Группа исследователей под руководством статистика Адриана Барнетта из Квинслендского технологического университета выявила 124 научные работы, использовавшие два широко распространённых набора медицинских данных с сомнительной достоверностью. Первый набор, предназначенный для прогнозирования инсульта и размещённый на платформе Kaggle, содержит сведения о здоровье 5 110 человек, включая показатели сердечных заболеваний, семейное положение, средний уровень глюкозы и индекс массы тела. Однако учёные отметили необычное отсутствие пропусков в данных, что крайне редко встречается в реальных медицинских исследованиях. Этот набор применялся в 104 работах, включая проекты в Индонезии и США, и был скачан свыше 288 000 раз. Второй набор для прогнозирования диабета включает информацию о 100 000 человек, но содержит всего 18 уникальных значений уровня глюкозы, что является статистически невозможным, а также тысячи дублирующихся записей. Он использовался в 21 исследовании, но пока не внедрён в клиническую практику. Загруженные данные исходят из конфиденциальных источников и рекомендованы только для образовательных целей. Исследователи предупреждают, что использование таких сомнительных данных в обучении моделей ИИ может привести к ошибочным диагнозам и решениям по лечению. В связи с этим журнал Scientific Reports уже отозвал три статьи, основанные на спорных данных. Представители Kaggle отказались от комментариев. Ранее сообщалось, что искусственный интеллект смог превзойти врачей в анализе сложных онкологических отчётов.
Исследование выявило сомнительные данные в ИИ-моделях для прогнозирования инсульта и диабета
