外媒 | 神经影像人工智能用于精神诊断存在偏见和临床适用性问题-普瑞纯证

一项上周在JAMA Network Open上发表的系统性综述评估了将基于神经影像的人工智能模型转化为直接的临床应用，如精神诊断，可能存在的风险。研究人员指出，缺乏生物标志物来指导精神诊断实践，增加了对基于人工智能和机器学习的神经影像方法的兴趣。这些模型旨在实现与基于临床医生的诊断相比，“客观、以症状为中心、个体化和神经生物学解释的精神疾病估计”。然而，研究人员指出，缺乏基于证据的这些工具的评估限制了它们在临床实践中的应用。为了填补这一研究空白，作者对1990年1月1日至2022年3月16日之间发表的517篇同行评审的、关于555个神经影像人工智能模型的精神诊断的全文研究进行了回顾，并通过Checklist for Critical Appraisal and Data Extraction for Systematic Reviews of Prediction Modeling Studies (CHARMS)和Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA)框架提取数据，评估每个模型的偏见风险和报告质量。还使用了来自Prediction Model Risk of Bias Assessment Tool (PROBAST)和修改后的基于图像的人工智能报告评估清单(CLEAR)的基准来评估偏见风险和报告质量。总体而言，461个模型被评为存在高偏见风险，特别是在分析领域，由于因素如样本量不足、模型性能检查不足和缺乏处理数据复杂性等。这些模型的报告质量也很差，所有文章都提供了不完整的验证报告。所有模型的平均报告完整性仅达到61.2%。这些发现表明，高偏见风险和报告质量差是神经影像人工智能模型用于精神诊断的临床适用性和可行性的重要障碍，研究人员指出。未来，作者建议在这个领域的工作需要更多的基于证据的评估和报告，以确保这些工具的临床应用和可行性。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。