人工智能干预临床试验研究方案报告规范指南：SPIRIT-AI扩展版(2020)解读

中国医药导刊 ›› 2020, Vol. 22 ›› Issue (10): 692-697.

• 人工智能干预性临床试验研究 • 上一篇下一篇

人工智能干预临床试验研究方案报告规范指南：SPIRIT-AI扩展版(2020)解读

刘明1，高亚1，史纪元1，邢丽娜1，康迎英2，田金徽1，3*

1. 兰州大学循证医学中心，甘肃兰州 730000；
2. 兰州大学基础医学院，甘肃兰州 730000；
3. 甘肃省循证医学与临床转化重点实验室，甘肃兰州 730000

收稿日期:2020-10-21 修回日期:2020-10-21 出版日期:2020-10-28 发布日期:2020-10-28
基金资助:
甘肃省循证医学与临床转化重点实验室开放基金(项目编号：20170203；项目名称：循证医学方法学研究)

Guidelines for the Reporting of Clinical Trial Research Protocols for Intervention Involving Artificial Intelligence： Interpretation of SPIRIT-AI Extension (2020)

1. Evidence-based Medicine Center Lanzhou University， Gansu Lanzhou 730000， China；
2. School of Basic Medical Sciences of Lanzhou University， Gansu Lanzhou 730000， China；
3. Key Laboratory of Evidence-based Medicine and Knowledge Translation of Gansu Province， Gansu Lanzhou 730000， China

Received:2020-10-21 Revised:2020-10-21 Online:2020-10-28 Published:2020-10-28
Contact: Jinhui HuiTian E-mail:tjh996@163.com

摘要/Abstract

摘要： 临床试验研究方案的公开与发表有利于提高临床试验研究设计与方法报告的透明度，提高临床试验研究质量，并最终促使试验结果顺利通过同行评议、得到大量推广与应用。为更好地规范临床试验研究方案，临床试验研究方案报告规范指南 [Standard Protocol Items： Recommendations for Interventional Trials， SPIRIT] （2013）应运而生。2020年9月8日，涉及人工智能（AI）干预的SPIRIT（SPIRIT-AI）扩展版(2020)正式在线发表。SPIRIT-AI扩展版(2020)是在SPIRIT (2013)的基础上进行的扩增，并经历成立工作组、邀请并获取参与者知情同意、生存初始条目清单、德尔菲调查、共识会议和撰写六个步骤；共对12个条目进行了延伸，对另外3个条目进行了更详细阐述，有助于AI干预试验研究方案的撰写和报告，提高AI干预临床试验方案的透明度和完整性，并最终提高临床干预试验质量。现本研究对SPIRIT-AI扩展版(2020)进行解读，以期为相关研究工作者的实践应用提供借鉴和帮助。

关键词: font-size:medium, ">人工智能；临床试验；报告规范； SPIRIT-AI扩展版（2020）

Abstract: The publicity and publication of clinical trial research protocols is conducive to improving the transparency of clinical trial research design and method reports， which can improve the quality of clinical trial research， and ultimately urg the trial results to successfully pass peer review and be widely promoted and applied. In order to better standardize clinical trial research programs， Standard Protocol Items： Recommendations for Interventional Trials（SPIRIT）（2013）came into being. On September 8， 2020， the SPIRIT-AI Extension (2020) involving artificial intelligence (AI) intervention was officially published online. The SPIRIT-AI Extension (2020) is an expansion based on SPIRIT (2013)，which went through six steps of setting up working group， inviting and obtaining participants' informed consent， a list of initial entries for survival， a Delphi survey， consensus meetings， and writing.And it extends 12 items， and elaborates on the other 3 items.The SPIRIT-AI extension (2020) will contribute to the writing and reporting of AI intervention trial protocols，improve the transparency and integrity of the AI intervention clinical trial program， and improve the quality of intervention clinical trials ultimately. This article is now interpreting the SPIRIT-AI extended (2020)， in order to provide reference and help for the practical application of relevant researchers.

Key words: font-size:medium, ">Artificial intelligence； Clinical trials； Guidelines； SPIRIT-AI Extension (2020)

中图分类号:

刘明, 高亚, 史纪元, 邢丽娜, 康迎英, 田金徽, . 人工智能干预临床试验研究方案报告规范指南：SPIRIT-AI扩展版(2020)解读[J]. 中国医药导刊, 2020, 22(10): 692-697.

