DOI: https://doi.org/10.1136/bmjebm-2025-113825
PMID: https://pubmed.ncbi.nlm.nih.gov/40360239
تاريخ النشر: 2025-05-13
المؤلف: Xufei Luo وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
تقدم الدراسة قائمة التحقق الخاصة بأدوات الذكاء الاصطناعي التوليدي في البحث الطبي (GAMER)، وهي إرشادات موحدة للتقارير تهدف إلى تعزيز الشفافية والنزاهة في البحث الطبي الذي يتضمن أدوات الذكاء الاصطناعي التوليدي (GAI). تم إجراء الدراسة من خلال دراسة دلفي دولية عبر الإنترنت، حيث شارك 51 خبيرًا من 26 دولة توصلوا إلى توافق حول تسعة عناصر أساسية للتقارير. تشمل هذه العناصر إعلانات عامة، مواصفات أدوات GAI، تقنيات التحفيز، دور GAI في الدراسة، إعلانات عن أي نماذج جديدة من GAI تم تطويرها، أقسام من المخطوطة التي ساعدت فيها الذكاء الاصطناعي، التحقق من المحتوى، خصوصية البيانات، وتأثير GAI على استنتاجات البحث.
تتناول قائمة التحقق GAMER التحديات الفريدة التي تطرحها GAI في البحث الطبي، مما يملأ فجوة كبيرة في ممارسات التقارير الحالية التي غالبًا ما تفتقر إلى التوحيد القياسي. على عكس الإرشادات السابقة التي تركز على حالات محددة، توفر GAMER إطارًا شاملاً قابلًا للتطبيق على جميع أنواع الأبحاث، مما يحسن من إمكانية التكرار والموثوقية في هذا المجال. يدعو المؤلفون إلى اعتماد واسع النطاق لإرشادات GAMER لتعزيز جودة ونزاهة الأبحاث المعتمدة على GAI في الطب، مع تسليط الضوء على فوائدها المحتملة للمؤلفين والمراجعين ومحرري المجلات على حد سواء.
مقدمة
تناقش مقدمة ورقة البحث التطور السريع والزيادة في شعبية أدوات الذكاء الاصطناعي التوليدي (GAI)، خاصة بعد إصدار ChatGPT 3.5 في أواخر عام 2022. لقد أظهرت هذه الأدوات، التي تم تدريبها على مجموعات بيانات متعددة الوسائط واسعة النطاق، وعدًا في تطبيقات طبية متنوعة، بما في ذلك اكتشاف الأدوية، تشخيص الأمراض، ومهام البحث الطبي مثل هيكلة المخطوطات، استخراج البيانات، والتحليل. ومع ذلك، فإن دمج GAI في البحث الطبي يثير تحديات كبيرة، بما في ذلك المخاوف بشأن أصالة المحتوى، خصوصية البيانات، الآثار الأخلاقية، وجودة بيانات التدريب.
لمعالجة هذه التحديات، يبرز المؤلفون الحاجة إلى إرشادات تقارير مخصصة لأدوات GAI في البحث الطبي. بينما تركز الإرشادات الحالية على تطبيقات الذكاء الاصطناعي العامة أو أدوات محددة، هناك نقص في الأطر الشاملة التي تشمل جميع أدوات GAI. استجابةً لذلك، اجتمع المؤلفون مع مجموعة دولية متعددة التخصصات من الخبراء لتطوير إرشادات أدوات الذكاء الاصطناعي التوليدي في البحث الطبي (GAMER). تهدف هذه الإرشادات إلى توفير متطلبات تقارير منظمة قابلة للتطبيق عبر مراحل وأنواع البحث المختلفة، مما يضمن الاستخدام الدقيق والشفاف لأدوات GAI في البحث الطبي مع تمييزها عن التطبيقات غير القائمة على GAI.
الطرق
في هذه الدراسة، أنشأ المؤلفون لجنة خبراء دولية متعددة التخصصات لإنشاء إرشادات GAMER للتقارير، مع الالتزام بالمنهجية المقترحة من شبكة تعزيز جودة وشفافية البحث الصحي (EQUATOR). شمل عملية التطوير تحليلًا شاملاً للإرشادات الحالية ذات الصلة والأدبيات. بالإضافة إلى ذلك، أجرى الباحثون مسح دلفي يتكون من جولتين، تلاها اجتماعات عبر الإنترنت مع الأعضاء لتعديل وإنهاء قائمة التحقق. ضمنت هذه الطريقة المنهجية شمولية الإرشادات وملاءمتها لتقارير البحث الصحي.
