Le projet CHEER vise à standardiser l'utilisation de l'IA dans la recherche médicale
CHEER propose des lignes directrices pour un rapport clair sur les outils IA dans les études de santé.
Yaolong Chen, X. Luo, Y. C. Tham, M. Daher, Z. Bian, J. Estill, the CHEER working group
― 7 min lire
Table des matières
Récemment, l'intelligence artificielle (IA) est devenue un gros morceau de la recherche médicale. Cette nouvelle technologie aide pour des tâches comme la collecte de données, le contact avec les patients et le partage d'infos. Des outils comme ChatGPT et d'autres chatbots changent la façon dont les chercheurs et les pros de la santé bossent. Ces outils permettent des échanges entre les utilisateurs et l'IA, ouvrant de nouvelles voies pour améliorer les pratiques de santé et les méthodes de recherche.
Bien que ces chatbots IA créent des occasions intéressantes, ils viennent aussi avec des défis. Par exemple, l'utilisation de grands modèles linguistiques peut soulever des inquiétudes éthiques et de confidentialité des données. En plus, le risque de créer de fausses infos peut mener à des problèmes graves, y compris la fraude académique. Ces défis peuvent nuire au monde académique. À cause de ça, il est super important d'avoir des moyens clairs et cohérents de rapporter comment ces outils IA sont utilisés en recherche. Malgré que quelques revues et organismes académiques offrent des Directives, il n'y a pas de normes largement acceptées pour rapporter l'utilisation d'outils IA en recherche médicale.
Le Projet CHEER
Le projet CHEER (Chatbots et autres outils IA génératifs en recherche médicale) vise à créer une ligne directrice claire pour rapporter l'utilisation des outils IA dans les études. Cette ligne directrice couvrira des détails importants comme si des outils IA ont été utilisés, quel outil spécifique était impliqué, quelles parties de l'étude ils ont aidé, s'ils ont généré du contenu ou édité du langage, et si des vérifications manuelles ont été faites. En suggérant comment et où rapporter ces infos, CHEER cherche à rendre le processus de rapport plus simple. Cela aidera les chercheurs, les pros de la santé et les décideurs à évaluer la qualité des études utilisant des chatbots en recherche médicale.
CHEER s'inspire des directives de rapport existantes en recherche médicale, comme celles utilisées pour les essais cliniques et les études d'observation. Suivre CHEER ne va pas seulement améliorer le rapport de Recherches impliquant des chatbots, mais ça va aussi encourager le travail d'équipe et aider à construire des connaissances dans le domaine en rapide évolution de l'IA en santé.
Méthodologie de Développement
Pour créer les lignes directrices de rapport CHEER, le projet suivra une méthode soignée définie par une organisation fiable axée sur l'amélioration de la qualité de la recherche en santé. Ce processus inclut des revues et la collecte d'opinions d'experts pour créer une liste de contrôle pour rapporter l'utilisation des outils IA. Le projet CHEER a commencé le 1er juillet 2023 et se poursuivra jusqu'à la fin juillet 2024. Le travail a reçu l'approbation du Comité d'Éthique d'un institut de science des données de santé.
Qui est derrière CHEER ?
Le projet CHEER est mené par une équipe d'un centre de médecine basée sur des preuves d'une université, avec d'autres organisations liées. Le projet a deux coordinateurs principaux et un chercheur principal qui sera le contact principal pour toute communication concernant le projet.
Financement
Le projet est financé par des fonds de recherche d'une académie médicale, s'assurant qu'il n'y a pas d'influence de la part des entreprises pharmaceutiques ou d'autres parties extérieures. Les fonds couvriront les services nécessaires, les matériaux, les déplacements et les coûts de publication tout au long du processus de développement du CHEER.
Pour qui est CHEER ?
CHEER est conçu pour aider divers groupes, y compris les chercheurs, les médecins, les rédacteurs de revues, les auteurs et les pairs examinateurs. L'objectif est de faciliter l'utilisation et l'évaluation des outils IA et des chatbots lors de l'écriture de recherches médicales.
Comment CHEER sera développé
Créer la liste de contrôle de rapport CHEER se fera en trois étapes principales :
Étape 1 : Préparation du Travail
Cette étape consiste à mettre en place un groupe d'experts, à rassembler les premiers éléments à revoir et à discuter de ces éléments. Il y aura quatre groupes d'experts impliqués :
-
Comité Consultatif : Composé de quelques experts de haut niveau sur les outils IA, ce groupe donnera des conseils pendant le développement des lignes directrices.
-
Équipe Core : Ce groupe, constitué de membres du centre de médecine basée sur des preuves, dirigera le projet, fera des revues, créera les premiers éléments et rédigera le rapport final.
-
Groupe d'Experts Delphi : Une équipe d'experts mondiaux qui proposera des changements à la liste de contrôle CHEER et votera sur les éléments finaux.
-
Équipe de Coordination : Un petit groupe chargé de garder tout organisé, de communiquer avec les experts et de gérer les réunions.
