論文の概要: Bridging the gap between AI and Healthcare sides: towards developing clinically relevant AI-powered diagnosis systems

• arxiv url: http://arxiv.org/abs/2001.03923v2
• Date: Mon, 6 Apr 2020 16:24:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-12 04:41:42.628192
• Title: Bridging the gap between AI and Healthcare sides: towards developing clinically relevant AI-powered diagnosis systems
• Title（参考訳）: AIと医療のギャップを埋める--臨床関連AIを用いた診断システムの開発に向けて
• Authors: Changhee Han, Leonardo Rundo, Kohei Murao, Takafumi Nemoto, Hideki Nakayama
• Abstract要約: 医療・インフォマティクスにおける医療画像の専門家,医師,ジェネラリストを対象に,臨床的に価値のあるAI研究ワークショップを開催した。 そこで, 医師を対象としたアンケート調査により, データ拡張と医師養成の観点から, GANに基づく画像拡張プロジェクトを評価した。
• 参考スコア（独自算出の注目度）: 18.95904791202457
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the success of Convolutional Neural Network-based Computer-Aided Diagnosis research, its clinical applications remain challenging. Accordingly, developing medical Artificial Intelligence (AI) fitting into a clinical environment requires identifying/bridging the gap between AI and Healthcare sides. Since the biggest problem in Medical Imaging lies in data paucity, confirming the clinical relevance for diagnosis of research-proven image augmentation techniques is essential. Therefore, we hold a clinically valuable AI-envisioning workshop among Japanese Medical Imaging experts, physicians, and generalists in Healthcare/Informatics. Then, a questionnaire survey for physicians evaluates our pathology-aware Generative Adversarial Network (GAN)-based image augmentation projects in terms of Data Augmentation and physician training. The workshop reveals the intrinsic gap between AI/Healthcare sides and solutions on Why (i.e., clinical significance/interpretation) and How (i.e., data acquisition, commercial deployment, and safety/feeling safe). This analysis confirms our pathology-aware GANs' clinical relevance as a clinical decision support system and non-expert physician training tool. Our findings would play a key role in connecting inter-disciplinary research and clinical applications, not limited to the Japanese medical context and pathology-aware GANs.
• Abstract（参考訳）: 畳み込みニューラルネットワークを用いたコンピュータ支援診断研究の成功にもかかわらず、臨床応用は依然として困難である。 したがって、医療人工知能(AI)を臨床環境に適合させるには、AIとヘルスケアのギャップを特定・ブリッジする必要がある。 画像診断における最大の問題点は, データのポーシティにあるため, 画像強調診断の臨床的妥当性の確認が不可欠である。 そこで我々は,医療・情報学の医療画像専門家,医師,ジェネラリストを対象に,臨床的に価値のあるAI研究ワークショップを開催した。 そこで, 医師を対象としたアンケート調査により, データ拡張と医師養成の観点から, GANに基づく画像拡張プロジェクトの評価を行った。 ワークショップでは、AI/ヘルスケア側とソリューション(臨床的意義/解釈)とハウ(データ取得、商用デプロイメント、安全/フィーリングセーフ)の本質的なギャップを明らかにしている。 本分析は,臨床診断支援システムと非専門医訓練ツールとしてのGANsの臨床的関連性を確認した。 本研究は,医学的文脈や病理学的GANに限らず,学際研究と臨床応用を結びつける上で重要な役割を担う。

関連論文リスト

• Clinicians' Voice: Fundamental Considerations for XAI in Healthcare [0.0]
  臨床医との半構造化インタビューを行い、彼らの考え、希望、懸念について論じる。 臨床医は一般的に、臨床実習のためのAIベースのツールの開発を肯定的に考えている。 彼らは、これらがワークフローにどのように適合し、それが臨床医と患者の関係にどのように影響するかを懸念している。
  論文  参考訳（メタデータ） (2024-11-07T16:47:06Z)
• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。 本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。 その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)
• CBIDR: A novel method for information retrieval combining image and data by means of TOPSIS applied to medical diagnosis [1.8416014644193066]
  そこで我々は,患者の医療画像と臨床データの両方を活用するCBIDRという新しい手法を提案し,それらをランキングアルゴリズムToPSISを用いて組み合わせた。 精度の面での実験結果は、Top-1で97.44%、Top-5で100%達成し、提案手法の有効性を示した。
  論文  参考訳（メタデータ） (2024-09-26T16:04:36Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway Encoding [48.348511646407026]
  本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。 このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
  論文  参考訳（メタデータ） (2024-03-11T10:57:45Z)
• AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
  我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。 この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。 高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-02-15T06:46:48Z)
• Current State of Community-Driven Radiological AI Deployment in Medical Imaging [1.474525456020066]
  本報告は, MonAIコンソーシアムの業界専門家と臨床医のグループによる, 週ごとの議論と問題解決経験について述べる。 実験室におけるAIモデル開発とその後の臨床展開の障壁を明らかにする。 臨床放射線学ワークフローにおける様々なAI統合ポイントについて論じる。
  論文  参考訳（メタデータ） (2022-12-29T05:17:59Z)
• Towards the Use of Saliency Maps for Explaining Low-Quality Electrocardiograms to End Users [45.62380752173638]
  診断に医用画像を使用する場合,画像が高品質であることが重要である。 遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。 本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
  論文  参考訳（メタデータ） (2022-07-06T14:53:26Z)
• Survey of XAI in digital pathology [3.4591414173342643]
  本稿では,デジタル病理学におけるXAIについて,特定の特徴とニーズを持つ医用画像のサブディシプリタであるXAIについて紹介する。 病理画像診断における深層学習手法に関する現在のXAI技術の概要について概説する。 そこで我々は,XAIランドスケープの不可欠な部分として不確実性推定手法を取り入れた。
  論文  参考訳（メタデータ） (2020-08-14T13:11:54Z)
• Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
  新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
  論文  参考訳（メタデータ） (2020-04-06T15:21:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。