基于人工智能的临床决策支持系统早期临床评估的透明化报告

doi:10.12114/j.issn.1007-9572.2023.0668

中国全科医学 ›› 2024, Vol. 27 ›› Issue (10): 1267-1270.DOI: 10.12114/j.issn.1007-9572.2023.0668

• 数智医疗与信息化研究 • 上一篇下一篇

基于人工智能的临床决策支持系统早期临床评估的透明化报告

雷芳¹, 杜亮¹^,²^,³^,⁴, 董敏¹, 刘雪梅¹^,^*()

1．610041　四川省成都市，四川大学华西医院华西医学期刊出版社
2．610041　四川省成都市，四川大学华西医院华西人工智能医疗器械临床试验中心
3．610041　四川省成都市，四川大学华西医院医疗器械监管研究与评价中心
4．610041　四川省成都市，四川大学华西医院中国循证医学中心

收稿日期:2023-10-09 修回日期:2023-10-13 出版日期:2024-04-05 发布日期:2024-01-25
通讯作者: 刘雪梅
作者贡献：雷芳负责论文的构思与设计、初稿撰写；杜亮负责论文修订、质量控制及审校；董敏负责资料收集与整理、论文修改；刘雪梅负责论文设计与修改，对文章整体负责。
基金资助:
国家自然科学基金资助项目(72074161)

Transparent Reporting of the Early-stage Clinical Evaluation of Clinical Decision Support Systems Based on Artificial Intelligence

LEI Fang¹, DU Liang¹^,²^,³^,⁴, DONG Min¹, LIU Xuemei¹^,^*()

1. West China Medical Publishers of West China Hospital, Sichuan University, Chengdu 610041, China
2. Clinical Trials Center for Artificial Intelligence Medical Device, West China Hospital, Sichuan University, Chengdu 610041, China
3. Medical Device Regulatory Research and Evaluation Center, West China Hospital, Sichuan University, Chengdu 610041, China
4. Chinese Evidence-Based Medicine Center, West China Hospital, Sichuan University, Chengdu 610041, China

Received:2023-10-09 Revised:2023-10-13 Published:2024-04-05 Online:2024-01-25
Contact: LIU Xuemei

分享到

摘要/Abstract

摘要： 随着人工智能（AI）在医学领域的广泛应用，越来越多基于AI的临床决策支持系统应用于临床诊断与筛查等。早期临床评估对于评价基于AI临床决策支持系统的临床性能、安全性和人为因素具有重要意义，有利于为进一步的大规模临床试验奠定基础，但相关临床研究报告的透明度和完整性尚待提高。2022年5月，基于AI的临床决策支持系统早期临床评估报告指南（DECIDE-AI）正式在线发表。本文将结合DECIDE-AI中的AI相关报告项目及相关文献，探讨基于AI的临床决策支持系统早期临床评估的透明化报告，以期帮助我国系统开发者和研究者更好地理解与应用相关指南，提高基于AI的临床决策支持系统早期临床评估报告的透明度。

关键词: 人工智能, 决策支持系统，临床, 早期临床评估, DECIDE-AI, 透明化

Abstract:

With the wide application of artificial intelligence (AI) in the medical field, more and more AI-based clinical decision support systems have been applied in the clinical diagnosis, screening, and other fields. Early-stage clinical evaluation is important for evaluating the clinical performance, safety, and human factors of AI-based clinical decision support systems, and laying the foundation for large-scale trials. However, the transparency and integrity of the clinical reports need to be improved. The Developmental and Exploratory Clinical Investigations of DEcision Support Systems Driven by Artificial Intelligence (DECIDE-AI) was officially published online in May 2022. Based on this guideline and relative literature, this paper explores the transparent reporting of early-stage clinical evaluation of AI-based clinical decision support systems, in order to help developers and researchers better understand and apply the relevant guidelines, and improve the reporting transparency of early-stage clinical evaluation of AI-based clinical decision support systems.

Key words: Artificial intelligence, Decision support systems, clinical, Early-stage clinical evaluation, DECIDE-AI, Transparency

雷芳,杜亮,董敏,等. 基于人工智能的临床决策支持系统早期临床评估的透明化报告[J]. 中国全科医学, 2024, 27(10): 1267-1270. DOI: 10.12114/j.issn.1007-9572.2023.0668.
LEI Fang,DU Liang,DONG Min, et al. Transparent Reporting of the Early-stage Clinical Evaluation of Clinical Decision Support Systems Based on Artificial Intelligence[J]. Chinese General Practice, 2024, 27(10): 1267-1270. DOI: 10.12114/j.issn.1007-9572.2023.0668.

