人工智能医学影像分类研究的最佳实践与评审指南：提升可重复性与临床转化价值

这篇综述由医学影像信息学会（SIIM）机器学习教育分会撰写，针对AI医学影像分类研究提出系统化评审框架。文章构建了包含17项方法学要点的检查清单（如数据集划分[M-7]、参考标准定义[M-5]），强调ROC曲线、PR曲线等核心指标[R-4]的规范化报告，为提升AI研究的可重复性（reproducibility）和临床适用性提供实操指南。

　　

概述
医学影像信息学会（SIIM）机器学习教育分会针对AI医学影像分类研究存在的评审标准主观性问题，开发了结构化评审框架。该指南延续了先前图像分割研究的体系，聚焦分类任务特有的方法论挑战，通过标准化报告要求促进研究的严谨性（rigor）与临床相关性。

引言
随着AI在医学影像分类（如肿瘤分型、治疗反应预测）中的爆炸式应用，现有评审标准缺乏客观依据。本文系统梳理了WHO指南等现行标准在标签定义中的不足，提出通过明确研究目标[I-4]、文献综述深度[I-2]等要素构建可重复科学的基础。

方法
数据集规范要求详细说明来源（多中心/单中心）、存储格式（DICOM/NIfTI）及伦理审批[M-2]，特别强调患者级数据分区[M-7]和CT窗宽/窗位预处理[M-8]等细节。在模型构建环节，建议采用DenseNet121等成熟架构[M-10]，并通过He初始化权重提升训练稳定性。针对医学数据特性，提出采用马修斯相关系数（MCC）替代传统准确率指标[M-15]，并推荐Bootstrap法计算95%置信区间[M-16]。

结果
规范要求呈现STARD流程图[R-1]展示病例筛选过程，并需包含不同扫描设备（如3T MRI）的亚组分析[R-4]。特别指出在COVID-19分类等场景中，PR曲线比ROC曲线更能反映模型在类别不平衡数据中的表现。通过注意力热图[R-5]可视化模型决策依据被列为必要验证步骤。

讨论
作者警示当前研究普遍存在扫描参数异质性（如TR/TE差异）导致的泛化局限[D-4]，建议通过Defacing等脱敏技术[M-3]促进多中心数据共享。临床转化部分强调需明确AI辅助诊断在 workflow中的具体整合节点[D-2]，例如作为放射科医师预筛工具。

结论
该框架首次系统解决了AI影像分类研究的评审标准化问题，其核心价值在于将CLAIM等通用标准细化为可操作条款。未来需扩展至动态影像分析等新兴领域[C-3]，同时保持对联邦学习等隐私保护技术的适应性更新。

代码
虽鼓励开源（PyTorch 1.4.0等版本需明确标注[Co-1]），但承认医疗数据敏感性可能限制代码共享，建议通过合成数据（synthetic data）部分公开验证。