Протокол разработки руководства по представлению отчетности (TRIPOD-AI) и инструмента оценки риска систематической ошибки (PROBAST-AI) для исследований диагностических и прогностических прогностических моделей на основе искусственного интеллекта

Введение: Декларация Transparent Reporting of a multivariable prediction model of Individual Prognosis Or Diagnosis (TRIPOD) и инструмент Prediction model Risk Of Bias ASsessment Tool (PROBAST) были опубликованы для улучшения представления и критической оценки исследований прогностических моделей в диагностике и прогнозировании. В этой статье описаны процессы и методы, которые будут использованы для разработки расширения декларации TRIPOD (TRIPOD-artificial intelligence, AI) и инструмента PROBAST (PROBAST-AI) для исследований прогностических моделей, в которых применялись методы машинного обучения.

Методы и анализ: TRIPOD-AI и PROBAST-AI будут разработаны в соответствии с опубликованными рекомендациями сети EQUATOR и будут включать пять этапов. На этапе 1 будут проведены два систематических обзора — во всех областях медицины и отдельно в онкологии — для оценки качества представления опубликованных исследований прогностических моделей на основе машинного обучения. На этапе 2 мы проведем консультации с разнородной группой ключевых заинтересованных сторон с использованием процесса Delphi для отбора пунктов, которые следует включить в TRIPOD-AI и PROBAST-AI. Этап 3 будет включать виртуальные консенсусные совещания для объединения и ранжирования ключевых пунктов, подлежащих включению в TRIPOD-AI и PROBAST-AI. На этапе 4 будут разработаны контрольный список TRIPOD-AI и инструмент PROBAST-AI, а также подготовлены сопроводительные статьи с разъяснениями и детализацией. На заключительном этапе, этапе 5, TRIPOD-AI и PROBAST-AI будут распространены через журналы, конференции, блоги, веб-сайты, включая ресурсы TRIPOD, PROBAST и сети EQUATOR, а также через социальные сети. TRIPOD-AI предоставит исследователям, работающим над исследованиями прогностических моделей на основе машинного обучения, руководство по представлению отчетности, которое поможет им отражать ключевые детали, необходимые читателям для оценки качества исследования и интерпретации его результатов, потенциально сокращая непроизводительные затраты исследований. Мы ожидаем, что PROBAST-AI поможет исследователям, практикующим врачам, авторам систематических обзоров и лицам, принимающим решения, критически оценивать дизайн, проведение и анализ исследований прогностических моделей на основе машинного обучения, предоставив надежный стандартизированный инструмент для оценки систематической ошибки.

Этика и распространение результатов: Одобрение этического комитета получено в Центральном университете Оксфорда 10 декабря 2020 г. (R73034/RE001). Результаты исследования будут распространены через публикации в рецензируемых журналах.

Номер регистрации PROSPERO: CRD42019140361 и CRD42019161764.