النتائج
في قسم النتائج من الدراسة، أسفر مسح دلفي والاجتماعات اللاحقة عبر الإنترنت عن رؤى مهمة بشأن العناصر قيد النظر. في البداية، تم تضمين سبعة عناصر في الجولة الأولى من مسح دلفي، حيث حققت جميعها درجة قبول متوسطة (≥6). ومع ذلك، تم اعتبار عنصر واحد يتعلق بإعلان المسؤولية عن استخدام الذكاء الاصطناعي التوليدي (GAI) زائداً وتمت إزالته لاحقًا. أنتجت الجولة الأولى 135 تعليقًا، مما أدى إلى إدخال أربعة عناصر جديدة للجولة الثانية، حيث تم تحقيق توافق حول ثلاثة منها.
خلال الجولة الثانية، تم جمع 130 تعليقًا إضافيًا، وتم توثيق النتائج، بما في ذلك الدرجات التفصيلية من كلا الجولتين، في الملاحق التكميلية عبر الإنترنت. تم أيضًا التوصل إلى توافق في اجتماعين عبر الإنترنت عقدا في 30 و31 مايو 2024، بمشاركة 14 و12 مشاركًا على التوالي. شملت المناقشات الرئيسية إزالة عنصرين من مسح دلفي والاتفاق على مراجعات المصطلحات والتنسيق للعناصر المتبقية. كما تم طلب تعليقات من خبراء خارجيين عبر نموذج عبر الإنترنت، مع تقديم ملخص للمناقشات والاقتراحات في الملاحق التكميلية.
المناقشة
تهدف إرشادات GAMER للتقارير، التي تم تطويرها من خلال عملية توافق دولية تضم 44 خبيرًا من مجالات متنوعة، إلى توحيد تقارير أدوات الذكاء الاصطناعي التوليدي (GAI) في البحث الطبي. تؤكد هذه المبادرة، المدعومة من قبل منظمات أكاديمية وصحية متنوعة، على أهمية الشفافية والمساءلة في استخدام أدوات GAI، التي يمكن أن تؤثر بشكل كبير على نتائج البحث. تتضمن الإرشادات قائمة تحقق تحتوي على تسعة عناصر محددة يجب على المؤلفين الإبلاغ عنها، مثل استخدام أدوات GAI، مواصفاتها، والتحقق من المحتوى الناتج. تهدف هذه الطريقة المنظمة إلى تعزيز نزاهة وجودة البحث الطبي الذي يتضمن GAI، مع معالجة المخاوف بشأن الاستخدام المحتمل غير السليم وموثوقية النتائج.
تم إبلاغ تطوير قائمة التحقق GAMER بالإرشادات الحالية مثل CONSORT-AI وSPIRIT-AI، مما يضمن إطارًا شاملاً ومنهجيًا. يبرز الانخراط العالي من الخبراء الطلب على مثل هذه الإرشادات، مما يعكس اعترافًا جماعيًا بالحاجة إلى ممارسات موحدة في المشهد المتطور بسرعة للذكاء الاصطناعي في الرعاية الصحية. من خلال تعزيز الالتزام بهذه المعايير للتقارير، تسعى إرشادات GAMER إلى تعزيز الثقة والوضوح في تطبيق أدوات GAI، مما يعود بالنفع في النهاية على المؤلفين والمراجعين ومحرري المجلات في جهودهم للحفاظ على معايير بحث عالية.
DOI: https://doi.org/10.1136/bmjebm-2025-113825
PMID: https://pubmed.ncbi.nlm.nih.gov/40360239
Publication Date: 2025-05-13
Author(s): Xufei Luo et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
The study presents the Generative Artificial intelligence tools in MEdical Research (GAMER) checklist, a standardized reporting guideline aimed at enhancing the transparency and integrity of medical research involving generative artificial intelligence (GAI) tools. Conducted through an international online Delphi study, the research involved 51 experts from 26 countries who reached a consensus on nine essential reporting items. These items include general declarations, specifications of GAI tools, prompting techniques, the role of GAI in the study, declarations of any new GAI models developed, sections of the manuscript assisted by AI, content verification, data privacy, and the impact of GAI on research conclusions.
