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

• Artificial intelligence techniques in inherited retinal diseases: A review [19.107474958408847]
  遺伝性網膜疾患(英: InheritedRetinal disease、IRD)は、進行性視力低下を引き起こす多様な遺伝性疾患群であり、労働年齢層の視覚障害の主要な原因である。 人工知能(AI)の最近の進歩は、これらの課題に対する有望な解決策を提供する。 このレビューは既存の研究を統合し、ギャップを特定し、IRDの診断と管理におけるAIの可能性の概要を提供する。
  論文  参考訳（メタデータ） (2024-10-10T03:14:51Z)
• Zero Shot Health Trajectory Prediction Using Transformer [11.660997334071952]
  ETHOS(Enhanced Transformer for Health Outcome Simulation)は、健康データ解析のためのトランスフォーマーディープラーニングアーキテクチャの新しい応用である。 ETHOSは、将来の健康軌道を予測するために、患者健康時間線(PHT)の詳細とトークン化された健康イベントの記録を使用して訓練されている。
  論文  参考訳（メタデータ） (2024-07-30T18:33:05Z)
• A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
  本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。 モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
  論文  参考訳（メタデータ） (2024-07-07T18:02:00Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Automated Generation of High-Quality Medical Simulation Scenarios Through Integration of Semi-Structured Data and Large Language Models [0.0]
  本研究では,半構造化データとLarge Language Models(LLMs)を統合することにより,医学教育の変革的枠組みを導入する。 提案手法はAIを用いて、特定の教育目的に合わせて、詳細な、臨床的に関係のあるシナリオを効率的に生成する。
  論文  参考訳（メタデータ） (2024-04-30T17:06:11Z)
• Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
  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)
• Artificial General Intelligence for Medical Imaging Analysis [92.3940918983821]
  大規模人工知能(AGI)モデルは、様々な汎用ドメインタスクにおいて前例のない成功を収めた。 これらのモデルは、医学分野固有の複雑さとユニークな特徴から生じる顕著な課題に直面している。 このレビューは、医療画像、医療などにおけるAGIの将来的な意味についての洞察を提供することを目的としている。
  論文  参考訳（メタデータ） (2023-06-08T18:04:13Z)
• 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)
• 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。