LIU Ming, GAO Ya, SHI Jiyuan, XING Lina, KANG Yingying, TIAN Jinhui, . Guidelines for the Reporting of Clinical Trial Research Protocols for Intervention Involving Artificial Intelligence： Interpretation of SPIRIT-AI Extension (2020)[J]. CHINESE JOURNAL OF MEDICINAL GUIDE, 2020, 22(10): 692-697.

参考文献

[1]谢俊祥，张琳. 国内外医疗人工智能战略及细分领域现状分析[J]. 医学信息学杂志， 2020， 41(6)：2-7，14.
     [2]Abràmoff MD， Lou Y， Erginay A， et al. Improved automated detection of diabetic retinopathy on a publicly available dataset through integration of deep learning[J]. Invest Ophthalmol Vis Sci， 2016， 57：5200-5206.
     [3]McKinney SM， Sieniek M， Godbole V， et al. International evaluation of an AI system for breast cancer screening[J]. Nature， 2020， 577(7788)：89-94.
     [4]Fleuren LM， Klausch TLT， Zwager CL， et al. Machine learning for the prediction of sepsis： a systematic review and meta-analysis of diagnostic test accuracy[J]. Intensive Care Med， 2020， 46：383-400.
     [5]De Fauw J， Ledsam JR， Romera-Paredes B， et al. Clinically applicable deep learning for diagnosis and referral in retinal disease[J]. Nat Med， 2018， 24：1342-1350.
     [6]Kim H， Goo JM， Lee KH， et al. Preoperative CT-based deep learning model for predicting disease-free survival in patients with lung adenocarcinomas[J]. Radiology， 2020， 296：216-224.
     [7]Wang P， Berzin TM， Glissen Brown JR， et al. Real-time automatic detection system increases colonoscopic polyp and adenoma detection rates： a prospective randomized controlled study[J]. Gut， 2019， 68：1813-1819.
     [8]Tyler NS， Mosquera-Lopez CM， Wilson LM， et al. An artificial intelligence decision support system for the management of type 1 diabetes[J]. Nat Metab， 2020， 2：612-619.
     [9]Chan AW， Tetzlaff JM， Altman DG， et al. SPIRIT 2013 statement： defining standard protocol items for clinical trials[J]. Ann Intern Med， 2013， 158：200-207.
     [10]Chan AW， Tetzlaff JM， Gotzsche PC， et al. Spirit 2013 explanation and elaboration： guidance for protocols of clinical trials[J]. BMJ， 2013， 346： e7586.
     [11]Grant S， Mayo-Wilson E， Montgomery P， et al. CONSORT-SPI 2018 explanation and elaboration： guidance for reporting social and psychological intervention trials[J]. Trials， 2018， 19(1)：406.
     [12]Wang P， Berzin TM， Glissen Brown JR， et al. Real-time automatic detection system increases colonoscopic polyp and adenoma detection rates： a prospective randomized controlled study[J]. Gut， 2019， 68：1813-1819.
     [13]Gong D， Wu L， Zhang J， et al. Detection of colorectal adenomas with a real-time computer-aided system (ENDOANGEL)： a randomized controlled study[J]. Lancet Gastroenterol Hepatol， 2020， 5：352-361.
     [14]CONSORT-AI and SPIRIT-AI Steering Group. Reporting guidelines for clinical trials evaluating artificial intelligence interventions are needed[J]. Nat Med， 2019， 25：1467-1468.
     [15]Rivera SC， Liu X， Chan AW， et al. Guidelines for clinical trial protocols for interventions involving artificial intelligence： the SPIRIT-AI Extension[J]. BMJ， 2020， 370：m3210.
     [16]赵晶晶，龙泳，刘学东. 2013临床试验方案规范指南(SPIRIT)及其解读[J]. 中国循证儿科杂志， 2014， 9(5)：381-388.
     [17]钟丽丹，郑颂华，吴泰相，等. SPIRIT2013声明：定义临床研究方案的标准条目[J]. 中国中西医结合杂志， 2014， 34(1)：115-122.
     [18]Wijnberge M， Geerts BF， Hol L， et al. Effect of a machine learning derived early warning system for intraoperative hypotension vs standard care on depth and duration of intraoperative hypotension during elective noncardiac surgery： the HYPE randomized clinical trial[J]. JAMA， 2020， 323(11)：1052-1060.
     [19]Finlayson SG， Bowers JD， Ito J， et al. Adversarial attacks on medical machine learning[J]. Science， 2019， 363(6433)：1287-1289.
     [20]Kelly CJ， Karthikesalingam A， Suleyman M， et al. Key challenges for delivering clinical impact with artificial intelligence[J]. BMC Med， 2019， 17：195.
     [21]Oakden-Rayner L， Dunnmon J， Carneiro G， et al. Hidden stratification causes clinically meaningful failures in machine learning for medical imaging[C]. Proceedings of the ACM conference on health， inference， and learning New York： Association for Computing Machinery， 2020， 151-159.
     [22]Dai L， Cheng CW， Tian R， et al. Standard Protocol Items for Clinical Trials with Traditional Chinese Medicine 2018： Recommendations， Explanation and Elaboration (SPIRIT-TCM Extension 2018) [J]. Chin J Integr Med， 2019， 25(1)：71-79.
     [23]Porcino AJ， Shamseer L， Chan AW， et al. SPIRIT extension and elaboration for n-of-1 trials： SPENT 2019 checklist[J]. BMJ，2020，368：m122.

