در دهه های اخیر ، فناوری های جدید امکان توسعه انواع وسیعی از سیستم ها را فراهم کرده است که می توانند حجم عظیمی از داده های زیست پزشکی را تولید کنند . در عین حال ، امکانات کاملاً جدیدی برای بررسی و ارزیابی این داده ها با استفاده از روش های هوش مصنوعی ایجاد شده است.

این پتانسیل عظیم سیستم های هوش مصنوعی منجر به تعداد زیادی از برنامه های کاربردی هوش مصنوعی زیست پزشکی می شود. تصمیمات هوش مصنوعی همیشه برای انسان قابل درک نیست و نتایج به ندرت به طور کامل قابل تکرار است. این وضعیت به ویژه در تحقیقات بالینی غیرقابل تحمل است ، جایی که اعتماد به مدل های هوش مصنوعی و گزارش های شفاف تحقیق برای افزایش پذیرش الگوریتم های هوش مصنوعی و توسعه روش های بهبود یافته هوش مصنوعی برای تحقیقات بنیادی پزشکی ضروری است.

برای رسیدگی به این مشکل ، یک تیم تحقیقاتی بین المللی شامل محققان FAU ثبت AIMe را برای هوش مصنوعی در تحقیقات پزشکی پیشنهاد کرده است ، یک رجیستری مبتنی بر جامعه که به کاربران هوش مصنوعی جدید پزشکی این امکان را می دهد تا گزارش هایی به راحتی در دسترس ، قابل جستجو و قابل استناد ایجاد کنند. این رجیستری با دسترسی آزاد به صورت آنلاین در دسترس است و شامل یک وب سرویس کاربر پسند است که کاربران را از طریق استاندارد AIMe راهنمایی می کند و آنها را قادر می سازد تا گزارشهای کامل و استانداردی را در مورد مدلهای هوش مصنوعی مورد استفاده ایجاد کنند.

یک شناسه منحصر به فرد AIMe به طور خودکار ایجاد می شود ، که اطمینان می دهد که گزارش پایدار است و می تواند در انتشارات مشخص شود. بنابراین ، نویسندگان مجبور نیستند با توصیف وقت گیر همه جنبه های هوش مصنوعی مورد استفاده در مقالات مجلات علمی مقابله کنند و به سادگی به گزارش موجود در ثبت AIMe مراجعه کنند.

از آنجا که رجیستری به عنوان یک بستر وب طراحی شده است که توسط جامعه علمی نگهداری می شود ، هر کاربر می تواند در مورد گزارش های موجود سوال بپرسد ، نظر دهد یا پیشرفت هایی را پیشنهاد دهد. این بازخورد از جامعه نیز در به روزرسانی سالانه استاندارد AIMe گنجانده خواهد شد و محققان علاقمند می توانند به کمیته هدایت AIMe بپیوندند تا در استانداردسازی بیشتر هوش مصنوعی زیست پزشکی مشارکت بیشتری داشته باشند.

201000606.198