AI诊断准确性研究投稿，STARD-AI比STARD多查什么？

一项影像算法能把病例分成“有病”和“无病”，作者用它与临床参考标准比较，准备投稿诊断准确性研究。只按传统 STARD 2015 填表，仍可能漏掉算法数据集、模型版本和不同人群表现。2025 年发表的 STARD-AI 是这类 AI 诊断准确性研究的报告扩展，保留基础诊断研究项目，又增加 AI 特有的说明。投稿前应先明确研究测试的究竟是哪一个已经固定的算法。

先锁定算法与数据来源

稿件应让读者知道算法测试对象如何定义，输入来自哪类图像或其他资料，测试数据怎样收集和筛选。开发、调参和最后的准确性评价使用了哪些资料，患者或机构是否重叠，都不能只靠“独立测试集”四个字概括。若同一患者的多张影像跨集合出现，读者对准确性估计会有不同判断。

例如研究者在甲院训练算法，又拿甲院较晚时间的影像做测试。它在时间上与训练资料分开，但不等于已经跨医院评价。稿件可据实称为时间分隔的评价，并写出设备、检查流程和受试者构成是否变化。若后来补入乙院样本，应说明加入时间与分析计划，避免把探索性的扩展数据写成最初预设的主要评价。

把算法输出如何变成诊断决定说清

STARD-AI 在传统诊断研究的待评价检测和参考标准基础上，要求更充分地描述 AI 检测及其评价方式。算法输出一个连续分数时，阳性阈值从哪里来？在测试集上看到结果后才调整阈值，和预先固定阈值再测试，不是同一性质的证据。若临床人员会复核算法结果，还应说明研究测量的是算法单独表现，还是人机共同流程；两种情境不能在摘要中混写。

参考标准同样需要可检查。由几位医生判读、是否看得到算法结果、意见不一致时怎样裁决，以及算法判断与参考判定的时间间隔，都可能影响结果。AI 不是免除传统诊断准确性报告的理由。最终表格应能把受试者流程、无法处理的图像、参考标准缺失和实际进入准确性计算的人数对起来。

检查偏倚、公平性和可推广边界

STARD-AI 原始声明特别提到数据处理、算法偏倚和公平性。作者应说明是否检查不同年龄、性别或设备条件下的表现；若样本不足以稳定估计，直说不足，而不是选择性展示表现最好的群体。算法在某设备上误差更大时，整体高准确率未必能代表目标医院的实际使用环境。

这份清单是透明报告的最低框架，不会证明产品可以直接用于临床，也不替代伦理、隐私或目标刊的数据共享要求。投稿前让临床、算法和数据负责人对照同一个模型版本核对正文、图表、附录与系统字段。若结果段展示的是更新后的算法，方法段却仍写旧版本，填再完整的清单也无法让编辑判断真正被评价的对象。