论文排版软件
撰写稿件时使用AI的声明
-
AI软件平台、应用程序或工具的名称 -
AI工具的版本号和扩展号 -
制造商名称 -
使用日期 -
简要描述AI的使用方式，以及在论文手稿的哪些部分使用了AI -
确认作者会对AI生成内容的完整性负责
研究中使用AI的准则
-
遵循特定研究设计的报告规范（见下框中的示例），需要详细报告相应规范列出的各条目。 -
避免在文本、表格或图形中包含可识别的患者信息。 -
如果包含AI生成的内容（文本、图像），请注意版权和知识产权问题，并获得了发布许可。
|
|
方法部分
-
包括研究设计，如果有相关的报告规范，请说明如何遵循了该规范，并提供细节以确保可重复性。 -
描述是如何将AI应用于研究中的某些环节（如提出或完善研究假设、协助生成协变量列表、创建图表等）。 -
使用了LLMs的研究，应提供该软件平台或程序、工具、版本和制造商名称；报告使用日期，提示词（prompt）及其顺序，以及根据初始输出结果对提示词做出的任何修改。 -
报告机器学习和算法开发的研究，要说明用于开发、训练和验证数据集的详细信息。明确指出算法是否仅在先前收集或现有的数据集上进行训练和测试，或者研究是否包括前瞻性部署（prospective deployment）。还应介绍机器学习模型，描述变量、结局、以及选择的微调参数。描述所涉及的任何假设（如对数线性）以及如何检验这些假设。 -
说明用于评估算法性能的指标，包括偏倚、区分度、校准度、再分类等（视情况而定）。 -
说明缺失数据的处理方法。 -
说明机构审查委员会/伦理审查、批准或豁免情况。 -
描述AI相关方法学偏倚、AI生成内容不准确的解决方法。 -
在适用的情况下，说明是否进行了敏感性分析，以探究AI模型在弱势或代表性不足的群体中的表现。 -
提供数据共享声明，包括是否共享代码。
结果部分
-
报告比较性结果时，应提供效应值、不确定性（如95%CI）和其他测量值（如似然比），同时应包括有关性能错误、不准确或缺失数据的信息，以及足够的细节供他人复现结果。 -
报告解决方法学偏倚和人群代表性问题的分析结果。 -
如果表格或图形中包含AI生成的文本或内容，需注明来源和许可信息。
讨论部分
-
讨论AI相关偏倚的可能性，以及为识别和减少偏倚采取的措施。 -
讨论AI生成内容可能不准确，以及为识别和处理此类问题采取的措施。 -
讨论研究结果在人群中的外推性，以及为探索AI模型在弱势或代表性不足群体中的表现而进行的分析结果。
参考文献：
[1]. JAMA.2024.doi: 10.1001/jama.2024.3471.
[2]. BMJ.2020:370:m3164.doi: 10.1136/bmj.m3164.
[3]. BMJ.2020:370:m3210.doi: 10.1136/bmj.m3210.
[4]. Nat Med.2020;26(9):1320-1324.
[5]. Radiol Artif Intell.2020;2(2):e200029.
