大语言模型(large language model,LLM)医学研究数量激增,建立标准化、透明化的报告规范变得尤为重要。2025年1月,Nature Medicine发表LLM医学研究报告指南(TRIPOD-LLM),是首个专门针对基于LLM构建预测模型研究的综合性报告框架,其内容...大语言模型(large language model,LLM)医学研究数量激增,建立标准化、透明化的报告规范变得尤为重要。2025年1月,Nature Medicine发表LLM医学研究报告指南(TRIPOD-LLM),是首个专门针对基于LLM构建预测模型研究的综合性报告框架,其内容包括1个清单(19个主条目、50个子条目)、1个流程图和摘要清单(12个条目)。本文从TRIPOD-LLM的制订方法、主要内容、适用范围及各条目的具体内容进行解读,帮助研究者、临床医生、编辑、医疗决策者深入理解并正确使用TRIPOD-LLM,提高LLM医学研究报告质量和透明度,促进LLM规范、伦理地融入医疗领域。展开更多
随着大语言模型(large language models,LLMs)在医学诊断、科研与教育等领域的广泛应用,其卓越的生成与推理能力已显著展现优势。然而,医学领域对伦理、隐私保护及模型准确性的严格标准,也使LLMs的实际应用面临严峻挑战。尽管个体预后...随着大语言模型(large language models,LLMs)在医学诊断、科研与教育等领域的广泛应用,其卓越的生成与推理能力已显著展现优势。然而,医学领域对伦理、隐私保护及模型准确性的严格标准,也使LLMs的实际应用面临严峻挑战。尽管个体预后或诊断的多变量模型透明报告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis,TRIPOD)+人工智能(artificial intelligence,AI)为预后或诊断预测模型提供了报告规范,但其在生成式人工智能研究中的适用性仍显不足。本文解读了在TRIPOD+AI基础上扩展形成的TRIPOD-LLM报告指南,系统梳理了其在模型构建、验证、任务适应性及人类监督等方面的报告要素,为提升医学领域LLMs研究的透明度、规范性与可复现性提供了参考。展开更多
随着临床和生物大数据的极大丰富,机器学习技术通过结合多方面的信息以预测个体的健康结局,在科研及学术论文中应用日益广泛,但关键信息报告的不足也逐渐显现,包括数据偏倚、模型对不同群体的公平性、数据质量和适用性问题,以及在真实...随着临床和生物大数据的极大丰富,机器学习技术通过结合多方面的信息以预测个体的健康结局,在科研及学术论文中应用日益广泛,但关键信息报告的不足也逐渐显现,包括数据偏倚、模型对不同群体的公平性、数据质量和适用性问题,以及在真实临床环境中保持预测准确性和可解释性的难度等,增加了将预测模型安全有效地应用于临床实践的复杂性。针对这些问题,多变量预测模型个体预后或诊断的透明报告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis,TRIPOD)+人工智能(artificial intelligence,AI)声明在TRIPOD的基础上提出了针对机器学习模型的报告规范,以提升模型的透明性、可重复性和健康公平性,从而改善机器学习模型的应用质量。当前,国内基于机器学习技术的预测模型研究日益增多。为帮助国内读者更好地理解和应用TRIPOD+AI,笔者结合实例对其进行了解读,希望为研究人员报告质量提升提供支持。展开更多
临床预测模型开发和验证过程的完整报告对于模型外部验证及临床应用至关重要。《个体预后或诊断的多变量预测模型透明报告》(Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis,TRIPOD...临床预测模型开发和验证过程的完整报告对于模型外部验证及临床应用至关重要。《个体预后或诊断的多变量预测模型透明报告》(Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis,TRIPOD)为规范化预测模型的报告过程及报告质量评价提供了指导。本文将采用例解的形式对TRIPOD报告规范各条目进行详细解读,便于临床预测模型领域的研究者更好地掌握及应用该报告规范,进而提高预测模型的报告质量。展开更多
临床预测模型开发和验证过程的完整报告对于模型外部验证及临床应用至关重要。《个体预后或诊断的多变量预测模型透明报告》(Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis,TRIPOD...临床预测模型开发和验证过程的完整报告对于模型外部验证及临床应用至关重要。《个体预后或诊断的多变量预测模型透明报告》(Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis,TRIPOD)为规范化预测模型的报告过程及报告质量评价提供了指导。本文将采用例解的形式对TRIPOD报告规范各条目进行详细解读,便于临床预测模型领域的研究者更好地掌握及应用该报告规范,进而提高预测模型的报告质量。展开更多
