Suositeltavat raportointikohteet systemaattisia tarkastuksia ja meta-analyysejä varten – tekoälyn laajennus (PRISMA-AI)

Tekoälyn (AI) kehityksen myötä viimeisen kahden vuosikymmenen aikana tämän tekniikan innostus ja omaksuminen lääketieteessä ovat lisääntyneet jatkuvasti. Silti huolimatta tekoälyn laajemmasta käyttöönotosta lääketieteessä, tapa, jolla tällaisista menetelmistä ja tuloksista raportoidaan, vaihtelee suuresti, ja tekoälyä hyödyntävien kliinisten tutkimusten luettavuus voi olla haastavaa yleislääkärille.

Tekoälysovellusten järjestelmällinen tarkastelu on tärkeä alue, jolle tarvitaan erityistä ohjausta. Tiimimme johtama meneillään oleva systemaattinen tarkistus on osoittanut, että tekoälysovellusten (meta-analyysin kanssa tai ilman) tehtyjen systemaattisten tarkistusten määrä kasvaa dramaattisesti ajan myötä, mutta raportoinnin laatu on edelleen heikko ja heterogeeninen, mikä johtaa epäjohdonmukaisuuksiin tietojen raportoiminen yksittäisten tutkimusten kesken. Näin ollen näiden tietojen puute voi aiheuttaa ongelmia primääritutkimukselle ja synteesille ja mahdollisesti rajoittaa niiden hyödyllisyyttä sidosryhmille, jotka ovat kiinnostuneita tekoälyn toteuttamisesta tai tietojen käyttämisestä systemaattisissa arvioinneissa.

Kriteerit syntyvät usean erikoisalan asiantuntijoiden (kullakin lääketieteen erikoisalalla) kesken, jotka ovat jo julkaisseet tekoälysovelluksista johtavissa lääketieteellisissä julkaisuissa, sekä PRISMA-, STARD-AI-, CONSORT-AI-, SPIRIT-AI-, TRIPOD-johtavien tekijöiden kesken. AI, PROBAST-AI, CLAIM-AI ja DECIDE-AI varmistavat, että kriteerit ovat maailmanlaajuisesti sovellettavissa kaikilla tieteenaloilla ja jokaisessa tutkimuksessa, johon tekoäly liittyy.

Ehdotetut PRISMA-AI-laajennuskriteerit keskittyvät tekoälyä hyödyntävien kliinisten tutkimusten menetelmien ja tulosten raportoinnin standardointiin. Nämä kriteerit heijastavat tärkeimpiä teknisiä yksityiskohtia, joita datatieteilijä tarvitsee tulevaa toistettavuutta varten, mutta ne keskittyvät kuitenkin kliinikon lukijan kykyyn seurata ja varmistaa tällaisten tutkimusten merkitykselliset tulokset.

Tuloksena oleva PRISMA-AI-laajennus tekee

1. auttaa sidosryhmiä, jotka ovat kiinnostuneita tekoälyn toteuttamisesta tai tekoälyyn liittyvien tietojen käyttämisestä systemaattisissa arvioinneissa
2. luoda puitteet arvioijille, jotka arvioivat julkaisuja,
3. tarjoaa työkalun tutkijoiden kouluttamiseen tekoälyn SR-metodologiassa
4. auttaa SR:n loppukäyttäjiä, kuten lääkäreitä ja päätöksentekijöitä, arvioimaan paremmin SR:n pätevyyttä ja sovellettavuutta päätöksentekoprosessissaan.

Kriteerien onnistuminen näkyy siinä, miten käsikirjoitukset kirjoitetaan, miten vertaisarvioijat niitä arvioivat ja lopuksi, kuinka suuri lukijakunta pystyy lukemaan ja sulattamaan julkaistuja tutkimuksia.