అధ్యయనం AI ఆరోగ్య డేటా మూలంలో ఆందోళనకరమైన ఖాళీలను వెల్లడించింది
స్ట్రోక్ మరియు మధుమేహం వంటి ఆరోగ్య ప్రమాదాలను అంచనా వేయడానికి రూపొందించిన కృత్రిమ మేధస్సు నమూనాలు, వాటి మూలాలను ధృవీకరించలేని డేటాసెట్లపై నిర్మించబడి ఉండవచ్చని BMC మెడిసిన్లో ప్రచురించిన కొత్త పరిశోధన ప్రకారం తెలుస్తోంది. క్వీన్స్ల్యాండ్ యూనివర్శిటీ ఆఫ్ టెక్నాలజీ (QUT) మరియు ఆస్ట్రేలియన్ సెంటర్ ఫర్ హెల్త్ సర్వీసెస్ ఇన్నోవేషన్ (AusHSI) పరిశోధకులు నేతృత్వంలోని ఈ అధ్యయనం, డేటాసెట్లు మరియు మెషిన్-లెర్నింగ్ వనరులను పంచుకోవడానికి ప్రసిద్ధ ఆన్లైన్ ప్లాట్ఫారమ్ అయిన Kaggleలో హోస్ట్ చేయబడిన రెండు విస్తృతంగా డౌన్లోడ్ చేయబడిన ఆరోగ్య డేటాసెట్లను పరిశీలించింది. ఈ ఫలితాలు కొన్ని AI-ఆధారిత క్లినికల్ సాధనాల పునాదిలో కీలకమైన లోపాన్ని హైలైట్ చేస్తున్నాయి.
125 పీర్-రివ్యూడ్ అధ్యయనాలలో ఉపయోగించిన డేటాసెట్లు
ప్రశ్నార్థకమైన రెండు డేటాసెట్లు 125 పీర్-రివ్యూడ్ అధ్యయనాలలో ఉపయోగించబడినట్లు కనుగొనబడ్డాయి, అయినప్పటికీ అవి డేటా ఎక్కడ నుండి వచ్చింది, అది ఎలా సేకరించబడింది లేదా అది నిజమైన రోగులను సూచిస్తుందా అనే దాని గురించి దాదాపు ఎటువంటి సమాచారాన్ని అందించలేదు. QUT యొక్క స్కూల్ ఆఫ్ పబ్లిక్ హెల్త్ అండ్ సోషల్ వర్క్ మరియు AusHSI నుండి ప్రధాన రచయిత అలెగ్జాండర్ గిబ్సన్ ఈ ఆవిష్కరణపై ఆశ్చర్యం వ్యక్తం చేశారు. “ఇలాంటిది ఎదుర్కోవడం చాలా పెద్ద ఆశ్చర్యం,” అని గిబ్సన్ అన్నారు. “ఈ డేటాసెట్లు వాటి ప్రామాణికత మరియు క్లినికల్ పరిశోధనకు అనుకూలత గురించి తీవ్రమైన ప్రశ్నలను లేవనెత్తే అసాధారణ నమూనాలను ప్రదర్శిస్తాయి.”
క్లినికల్ ప్రభావం మరియు పేటెంట్ సూచనలు
డేటా ఆధారంగా మూడు అంచనా నమూనాలు క్లినికల్ ప్రాక్టీస్లో ఉపయోగించినట్లు సాక్ష్యాలు ఉన్నాయి. ఒక నమూనా వైద్య పరికర పేటెంట్లో సూచించబడింది, మరియు నమూనాలు 86 సమీక్షా కథనాలలో ప్రస్తావించబడ్డాయి. అంతర్లీన డేటా యొక్క సందేహాస్పద మూలం ఉన్నప్పటికీ, ఈ నమూనాలు వాస్తవ-ప్రపంచ వైద్య నిర్ణయాలు మరియు ఆవిష్కరణలను ప్రభావితం చేశాయని ఇది సూచిస్తుంది.
