Una revisión sistemática liderada por Eiman Sahly y colegas está comparando modelos estadísticos intrínsecamente interpretables, como la regresión logística y los modelos de riesgos proporcionales de Cox, con enfoques de inteligencia artificial explicable (XAI) para predecir la recurrencia del cáncer de mama después del tratamiento primario.
La revisión, registrada en PROSPERO bajo CRD420251145602, tiene como objetivo evaluar críticamente los modelos publicados a lo largo del espectro de caja negra, caja gris y caja blanca. El equipo está completando actualmente la extracción de datos y busca comentarios sobre la pregunta de revisión, la estrategia de búsqueda y las herramientas de evaluación como CHARMS, PROBAST+AI y TRIPOD+AI antes de pasar a la evaluación del riesgo de sesgo.
Los autores invitan a comentarios de colegas en pronóstico del cáncer de mama, modelado predictivo, oncología o IA explicable/interpretable para ayudar a identificar lagunas metodológicas y delinear futuras direcciones para modelos pronósticos confiables.