一個國際科學(xué)家小組，包括ELIXIR 機器學(xué)習(xí)焦點小組，制定了一套指導(dǎo)方針，以更好地報告 AI 方法的標準，旨在對生物醫(yī)學(xué)數(shù)據(jù)進行分類。這種方法的例子是機器學(xué)習(xí)預(yù)測器，它試圖根據(jù)遺傳和其他數(shù)據(jù)識別某人是否患有特定的罕見疾病，或者預(yù)測方法旨在識別癌癥患者對哪種藥物反應(yīng)最好。這些建議發(fā)表在著名期刊《自然方法》上。
Tom Lenaerts 教授，ELIXIR 機器學(xué)習(xí)焦點小組成員，現(xiàn)任IB²、布魯塞爾自由大學(xué)和布魯塞爾自由大學(xué)生物信息學(xué)研究所所長：“如今機器學(xué)習(xí)和深度學(xué)習(xí)的流行給人的印象是新穎的無需過多考慮數(shù)據(jù)和實際目標，即可快速設(shè)計 AI 工具。這不是問題。當(dāng)人們不完全了解預(yù)測方法中使用的數(shù)據(jù)和特征的性質(zhì)時，很容易出現(xiàn)不準確。在醫(yī)學(xué)和生物領(lǐng)域，一半以上的時間應(yīng)該花在設(shè)計高質(zhì)量的數(shù)據(jù)集和尋找正確的特征集來訓(xùn)練方法上。”
發(fā)表在Nature Methods 上的文章為旨在構(gòu)建或發(fā)布生物和醫(yī)學(xué)科學(xué)的監(jiān)督分類方法的任何人提供了清單和建議。關(guān)于應(yīng)該在科學(xué)論文中報告什么的指導(dǎo)方針使得可以充分評估新方法的形式和質(zhì)量，并滿足可重復(fù)性保證。建議報道新型 AI 預(yù)測方法的頂級期刊納入這些 DOME 指南，以確保生物醫(yī)學(xué) AI 領(lǐng)域的進步保持最高標準，就像任何其他生物醫(yī)學(xué)設(shè)備的情況一樣。
萊納茨：“盡管新型預(yù)測 AI 方法可能為分子或疾病理解和潛在的患者護理帶來好處，但它們通常會遇到可重復(fù)性和清晰度問題，以及在最壞情況下與預(yù)測器中使用的數(shù)據(jù)和方法相關(guān)的設(shè)計和偏差問題。對這些方法的主要部分的不充分解釋不僅會導(dǎo)致不信任，還會阻礙將建議的方法轉(zhuǎn)移到診所，從而阻礙患者護理。通過將本文中要求的信息添加到您自己的手稿或任何人都可以查閱的在線文檔中，可以將小麥與谷殼分開，并將這些領(lǐng)域的機器學(xué)習(xí)產(chǎn)品標準提高到更高的水平。遵循 DOME 的建議，人們會發(fā)現(xiàn) AI 解決方案相關(guān)且有用，
Tom Lenaerts 是IB²、布魯塞爾自由大學(xué)和布魯塞爾自由大學(xué)生物信息學(xué)研究所的主任，ULB 機器學(xué)習(xí)小組 (MLG) 的聯(lián)合負責(zé)人，部分隸屬于布魯塞爾自由大學(xué)的人工智能實驗室。MLG 和 AI 實驗室都是歐洲 AI 網(wǎng)絡(luò) CLAIRE和位于布魯塞爾的新AI 公共利益研究所 FARI 的成員。Tom Lenaerts 是 ELIXIR 機器學(xué)習(xí)焦點小組的成員，并在文章中如此命名。文章中報告了與 ULB、VUB 和 IB² 的從屬關(guān)系。
標簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！