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
- 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) - Applying Bayesian Ridge Regression AI Modeling in Virus Severity
Prediction [0.0]
医療専門家に最先端ウイルス分析をもたらすAIモデルであるBayesian Ridge Regressionの長所と短所をレビューする。
モデルの精度評価は有望な結果を示し、改善の余地があった。
さらに、重症度指数は、患者のケアニーズを概観するための貴重なツールとして機能する。
論文 参考訳(メタデータ) (2023-10-14T04:17:00Z) - 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) - 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) - Data-centric Artificial Intelligence: A Survey [47.24049907785989]
近年、AIにおけるデータの役割は大幅に拡大し、データ中心AIという新たな概念が生まれた。
本稿では,データ中心型AIの必要性について論じ,続いて3つの一般的なデータ中心型目標の全体像を考察する。
これは、データライフサイクルのさまざまな段階にわたるタスクのグローバルなビューを提供する、初めての総合的な調査である、と私たちは信じています。
論文 参考訳(メタデータ) (2023-03-17T17:44:56Z) - 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) - An Overview and Case Study of the Clinical AI Model Development Life
Cycle for Healthcare Systems [0.1995841328036364]
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。
論文 参考訳(メタデータ) (2020-03-02T21:35:13Z)
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。