快速检索引用检索图表检索高级检索

人工智能干预临床试验研究方案报告规范指南：SPIRIT-AI扩展版(2020)解读

Guidelines for the Reporting of Clinical Trial Research Protocols for Intervention Involving Artificial Intelligence： Interpretation of SPIRIT-AI Extension (2020)

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	廖娟, 覃姣玉, 王建超, 玉叶, 文彬, 邓鑫. “以平为期”治则在治疗新冠肺炎的应用[J]. 中国医药导刊, 2020, 22(9): 593-598.
[2]	刘可可, 吴倍华, 乔依白, 姚松梅, 奚斌, 陈萌蕾, 成文武. 晚期癌症患者的社区三阶梯疼痛治疗效果评价[J]. 中国医药导刊, 2020, 22(9): 599-603.
[3]	陈小兰, 朱琪. 中医在非酒精性脂肪性肝病治疗中的运用探讨[J]. 中国医药导刊, 2020, 22(9): 604-606.
[4]	李建垒, 曹向阳, 宋永伟. 保守治疗神经根型颈椎病的研究现状[J]. 中国医药导刊, 2020, 22(9): 607-610.
[5]	吴敏, 张洁. 颞下颌关节紊乱病的针灸推拿治疗研究进展[J]. 中国医药导刊, 2020, 22(9): 611-614.
[6]	程明荣, 戴德坚. 疏血通联合乌司他丁治疗高脂血症性胰腺炎对肠道激素和脂肪因子的影响[J]. 中国医药导刊, 2020, 22(9): 615-619.
[7]	王雪芳, 孙科佳, 彭红霞. 小儿肺咳颗粒联合阿奇霉素对喘息性支气管炎患儿肺功能及炎性因子的影响[J]. 中国医药导刊, 2020, 22(9): 620-623.
[8]	黄文忠, 曹红霞. 柴胡桂枝干姜汤临床应用与认识[J]. 中国医药导刊, 2020, 22(9): 624-626.
[9]	刘大锐, 李报春. 复合型右肺大细胞神经内分泌癌1例并文献复习[J]. 中国医药导刊, 2020, 22(9): 627-630.
[10]	王永军, 王舒颖, 张婷婷, 李晗怡, 李环. 11月龄全内脏反位支气管肺炎患儿病例报告1例[J]. 中国医药导刊, 2020, 22(9): 631-633.
[11]	王权, 杨珂璐, 王铸, 田金徽, 叶颖江, 王杉, 姜可伟. 单细胞测序技术的文献计量学研究及热点应用[J]. 中国医药导刊, 2020, 22(9): 634-641.
[12]	马静, 贾红政, 田亮玉, 李文茜, 贾永涛. 基于《临床用药须知》成方制剂中地黄及其炮制品的合理应用研究[J]. 中国医药导刊, 2020, 22(9): 642-645.
[13]	吕晓峰, 周鹏, 刘瑞霞, . 我院600例呼吸科住院患者抗菌药物使用情况分析[J]. 中国医药导刊, 2020, 22(9): 646-649.
[14]	杜林林, 梁毅, 周亚娴, 陶浪, 李韬, 李慧强. 以质量管理为突破的药品智慧监管新尝试——基于贵阳信息化案例分析[J]. 中国医药导刊, 2020, 22(9): 650-653.
[15]	李丽静, 黎运达, 包淑娟, 李木子, 赵锦, 刘新成. 区块链+特许药械追溯管理的实践与思考[J]. 中国医药导刊, 2020, 22(9): 654-658.