The GAMER checklist addresses the unique challenges posed by GAI in medical research, filling a significant gap in existing reporting practices that often lack standardization. Unlike previous guidelines that focus on specific cases, GAMER provides a comprehensive framework applicable to all research types, thereby improving reproducibility and trustworthiness in the field. The authors advocate for the widespread adoption of the GAMER guideline to bolster the quality and integrity of GAI-based research in medicine, highlighting its potential benefits for authors, reviewers, and journal editors alike.
Introduction
The introduction of the research paper discusses the rapid development and increasing popularity of generative artificial intelligence (GAI) tools, particularly following the release of ChatGPT 3.5 in late 2022. These tools, which are trained on extensive multimodal datasets, have shown promise in various medical applications, including drug discovery, disease diagnosis, and medical research tasks such as manuscript structuring, data extraction, and analysis. However, the integration of GAI in medical research raises significant challenges, including concerns about content authenticity, data privacy, ethical implications, and the quality of training data.
To address these challenges, the authors highlight the need for dedicated reporting guidelines specifically for GAI tools in medical research. While existing guidelines focus on general AI applications or specific tools, there is a lack of comprehensive frameworks that encompass all GAI tools. In response, the authors convened an international, multidisciplinary expert group to develop the Generative Artificial intelligence tools in MEdical Research (GAMER) guideline. This guideline aims to provide structured reporting requirements applicable across various research phases and types, ensuring rigorous and transparent use of GAI tools in medical research while distinguishing them from non-GAI applications.
Methods
In this study, the authors established an international multidisciplinary expert panel to create the GAMER reporting guideline, adhering to the methodology suggested by the Enhancing the QUAlity and Transparency Of health Research (EQUATOR) Network. The development process involved a thorough analysis of existing reporting guidelines and relevant literature. Additionally, the researchers conducted a Delphi survey comprising up to two rounds, followed by online meetings with the panelists to refine and finalize the checklist. This systematic approach ensured the guideline’s comprehensiveness and relevance to health research reporting.
Results
In the Results section of the study, the Delphi survey and subsequent online consensus meetings yielded significant insights regarding the items under consideration. Initially, seven items were included in the first round of the Delphi survey, all achieving a median score of acceptability (≥6). However, one item concerning the declaration of responsibility for Generative AI (GAI) use was deemed redundant and subsequently removed. The first round generated 135 comments, leading to the introduction of four new items for the second round, where consensus was achieved on three.
During the second round, 130 additional comments were collected, and the outcomes, including detailed scores from both rounds, are documented in the online supplemental appendices. Consensus was also reached in two online meetings held on May 30 and 31, 2024, with 14 and 12 participants, respectively. Key discussions included the removal of two items from the Delphi survey and agreement on terminology and formatting revisions for the remaining items. Feedback was also solicited from external experts via an online form, with a summary of discussions and suggestions provided in the supplemental appendices.
Discussion
The GAMER reporting guideline, developed through an international consensus process involving 44 experts from diverse fields, aims to standardize the reporting of generative artificial intelligence (GAI) tools in medical research. The initiative, supported by various academic and health organizations, emphasizes the importance of transparency and accountability in the use of GAI tools, which can significantly influence research outcomes. The guideline includes a checklist with nine specific items that authors must report, such as the use of GAI tools, their specifications, and the verification of generated content. This structured approach is intended to enhance the integrity and quality of medical research involving GAI, addressing concerns about potential misuse and the reliability of results.
The development of the GAMER checklist was informed by existing reporting guidelines like CONSORT-AI and SPIRIT-AI, ensuring a comprehensive and methodologically sound framework. The high engagement from experts underscores the demand for such guidelines, reflecting a collective recognition of the need for standardized practices in the rapidly evolving landscape of AI in healthcare. By promoting adherence to these reporting standards, the GAMER guideline seeks to foster trust and clarity in the application of GAI tools, ultimately benefiting authors, reviewers, and journal editors in their efforts to maintain high research standards.