参考文献 25

[1]	KERMANY D S，GOLDBAUM M，CAI W J，et al. Identifying medical diagnoses and treatable diseases by image-based deep learning[J]. Cell，2018，172（5）：1122-1131.e9.
[2]	TANG A，TAM R，CADRIN-CHÊNEVERT A，et al. Canadian association of radiologists white paper on artificial intelligence in radiology[J]. Can Assoc Radiol J，2018，69（2）：120-135.
[3]	PELCYGER BEN. Artificial intelligence in healthcare：Babylon Health & IBM Watson take the lead[EB/OL]. [2023-09-19].
[4]	SLOMKA P J，DEY D，SITEK A，et al. Cardiac imaging：working towards fully-automated machine analysis & interpretation[J]. Expert Rev Med Devices，2017，14（3）：197-212. DOI：10.1080/17434440.2017.1300057.
[5]	DE FAUW J，LEDSAM J R，ROMERA-PAREDES B，et al. Clinically applicable deep learning for diagnosis and referral in retinal disease[J]. Nat Med，2018，24（9）：1342-1350. DOI：10.1038/s41591-018-0107-6.
[6]	HANNUN A Y，RAJPURKAR P，HAGHPANAHI M，et al. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network[J]. Nat Med，2019，25（1）：65-69. DOI：10.1038/s41591-018-0268-3.
[7]	VASEY B，NOVAK A，ATHER S，et al. DECIDE-AI：a new reporting guideline and its relevance to artificial intelligence studies in radiology[J]. Clin Radiol，2023，78（2）：130-136. DOI：10.1016/j.crad.2022.09.131.
[8]	PARK Y，JACKSON G P，FOREMAN M A，et al. Evaluating artificial intelligence in medicine：phases of clinical research[J]. JAMIA Open，2020，3（3）：326-331. DOI：10.1093/jamiaopen/ooaa033.
[9]	PLOUG T，SUNDBY A，MOESLUND T B，et al. Population preferences for performance and explainability of artificial intelligence in health care：choice-based conjoint survey[J]. J Med Internet Res，2021，23（12）：e26611. DOI：10.2196/26611.
[10]	TORNERO-COSTA R，MARTINEZ-MILLANA A，AZZOPARDI-MUSCAT N，et al. Methodological and quality flaws in the use of artificial intelligence in mental health research：systematic review[J]. JMIR Ment Health，2023，10：e42045.
[11]	VASEY B，NAGENDRAN M，CAMPBELL B，et al. Publisher correction：reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence：decide-AI[J]. Nat Med，2022，28（10）：2218.
[12]	HIRST A，PHILIPPOU Y，BLAZEBY J，et al. No surgical innovation without evaluation：evolution and further development of the IDEAL framework and recommendations[J]. Ann Surg，2019，269（2）：211-220.
[13]	PARKASH O，SIDDIQUI A T S，JIWANI U，et al. Diagnostic accuracy of artificial intelligence for detecting gastrointestinal luminal pathologies：a systematic review and meta-analysis[J]. Front Med，2022，9：1018937. DOI：10.3389/fmed.2022.1018937.
[14]	LI X M，GAO X Y，TSE G，et al. Electrocardiogram-based artificial intelligence for the diagnosis of heart failure：a systematic review and meta-analysis[J]. J Geriatr Cardiol，2022，19（12）：970-980. DOI：10.11909/j.issn.1671-5411.2022.12.002.
[15]	GURUPUR V，WAN T T H. Inherent bias in artificial intelligence-based decision support systems for healthcare[J]. Medicina，2020，56（3）：141. DOI：10.3390/medicina56030141.
[16]	FAGHANI S，KHOSRAVI B，ZHANG K，et al. Mitigating bias in radiology machine learning：3. performance metrics[J]. Radiol Artif Intell，2022，4（5）：e220061. DOI：10.1148/ryai.220061.
[17]	FUJIMORI R，LIU K，SOENO S，et al. Acceptance，barriers，and facilitators to implementing artificial intelligence-based decision support systems in emergency departments：quantitative and qualitative evaluation[J]. JMIR Form Res，2022，6（6）：e36501. DOI：10.2196/36501.
[18]	O'SULLIVAN S，NEVEJANS N，ALLEN C，et al. Legal，regulatory，and ethical frameworks for development of standards in artificial intelligence （AI） and autonomous robotic surgery[J]. Int J Med Robot，2019，15（1）：e1968.
[19]	International Organization for Standardization. ISO 9241-11：2018 ergonomics of human-system interaction—Part 11：usability：definitions and concepts[EB/OL]. [2023-09-19].
[20]	BEOOKE J. SUS—a quick and dirty usability scale[EB/OL]. [2023-09-19].
[21]	REICHHELD F F. The one number you need to grow[J]. Harv Bus Rev，2003，81（12）：46-54，124.
[22]	British Standards Institution. BS EN 62366-1：2015+A1：2020 medical devices. Application of usability engineering to medical devices[EB/OL]. [2023-09-19].
[23]	中共中央办公厅，国务院办公厅. 关于加强科技伦理治理的意见[A/OL]. （2022-03-20）[2023-09-19].
[24]	国家卫生健康委，教育部，科技部，等. 涉及人的生命科学和医学研究伦理审查办法[A/OL].（2023-02-27）[2023-09-19].
[25]	雷芳，杜亮，董敏，等. 关于人工智能背景下医学期刊应对医学伦理问题的思考[J]. 编辑学报，2023，35（3）：263-267.

