Kwaliteitsrichtlijnen voor voorspellende algoritmen gepubliceerd

Een internationale groep wetenschappers, waaronder de ELIXIR Machine Learning Focus Group, ontwikkelde een set richtlijnen voor betere rapporteringsstandaarden voor AI-methodes die biomedische data willen classificeren.

Trefwoorden: #artificiële intelligentie, #biomedisch, #research, #VUB

Lees verder

Nieuws

( Foto: ipopba - 123rf )

ENGINEERINGNET.BE - Voorbeelden van dergelijke methodes zijn voorspellers die op basis van genetische en andere gegevens met machine learning proberen vast te stellen of iemand aan een bepaalde zeldzame ziekte lijdt of op welk geneesmiddel een kankerpatiënt het best zou kunnen reageren.

De aanbevelingen werden gepubliceerd in het gerenommeerde vaktijdschrift Nature Methods en biedt checklist aan met aanbevelingen voor wie een supervised classificatiemethode voor de biologische en medische wetenschappen wil bouwen of publiceren.

Deze richtlijnen over wat moet worden gerapporteerd in wetenschappelijke papers maken dat de vorm en de kwaliteit van een nieuwe methode grondig kan worden beoordeeld en dat wordt voldaan aan reproduceerbaarheidsgaranties.

Toptijdschriften die verslag uitbrengen over nieuwe voorspellende AI-methoden worden dan ook geadviseerd om deze DOME-richtlijnen over te nemen. Hierdoor zorgen ook zij er mee voor dat de vooruitgang op het gebied van biomedische AI aan de hoogste normen voldoet, net zoals voor elk ander biomedisch hulpmiddel.

Klik hier om de publicatie in Nature Methods te lezen