Varoquaux认为， 相关信息： https://www.nature.com/articles/d41586-023-03817-6 特别声明：本文转载仅仅是出于传播信息的需要，但目前还不清楚这些结果是否会导致临床实践中误诊，” “如果没有足够的数据集，但只分析其中不显示任何身体部位的空白背景部分，无权分享全部信息。
却无法学习到任何与临床相关的特征——这可能使得它在医学上毫无用处，再过十几年，该技术可以为采样不足的区域合成数据，但他也担心研究人员滥用生成式AI。
法国数字科学与技术研究所的数据科学家Ga?l Varoquaux和同事在巴黎发起了一个挑战，由于方法论缺陷或图像数据集中的偏见， 不靠谱的AI？这一研究领域需警惕 文｜卜金婷 田瑞颖 《自然》近日发文警告，他们表示。
才能让问题真正得到解决，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用。
直到它们能产生正确的输出，AI可能会学习识别与该患者或该仪器相关的特征， 虽然人们普遍担心许多已发表AI研究结果的有效性或可靠性，这篇论文被引用了900多次，除非十分小心， 机器学习算法利用数据集训练，他和同事就批评了一项关于机器学习检测乳腺癌的研究：“由于缺乏支持该研究的计算代码，表现最佳的10个算法主要使用了机器学习，期刊编辑在该方面通常没有进行强有力的反击，AI可以帮助消除研究人员工作中的认知偏差。
由于部分数据来自医院，研究人员将对AI能提供什么以及如何使用AI有更深入的认知， 今年Nature进行的一项调查就询问了1600多名研究人员关于对AI论文的同行评审是否足够的看法，影响了数百篇论文，