近年来,人们逐渐认识到临床大数据的潜在价值,疾病预测模型也开始成为临床研究的热点。不同种类疾病的预测模型在个体风险评估中发挥着越来越重要的作用。但由于一直没有针对疾病预测模型研究的报告规范,相关研究的报告结构和报告质量...近年来,人们逐渐认识到临床大数据的潜在价值,疾病预测模型也开始成为临床研究的热点。不同种类疾病的预测模型在个体风险评估中发挥着越来越重要的作用。但由于一直没有针对疾病预测模型研究的报告规范,相关研究的报告结构和报告质量大多参差不齐。2015年BMJ发表了《Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis(TRIPOD):the TRIPOD statement》,即TRIPOD声明,对疾病诊断和预后的预测模型研究的报告做了统一的规范。本文就TRIPOD声明的重点内容进行解读,以期促进理解和使用该报告规范。展开更多
文摘大语言模型(large language model,LLM)医学研究数量激增,建立标准化、透明化的报告规范变得尤为重要。2025年1月,Nature Medicine发表LLM医学研究报告指南(TRIPOD-LLM),是首个专门针对基于LLM构建预测模型研究的综合性报告框架,其内容包括1个清单(19个主条目、50个子条目)、1个流程图和摘要清单(12个条目)。本文从TRIPOD-LLM的制订方法、主要内容、适用范围及各条目的具体内容进行解读,帮助研究者、临床医生、编辑、医疗决策者深入理解并正确使用TRIPOD-LLM,提高LLM医学研究报告质量和透明度,促进LLM规范、伦理地融入医疗领域。
文摘随着大语言模型(large language models,LLMs)在医学诊断、科研与教育等领域的广泛应用,其卓越的生成与推理能力已显著展现优势。然而,医学领域对伦理、隐私保护及模型准确性的严格标准,也使LLMs的实际应用面临严峻挑战。尽管个体预后或诊断的多变量模型透明报告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis,TRIPOD)+人工智能(artificial intelligence,AI)为预后或诊断预测模型提供了报告规范,但其在生成式人工智能研究中的适用性仍显不足。本文解读了在TRIPOD+AI基础上扩展形成的TRIPOD-LLM报告指南,系统梳理了其在模型构建、验证、任务适应性及人类监督等方面的报告要素,为提升医学领域LLMs研究的透明度、规范性与可复现性提供了参考。
文摘随着临床和生物大数据的极大丰富,机器学习技术通过结合多方面的信息以预测个体的健康结局,在科研及学术论文中应用日益广泛,但关键信息报告的不足也逐渐显现,包括数据偏倚、模型对不同群体的公平性、数据质量和适用性问题,以及在真实临床环境中保持预测准确性和可解释性的难度等,增加了将预测模型安全有效地应用于临床实践的复杂性。针对这些问题,多变量预测模型个体预后或诊断的透明报告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis,TRIPOD)+人工智能(artificial intelligence,AI)声明在TRIPOD的基础上提出了针对机器学习模型的报告规范,以提升模型的透明性、可重复性和健康公平性,从而改善机器学习模型的应用质量。当前,国内基于机器学习技术的预测模型研究日益增多。为帮助国内读者更好地理解和应用TRIPOD+AI,笔者结合实例对其进行了解读,希望为研究人员报告质量提升提供支持。
文摘临床预测模型开发和验证过程的完整报告对于模型外部验证及临床应用至关重要。《个体预后或诊断的多变量预测模型透明报告》(Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis,TRIPOD)为规范化预测模型的报告过程及报告质量评价提供了指导。本文将采用例解的形式对TRIPOD报告规范各条目进行详细解读,便于临床预测模型领域的研究者更好地掌握及应用该报告规范,进而提高预测模型的报告质量。
文摘临床预测模型开发和验证过程的完整报告对于模型外部验证及临床应用至关重要。《个体预后或诊断的多变量预测模型透明报告》(Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis,TRIPOD)为规范化预测模型的报告过程及报告质量评价提供了指导。本文将采用例解的形式对TRIPOD报告规范各条目进行详细解读,便于临床预测模型领域的研究者更好地掌握及应用该报告规范,进而提高预测模型的报告质量。
基金The National Natural Science Foundation of China(Nos.21203050,61307056,11274210,11374084)the Anhui Provincial Natural Science Foundation(No.1508085QF123)
文摘近年来,人们逐渐认识到临床大数据的潜在价值,疾病预测模型也开始成为临床研究的热点。不同种类疾病的预测模型在个体风险评估中发挥着越来越重要的作用。但由于一直没有针对疾病预测模型研究的报告规范,相关研究的报告结构和报告质量大多参差不齐。2015年BMJ发表了《Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis(TRIPOD):the TRIPOD statement》,即TRIPOD声明,对疾病诊断和预后的预测模型研究的报告做了统一的规范。本文就TRIPOD声明的重点内容进行解读,以期促进理解和使用该报告规范。
