眼科人工智能研究中人口统计学报告的多年度分析

《Vision》:Multi-Year Analysis of Demographic Reporting in Ophthalmology Artificial Intelligence Studies

【字体: 大 中 小 】 时间:2026年09月26日 来源:Vision 2.7

编辑推荐:

  摘要翻译:性别、性别认同、种族、祖源及民族数据对于确保眼科临床应用中人工智能(AI)框架的公平性与普适性至关重要。核心问题是:眼科AI研究中的人口统计学数据报告是否能够得到改进?这项回顾性研究调查了2020年6月至2023年6月间的AI研究。研究人员按出版年份

  
摘要翻译:性别、性别认同、种族、祖源及民族数据对于确保眼科临床应用中人工智能(AI)框架的公平性与普适性至关重要。核心问题是:眼科AI研究中的人口统计学数据报告是否能够得到改进?这项回顾性研究调查了2020年6月至2023年6月间的AI研究。研究人员按出版年份和机构对性别、性别认同、种族及民族数据的报告情况进行分层分析。对美国国立卫生研究院(NIH)资助的稿件进行了亚分析,评估其对2020–2021年更新的科学与医学期刊数据报告指南的遵循情况。遵循情况根据已发表稿件中使用的术语进行评估,并不表明潜在构念或评估方法已得到验证。研究共筛选了15种期刊中的1005篇文章。在纳入的268项研究中,122项研究报告了生理性别人口统计数据,35项研究报告了性别认同人口统计数据,96项研究报告了种族、民族或祖源人口统计数据。2020年,46%的研究报告了种族、民族或祖源数据。该比例从2020年的46%下降至2021年的24%,随后在2022年适度上升至44%,并在2023年略微下降至35%。2020年,报告生理性别和性别认同的研究分别占53.57%和10.71%;2021年分别为40%和6%;2022年分别为50%和17%;2023年分别为44%和17%。这些结果凸显了人口统计学报告方面的不足。为确保临床工具的公平性,眼科AI研究可以提高数据透明度。学术期刊可依照NIH指南要求报告人口统计学数据,以便更好地理解AI工具的普适性。
眼科人工智能研究中的多元化人口统计学报告:现状、趋势与改进方向

一、研究背景与问题

人工智能(AI)技术在眼科领域的应用日益广泛,包括机器学习(machine learning, ML)和深度学习(deep learning, DL)等技术,已被证明在糖尿病视网膜病变、年龄相关性黄斑变性和青光眼等疾病的检测中具有较高准确性。然而,AI系统的公平整合要求对数据集中是否包含多样化人口群体进行严格审查。透明的入口统计学信息报告对于确保AI技术改善所有患者的眼科护理而非扩大健康差距至关重要。已有研究表明,存在偏倚的AI工具可能延续或加剧现有的健康差异。不同患者群体中眼部疾病的临床表现往往存在差异,这可能降低模型应用于其他人群时的性能。因此,评估AI工具的可信度、普适性和临床公平性变得越来越重要。然而,眼科AI研究中入口统计学特征的报告程度仍不清楚。为此,研究人员开展了一项回顾性研究,旨在调查2020年6月至2023年6月间发表在高被引眼科期刊上的AI研究中,生理性别(sex)、性别认同(gender)、种族(race)和民族(ethnicity)的报告情况,以表征当前局限性并识别改进机会。

二、研究设计与方法

研究人员从PubMed中筛选了2020年6月1日至2023年6月30日期间发表的研究。纳入标准为:使用AI技术、涉及眼科疾病或视力相关结局、发表在被Clarivate科学引文索引扩展数据库收录的眼科期刊中引用最多的15种期刊上的原创研究。三名评审人员(Y.K.F.,P.M.H.,J.N.H.)使用Covidence平台进行三轮筛选:首先审查标题和摘要,然后审查全文,最后由第三名评审员裁决分歧。最终提取研究特征(发表年份、作者、期刊、主要研究者所在机构位于美国或国际、诊断或疾病)、入口统计学信息(生理性别、性别认同、种族、民族、祖源及数据收集方式)以及作者提及的局限性。研究依据NIH指南对术语和分类的定义评估报告遵循情况,即研究是否明确声明收集了特定变量数据,并使用符合指南的术语。例如,研究报告了生理性别数据并提供男性和女性参与者的百分比视为符合指南;而如果收集了生理性别数据但报告为“女性”和“男性”(性别认同术语)则视为不符合。研究进行了全球总体分析,以及两个亚分析:仅含NIH资助研究的亚分析和含美国数据的亚分析(包括仅美国数据及美国与他国联合数据)。统计分析采用Fisher精确检验比较不同年份间的报告差异,显著性p值随后进行Holm校正的事后两两比较,使用R version 4.3.2软件。

