Guidelines International Network: Principles for Use of Artificial Intelligence in the Health Guideline Enterprise
Notice bibliographique
Résumé
DESCRIPTION: Artificial intelligence (AI) has been defined by the High-Level Expert Group on AI of the European Commission as "systems that display intelligent behaviour by analysing their environment and taking actions-with some degree of autonomy-to achieve specific goals." Artificial intelligence has the potential to support guideline planning, development and adaptation, reporting, implementation, impact evaluation, certification, and appraisal of recommendations, which we will refer to as "guideline enterprise." Considering this potential, as well as the lack of guidance for the use of AI in guidelines, the Guidelines International Network (GIN) proposes a set of principles for the development and use of AI tools or processes to support the health guideline enterprise. METHODS: A GIN working group on AI developed these principles, informed by the results of a scoping review and practical examples, through iterative discussion. RECOMMENDATIONS: Eight principles were identified to adhere to when using AI in the guideline context: transparency, preplanning, additionality, credibility, ethics, accountability, compliance, and evaluation. These complementary principles are described in a comprehensive way, but they do not provide detailed instructions on how to use specific AI tools. Although these principles are expected to apply across different contexts and stages of the guideline enterprise, details on their implementation have some degree of flexibility. Guideline development groups choosing to use AI will be able to adequately implement the principles if they ensure aspects such as structured reporting on the use of AI tools, involvement of experts in AI, and allocation of funding for the adequate use of AI tools. The GIN principles may support guideline developers in the responsible and transparent use of AI to ensure trustworthy guidelines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,121 | 0,196 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,011 | 0,012 |
| Intégrité de la recherche | 0,024 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,013 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».