Pendant cette première étape, une revue sera effectuée sur l'utilisation des outils IA dans les chatbots. L'équipe cherchera des articles pertinents et se concentrera sur la littérature discutant des outils comme ChatGPT. Ils rassembleront des aspects clés rapportés dans les études actuelles ayant utilisé des outils IA et évalueront les directives existantes pour l'utilisation de l'IA dans les meilleures revues médicales.
Étape 2 : Collecte d'Opinions d'Experts
Après avoir créé une liste initiale d'éléments, une enquête sera envoyée aux experts en utilisant une méthode appelée la méthode Delphi modifiée. L'objectif est d'atteindre un consensus sur ce qui doit être inclus dans la liste de contrôle CHEER. L'enquête permettra aux experts de noter chaque élément, avec des scores allant de 1 (fort désaccord) à 7 (fort accord). En fonction des résultats, les éléments seront soit inclus dans la liste de contrôle, discutés davantage, ou retirés. Après l'enquête, des réunions en ligne seront tenues pour recueillir des avis d'experts et affiner la liste de contrôle finale.
Étape 3 : Test et Partage
Une fois la liste de contrôle finalisée, les chercheurs seront invités à l'utiliser lors de la rédaction de leurs études impliquant des outils IA. Leurs retours seront collectés pour améliorer la liste de contrôle. Des experts de différents domaines médicaux seront également sollicités pour tester l'utilité et la fiabilité de la liste de contrôle CHEER.
En plus, des efforts seront faits pour traduire les lignes directrices CHEER en plusieurs langues, les rendant accessibles à un plus large public. Le projet contactera également des revues pour promouvoir l'utilisation de CHEER dans leurs instructions aux auteurs. Un site web dédié à CHEER sera créé pour tenir tout le monde informé des dernières mises à jour et des résultats de recherche.
Conclusion
Le projet CHEER vise à standardiser la façon dont les outils IA sont rapportés dans la recherche médicale. En établissant des lignes directrices claires, il espère aider les chercheurs à rapporter leurs découvertes avec précision. Cet effort est non seulement une réponse à l'utilisation croissante de l'IA dans la recherche, mais aussi une initiative tournée vers l'avenir qui va façonner le futur des études médicales. L'implication de divers experts et une approche détaillée de partage des lignes directrices positionnent CHEER comme une ressource vitale pour quiconque impliqué dans la recherche en santé liée à l'IA.
Pour résumer, CHEER est conçu pour assister tous les acteurs, des chercheurs aux rédacteurs de revues, dans l'utilisation et l'évaluation des outils IA de manière efficace. La stratégie complète pour partager et promouvoir CHEER garantira que les lignes directrices soient largement adoptées, aidant à l'intégrité de la recherche dans un paysage technologique en rapide évolution.
Titre: Protocol for developing the reporting guidelines for the use CHatbots and other gEnerative AI tools in mEdical Research (CHEER)
Résumé: BackgroundThe integration of artificial intelligence (AI) has revolutionized medical research, offering innovative solutions for data collection, patient engagement, and information dissemination. Powerful generative AI (GAI) tools like ChatGPT and other similar chatbots have emerged, facilitating user interactions with virtual conversational agents. However, the increasing use of GAI tools in medical research presents challenges, including ethical concerns, data privacy issues, and the potential for generating false content. These issues necessitate standardization of reporting to ensure transparency and scientific rigor. ObjectiveThe development of the CHatbots and other gEnerative AI tools in mEdical Research (CHEER) reporting guidelines aims to establish a comprehensive, standardized guideline for reporting the use of GAI tools in medical research. MethodsThe CHEER guidelines are being developed following the methodology recommended by the Enhancing the QUAlity and Transparency Of health Research (EQUATOR) network, involving scoping reviews and expert Delphi consensus. The process consists of three stages: preparatory work, Delphi survey, and testing and dissemination. The study is approved by the Ethics Committee of the Institute of Health Data Science at Lanzhou University (approval number: HDS-202406-01). Expected resultsThe CHEER project was launched in July 2023 by the Evidence-Based Medicine Center of Lanzhou University and the WHO Collaborating Centre for Guideline Implementation and Knowledge Translation, and is scheduled to conclude in July 2024. The expected outcome of the CHEER project is a reporting checklist, accompanied by relevant terminology, examples, and explanations, to guide stakeholders in better reporting the use of GAI tools. ConclusionCHEER aims to guide researchers, reviewers, and editors in the transparent and scientific application of GAI tools in medical research. By providing a standardized reporting framework, CHEER seeks to enhance the clarity, completeness, and integrity of research involving GAI tools, promoting collaboration, comparability, and cumulative knowledge generation in AI-driven healthcare technologies. Trial RegistrationWe registered this protocol on the EQUATOR Network (https://www.equator-network.org/library/reporting-guidelines-under-development/reporting-guidelines-under-development-for-other-study-designs/#CHEER).
Auteurs: Yaolong Chen, X. Luo, Y. C. Tham, M. Daher, Z. Bian, J. Estill, the CHEER working group
Dernière mise à jour: 2024-10-16 00:00:00
Langue: English
Source URL: https://www.medrxiv.org/content/10.1101/2024.10.15.24315506
Source PDF: https://www.medrxiv.org/content/10.1101/2024.10.15.24315506.full.pdf
Licence: https://creativecommons.org/licenses/by-nc/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.