向临床医生和医疗保健利益相关者展示人工智能、深度学习和机器学习研究：包含指南和临床人工智能研究 (CAIR) 清单提案

背景和目的 - 人工智能 (AI)、深度学习 (DL) 和机器学习 (ML) 已成为骨科和医学领域的常见研究领域。工程师承担了大部分工作。虽然他们将研究结果提供给医疗保健专业人员，但能力和目标的差异给协作和知识交流带来了挑战。我们旨在通过促进医学人工智能和机器学习研究的创造者、研究人员、临床医生和读者之间的沟通，为临床医生提供人工智能研究的背景和理解。方法和结果 - 我们介绍了临床医生在人工智能研究中可能遇到的常见任务、注意事项和陷阱（包括方法论和伦理学方面）。我们将讨论以下主题：标记、缺失数据、训练、测试和过拟合。本文介绍了各种人工智能和机器学习任务的常见性能和结果指标，包括准确率、精确率、召回率、F1 分数、Dice 分数、曲线下面积和 ROC 曲线。我们还讨论了数据收集或共享方面在隐私、公平性、自主性、安全性、责任和义务方面的伦理考量。解读：我们制定了向临床医生报告医学人工智能研究的指南，以期达成更广泛的共识。拟议指南包含一份临床人工智能研究 (CAIR) 清单和具体的性能指标指南，用于展示和评估使用人工智能组件的研究。研究人员、工程师、临床医生和其他利益相关者可以使用这些提案指南和 CAIR 清单来阅读、展示和评估面向医疗保健领域的人工智能研究。