Sebuah tinjauan sistematis yang dipimpin oleh Eiman Sahly dan rekan-rekannya membandingkan model statistik yang secara intrinsik dapat diinterpretasikan, seperti regresi logistik dan model bahaya proporsional Cox, dengan pendekatan kecerdasan buatan yang dapat dijelaskan (XAI) untuk memprediksi kekambuhan kanker payudara setelah pengobatan primer.
Tinjauan ini, terdaftar di PROSPERO di bawah CRD420251145602, bertujuan untuk menilai secara kritis model-model yang telah diterbitkan di seluruh spektrum kotak hitam, kotak abu-abu, dan kotak putih. Tim saat ini sedang menyelesaikan ekstraksi data dan meminta umpan balik mengenai pertanyaan tinjauan, strategi pencarian, dan alat penilaian seperti CHARMS, PROBAST+AI, dan TRIPOD+AI sebelum beralih ke penilaian risiko bias.
Para penulis mengundang komentar dari rekan-rekan di bidang prognosis kanker payudara, pemodelan prediksi, onkologi, atau AI yang dapat dijelaskan/dapat diinterpretasikan untuk membantu mengidentifikasi kesenjangan metodologis dan merumuskan arah masa depan bagi model prognosis yang dapat dipercaya.