Credit:CC0 Public Domain一个由包括FAU在内的几所大学的参与者组成的国际研究团队提出了一个生物医学人工智能(AI)工作的标准化注册中心，以提高结果的可重复性，并在生物医学研究以及未来的日常临床实践中建立对AI算法使用的信任。科学家们在《自然方法》杂志上提出了他们的建议。在过去的几十年里，新技术使得开发各种各样的系统成为可能，这些系统可以产生大量的生物医学数据，例如在癌症研究中。与此同时，使用人工智能方法检查和评估这些数据的全新可能性已经出现。密集c语言中的AI算法是单位，例如，通过同时处理来自不同来源的大量复杂信息，可以基于来自多个监测系统的大量数据在早期预测循环衰竭，这远远超出了人类的能力。
人工智能系统的巨大潜力导致生物医学人工智能应用数量难以管理。不幸的是，相应的报告和出版物并不总是遵循最佳实践，或者只提供关于所用算法或数据来源的不完整信息。这使得人工智能模型的评估和综合比较变得困难。人工智能的决定并不总是能被人类理解，结果也很少能完全重现。这种情况是站不住脚的，尤其是在临床研究中，对人工智能模型和透明研究报告的信任对于提高人工智能算法的接受度以及为基础生物医学研究开发改进的人工智能方法至关重要。
为了解决这个问题，包括FAU研究人员在内的一个国际研究团队提出了AIMe生物医学研究人工智能注册中心，这是一个由社区驱动的注册中心，使新生物医学人工智能的用户能够创建易于访问、搜索和引用的报告，供科学界研究和审查。
可免费访问的登记册在网上提供，包括一个方便用户的网络服务，指导用户使用AIMe标准，并使他们能够就所使用的人工智能模型生成完整和标准化的报告。系统会自动创建一个唯一的AIMe标识符，以确保报告保持持久性，并且可以在出版物中指定。因此，作者不必处理科学期刊文章中对人工智能各个方面的耗时描述，只需参考AIMe注册中心的报告即可。
由于登记册被设计成一个由科学界维护的网络平台，每个用户都可以对现有报告提出问题、发表评论或提出改进建议。来自社区的这一反馈也将被纳入AIMe标准的年度更新中，感兴趣的研究人员可以加入AIMe指导委员会，更多地参与生物医学人工智能的进一步标准化。
他说:「AIMe注册处不但可以方便地以可引用的形式报告人工智能方法，更设有一个资料库，可供搜寻相关的现有人工智能系统。这阻止了研究人员重新发明一种已经存在的方法，并使他们更容易评估一种潜在有用的人工智能方法是否得到了足够深入的评估，”FAU生物医学工程人工智能系生物医学网络科学实验室的大卫·布卢门撒尔博士教授报告说。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
