論文の概要: An Overview and Case Study of the Clinical AI Model Development Life
Cycle for Healthcare Systems
- arxiv url: http://arxiv.org/abs/2003.07678v3
- Date: Thu, 26 Mar 2020 21:03:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 06:06:01.288771
- Title: An Overview and Case Study of the Clinical AI Model Development Life
Cycle for Healthcare Systems
- Title(参考訳): 医療システムのための臨床AIモデル開発ライフサイクルの概要と事例研究
- Authors: Charles Lu, Julia Strout, Romane Gauriau, Brad Wright, Fabiola Bezerra
De Carvalho Marcruz, Varun Buch, Katherine Andriole
- Abstract要約: 本稿では,臨床AIモデルの開発ライフサイクルについて概説する。
次に,大動脈瘤を検出するための深層学習システムの開発過程について,詳細なケーススタディを示す。
- 参考スコア(独自算出の注目度): 0.1995841328036364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Healthcare is one of the most promising areas for machine learning models to
make a positive impact. However, successful adoption of AI-based systems in
healthcare depends on engaging and educating stakeholders from diverse
backgrounds about the development process of AI models. We present a broadly
accessible overview of the development life cycle of clinical AI models that is
general enough to be adapted to most machine learning projects, and then give
an in-depth case study of the development process of a deep learning based
system to detect aortic aneurysms in Computed Tomography (CT) exams. We hope
other healthcare institutions and clinical practitioners find the insights we
share about the development process useful in informing their own model
development efforts and to increase the likelihood of successful deployment and
integration of AI in healthcare.
- Abstract(参考訳): 医療は、機械学習モデルがポジティブな影響を与える最も有望な分野の1つだ。
しかし、医療におけるAIベースのシステムの採用の成功は、AIモデルの開発プロセスに関するさまざまなバックグラウンドからステークホルダーの関与と教育に依存している。
本稿では,ほとんどの機械学習プロジェクトに適用可能な臨床AIモデルの開発ライフサイクルについて概説するとともに,CT検査における大動脈瘤検出のための深層学習ベースシステムの開発過程について,詳細な事例研究を行う。
他の医療機関や臨床実践者が、自分たちのモデル開発活動を伝える上で有用な開発プロセスに関する洞察を見つけ、医療におけるAIの展開と統合を成功させる可能性を高めることを願っています。
関連論文リスト
- Training Small Multimodal Models to Bridge Biomedical Competency Gap: A
Case Study in Radiology Imaging [114.43429928419755]
バイオメディカル・コンピテンシー・ギャップを橋渡しするオープンソース小型マルチモーダル・モデル(SMM)の訓練について検討する。
LLaVA-Radは高速で、単一のV100 GPU上でプライベート設定で実行できる。
論文 参考訳(メタデータ) (2024-03-12T18:12:02Z) - Recent Advances in Predictive Modeling with Electronic Health Records [73.31880579203012]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。
深層学習は、医療を含む様々な応用においてその優位性を示している。
論文 参考訳(メタデータ) (2024-02-02T00:31:01Z) - Multimodal Machine Learning in Image-Based and Clinical Biomedicine:
Survey and Prospects [2.1070612998322438]
本稿では,臨床予測のためのマルチモーダルモデルの変換可能性について検討する。
進歩にもかかわらず、多くの生物医学領域におけるデータバイアスや「ビッグデータ」の不足といった課題が続いている。
論文 参考訳(メタデータ) (2023-11-04T05:42:51Z) - Artificial General Intelligence for Medical Imaging [62.116506368045606]
本稿では、医療における人工知能(AGI)モデルの可能性について検討する。
我々は,AGIモデルに臨床専門知識,ドメイン知識,マルチモーダル能力を統合することの重要性を強調した。
論文 参考訳(メタデータ) (2023-06-08T18:04:13Z) - Applying Artificial Intelligence to Clinical Decision Support in Mental
Health: What Have We Learned? [0.0]
本稿では,近年開発されたAI-CDSSであるAifred Healthを事例として,うつ病における治療の選択と管理を支援する。
我々は、このAI-CDSSの開発およびテスト中にもたらされた原則と、実装を容易にするために開発された実践的ソリューションの両方を考慮する。
論文 参考訳(メタデータ) (2023-03-06T21:40:51Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳(メタデータ) (2023-03-02T17:27:45Z) - 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) - AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in
Healthcare with Automated Machine Learning [72.2614468437919]
本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。
我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。
我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
論文 参考訳(メタデータ) (2022-10-21T16:31:46Z) - Smart Healthcare in the Age of AI: Recent Advances, Challenges, and
Future Prospects [3.3336265497547126]
スマートヘルスケアシステムは近年関心が高まりつつあるトピックであり、現代技術における大きな発展のためにますます必要となってきた。
本研究の目的は、健康モニタリングのためのウェアラブルやスマートフォンデバイス、疾患診断のための機械学習、環境支援生活環境向けに開発された社会ロボットを含む支援フレームワークなど、主要な分野を取り上げ、現在最先端のスマートヘルスケアシステムについて議論することである。
論文 参考訳(メタデータ) (2021-06-24T05:10:47Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳(メタデータ) (2021-06-08T10:38:09Z) - Medical Imaging and Machine Learning [16.240472115235253]
2018年に国立衛生研究所は、医療画像における人工知能の未来における重要な焦点領域を特定した。
データ可用性、新しいコンピューティングアーキテクチャと説明可能なAIアルゴリズムの必要性は、いまだに関係している。
本稿では,高次元臨床画像データに特有の課題について考察するとともに,技術的・倫理的考察を紹介する。
論文 参考訳(メタデータ) (2021-03-02T18:53:39Z)
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。