如何避免在使用AI辅助文献筛选时的偏见？

在AI辅助的文献筛选中，通过严格的方法设计和关键的人为监督，可以实现偏见缓解。自动化工具必须增强而非替代专家判断，以确保研究选择的公平性和有效性。 关键原则包括使用为系统评审筛选设计的透明和经过验证的AI算法。训练数据必须全面且代表相关人群和研究类型，以最小化算法偏见。必须一致地应用明确的预定义纳入/排除标准，无论是在训练AI时还是在人工验证阶段。需对训练语料库和筛选结果中与出版来源、语言或研究设计相关的潜在偏见给予关键关注。持续的质量检查，例如评审者间可靠性评估和反思抽样验证，在AI输出和人工筛选之间是强制性保障。 实施需要积极的合作。从严格制定并预注册筛选协议开始，包括详细的标准。选择在系统评价中经过验证的AI工具，并使用领域专家筛选的平衡、相关数据集进行彻底训练。根据协议配置软件。迭代筛选初步结果：运行AI筛选，然后对一个重要样本或整个数据集进行严格的双人筛选。比较结果，分析差异以识别AI偏见模式，必要时优化标准/训练，并重复直到达到一致性。最后，手动审核所有被AI标记为不确定的记录。该过程确保了效率，同时利用人类的上下文理解做出最终纳入决定，最大限度地提高有效性并减少系统性错误。