Методический подход и рекомендации по научному описанию создания и валидации модели машинного обучения

ЦЕЛЬ ИССЛЕДОВАНИЯ
Стандартизировать требования к описанию результатов создания и валидации моделей машинного обучения для обеспечения прозрачности и доверия со стороны практического здравоохранения и надзорных органов.

МАТЕРИАЛ И МЕТОДЫ
Выполнено аналитическое исследование данных на основе методологии Cross-Industry Standard Process for Data Mining (реализованы четыре первые фазы цикла исследования; фазы оценки и внедрения должны быть выполнены в формате внешней независимой валидации). Использованы аналитические методы научного познания: анализ, синтез, индукция.

РЕЗУЛЬТАТЫ
Разработаны практико-методические рекомендациии по подготовке отчета (рукописи научной статьи) о разработке и валидации модели машинного обучения. Рекомендации оформлены в виде: а) методического документа; б) чек-листа для ускоренной проверки структуры, полноты и качества содержания рукописи. Принципиальные отличия авторской разработки от аналогов: наличие стандартной структуры медицинской научной статьи; баланс представления клинической и технологической информации; включение специфических аспектов машинного обучения, наиболее релевантных с медицинской точки зрения; методическая информация для поддержки авторов; обеспечение возможности применения чек-листа разными заинтересованными специалистами.

ЗАКЛЮЧЕНИЕ
Оригинальный методический подход и чек-лист могут повысить качество, прозрачность и воспроизводимость научных отчетов в сфере машинного обучения для здравоохранения. Разработка отличается балансом технологических и клинических аспектов, образовательной значимостью и комплексными возможностями. Предложенный инструментарий может быть валидирован независимыми исследователями.