与参与者等几所大学的一个国际研究小组的能力提出了一个标准化的注册中心人工智能(AI)在生物医学工作改善结果的再现性和建立信任的使用人工智能算法在生物医学研究,在未来,在日常临床实践中。科学家们在《自然方法》杂志上发表了他们的建议。
在过去的几十年里，新技术使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也出现了。例如，重症监护病房的人工智能算法可以通过同时处理来自不同来源的大量复杂信息，基于多个监测系统的大量数据，在早期预测循环故障，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的数量难以控制。不幸的是，相应的报告和出版物并不总是遵循最佳实践，或只提供有关所使用算法或数据来源的不完整信息。这使得评估和全面比较人工智能模型变得困难。人工智能的决策并不总是能被人类理解，其结果也很少能完全重现。这种情况是站不住的，尤其是在临床研究中，信任人工智能模型和透明的研究报告对于提高人工智能算法的接受度和开发用于基础生物医学研究的改进人工智能方法至关重要。
为了解决这一问题，一个包括来自FAU的研究人员在内的国际研究团队提出了生物医学研究人工智能AIMe注册，这是一个社区驱动的注册，可以让新的生物医学人工智能用户创建易于访问的，可搜索和可引用的报告，可以被科学界研究和审查。
该注册表可在网上免费访问，由用户友好的web服务组成，指导用户通过AIMe标准，并使他们能够生成所使用的人工智能模型的完整和标准化报告。自动创建唯一的AIMe标识符，以确保报表保持持久性，并可以在发布中指定。因此，作者不必处理科学期刊文章中所使用的人工智能的所有方面的耗时描述，而只需参考AIMe注册表中的报告。
由于注册表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的报告提出问题，作出评论或提出改进建议。来自社区的反馈也将被纳入AIMe标准的年度更新，有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。
AIMe注册表不仅可以方便地以可引用的形式报告人工智能方法，还包含一个数据库，可以搜索相关的现有人工智能系统。这可以防止人员重塑一个已经存在的方法,使他们更容易评估潜在的有用的人工智能方法评估是否足够深度,”大卫·b·布卢门撒尔博士教授的报告从生物医学网络科学实验室生物医学工程部门人工智能的能力。
