Results of the Ninth Scientific Workshop of the European Crohn’s and Colitis Organisation (ECCO): artificial intelligence in IBD: regulatory and methodological considerations
Notice bibliographique
Résumé
With the rapid growth of artificial intelligence (AI) applications in the field of inflammatory bowel disease (IBD), an increasing number of regulatory and methodological considerations have become apparent. Currently, there remains much uncertainty and limited experience in the field of IBD regarding some of the regulatory and methodological pitfalls to be considered when developing and deploying AI applications for positive clinical and health system impact. Accordingly, an expert panel was convened by the European Crohn's and Colitis Organisation to review the published literature and provide an overview of key regulatory aspects for the application of AI in IBD. This article discusses and, where possible, provides guidance on key methodological and regulatory considerations for AI in IBD. Topics covered include: potential clinical application-focused algorithm design; ethical, moral and legal considerations; regulatory agency perspectives; an overview of regulatory submission and consideration of reimbursement. By providing clinicians with a primer to key regulatory and methodological considerations, we hope to accelerate knowledge translation and implementation of AI-enabled digital health innovations in clinical practice and ultimately improve outcomes for people living with and caring for those living with IBD.
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 | 0,117 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,014 | 0,007 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,019 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».