条文本
来自Altmetric.com的统计
人工智能被描述为解决胃肠道(GI)内窥镜检查等领域遇到的许多挑战的灵丹妙药。密集的研究、商业和媒体关注导致了患者数量不高、技术相对简单的研究成果的发表。毫无疑问,机器学习(ML)将是未来几年决定性的医学发展。然而,现在尘埃已经开始尘埃落定,我们正处于一个关键的节点,重点从临床前工作转向ML在临床实践中的作用。世界杯2022小组积分当前的问题涉及到人工智能和毫升系统的评估和测试,特别是关于患者的结果,以及实施的监管问题。这些方面都涉及到一个重要的问题:我们如何确保临床前结果转化为值得信赖的临床现实?
对于内窥镜医生来说,无论是作为读者、审稿人还是AI的潜在用户,了解系统的技术方面及其性能测量,以便现实地评估其实用价值,变得越来越重要。因此,以胃肠内窥镜为出发点的ML从原理论证研究1 - 7临床试验8 - 12, van der Sommen等为我们提供了一个易于理解的指南,评估和批判性地回顾当前的ML内镜文献。13
我们的评论强调了这篇综述和AI作为一个整体的选择方面,并详细阐述了GI内窥镜社区的作用,以及它如何经历和框架未来的道路。特别是,我们主张技术科学家和临床医生从早期开发阶段开始密切合作,以便开发量身定制的AI算法和现实的临床前测试。训练数据和算法开发过程需要更多的透明度。此外,在立法方面……
脚注
调整通知这篇文章在Online First发布后进行了修改。雷皮奇教授的隶属关系已被修改。
贡献者所有的作者一起撰写了论文并批准了最终版本。
资金作者们还没有从任何公共、商业或非营利部门的资助机构为这项研究宣布具体的资助。
相互竞争的利益RW:得到了西门子的研究支持。AR:获得美敦力和Cosmo的咨询,Cosmo、富士和宾得的研究支持。RB:获得宾得、富士和美敦力的研究支持和咨询。CH:接受美敦力、富士的咨询。PS:获得了美敦力、奥林巴斯、波士顿科学、富士胶片和Lumendi的咨询,以及Ironwood、Docbot、Cosmo Pharmaceuticals、CDx Laboratories和Erbe的研究支持。TR:获得了奥林巴斯和富士的研究支持。
患者和公众的参与患者和/或公众未参与本研究的设计、实施、报告或传播计划。
来源和同行评审不是委托;外部同行评议。