基于人工智能的临床辅助决策系统早期临床评价研究的报告规范(DECIDE-AI)解读

近年来人工智能在医疗服务领域应用愈发广泛,基于人工智能的临床决策辅助系统是其主要应用形式之一。基于人工智能临床决策辅助系统的早期临床评价介于临床前开发(计算机模拟)、离线验证和临床试验之间,但目前少有人工智能相关临床研究涉及人因学评价,且缺少与人工智能系统运行环境、用户特征、选择过程及算法识别等方面的报告。为缩小人工智能辅助决策系统在开发与实际临床应用间的差距,提高人工智能系统临床研究的透明性和规范性,2022年,BMJ发表了基于人工智能的临床辅助决策系统早期临床评价研究的报告规范(DECIDE-AI)。本文就指南的制订背景、制订过程和重点内容进行解读,以期促进该报告规范在国内研究人员中的理解与应用。

心血管领域Meta分析的稳健性评估

目的以脆性指数为工具指标评估心血管Meta分析的稳健性。方法检索PubMed、EMbase及Web of Science数据库,收集2018—2022年心血管领域Meta分析相关文献,计算脆性指数;通过Spearman相关性分析探索脆性指数与样本量、总事件数、效应值及效应值置信区间宽度的关系。结果共纳入29篇文献的212个Meta分析,中位脆性指数11(5,25),中位样本量10301(3384,48330)例,中位事件数360(129,1309)个。多数Meta分析选择相对危险度作为效应指标(179/212),选择Mantel-Haenszel方法(102/212)和随机效应模型(153/212);脆性指数与样本量(rs=0.56,P<0.05)和总事件数(rs=0.61,P<0.05)呈正相关关系,与效应值置信区间宽度呈负相关关系(rs=−0.52,P<0.05),与效应值大小的相关性无统计学意义。结论发表在高影响力综合性期刊与专业心血管期刊上的心血管Meta分析的脆性指数普遍较低,稳健性不高。在医学研究中可增加对脆性指数的报告,辅助说明P值。