在受控条件下,在实际应用中,它并不总是按照最初发现的炒作和兴奋来实现。这种“脆弱性”有多种原因,包括对训练数据过度敏感、训练集缺乏多样性和深度,以及未能预测现实世界的部署条件 [12,13]。迄今为止,许多研究规模都很小,远离现实世界的临床使用,而人工智能在病理学中的实际应用极其罕见。其后果是严重的——数字病理学人工智能可能出现“复制危机”,更糟糕的是,由于在临床实践中使用不准确或不可靠的人工智能系统而没有适当的监督,可能会造成临床伤害。人工智能的新颖性和我们社区对该技术的相对缺乏经验,再加上人工智能公司面临的商业压力,要求其展示积极成果,以及学术病理学家面临的出版压力,这些因素共同造成了严重的风险。最近发布的新指南将在一定程度上缓解这种风险。EQUATOR 网络成立的目的是将研究人员、医学期刊编辑、同行评审人员、报告指南的开发者、研究资助机构和其他对提高研究质量有共同兴趣的合作者聚集在一起
主要关键词