研究團隊用 AI 檢視近 4,000 篇醫療研究如何分享程式碼
AI helps researchers investigate how thousands of medical studies share code
重點導讀
醫療研究即使公開程式碼,別人也不一定看得懂或能照著重做。
- MIT 與 Dana-Farber Cancer Institute 的研究團隊用大型語言模型檢查近 4,000 篇臨床預測研究,找出程式碼分享資訊,再檢視連結的程式碼資料庫是否有足夠說明、軟體需求和使用條款。結果顯示,約每 8 篇研究才有 1 篇表示分享程式碼。
- 而公開程式碼也不代表資料整理完善。這些發現正用來協助制定 TRIPOD-Code 指引,讓研究人員和期刊更清楚知道該分享哪些資訊。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
推薦理由
研究把公開程式碼和能否重現研究分開檢視,呈現臨床預測研究在分享比例與檔案完整度上的落差。
信源出處news.mit.edu
AI helps researchers investigate how thousands of medical studies share code
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: MIT News · AI (news.mit.edu)
開啟原文