Статья предлагает концепцию 'Evidence-based Agent Stack' для создания надежных агентных систем ИИ в высокорисковых областях, таких как токсикология и регуляторная наука. Авторы подчеркивают необходимость интеграции принципов доказательной медицины и систематических обзоров в рабочие процессы ИИ для обеспечения прослеживаемости, воспроизводимости и оценки неопределенности.
Данное исследование, опубликованное в журнале npj Digital Medicine, посвящено критическому анализу качества клинических доказательств, на которых основывается одобрение цифровой терапии (DTx) регулятором FDA. Авторы проводят сравнительный анализ доказательной базы, доступной на этапе подачи заявки на авторизацию, и данных, которые накапливаются в процессе использования продукта на рынке. В работе исследуется методология сбора данных и то, насколько клинические испытания соответствуют реальным потребностям пациентов и врачей. Ключевой акцент сделан на выявлении разрыва между контролируемыми исследованиями и эффективностью цифровых продуктов в реальной клинической практике. Результаты подчеркивают необходимость совершенствования стандартов доказательности для цифровых медицинских вмешательств. Исследование имеет высокую значимость для регуляторов, разработчиков DTx и специалистов, внедряющих цифровые решения в клиническую работу.