Veterinärpathologie: Neue 9-Punkte-Checkliste verbessert KI-Studien
Ausgebildete Patholog:innen gelten als der Goldstandard für die Analyse histologischer Bilder in der Veterinär- und translationalen Forschung. Allerdings wird mehr und mehr die automatisierte Bildanalyse auf Basis künstlicher Intelligenz (AIA, artificial intelligence based automated image analysis) genutzt. Diese Methode verspricht eine Revolutionierung der histologischen Bewertung – auch in Forschungsarbeiten. Vor diesem Hintergrund hat nun ein europäisches und US-amerikanisches Forschungsteam unter Leitung der Veterinärmedizinischen Universität Wien eine 9-Punkte-Checkliste entwickelt. Sie soll für KI-basierte Studien ein Höchstmaß an Qualität garantieren.
Die Generierung reproduzierbarer Daten über Studien hinweg und die Fähigkeit, räumliche Informationen aus ganzen Gewebeschnitten zu extrahieren, sind aufgrund von AIA greifbare Ziele. Eine Vielzahl proprietärer und quelloffener Software ermöglicht es heute zudem auch Veterinärpatholog:innen mit geringen Kenntnissen in Informatik und künstlicher Intelligenz (KI), selbst AIA-Algorithmen zu entwickeln und anzuwenden. Wissenschaftliche Qualitätsmaßstäbe für solche AIA-basierten Forschungsstudien fehlen bis dato allerdings.
Transparente und reproduzierbare Forschungsarbeiten – auch bei Einsatz von KI
Laut Studien-Erstautor Christof Bertram vom Zentrum für Pathobiologie der Vetmeduni geht es vor allem darum, was für eine transparente und reproduzierbare KI-Forschung erforderlich ist. „Insbesondere die kritischen Aspekte der Methodik sollten detailliert beschrieben und vorab definiert werden. Dadurch können Forschende sicherstellen, dass diese Schlüsselkomponenten berücksichtigt und in jede Veröffentlichung aufgenommen werden“, so Bertram.
Laut dem Veterinärpathologen sollen solche Berichtsrichtlinien darauf abzielen, Folgendes zu ermöglichen: „Erstens das Verständnis und die Bewertung der Studie durch Leser:innen und Gutachter:innen, einschließlich der Erkennung ihrer potenziellen Verzerrung. Zweitens die Reproduktion der Experimente durch andere Forschende und drittens die Implementierung des KI-Tools in die routinemäßige pathologische Praxis.“
In neun Schritten zu qualitativ besseren AIA-Studien
Vor diesem Hintergrund entwickelten die Studien-Autorin:innen – eine interdisziplinäre Gruppe aus Veterinärpatholog:innen mit KI-Forschungserfahrung, Wissenschafter:innen aus dem Bereich maschinelles Lernen und Wissenschaftsredakteur:innen – eine 9-Punkte-Checkliste. Der Schwerpunkt dieser Berichtsrichtlinie liegt auf KI-basierter AIA für mikroskopische Bilder, da dies derzeit die Hauptanwendung von KI in der Pathologie ist. „Wir erwarten uns von der Implementierung der 9-Punkte-Checkliste in die Forschungspraxis eine klare Orientierung für Studien-Autor:innen, Reviewer:innen und Herausgeber:innen wissenschaftlicher Arbeiten. Unsere Checkliste soll dabei helfen, auch bei Einsatz von KI-Instrumenten eine wirkungsvolle Forschung zu gewährleisten“, erklärt Bertram.
Wissenschaftlicher Ansprechpartner:
Rückfragekontakt:
Ass.-Prof. Dr.med.vet. Christof Bertram, PhD, Dipl.ACVP
Zentrum für Pathobiologie
Veterinärmedizinische Universität Wien (Vetmeduni)
christof.bertram@vetmeduni.ac.at
Originalpublikation:
Der Artikel „Reporting guidelines for manuscripts that use artificial intelligence–based automated image analysis in Veterinary Pathology“ von Christof A. Bertram, Melissa Schutten, Lorenzo Ressel, Katharina Breininger, Joshua D. Webster und Marc Aubreville wurde in „Veterinary Pathology“ veröffentlicht.https://journals.sagepub.com/doi/10.1177/03009858251344320
Die semantisch ähnlichsten Pressemitteilungen im idw
