搭建可复现性鸿沟：开源软件在标准化医疗 AI 中的作用

我们对近期 AI4H 论文的分析显示，尽管开放数据集和共享建模代码的趋势正在增长，但 74% 的 AI4H 论文仍依赖私有数据或不共享其代码。这在医疗应用中尤为令人担忧，因为信任是核心。此外，数据预处理流程的不一致性和文档不完整，导致即使针对相同任务和数据集，模型性能报告也有所不同，这使得评估 AI 模型的真实有效性提出了挑战。尽管复现性危机带来了挑战，但通过开放实践解决这些问题仍能获得显著收益。例如，尽管复现性 mandates 增加了研究和出版的额外工作量，但它显著提高了作品的影响力。我们的分析表明，使用公共数据集且共享代码的论文平均获得的引文数是那些既不使用公共数据集又不共享代码的论文的 110%——引文数翻了一倍以上。鉴于增强复现性的明确好处，AI4H 社区必须采取具体措施来克服现有障碍。社区应推广开放科学实践，建立数据预处理的标准化指南，并开发健壮的基准测试。通过开源开发来应对这些挑战，可提高复现性，这对于确保 AI 模型在患者护理中安全、有效且有益至关重要。这种方法有助于构建更可信的 AI 系统，可集成到医疗环境中，从而最终改善患者预后，推动医学领域的发展。