三、主要结果

(一)总体研究概况

共筛选1005篇记录,评估了376篇全文,最终纳入268项研究。其中发表最多的期刊为《British Journal of Ophthalmology》(n=63,23.51%),其次为《American Journal of Ophthalmology》(n=60,22.39%)和《Ophthalmology》(n=26,9.70%)。大多数研究发表于2022年(32.09%),其次为2021年(30.97%)、2023年1月至6月(26.49%)和2020年6月至12月(10.45%)。在全球分析中,报告生理性别的有122项(45.52%),报告性别认同的有35项(13.06%),报告种族、民族或祖源的有96项(35.82%)。仅有4项(1.49%)研究提及生理性别的局限性,7项(2.61%)提及性别认同的局限性,43项(16.04%)提及种族、民族或祖源的局限性。按年份来看,报告种族、民族或祖源的研究比例在2020年为46.43%,2021年降至24.10%,2022年升至44.19%,2023年降至35.21%。生理性别报告比例在2020年为53.57%,2021年为39.76%,2022年为50.00%,2023年为43.66%;性别认同报告比例分别为10.71%、6.02%、17.44%和16.90%。不同年份间种族、民族或祖源的报告比例存在显著差异(p=0.028,Fisher精确检验),但事后两两比较未达到统计学显著性。

(二)NIH资助研究亚分析

在纳入的268项研究中,有90项(33.58%)报告了NIH资助。这些研究发表于《American Journal of Ophthalmology》(n=37,41.1%)、《Ophthalmology》(n=19,21.1%)和《British Journal of Ophthalmology》(n=13,14.4%)为主。多数文章发表于2021年(n=43,47.8%)。在NIH资助研究中,48.9%报告了生理性别,15.6%报告了性别认同,45.6%报告了种族,34.4%报告了民族。在报告这些变量的研究中,遵循NIH指南比例分别为生理性别65.9%、性别认同14.3%、种族24.4%、民族3.2%。报告如何评估这些变量的比例分别为27.3%、0.0%、17.1%和3.2%。按年份分析,种族报告比例从2020年的11.1%急剧上升至2021年的72.1%,随后在2022年降至18.2%,2023年回升至31.3%;民族报告比例从2020年的11.1%升至2021年的58.1%,2022年降至9.1%,2023年升为18.8%。生理性别报告比例在2020年为55.6%,2021年48.8%,2022年40.9%,2023年56.3%。性别认同在2020年和2023年无研究报告,2021年为27.9%,2022年为9.1%。不同年份间性别认同(p=0.020)、种族(p<0.001)和民族(p<0.001)的报告差异具有统计学意义。对于种族,2020年与2021年、2021年与2022年、2021年与2023年的两两比较在Holm校正后仍显著(p=0.006、p<0.001、p=0.027);对于民族,2021年与2022年(p=0.001)和2021年与2023年(p=0.044)的两两比较在Holm校正后仍显著。

(三)美国数据研究亚分析

共有74项研究纳入美国数据亚分析。排名前三的期刊为《Ophthalmology》(n=18,24.3%)、《British Journal of Ophthalmology》(n=14,18.9%)和《American Journal of Ophthalmology》(n=13,17.6%)。其中44.6%报告了生理性别,在报告生理性别的研究中,45.5%遵循NIH指南,39.4%报告了评估方法。报告性别认同的仅有4项(4.5%),均未遵循NIH指南也未说明评估方法。报告种族的有21项(48.31%),其中52.4%遵循NIH指南,47.6%说明了评估方法;报告民族的有10项(13.5%),其中仅1项(10%)遵循NIH指南,1项说明了评估方法。按年份分析,种族报告比例从2020年14.3%升至2021年43.8%,2022年降至20.0%,2023年升至36.8%。民族报告比例在2023年(31.6%)显著高于2022年(4.0%),这是唯一在Holm校正后仍显著的民族报告年份差异(p=0.032)。性别认同报告比例在2020年为0%,2021年6.3%,2022年8.0%,2023年5.4%;生理性别报告比例分别为50.0%、50.0%、28.0%和57.9%。除民族外,其他变量的年份差异均未达到统计学显著水平。

四、讨论与结论

本研究发现,在2020—2023年发表于高被引眼科期刊的AI研究中,仅有略过半数的研究报告了性别或生理性别(58.6%),而报告种族、民族或祖源信息的仅约三分之一(35.8%)。超过90%的研究未讨论性别或生理性别报告的局限性,超过80%未讨论种族、民族或祖源报告的局限性。NIH资助研究的亚分析显示,2021年的种族和民族报告比例显著高于2022年和2023年;美国数据亚分析中,2023年民族报告比例显著高于2022年。这些结果表明,尽管2021年因COVID-19大流行和种族相关事件引发了对健康公平的关注,但这一改善并未持续。研究还发现,即使在NIH资助的研究中,报告遵循指南的比例仍然很低,尤其是在性别认同和民族方面。眼科领域作为AI医疗应用的领导者,有责任确保AI的公平应用。目前人口统计学报告的不足可能影响AI算法在不同人群中的普适性评估,进而加剧健康差异。为提高透明度和公平性,眼科期刊未来可考虑实施统一的报告指南,要求AI研究必须报告人口统计学数据、证明遗漏变量的合理性,并明确讨论人群代表性相关局限性。本研究的结论是:眼科AI研究中人口统计学报告存在显著差距,需通过期刊政策、报告指南和研究人员意识的共同提升来改善,以确保AI工具能够惠及所有患者群体而非加重不平等。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号