論文の概要: COVI White Paper

• arxiv url: http://arxiv.org/abs/2005.08502v2
• Date: Mon, 27 Jul 2020 15:41:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 00:24:25.413498
• Title: COVI White Paper
• Title（参考訳）: coviホワイトペーパー
• Authors: Hannah Alsdurf, Edmond Belliveau, Yoshua Bengio, Tristan Deleu, Prateek Gupta, Daphne Ippolito, Richard Janda, Max Jarvie, Tyler Kolody, Sekoul Krastev, Tegan Maharaj, Robert Obryk, Dan Pilat, Valerie Pisano, Benjamin Prud'homme, Meng Qu, Nasim Rahaman, Irina Rish, Jean-Francois Rousseau, Abhinav Sharma, Brooke Struck, Jian Tang, Martin Weiss, Yun William Yu
• Abstract要約: 接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
• 参考スコア（独自算出の注目度）: 67.04578448931741
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The SARS-CoV-2 (Covid-19) pandemic has caused significant strain on public health institutions around the world. Contact tracing is an essential tool to change the course of the Covid-19 pandemic. Manual contact tracing of Covid-19 cases has significant challenges that limit the ability of public health authorities to minimize community infections. Personalized peer-to-peer contact tracing through the use of mobile apps has the potential to shift the paradigm. Some countries have deployed centralized tracking systems, but more privacy-protecting decentralized systems offer much of the same benefit without concentrating data in the hands of a state authority or for-profit corporations. Machine learning methods can circumvent some of the limitations of standard digital tracing by incorporating many clues and their uncertainty into a more graded and precise estimation of infection risk. The estimated risk can provide early risk awareness, personalized recommendations and relevant information to the user. Finally, non-identifying risk data can inform epidemiological models trained jointly with the machine learning predictor. These models can provide statistical evidence for the importance of factors involved in disease transmission. They can also be used to monitor, evaluate and optimize health policy and (de)confinement scenarios according to medical and economic productivity indicators. However, such a strategy based on mobile apps and machine learning should proactively mitigate potential ethical and privacy risks, which could have substantial impacts on society (not only impacts on health but also impacts such as stigmatization and abuse of personal data). Here, we present an overview of the rationale, design, ethical considerations and privacy strategy of `COVI,' a Covid-19 public peer-to-peer contact tracing and risk awareness mobile application developed in Canada.
• Abstract（参考訳）: SARS-CoV-2(Covid-19)パンデミックは、世界中の公衆衛生機関に深刻な負担をもたらした。 接触追跡は、新型コロナウイルス(covid-19)パンデミックの経過を変える上で不可欠なツールだ。 コビッド19の患者の手動接触追跡は、公衆衛生当局による地域感染を最小限に抑える重要な課題である。 モバイルアプリを使った個人化されたピアツーピアコンタクトトレースは、パラダイムを変える可能性がある。 一部の国は集中追跡システムを展開しているが、プライバシー保護された分散システムは、州当局や営利企業の手にデータを集中させることなく、ほとんど同じ利点を享受している。 機械学習は、多くの手がかりとその不確実性をより適度で正確な感染リスクの推定に組み込むことで、標準的なデジタルトレースの制限を回避できる。 予測されたリスクは、早期のリスク認識、パーソナライズされたレコメンデーション、および関連する情報をユーザに提供することができる。 最後に、非識別リスクデータは、機械学習予測器と共同で訓練された疫学モデルに通知することができる。 これらのモデルは、疾患の伝達に関与する因子の重要性を統計的に証明することができる。 また、医療と経済の生産性指標に従って、健康政策の監視、評価、および(決定)統合シナリオの最適化にも使用することができる。 しかし、モバイルアプリと機械学習に基づくこのような戦略は、倫理とプライバシーの潜在的なリスクを積極的に軽減し、社会に大きな影響を与える可能性がある(健康への影響だけでなく、スティグマティゼーションや個人データの乱用などの影響も)。 本稿では,カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的,設計的,倫理的考察,プライバシ戦略の概要を紹介する。

関連論文リスト

• DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
  接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。 我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。 この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
  論文  参考訳（メタデータ） (2024-04-20T13:43:28Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• COVID-19 Digital Contact Tracing Applications and Techniques: A Review Post Initial Deployments [2.05040847923906]
  新型コロナウイルス感染症(COVID-19)は深刻な世界的なパンデミックで、数百万人の命と公衆衛生システムを圧倒し続けている。 接触追跡の有効性を高めるため、世界中の国はモバイル技術とモノのインターネットの進歩を活用している。
  論文  参考訳（メタデータ） (2021-02-25T10:18:40Z)
• Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
  大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。 プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。 本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
  論文  参考訳（メタデータ） (2020-10-23T17:06:07Z)
• Infection Risk Score: Identifying the risk of infection propagation based on human contact [4.080171822768553]
  我々は,ヒトの接触による感染リスクを推定する感染リスクスコアを導入する。 実世界の人間接触データを用いて,提案したリスクスコアが,人口のリスクレベルを現実的に推定できることを示す。
  論文  参考訳（メタデータ） (2020-09-26T13:25:06Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
  新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。 技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。 個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
  論文  参考訳（メタデータ） (2020-04-16T15:53:42Z)

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。