创建了一个仪表板来跟踪所有与人类健康相关的人工智能研究 (aiforhealth.app) 使用微调的 BERT 模型

临床AI领域存在大量“研究浪费”。尽管有持续的炒作、希望和投资，但人工智能研究向床边医学的转化极其有限。

AI 研究的开展方式存在许多潜在问题，包括回收和再利用相同的不具代表性的数据集、评估方法不反映现实世界的情况、对来自 AI 可能影响最大的国家的研究人员和人群的充分包容，并专注于这些相同上下文中的算法改进（而不是解决在现实世界中部署的障碍）。一个问题是对 AI 研究的巨大格局缺乏统一的观点。像 PubMed 这样的索引引擎在任何搜索的敏感性和特异性之间都没有达到很好的平衡，并且搜索会导致大量的“箔条”。很难确定实际开发临床 AI 模型的研究，更不用说模型评估的特定方法或特定领域的研究，无需大量人工审核。手动尝试对已发表的 AI 研究的整个卷进行范围是困难的，并且不可重复。

这就是着手制作这个仪表板的原因，它使用 BERT-PubMed 模型来近乎实时地识别、分类和表征在 MEDLINE/PubMed 上索引的所有临床 AI 研究。我们有四个主要目标 - (1) 能够轻松识别进行 AI 模型开发的研究；(2) 准确识别以比较方式或前瞻性现实世界情况进行模型评估的研究——即那些理论上更接近部署的研究；(3) 实时绘制人工智能研究成果的全球分布和公平性；(4) 随着时间的推移跟踪临床 AI 的主要主题（包括专业、疾病、算法和数据类型）。

创建此仪表板是一项跨国工作，作者列在仪表板的“关于”选项卡中。

希望广泛分享它，以提高人们对临床 AI 研究中系统性问题的认识，并提供其他人能够进行自己的审查/研究工作的数据。

链接到仪表板

https://aiforhealth.app/

预印本链接

https://doi.org/10.1101/2021.11.23.21266758

代码链接

https://github.com/whizzlab