebedømmere vurderer dem, og endelig, hvordan den generelle læserskare er i stand til at læse og fordøje de publicerede undersøgelser