Контрольный список для искусственного интеллекта в медицинской визуализации (CLAIM): руководство для авторов и рецензентов

Появление глубоких нейронных сетей как нового метода искусственного интеллекта (ИИ) привело к широкому внедрению таких технологий в медицину, особенно в области медицинской визуализации. Применение ИИ в этих целях должно оставаться основанным на фундаментальных принципах науки и научных публикаций (1). Научные результаты должны быть воспроизводимыми, а научная публикация должна достаточно подробно описывать работу авторов, чтобы читатели могли оценить ее строгость, качество и обобщаемость, а также потенциально воспроизвести полученные результаты. В настоящее время широко используются несколько ценных контрольных списков для подготовки рукописей, включая рекомендации по стандартам представления исследований диагностической точности (Standards for Reporting of Diagnostic Accuracy Studies, STARD) (2–5), рекомендации по улучшению представления результатов наблюдательных исследований в эпидемиологии (Strengthening the Reporting of Observational Studies in Epidemiology, STROBE) (6) и консолидированные стандарты представления результатов клинических исследований (Consolidated Standards of Reporting Trials, CONSORT) (7, 8). Для оценки качества радиомических исследований также была предложена шкала качества радиомики (9).