అవసరమైన డేటా-మూల ప్రమాణాలపై సున్నా స్కోరు
ఈ అధ్యయనం అంతర్జాతీయంగా గుర్తింపు పొందిన TRIPOD+AI రిపోర్టింగ్ ఫ్రేమ్వర్క్ను ఉపయోగించి డేటాసెట్లను అంచనా వేసింది, ఇది అంచనా మోడల్ అధ్యయనాల పారదర్శకత మరియు సంపూర్ణతను మూల్యాంకనం చేస్తుంది. డేటాసెట్లు అవసరమైన డేటా-మూల ప్రమాణాలపై 9కి 0 స్కోరు సాధించాయి, ఇది వాటి మూలాల గురించి ధృవీకరించదగిన సమాచారం పూర్తిగా లేకపోవడాన్ని సూచిస్తుంది. ఇది జర్నల్స్, డెవలపర్లు మరియు వైద్యులకు ఎర్రజెండా అయి ఉండాలని గిబ్సన్ హెచ్చరించారు. “తెలియని మూలం యొక్క డేటాపై నిర్మించిన అంచనా నమూనాలకు క్లినికల్ నిర్ణయం తీసుకోవడంలో స్థానం లేదు. నమ్మదగిన డేటా లేకుండా, అవుట్పుట్లు నమ్మదగనివి మరియు వైద్యులను తప్పుదారి పట్టించడం మరియు రోగులకు హాని కలిగించడం ప్రమాదం,” అని ఆయన అన్నారు.
బలమైన బహిర్గతం అవసరాలకు పిలుపు
రచయితలు జర్నల్స్, నిధుల సంస్థలు మరియు డేటా రిపోజిటరీలు డేటా-మూల బహిర్గతం కోసం అవసరాలను బలోపేతం చేయాలని సిఫార్సు చేస్తున్నారు. తదుపరి దుర్వినియోగాన్ని నివారించడానికి రెండు Kaggle డేటాసెట్లను తొలగించాలని కూడా వారు సూచిస్తున్నారు. ఈ డేటాసెట్లను ఉపయోగించిన ఏడు కథనాలు ఇప్పటికే నమ్మదగనివిగా జర్నల్స్ నుండి ఉపసంహరించబడ్డాయి. అధ్యయనం యొక్క ఫలితాలు పరిశోధన సమగ్రతను నిర్ధారించడానికి వనరులను అందించే కలెక్షన్ ఆఫ్ ఓపెన్ సైన్స్ ఇంటెగ్రిటీ గైడ్లను కూడా నవీకరించాయి.
హెల్త్కేర్లో AI కోసం విస్తృత చిక్కులు
హెల్త్కేర్లో AI సాధనాలు విస్తరిస్తున్నందున ఈ సమస్య విస్తృత సవాలును ప్రతిబింబిస్తుందని గిబ్సన్ పేర్కొన్నారు. బలమైన డేటా మూల ప్రమాణాలు లేకుండా, లోపభూయిష్ట నమూనాలను క్లినికల్ ప్రాక్టీస్లో మోహరించే ప్రమాదం పెరుగుతుంది. రోగి ఫలితాలను ప్రభావితం చేసే AI నమూనాలకు శిక్షణ ఇవ్వడానికి డేటాసెట్లను ఉపయోగించే ముందు వాటి కఠినమైన ధ్రువీకరణ అవసరాన్ని ఈ అధ్యయనం నొక్కి చెబుతుంది.
రంగానికి సిఫార్సులు
- AI అంచనా నమూనాలను ఉపయోగించే ఏదైనా అధ్యయనానికి జర్నల్స్ వివరణాత్మక డేటా మూల సమాచారం అవసరం చేయాలి.
- నిధుల సంస్థలు డేటా సేకరణ మరియు భాగస్వామ్య పద్ధతులలో పారదర్శకతను తప్పనిసరి చేయాలి.
- Kaggle వంటి డేటా రిపోజిటరీలు డేటాసెట్లు కనీస మూల ప్రమాణాలను కలిగి ఉన్నాయని నిర్ధారించడానికి ధ్రువీకరణ ప్రక్రియలను అమలు చేయాలి.
- డేటా విశ్వసనీయతకు స్పష్టమైన సాక్ష్యం లేకుండా AI సాధనాలను స్వీకరించడం గురించి వైద్యులు జాగ్రత్తగా ఉండాలి.
ఈ ఫలితాలు AI మరియు వైద్య సంఘాలకు ఒక హెచ్చరిక కథగా పనిచేస్తాయి, హెల్త్కేర్లో AI యొక్క వాగ్దానం ఈ నమూనాలకు ఆధారమైన డేటా నమ్మదగినదిగా ఉంటేనే సాకారం కాగలదని నొక్కి చెబుతున్నాయి.
ఈ కథనం మెడికల్ ఎక్స్ప్రెస్ రిపోర్టింగ్ ఆధారంగా రూపొందించబడింది. అసలు కథనాన్ని చదవండి.
Originally published on medicalxpress.com
