論文の概要: A Canonical Architecture For Predictive Analytics on Longitudinal Patient Records

• arxiv url: http://arxiv.org/abs/2007.12780v2
• Date: Tue, 5 Jan 2021 19:46:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 06:23:41.527666
• Title: A Canonical Architecture For Predictive Analytics on Longitudinal Patient Records
• Title（参考訳）: 縦断的患者記録の予測分析のための正準アーキテクチャ
• Authors: Parthasarathy Suryanarayanan, Bhavani Iyer, Prithwish Chakraborty, Bibo Hao, Italo Buleje, Piyush Madan, James Codella, Antonio Foncubierta, Divya Pathak, Sarah Miller, Amol Rajmane, Shannon Harrer, Gigi Yuan-Reed, Daby Sow
• Abstract要約: 医療におけるAIモデル開発のための新しい標準アーキテクチャを提案する。 このシステムは、ライフサイクルのすべてのフェーズを通じて、AI予測モデルの作成と管理を可能にする。
• 参考スコア（独自算出の注目度）: 7.168190535169044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many institutions within the healthcare ecosystem are making significant investments in AI technologies to optimize their business operations at lower cost with improved patient outcomes. Despite the hype with AI, the full realization of this potential is seriously hindered by several systemic problems, including data privacy, security, bias, fairness, and explainability. In this paper, we propose a novel canonical architecture for the development of AI models in healthcare that addresses these challenges. This system enables the creation and management of AI predictive models throughout all the phases of their life cycle, including data ingestion, model building, and model promotion in production environments. This paper describes this architecture in detail, along with a qualitative evaluation of our experience of using it on real world problems.
• Abstract（参考訳）: 医療エコシステム内の多くの機関が、患者の成果を向上して低コストでビジネスオペレーションを最適化するために、AI技術に多大な投資をしている。 AIの誇大宣伝にもかかわらず、このポテンシャルの完全な実現は、データプライバシ、セキュリティ、バイアス、公正性、説明可能性など、いくつかのシステム上の問題によって深刻な障害を受けている。 本稿では、これらの課題に対処する医療におけるAIモデル開発のための新しい標準アーキテクチャを提案する。 このシステムは、データ取り込み、モデル構築、生産環境におけるモデルプロモーションを含む、ライフサイクルのすべてのフェーズを通じて、AI予測モデルの作成と管理を可能にする。 本稿では,このアーキテクチャについて,実世界問題における使用経験の質的評価とともに詳細に述べる。

関連論文リスト

• Health AI Developer Foundations [18.690656891269686]
  Health AI Developer Foundations(HAI-DEF)は、トレーニング済み、ドメイン固有の基礎モデル、ツール、レシピのスイートで、ヘルスアプリケーションのための機械学習の構築を加速する。 モデルは、放射線学(X線とCT)、病理学、皮膚画像、オーディオなど、様々なモダリティや領域をカバーする。 これらのモデルは、ラベル付きデータが少なく、トレーニング時間が短く、計算コストが削減されたAI開発を容易にする、ドメイン固有の埋め込みを提供する。
  論文  参考訳（メタデータ） (2024-11-22T18:51:51Z)
• Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
  大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。 しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。 本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:14:34Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Generative AI for Health Technology Assessment: Opportunities, Challenges, and Policy Considerations [12.73011921253]
  本稿では、医療技術評価(HTA)のための生成人工知能(AI)と大規模言語モデル(LLM)を含む基礎モデルについて紹介する。 本研究は, 4つの重要な領域, 合成証拠, 証拠生成, 臨床試験, 経済モデリングにおける応用について検討する。 約束にもかかわらず、これらの技術は急速に改善されているものの、まだ初期段階にあり、HTAへの適用には慎重な評価が引き続き必要である。
  論文  参考訳（メタデータ） (2024-07-09T09:25:27Z)
• Generative AI in the Construction Industry: A State-of-the-art Analysis [0.4241054493737716]
  建設業界における生成AIの現状、機会、課題に関する文献のギャップがある。 本研究は, 建設産業における既存の, 新興のジェネレーティブAIの機会と課題をレビューし, 分類することを目的とする。 建設会社が独自のデータを使ってカスタマイズされた生成AIソリューションを構築するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-15T13:39:55Z)
• Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions [48.0590120095748]
  本稿では,多様な入力モダリティと融合戦略を符号化する最適なモデルアーキテクチャを自動検索する,AutoFMという新しいニューラルネットワーク探索フレームワークを提案する。 我々は実世界のマルチモーダルEHRデータと予測タスクについて徹底的な実験を行い、その結果、我々のフレームワークが既存の最先端手法よりも大幅な性能向上を実現していることを示す。
  論文  参考訳（メタデータ） (2024-01-20T15:14:14Z)
• 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)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• 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)
• A Methodology for a Scalable, Collaborative, and Resource-Efficient Platform to Facilitate Healthcare AI Research [0.0]
  本稿では,データ取得,データセット開発と分析,AIモデル開発を高速化するシステムを提案する。 このシステムは、1時間に15,000人の患者記録を取り込み、各記録は何千もの測定値、テキストノート、高解像度のデータを表す。
  論文  参考訳（メタデータ） (2021-12-13T18:39:10Z)
• MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
  この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。 MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
  論文  参考訳（メタデータ） (2021-09-29T18:09:41Z)

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。