TY - JOUR
T1 - Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans
AU - AIX-COVNET
AU - Roberts, Michael
AU - Driggs, Derek
AU - Thorpe, Matthew
AU - Gilbey, Julian
AU - Yeung, Michael
AU - Ursprung, Stephan
AU - Aviles-Rivero, Angelica I.
AU - Etmann, Christian
AU - McCague, Cathal
AU - Beer, Lucian
AU - Weir-McCall, Jonathan R.
AU - Teng, Zhongzhao
AU - Gkrania-Klotsas, Effrossyni
AU - Ruggiero, Alessandro
AU - Korhonen, Anna
AU - Jefferson, Emily
AU - Ako, Emmanuel
AU - Langs, Georg
AU - Gozaliasl, Ghassem
AU - Yang, Guang
AU - Prosch, Helmut
AU - Preller, Jacobus
AU - Stanczuk, Jan
AU - Tang, Jing
AU - Hofmanninger, Johannes
AU - Babar, Judith
AU - Sánchez, Lorena Escudero
AU - Thillai, Muhunthan
AU - Gonzalez, Paula Martin
AU - Teare, Philip
AU - Zhu, Xiaoxiang
AU - Patel, Mishal
AU - Cafolla, Conor
AU - Azadbakht, Hojjat
AU - Jacob, Joseph
AU - Lowe, Josh
AU - Zhang, Kang
AU - Bradley, Kyle
AU - Wassin, Marcel
AU - Holzer, Markus
AU - Ji, Kangyu
AU - Ortet, Maria Delgado
AU - Ai, Tao
AU - Walton, Nicholas
AU - Lio, Pietro
AU - Stranks, Samuel
AU - Shadbahr, Tolou
AU - Lin, Weizhe
AU - Zha, Yunfei
AU - Niu, Zhangming
PY - 2021/3
Y1 - 2021/3
KW - 3122 Cancers
KW - 111 Mathematics
KW - 113 Computer and information sciences
KW - PREDICTION
KW - RADIOMICS
KW - VALIDATION
KW - IMAGES
KW - RISK
KW - TOOL
U2 - 10.1038/s42256-021-00307-0
DO - 10.1038/s42256-021-00307-0
M3 - Article
SN - 2522-5839
VL - 3
SP - 199
EP - 217
JO - Nature Machine Intelligence
JF - Nature Machine Intelligence
IS - 3
ER -