基于人工智能的临床决策支持系统早期临床评估的透明化报告

Transparent Reporting of the Early-stage Clinical Evaluation of Clinical Decision Support Systems Based on Artificial Intelligence

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 25

相关文章 15

编辑推荐

Metrics

留言

[1]	董娜, 崔婷, 王露露, 师荣慧, 冯洁, 黄晓俊. 人工智能在胃癌诊治中的研究趋势：20年的文献计量学分析[J]. 中国全科医学, 2024, 27(04): 493-501.
[2]	高景宏, 王言研, 蒋帅, 付航, 段彦然, 王素凡, 王成增. Haddon模型视角下大数据和人工智能在COVID-19疫情防控中的应用分析[J]. 中国全科医学, 2024, 27(01): 111-117.
[3]	陈龙, 曾凯, 李莎, 陶璐, 梁玮, 王皓岑, 杨如美. 人工智能算法偏见与健康不公平的成因与对策分析[J]. 中国全科医学, 2023, 26(19): 2423-2427.
[4]	郭天赐, 陈继鑫, 余伟杰, 刘爱峰. 人工智能在骨关节炎诊疗中的应用进展[J]. 中国全科医学, 2023, 26(19): 2428-2433.
[5]	沈惠文, 林永忠, 陈淑良, 张立红, 马春野, 马得原, 张策. 基于人工智能算法的脑卒中溶栓药物精准治疗：真实世界研究[J]. 中国全科医学, 2023, 26(17): 2070-2077.
[6]	陈向阳, 李舍予. 非内分泌病房住院糖尿病患者的血糖管理[J]. 中国全科医学, 2023, 26(15): 1799-1803.
[7]	刘春, 蹇文渊, 段俊国. 人工智能应用于糖尿病视网膜病变的文献计量学分析[J]. 中国全科医学, 2023, 26(15): 1847-1856.
[8]	涂嘉欣, 叶惠清, 张小强, 林雪婷, 杨善岚, 邓莉芳, 吴磊. 2000—2022年人工智能应用于食管癌领域全球研究的可视化分析[J]. 中国全科医学, 2023, 26(06): 760-768.
[9]	武爱媛, 热米拉·热扎克, 乔友林. 人工智能在宫颈病变诊断及治疗中的应用进展与挑战[J]. 中国全科医学, 2022, 25(18): 2215-2222.
[10]	吴久纯, 李甜, 李晓东, 卓越, 张玉娇, 刘敬禹. 基于人工智能随访预测肺结节增长的影响因素研究[J]. 中国全科医学, 2022, 25(17): 2115-2120.
[11]	余新艳, 顾志乐, 张晓娟, 赵晓晔, 张海澄. 人工智能在远程心电云平台辅助决策基层危急值心电图中的应用价值研究[J]. 中国全科医学, 2022, 25(11): 1363-1367.
[12]	胡红濮，戴国琳，陈庆锟，万艳丽. 罕见病智能知识服务体系设计[J]. 中国全科医学, 2021, 24(28): 3629-3633.
[13]	胡红濮，尹天露，秦盼盼，王岩，高星. 罕见病智能知识服务平台的设计[J]. 中国全科医学, 2021, 24(28): 3638-3642.
[14]	曾凯，王新敏，倪钊，王勤章，李强. 人工智能模型预测输尿管结石自然排出的多中心临床试验的验证研究[J]. 中国全科医学, 2021, 24(23): 3005-3008.
[15]	李甜，李晓东，刘敬禹. 人工智能辅助诊断肺结节的临床价值研究[J]. 中国全科医学, 2020, 23(7): 828-831.