Artificiële Intelligentie (AI) is een belangrijke troef in biomedisch onderzoek, maar de datasets die gebruikt worden, moeten wel correct samengesteld worden. Om te voorkomen dat AI onnauwkeurig wordt ingezet, heeft een groep van internationale wetenschappers kwaliteitsaanbevelingen ontwikkeld om tot een standaardisering te komen bij het gebruik van voorspellende algoritmen.

"De populariteit van machine learning en deep learning wekt tegenwoordig de indruk dat nieuwe AI-instrumenten snel kunnen worden ontworpen zonder veel na te denken over de gegevens en de eigenlijke doelstellingen. Dat is niet het geval", duidt professor Tom Lenaerts, huidig directeur van IB², het Interuniversitair Instituut voor Bio-informatica van de Université libre de Bruxelles en de Vrije Universiteit Brussel.

De wetenschappers die de aanbevelingen opstelden, zijn van mening dat op medisch en biologisch gebied eigenlijk meer dan de helft van de tijd moet worden besteed aan het ontwerpen van een dataset van hoge kwaliteit. Hun richtlijnen zijn gepubliceerd in het tijdschrift Nature Methods en bestaat uit een checklist voor wie een supervised classificatiemethode voor de biologische en medische wetenschappen wil bouwen of publiceren. 

"Door de richtlijnen te hanteren en toe te voegen aan het onderzoek wordt het mogelijk om het kaf van het koren te scheiden en de normen voor machine learning in biomedisch onderzoek naar een hoger niveau te tillen", besluit Lenaerts.