Um novo artigo em Patologia veterinária Introduz uma lista de verificação de 9 pontos projetada para melhorar a qualidade do relatório dos estudos que usam análise automatizada de imagem (AIA) baseada em inteligência artificial (AI). À medida que as ferramentas de IA se tornam mais amplamente utilizadas em pesquisas baseadas em patologia, surgiram preocupações sobre a reprodutibilidade e a transparência das descobertas publicadas.
Desenvolvido por uma equipe interdisciplinar de patologistas veterinários, especialistas em aprendizado de máquina e editores de periódicos, a lista de verificação descreve os principais detalhes metodológicos que devem ser incluídos nos manuscritos. Isso inclui criação de dados, treinamento de modelos, avaliação de desempenho e interação com o sistema de IA. O objetivo é apoiar a comunicação clara dos métodos e reduzir o viés cognitivo e algorítmico.
“Relatórios transparentes são críticos para a reprodutibilidade e para traduzir ferramentas de IA em fluxos de trabalho de patologia de rotina”, escrevem os autores. Eles enfatizam que a disponibilidade de suportar dados de dados como conjuntos de dados de treinamento, código-fonte e pesos do modelo é essencial para validação significativa e aplicação mais ampla.
As diretrizes destinam -se a ajudar autores, revisores e editores e serão particularmente úteis para envios para Patologia veterinária próxima edição especial na IA.
Fonte:
Referência do diário:
Bertram, CA, et al. (2025). Diretrizes de relatórios para manuscritos que usam análise de imagem automatizada baseada em inteligência artificial em patologia veterinária. Patologia veterinária. doi.org/10.1177/03009858251344320